Комплексный подход к почвенной картографии на основе цифровой морфометрии и комбинаторного анализа тема диссертации и автореферата по ВАК РФ 03.02.13, кандидат наук Кириллова, Наталия Петровна

  • Кириллова, Наталия Петровна
  • кандидат науккандидат наук
  • 2018, Москва
  • Специальность ВАК РФ03.02.13
  • Количество страниц 264
Кириллова, Наталия Петровна. Комплексный подход к почвенной картографии на основе цифровой морфометрии и комбинаторного анализа: дис. кандидат наук: 03.02.13 - Почвоведение. Москва. 2018. 264 с.

Оглавление диссертации кандидат наук Кириллова, Наталия Петровна

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ 4 ГЛАВА 1. ОБЩАЯ ХАРАКТЕРИСТИКА СОВРЕМЕННОГО СОСТОЯНИЯ ЦИФРОВОГО ПОЧВЕННОГО КАРТОГРАФИРОВАНИЯ

И ДИАГНОСТИКИ ПОЧВ (ОБЗОР ЛИТЕРАТУРЫ) 11 ГЛАВА 2. ПРИРОДНЫЕ УСЛОВИЯ РЕГИОНА ИССЛЕДОВАНИЯ.

ОБЪЕКТЫ И МЕТОДЫ

2.1 Характеристика региона исследования

2.2 Объекты исследования

2.2.1 Картографические материалы и их обработка

2.2.2 Полевые исследования

2.3 Методы исследования

2.4 Обработка данных изображений 63 ГЛАВА 3. КЛАССИФИКАЦИЯ ПОЧВ КАК ЭКСПЕРТНАЯ СИСТЕМА 74 3.1 Выбор типа классификации

3.2. Создание базы данных на основе классификации

3.3. Формулировка алгоритмов диагностики. Программный модуль «Автоматизированный определитель почв южной тайги» 77 3.3.1 Логическая схема связей между таблицами базы данных 77 3.3.2. Диагностические ключи определения типа и подтипа почв

3.4. Диагностика почв на основе классификации-перечисления

3.4.1 Обоснование необходимости создания классификации-перечисления

3.4.2 Реализация классификации-перечисления на экспериментальных данных

3.4.2.1 Создание пространства универсальных возможностей групп горизонтов

3.4.2.2 Создание пространства логических возможностей групп

горизонтов

3.4.2.3 Реальное пространство групп горизонтов

3.4.2.4 Комбинаторика групп горизонтов и подтипы почв в классификации 97 ГЛАВА 4. ДИАГНОСТИКА ПОЧВ НА ОСНОВЕ ЦИФРОВОЙ

МОРФОМЕТРИИ

4.1. Понятие цифровой морфометрии

4.2. Многоуровневая цифровая диагностика почв по цвету

4.2.1. Точечная диагностика почв по цвету

4.2.2. Многоточечная диагностика почвенных профилей по цвету с построением РУ

4.2.3. Линейный уровень диагностики почвенных профилей 137 ГЛАВА 5. КОЛОРИМЕТРИЧЕСКАЯ ХАРАКТЕРИСТИКА ПОЧВ С ИСПОЛЬЗОВАНИЕМ СОВРЕМЕННЫХ ЦИФРОВЫХ УСТРОЙСТВ

5.1 Колориметрический анализ почв с помощью планшетных сканеров

5.2 Колориметрический анализ почв с использованием цифровой фотокамеры 167 ГЛАВА 6. РЕАЛИЗАЦИЯ ЭКСПЕРТНОГО ПОДХОДА К СОЗДАНИЮ ЦИФРОВОЙ ПОЧВЕННОЙ КАРТЫ

6.1 Разработка модели

6.2 Цифровая карта подтипов почв УОПЭЦ «Чашниково»

6.3 Цифровая карта почвообразующих пород УОПЭЦ «Чашниково» 207 6.4. Сравнительный анализ традиционных и цифровых почвенных карт УОПЭЦ «Чашниково» 218 ЗАКЛЮЧЕНИЕ 222 ВЫВОДЫ 224 СПИСОК ЛИТЕРАТУРЫ 228 ПРИЛОЖЕНИЕ 1. Морфометрические показатели рельефа территории УОПЭЦ «Чашниково» 256 ПРИЛОЖЕНИЕ 2. Типы почв территории УОПЭЦ «Чашниково»

Рекомендованный список диссертаций по специальности «Почвоведение», 03.02.13 шифр ВАК

Введение диссертации (часть автореферата) на тему «Комплексный подход к почвенной картографии на основе цифровой морфометрии и комбинаторного анализа»

ВВЕДЕНИЕ

Актуальность работы. Развитие геоинформационных технологий в последние десятилетия привело к прогрессу в осуществлении мониторинга природных экосистем. Значительную роль в этом процессе играет цифровая картография (Сорокина, 2006; Шоба и др.2010; Мешалкина, 2012).

По всему миру наметилась тенденция смещения основной цели региональных почвенных исследований в сторону получения объективной информации для рационального использования почвы. В связи с этим необходимы современные подходы с применением цифровых технологий. Становится насущным вопрос об осуществлении их интеграции в единый комплекс с информацией, применяемой при внедрении приемов точного земледелия службами агроэкологического мониторинга и поддержки других региональных услуг (Сигсю 2014, Бтао е! а1., 2015; Мта8пу & МсВгаШеу, 2016).

В настоящее время ощущается острая нехватка подробной информации о почвах и их обследовании. При этом сложилась парадоксальная ситуация, когда внедрение новых геоинформационных технологий практически никак не связано с основной массой картографических материалов. Это, прежде всего, касается крупномасштабных карт, поскольку работы в этой области ведутся очень низкими темпами. (Сорокина, 2006; Бтао е! а1., 2015).

Согласно НаЛештк (2008) большинство почвенных карт по всему миру были сделаны в период с 1945 по 1985 гг. Значительная часть пространственных данных о почвах устарела или требует значительной корректировки, поскольку исследования в этом направлении были завершены задолго до широкого использования цифровых методов (Лггоиау8 е! а1., 2014).

Другая проблема связана с тем, что даже при условии создания новых цифровых карт, основанных на полевых исследованиях, мы сталкиваемся с применением устарелых технологий. Если в случае дистанционных методов исследования почвенных свойств широко применяются самые современные,

высокотехнологичные методы, то в полевых исследованиях совокупность методов за последние несколько десятилетий почти не изменилась. (Hartemmk & Minasny, 2014). Это касается как организации сбора первичной информации о почвенных горизонтах, так и дальнейшей обработки результатов полевых исследований: ввода информации в базы данных, таксономической диагностики в соответствии с выбранной классификацией, выбора алгоритмов построения цифровой почвенной карты (ЦПК), создания модели и оценки точности карты.

В связи с этим цель исследования заключалась в осуществлении комплексного подхода к картографированию почв в крупном масштабе на основе современных технологий: цифровой морфометрии, комбинаторного анализа, создания баз данных и системы управления ими на примере территории учебно-опытного почвенно-экологического центра (УОПЭЦ) МГУ Чашниково.

Задачи исследования:

1. Разработать программный комплекс и базы данных для объединения в одном информационном поле материалов первичных полевых обследований и системы классификационных критериев, необходимых для их таксономической диагностики.

2. Сформировать совокупность геоинформационных параметров, необходимых для анализа ландшафтно-индикационных связей и построения цифровой почвенной карты.

3. Применить методы цифровой морфометрии, основанные на анализе цвета почв в системе CIELAB для объективизации диагностики почвенных горизонтов.

4. Разработать простые и высокоэффективные инструментальные и программные методы оценки цвета почв.

5. Проанализировать алгоритмы создания цифровой почвенной карты на основе экспертного подхода и разработать программный модуль, воспроизводящий принципы экспертного подхода в автоматическом режиме.

6. Построить цифровые почвенные карты для различных таксономических уровней и сравнить их с традиционными картами крупного масштаба, созданными для этой же территории без применения информационных

технологий. Оценить вклад внедрения цифровых технологий в изменение качества информации крупномасштабных почвенных карт.

Научная новизна. Впервые при создании цифровой почвенной карты крупного масштаба в едином комплексе осуществлен сбор, диагностика, анализ, моделирование и создание конечного продукта на основе применения информационных технологий на каждом этапе процесса. Впервые на экспериментальном материале (более 1000 почвенных разрезов и 4500 почвенных горизонтов) создана классификация-перечисление на уровне групп горизонтов в соответствии с теоретической концепцией генератора (машины) классификаций почв по В.А.Рожкову и концепцией пространства логических возможностей по Г.А.Заварзину. Это позволило связать классификацию-перечисление и Классификацию и диагностику почв СССР (1977) и осуществить переход из одного классификационного поля в другое, что обеспечило автоматизацию диагностирования больших массивов данных. Впервые проанализирован экспертный подход к созданию крупномасштабной почвенной карты, основанный на отечественных нормативных документах, и создан программный алгоритм для его реализации.

Применение методов цифровой морфометрии позволило сформулировать подход многоуровневой цифровой диагностики почв по цвету и охарактеризовать универсальное пространство цветов почвенных горизонтов. Разработаны простые и высокоэффективные методы, полностью заменяющие полуколичественный анализ цвета по системе Манселла на количественный анализ в системе С1ЕЬЛВ.

Создан программный модуль, имитирующий алгоритм построения крупномасштабной почвенной карты традиционным способом. Осуществлено его объединение с модулем сбора первичной информации, таксономической диагностики и графического отображения в ГИС-проекте. Это позволяет формировать в автоматическом режиме цифровые почвенные карты на всех таксономических уровнях, для которых произведена диагностика почвенных разрезов.

Проведен сравнительный анализ и оценка точности цифровых и традиционных почвенных карт крупного масштаба, построенных для одной и той же территории и проанализировано влияние внедрения цифровых технологий на характер информации, получаемой в почвенных картах.

Теоретическая и практическая значимость. Разработанные подходы вносят вклад в новые методы теории классификации. Показана перспективность применения концепции классификации-перечисления в совокупности с цифровой морфометрией на разных уровнях таксономической диагностики. Это выводит на новый теоретический и практический уровень основную модель цифровой почвенной картографии, согласно которой классификационная принадлежность почв и почвенные свойства рассматриваются как функции от факторов почвообразования в соответствии с концепцией Докучаева-Захарова-1еппу.

Полученные результаты практически реализованы в виде автоматизированного рабочего места - совокупности программных модулей, осуществляющих полный цикл работ по созданию конечного картографического продукта: от ввода, анализа и обработки информации до отображения цифровой почвенной карты.

Приведенные в работе материалы внедрены и используются в учебном процессе в Московском государственном университете им. М.В. Ломоносова в курсах «Геоинформационные системы и основы ГИС-анализа», «Основы цифровой почвенной картографии», «Картография почв».

