Таблица 1
Table 1
Значения коэффициентов детерминации R2
для наиболее значимых переменных (1 набор переменных) The values of the R2 for the most significant variables (the 1st set of variables)
|
Независимые переменные (индексы рельефа) |
Коэффициент детерминации, % |
|||
|
Model 1 |
Model 2 |
Model 3 |
||
|
Уклон рельефа |
11,907 |
9,16 |
5,187 |
|
|
Индекс мощности потока |
2,43 |
1,365 |
1,257 |
|
|
Профильная кривизна |
0,295 |
0,339 |
0,264 |
|
|
Частная водосборная площадь |
0,554 |
0,102 |
0,473 |
|
|
Отметки высот рельефа (в метрах) |
0,16 |
0,014 |
0,209 |
|
|
Индекс конвергенции-дивергенции потока |
0,014 |
0,04 |
0,052 |
Таблица 2
Table 2
Значения коэффициентов детерминации R2 для наиболее значимых переменных (2 набор переменных) The values of the R2 for the most significant variables (the 2nd set of variables)
|
Независимые переменные (индексы рельефа) |
Коэффициент детерминации, % |
|||
|
Model 1 |
Model 2 |
Model 3 |
||
|
Эрозионный потенциал рельефа (LS - фактор) |
8,169 |
5,623 |
3,865 |
|
|
Индекс увлажненности |
1,182 |
0,819 |
0,412 |
|
|
Профильная кривизна |
0,295 |
0,339 |
0,264 |
|
|
Частная водосборная площадь |
0,554 |
0,102 |
0,473 |
|
|
Отметки высот рельефа (в метрах) |
0,16 |
0,014 |
0,209 |
|
|
Индекс конвергенции-дивергенции потока |
0,014 |
0,04 |
0,052 |
Для примера в табл. 3 приведены оценки некоторых коэффициентов построенной нами модели (модель 1 с первым набором переменных).
Таблица 3
Table 3
|
Переменная модели |
Коэффициент модели |
Наблюдаемый уровень значимости |
|
|
(Intercept) |
-1,90 |
< 0,001 |
|
|
fRegionAlkeev |
0,41 |
< 0,001 |
|
|
fRegionBavly |
-5,63 |
< 0,001 |
|
|
fRegionElab |
-2,15 |
< 0,001 |
|
|
fRegionSabinsk |
0,21 |
< 0,001 |
|
|
fRegionV erhneusl |
1,34 |
< 0,001 |
|
|
NewErosionTRUE |
0,79 |
< 0,001 |
|
|
Уклон |
4,21 |
< 0,001 |
|
|
Индекс мощности потока |
-0,004 |
0,084 |
|
|
Профильная кривизна |
0,15 |
< 0,001 |
|
|
Частная водосборная площадь |
0,26 |
< 0,001 |
|
|
Отметки высот рельефа |
-0,0008 |
< 0,001 |
|
|
Индекс конвергенции-дивергенции потока |
0,02 |
< 0,001 |
|
|
Коричнево-серая лесная оподзоленная |
4,45 |
< 0,001 |
|
|
Светло-серая лесная |
1,78 |
< 0,001 |
|
|
Серая лесная оподзоленная |
1,92 |
< 0,001 |
|
|
Чернозем карбонатный маломощный |
5,10 |
< 0,001 |
|
|
Чернозем карбонатный среднемощный |
4,51 |
< 0,001 |
|
|
Гранулометрический состав: |
|||
|
- среднесуглинистый |
0,23 |
< 0,001 |
|
|
- легкосуглинистый |
-0,08 |
< 0,001 |
|
|
- супесчаный |
-0,17 |
< 0,001 |
Значения некоторых коэффициентов модели 1 с первым набором переменных Model 1 coefficients (with the use of the 1st set of variables)
В первой строке второго столбца мы видим информацию, относящуюся к коэффициенту: уравнения модели (2). В последующих строках этого столбца представлены остальные коэффициенты модели. Они показывают направление изменения вероятности: если знак положительный, то вероятность растет с ростом соответствующей переменной, если отрицательный - падает. Последний столбец показывает значимость переменных: если величина менее 0,05, то переменная считается значимой.
Первая модель (модель, по которой рассчитывали вероятность наличия почвенной эрозии независимо от ее степени) с использованием первого набора переменных показала, что вероятность наличия почвенной эрозии прямо пропорциональна уклону, частным водосборным площадям, индексу конвергенции-дивергенции потока и профильной кривизне (см. табл. 3).
