CC BY
7
4.1.6. - Лесоведение, лесоводство, лесные культуры, агролесомелиорация, озеленение, лесная пирология и таксация (сельскохозяйственные науки)
УДК 631 DOI: 10.34736/FNC.2023.123.4.009.60-67
Анализ пространственной структуры сельскохозяйственных угодий юга Саратовского Заволжья
Иван Александрович Болговм, e-mail: [email protected], аспирант, ORCID: 0009-0003-3174-6382 Асель Нурлановна Берденгалиева, м.н.с., ORCID: 0000-0002-5252-7133 «Федеральный научный центр агроэкологии, комплексных мелиораций и защитного лесоразведения Российской академии наук» (ФНЦ агроэкологии РАН), e-mail: [email protected], 400062, пр. Университетский, 97, г. Волгоград, Россия
со
IN О
см
Е
га <
ш о W
II
со
IN О CN
т
CN
и
Аннотация. Чрезмерное использование земель сельскохозяйственного назначения может привести к деградации почвенного покрова и опустыниванию территории. Особенно это актуально в регионах, относящихся к зоне рискованного земледелия. В связи с этим существует необходимость в мониторинге земель сельскохозяйственного назначения на различных административных уровнях. В последнее время для мониторинга и контроля сельскохозяйственных земель используют геоинформационные технологии (ГИС) и данные дистанционного зондирования (спутниковые изображения). На основе распознавания спектро-зональных космических снимков высокого разрешения Sentinel-2 методом визуального дешифрования была составлена карта структуры землепользования и определены границы полей Ровенского района Саратовской области. В результате исследования на территорию Ровенского района картографировано 1210 сельскохозяйственных полей общей площадью 140,6 тыс. га, из них 80% занимают пашни площадью 111,62 тыс. га и 20% залежных земель, площадь которых составляет 29,02 тыс. га. Проведено сравнение результатов дешифрирования космических снимков с данными официальной статистики и различных информационных продуктов, основанных на спутниковых данных высокого пространственного разрешения, таких как ESRI Land Cover и ESA WorldCover. Сравнительный анализ показал, что наиболее сильную связь величин коэффициента детерминации демонстрируют данные дешифрирования пахотных угодий (R2=0,99). Следующим информационным продуктом по величине коэффициента детерминации является ESA (R2=0,9), в среднем по этим данным площадь пашни завышена на 7% при среднеквадратической ошибке RMSE=5%. На данный момент ручное дешифрирование является самым достоверным способом картографирования пашни на локальном уровне. Электронные карты полей, полученные в результате исследования, могут пригодиться для разработки эффективных стратегий управления земельными ресурсами и принятия мер по адаптации при климатических изменениях.
Ключевые слова: агроландшафты, пахотные земли, деградация земель, геоинформационные технологии, дистанционное зондирование.
Финансирование. Работа выполнена в рамках государственного задания ФНЦ агроэкологии РАН НИР № 122020100311-3 «Теоретические основы функционирования и природно-антропогенной трансформации агролесоландшафтных комплексов в переходных природно-географических зонах, закономерности и прогноз их деградации и опустынивания на основе геоинформационных технологий, аэрокосмических методов и математико-картографического моделирования в современных условиях».
Цитирование. Болгов И.А., Берденгалиева А.Н. Анализ пространственной структуры сельскохозяйственных угодий юга Саратовского Заволжья // Научно-агрономический журнал. 2023. 4(123). С. 60-67. DOI: 10.34736/FNC.2023.123.4.009.60-67
Поступила в редакцию: 17.10.2023 Принята к печати: 07.12.2023
Введение. Мониторинг земель сельскохозяйственного назначения является важной задачей, поскольку позволяет оценить состояние и изменения земельных угодий. Одной из проблем, требующих внимания, является чрезмерная распашка и деградация земель. Чрезмерная распашка, то есть повторная обработка почвы в сельскохозяйственных целях без достаточного времени для восстановления плодородия, может привести к деградации почвенного покрова. Это может проявиться в снижении содержания органического вещества, разрушении структуры почвы и утрате плодородия. Деградация земель ведет к снижению урожайности и качества посевов, что негативно сказывается на
экономической эффективности сельского хозяйства [1; 9]. Особенно важно обратить внимание на деградацию земель в степной зоне с недостаточным увлажнением [19]. Чрезмерная распашка и нерациональное использование земель в степной зоне без учета их естественных ограничений, таких как недостаток увлажнения, может привести к опустыниванию. Степная зона, в которую входит левобережье Саратовской области, характеризуется недостаточным количеством осадков, что делает ее особо уязвимой к деградации почв и позволяет отнести к зоне рискованного земледелия.
