Актуальность. Пахотные почвы являются важнейшим природным ресурсом для растениеводства. Гранулометрический состав почв является одним из ключевых почвенных свойств, определяющих особенности функционирования почв. Для рационального использования и управления почвами необходимы данные о пространственном распределении гранулометрического состава. Существующие наборы данных и почвенные карты характеризуются ограниченными пространственным разрешением и точностью. В настоящее время широкое развитие получил подход цифровой почвенной картографии. Он опирается на представление о почве как функции от факторов почвообразования, предложенное В.В. Докучаевым и формализованное A. McBratney в качестве модели scorpan. Большое количество доступных наборов данных по различным аспектам условий суши потенциально может быть использовано в качестве предикторов почвенных свойств в моделях почвенно-ландшафтных связей.
Цель. Оценить возможность создания карт гранулометрического состава для пахотных земель России с повышенной точностью по отношению к существующим продуктам.
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.
Методы и результаты.
Был собран набор почвенных данных из нескольких источников, включавший открытые и закрытые наборы данных о распределении фракций гранулометрического состава по классификации USDA (песок, пыль, ил). Данные были приведены к лог-отношениям между песком и пылью и песком и илам (ALR1 и ALR2). В качестве маски пахотных земель использовался композит открытой поверхности почвы по данным Landsat 5 и 8 за 1984–2025 гг., созданный с использованием порогов спектральных индексов NBR2 < 0,09 и NDVI < 0,33 и дополнительной фильтрации по данным OpenStreetMap. Был сформирован набор предикторов из доступных наборов данных, характеризующих различные факторы почвообразования в соответствии с моделью scorpan и потенциально связанных с гранулометрическим составом почв. Полученные предикторы включали композит открытой поверхности почвы, данные SoilGrids, почвенные и литологические карты России (ЕГРПР), модель рельефа и морфометрические показатели GEDTM30, агрегированные данные реанализа климата ERA5-Land, литологическую карту USGS. Все приведены к единому пространственному разрешению (30м). Для точек почвенного опробования были извлечены значения данных предикторов. Предикторы были отфильтрованы с учётом мультиколлинеарности: при коэффициенте корреляции более 0,8 из каждого кластера выбирался один предиктор. На полученном наборе данных обучалась модель градиентного бустинга CatBoost. Для валидации модели использовалась кросс-валидация (5 подвыборок) с метриками R2 и RMSE. На основе наилучшей модели были построены пространственные слои содержания фракций гранулометрического состава. Для оценки пространственной применимости модели использовался подход area of applicability (AOA), характеризующий соответствие признакового пространства территории области, представленной в обучающих данных.
Выводы. Оценена возможность уточнения картографирования гранулометрического состава пахотных почв России. Получена модель с высокими показателями качества, характеризующаяся ограниченной областью применимости, связанной с пространственным покрытием исходных почвенных данных.

Актуальность. Проблема моделирования урожайности является актуальной в настоящее время в связи с потребностями в повышении продуктивности сельскохозяйственного производства. Для территорий с менее благоприятными условиями для выращивания сельскохозяйственных культур, таких как Центральное Нечерноземье, это ещё более востребовано, поскольку ограничения и риски сельского хозяйства здесь более существенны. Яровая пшеница является важной продовольственной зерновой культурой, способной возделываться в широком диапазоне почвенно-климатических условий, однако её урожайность существенно варьирует в зависимости от условий выращивания. Имитационные модели продукционного процесса обладают широким возможностями для прогнозирования урожайности сельскохозяйственных культур. Одной из наиболее распространённых моделей продукционного процесса является AquaCrop, среди преимуществ которой – достаточная точность при высокой робастности и невысоких требованиях к входным данным, а также высокая проработка моделирования водного режима. Применение имитационных моделей для оценки потенциальной урожайности и выделения факторов её достижения является перспективным направлением, однако требует больше практического опыта подобных исследований, особенно на территории России.
Цель. Оценить основные факторы ограничения урожайности яровой пшеницы при различных почвенных условиях в Центральном Нечерноземье.
Объект исследования – Всероссийский научно-исследовательский институт мелиорируемых земель (ВНИИМЗ), расположенный в посёлке Эммаус Тверской области и являющийся филиалом федерального исследовательского центра «Почвенный институт имени В.В. Докучаева». Территория центра занимает около 900 га и используется для выращивания сельскохозяйственных культур, проведения опытных и селекционных работ; отдельные участки представлены залежью, сенокосами и пастбищами. В 1980-е годы на территории была заложена дренажная сеть. Климат по Кёппену холодный влажный континентальный с тёплым летом (Dfb). Территория относится к зоне смешанных лесов и дерново-подзолистых почв южной тайги по ПЭР. Почвенный покров и литологическое строение характеризуются высокой неоднородностью. Преобладают агродерново-подзолистые почвы, часто с признаками оглеения, сформированные на двучленных отложениях.
На территории ВНИИМЗ были выделены основные варианты почвенных, литологических и гидрологических условий на основе архивных данных предыдущих исследований. Были собраны данные наблюдений за яровой пшеницей: урожайность, даты наступления фенофаз, биомасса, дозы удобрений и др. Использованы климатические данные NASA POWER предыдущих лет (соответствующие наблюдениям за культурами). Все собранные данные были преобразованы в формат входных данных, необходимый для моделирования в AquaCrop. Полученные данные использованы для калибровки AquaCrop для яровой пшеницы. Модель с уточнёнными параметрами культуры использовалась для запусков различных сценариев по почвенным условиям, дозам удобрений, погодным условиям года. Была оценена потенциальная урожайность для различных сценариев. Были выделены и характеризованы основные факторы разрыва между потенциальной урожайностью и реальной урожайностью.
Оценена потенциальная продуктивность яровой пшеницы для Центрального Нечерноземья с помощью имитационной модели продукционного процесса AquaCrop. Выявлены и характеризованы основные факторы, ограничивающие достижение потенциальной урожайности.