Comparative Analysis of the Results of Traditional and Digital Large-Scale Soil Mapping on the Example of a Site at the National Park “Smolenskoe Lakeland”

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

For the territory of the Smolensk Lakeland with a complex and understudied soil cover and considerable influence of the anthropogenic factor, it is relevant to create soil maps using the comparative geographic method. For an area of 8.8 km2 in the southwestern part of the Smolenskoye Lakeland National Park, soil maps (scale 1 : 25 000) were created using the methods of traditional and digital soil mapping (DSM). And a comparison of the results obtained was made. The territory under consideration is dominated by gray-humus soils (Umbric Cambisol (Loamic) and Arenosols (Ochric)) on two maps. These soils are associated with past agricultural use and regeneration of old arable soils. Smaller areas are occupied by alpha-humus and texture-differentiated soils (Podzols (Arenic) and Retisols (Loamic), respectively). In addition, isolated areas of psammozems (Arenosols) have been found and identified on the map using traditional approach. The overall accuracy of the map compiled by the DSM methods was 55%. The leading factors were identified: the position in the relief, the nature of the substrate and vegetation. The distribution of texturally differentiated soils associated with loamic parent materials and humus-peat soils formed in local depressions and on the floodplain of Lake Baklanovskoye is predicted with an accuracy of 87% and 60%, respectively. The location of podzol soils (Entic Rustic Podzols (Ochric)) is predicted with an accuracy of only 29%. The traditional mapping method was able to better reflect the diversity of the soil cover on a large scale compared to the digital method.

About the authors

A. I. Kulikova

Center for Forest Ecology and Productivity of the Russian Academy of Sciences; Lomonosov Moscow State University

Email: semenkov@geogr.msu.ru
Russia, 117997, Moscow; Russia, 119991, Moscow

P. D. Chechenko

Lomonosov Moscow State University

Email: semenkov@geogr.msu.ru
Russia, 119991, Moscow

M. S. Osipova

Lomonosov Moscow State University

Email: semenkov@geogr.msu.ru
Russia, 119991, Moscow

О. V. Shopina

Center for Forest Ecology and Productivity of the Russian Academy of Sciences; Lomonosov Moscow State University

Email: semenkov@geogr.msu.ru
Russia, 117997, Moscow; Russia, 119991, Moscow

I. N. Semenkov

Center for Forest Ecology and Productivity of the Russian Academy of Sciences; Lomonosov Moscow State University

Author for correspondence.
Email: semenkov@geogr.msu.ru
Russia, 117997, Moscow; Russia, 119991, Moscow