Положения, выносимые на защиту:

1. При создании крупномасштабных почвенных карт таксонов необходимо опираться на факторно-экологическую классификацию, в качестве которой для территории исследования выбрана Классификация и диагностика почв СССР (1977). Полнота диагностики таксонов обеспечивается за счет создания классификации-перечисления на уровне групп горизонтов в соответствии с теоретической концепцией генератора (машины) классификаций почв по В.А.Рожкову. Комбинаторный анализ выявляет пространство универсальных возможностей, пространство логических возможностей

(концепция Г.А.Заварзина) и реальное пространство. Область применения концепции может быть расширена за счет включения в анализ почвенных объектов.

2. Наличие соотношений между сочетаниями групп горизонтов и подтипами почв по Классификации и диагностике почв СССР (1977) позволяет связать ее с классификацией-перечислением, обеспечить переход из одного классификационного поля в другое, сформировать систему диагностических ключей и осуществить унифицированную диагностику почвенных таксонов.

3. Цифровая морфометрия, основанная на анализе цвета горизонтов почв по Международной оптической системе, может быть использована для диагностики почв на различных уровнях: дискретном (точечный, многоточечный) и непрерывном, или континуальном (линейный и растровый). Для описания всех комбинаций цвета почв в пространстве С1ЕЬЛВ применимы принципы классификации-перечисления. Разработанный метод простого и высокоэффективного количественного анализа цвета почв с применением планшетного сканера и цифровой фотокамеры позволяет проводить точечную диагностику цвета на уровне спектрофотометра и полностью заменить анализ цвета по шкале Манселла. В совокупности с созданным программным модулем «Определитель цвета почв» данный подход является инструментом перехода к континуальному уровню характеристики цвета почв.

4. Проведение интерполяции результатов точечных исследований с целью построения карты полигонов почвенных таксонов возможно на основе создания классификации-перечисления совокупности комбинаций предикторов, для которых установлена система приоритетов. Применение показателя смежности границ по В.М.Фридланду позволяет в цифровой форме представить пространственную связь почв друг с другом и может быть использовано для анализа правильности составления почвенной карты.

5. Эффективность экспертных методов построения ЦПК почвообразующих пород по сравнению с методами машинного обучения удовлетворительна. Общая точность цифровой карты мало зависит от типа применяемого метода, при

необходимом условии учета категориальной переменной - геоморфологического положения точки опробования - наряду с непрерывными переменными.

6. Цифровая картография и морфометрия открывают новые возможности для познания закономерностей формирования профилей и почвенного покрова в целом. Внедрение баз данных и цифровых методов при создании крупномасштабных почвенных карт приводит к качественно новому уровню информации, по сравнению с традиционными почвенными картами.

Личный вклад автора. Диссертационная работа является результатом исследований автора (2012-2018 гг.). Автором обоснована тема, сформулированы цели и задачи, разработаны теоретические положения, спланированы и выполнены научные эксперименты, получены и проанализированы исходные данные, сформулированы заключения и основополагающие выводы работы. В совместных статьях вклад пропорционален числу соавторов. В программном обеспечении вклад автора составлял более 50%, включая 100% написание всех программных кодов.

Апробация работы. Результаты работы были доложены на международных конференциях: «Annual Congress on soil sciences» (Испания, 2017); «Pedometrics-25. Conference of the IUSS pedometrics comission and five working groups» (Нидерланды, 2017); «The 6th ENFSI APST Working Group Meeting» (Венгрия, 2017). На всероссийских и международных конференциях в Российской Федерации: «Проблемы истории, методологии и социологии почвоведения» (Пущино, 2017) «Global Soil Map» (Москва, 2017); «Геохимия ландшафтов (к 100-летию А.И. Перельмана)» (Москва, 2016); «Современные методы исследований почв и почвенного покрова» (Москва, 2015). Результаты исследований обсуждены на семинаре по теоретическим проблемам почвоведения им. Г.В. Добровольского (Москва, 2017); на Ломоносовских чтениях в МГУ им. М.В. Ломоносова (2016); на заседании секции сельскохозяйственных наук Центрального Дома ученых РАН Общества почвоведов им. В.В. Докучаева (Москва, 2014); на семинаре комиссии по картографии почв и комиссии по педометрике Общества почвоведов им. В.В.

Докучаева (Москва, 2014); на заседаниях кафедры общего почвоведения, факультета почвоведения МГУ имени М.В. Ломоносова (2012; 2014; 2018).

Связь работы с плановыми исследованиями и научными программами.

Материалы, послужившие основой для написания диссертации, получены и обобщены при реализации плановой темы фундаментальных научно-исследовательских работ кафедры общего почвоведения факультета почвоведения МГУ им. М.В.Ломоносова «Почвообразование и функционирование почв в естественных и антропогенных ландшафтах».

Публикации. Результаты исследований отражены в 35 публикациях, из них 19 входят в перечень изданий, рекомендованных для защиты в диссертационном совете МГУ по специальности, в том числе 13 статей в журналах Web of Science, Scopus и RSCI, 1 патенте и 5 авторских свидетельствах на программное обеспечение (1-BD, 4-SOFT), а также в научных статьях в сборниках, материалах и тезисах докладов российских и международных конференций.

Структура и объем диссертации. Диссертация состоит из введения, шести глав, заключения и выводов, изложена на 264 страницах, включает список литературы из 255 наименований, в том числе 160 на иностранных языках, 60 рисунков, 54 таблицы, два приложения.

Благодарности. Автор выражает глубочайшую признательность Силёвой Татьяне Михайловне, Артемьевой Зинаиде Семеновне, Савину Игорю Юрьевичу, Ульяновой Татьяне Юрьевне, Водяницкому Юрию Никифоровичу, Богатырёву Льву Георгиевичу, Рыжовой Ирине Михайловне, Макарову Михаилу Ивановичу, Хитрову Николаю Борисовичу, Каравановой Елизавете Ильиничне, Соколовой Татьяне Алексеевне за помощь, поддержку и доброжелательное отношение, возможность всестороннего обсуждения замыслов и результатов исследования, ценные советы и критические замечания. Автор признателен коллегам и друзьям, с которыми удалось обсудить содержание работы.

ГЛАВА 1. ОБЩАЯ ХАРАКТЕРИСТИКА СОВРЕМЕННОГО СОСТОЯНИЯ ЦИФРОВОГО ПОЧВЕННОГО КАРТОГРАФИРОВАНИЯ И

ДИАГНОСТИКИ ПОЧВ

Исследования почв имеют важное значение для моделей устойчивого развития современных обществ. Информация, содержащаяся в картах и отчетах, служит для указания типов внедряемых производственных систем с учетом интенсивности землепользования, которую могут выдерживать почвы. (Curcio 2014). Поскольку почва является природным ресурсом, знание ее пространственного распределения представляет национальный интерес (Simao et al., 2015). Интенсификация землепользования и неправильные способы ведения сельского хозяйства приводят к деградации почв, предотвращение которой возможно только в результате применения системы устойчивого землепользования. В этой связи почвенные карты являются ключевыми компонентами для правильной организации данной системы, поскольку они предоставляют основную информацию о почве, как природном ресурсе, и его распределении по ландшафту. В настоящее время сложилась такая ситуация, что ощущается острая нехватка подробной информации о почвах и их обследовании, при этом внедрение новых геоинформационных технологий практически никак не связано с основной массой картографической информации, в том числе крупномасштабных карт, поскольку работы в этой области ведутся очень низкими темпами (Basher, 1997; Dalmolin,1999; Nachtergaele & van Ranst, 2003; Hartemink et al., 2013). Во всем мире наблюдается сокращение или полный отказ от полевых работ по обследованию почв. Basher (1997) приводит обширные сведения, которые свидетельствуют о снижении уровня почвоведения в мире и сокращении финансирования и людских ресурсов для обследования почв во многих развитых странах. Ситуация в нашей стране также укладывается в эту схему: картографические работы ведутся выборочно, силами научных учреждений и вузов, но потребность в качественных почвенно-картографических исследованиях

и материалах возрастает (Сорокина, 2006). Немногочисленные полевые исследования, особенно на удаленных территориях России, организуются главным образом для составления технико-экономических обоснований разных хозяйственных проектов и базируются, как правило, на знаниях, полученных в 5080-х гг. прошлого столетия (Караваева, Прокопчук, 2004, Жарикова, 2008; Жарикова, Ознобихин, 2011).

До 2006 года последним нормативным документом, отражающим общепринятые в производственной практике подходы, была Общесоюзная инструкция (1973). За это время коренным образом изменились социально-экономические условия, возникли новые задачи и требования к почвенным материалам, появились принципиально новые технологии. Экспериментальные исследования последних лет направлены на разработку методов использования материалов дистанционного зондирования и ГИС-технологий, а также на почвенно-картографическое обоснование адаптивно-ландшафтного земледелия и изучение агрогенной и постагрогенной трансформации почвенного покрова (Цифровая почвенная картография, 2012). Организация почвенно-картографических работ изменилась в соответствии с концепцией цифровой почвенной картографии, которая оформилась в начале 2000-ых годов.

Концепция цифровой почвенной картографии (ЦПК)

Традиционные обследования почв можно рассматривать как моделирование с использованием научных методов и отчасти искусства, под которым подразумевается экспертное, негласное знание почвоведа. Как правило, картографирование связано с разработкой модели, которая связывает почву с факторами почвообразования. Модель часто может быть пересмотрена, скорректирована и переформулирована, и могут появиться новые почвенно-ландшафтные отношения (Wilding, 1985).

Количественные модели в почвенном исследовании были разработаны и используются для более подробного описания, классификации и изучения

пространственного распределения почв (МсВгаШеу е! а1., 2000). Согласно Burrough е! а1. (1994), для обозначения совокупности математических и статистических методов, применяемых для описания, изучения распространения и генезиса почв МсВгаШеу в 1992 году был введен термин педометрика.

С появлением педометрики в почвоведении произошло существенное изменение: к процессам, ранее полностью основанным на экспертных, неформализованных (негласных) знаниях и на качественных характеристиках стали подходить с помощью методологий и инструментов, основанных на количественных критериях. Задача для почвоведения заключается в интеграции этих дополнительных подходов в формирование пространственной информации в почвах.

Публикация МсВгаШеу с соавторами в 2003 году "О цифровой почвенной картографии" (МсВгаШеу е! а1., 2003) была поворотным пунктом для систематизации знаний в области ЦПК, накопленных к этому времени.

Согласно определению Lagacherie и МсВгаШеу (2007) цифровая почвенная картография (ЦПК) — это создание и компьютерное производство почвенных пространственных информационных систем за счет использования полевых и лабораторных методов наблюдений в совокупности с системами логического вывода для пространственных и не пространственных почвенных данных.

Модель ЦПК основана на модели факторов почвообразования, Докучаева-Захарова-1еппу (Иопшку, 2011). Суть модели состоит в том, что классификационная принадлежность почв и почвенные свойства рассматриваются как функции от факторов почвообразования и/или индикаторов. (Мешалкина, 2012)

В наиболее полном виде факторы, определяющие свойства почв в конкретной точке, отражены в моделях БСОЯРАК (МсВгаШеу е! а1., 2003) (уравнение (1.1)) и БТЕР-А^^ВИ (вгипшаМ е! а1., 2011)

Sc = f (s, c, o, r, p, a, n), Sa = f (s, c, o, r, p, a, n), (1.1)

где Sc - почвенные таксономические единицы, Sa - количественная характеристика почвы; s - почва (другие характеристики почвы); c - климат (локальные климатические характеристики); o - организмы, растительность, фауна, человек; r - рельеф (морфометрнческне величины); p - материнская порода, литология; a - возраст, время; n - пространственное положение.