Деградация земель влечет за собой серьезные последствия для сельского хозяйства Саратовской
^ - Для контактов / Corresponding author
60
области. Уменьшение плодородия почв и снижение урожайности приводят к ухудшению условий для сельскохозяйственного производства. Земли становятся менее пригодными для выращивания культурных растений, а также для пастбищного хозяйства. Это приводит к уменьшению объемов сельскохозяйственной продукции, что может негативно сказаться на продовольственной безопасности региона.
Для предотвращения деградации земель и сохранения их плодородия необходимо оперативно проводить мониторинг и прогнозирование состояния почв и растительности в степной зоне Саратовской области. Это позволит своевременно выявлять зоны с повышенным риском деградации почв и принимать меры по их охране.
Одним из преимуществ использования геоинформационных технологий и данных дистанционного зондирования в земледелии является возможность создания карт управления земельными ресурсами [2; 14]. Одной из ключевых стратегий борьбы с деградацией почв является устойчивое земледелие [10; 12]. Это подразумевает использование методов, которые способствуют сохранению плодородия почвы и увеличению ее влагоудер-живающей способности. Например, применение мульчирования, использование севооборотов, агротехнических приемов, таких как посев непосредственно в остатки предыдущего урожая или использование сухого земледелия [7; 16].
Для более точного прогнозирования состояния почв и растительности в степной зоне Саратовской области могут использоваться современные методы и технологии, такие как дистанционное зондирование Земли с помощью спутниковых снимков и анализ геопространственных данных [15]. Это позволяет получать информацию о состоянии растительности, плодородии почвы, влажности и других параметрах, которые необходимы для принятия решений по охране и восстановлению почвенного покрова.
На данный момент существует множество систем дистанционной оценки сельскохозяйственного использования территорий, где производится мониторинг используемых земель. Но эти данные не имеют достаточной точности, обладают низким разрешением и применимы только для регионального или более высокого уровня.
На основании информации, представленной в Базе данных муниципальных образований (Ъи^://rosstat.gov.ru/ dbscripts/munst/munst63/ DBInet.cgi#1), можно отметить, что за последние 10 лет посевная площадь Ровенского района, расположенного на юго-западе Саратовского Заволжья, увеличилась примерно в два раза. В 2012 году она составляла 38,4 тысячи гектаров, в то время как в 2022 году достигла отметки в 68 тысяч гектаров. В 2020 году отмечался спад посевных площадей (61 тыс. га), возможной причиной являются засухи на юге европейской части России [19]. Как мы видим, площади посевных растут, а значит уве-
личиваются площади распашки сельскохозяйственных земель.
Актуальность работы обусловлена отсутствием современных сведений о пространственном размещении используемых и неиспользуемых сельскохозяйственных угодий. Также существует необходимость в разработке электронной маски сельхозугодий в масштабе муниципальных образований для мониторинга и контроля использования земельных ресурсов и сохранения продуктивности почв.
Целью настоящего исследования являлось определение актуальных границ пахотных земель на территории Ровенского района на основе данных дистанционного зондирования Земли и сравнение полученных результатов с другими доступными данными на территорию исследования.
Материалы и методы. Картографирование пахотных земель проводилось в границах Ровенско-го района Саратовской области. Общая площадь исследуемой территории составляет 210,7 тыс. га. Объект расположен на юго-западе Левобережья. В районе насчитывается 8 муниципальных образований.
Агроклиматические показатели и биологическая продуктивность в Ровенском районе характеризуются следующими параметрами. Термические ресурсы составляют от 2800 до 3000°С, годовое количество осадков составляет около 350 мм. Гидротермический коэффициент находится в диапазоне от 0,4 до 0,6, а коэффициент увлажнения составляет от 0,20 до 0,15. Район относится к категории очень засушливой степи [8].
