Гопп Н.В., Мешалкина Ю.Л., Нарыкова А.Н., Плотникова А.С., Чернова О.В. Картографирование содержания и запасов органического углерода почв на региональном и локальном уровнях: анализ современных методических подходов // Вопросы лесной науки, 2023, Т. 6. № 1. Статья № 120/ DOI 10.31509/2658-607x-202361-120
Аннотация: В настоящей работе приводится обзор отечественных и зарубежных литературных источников, посвященных картографированию содержания и запасов почвенного органического углерода (ПОУ) на региональном и локальном уровнях. Анализ работ показал, что картографическая оценка содержания и запасов ПОУ в почвах основана на различных подходах, выбор которых зависит от размера территории (континентальный, национальный, региональный, локальный уровни), наличия картографической основы (карты типов почв, ландшафтов, растительных формаций, данные дистанционного зондирования Земли и др.) и данных лабораторно-полевых обследований. Картографирование в основном осуществляется с использованием следующих подходов: (1) на основе имеющихся тематических карт; (2) цифровое почвенное картографирование. В обзоре также приведен набор пространственных данных, характеризующих факторы почвообразования согласно модели SCORPAN, активно используемой в цифровом почвенном картографировании. Пространственные данные о рельефе были одними из наиболее часто используемых предикторов, за которыми следовали переменные, характеризующие растительность и климат. Добавление в модели пространственных данных о классификационных единицах почв значительно повышало точность картографирования. Авторы работ отмечали, что переменные климата оказывают существенное влияние на пространственное варьирование содержания и запасов ПОУ на региональном уровне, в то время как на локальном уровне влияние климатических переменных было менее значимым. Анализ исследований показал, что наиболее часто в цифровом картографировании изучаемых свойств почв используются методы машинного обучения, среди которых метод случайного леса (Random Forest) чаще показывал лучшие результаты. Практически во всех исследованиях проводилась кросс-валидация построенных карт, проверка точности картографирования с использованием внешней независимой выборки проводилась в редких случаях, хотя эта важнейшая составляющая цифровой почвенной картографии. Наиболее часто для моделирования содержания и запасов ПОУ использовалось программное обеспечение R, для подготовки предикторов чаще использовались SAGA GIS, QGIS, ArcGIS и облачная платформа Google Earth Engine (GEE).