Модель STEP-AWBH (фонетически "step-up") является одной из самых современных интеграционных концептуальных основ для определения взаимосвязей между свойствами почвы и предикторами, называемыми экологическими ковариатами или факторами STEP-AWBH (уравнение (1.2)) (Grunwald et al., 2011; Thompson et al., 2012). Она сформулирована следующим образом:

Г n m n Л

SA(z,px,tc)=f (S,T,E,P)j(z,Px,tc); }£(a,w,B,H)j(z,Px,tt)k (1.2)

I j i=0 j

где SA - изучаемое почвенное свойство (Soil attribute) ; S, T, E, P, A, W, B, H представляют собой факторные группы: почвенная (Soil), топографическая Topographic) , экологическая (Ecological) , почвообразующие породы (Parent material), атмосферная (Atmospheric), водная (Water), биотическая (Biotic) и антропогенная (Human-induced); j - количество свойств в каждой группе с j = 1,2, ... , n; px представляет собой пиксель с шириной x (пространственное разрешение) в определенном месте на Земле; tc представляет текущее время; ti представляет прошедший временной интервал, с шагом по времени i = 0, 1, 2, ... , m; и z представляет собой глубину (Grunwald et al., 2015).

Модель STEP-AWBH еще не получила широкого распространения, как сравнительно новая концепция, поэтому анализ использования предикторов в научных исследованиях основывается, в основном, на изучении модели SCORPAN.

Количество предикторов

Из семи групп факторов модели в большинстве исследований (76%) используются 1-2 параметра. По оценке 2003 г. рельеф занимал доминирующее положение (80%) среди всех факторов, после него следовали S (35%), O и P (в совокупности 25%), N (20%), C (5%) (McBratney et al., 2003). В соответствии с более поздним анализом литературы, вклад предикторов был следующим: S -50,7%, C - 6,0%, O - 34,3%, R - 23,9%, and P - 6,0% (Grunwald, 2009). Внутри каждой группы факторов может быть использовано от одного до десятков и даже сотен переменных. С развитием мощностей вычислительной техники стало возможным провести анализ зависимости точности предсказания свойств почвы от количества использованных переменных, входящих в различные факторные группы. Xiong et al. (2014) провели изучение варьирования содержания органического углерода в почвах Флориды. Было показано, для прогнозирования содержания углерода в почве исследование сотен переменных (n: 210), включая множество спектральных данных, может быть сокращено до меньшего подмножества переменных (n:4), которые обеспечивают прогноз равной точности.

Выбор почвообразующих факторов для анализа в значительной мере определяется масштабом карты. Так, для обзорных почвенных карт (1: 2 500 000) успешно используются такие факторы, как растительность и климат (Белоусова и др., 2012; Неданчук, Алябина, 2010). С увеличением масштаба для некоторых факторов, вводится предположение, что они являются постоянными в пределах района (Rudiyanto et al. 2018; Zhu et al., 2015).

Для создания детальных почвенных карт на уровне элементарного почвенного ареала предложена методика, основанная на численной интерполяции экспериментальных данных внутри сети опробования почв. Для этого используют морфометрические показатели, отражающие вертикальное распределение свойств, состава и строения самих почв. Основное отличие данной методики от существующих состоит в том, что по совокупности выбранных количественных

показателей свойств почвы можно перейти к ее таксономической характеристике. Такой подход позволяет пространственно разделить ареалы почв на конкретном участке, и воспроизводимо проводить границы между ними. Это означает, что в модели БСОЯРАК из семи факторов только один (Б - почва, ее свойства) выступает в качестве предиктора. Остальные факторы почвообразования используют только на стадии полевого изучения почв в качестве индикации для выявления почвенного разнообразия участка (Хитров, 2012).

При создании крупномасштабных почвенных карт используют, как правило, более двух предикторов и чаще всего, с включением рельефа (МсВгаШеу е! а1., 2003; вгипшаМ, 2009).

Для определения оптимального количества параметров, используемых в моделях, предлагается за основу брать принцип «лезвия Оккама» (принцип бережливости). Он декларирует, что все модели должны включать как можно меньше входных параметров для достижения своих целей, в то же время используя столько переменных, сколько абсолютно необходимо для достижения удовлетворительных результатов. (МсВгаШеу е! а1., 2003; Heng1, 2003; МасМШап, 2004).

Методы моделирования

Ключевым компонентом построения цифровой почвенной карты является метод определения взаимосвязи между почвенными наблюдениями и факторами почвообразования (предикторами или ковариатами) (Brungard е! а1.,2015). Карты могут быть построены как для почвенных свойств (содержание различных соединений, влажность, гранулометрический состав и т.п.), так и для классов (таксонов) почв. По оценкам 2009 года (втпшаЫ, 2009) только 15,6% исследований в области ЦПК посвящено картографии таксономических классов почв. Мы остановимся на этой группе цифровых карт, поскольку именно их созданию посвящена экспериментальная часть данной работы.

Методы моделирования можно разделить на 2 основные группы, которые включают машинное обучение (Behrens and Schölten, 2007; Bui and Moran, 2003; Kim et al., 2012; Stum et al., 2010) и экспертные системы (Smith et al., 2012, van Zijl etal., 2012, Zhu et al., 2001).

Машинное обучение (machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач (шаблонов данных) (Witten & Frank, 2011). Для построения таких методов используются средства математической статистики, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.

Машинное обучение является привлекательным инструментом для изучения пространственных распределений почвенных классов, поскольку знание об отношениях между почвенными классами и факторами почвообразования часто понять довольно трудно (Grunwald, 2006; 2010).

Похожие диссертационные работы по специальности «Почвоведение», 03.02.13 шифр ВАК

Список литературы диссертационного исследования кандидат наук Кириллова, Наталия Петровна, 2018 год

СПИСОК ЛИТЕРАТУРЫ

1. Артемьева, З.С. Органическое вещество и гранулометрическая система почвы / З.С. Артемьева. - М.: ГЕОС, 2010. - 240 с.

2. Архангельская, Н.А. Опыт классификации цветов почв на основах учения Оствальда / Н.А. Архангельская // Научн. тр. ин - та Почвоведения им. Докучаева. - 1932. - N 6. - С.196-306.

3. Байбеков, Р.Ф. Оценка цвета почв в полевых условиях с использованием прибора Gretag Macbeth Eye-one Photo / Р.Ф. Байбеков, В.И. Савич, Д.Н. Егоров, Каба Рами Хесам Моуса // Известия ТСХА. - 2007. N 4. - С.23-28.

4. Белоусова, Н.И. Анализ почвенно-климатических связей на основе почвенной карты и базы данных "БИОМ" / Н.И. Белоусова, Д.И. Назимова, Н.М. Андреева // Почвоведение. - 2012. - N 2. - С.131-141.

5. Виноградов, Б.В. Аэрокосмический мониторинг экосистем / Б.В. Виноградов. - М.: Наука, 1984. - 320 с.

6. Водяницкий, Ю.Н. Диагностика переувлажненных минеральных почв / Ю.Н. Водяницкий. - М.: Почвенный ин-т им. В.В. Докучаева, 2008. - 143 с.

7. Водяницкий, Ю.Н. Изменение цвета аллювиальной оглеенной слабоожелезненной почвы в ходе высыхания образцов / Ю.Н. Водяницкий, Н.П. Кириллова, А.Т. Савичев, Т.М. Силёва // Вестник Московского университета. Серия 17: Почвоведение. - 2018. - N 4. - С.11-18.

8. Водяницкий, Ю.Н. Использование системы CIE-L*a*b* для характеристики цвета почв / Ю.Н. Водяницкий, Н.П. Кириллова // Почвоведение. - 2016. - N 11. - С.1337-1346.

9. Водяницкий, Ю.Н. Перевод цветовых показателей почвы из системы Манселла в систему CIE-L*a*b*: таблицы и примеры расчета / Ю.Н. Водяницкий, Н.П. Кириллова // Вестник Московского университета. Серия 17: Почвоведение. - 2016. - N4. - С. 3-11.

10. Водяницкий, Ю.Н. Соединения железа и их роль в охране почв / Ю.Н.

Водяницкий. - М.: ГНУ Почвенный институт им. В.В. Докучаева Россельхозакадемии, 2010. - 282 с.

11. Водяницкий, Ю.Н. Соединения железа и цвет почв о. Сахалин / Ю.Н. Водяницкий, Н.П. Кириллова, Д.В. Манахов, М.М. Карпухин // Почвоведение. - 2018.- N 2.- С.165-178.

12. Воробьева, Л.А. Теория и практика химического анализа почв / Л.А. Воробьева, (Ред.). - М.: ГЕОС, 2006. - 400 с.

13. Воронин, Ю.А. Геология и математика / Ю.А. Воронин. - Новосибирск: Наука, 1967. - 224 с.

14. Глушанкова, Н.И. Использование спектрофотометрического анализа цветности морен для расчленения и корреляции ледникового комплекса восточно-европейской равнины / Н.И. Глушанкова // Изв. РГО. - 2001. Т. 133. N 3.- С.76-87.

15. Глушанкова, Н.И. Цветность морен как показатель условий литогенеза / Н.И. Глушанкова // Вестник Московского университета. Серия 5: География. -1984.- N 1.- С.76-80.

16. Голубев, И.Ф. Техника и методика ускоренного анализа почв. - 2-е изд., доп. / И.Ф. Голубев. - М.: Изд - во М-ва сел. хоз-ва РСФСР, 1963. - 106 с.

17. Голубев., И.Ф. Шкала окраски почв. Пособие к лаборатории быстрых анализов почв / И.Ф. Голубев. - Дмитров: Изд-во Советская Россия, 1962. - 28 с.

18. Джадд, Д. Цвет в науке и технике / Д. Джадд, Г. Вышецки. - М.: Мир, 1978.- 592 с.

19. Добровольский, В.В. Состав мелкозема рыхлых почвообразующих пород Восточно-Европейской равнины и его генезис / В.В. Добровольский // Почвоведение. - 2005. - N 3. - С.345-354.

20. Добровольский, Г.В. Почвы речных пойм центра Русской равнины / Г.В. Добровольский. - М.: Изд - во МГУ, 2005. - 293 с.

21. Докучаев, В.В. Русский чернозем / В.В. Докучаев. - Под ред. акад. В.Р.

Вильямса. М., Л.: ОГИЗ - Сельхозгиз, 1936. - 551 с.

22. Ефремова, Т. Новый словарь русского языка. Толково-образовательный / Т. Ефремова, Ф.. - М.: Рус. яз., 2000. - в 2 т. - 1209 с.

