Использование Google Earth Engine для решения задач агроэкологической оценки земель на примере агроландшафтов Мостовского района Краснодарского края

На примере разработки проекта адаптивно-ландшафтных систем земледелия (АЛСЗ) для предприятия, локализованного в Мостовском районе Краснодарского края, описаны возможности использования веб-платформы Google earth engine как инструмента работы с пространственными данными. Представлен перечень возможностей сервиса, которые предлагается использовать для оптимизации процесса агроэкологической оценки земель сельскохозяйственного назначения. Описаны основные наборы данных каталога GEE, использование которых позволяет получать предварительную информацию о пространственной неоднородности участков и об их агроклиматическом потенциале. Рассмотрен способ построения среднемноголетних картограмм продуктивности по спутниковым снимкам Sentinel-2 MSI-2A с использованием вегетационных индексов NDVI и MCARI при их агрегировании. При полевой верификации картограмм среднемноголетней продуктивности было установлено, что в большинстве случаев зоны устойчивой низкой вегетации растений за период 2015–2023 гг. соответствовали контурам переувлажненных луговато-черноземных почв, которые в условиях предгорий Кавказа и избыточного количества осадков (в среднем 876 мм в год в соответствии с данными ERA-5 land) являлись худшими землями на территории предприятия, что выражалось в снижении продуктивности культур на них. Достигнутые результаты получены благодаря использованию сервиса GEE для анализа агроэкологических условий. В рамках разработки проектов АЛСЗ использование платформы позволяет решать ряд аналитических задач и обеспечивает высокую скорость и качество получения данных.

1. Булыгина О.Н., Разуваев В.Н., Александрова Т.М. Описание массива данных суточной температуры воздуха и количества осадков на метеорологических станциях России и бывшего СССР [TTTR] // Свидетельство о государственной регистрации базы данных. 2014. Т. 2014620942. С. 2014. URL: http://meteo.ru/data/162–temperature–precipitation

2. Ермолаев Н.Р., Юдин С.А., Белобров В.П. Оценка потенциала водной эрозии почв Ставропольского края на основе факторной модели RUSLE // Сельскохозяйственный журнал. 2019. №. 3 [12]. С. 1-12. DOI: 10.25930/0372-3054/001.3.12.2019

3. Кирюшин В.И., Иванов А.Л. Агроэкологическая оценка земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий / Методическое руководство МСХ РФ, РАСХН. М.: ФГНУ «Росинформагротех», 2005. 784 с.

4. Кирюшин, В.И. Методология комплексной оценки сельскохозяйственных земель / В. И. Кирюшин // Почвоведение. 2020. № 7. С. 871-879. DOI: 10.31857/S0032180X20070060.

5. Прохоров А.А., Агеев К.Д., Горячев К.С. Использование индексов вегетации в почвенно-ландшафтом картографировании и агроэкологической оценке, АгроЭкоИнфо: Электронный научно-производственный журнал, 2024, № 2. DOI: https://doi.org/10.51419/202142228.

6. Прохоров А.А., Борисов Б.А., Ефимов О.Е., Прокофьева К.Д., Кащенко Г.А. Оценка продуктивности плакорной агроэкологической группы земель на примере Краснодарского края// Агрохимический вестник – 2024. – №4. – С.39-44. DOI 10.24412/1029-2551-2024-4-008

7. Прохоров А.А, Борисов Б.А., Ефимов О.Е. Индексная оценки степени выпаханности черноземов предкавказской провинции// Агрохимический вестник – 2023. – №5. – С.50-55. DOI: 10.24412/1029-2551-2023-5-009 EDN: OXSZRW

8. Прохоров А.А., Куприянов А.Н., Борисов Б.А., Ефимов О.Е. Агроэкологическая оценка продуктивности яровой пшеницы в агроландшафтах Нижнекамского района Республики Татарстан// Плодородие. – 2024. - №5. – С. 89-96. DOI: 10.25680/S19948603.2024.140.19.

9. Farr T.G., Rosen P.A., Caro E., Crippen R., Duren R., Hensley S., Kobrick M., Paller M., Rodriguez E., Roth L., Seal D., Shaffer S., Shimada J., Umland J., Werner M., Oskin M., Burbank D., Alsdorf D. The shuttle radar topography mission, Reviews of geophysics, 2007, Vol. 45, No. 2. doi:10.1029/2005RG000183.

10. Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone, Remote sensing of Environment, 2017, Vol. 202, pp. 18-27.

11. Kumar R., Deshmukh B., Kumar A. Using Google Earth Engine and GIS for basin scale soil erosion risk assessment: A case study of Chambal river basin, central India, Journal of Earth System Science, 2022, Vol. 131, No. 4, p. 228 DOI:10.1007/s12040-022-01977-z

12. Luo C., Zhang X., Wang Y., Men Z., Liu H. Regional soil organic matter mapping models based on the optimal time window, feature selection algorithm and Google Earth Engine, Soil and Tillage Research, 2022, Vol. 219, p. 105325. DOI:10.1016/j.still.2022.105325

13. Padarian J., Minasny B., McBratney A.B. Using Google's cloud-based platform for digital soil mapping, Computers & geosciences, 2015, Vol. 83, pp. 80-88. DOI:10.1016/j.cageo.2015.06.023

14. Theobald D. M., Harrison-Atlas D., Monahan W. B., Albano, C. M. Ecologically-relevant maps of landforms and physiographic diversity for climate adaptation planning, PloS one, 2015, Vol. 10, No. 12, p. e0143619

15. Vosselmann G. Slope Based Filtering of Laser Altimetry Data, International Archives of Photogrammetry and Remote Sensing, Amsterdam, 2022, Vol. 33, No. B3, pp. 935-942.

16. Zhao Q., Yu L., Li X., Peng D., Zhang Y., Gong P. Progress and trends in the application of Google Earth and Google Earth Engine, Remote Sensing, 2021, Vol. 13, No. 18, p. 3778. DOI:10.3390/rs13183778