Геоморфометрический анализ сельскохозяйственных территорий на основе новой цифровой модели рельефа

Использование геоинформационных технологий и цифровых моделей рельефа (ЦМР) позволяет в значительной степени автоматизировать процесс анализа рельефа исследуемой территории. Современные ЦМР основаны на данных дистанционного зондирования (ДДЗ) и их точность постоянно повышается. Исследования проводили с целью анализа возможности применения ЦМР для геоморфометрического анализа рельефа сельскохозяйственной территории. На базе некоммерческой ЦМР FABDEM нового поколения (Forest And Buildings removed Copernicus Digital Elevation Model) и функциональных возможностей набора инструментов географической информационной системы (ГИС) SAGA GIS (System for Automated Geoscientific Analyses, Geographic Information System) был проведен геоморфометрический анализ рельефа сельскохозяйственной территории опытно-производственного хозяйства (ОПХ) «Михайловское» ФИЦ КНЦ СО РАН. Подготовлена серия крупномасштабных тематических карт территории хозяйства: крутизны и экспозиций склонов, кривизны (плановой и профиля), индекса расчлененности рельефа (TRI), индекса потенциала плоскостной эрозии (LS-фактора), топографического индекса влажности (TWI) и др. Получена модель поверхностного стока. Несмотря на небольшую площадь, устройство поверхности территории ОПХ «Михайловское» неоднородно, в том числе 85 % приходится на ровные участки (плоская поверхность), остальные 15 % на локальные, преимущественно приподнятые, формы рельефа. На склонах крутизной до 3° приходится 92 % от общей площади, участки с крутизной склонов более 3° занимают всего 8 %. На полях хозяйства преобладают территории с западными и восточными склонами – 42 % от общей площади, на южные приходится 36 %, на северные – 22 %. Результаты анализа топографического индекса влажности территории ОПХ в целом свидетельствуют о незначительной эрозионной опасности: 0,5 % от общей площади хозяйства представляют собой участки с дренажными впадинами и 3 % – возвышенности. По величине индекса потенциала плоскостной эрозии участки на возвышенностях расположены на склонах крутизной более 4°. 

1. Глазунов Г. П., Афонченко Н. В., Двойных В. В. Оценка влияния морфометрических показателей рельефа на плодородие черноземных почв // Достижения науки и техники АПК. 2020. Т. 34. № 7. С. 10–18. doi: 10.24411/0235-2451-2020-10702.

2. Modeling topographic potential for erosion and depositing using GIS / H. Mitasova, J. Hofierka, M. Zlocha, et al. // Int. J. Geogr. Inf. Syst. 1996. Vol. 10. No. 5. P. 629–641. doi: 10.1080/0269379960890210.

3. Применение FABDEM и других современных цифровых моделей рельефа в системе аграрного мониторинга / А. С. Кузнецова, А. А. Пушкарев, К. В. Краснощеков и др. // Информационные и математические технологии в науке и управлении. 2023. № 4 (32). С. 139–147. doi: 10.25729/ESI.2023.32.4.012.

4. Vertical accuracy of freely available global digital elevation models (ASTER, AW3D30, MERIT, TanDEM-X, SRTM, and NASADEM) / E. Uuemaa, S. Ahi, B. Montibeller, et al. // Remote Sensing. 2020. Vol. 12. No. 21. Article 3482. URL: https://www. mdpi.com/2072-4292/12/21/3482 (дата обращения: 14.03.2024). doi: 10.3390/rs12213482.

5. Wilson J. P. Digital terrain modeling // Geomorphology. 2012. Vol. 137. P. 107–121. doi: 10.1016/j.geomorph.2011.03.012.

6. Kopecky М., Macek М., Wild J. Topographic wetness index calculation guidelines based on measured soil moisture and plant species composition // Science of The Total Environment. 2021. Vol. 757. Article 143785. URL: https://www.sciencedirect.com/science/article/abs/pii/S0048969720373162 (дата обращения: 14.03.2024). doi: 10.1016/j.scitotenv.2020.143785.

7. Шинкаренко С. С., Бодрова В. Н., Сидорова Н. В. Влияние экспозиции склонов на сезонную динамику вегетационного индекса NDVI посевных площадей // Известия НВ АУК. 2019. № 1 (53). С. 96–105.