23. Жарикова, Е.А. Оценка устойчивости почв к эрозии и деградации при обустройстве нефтяных месторождений северного Сахалина / Е.А. Жарикова, В.И. Ознобихин // Известия Иркутского государственного университета. Серия «Биология. Экология». - 2011. - Т. 4. - N 3. - С.109-118.

24. Жарикова, Е.А. Проблемы классификации некоторых таежных почв Приамурья и Сахалина / Е.А. Жарикова // Агрох1м1я i грунтознавство. - 2008. Выпуск 69. - С.26 - 30.

25. Заварзин, Г.А. Фенотипическая систематика бактерий. Пространство логических возможностей / Г.А. Заварзин. - М.: Наука, 1974. - 142 с.

26. Иванов, В.В. О минералогическом составе крупных фракций суглинистых дерново-подзолистых почв Клинско-Дмитровской гряды (окрестности Чашниково) / В.В. Иванов, М.В. Вагнер // Вестник Московского университета. Серия 17: Почвоведение. - 1988. - N 3. - С.11-16.

27. Иванов, В.В. Первичные минералы ледниковых почвообразующих пород Русской равнины / В.В. Иванов, Т.М. Силёва. - М.: МАКС Пресс, 2005. - 76 с.

28. Ивлев, A.M. Особенности генезиса и биогеохимия почв Сахалина / A.M. Ивлев. - М.: Наука, 1977. - 144 с.

29. Караваева, Н.А. Формирование почв с бурым профилем на севере Приамурья и Сахалина / Н.А. Караваева, В.Ф. Прокопчук // Почвоведение. -2004.- N 9.- С.1029-1039.

30. Караванова, Е.И. Оптические свойства почв и их природа / Е.И. Караванова. - М.: МГУ, 2003. - 151 с.

31. Карманов, И.И. О применении спектрофотометрических коэффициентов к изучению почвообразовательных процессов / И.И. Карманов // Почвоведение. - 1968. - N 2. - С.13-29.

32. Карманов, И.И. Опыт установления количественных связей между

цветовыми свойствами почв и их вещественным составом / И.И. Карманов,

B.А. Рожков // Почвоведение. - 1972. - N 12. - С.71-79.

33. Карманов, И.И. Спектральная отражательная способность и цвет почв как показатели их свойств / И.И. Карманов. - М.: Колос, 1974. - 351 с.

34. Карта почвообразующих пород УОПЭЦ «Чашниково» МГУ (со1ог map) [Электронный ресурс]. - 2017. - Режим доступа: https: // www.researchgate.net/publication/308304423 pm map

35. Кириллова, Н.П. Автоматизированный определитель почв южной тайги. Свидетельство о государственной регистрации программы для ЭВМ. №2014617393 / Н.П. Кириллова // Официальный бюллетень «Программы для ЭВМ. Базы данных. Топологии интегральных микросхем». - 2014. - N 8. -

C.2014617393.

36. Кириллова, Н.П. Анализ цвета почв с использованием цифровой фотокамеры / Н.П. Кириллова, T.M. Силёва // Вестник Московского университета. Серия 17: Почвоведение. - 2017. - N 1. - С.16-22.

37. Кириллова, Н.П. Диагностика почвенных горизонтов по цвету (на примере почв Подмосковья) / Н.П. Кириллова, Т.М. Силёва, Т.Ю. Ульянова, И.Е. Смирнова, А.С. Ульянова, Е.К. Бурова // Почвоведение. - 2018. - N 11. -С.1-10.

38. Кириллова, Н.П. Интегрированная база данных для параллельного унифицированного определения таксономической принадлежности почв таежной зоны по "Классификации и диагностике почв СССР 1977" и "Классификации почв 2004". Свидетельство о государственной регистрации базы данных № 2013621357 / Н.П. Кириллова, Т.М. Силёва, Т.Ю. Ульянова, М.И. Макаров // Официальный бюллетень «Программы для ЭВМ. Базы данных. Топологии интегральных микросхем». - 2013. - N 3. - С.2013621357.

39. Кириллова, Н.П. Использование цветовой характеристики почв в системе CIE Lab для оценки миграции соединений железа в геохимически сопряженных ландшафтах / Н.П. Кириллова // В сборнике: Геохимия

ландшафтов (к 100-летию А.И. Перельмана). Доклады Всероссийской научной конференции. - Москва, 2016. - С. 264-266

40. Кириллова, Н.П. Исторические аспекты изучения цвета почв и современное состояние проблемы / Н.П. Кириллова, Т.М. Силёва, З.С. Артемьева // В сборнике «Проблемы истории, методологии и социологии почвоведения» Материалы 3-ей Всероссийской научной конференции с международным участием. - Пущино: Товарищество научных изданий КМК, 2017. С. 87-90.

41. Кириллова, Н.П. Метод «совпадений» и его применение для построения цифровой крупномасштабной почвенной карты / Н.П. Кириллова, Т.М. Силёва, Т.Ю. Ульянова, И.Ю. Савин // Почвоведение. - 2014. - N 10. - С.1193-1203.

42. Кириллова, Н.П. Новые технологии в полевых исследованиях в рамках летней учебной практики по картографии почв / Н.П. Кириллова, Т.М. Силёва // В сборнике «Теория и методика проведения практик по географическим дисциплинам» Материалы заочной научно-практической конференции. -Кубанский государственный университет, 2016. - С. 95-97.

43. Кириллова, Н.П. Определитель цвета почвы. Свидетельство о государственной регистрации программы для ЭВМ №2015618613 / Н.П. Кириллова, З.С. Артемьева // Официальный бюллетень «Программы для ЭВМ. Базы данных. Топологии интегральных микросхем». - 2015. - N9. -С.2015618613.

44. Кириллова, Н.П. Перевод цветовых характеристик почвы из системы Манселла в систему CIE-L*a*b* / Н.П. Кириллова, Ю.Н. Водяницкий, Т.М. Силёва // Почвоведение. - 2015. - N 5. - С.527-535.

45. Кириллова, Н.П. Построение цифровых почвенных карт на основе базы данных полевых исследований: Учебно-методическое пособие / Н.П. Кириллова, Т.М. Силёва. - М.: МАКС Пресс, 2017. - 40 с.

46. Кириллова, Н.П. Программа комбинаторного анализа почвенных

горизонтов. Свидетельство о государственной регистрации программы для ЭВМ № 2018614417 / Н.П. Кириллова, Т.М. Силёва, М.И. Макаров // Официальный бюллетень «Программы для ЭВМ. Базы данных. Топологии интегральных микросхем». - 2018. - N 4. - С.2018614417.

47. Кириллова, Н.П. Программа создания цифровой карты почвенных таксонов по методу совпадений. Свидетельство о государственной регистрации программы для ЭВМ №2017615184 / Н.П. Кириллова, Т.М. Силёва // Официальный бюллетень «Программы для ЭВМ. Базы данных. Топологии интегральных микросхем». - 2017. - N 5. - С.2017615184.

48. Кириллова, Н.П. Способ определения цветовых характеристик почвы по цифровому изображению. Патент №2594946 / Н.П. Кириллова, М.М. Иванова, З.С. Артемьева // Изобретения. Полезные модели. Официальный бюллетень Федеральной службы по интеллектуальной собственности, патентам и товарным знакам. - 2016. - N 23. - С. 1-7.

49. Кириллова, Н.П. Таксономическая диагностика почв с помощью автоматизированного определителя / Н.П. Кириллова, Т.М. Силёва // Вестник Московского университета. Серия 17: Почвоведение. - 2015. - N 3. - С.31-36.

50. Кириллова, Н.П. Цифровая крупномасштабная карта почвообразующих пород и принципы ее составления / Н.П. Кириллова, Т.М. Силёва, Т.Ю. Ульянова, С.Ю. Розов, И.Е. Смирнова // Вестник Московского университета. Серия 17: Почвоведение. - 2017. - N 3. - С.3-10.

51. Кириллова, Н.П. Цифровая почвенная карта УОПЭЦ Чашниково МГУ им. М.В. Ломоносова / Н.П. Кириллова, Т.М. Силёва, Т.Ю. Ульянова, С.Ю. Розов, М.А. Ильяшенко, М.И. Макаров // Вестник Московского университета. Серия 17: Почвоведение. - 2015. - N 2. - С.22-29.

52. Кокотов, Ю.А. К проблеме классификации почв / Ю.А. Кокотов // Агрофизика. - 2014. - N 4. - С.42-59.

53. Корнблюм, Э.А. Базовые шкалы свойств морфологических элементов почв / Э.А. Корнблюм, И.С. Михайлов, Н.А. Ногина, В.О. Таргульян. - М.:

Почвенный ин-т им. В.В. Докучаева, 1982. - 56 с.

54. Костенко, И.В. Изучение оптических свойств образцов дерново-степных песчаных почв юга Украины при помощи сканера / И.В. Костенко // Почвоведение. - 2009. - N 9. - С.1090-1098.

55. Кринов, Е.Л. Спектральная отражательная способность природных образований / Е.Л. Кринов. - М.: АН СССР, 1947. - 273 с.

56. Лебедева, И.И. Факторы почвообразования в классификациях почв / И.И. Лебедева, М.И. Герасимова //Почвоведение. - 2009. - N 12. - С.1515-1520.

57. Лурье, И.К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков / И.К. Лурье. -М.: КДУ, 2008. - 424 с.

58. Мешалкина, Ю.Л. Что такое «Цифровая почвенная картография»? / Ю.Л. Мешалкина // В сборнике «Цифровая почвенная картография: теоретические и экспериментальные исследования», под ред. А.Л. Иванова и др. - М.: Почвенный ин-т имени В.В. Докучаева, 2012. - С. 9-18

59. Михайлова, Н.А. Оптические свойства почв и почвенных компонентов / Н.А. Михайлова, Д.С. Орлов. - М.: Наука, 1986. - 118 с.

60. Неданчук, И.М. Оценка влияния климатических параметров на распространение альфегумусового горизонта в почвах территории России / И.М. Неданчук, И.О. Алябина // Почвоведение. - 2010. - N 9. - С.1051-1059.

61. Обухов, А.И. Спектральная отражательная способность главнейших типов почв и возможность использования диффузного отражения при почвенных исследованиях / А.И. Обухов, Д.С. Орлов // Почвоведение. - 1964. -N 2. - С.83-94.

62. Общесоюзная инструкция по почвенным обследованиям и составлению крупномасштабных почвенных карт землепользования / М.: Колос, 1973. - 95 с.

63. Орлов, Д.С. Количественные параметры спектральной отражательной способности почв / Д.С. Орлов, Л.А. Воробьева, Н.И. Суханова // Вестник

Московского университета. Серия 17: Почвоведение. - 1995. - N 4. - С.35-42.

64. Орлов, Д.С. Спектральная отражательная способность почв и их компонентов / Д.С. Орлов, Н.И. Суханова, М.С. Розанова. - М.: МГУ, 2001. -175 с.

65. Полевой определитель почв России / М.: Почвенный ин-т им. В.В. Докучаева, 2008. - 182 с.

