Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 169-179
Принципы региональной оценки многолетней засоленности пашни в Казахстанском секторе долины реки Сырдарьи по данным MODIS
А.Г. Терехов
1 , Г.Н. Сагатдинова
1 , Б.А. Мурзабаев
2 1 Институт информационных и вычислительных технологий, Алматы, Казахстан
2 Южно-Казахстанский государственный университет им. М. Ауэзова, Шымкент, Казахстан
Одобрена к печати: 27.04.2022
DOI: 10.21046/2070-7401-2022-19-2-169-179
В Центральной Азии в бассейне р. Сырдарьи расположен крупный массив орошения Голодной степи с общей площадью около 10 тыс. км 2. Нижняя часть массива, а это около 140 тыс. га поливной пашни, относится к территории Казахстана. После распада СССР гидроэлектростанции в верховьях речного бассейна изменили режим работы с ирригационного на энергетический. Кроме того, региональная дренажная система во многих местах частично потеряла функциональность. Всё это способствовало активизации процессов вторичного засоления поливной пашни. В данном исследовании в качестве основы для регионального картирования среднего многолетнего засоления поливной пашни Казахстанского сектора ирригационного массива Голодной степи были протестированы два индекса (нормализованные дифференциальные индексы вегетации и засоления NDVI и NDSI), построенные на основе спутниковых данных продукта MODIS MCD43A4 периода апрель – июль 2001–2021 гг. Для калибровки спутниковых данных использовалась официальная информация по засоленности почв сельских округов (административная единица с площадью пашни 4–11 тыс. га) Мактааральского и Жетысайского районов Туркестанской обл. Казахстана периода 2007–2021 гг. в формате суммарной доли незасоленной и малозасоленной пашни. Было установлено, что наиболее тесную корреляционную связь с многолетней засоленностью поливной пашни региона имеет средний многолетний максимум NDVI периода 20 июня – 5 июля (коэффициент корреляции Пирсона R 2 = 0,88), а также средние многолетние максимумы NDSI периодов 10–25 апреля (R 2 = 0,85) и 26 июня – 10 июля (R 2 = 0,87). Также регистрируется тесная корреляционная связь между рассмотренными индексами с коэффициентом корреляции Пирсона до 0,97. Физической основой, связывающей спутниковые данные со вторичным засолением почв, по всей видимости, представляется процедура зимне-весенней промывки полей, которая в процессе удаления солей приводит к весеннему переувлажнению почв и задержкам в раннелетнем развитии сельскохозяйственной вегетации. Таким образом, средние многолетние значения спутниковых индексов NDVI и NDSI, построенные на базе данных MODIS MCD43A4, в определённые календарные даты могут служить основой для регионального картирования средней многолетней засоленности поливной пашни. Одной из важных целей картирования может быть выделение зон, систематически подвергающихся вторичному засолению.
Ключевые слова: дистанционное зондирование, мониторинг поливной пашни, вторичное засоление, зимняя промывка полей, картирование засоленности пашни.
Полный текстСписок литературы:
- Мамедов Э. А. Изучение засоленных земель и солончаков с помощью космически методов // Исслед. Земли из космоса. 1985. № 1. С. 60–61.
- Панкова Е. И., Мазиков В. М., Исаев В. А., Ямнова И. А. Опыт использования аэрофотоснимков для характеристики засоления почв неорошаемых территорий сероземной зоны // Почвоведение. 1978. № 3. С. 82–85.
- Терехов А. Г. Спутниковая диагностика изменений сельскохозяйственного водообеспечения Синьцзян Уйгурского автономного района КНР на основе эффекта охлаждения поверхности пашни при ирригации по данным 2002–2019 гг. // Современные проблемы дистанционного зондирования земли из космоса. 2020. Т. 17. № 7. С. 131–141. DOI: 10.21046/2070-7401-2020-17-7-131-141.
- Терехов А. Г., Абаев Н. Н., Маглинец Ю. А. Спутниковый мониторинг состояния оазисов реки Амударьи в период 2003–2020 гг. на основе анализа эффекта охлаждения территорий в результате их ирригации // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 5. С. 123–132. DOI: 10.21046/2070-7401-2021-18-5-123-132.
- Abbas A., Khan S., Hussain N., Hanjra M., Akbar S. Characterizing soil salinity in irrigated agriculture using a remote sensing approach // Physics Chemistry of the Earth. 2013. V. 55–57. P. 43–52. DOI: 10.1016/j.pce.2010.12.004.
- Adejumobi M. A., Alonge T. A., Ojo O. I. A review of the techniques for monitoring soil salinity in irrigated fields // Advanced Multidisciplinary Research J. 2016. V. 2. No. 3. P. 167–170. DOI: 10.1080/01431168908903849.
- Alexakis D. D., Daliakopoulos I. N., Panagea I. S., Tsanis I. K. Assessing soil salinity using WorldView-2 multispectral images in Timpaki, Crete, Greece // Geocarto Intern. 2018. V. 33. No. 4. P. 321–338. DOI: 10.1080/10106049.2016.1250826.
- Al-Khaier F. Soil salinity detection using satellite Remote Sensing: Master thesis / Intern. Inst. Geo-information Science and Earth Observation. Enschede, Netherlands, 2003. 61 p.