Район исследования находится в зоне почвенно- а геоморфологической катены «Малый Сырт» [13]. 1 В Ровенском районе преобладают темно-каштано- £ вые почвы с глинистой и суглинистой текстурой, О которые составляют около 24,7% от общей пло- | щади. На территории Хвалынской террасы встре- ч чаются солонцеватые почвы, сопровождающиеся К наличием солонцов. На юго-востоке района мож- i< но встретить песчаные почвы, которые занима- р ют около 6,9% от общей площади. На Хвалынской Л террасе образовались солонцеватые комплексы на О глинах и песках, способных удерживать соль. По- 12 чвообразующие породы преимущественно пред- 22 ставлены аллювиальными и делювиальными от- g ложениями, а также сыртовыми глинами [4; 11]. В О районе распространена ветровая эрозия. i
Картографирование актуальных границ пахот- i ных угодий выполнено по мультиспектральным о спутниковым снимкам Sentinel-2 (тайлы 38UNB и (Q 38UPB). Использовались весенние и летние космо- § снимки: на весенних снимках поля вспахиваются, а 3 на летних засеяны или уже убраны. При объедине- § нии спектральных каналов использовался инфра- | красный канал для улучшения видимости зеленой 4 здоровой растительности [3; 5; 6]. Определение gg залежных земель выполнено по мозаике Landsat ОО (1984-1987) со сканера Thematic Mapper (зона g N-38-50 и N-39-50); эти данные распространяются ы
Геологической службой [https://earthexplorer.usgs. gov/]. На рисунке 1 представлены мозаики космических снимков Sentinel-2 (2022 г.) и Landsat (19841987 гг.).
Для сравнения данных дешифрирования использовались глобальные карты землепользования ESRI Land Cover (Environmental Systems Research Institute [17]) и ESA WorldCover (European Space Agency, Европейское космическое агентство [20]) на 2021 год. Оба продукта основаны на автоматическом распознавании типов земного покрова по европейским спутниковым снимкам Sentinel-2 с пространственным разрешением 10 метров при
помощи искусственного интеллекта (AI). Информационные продукты имеют 9-10 классов. В наборах продуктах типов земного покрова содержатся классы: «Застроенные территории», «Древесный покров», «Водные объекты», «Пастбища», «Пахотные земли» и т.д. Для быстрого картографирования в информационном продукте ESA WorldCover используют радарные данные Sentinel-1, при таком способе лучше отделяются водные объекты и высокая растительность. Для сравнения мы использовали класс пахотных земель «Cropland», сведения о залежных землях в указанных информационных продуктах не содержатся.
со
IN О CN
Е
Рисунок 1. Космофотокарта территории исследования, а - мозаика снимков Landsat (1984-1987),
б - мозаика снимков Sentinel-2 за 2022
га <
ш о W
II
со
IN О CN
РТ
CN
И
Таблица 1. Площадь сельскохозяйственных угодий по сельским поселениям Ровенского района Саратовской области
Сельское поселение Общая, площадь сельских поселений, тыс. га Площадь пашни, тыс. га Площадь залежей, тыс. га
Привольненское 17,24 10,76 1,68
Кочетновское 21,95 14,66 1,04
Первомайское 26,16 13,28 9,86
Приволжское 14,05 9,53 0,09
Ровенское 37,87 13,76 7,31
Тарлыковское 28,14 14,69 1,17
Луговское 32,64 14,41 7,26
Кривоярское 32,70 21,08 3,17
Всего 210,75 112,17 31,58
Рисунок 2. Распределение сельскохозяйственных угодий по данным дешифрирования
в границах сельских поселений
Результаты и обсуждение. В результате дешифрирования спутниковых данных картографировано 1309 сельскохозяйственных полей общей площадью 143,75 тыс. га, из них 865 участков пахотных земель площадью 112,17 тыс. га и 444 участков залежных земель, площадь которых составляет 31,58 тыс. га (рис.2).
Данные по площадям пашни и залежей, полученные по результатам визуального дешифрирования, представлены в таблице 1, рисунок 2. Доля сельскохозяйственных угодий в общей площади района составляет 68,2%, доля пашни - 53,2%, залежей - 15%. Северная часть района отличается высоким уровнем использования полей: в Приволжском, Тарлыковском, Привольненском, Кочетковском и Кривоярском сельских поселениях распахано от 86 до 99% сельскохозяйственных угодий.
В южном направлении в структуре сельскохозяйственных земель увеличивается доля залежей. В Ровенском городском и Луговском сельском поселениях не используется 33-34% сельхозугодий. В Первомайском сельском поселении к залежам относятся 42,6% угодий.
Для оценки точности данных картографирования пашни по спутниковым снимкам было проведено сравнение с открытыми статистическими данными и информационными продуктами данных типов земного покрова ESRI Land Cover и ESA WorldCover. Данные Всероссийской сельско-
хозяйственной переписи Саратовской области за 2016 год отстутвуют в открытом доступе, поэтому сравнение было проведено по итогам всероссийской переписи 2006 года по районам Саратовской области [https://64.rosstat.gov.ru/folder/28075]. По данным статистики насчитывается 93,1 тыс. га пашни и 22,34 тыс. га залежи. Согласно информации из «Атласа почв» [11], в Ровенском районе 111,6 тыс. га пашни, а залежи отстуствуют. Также отстутствуют данные в границах сельских поселений Ровенского района.
