Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

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 текст

Список литературы:

  1. Мамедов Э. А. Изучение засоленных земель и солончаков с помощью космически методов // Исслед. Земли из космоса. 1985. № 1. С. 60–61.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  25. 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.