8. Шпедт А. А., Ерунова М. Г., Злотникова В. В. Методика оценки природно-ресурсного потенциала агроландшафтов с использованием ГИС-технологий // Земледелие. 2023. № 8. С. 9–13. doi: 10.24412/0044-3913-2023-8-9-13.

9. Полякова Е. В. Учет геоморфометрических параметров рельефа при ведении хозяйственной деятельности на территории Архангельской области // Евразийский Союз Ученых. 2019. № 3-2 (60). С. 33–37. URL: https://cyberleninka.ru/article/n/uchet-geomorfometricheskih-parametrov-reliefa-pri-vedenii-hozyaystvennoy-deyatelnosti-na-territorii-arhangelskoy-oblasti (дата обращения: 19.05.2024). doi: 10.31618/ESU.2413-9335.2019.2.60.33-37.

10. Антонов С. А., Перегудов С. В. Анализ динамики эрозионных размывов на основе показателя фрактальной размерности // Достижения науки и техники АПК. 2023. Т. 37. № 7. С. 9–13. doi: 10.53859/02352451_2023_37_7_9.

11. Морфометрический анализ цифровых моделей рельефа для оценки и картографирования распределения поверхностного стока / А. Л. Энтин, С. М. Кошель, И. К. Лурье и др. // Вопросы географии. 2017. № 144. С. 169–186.

12. Пермяков Р. В. Применение геоинформационных технологий для решения географо-картографических задач (по материалам дистанционного зондирования) // Геоинформатика. 2014. № 3. С. 10–17.

13. Ганиева И. А. Предпосылки создания информационно-ресурсной цифровой платформы интеллектуального управления системами земледелия и землепользования для агропромышленного комплекса России // Достижения науки и техники АПК. 2019. Т. 33. № 12. С. 110–116. doi: 10.24411/0235-2451-2019-11224.

14. Шокин Ю. И., Потапов В. П. ГИС сегодня: состояние, перспективы, решения // Вычислительные технологии. 2015. Т. 20. № 5. С. 175–213.

15. Геопространственная база данных цифровизации системы земледелия Красноярского края / М. Г. Ерунова, А. А. Шпедт, О. Э. Якубайлик и др. // Достижения науки и техники АПК. 2019. Т. 33. № 7. С. 56–61. doi: 0.24411/0235-2451-2019-10714.

16. A 30 m global map of elevation with forests and buildings removed / L. Hawker, P. Uhe, L. Paulo, et al. // Environmental Research Letters. 2022. Vol. 17. No. 2. Article 024016. URL: https://iopscience.iop.org/article/10.1088/1748-9326/ac4d4f (дата обращения: 14.03.2024). doi: 10.1088/1748–9326/ac4d4f.

17. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4 / O. Conrad, B. Bechtel, M. Bock, et al. // Geosci. Model Dev. 2015. Vol. 8. P. 1991–2007. doi: 10.5194/gmd-8-1991-2015.

18. Гопп Н. В. Использование почвенно-геоморфологической базы данных для изучения пространственной измен чивости содержания гумуса, физической глины и ила в почвах Кузнецко-салаирской геоморфологической провинции // Почвоведение. 2021. № 7. С. 783–796. doi: 10.31857/S0032180X21070054.

19. Wetness index based on landscape position and topography (WILT): modifying TWI to reflect landscape position / M. B. Meles, S. E. Younger, C. R. Jackson, et al. // Journal of Environmental Management. 2020. Vol. 255. Article 109863 URL: https://www.sciencedirect.com/science/article/abs/pii/S0301479719315816 (дата обращения: 14.03.2024). doi: 10.1016/j.jenvman.2019.109863.

20. Schmidt J., Hewitt A. Fuzzy land element classification from DTMs based on geometry and terrain position // Geoderma. 2004. Vol. 121. No. 3-4. P. 243–256. doi: 10.1016/j.geoderma.2003.10.008.

21. Мальцев К. А., Голосов В. Н., Гафуров А. М. Цифровые модели рельефа и их использование в расчётах темпов смыва почв на пахотных землях // Учен. зап. Казан. ун-та. Сер. Естеств. науки. 2018. Т. 160. Ч. 3. С. 514–530.