Доля пашни в границах района по разным данным составляет от 42,2% (по данным Всероссийской сельскохозяйственной переписи 2006 года) до 62 % (по данным глобальных карт землепользования ESRI). По данным визульного дешифрования доля пашни в районе составила 53%.
На рисунке 3 представлено распределение пахотных земель по разным данным на территорию Ровенского района. Цвета легенды использованы согласно классификации информационных продуктов землепользования.
Для сравнения данных дешифрирования был составлен результирующий растр по данным из всех источников и выполнено сравнение площадей пахотных земель в разрезе сельских поселений с определением точности на основе коэффициента детерминации, относительной и среднеквадрати-ческой ошибок.
I
ю у
N у
м 2
0
м со
1 I i
> (Q
3 y
м о м со
46.0
46.5
51.0
50.5
46.0
46.5
51.0
50.5
46.0
46.5
со
IN О CN
46.0
46.5
51.0
50.5
УСЛОВНЫЕ ОБОЗНАЧЕНИЯ
I I Граница исследования
Границы пахотных земель: | Данные дешифрирования Даннные ESRI I I Данные ESA
46.0
46.5
5 0 5 10 км
Рисунок 3. Распределение сельскохозяйственных угодий на территории Ровенского района по разным данным
Е
га <
ш о W
II
со
IN О CN
т
CN
и
Это позволило оценить точность каждого информационного источника о пахотных землях относительно результирующего растра.
В результате проведенного сравнительного анализа, основанного на данных различных информационных продуктов и составленном результирующем растре (рис. 4), было выявлено, что наиболее сильную связь величин коэффициента детерминации демонстрируют данные дешифрирования пахотных угодий (R2= 0,99), что позволяет расценивать эти данные как достоверные. В сравнении с результирующим растром, относительная ошибка составляет 0,34%. Коэффициент детерминации для данных ESA равен (R2= 0,9), в среднем по этим данным площадь пашни завышена на 7% при среднеквадратической ошибке RMSE=5%. Возможно, из-за использования радарных данных информационный продукт ESA обладает хорошей точностью. Для данных ESRI коэффициент детерминации равен 0,86, при этом среднеквадратическая ошибка составляет 10,8%,
что в среднем приводит к завышению площадей пахотных угодий.
В Кривоярском сельском поселении отмечается наибольшая площадь пашни, которая составила по данным дешифрирования 21,08 тыс. га, по данным ESA - 22,5 тыс. га и по данным ESRI - 24,4 тыс. га. Наименьшие площади пахотных земель отмечаются в Привольненском и Приволжском сельских поселениях - от 8 до 10 тыс. га по разным продуктам, что пропорционально размеру муниципальных образований. Максимальные площади залежных земель по данным дешифрирования отмечаются в южных Первомайском, Ровенском и Луговском сельских поселениях с площадью 9,86, 7,31 и 7,26 тыс. га соответственно. Высокая доля сельхозугодий, выведенных из оборота на юге Ровенского района, может быть связана с большой долей солонцов в структуре почвенного покрова на юго-западе и слабогумусированных песков в комплексе с солонцами на юго-востоке, а также ускоренными процессами деградации земель.
Доля •
у- 1,054х +0,0702 R2 = 0,8612 • = 0,8639х + 0,1131 R2 - 0,9028
* •К''» = 1.0066Х-0,0031 R2 = 0.99S9
* •
• Данные дешифрирования • Данные ESRI • Данные ESA
Доля
0,3 0.4 0,5
Рисунок. 4. Сравнение долей площади пахотных земель по данным информационных продуктов (вертикальная ось) с результирующей величиной по данным двух и более источников (горизонтальная ось)
Выводы. Таким образом, в результате исследования определено пространственное размещение используемых и неиспользуемых сельскохозяйственных полей на территории Ровенского района в Саратовском Заволжье на основе спутниковых снимков Sentinel-2 по состоянию на 2022 год. По данным дешифрирования спутниковых снимков картографировано 1309 сельскохозяйственных полей общей площадью 143,75 тыс. га.