66. Полынов, Б.Б. Роль почвоведения в учении о ландшафтах / Б.Б. Полынов // Географические работы. М.: Географгиз. - 1952. - С.394-399.

67. Почвенно-агрономическая характеристика АБС Чашниково: сборник статей. - Часть II / М.: МГУ, 1988. - 149 с.

68. Почвы Дальнего Востока России: генезис, география, картография, плодородие, рациональное использование и экологическое состояние: сборник статей [Электронный ресурс]. - Владивосток: БПИ ДВО РАН, 2014. - 236 с. - 1 электрон, опт. диск (CD-ROM).

69. Роде, А.А. Почвообразовательный процесс и эволюция почв / А.А. Роде. - М.: ОГИЗ. 1947. - 142 с.

70. Рожков, В.А. Концепция генератора (машины) классификаций почв / В.А. Рожков // Бюллетень Почвенного института им. В.В. Докучаева. - 2016. -N 85.- С.115-129.

71. Рожков, В.А. Формальный аппарат классификации почв / В.А. Рожков // Почвоведение. - 2011. - N 12. - С.1411-1424.

72. Розанов, Б.Г. Морфология почв / Б.Г. Розанов. - М.: Академический Проект, 2004. - 432 с.

73. Садовников, Ю.Н. Изменение спектральной отражательной способности по профилям генетических типов почв / Ю.Н. Садовников // Вестник Московского университета. Серия 17: Почвоведение. - 1980. - N 1. - С.45-52.

74. Садовников, Ю.Н. Природные и количественные закономерности отражения света почвами: дис. ... канд. биол. наук: 03.00.07 / Садовников Юрий Николаевич. - М., 1979. - 150 с.

75. Самойлова, Е.М. Почвообразующие породы / Е.М Самойлова. - М.: МГУ, 1991. - 176 с.

76. Симакова, М.М. Проблемы создания банка атрибутивных данных к государственной почвенной карте масштаба 1:1 млн / М.М. Симакова, В.Д. Тонконогов // Бюллетень Почвенного института им. В.В. Докучаева. - 2009. -N 63.- С.3-15.

77. Соколов, С.И. Краткий курс почвоведения / С.И. Соколов. - Москва : [б. и.], 1940.- 156 с.

78. Соколова, Т.А. Глинистые минералы в почвах / Т.А. Соколова, И.И. Толпешта, Т.Я. Дронова. - Тула: Гриф и К, 2005. - 336 с.

79. Сорокина, Н.П. Методология составления крупномасштабных агроэкологически ориентированных почвенных карт / Н.П. Сорокина. -Подготовлена доктором сельскохозяйственных наук Н.П. Сорокиной под редакцией академика РАСХН Л.Л. Шишова и доктора сельскохозяйственных наук Е.И. Панковой. - Москва: Россельхозакадемия, 2006. - 159 с.

80. Составление и использование почвенных карт / Под ред. А.Д. Кашанского.- М.: Агропромиздат, 1987. - 273 с.

81. Спиридонов, А.И. Геоморфология европейской части СССР / А.И. Спиридонов. - М.: Высшая школа, 1978. - 170 с.

82. Стенли, Р. Перечислительная комбинаторика / Р. Стенли. - М.: Мир, 1990. - 440 с.

83. Толчельников, Ю.С. Оптические свойства ландшафта / Ю.С. Толчельников. - Л.: Наука, 1974. - 252 с.

84. Тюремнов, И.С. Об окраске почв / И.С. Тюремнов // Научн. тр. Кубанск. - С.- х. ин - та. - 1927. - т. 5. - С. 63-120.

85. Ульянова, Т.Ю. Практические занятия по курсу «Картография Почв». Учебно-методическое пособие / Т.Ю. Ульянова, Ю.Н. Зборищук. - М.: МГУ, 2005. - 120 с.

86. Фридланд, В.М. Структура почвенного покрова; задачи и методы ее

изучения / В.М. Фридланд // В сборнике «Почвенные комбинации и их генезис». - М.: Наука, 1972. - С.9-32.

87. Хитров, Н.Б. Создание детальных почвенных карт на основе интерполяции данных о свойствах почв / Н.Б. Хитров // Почвоведение. - 2012.

- N 10.- С.1045-1056.

88. Цифровая почвенная картография: теоретические и экспериментальные исследования: сборник статей. - М.: Почвенный ин-т им. В.В. Докучаева, 2012.

- 350 с.

89. Шоба, С.А. Почвенные ресурсы России. Почвенно-географическая база данных / С.А. Шоба, И.О. Алябина, В.М. Колесникова, Э.Н. Молчанов, В.А. Рожков, В.С. Столбовой, И.С. Урусевская, Б.В. Шеремет, Д.Е. Конюшков. -М.: ГЕОС, 2010. - 128 с

90. Почвоведение. Ч. 2. Типы почв, их география и использование / Под ред. В.А. Ковды, Б.Г. Розанова. М.: Высшая школа, 1988. - 368 с.

91. Захаров, С.А. Курс почвоведения / С.А. Захаров. - М., Л.: ГИЗ, 1927. -440 с.

92. Классификация и диагностика почв России / Смоленск: Ойкумена, 2004.

- 342 с.

93. Орлов, Д.С. Химия почв / Д.С. Орлов. - М.: МГУ, 1992. - 400 с.

94. Классификация и диагностика почв СССР / М.: Колос, 1977. - 222 с.

95. Освальд, В. Цветоведение / В. Освальд. - М.: Промиздат, 1926. - 217 с.

96. Aitkenhead, M.J. Estimating Soil properties with mobile phone / M.J. Aitkenhead, D. Donnelly, M. Coull, R. Gwatkin // In: A.E. Hartemink & B. Minasny (eds.), Digital Soil Morphometries, Progress in Soil Science. - 2016. - P. 89-110.

97. Aitkenhead, M.J. Prediction of soil characteristics and colour using data from the National Soils Inventory of Scotland / M.J. Aitkenhead, M. Coull, W. Towers, G. Hudson, H.I.J. Black // Geoderma. - 2013. - V. 200. - P.99-107.

98. ArcGis 10.0. [Электронный ресурс]. - 2017. - Режим доступа: http: // www.esri.com

99. ArgyllCMS V1.6.3 [Электронный ресурс]. - 2017. - Режим доступа: http: // www.argyllcms .com

100. Arrouays, D. GlobalSoilMap: toward a fine-resolution global grid of soil properties / D. Arrouays, M.G. Grundy, A.E. Hartemink, J. Hempel, G.B.M. Heuvelink, S.Y. Hong, P. Lagacherie, G. Lelyk, A.B. McBratney, N.J. McKenzie // Advances in Agronomy. - 2014. - V. 125. - P.93-134.

101. Artemyeva, Z. Evaluation of aggregate stability of Haplic Stagnosols using dynamic light scattering, phase analysis light scattering and color coordinates / Z. Artemyeva, A. Zigova, N. Kirillova, M. Stastny, O. Holubik, V. Podrazsky // Archives of Agronomy & Soil Science. - 2017. - V. 63. - P.1838-1851.

102. Barrett, L.R. Spectrophotometric color measurement in situ in well drained sandy soils / L.R. Barrett // Geoderma. - 2002. - V. 108. - P.49-77.

103. Barthold, F.K. Land use and climate control the spatial distribution of soil types in the grasslands of Inner Mongolia / F.K. Barthold, M. Wiesmeier, L. Breuer, H.G. Frede, J. Wu, F.B. Blank //J. Arid Environ. - 2013. - V. 88. - P.194-205.

104. Bartholomeus, H.M. Spectral estimation of soil properties in Siberian tundra soils and relations with plant species composition / H.M. Bartholomeus, G. Schaepman-Strub, D. Blok, R. Sofronov, S. Udaltsov // Applied & Environmental Soil Science. - 2012. - V. 36. - P.1-13.

105. Basher, L.R. Is pedology dead and buried? / L.R. Basher // Australian Journal of Soil Research. - 1997. - V. 35. - P.979-994.

106. Baumgardner, M.F. Reflectance properties of soils / M.F. Baumgardner, L.F. Silva, L.L. Biehl, E.R. Stoner // Advances in Agronomy. - 1985. - V. 38. - P.1- 44.

107. Beaudette, D.E Convert Munsell colors to computer-friendly RGB triplets [Электронный ресурс] / D.E Beaudette. - 2006.- Режим доступа: http: // casoilresource.lawr.ucdavis.edu/drupal/book/export/html/201

108. Beaudette, D.E. Algorithms for quantitative pedology: A tool kit for soil scientists / D.E. Beaudette, P. Roudier, A.T. O'Geen // Computers & Geosciences. -2013. - V. 52. - P.258-268.

109. Behrens, T. A comparison of data-mining techniques in predictive soil mapping / T. Behrens, T. Scholten // In: P. Lagacherie, A.B. McBratney, M. Voltz. (Eds.). Digital Soil Mapping: An Introductory Perspective. - Amsterdam: Elsevier, 2007. - P.353-365.

110. Behrens, T. Digital soil mapping using artificial neural networks / T. Behrens, H. Forster, T. Scholten, U. Steinrucken, E.D. Spies, M. Goldschmitt // J. Plant Nutr. Soil Sci. - 2005. - V. 168. - P.21-33.

111. Ben-Dor, E. Visible and near-infrared (0.4-1.1 m) analysis of arid and semiarid soils / E. Ben Dor, A. Banin // Remote Sens. Environ. - 1994. - V. 48. -P.261-274.

112. Brungard, C.W. Machine learning for predicting soil classes in three semi-arid landscapes / C.W. Brungard, J.L. Boettinger, M.C. Duniway, S.A. Wills, T.C. Edwards // Geoderma. - 2015. - V. 239 - 240. - P.68-83.

113. Bui, E.N. A strategy to fill gaps in soil survey over large spatial extents: an example from the Murray-Darling basin of Australia / E.N. Bui, C.J. Moran // Geoderma. - 2003. - V. 111. - P.21-44.

114. Burrough, P.A. The state of the art in pedometrics / P.A. Burrough, J. Bouma, S.R. Yates // Geoderma. - 1994. - V. 62. - P.311-326.

115. Carré, F. Digital terron mapping / F. Carré, A.B. McBratney // Geoderma. -2005. - V. 128. - P.340-353.

116. Carré, F. Numerical classification of soil profile data using distance metrics / F. Carré, M. Jacobson // Geoderma. - 2009. - V. 148. - P.336-345.

117. CCSL220. Canon CanoScan LiDE220. CanoScan Flatbed Photo & Document Scanners. Product Specification [Электронный ресурс]. - 2015. - Режим доступа: https: // www.canon.co.uk/scanners/flatbed-scanners/canoscan lide 220

118. Centore, P. An open-source inversion algorithm for the Munsell renotation / P. Centore // Color Research & Applications. - 2012. - V. 37. - P.455- 464.