References

  1. Алексеев Я.Я. Очерк растительности Смоленской губернии // Сельское хозяйство Смоленской губернии. 1924. С. 107–119.
  2. ГИС-атлас “Недра России”. М.: ВСЕГЕИ, 2001.
  3. Докучаев В.В. Картография русских почв. СПб.: Изд-во М-ва гос. имуществ, 1879. 114 с.
  4. Докучаев В.В. Сочинения. М.–Л.: Изд-во АН СССР, 1950. Т. 4. Ч. 1. 413 с.
  5. Карта Лесоустройства. 2013, 2014. Смоленск: ФГБУ Национальный парк “Смоленское Поозерье” Смоленской области, 2015.
  6. Классификация и диагностика почв России. М.: Ойкумена, 2004. 342 с.
  7. Козлов Д.Н., Лозбенев Н.И. Методы и алгоритмы цифровой почвенной картографии – модели почвенно-ландшафтных связей для категорий номинальной шкалы. https://landscapeedu.ru/files/edu/R_DSM_sid_v0.99.pdf
  8. Козлов Д.Н., Сорокина Н.П. Традиции и инновации в крупномасштабной почвенной картографии // Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-т им. В.В. Докучаева, 2012. С. 35–57.
  9. Комплексное изучение состояния природы Смоленского Поозерья в целях охраны и рационального использования на момент организации в этом регионе национального природного парка / Под ред. Н.Д. Круглова. Смоленск: Смоленский гос. пед. ин-т, 1995. 513 с.
  10. Королева Н.В., Тихонова Е.В., Ершов Д.В., Салтыков А.Н., Гаврилюк Е.А., Пугачевский А.В. Оценка масштабов зарастания нелесных земель в национальном парке “Смоленское Поозерье” за 25 лет по спутниковым данным Landsat // Лесоведение. 2018. № 2. С. 83–96.
  11. Косенков Г.Л., Колбовский Е.Ю. Периодизация и реконструкция истории освоения территории национального парка “Смоленское Поозерье” для целей типологии культурного ландшафта // Ярославский педагогический вестник. 2012. Т. 3. № 4. С. 232–238.
  12. Кочергин А.С. Эколого-географические основы организации и управления территорией национального парка (на примере национального парка “Смоленское Поозерье”). Автореф. дис. … канд. геогр. н. М., 2002. 21 с.
  13. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт землепользований. М.: Колос, 1973. 95 с.
  14. Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 с.
  15. Чистяков С.П. Случайные леса: обзор // Тр. Карельского научного центра. 2013. № 1. С. 117–136.
  16. Шопина О.В., Герасимова М.И., Бавшин И.М., Хохряков В.Р., Семенков И.Н. Инвентаризация и картографирование почв национального парка “Смоленское Поозерье” // Лесоведение. 2022. № 5. С. 478–493. https://doi.org/10.31857/S0024114822040088
  17. Шопина О.В., Гераськина А.П., Кузнецова А.И., Тихонова Е.В., Титовец А.В., Бавшин И.М., Хохряков В.Р., Семенков И.Н. Стадии постагрогенного восстановления компонентов экосистем сосновых лесов национального парка “Смоленское Поозерье” // Почвоведение. 2023. № 1. С. 20–34. https://doi.org/10.31857/S0032180X22600706
  18. Bouslihim Y., Rochdi A., Aboutayeb R., el Amrani-Paaza N., Miftah A., Hssaini L. Soil aggregate stability mapping using remote sensing and gis-based machine learning technique // Frontiers in Earth Science. 2021. № 9. P. 863. https://doi.org/10.3389/FEART.2021.748859/BIBTEX
  19. Breiman L. Random forests // Machine learning. 2001. V. 45. № 1. P. 5–32.
  20. Environmental soil-landscape modelling: geographic information technologies and pedometrics // Ed. S. Grunwald. Boca Raton: CRC Press, 2006. 488 p.
  21. Ershov D.V., Gavrilyuk E.A., Koroleva N.V., Belova E.I., Tikhonova E.V., Shopina O.V., Titovets A.V., Tikhonov G.N. Natural afforestation on abandoned agricultural lands during post-soviet period: a comparative Landsat data analysis of bordering regions in Russia and Belarus // Remote Sensing. 2022. V. 14. № 2. P. 322. https://doi.org/10.3390/rs14020322
  22. Hengl T. A practical guide to geostatistical mapping. Luxembourg, 2009. 292 p.
  23. Ma Y., Minasny B., Malone B.P., McBratney A.B. Pedology and digital soil mapping // Eur. J. Soil Sci. 2019. № 70. P. 216–235.
  24. McBratney A. B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. № 117(1–2). P. 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4
  25. Rossiter D.G. Assessing the thematic accuracy of area–class soil maps // Soil Science Division, ITC. Enschede, Holland. Waiting publication, 2001.
  26. Wadoux A.M.J.C., McBratney A.B. Hypotheses, machine learning and soil mapping // Geoderma. 2021. № 383. P. 114725. https://doi.org/10.1016/j.geoderma.2020.114725
  27. Wang S., Zhou M., Adhikari K., Zhuang Q., Bian Z., Wang Y., Jin X. Anthropogenic controls over soil organic carbon distribution from the cultivated lands in Northeast China // Catena. 2022. V. 210. P. 105897. https://doi.org/10.1016/J.CATENA.2021.105897
  28. Zhang G., Feng L.I.U., Song X. Recent progress and future prospect of digital soil mapping: a review // J. Integrative Agriculture. 2017. V. 16. № 12. P. 2871–2885.

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (1MB)
3.

Download (813KB)

Copyright (c) 2023 А.И. Куликова, П.Д. Чеченков, М.С. Осипова, О.В. Шопина, И.Н. Семенков

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».