Проведено сравнение результатов дешифрирования пашни по космическим снимкам с данными официальной статистики и различных информационных продуктов, основанных на спутниковых данных высокого пространственного разрешения, таких как ESRI Land Cover и ESA WorldCover. По результатам сравнения данных дешифрирования пахотных угодий с результирующим растром коэффициент детерминации составляет R2= 0,99. Так как процесс идентификации земель продуктов ESA и ESRI обладает рядом неточностей и не подходит для мониторинга на муниципальном уровне, а данные официальной статистики устарели и не соответствуют действительности, на данный момент визуальное дешифрирование является самым достоверным способом картографирования пахотных угодий в масштабе муниципальных образований. В условиях засушливого климата и рискованного земледелия для предотвращения деградации земель, вывода из оборота пашни, и, соответственно, сохранения эффективности сельского хозяйства существует необходимость в ведении мониторинга сельскохозяйственных земель.
Таким образом, использование геоинформационных технологий и данных дистанционного зондирования в сельском хозяйстве способствует повышению эффективности мониторинга с использованием дистанционных методов. Одним из преимуществ использования геоинформационных методов и спутниковых данных в земледелии яв-
ляется возможность создания электронных карт управления земельными ресурсами территорий. Эти карты могут быть использованы как основа для анализа различных параметров полей, таких как морфометрические характеристики, структура почвы, климатические особенности и другие факторы, что позволит аграрным предприятиям принимать индивидуальные решения для каждого участка поля.
В дальнейшем планируется комплексно изучить морфометрические характеристики и почвенные особенности сельхозугодий на территории степей Саратовского Заволжья. Электронные карты полей, полученные в результате исследования, могут применяться для дальнейшего мониторинга сельскохозяйственных угодий, контроля использования земель, для разработки эффективных стратегий управления и принятию мер по адаптации к гидрологическим и климатическим изменениям в засушливой зоне.
Литература:
1. Агролесомелиорация. 5-е изд., переработ. и доп. / под ред. А.Л. Иванова, К.Н. Кулика. Волгоград: ВНИАЛ-МИ, 2006. 746 с.
2. Берденгалиева А.Н., Берденгалиев Р.Н. Связь сезонной динамики озимой пшеницы и рельефа в подзоне южных черноземов Волгоградской области // Научно-агрономический журнал. 2022. №3 (118). С. 49-56. DOI: 10.34736/FNC.2022.118.3.007.49-56
3. Васильченко А.А. Пространственный анализ инфраструктуры орошаемых полей Волго-Ахтубинской поймы на территории Волгоградской области // Научно-агрономический журнал. 2022. № 4(119). С. 12-18. DOI 10.34736/FNC.2022.119.4.002.12-18.
4. Воротников И.Л., Нейфельд В.В. Эффективность применения цифровых технологий в управлении земельными ресурсами муниципальными образованиями Саратовской области // Аграрный научный журнал. 2018. № 6. С. 76-81. DOI 10.28983/asj.v0i6.510
5. Выприцкий А.А., Матвеев Ш. Влияние государственных защитных лесных полос на сезонную динамику
I
ю у
N у
J J
2 ) 2 О М J =J S о
> (Q
3 y
2 О
м со
продуктивности пашни // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2023. № 2(70). С. 271-280. DOI: 10.32786/2071-9485-2023-02-31.
6. Дорошенко В.В. Зависимость вегетации озимых культур от рельефа и почв на востоке Ставропольского края // Исследование Земли из космоса. 2023. № 5. С. 7184. DOI 10.31857/S0205961423050044
7. Кадомцева М.Е., Нейфельд В.В. Региональные особенности использования технологий точного земледелия в сельском хозяйстве // Проблемы развития территории. 2021. Т. 25, № 2. С. 73-89. DOI 10.15838/ ptd.2021.2.112.5.
8. Климат Саратова. Л.: Гидрометеоиздат, 1987. 152 с.
9. Манаенков А.С., Корнеева Е.А. Биогеографические аспекты оценки эффективности защиты пахотных земель лесными полосами // Вестник Московского университета. Серия 5: География. 2021. № 3. С. 48-54.
10. Мелихова А.В. Морфометрический анализ агро-ландшафтов переходной зоны южных черноземов и темно-каштановых почв Волгоградской области // Природные системы и ресурсы. 2022. Т. 12. № 4. С. 26-33. DOI 10.15688/nsr.jvolsu.2022.4.3
11. Национальный атлас почв Российской Федерации. М.: Астрель: ACT. 2011. 632 с.
