Eurasian Soil ScienceEurasian Soil Science0032-180X3034-5618Russian Academy of Science10.31857/S0032180X22600986Comparative Analysis of the Results of Traditional and Digital Large-Scale Soil Mapping on the Example of a Site at the National Park “Smolenskoe Lakeland”Сравнительный анализ результатов традиционного и цифрового крупномасштабного почвенного картографирования на примере участка в национальном парке “Смоленское Поозерье”SemenkovI. N.СеменковИ. Н. semenkov@geogr.msu.ruЦентр по проблемам экологии и продуктивности лесов РАН; МГУ им. М.В. ЛомоносоваCenter for Forest Ecology and Productivity of the Russian Academy of Sciences; Lomonosov Moscow State University010320233312320

For the territory of the Smolensk Lakeland with a complex and understudied soil cover and considerable influence of the anthropogenic factor, it is relevant to create soil maps using the comparative geographic method. For an area of 8.8 km2 in the southwestern part of the Smolenskoye Lakeland National Park, soil maps (scale 1 : 25 000) were created using the methods of traditional and digital soil mapping (DSM). And a comparison of the results obtained was made. The territory under consideration is dominated by gray-humus soils (Umbric Cambisol (Loamic) and Arenosols (Ochric)) on two maps. These soils are associated with past agricultural use and regeneration of old arable soils. Smaller areas are occupied by alpha-humus and texture-differentiated soils (Podzols (Arenic) and Retisols (Loamic), respectively). In addition, isolated areas of psammozems (Arenosols) have been found and identified on the map using traditional approach. The overall accuracy of the map compiled by the DSM methods was 55%. The leading factors were identified: the position in the relief, the nature of the substrate and vegetation. The distribution of texturally differentiated soils associated with loamic parent materials and humus-peat soils formed in local depressions and on the floodplain of Lake Baklanovskoye is predicted with an accuracy of 87% and 60%, respectively. The location of podzol soils (Entic Rustic Podzols (Ochric)) is predicted with an accuracy of only 29%. The traditional mapping method was able to better reflect the diversity of the soil cover on a large scale compared to the digital method.

Территория Смоленского Поозерья отличается сложным и слабоизученным почвенным покровом и выраженным влиянием антропогенного фактора. На участок площадью 8.8 км2 в юго-западной части национального парка “Смоленское Поозерье” составлены почвенные карты масштаба 1 : 25 000 в методах традиционной и цифровой почвенной картографии (ЦПК) и проведено сравнение полученных результатов. На обеих картах рассматриваемой территории преобладают серогумусовые почвы (Umbric Cambisol (Loamic) и Arenosols (Ochric)), что связано с сельскохозяйственным использованием в прошлом и реградацией старопахотных почв. Меньшие территории занимают альфегумусовые и текстурно-дифференцированные (Podzols (Arenic) и Retisols (Loamic) соответственно) почвы. Кроме того, обнаружены единичные ареалы псаммоземов (Arenosols), выделить которые удалось только на карте с использованием традиционного метода. Общая точность карты, составленной методом ЦПК, составила 55%. Ведущими факторами выделены морфометрические показатели рельефа, характер субстрата и растительность. Методами ЦПК лучше всего (с точностью 87 и 60% соответственно) предсказано распространение дерново-подзолистых почв (Retisols (Loamic)), приуроченных к суглинистым породам, и перегнойно-торфяных (Histosols), формирующихся в локальных понижениях и на пойме озера Баклановское. Расположение дерново-подбуров (Entic Rustic Podzols (Ochric)) предсказано с наименьшей точностью (29%). Точность предсказания расположения агроземов (Arenosols) и агропочв (Retisols), перегнойно-глеевых (Gleysols), серогумусовых и торфяных (Histosols) варьировала в пределах 43–60%. Метод традиционного картографирования смог в лучшей степени отразить дифференциацию почвенного покрова в крупном масштабе по сравнению с цифровым методом.

