Башкирские ученые первыми в России построили цифровые карты почв своего региона

Команда ученых Уфимского государственного нефтяного технического университета (УГНТУ) и Уфимского института биологии УФИЦ РАН разработала цифровые карты основных почвенных свойств для Республики Башкортостан, используя региональные данные для машинного обучения. Такую работу ранее не проводили не только в пределах республики, но и на всей территории России.

Раньше почвенные карты создавались традиционными методами, которые основывались на полевых работах. Карты рисовали вручную с использованием полевой информации и сведений о почвообразующих факторах (климат, рельеф, растительность, материнские породы и возраст местности). На основе этих данных картографы-почвоведы вручную вычерчивали границы почвенных контуров на бумаге. Весь процесс был крайне трудоемким, а точность карт напрямую зависела от опыта специалиста, который экстраполировал результаты единичных разрезов на большие площади.

Теперь же почвенные карты создают с помощью компьютеров, и уже сформировалось отдельное научное направление «Цифровая почвенная картография». Оно основано на выявлении статистических взаимосвязей между почвами, их свойствами и факторами почвообразования, представленных в пространственной форме. Эти связи используются для моделирования и прогнозирования почвенных характеристик на обширных территориях с помощью современных методов, включая ИИ и машинное обучение.

«Почва является своего рода «кожей» нашей планеты, которая имеет свои характеристики и свойства. Из нее получают до 90 % всех продуктов питания. По этой причине важно проводить мониторинг и оценивать состояние почвы, что затруднительно делать без актуальных картографических материалов», — рассказал один из авторов исследования, начальник лаборатории искусственного интеллекта в исследованиях окружающей среды УГНТУ Азамат Сулейманов.

Уникальность предложенного авторами подхода — в применении технологий 3D-моделирования основных почвенных свойств (содержания органического углерода и кислотности почвы) на разных интервалах глубины (от 0 до 100 см) методами машинного обучения с их многоступенчатой валидацией. В отличие от традиционных 2D-карт, которые показывают лишь поверхностный слой или отдельные горизонты, 3D-моделирование позволяет создавать трехмерные блоки, где каждому интервалу глубины почвы присваиваются прогнозируемые значения характеристик.

Работу начали еще в 2020 году. На первом этапе проходил сбор сведений за предыдущие годы. Далее команда проделала большую работу по гармонизации почвенных и пространственных данных. Для машинного обучения ученые использовали 29,4 тыс. измерений содержания органического углерода в почве и свыше 22,3 тыс. измерений кислотности.

Источник: Официальный ресурс Министерства образования и науки Российской Федерации