Обратная зависимость выявляется с индексом мощности потока (который в этой модели сделался незначимым) и отметками высот рельефа. Такие зависимости легко объясняются физическим значением этих переменных. Как известно, профильная кривизна напрямую связана с замедлением и ускорением потока по склону. Чем больше значение профильной кривизны, тем более вогнутой является поверхность. Участки с большими уклонами и выпуклым профилем склона, как правило, не распахиваются. Поскольку область моделирования ограничена пахотными землями, в данном случае наблюдается прямая зависимость вероятности наличия почвенной эрозии со значениями профильной кривизны. Обратная зависимость в случае с отметками высот также может быть объяснена спецификой размещения распахиваемых участков. Участки с наибольшей высотой располагаются на водоразделах. Эти уплощенные области имеют минимальные уклоны и меньше подвержены эрозии, нежели склоновые части, расположенные ниже.
Наиболее значимые типы почв одновременно являются и самыми распространенными на ключевых участках. Из представленных типов почв в наибольшей степени вероятность наличия почвенной эрозии связана с черноземами карбонатными маломощными и среднемощными. Эти подтипы имеют самую низкую противоэрозионную стойкость в ряду черноземов [Заславский, 1983].
Вероятность наличия смытых почв на среднесуглинистых почвах выше, чем на легкосуглинистых и супесчаных. По-видимому, это связано с более широким распространением почв такого гранулометрического состава на исследуемых участках.
Модель 2 описывает отличие почвенной эрозии степени 2 от степени 1. Другими словами, модель считает, какова вероятность того, что смытая почва в конкретной точке будет иметь категорию среднесмытой. В этом случае со всеми показателями рельефа из 1 набора данных наблюдается прямая зависимость с вероятностью возникновения средне- смытых почв. При этом переменная мощности потока сделалась незначимой. Таким образом, можно сказать, что вероятность возникновения среднесмытых почв наибольшая на верхних участках склонов вогнутого профиля. При этом наиболее сильная зависимость наблюдается именно в отношении уклонов. Анализируя оценки коэффициентов модели, можно сказать, что среднесмытые почвы с наибольшей вероятностью локализованы на коричнево-серых лесных оподзоленных, дерново-карбонатных, серых лесных оподзолен- ных почвах, расположенных в верхней части склонов и имеющих среднесуглинистый гранулометрический состав.
Интересные результаты показали коэффициенты третьей модели (модель увеличения степени "новой" эрозии по сравнению со "старой"). В данном случае вычисляется вероятность того, что в каждой точке степень эродированности с карты почвенной корректировки будет больше, чем на исходной почвенной карте.
Вероятность увеличения степени эродированности имеет прямую корреляцию с уклонами, частными водосборными площадями, индексом конвергенции-дивергенции потока, профильной кривизной и отметками рельефа. Наибольшие значения этих показателей характеризуют верхние и средние участки склонов с вогнутым профилем.
Интересно отметить, что из всех типов почв, которые оказались значимыми для этой модели, вероятность возрастания почвенной эрозии наибольшая у черноземов карбонатных мало- и среднемощных, а также у лугово-черноземных карбонатных среднемощных. Также, по результатам моделирования, наибольшая вероятность увеличения показателя смытости - у супесчаных почв.
Заключение
Представленное исследование базируется на обширном исходном материале, включающем в себя крупномасштабные почвенные и топографические карты, данные дистанционного зондирования Земли. Были разработаны региональные математические модели развития почвенной эрозии, в которых эродированность почв представлена качественной характеристикой (категорией смытости), что позволяет использовать большой объем данных, представленных на разновременных крупномасштабных почвенных картах.
В ходе исследования математико-статистическими методами был оценен вклад каждого из рассчитанных показателей рельефа (уклон, плановая и профильная кривизна, экспозиция, средняя длина линий тока, удельная площадь водосбора (specific catchment area), эрозионный потенциал рельефа (LS-factor), индекс увлажненности (Wetness index), индекс мощности потока (Relative stream power index)
Вероятность наличия почвенной эрозии, а также ее увеличения прогрессирует с ростом следующих показателей рельефа: уклона, частных водосборных площадей, индексом конвергенции-дивергенции потока, профильной кривизной и эрозионным потенциалом рельефа. Отметки высот обратно пропорциональны росту вероятности наличия почвенной эрозии, однако прямо пропорциональны вероятности увеличения категории смытости.
Следовательно, образование и развитие почвенной эрозии на ключевых участках идет в основном в верхних частях склонов с вогнутым профилем. Наличие почвенной эрозии, а также ее рост наиболее вероятны на среднесуглинистых почвах, относящихся к черноземам карбонатным маломощным и среднемощным. Однако наличие почв средней степени смытости в большей степени вероятно на дерново-карбонатных, коричнево-серых оподзоленных, светло-серых, серых лесные почвах.
Перспективу дальнейших исследований мы связываем с разработкой схем районирования территории по вероятности развития эрозионных процессов для определения ожидаемых тенденций развития эрозии почв.