119. CIE. Publication 15 C.C. Bureau (Ed.). Colorimetry. - 3rd ed. - Vienna, 2004.

120. Collard, F. Refining a reconnaissance soil map by calibrating regression

models with data from the same map (Normandy, France) / F. Collard, B. Kempen, G.B.M. Heuvelink, N.P.A. Saby, S.R. Yates, A.C. Richer de Forges, S. Lehmann, P. Nehlig, D Arrouays // Geoderma Reg. - 2014. - V. 1. - P.21-30.

121. Conrad, O. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4 / O. Conrad, B. Bechtel, M. Bock, H. Dietrich, E. Fischer, L. Gerlitz, J. Wehberg, V. Wichmann, J. Böhner // Geosci. Model Dev. - 2015. - V. 8. - P.1991-2007.

122. Curcio, G.R. Levantamento de solos: uma reflexao / G.R. Curcio // Boletim Informativo da Sociedade Brasileira de Ciencia do Solo. - 2014. - V. 39. - P.28-31.

123. Dalmolin, R.S.D. Faltam pedólogos no Brasil / R.S.D. Dalmolin // Boletim Informativo da Sociedade Brasileira de Ciencia do Solo. - 1999. - V. 24. - P.13-15.

124. Dragut, L. Land-surface segmentation as a method to create strata for spatial sampling and its potential for digital soil mapping / L. Dragut, A. Dornik // International Journal of Geographical Information Systems. - 2016. - V. 30. - P.1-18.

125. DSC-HX50 User Guide [Электронный ресурс]. - 2017.- Режим доступа: https: // docs.sony.com/release/dsc-hx50 hx50v guide en.pdf

126. Easy Trace 7.99 [Электронный ресурс].- 2017. - Режим доступа: http: // www.easytrace.com

127. ELG. Epson v10 on line guide [Электронный ресурс]. - 2015. - Режим доступа: https:/support.epson-europe.com/onlineguides/en/perfv10/html/specs 2.htm

128. Fei, D. Soil property variation mapping through data mining of soil category maps for hydrological modelling / D. Fei, A.-X. Zhu, J. Liu, L. Band // Hydrological Processes. - 2015. - V. 29. - P.2491-2503.

129. Florinsky, I.V. The soil formation equation: Imaginary scientific priority of Hans Jenny / I.V. Florinsky // Pedometron. - 2011. - V. 30. - P.1-3.

130. Fragoso-Servón, P. Digital soil map of Quintana Roo, Mexico / P. Fragoso-Servón, A.P. Corona, F.B. Zúñiga, G.J.Z. Buenfil // Journal of Maps. - 2017. - V.

13. - P.449-456.

131. Gómez-Robledo, L. Using the mobile phone as Munsell soil-colour sensor: an

experiment under controlled illumination conditions / L. Gómez-Robledo, N. López-Ruiz, M. Melgosa, A.J. Palma, L.F. Capitán-Vallvey, M. Sánchez-Marañón // Computers & Electronics in Agriculture. - 2013. - V. 99. - P.200-208.

132. Gower, J.C. A general coefficient of similarity and some of its properties / J.C. Gower // Biometrics. - 1971. - V. 27. - P.857-874.

133. Grauer-Gray, J. Raster sampling of soil profiles /J. Grauer-Gray, A.E. Hartemink // Geoderma. - 2018. - V. 318. - P.99-108.

134. Grinand, C. Extrapolating regional soil landscapes from an existing soil map: sampling intensity, validation procedures, and integration of spatial context / C. Grinand, D. Arrouays, B. Laroche, M.P. Martin // Geoderma. - 2008. - V. 143. -P.180-190.

135. Grunwald, S. Current state of digital soil mapping and what is next / S. Grunwald // In: D.J.L. Boettinger, D.W. Howell, A.C. Moore, A.E. Hartemink, S. Kienast-Brown (eds.), Digital Soil Mapping: Bridging Research, Environmental Application, & Operation. - Springer, New York, USA, 2010. - P.3-12.

136. Grunwald, S. Digital soil mapping and modeling at continental scales: finding solutions for global issues / S. Grunwald, J.A. Thompson, J.L. Boettinger // Soil Sci. Soc. Am. J. - 2011. - V. 75. - P.1201-1213.

137. Grunwald, S. Fusion of soil and remote sensing data to model soil properties / S. Grunwald, G.M. Vasques, R.G. Rivero // Advances in Agronomy. - 2015. - V. 131. - P.1-109.

138. Grunwald, S. Multi-criteria characterization of recent digital soil mapping and modeling approaches / S. Grunwald // Geoderma. - 2009. - V. 152. - P. 195-207.

139. Grunwald, S. What do we really know about the space-time continuum of soil-landscapes? / S. Grunwald // In: S. Grunwald (Ed.) Environmental Soil-Landcape Modeling: Geographic Information Technologies & Pedometrics. - CRC Press, New York, USA, 2006. - P. 3-36.

140. Han, P. A smartphone-based soil color sensor: For soil type classification / P. Han, D. Dong, X. Zhao, L. Jiao, Y. Lang // Computers & Electronics in Agriculture.

- 2016.- V. 123.- P.232-241.

141. Hardeberg, J.Y. Acquisition and Reproduction of Color Images [Электронный ресурс]/ J.Y. Hardeberg. - 2001. - Режим доступа: https: // www.dissertation.com/library/11213 50a.html

142. Hardeberg, J.Y. Colorimetric scanner characterisation / J.Y. Hardeberg // ActaGr. - 2003. - V. 15. - P.89-104.

143. Hartemink, A.E. Soil map density and nation's wealth and income / A.E. Hartemink // In: A.E. Hartemink, A.B. McBratney, M.L. Mendonca-Santos (Eds.) Digital soil mapping with limited data. - Dordrecht. Springer, 2008. - P.53-66.

144. Hartemink, A.E. Soil maps of the world / A.E. Hartemink, P. Krasilnikov, J.G. Bockheim // Geoderma. - 2013. - V. 207 - 208. - P.256-267.

145. Hartemink, A.E. Towards digital soil morphometrics / A.E. Hartemink, B. Minasny // Geoderma. - 2014. - V. 230 - 231. - P.305-317.

146. He, Y. mColorConverter. Apple Inc., California, USA [Электронный ресурс] / Y. He. - 2013. - Режим доступа: https: // itunes.apple.com/ru/app/mcolorconverter/id789568116?mt=8

147. Hengl, T. Finding the right pixel size / T. Hengl // Computers & Geosciences.

- 2006.- V. 32.- P.1283-1298.

148. Hengl, T. Methods to interpolate soil categorical variables from profile observations: lessons from Iran / T. Hengl, N. Toomanian, H.I. Reuter, M.J. Malakouti // Geoderma. - 2007. - V. 140. - P.417-427.

149. Hengl, T. Pedometric soil mapping: Bridging the gaps between conventional and pedometric approaches / T. Hengl // ITC Dissertation number 101. Ph.D. Thesis. ITC, P. O. Box 6, 7500 AA Enschede, The Netherlands. - ISBN: 90-5808-896-0. -2003.- 214 p.

150. Heung, B. An overview and comparison of machine-learning techniques for classification purposes in digital soil mapping / B. Heung, H.C. Ho, J. Zhang, A. Knudby, C.E. Bulmer, M.G. Schmidt // Geoderma. - 2016. - V. 265. - P.62-77.

151. Heung, B. Comparing the use of training data derived from legacy soil pits

and soil survey polygons for mapping soil classes / B. Heung, M. Hodul, G. Margaret, M.G. Schmidt // Geoderma. - 2017. - V. 290. - P.51-68.

152. Heung, B. Predictive soil parent material mapping at a regional-scale: a random forest approach / B. Heung, C.E. Bulmer, M.G. Schmidt // Geoderma. -2014.- V. 214- 215.- P.141-154.

153. Hutton, J.G. Report of the color standards committee / J.G. Hutton // Soil Sci. Soc. Am. J. 13.2001. - 1932. - Р.179-181.

154. Hutton, J.G. Report of the committee on soil color standards / J.G. Hutton, T.D. Rice, A.M. O'Neal, T.M. Bushnell, J.A. Elwell. - 1927. - P.53-56.

155. Hutton, J.G. Report of the committee on soil color standards / J.G. Hutton. -1923. P.89-95.

156. Hutton, J.G. Soil color standards [Электронный ресурс] / J.G. Hutton.- 1921. - Режим доступа: http: // www.hathitrust.org/access use#pd-us-google

157. Ibanez-Asensio, S. Statistical relationships between soil colour and soil attributes in semiarid areas / S. Ibanez Asensio, A. Marques-Mateu, H. Moreno-Ramon, S. Balasch // Biosystems Engineering. - 2013. - V. 116. - P.120-129.

158. IUSS Working Group. 2014. World Reference Base for Soil Resources 2014. International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports No. 106. FAO, Rome, 2014. - 181 p.

159. Jafari, A. Selection of a taxonomic level for soil mapping using diversity and map purity indices: a case study from an Iranian arid region / A. Jafari, S. Ayoubi, H. Khademi, P.A. Finke, N. Toomanian // Geomorphology. - 2013. - V. 201. - P.86-97.

160. Jafari, A. Spatial prediction of USDA-great soil groups in the arid Zarand region, Iran: comparing logistic regression approaches to predict diagnostic horizons and soil types / A. Jafari, P.A. Finke, J. van de Wauw, S. Ayoubi, H. Khademi // European Journal of Soil Science. - 2012. - V. 63. - P.284-298.

161. Kellogg, C.E. Soil Survey Manual / C.E. Kellogg. - US Dept. Agr., Washington, DC. 1938. - 85 p.

162. Kemp, D.B. Colorimetric characterisation of flatbed scanners for rock/sediment imaging / D.B. Kemp // Computers & Geosciences. - 2014. - V. 67. -P.69-74.

163. Kempen, B. Soil type mapping using the generalised linear geostatistical model: a case study in a Dutch cultivated peatland / B. Kempen, D.J. Brus, G.B.M. Heuvelink // Geoderma. - 2012. - V. 189. - P.540-553.

164. Kim, J. Multi-scale modeling of soil series using remote sensing in a wetland ecosystem / J. Kim, S. Grunwald, R.G. Rivero, R. Robbins // Soil Sci. Soc. Am. J. -2012.- V. 76.- P.2327-2341.

165. Kirillova, N.P. Colorimetric analysis of soil with flatbed scanners / N.P. Kirillova, D.B. Kemp, Z.S. Artemyeva // European Journal of Soil Science. - 2017. -V. 68. - P.420-433.

166. Kirillova, N.P. Innovations in soil color characterization: from Munsell color charts to flatbed scanners and digital cameras / N.P. Kirillova, D.B. Kemp, T.M. Sileva, Z.S. Artemyeva // Journal of Geology & Geophysics. - 2017. V 6. - N 6. -P.28-29.

167. Kirillova, N.P. The principles of creating a digital fine scale map of parent materials on the example of the territory in Moscow region / N.P. Kirillova, T.M. Sileova, T.Yu. Ulyanova, S.Yu. Rozov, I.Ye. Smirnova // In: GlobalSoilMap -Digital Soil Mapping from Country to Globe: Proceedings of the Global Soil Map 2017 Conference, July 4-6, 2017, Moscow, Russia. - CRC Press, 2017 - P.60-66.

