Досвід картографування еродованих ґрунтів на основі даних дистанційного зондування
Анотація
Мета. Можливості сучасних даних дистанційного зондування Землі та геоінформаційних технологій для ідентифікації та великомасштабного картографування еродованих ґрунтів з особли-вим акцентом на виявлення площинної водної ерозії, яка залишається недостатньо представленою на наявних ґрунтових картах України.
Методи. Обробку даних виконано на платформі Google Earth Engine шляхом формування композитного зображення відкритого ґрунту на основі індексу Bare Soil Index (BSI), масок сценової класифікації та медіанної редукції пікселів. Ідентифікацію еродованих ділянок здійснювали методом візуального дешифрування з урахуванням спектральних, просторових і морфологічних ознак водної ерозії.
Результати. Дослідження проведено на території Новоодеської територіальної громади Миколаївської області з використанням архівних карт агровиробничих груп ґрунтів масштабу 1:10 000 та багатотемпоральних супутникових знімків Sentinel-2 за період 2020–2025 рр. Встановлено суттєві розбіжності між архівними ґрунтовими картами та сучасним просторовим розподілом еродованих ґрунтів, що свідчить про посилення деградаційних процесів упродовж останніх десятиліть. Застосування багатотемпоральних композитів відкритого ґрунту забезпечило надійне виділення си-льноеродованих ґрунтів і виходів материнських порід у межах сільськогосподарських ландшафтів. У результаті створено актуалізовану великомасштабну карту сильноеродованих ґрунтів у масштабі 1:10 000, яка істотно перевищує за детальністю та достовірністю наявні картографічні матеріали.
Висновок. Інтеграція багатотемпоральних супутникових знімків Sentinel-2 та хмарного гео-інформаційного аналізу значно підвищує точність картографування водної ерозії, особливо її пло-щинних форм. Запропонований підхід є ефективним інструментом для оновлення ґрунтово-картографічних матеріалів.
Завантаження
Посилання
Verkhovna Rada of Ukraine. (2022). On approval of the Concept of the National Target Program for land use and protection (Order No. 70-r). https://zakon.rada.gov.ua/laws/show/70-2022-%D1%80#Text (in Ukrainian).
Overview of soil conditions of arable land in Ukraine. (2020). FAO. https://doi.org/10.4060/ca7761en (in Ukrainian).
Achasov, A., Achasova, A., Titenko, G., Seliverstov, O., & Krivtsov, V. (2021). Assessment of the Ecological Condition of Soil Cover Based on Remote Sensing Data: Erosional Aspect. SHS Web of Conferences, 100, 05014. https://doi.org/10.1051/shsconf/202110005014
Wang, J., Yang, J., Li, Z., Ke, L., Li, Q., Fan, J., & Wang, X. (2024). Research on Soil Erosion Based on Remote Sensing Technology: A Review. Agriculture, 15(1), 18. https://doi.org/10.3390/agriculture15010018
Seutloali, K. E., Dube, T., & Mutanga, O. (2017). Assessing and mapping the severity of soil erosion using the 30-m Landsat multispectral satellite data in the former South African homelands of Transkei. Physics and Chemistry of the Earth, Parts A/B/C, 100, 296–304. https://doi.org/10.1016/j.pce.2016.10.001
Polovina, S., Radić, B., Ristić, R., & Milčanović, V. (2024). Application of Remote Sensing for Identifying Soil Erosion Processes on a Regional Scale: An Innovative Approach to Enhance the Erosion Potential Model. Remote Sensing, 16(13), 2390. https://doi.org/10.3390/rs16132390
Žížala, D., Juřicová, A., Zádorová, T., Zelenková, K., & Minařík, R. (2018). Mapping soil degradation using remote sensing data and ancillary data: South-East Moravia, Czech Republic. European Journal of Remote Sensing, 52(sup1), 108–122. https://doi.org/10.1080/22797254.2018.1482524
Malinowski, R., Heckrath, G., Rybicki, M., & Eltner, A. (2022). Mapping rill soil erosion in agricultural fields with UAV‐borne remote sensing data. Earth Surface Processes and Landforms. https://doi.org/10.1002/esp.5505
Wang, B., Zhang, Z., Wang, X., Zhao, X., Yi, L., & Hu, S. (2021). The Suitability of Remote Sensing Images at Different Resolutions for Mapping of Gullies in the Black Soil Region, Northeast China. Remote Sensing, 13(12), 2367. https://doi.org/10.3390/rs13122367
Britannica Editors (2019, September 24). Chernozem. Encyclopedia Britannica. https://www.britannica.com/science/Chernozem-FAO-soil-group
Sentinel-2. Copernicus Data Space Ecosystem. https://dataspace.copernicus.eu/data-collections/copernicus-sentinel-data/sentinel-2
Google Earth Engine. Google Earth Engine. https://earthengine.google.com/
Amani, M., Ghorbanian, A., Ahmadi, S. A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., Moghaddam, S. H. A., Mahdavi, S., Ghahremanloo, M., Parsian, S., Wu, Q., & Brisco, B. (2020). Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326–5350. https://doi.org/10.1109/jstars.2020.3021052
Achasov, A., & Achasova, A. (2020). Features of Visual Decoding of Water Erosion by Remote Sensing Data. Man and Environment. Issues of Neoecology, (33). https://doi.org/10.26565/1992-4224-2020-33-13 (in Ukrainian).
Achasov, A. B., Achashova, A. O., Buligin, S. Yu., et al. (2010). Large-scale soil mapping using integrated analysis of remote sensing data and digital elevation models: Methodological recommendations. Kharkiv National Agrarian University. (in Ukrainian).
Achasov, A. B. (2016). Anti-erosion optimization of agricultural landscapes: A geoinformation approach. Kharkiv National Agrarian University. (in Ukrainian).
Achasov, A., Dyadin, D., Sinna, O., & Siedov, A. (2026). Maps for the EcoProfile: Novoodeska territorial community. International Renaissance Foundation; Foundation for the Development of Modern Media. https://nodmr.gov.ua/images/kontent/side_menu/Stratehiya_ta_investytsiyna/2025/ЕкоПрофіль_A4_НТГ_1.pdf (in Ukrainian).
Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152–170. https://doi.org/10.1016/j.isprsjprs.2020.04.001
Velastegui-Montoya, A., Montalván-Burbano, N., Carrión-Mero, P., Rivera-Torres, H., Sadeck, L., & Adami, M. (2023). Google Earth Engine: A Global Analysis and Future Trends. Remote Sensing, 15(14), 3675. https://doi.org/10.3390/rs15143675
Schmitt, M., Hughes, L. H., Qiu, C., & Zhu, X. X. (2019). SEN12MS – A curated dataset of georeferenced multi-spectral Sentinel-1/2 imagery for deep learning and data fusion. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-2/W7, 153–160. https://doi.org/10.5194/isprs-annals-iv-2-w7-153-2019
Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov, A., Chini, L., Justice, C. O., & Townshend, J. R. G. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, 342(6160), 850–853. https://doi.org/10.1126/science.1244693
Авторське право (c) 2026 Achasov A. B., Seliverstov O. Y., Titenko G. V., Kalashnikov R. R.
Цю роботу ліцензовано за Міжнародня ліцензія Creative Commons Attribution 4.0.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License 4.0 International (CC BY 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