Список использованных источников
1. Об утверждении требований к государственным топографическим картам и государственным топографическим планам, включая требования к составу сведений, отображаемых на них, к условным обозначениям указанных сведений, требования к точности государственных топографических карт и государственных топографических планов, к формату их представления в электронной форме, требований к содержанию топографических карт, в том числе рельефных карт: Приказ Минэкономразвития России от 06.06.2017 № 271 (ред. от 11.12.2017) // СПС КонсультантПлюс. URL: http://www.consultant.ru/ document /cons_docLAW 219559/ (дата обращения: 23 октября 2019).
2. О состоянии природных ресурсов и об охране окружающей среды Республики Татарстан в 2018 году: государственный доклад. Электронная книга. URL: http://eco.tatarstan.ru /rus/file/pub/pub_1928270.pdf (дата обращения: 28 января 2020).
Список литературы
1. Аввакумова А.О., Ермолаев О.П. 2011. Методика оценки пространственно-временной динамики эрозии почв по материалам повторных почвенных съемок в регионе интенсивного земледелия средствами ГИС-технологий. Вестник Удмуртского университета. Серия "Биология. Науки о Земле", 4: 3-7.
2. Буряк Ж.А., Терехин Э.А. 2015. Противоэрозионное обустройство агроландшафтов на основе оценки потенциальных эрозионных потерь почвы с использованием ГИС-технологий. Науки о Земле: вчера, сегодня, завтра. Материалы международной научной конференции, Казань, Бук: 1-7.
3. Голосов В.Н. 2006. Эрозионно-аккумулятивные процессы в речных бассейнах освоенных равнин. М., ГЕОС, 296 с.
4. Дедков А.П., Мозжерин В.И. 1984. Эрозия и сток наносов на Земле. Казань. Изд-во КГУ, 264 с.
5. Ермолаев О.П. 2017. Геоинформационное картографирование эрозии почв в регионе Среднего Поволжья. Почвоведение, 1: 130-144.
6. Ермолаев О.П., Гафуров А.М., Усманов Б.М. 2018. Оценка интенсивности и динамики эрозии методом наземного лазерного сканирования. Почвоведение, 7: 893-906.
7. Ермолаев О.П., Усманов Б.М., Гафуров А.М., Голосов В.Н. 2019. Оценка темпов смыва на склонах методом наземного лазерного сканирования. В кн.: Голосов В.Н., Ермолаев О.П. Пространственно-временные закономерности развития современных процессов природноантропогенной эрозии на Русской равнине. Казань, АН РТ: 115-122.
8. Заславский М.Н. 1983. Эрозиоведение. М., Высшая школа, 320 с.
9. Лисецкий Ф.Н., Светличный А.А., Черный С.Г. 2012. Современные проблемы эрозиоведения. Белгород, Константа. 456 с.
10. Литвин Л.Ф. 2002. География эрозии почв сельскохозяйственных земель России. М., ИКЦ Академкнига, 255 с.
11. Мальцев К.А. Ермолаев О.П. 2019. Оценка потенциальных потерь почвы на сельскохозяйственных землях Европейской части России. Закономерности проявления эрозионных и русловых процессов в различных природных условиях. Материалы V Всероссийской научной конференции с международным участием, объединенной с XXXIV пленарным совещанием Межвузовской научно-координационного совета по проблеме эрозионных, русловых и устьевых процессов. Москва, ЛЕНАНД: 294-296.
12. Пространственно-временные закономерности развития современных процессов природно-антропогенной эрозии на Русской равнине. 2019. Под ред. В.Н. Голосова, О.П. Ермолаева. Казань, Изд-во АН РТ, 372 с.
13. Фокин А.Д. 1986. Почва, биосфера и жизнь на Земле. М., Наука, 138 с.
14. Bosco C., de Rigo D., Dewitte O., Poesen J., Panagos P. 2015. Modelling soil erosion at European scale: towards harmonization and reproducibility. Natural Hazards and Earth System Sciences, 15 (2): 225-245.
15. Landsat - Earth observation satellites. 2015. U.S. Geological Survey. Reston, VA. 4.
16. Maltsev K.A., Yermolaev O.P., Mozzherin V.V. 2015. Suspended sediment yield mapping of Northern Eurasia. Proceedings IAHS: 326-332.
17. Morgan R.P.C. 1996. Soil Erosion and conservation. London, New York, Publ. Longman, 198 р.
18. Panagos P. 2015. A new European slope length and steepness factor (LS-Factor) for modeling soil erosion by water. Geosciences. Switzerland, 5: 117-126.
19. R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing. 2014. Electronic resource. Available at: http://www.R-project.org/ (accessed: 07 March 2019).
20. Schmidt S. 2018. Mapping spatio-temporal dynamics of the cover and management factor (C- factor) for grasslands in Switzerland. Remote Sensing of Environment, 211: 89-104.
21. Yermolaev O., Avvakumova A. 2012. Cartographic-geoinformational estimation of spatiotemporal erosion dynamics of arable soils in forest-steppe landscapes of the Russian Plain. IAHS-AISH Publication, 356: 332-337.