Команда учёных Уфимского государственного нефтяного технического университета и Уфимского института биологии УФИЦ РАН разработала цифровые карты основных почвенных свойств для Республики Башкортостан, используя региональные данные для машинного обучения. Такую работу ранее не проводили не только в пределах республики, но и на всей территории России.
Почва является своего рода «кожей» нашей планеты, которая имеет свои характеристики и свойства. Из неё получают до 90% всех продуктов питания. По этой причине важно проводить мониторинг и оценивать состояние почвы, что затруднительно делать без актуальных картографических материалов, — рассказывает автор проекта, начальник лаборатории искусственного интеллекта в исследованиях окружающей среды УГНТУ Азамат Сулейманов.
Раньше почвенные карты создавались традиционными методами, которые основывались на полевых работах. Карты рисовали вручную с использованием полевой информации и сведений о почвообразующих факторах (климат, рельеф, растительность, материнские породы и возраст местности). На основе этих данных специалисты, чаще всего картографы-почвоведы, вручную вычерчивали границы почвенных контуров на бумаге. Весь процесс был крайне трудоёмким, а точность карт напрямую зависела от опыта специалиста, который экстраполировал результаты единичных разрезов на большие площади.
Теперь же почвенные карты создают с помощью компьютеров, и в начале века сформировалось отдельное научное направление «Цифровая почвенная картография». Оно основано на выявлении статистических взаимосвязей между почвами, их свойствами и факторами почвообразования, представленных в пространственной форме. Эти связи используются для моделирования и прогнозирования почвенных характеристик на обширных территориях с помощью современных методов, включая ИИ и машинное обучение.
Уникальность проекта учёных — в применении технологий 3D-моделирования основных почвенных свойств (содержания органического углерода и кислотности почвы) на разных интервалах глубины (от 0 до 100 см) методами машинного обучения с их многоступенчатой валидацией. В отличие от традиционных 2D-карт, которые показывают лишь поверхностный слой или отдельные горизонты, 3D-моделирование позволяет создавать непрерывные трёхмерные блоки, где каждому интервалу глубины почвы присваиваются прогнозируемые значения характеристик.
Работу учёные начали ещё в 2020 году. На первом этапе проходил сбор почвенных сведений за предыдущие годы. Далее команда проделала большую работу по гармонизации почвенных и пространственных данных.
29,4 тысячи измерений содержания органического углерода в почве и свыше 22,3 тысячи измерений кислотности использовали разработчики проекта для машинного обучения. В качестве цифровых карт окружающей среды учёные применили 82 карты республики, представляющие климатические, почвенные и гидрологические характеристики, рельеф, геологию и спутниковые снимки. Созданные 3D-карты проверили несколькими современными методами, включая оценку точности прогнозов, их неопределенностей и области применимости.
Основная сложность состояла в сборе и гармонизации данных для дальнейшего обучения моделей. Это был самый долгий и трудный процесс. Для этого наша команда нашла и изучила различные литературные данные, научные статьи, отчёты, диссертации, сведения из которых наполняли базу данных. Проблема заключалась и в неравномерном покрытии почвенных данных, использующихся для машинного обучения. Например, почвенных данных Уральских гор крайне мало по сравнению с равнинными ландшафтами Башкортостана. Это связано с тем, что полевые обследования в горах логистически затруднены. Кроме того, здесь мало сельскохозяйственных земель, что обуславливает нерелевантность исследований, — подчеркнули учёные.
Полученные результаты и цифровые карты будут использоваться в области сельского хозяйства, экологии и климата. Созданные современные карты значительно повысят точность оценок почвенного углерода и кислотности в масштабах всей республики, что критически важно для климатических моделей и мониторинга плодородия земель.
Сейчас в горах Урала идут полевые работы для сбора дополнительных почвенных данных. Также в будущем планируется использовать более современные методы.
Исследование выполнено в рамках государственного задания Министерства науки и высшего образования Российской Федерации на тему «Оценка объема эмиссии и поглощения парниковых газов репрезентативными типами экосистем на участках Евразийского карбонового полигона и поиск оптимальных технологических решений для декарбонизации Республики Башкортостан» (№ FEUR-2024-0007).
Исследование опубликовано в журнале Catena
Источник: Минобрнауки России
