Актуальность. Гранулометрический состав почвы является одним из фундаментальных свойств, определяющих её физико-химические характеристики. На сегодняшний день разработаны достоверные методы его определения, что делает данный показатель удобным для исследований и последующего картографирования. Однако необходимость трудоёмкого отбора и лабораторного анализа образцов существенно ограничивает количество точек наблюдений, что осложняет построение детализированных карт. В этой связи использование данных дистанционного зондирования представляется перспективным инструментом для картографирования гранулометрического состава на различных масштабных уровнях. Цель исследования. Оценка возможности применения данных открытой поверхности почвы для построения карт гранулометрического состава. Объект исследования. Сельскохозяйственные производственные угодья общей площадью 1000 га, относящиеся к Северо-Кавказскому федеральному научному аграрному центру. Территория расположена в Шпаковском районе Ставропольского края, в пределах Ставропольской возвышенности. Геоморфологически объект исследования включает часть водораздельной поверхности и склона долины. Климатические условия характеризуются как очень тёплые по теплообеспеченности и недостаточно влажные по влагообеспеченности. Почвообразующие породы представлены лёссами, лессовидными и делювиальными отложениями, элювием известняков-ракушечников и песчаников. Территория относится к зоне обыкновенных и южных чернозёмов степного типа. Методы исследования. В полевых условиях проведено описание почвенного покрова и отбор образцов как в почвенных разрезах, так и буровым методом. Система размещения точек построена по принципу латинского гиперкуба с учётом морфометрических характеристик рельефа и среднемноголетнего NDVI. Определение гранулометрического состава осуществлялось методом лазерной дифракции (классификация USDA). Для анализа отражательной способности использовались предобработанные спутниковые данные Landsat 8 (Level-2) с дополнительной фильтрацией облачности. Снимки классифицировались вручную по трём классам: открытая поверхность почвы, зелёная растительность, нефотосинтезирующая растительность. Для выделения открытой поверхности применялись индексы NDVI, NBR2 и BSI, а оптимальные пороговые значения рассчитывались по максимальному значению F1-score. В качестве признаков моделирования использовались статистические характеристики (среднее, медиана, стандартное отклонение, значения квартилей и межквартильный размах) по шести спектральным каналам. Итоговая регрессионная модель формировалась на основе наиболее информативных признаков с исключением мультиколлинеарных. Оценка качества проводилась по метрикам R²adj и RMSE с использованием leave-one-out кросс-валидации. Результаты. Эффективность спектральных индексов при разделении открытой поверхности почвы и растительных классов существенно различалась. Наименьшие значения F1-score продемонстрировал NDVI (0.87), более высокие — NBR2 (0.94) и BSI (0.98). Ограниченность NDVI объясняется слабой дифференцирующей способностью RED и NIR каналов между почвой и нефотосинтезирующей растительностью. Наиболее результативным оказался индекс BSI, оптимальное пороговое значение которого (0.18) применялось при построении композитов. В модель гранулометрического состава для песка и глины включены композиты среднего значения и стандартного отклонения канала SWIR2 (2080–2350 нм). Для пылевой фракции использовалась разностная модель ввиду меньших значений качества. Метрики итоговых моделей составили: R²adj = 0.69 и 0.64; RMSE = 7.7 и 2.5 для песка и глины соответственно. Выводы. Применение порогового значения спектрального индекса BSI обеспечило высокую точность выделения открытой поверхности почвы (F1-score = 0.98). Использование композитов отражательной способности позволило с высокой степенью достоверности прогнозировать содержание фракций гранулометрического состава в поверхностном горизонте почвенного профиля (R²adj: песок — 0.69, пыль — 0.63, глина — 0.64). Данный подход представляется перспективным для картографирования гранулометрического состава на других территориях, в особенности в условиях недостаточной обеспеченности данными традиционного почвенного обследования.

Актуальность. Мониторинг почв пахотных угодий с помощью данных ДЗЗ получил широкое распространение в последние десятилетия. Дистанционные методы позволяют получать большое количество информации о свойствах и функционировании почв агроэкосистем, что необходимо для борьбы с проблемой деградации почвенных ресурсов и укрепления продовольственной безопасности. При этом широко используется техника создания мультивременных композитов, однако на текущий момент для территории России существует нехватка таких разработок. Также существует нехватка данных для оценки точности выделения открытой поверхности почвы для создания композитов.
Цель. Оценить эффективность подходов выделения открытой поверхности почвы и создать мультивременной композит для территории пахотных угодий России.
Объект исследования – пахотные земли Российской Федерации. Они занимают 13% от площади страны и преимущественно сосредоточены в центральной лиственно-лесной, лесостепной и степной почвенно-биоклиматической области, включающей серые и каштановые почвы, чернозёмы; в меньшей степени представлена зона дерново-подзолистых почв южной тайги и другие территории. Для изучения были выбраны 10 районов в регионах различных почвенных зон (Калининградская, Тверская, Владимирская, Брянская, Волгоградская обл., Краснодарский, Ставропольский, Приморский край, респ. Мордовия). Для каждого района выбрано 5 участков полей площадью 300*300 м, обладающие однородным землепользованием. Методы. Использовались спутниковые данные Landsat 5 и Landsat 8 второго уровня обработки (Level 2 Tier 1) (отражательная способность) для обеспечения однородного покрытия всего периода наблюдений 1984-2025. На первом этапе все снимки выгружались для каждого участка, производилась предобработка и фильтрация облачных снимков. Снимки размечались вручную на принадлежность к ОПП и пригодность для анализа по набору критериев (цвет, структура изображения, значения спектральных индексов, сравнение с другими снимками коллекции и снимками очень высокого разрешения). На первом этапе использовались спектральные индексы NDVI, NBR2 и BSI; далее также рассматривались другие индексы для сравнения с подходами выделения ОПП в литературе. Для каждого индекса оценивалась эффективность выделения открытой поверхности. Затем, по всем данным оценивалась эффективность различных методов машинного обучения (логистическая регрессия, метод опорных векторов, случайный лес, градиентный бустинг) и подходов с пороговыми значениями для выделения ОПП. С помощью метода дерева решений были определены оптимальные пороговые значения. На втором этапе с помощью выявленных порогов выгружались композиты открытой поверхности почвы для указанных районов и оценивались их характеристики: площадь и глубина покрытия, качество изображения, спектральные характеристики.
Результаты. Был получен датасет, содержащий 9176 снимков (1120 после балансировки классов и регионов). В исходном датасете доля ОПП составила 24% в среднем (8%-40% в зависимости от региона). Наиболее эффективными спектральными индексами оказались NBR2 (общая точность 96%), VNSIR (93%), BSI (92%) – индексы, основанные на SWIR2 спектральном канале. Другие индексы показали различную точность от 76% до 86%, спектральные каналы оказались менее эффективны (59% – 80%). Все модели показали близкие результаты по общей точности (95%-97%), подходы из литературы оказались менее эффективны (70%-90%). Оптимальными порогами по дереву решений стали: NBR2 < 0.088 (97% важность признака) и NDVI < 0.333 (3% важность признака). Точность итоговой модели для разных регионов варьировала от 91% до 98%. Выводы. Определён оптимальный способ создания композита ОПП для территории пашни России методом пороговых значений: открытая почва определяется как NBR2 < 0.088 & NDVI < 0.333. Создан композит на отдельные участки пашни России и предложен подход к созданию композита для всей территории пашни.