Гопп Н.В.   Смирнов В.В.  

Моделирование пространственной изменчивости содержания гумуса в почвах тундрово-степных ландшафтов Джулукульской котловины (Республика Алтай)

Reporter: Смирнов В.В.

В докладе рассматривается методика комплексной обработки данных (наземных, аналитических, спутниковых) для моделирования пространственной изменчивости содержания гумуса в почвах в зависимости от типа растительного сообщества и запасов надземной фитомассы, пространственные границы которых рассчитываются на основе спутниковой информации.

Гумус представляет собой относительно динамичную составную органическую часть почвы, подвергающуюся количественным и качественным изменениям под влиянием целого ряда факторов, которые разделяют на абиотические (климатические, эдафические, орографические, химические) и биотические (взаимоотношения живых организмов между собой). К числу важных факторов также относится и тип растительных сообществ, отличающийся друг от друга видовым составом и запасами надземной фитомассы. Растительность является основным поставщиком органических остатков, которые подвергаются последующей минерализации и трансформации в гумусовые вещества почв.

Ранее исследованиями И.Б. Арчеговой было показано, что в тундровых экосистемах значительные колебания запасов гумуса коррелируют с микрокомплексным развитием растительного покрова. Также немаловажное значение в процессах гумусообразования играют условия среды. Таким образом, умение выяснять взаимосвязи в цепочке «почва – растительность – среда» и правильно сочетать факторы при составлении карт является ключевым моментом методики.

Сущность предлагаемой методики оценки пространственной изменчивости содержания гумуса в почвах заключается в разделении земной поверхности на площадные элементы или контуры, в пределах которых проводится анализ взаимосвязей между параметрами растительности (запасы надземной фитомассы, NDVI) и данными аналитических исследований почв. Выделенные площадные контуры отражают те факторы среды, которые влияют на деструкцию органических остатков (влажность, освещенность). Таким образом, проводится группировка данных и снижается признаковое пространство, что позволяет повысить коэффициент корреляции и составить более точное уравнение регрессии для экстраполяции данных на прилегающую территорию. Все выше описанные операции проводятся в пределах ареала, соответствующего одному типу растительных сообществ.


To reports list