168. Kovacevic, M. Soil type classification and estimation of soil properties using support vector machines / M. Kovacevic, B. Bajat, B. Gajic // Geoderma. - 2010. -V. 154. - P.340-347.

169. Lagacherie, P. Spatial soil information systems and spatial soil inference systems: perspectives for digital soil mapping / P. Lagacherie, A.B. McBratney // In: P. Lagacherie, A.B. McBratney, M. Voltz (eds.). Digital soil mapping - an introductory perspective. - Amsterdam: Elsevier Science, 2007. - P.3-22.

170. Levin, N. A digital camera as a tool to measure colour indices and related

properties of sandy soils in semi-arid environments / N. Levin, E. Ben-Dor, A. Singer // International Journal of Remote Sensing. - 2005. - V. 26. - N 24. - P.5475-5492.

171. Lindbloom, B. Chromatic Adaptation Evaluation [Электронный ресурс] / B. Lindbloom. - 2003. - Режим доступа: http: // www.brucelindbloom.com/ChromAdaptEval.html

172. Lindbloom, B. RGB/XYZ Matrices [Электронный ресурс] / B. Lindbloom. -2017. - Режим доступа: http: // www.brucelindbloom.com/Eqn RGB XYZ Matrix.html

173. Lindbloom, B. Spectral Calculator [Электронный ресурс] / B. Lindbloom. -2010a. - Режим доступа: https: // www.brucelindbloom.com/downloads/SpectralCalculator10nm.xls.zip

174. Lindbloom, B. Spectral Computation of XYZ [Электронный ресурс] / B. Lindbloom. - 2010c. - Режим доступа: http: // www.brucelindbloom.com/Eqn Spect to XYZ.html

175. Lindbloom, B. Useful Color Equations [Электронный ресурс] / B. Lindbloom. - 2010b. - Режим доступа: https: // www.brucelindbloom.com/Eqn XYZ to Lab.html

176. Lynn, W.C. The color of soil / W.C. Lynn, M. Pearson // The Science Teacher. Washington 67.5 2000. - P.20-23.

177. MacMillan, R. Automated Knowledge-based Classification of Land-forms, Soils and Ecological Spatial Entities [Электронный ресурс]/ R. MacMillan. -2004.- Режим доступа: http: // www.georeference.org/Forum/e32412F39303135342F31322D426F624D61634D69 6C6C69616E2E646F63/12-BobMacMillian.doc

178. MacMillan, R.A. Experiences with applied DSM: protocol, availability, quality and capacity building / R.A. MacMillan // In: A.E. Hartemink, A.B. McBratney & M.L. Mendonca-Santos (Eds.). Digital Soil Mapping with Limited Data. -Springer-Verlag, New York, 2008. - P.113-136.

179. Marchetti, A. Simulation of soil types in Teramo province (Central Italy) with terrain parameters and remote sensing data / A. Marchetti, C. Piccini, S. Santucci, I. Chiuchiarelli, R. Francaviglia // Catena. - 2011. - V. 85. - P.267-273.

180. Massawe, B.H.J. Mapping numerically classified soil taxa in Kilombero Valley, Tanzania using machine learning / B.H.J. Massawe, S.K. Subburayalu, A.K. Kaaya, L. Winowiecki, B. Slater // Geoderma. - 2018. - V. 311. - P.143-148.

181. McBratney, A. Numerical soil classification: a missed, but not a lost, opportunity / A. McBratney, B. Minasny, R.V. Rossel // In: Proceedings of the 19th World Congress of Soil Science: Soil solutions for a changing world, Brisbane, Australia, 1-6 August 2010. Symposium 1.4.1 Classification & information demand. - 2010.- P.16.

182. McBratney, A.B. An overview of pedometric techniques for use in soil survey / A.B. McBratney, I.O.A. Odeh, T.F.A. Bishop, M.S. Dunbar, T.M. Shatar // Geoderma. - 2000. - V. 97. - P.293-327.

183. McBratney, A.B. On digital soil mapping / A.B. McBratney, M.L. Mendonca-Santos, B. Minasny // Geoderma. - 2003. - V. 117. - P.3-52.

184. Melville, M.D. Soil colour: its measurement and its designation in models of uniform colour space / M.D. Melville, G. Atkinson // Journal of Soil Science. -1985.- V. 36.- P.495-512.

185. Microsoft Access [Электронный ресурс]. - 2017. - Режим доступа: http: // office.microsoft.com/ru-ru/access

186. Minasny, B. Digital soil mapping: A brief history and some lessons / B. Minasny, A.B. McBratney // Geoderma. - 2016. - V. 264. - P.301-311.

187. Moon, D. Canim Lake PEM: Accuracy assessment report revision / D. Moon // Prepared by: CDT Core Decision Technologies Inc. Prepared for: The Cariboo

Site Productivity Adjustment Working Group (C-SPAWG). - November, 2003. - 47 p.

188. Moonjun, R. Artificial neural network and decision tree in predictive soil mapping of Hoi Num Rin sub-watershed, Thailand / R. Moonjun, A. Farshad, D.P.

Shrestha, C. Vaiphasa // In: J.L. Boettinger, D.W. Howell, A.C. Moore, A.E. Hartemink, S. Kienast-Brown (Eds.). Digital Soil Mapping: Bridging Research, Environmental Application, & Operation. - Springer, Dordrecht, 2010. - P.151-164.

189. Muir, J.W. The classification of soil profiles by traditional and numerical methods / J.W. Muir, H.G.M. Hardie, R.H.E. Inkson, A.J.B. Anderson // Geoderma. - 1970.- V. 4.- P.81-90.

190. Munsell Soil Color Book. 2009 year revised. 2015 production. Produced by Munsell Color X-Rite, Grand Rapids, Mi, USA.

191. Nachtergaele, F. Qualitative and quantitative aspects of soil databases in tropical countries / F. Nachtergaele, E. van Ranst // In: G. Stoops, (Ed.). Evolution of tropical soil science: past & future. - Brussel: Koninklijke Academie voor Overzeese Wetenschappen. 2003. - P.107-126.

192. Newhall, S. Final Report of the O. S. A. Subcommittee on the Spacing of the Munsell Colors / S. Newhall, D. Nickerson, D.B. Judd // JOSA. - V. 33. - Issue 7. -1943. - P.385-418.

193. Nickerson, D.A. History of the Munsell Color Foundation 1942-1974 / D. Nickerson // ISCC Newsletter. - 1975a. - N. 234. - P.7-121.

194. Nickerson, D.A. History of the Munsell Color System / D. Nickerson // ISCC Newsletter. - 1975b. - N. 234. - P.121-130.

195. Nocita, M. Soil spectroscopy: an opportunity to be seized / M. Nocita, A. Stevens, B. van Wesemael, D.J. Brown, K.D. Shepherd, E. Towett, R. Vargas, L. Montanarella // Glob. Chang. Biol. - 2015. - V. 21. - P.10-11.

196. Odgers, N.P. Bottom-up digital soil mapping I. Soil layer classes / N.P. Odgers, A.B. McBratney, B. Minasny // Geoderma. - 2011. - V. 163. - P.38-44.

197. Odgers, N.P. Disaggregating and harmonising soil map units through resampled classification trees / N.P. Odgers, W. Sun, A.B. McBratney, B. Minasny, D. Clifford // Geoderma. - 2014. - V. 214. - P.91-100.

198. Oliveira, J.F. Soil discrimination using diffuse reflectance Vis-NIR spectroscopy in a local toposequence / J.F. Oliveira, M. Brossard, P.R.S. Vendrame,

S. Mayi, E.J. Corazza, R.L. Marchao, M. Guimaraes // Comptes Rendus Geoscience.

- 2013. - V. 345. - P.446-453.

199. O'Neal, A.M. The need of color standards for use in the field [Электронный ресурс] / A.M. O'Neal. - 1922. - Режим доступа: http: // www.hathitrust.org/access use#pd-us-google

200. Pahlavan Rad, M.R. Updating soil survey maps using random forest and conditioned Latin hypercube sampling in the loess derived soils of northern Iran / M.R. Pahlavan Rad, N. Toomanian, F. Khormali, C.W. Brungard, C.B. Komaki, P. Bogaert // Geoderma. - 2014. - V. 232 - 234. - P.97-106.

201. Pennock, D.J. Landform classification and soil distribution in hummocky terrain, Saskatchewan, Canada / D.J. Pennock, B.J. Zebarth, E. de Jong // Geoderma.

- 1987.- V. 40.- P.297-315.

202. Poggio, L. Fusing data and expert knowledge for digital soil assessment / L. Poggio // Conference Pedometrics-25 of the IUSS pedometrics comission & five working groups. - Wageningen, Netherlands. 2017. https:$ // static1.squarespace.com/static/5653202ee4b037d305e7fd3e/t/5964891172af65c6a51 d07d6/1499760958350/Poggio.pdf (дата обращения 10.

203. Poggio, L. Regional scale mapping of soil properties and their uncertainty with a large number of satellite-derived covariates / L. Poggio, A. Gimona, M.J. Brewer // Geoderma. - 2013. - V. 209 - 210. - P.1-14.

204. Pronk, G.J. Iron Oxides as Major Available Interface Component in Loamy Arable Topsoils / G.J. Pronk, K. Heister, I. Kogel-Knabner // Soil Sci. Soc. Am. J. -2011.- V. 75.- P.2158-2168.

205. Qi, F. Fuzzy soil mapping based on prototype category theory / F. Qi, A.-X. Zhu, M. Harrower, J.E. Burt // Geoderma. - 2006. - V. 136. - P.774-787.

206. Rabenhorst, M. Reliability of Soil Color Standards / M. Rabenhorst, A. Schmehling, J.A. Thompson, A.M. Rossi // Soil Sci. Soc. Am. J. - 2015. - V. 79. -P.193-199.

207. Rayner, J.H. Classification of soils by numerical methods / J.H. Rayner //

European Journal of Soil Science. - 1966. - V. 17. - P.79-92.

208. Rice, T.D. Preliminary color-standards and color names for soil / T.D. Rice, D. Nickerson, A.M. O'Neal, J. Thorp // US department of agriculture. Miscellaneous publication. N 425. 1941. - P.1-12.

209. Ridgway, R. Color Standards and Color Nomenclature. 1912 / R. Ridgway. -42 p., 53 Color Plates.

210. Rizzo, R. Using numerical classification of profiles based on VIS-NIR spectra to distinguish soils from the Piracicaba region / R. Rizzo, J.A.M. Dematte, F.S. Terra // Brazil. Rev. Bras. Cienc. - 2014. - V. 38. - P.372-385.