- Allbed A., Kumar L., Aldakheel Y. Y. Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: applications in a date palm dominated region // Geoderma. 2014. V. 230–231. P. 1–8. DOI: 10.1016/j.geoderma.2014.03.025.
- Bannari A., Guédon A. M. Communications in soil science and plant analysis mapping slight and moderate saline soils in irrigated agricultural land using advanced land imager sensor (EO-1) data and semi-empirical models // Communications in Soil Science and Plant Analysis. 2016. V. 47. P. 1883–1906. DOI: 10.1080/00103624.2016.1206919.
- Fan X., Weng Y., Tao J. Towards decadal soil salinity mapping using Landsat time series data // Intern. J. Applied Earth Observation and Geoinformation. 2016. V. 52. P. 32–41. DOI: 10.1016/j.jag.2016.05.009.
- Laiskhanov S. U., Otarov A., Savin I. Y., Tanirbergenov S. I., Mamutov Z. U., Duisekov S. N., Zhogolev A. Dynamics of soil salinity in irrigation areas in South Kazakhstan // Polish J. Environmental Studies. 2016. V. 25. P. 2469–2475. DOI: 10.15244/pjoes/61629.
- Li L., Liu H., He X., Lin E., Yang G. Winter Irrigation Effects on Soil Moisture, Temperature and Salinity, and on Cotton Growth in Salinized Fields in Northern Xinjiang, China // Sustainability. 2020. V. 12. No. 18. Art. No. 7573. DOI: 10.3390/su12187573.
- Li Y. Research Progress of Remote Sensing Monitoring of Soil Salinization // IOP Conf. Ser.: Earth and Environmental Science. 2021. V. 692. Art. No. 042007. DOI: 10.1088/1755-1315/692/4/042007.
- Lobell D. B., Lesch S. M., Corwin D. L., Ulmer M. G., Anderson K. A., Potts D. J., Doolittle J. A., Matos M. R., Baltes M. J. Regional-scale Assessment of Soil Salinity in the Red River Valley Using Multi-year MODIS EVI and NDVI // J. Environmental Quality. 2010. V. 39. Iss. 1. P. 35–41. DOI: 10.2134/jeq2009.0140.
- Metternicht G. I., Zinck J. A. Remote sensing of soil salinity: potentials and constraints // Remote Sensing of Environment. 2003. V. 85. Iss. 1. P. 1–20. DOI: 10.1016/S0034-4257(02)00188-8.
- Rahmati M., Hamzehpour N. Quantitative remote sensing of soil electrical conductivity using ETM+ and ground measured data // Intern. J. Remote Sensing. 2017. V. 38. P. 123–140. DOI: 10.1080/01431161.2016.1259681.
- Ramos T. B., Castanheira N., Oliveira A. R., Paz A. M., Darouich H., Simionesei L., Farzamian M., Gonçalves M. C. Soil salinity assessment using vegetation indices derived from Sentinel-2 multispectral data. application to Lezíria Grande, Portugal // Agricultural Water Management. 2020. V. 241. Art. No. 106387. DOI: 10.1016/j.agwat.2020.106387.
- Rukhovich D. I., Pankova E. I., Chernousenko G. I., Koroleva P. V. Long-term salinization dynamics in irrigated soils of the Golodnaya Steppe and methods of their assessment on the basis of remote sensing data // Eurasian Soil Science. 2010. V. 43. P. 682–692. DOI: 10.1134/S1064229310060098.
- Scudiero E., Corwin D. L., Anderson R. G., Yemoto K., Clary W., Luke Z., Todd W. Remote sensing is a viable tool for mapping soil salinity in agricultural lands // California Agriculture. 2017. V. 71. No. 4. P. 231–238. DOI: 10.3733/ca.2017a0009.
- Singh A. N., Dwivedi R. S. Delineation of salt-affected soils through digital analysis of Landsat MSS data // Remote Sensing. 1989. V. 10. No. 1. P. 83–92. DOI: 10.1080/01431168908903849.
- Terekhov A., Abayev N. Irrigation cooling effect: opportunities in task of estimation of international irrigation water usage in transboundary River Syrdarya basin, Central Asia // E3S Web Conf. 2020. V. 23. Art. No. 02009. DOI: 10.1051/e3sconf/202022302009.
- Whitney K., Scudiero E., El-Askary H. M., Skaggs T. H., Allali M., Corwin D. L. Validating the use of MODIS time series for salinity assessment over agricultural soils in California, USA // Ecological Indicators. 2018. V. 93. P. 889–898. DOI: 10.1016/j.ecolind.2018.05.069.
- Zare S., Shamsi S., Fallah R., Abtahi S. A. Weakly-coupled geo-statistical mapping of soil salinity to Stepwise Multiple Linear Regression of MODIS spectral image products // J. African Earth Sciences. 2019. V. 152. P. 101–114. DOI: 10.1016/j.jafrearsci.2019.01.008.
- Zhang T., Qi J., Gao Yu, Ouyang Z., Zeng S., Zhao B. Detecting soil salinity with MODIS time series VI data // Ecological Indicators. 2015. V. 52. P. 480–489. DOI: 10.1016/j.ecolind.2015.01.004.