почвенные ареалы геоинформационные системы морфометрические характеристики почв сравнительно-географический метод машинное обучение случайные лесапочвенные ареалы геоинформационные системы морфометрические характеристики почв сравнительно-географический метод машинное обучение случайные лесаАвторы благодарны руководству национального парка “Смоленское Поозерье” за предоставленную возможность проведения исследований, а также И.М. Бавшину и М.А. Смирновой за обсуждение текста рукописи и ценные советы по ее улучшению и М.И. Герасимовой за помощь в диагностике почв, а также участникам полевых работ: Д.С. Жогову, В.Э. Карпачеву, Д.А. Касимовой, Г.И. Колосу, Д.В. Котову, А.Д. Наумову, А.А. Пеуновой, А.А. Пискуновой, Е.А. Сергеевой, Н.С. Соболеву, Е.С. Старчиковой, И.Е. Тамаровскому, Д.А. Тереховой. При подборе объектов исследования использованы материалы, предоставленные Центром коллективного пользования “Геопортал” (МГУ им. М.В. Ломоносова).Авторы благодарны руководству национального парка “Смоленское Поозерье” за предоставленную возможность проведения исследований, а также И.М. Бавшину и М.А. Смирновой за обсуждение текста рукописи и ценные советы по ее улучшению и М.И. Герасимовой за помощь в диагностике почв, а также участникам полевых работ: Д.С. Жогову, В.Э. Карпачеву, Д.А. Касимовой, Г.И. Колосу, Д.В. Котову, А.Д. Наумову, А.А. Пеуновой, А.А. Пискуновой, Е.А. Сергеевой, Н.С. Соболеву, Е.С. Старчиковой, И.Е. Тамаровскому, Д.А. Тереховой. При подборе объектов исследования использованы материалы, предоставленные Центром коллективного пользования “Геопортал” (МГУ им. М.В. Ломоносова).Алексеев Я.Я. Очерк растительности Смоленской губернии // Сельское хозяйство Смоленской губернии. 1924. С. 107–119.ГИС-атлас “Недра России”. М.: ВСЕГЕИ, 2001.Докучаев В.В. Картография русских почв. СПб.: Изд-во М-ва гос. имуществ, 1879. 114 с.Докучаев В.В. Сочинения. М.–Л.: Изд-во АН СССР, 1950. Т. 4. Ч. 1. 413 с.Карта Лесоустройства. 2013, 2014. Смоленск: ФГБУ Национальный парк “Смоленское Поозерье” Смоленской области, 2015.Классификация и диагностика почв России. М.: Ойкумена, 2004. 342 с.Козлов Д.Н., Лозбенев Н.И. Методы и алгоритмы цифровой почвенной картографии – модели почвенно-ландшафтных связей для категорий номинальной шкалы. https://landscapeedu.ru/files/edu/R_DSM_sid_v0.99.pdfКозлов Д.Н., Сорокина Н.П. Традиции и инновации в крупномасштабной почвенной картографии // Цифровая почвенная картография: теоретические и экспериментальные исследования. М.: Почв. ин-т им. В.В. Докучаева, 2012. С. 35–57.Комплексное изучение состояния природы Смоленского Поозерья в целях охраны и рационального использования на момент организации в этом регионе национального природного парка / Под ред. Н.Д. Круглова. Смоленск: Смоленский гос. пед. ин-т, 1995. 513 с.Королева Н.В., Тихонова Е.В., Ершов Д.В., Салтыков А.Н., Гаврилюк Е.А., Пугачевский А.В. Оценка масштабов зарастания нелесных земель в национальном парке “Смоленское Поозерье” за 25 лет по спутниковым данным Landsat // Лесоведение. 2018. № 2. С. 83–96.Косенков Г.Л., Колбовский Е.Ю. Периодизация и реконструкция истории освоения территории национального парка “Смоленское Поозерье” для целей типологии культурного ландшафта // Ярославский педагогический вестник. 2012. Т. 3. № 4. С. 232–238.Кочергин А.С. Эколого-географические основы организации и управления территорией национального парка (на примере национального парка “Смоленское Поозерье”). Автореф. дис. … канд. геогр. н. М., 2002. 21 с.Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт землепользований. М.: Колос, 1973. 95 с.Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 с.Чистяков С.П. Случайные леса: обзор // Тр. Карельского научного центра. 2013. № 1. С. 117–136.Шопина О.В., Герасимова М.И., Бавшин И.М., Хохряков В.Р., Семенков И.Н. Инвентаризация и картографирование почв национального парка “Смоленское Поозерье” // Лесоведение. 2022. № 5. С. 478–493. https://doi.org/10.31857/S0024114822040088Шопина О.В., Гераськина А.П., Кузнецова А.И., Тихонова Е.В., Титовец А.В., Бавшин И.М., Хохряков В.Р., Семенков И.Н. Стадии постагрогенного восстановления компонентов экосистем сосновых лесов национального парка “Смоленское Поозерье” // Почвоведение. 2023. № 1. С. 20–34. https://doi.org/10.31857/S0032180X22600706Bouslihim Y., Rochdi A., Aboutayeb R., el Amrani-Paaza N., Miftah A., Hssaini L. Soil aggregate stability mapping using remote sensing and gis-based machine learning technique // Frontiers in Earth Science. 2021. № 9. P. 863. https://doi.org/10.3389/FEART.2021.748859/BIBTEXBreiman L. Random forests // Machine learning. 2001. V. 45. № 1. P. 5–32.Environmental soil-landscape modelling: geographic information technologies and pedometrics // Ed. S. Grunwald. Boca Raton: CRC Press, 2006. 488 p.Ershov D.V., Gavrilyuk E.A., Koroleva N.V., Belova E.I., Tikhonova E.V., Shopina O.V., Titovets A.V., Tikhonov G.N. Natural afforestation on abandoned agricultural lands during post-soviet period: a comparative Landsat data analysis of bordering regions in Russia and Belarus // Remote Sensing. 2022. V. 14. № 2. P. 322. https://doi.org/10.3390/rs14020322Hengl T. A practical guide to geostatistical mapping. Luxembourg, 2009. 292 p.Ma Y., Minasny B., Malone B.P., McBratney A.B. Pedology and digital soil mapping // Eur. J. Soil Sci. 2019. № 70. P. 216–235.McBratney A. B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. № 117(1–2). P. 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4Rossiter D.G. Assessing the thematic accuracy of area–class soil maps // Soil Science Division, ITC. Enschede, Holland. Waiting publication, 2001.Wadoux A.M.J.C., McBratney A.B. Hypotheses, machine learning and soil mapping // Geoderma. 2021. № 383. P. 114725. https://doi.org/10.1016/j.geoderma.2020.114725Wang S., Zhou M., Adhikari K., Zhuang Q., Bian Z., Wang Y., Jin X. Anthropogenic controls over soil organic carbon distribution from the cultivated lands in Northeast China // Catena. 2022. V. 210. P. 105897. https://doi.org/10.1016/J.CATENA.2021.105897Zhang G., Feng L.I.U., Song X. Recent progress and future prospect of digital soil mapping: a review // J. Integrative Agriculture. 2017. V. 16. № 12. P. 2871–2885.