211. Rossiter, D.G. Assessing the thematic accuracy of area-class soil maps. August 31, 2001 [Электронный ресурс] / D.G. Rossiter. -2001. - Режим доступа: https: // www.researchgate.net/

212. Rudiyanto, R. Open digital mapping as a cost-effective method for mapping peat thickness and assessing the carbon stock of tropical peatlands / R. Rudiyanto, B. Minasny, B.I. Setiawana, S.K Saptomoa, A.B. McBratney // Geoderma. - 2018. -V. 313. - P.25-40.

213. SAGA. System for Automated Geoscientific Analyses [Электронный ресурс]. - Режим доступа: http: // www.saga-gis.org Version: 2.2.7

214. Samue Rosa, A. Do more detailed environmental covariates deliver more accurate soil maps? / A. Samue Rosa, G.B.M. Heuvelink, G.M. Vasques, L.H.C. Anjos // Geoderma. - 2015. - V. 243. - P.214-227.

215. Sánchez Marañón, M. Color variation in standard soil-color charts / M. Sánchez Marañón, R. Huertas, M. Melgosa // Australian Journal of Soil Research. -2005. - V. 43. - P.827-837.

216. Sánchez Marañón, M. Multivariate analysis in the quantitative evaluation of soils for reforestation in the Sierra Nevada (southern Spain) / M. Sánchez Marañón, R. Delgado, J. Párraga, G. Delgado // Geoderma. - 1996. - V. 69. - P.233-248.

217. Schoeneberger, P.J. Soil Survey Staff. Field book for describing and sampling soils, Version 3.0 / P.J. Schoeneberger, D.A. Wysocki, E.C. Benham. - Natural

Resources Conservation Service, National Soil Survey Center, Lincoln, NE. 2012. -300 p.

218. Scull, P. The application of classification tree analysis to soil type prediction in a desert landscape / P. Scull, J. Franklin, O.A. Chadwick // Ecol. Model. - 2005. -V. - 181. - P.1 - 15.

219. Sharma, G. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations / G. Sharma, W. Wu, E. Dalal // Color Research & Applications. - 2005. - V. 3. - P.21-30.

220. Shields, J.A. Spectrophotometric measurement of soil color and its relationship to moisture and organic matter / J.A. Shields, A. Paul, R.J. Arnaud, W.K. Head // Canadian Journal of Soil Science. - 1968. - V. 4. - P.271-280.

221. Shukla, G. An effective implementation and assessment of a random forest classifier as a soil spatial predictive model / G. Shukla, D. Rahul, R.D. Garg, H.S. Srivastava, P.K. Garg // International Journal of Remote Sensing. - 2018. - V. 39. -P.2637-2669.

222. Simao, S. Digital mapping: new approach on soil survey / S. Simao, D. Dalmolin, A. ten Caten // Investig. Agrar. - 2015. - V. 17. - P.77-86.

223. Smith, C.A.S. Use of weights of evidence statistics to define inference rules to disaggregate soil survey maps / C.A.S. Smith, B. Daneshfar, G. Frank // In: : B. Minasny, B.P. Malone, A. McBratney (Eds.). Digital Soil Assessments & Beyond: Proceedings of the 5th Global Workshop on Digital Soil Mapping. - CRC Press, Sydney, 2012. - P.215-220.

224. Soil Survey Staff. Soil Classification: A Comprehensive System. 7th Approximation / Soil Survey Staff. - US Dept. Agr., Washington, DC, 1951.

225. Soil Survey Staff. Soil Taxonomy, 11th edition / Soil Survey Staff. - USDA National Resources Conservation Services, Washington DC, 2010.

226. Spielvogel, S. Soil organicmatter composition and soil lightness / S. Spielvogel, H. Knicker, I. Kogel-Knabner // Journal of Plant Nutrition & Soil Science 2004. - V. 167. - P.545-555.

227. Statistica 10.0 [Электронный ресурс]. - Режим доступа: http: // www.statsoft.com

228. Stoner, E.R. Characteristic variations in reflectance of surface soils / E.R. Stoner, M.F. Baumgardner // Soil Sci. Soc. Am. J. - 1981. - V. 45. - P. 1161-1165.

229. Stum, A.K. Random forests applied as a soil spatial predictive model in Arid Utah / A.K. Stum, J.L. Boettinger, M.A. White, R.D. Ramsey // In: J.L. Boettinger, D.W. Howell, A.C. Moore, A.E. Hartemink, S. Kienast-Brown (Eds.). Digital Soil Mapping: Bridging Research, Environmental Application, & Operation. - Springer, Dordrecht, 2010. - P.179-190.

230. Subburayalu, S.K. Disaggregation of component soil series on an Ohio County soil survey map using possibilistic decision trees / S.K. Subburayalu, I. Jenhani, B.K. Slater // Geoderma. - 2014. - V. 213. - P.334-345.

231. Subburayalu, S.K. Soil series mapping by knowledge discovery from an Ohio county soil map / S.K. Subburayalu, B.K. Slater // Soil Sci. Soc. Am. J. - 2013. - V. 77. - P.1254-1268.

232. Taghizadeh Mehrjardi, R. Digital mapping of soil classes using decision tree and auxiliary data in the Ardakan region, Iran / R. Taghizadeh Mehrjardi, B. Minasny, J. Triantafilis, F. Sarmadian, M. Omid // Arid Land Research & Management. - 2014. - V. 28. - P.147-168.

233. The SoLIM Project [Электронный ресурс]. - Режим доступа: http: // solimserver.geogra phy.wisc.edu

234. Thompson, J.A. Comparison of Munsell soil color charts and the GLOBE soil color book / J.A. Thompson, R.P. Adam, J.T. Philip // Soil Sci. Soc. Am. J. - 2013. -V. 77. - P.2089-2093.

235. Thompson, J.A. Digital soil mapping: interactions with and applications for hydropedology / J.A. Thompson, S.M. Roecker, S. Grunwald, P.R. Owens // In: H.S. Lin, (Ed.), Hydropedology: Synergistic Integration of Pedology & Hydrology. -Academic Press, Waltham, USA. 2012. - P.665-709.

236. TOCAH [Электронный ресурс]. - Режим доступа: https: //

www.shimadzu.eu/sites/default/files/toc application handbook4 18a.pdf

237. Van Zijl, G.M. Rapid soil mapping under restrictive conditions in Tete, Mozambique / G.M. Van Zijl, P.A.L. le Roux, A.B. Smith // In: B. Minasny, B.P. Malone, A. McBratney (Eds.). Digital Soil Assessments & Beyond: Proceedings of the 5th Global Workshop on Digital Soil Mapping. - CRC Press, Sydney, 2012. -P.335-339.

238. Vasques, G.M. Soil classification using Visible-near infrared diffuse reflectance spectra from multiple depths / G.M. Vasques, J.A.M. Dematte, R.A. Viscarra Rossel, L. Ramírez López, F.S. Terra // Geoderma. - 2014. - V. 223 - 225. -P.73-78.

239. Viscarra Rossel, R.A. A global spectral library to characterize the world's soil / R.A. Viscarra Rossel, al. et // Earth - Science Reviews. - 2016. - V. 155. - P.198-230.

240. Viscarra Rossel, R.A. Color space models for soil science / R.A. Viscarra Rossel, B. Minasny, P. Roudier, A.B. McBratney // Geoderma. - 2006. - V. 133. -P.320-337.

241. Viscarra Rossel, R.A. Using a digital camera to measure soil organic carbon and iron contents / R.A. Viscarra Rossel, Y. Fouada, C. Waltera // Biosystems Engineering. - 2008. - V. 100. - P.149-159.

242. Viscarra Rossel, R.A. Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties / R.A. Viscarra Rossel, D.J. Walvoort, A.B. McBratney, L.J. Janik, J.O. Skjemstad // Geoderma. - 2006. - V. 131. - P.59-75.

243. Wilding, L.P. Spatial variability: its documentation, accommodation and implication to soil surveys / L.P. Wilding // In: D.R. Nielsen, J. Bouma (Eds.). Soil Spatial Variability. Workshop of ISSS & the SSSA, Las Vegas. -Proceedings... Wageningen, PUDOC. 1985. - P.166-194.

244. Witten, I.H. Data mining practical machine learning tools and techniques / I.H. Witten, E. Frank. - Fourth Edition. Burlington, MA: Morgan Kaufmann

Publishers, 2017. - 621 p.

245. Wyszecki, G. Color Science: Concepts and Methods, Quantitative Data and Formulae / G. Wyszecki, W.S. Stiles. - Second Edition. Wiley, New York, NY., 2000. - 968 p.

246. Xiong, X. Holistic environmental soil-landscape modeling of soil organic carbon / X. Xiong, S. Grunwald, D.B. Myers, J. Kim, W.G. Harris, N.B. Comerford //Model. Softw. - 2014. - V. 57. - P.202-215.

247. Yang, L. Updating conventional soil maps through digital soil mapping / L. Yang, F. Sherif, Y. Jiao, H. Sheldon, A.-X. Zhu, C.Z. Qin, Z.G. Xu // Soil Sci. Soc. Am. J. - 2011. - V. 75. - P.1044-1053.

248. Zhang, Y. Digital mapping of a soil profile / Y. Zhang, A.E. Hartemink // European Journal of Soil Science. - 2018. Special Issue - DOI: 10.1111/ejss.12699.

249. Zhu, A.X. A personal constructed-based knowledge acquisition process for natural resource mapping using GIS / A.X. Zhu // International Journal of Geographical Information Systems. - 1999. - V. 13. - P.119-141.

250. Zhu, A.X. A similarity model for representing soil spatial information / A.X. Zhu // Geoderma. - 1997. - V. 77. - P.217-242.

251. Zhu, A.X. Construction of quantitative relationships for predictive soil mapping under fuzzy logic / A.X. Zhu, L. Yang, B. Li, C. Qin, T. Pei, B. Liu // Geoderma. - 2009. - V. 155. - P.164-174.

252. Zhu, A.X. Overview of SoLIM. Internal Document. University of Wisconsin-Madison. 2003. 25 p. [Электронный ресурс] / A.X. Zhu, J.E. Burt, A.C. Moore, M.P. Smith, J. Liu, F. Qi. - Режим доступа: http: // solim.geography.wisc.edu/software/SoLIMSolutions2013/Help HTML/index.html?overview of solim solutions.htm

253. Zhu, A.X. Predictive soil mapping with limited sample data / A.X. Zhu, J. Liu, F. Du, S. Zhang, C.Z. Qin, T. Burt, T. Behrens, T. Scholten // European Journal of Soil Science. - 2015. - V. 66. - P.535-547.

254. Zhu, A.X. Purposefully sampling for digital soil mapping / A.X. Zhu, L.

Yang, B. Li, C. Qin, E. English, J.E. Burt, C.H. Zhou // In: A.E. Hartemink, A.B. McBratney, M.L. Mendonca-Santos (Eds.). Digital Soil Mapping with Limited Data. - Springer-Verlag, New York, 2008. - P.233-245.

255. Zhu, A.X. Soil mapping using GIS, expert knowledge, and fuzzy logic / A.X. Zhu, B. Hudson, J. Burt, K. Lubich, D. Simonson // Soil Sci. Soc. Am. J. - 2001. -V. 65. - P.1463-1472.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.