12. Рулев А.С., Шинкаренко С.С., Бодрова Н.В., Сидорова Н.В. Геоинформационные технологии в обеспечении точного земледелия // Известия Нижневолжского агро-университетского комплекса: Наука и высшее профессиональное образование. 2018. № 4(52). С. 115-122. DOI 10.32786/2071-9485-2018-04-15
13. Рулев А.С., Юферев В.Г., Рулев Г.А. Почвенно-гео-морфологическая катена «Малый сырт - Прикаспий» // Геоморфология. 2020. № 1. С. 22-33. DOI 10.31857/ S0435428120010125
14. Синельникова К.П., Берденгалиева А.Н., Матвеев Ш., Балынова В.В., Мелихова А.В. Картографирование пахотных земель в агроландшафтах Волгоградской области по данным дистанционного зондирования // Исследование Земли из космоса. 2023. № 5. С. 85-96. DOI 10.31857/S0205961423050081
15. юферев В.Г., Кулик К.Н., Рулев А.С., Мушаева К.Б., Кошелев А.В., Дорохина З.П. Геоинформационные технологии в агролесомелиорации. - Волгоград. ВНИАЛМИ. 2010. 102 с.
16. Belyakov A.M. Typing of Agricultural Landscapes in the Volgograd Region // Arid Ecosystems. 2021. V. 11. № 1. P. 102-108. https://doi.org/10.1134/S2079096121010030
17. Karra K., Kontgis C., Statman-Weil Z., Mazzariello J.C., Mathis M., Brumby S P. Global land use / land cover with Sentinel 2 and deep learning // 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS (Brussels, 11-16 July 2021). 2021. P. 4704-4707. DOI: 10.1109/IGARSS47720.2021.9553499
18. Kulik K.N., Petrov V.I., Yuferev V.G., Tkachenko N.A., Shinkarenko S.S. Geoinformational Analysis of Desertification of the Northwestern Caspian // Arid Ecosystems. 2020. Vol. 10, No. 2. P. 98-105. DOI 10.1134/S2079096120020080
19. Pugacheva A.M., Belyaev A.I., Trubakova K.Yu., Romadina O.D. Regional Climate Changes in Arid Steppes and their Connection with Droughts // Arid Ecosystems. 2022. Vol. 12, No. 4. P. 353-360. DOI 10.1134/s2079096122040187
20. Zanaga D., Van De Kerchove R., De Keersmaecker W., Souverijns N., Brockmann C., Quast R., Wevers J., Grosu A., Paccini A., Vergnaud S., Cartus O., Santoro M., Fritz S., Georgieva I., Lesiv M., Carter S., Herold M., Li L., Tsendbazar N. E., Ramoino F., Arino O. ESA WorldCover 10 m 2020 v100 [Электронный ресурс]. 2021. Режим доступа: https:// zenodo.org/record/7254221 (дата обращения: 05.10.2023 г.). DOI: 10.5281/zenodo.5571936
СО IN О CN
DOI: 10.34736/FNC.2023.123.4.009.60-67
Analysis of the Spatial Structure of Agricultural Land in the South
of the Saratov Trans-Volga Region
E
<
Ivan A. Bolgov™, e-mail: [email protected], Postgraduate student, ORCID: 0009-0003-3174-6382 Asel N. Berdigalieva, Junior Researcher, ORCID: 0000-0002-5252-7133 'Federal Scientific Centre of Agroecology, Complex Melioration and Protective Afforestation of the Russian Academy of Sciences'' (FSC of Agroecology RAS), e-mail: [email protected] 400062, Universitetskiy Prospekt, 97, Volgograd, Russia
ш о w
и
CO IN О CN
PT
CN
И
Abstract. Excessive use of agricultural land can lead to soil degradation and desertification of the territory. This is especially true in regions belonging to the zone of risky farming. In this regard, there is a need to monitor agricultural land at various administrative levels. Recently, geoinformation technologies (GIS) and remote sensing data (satellite images) have been used to monitor and control agricultural lands. Based on the recognition of Sentinel-2 high-resolution spectral satellite images by visual decryption, a map of the land use structure was compiled and the boundaries of the Rovenskiy district of the Saratov Region fields were determined. As a result of the study, 1,210 agricultural fields with a total area of 140.6 thousand hectares were mapped on the territory of the Rovenskiy district, 80% of which are arable land with an area of 111.62 thousand hectares and 20% are fallow lands with an
area of 29.02 thousand hectares. The results of satellite images decoding are compared with data from official statistics and various information products based on high spatial resolution satellite data, such as ESRI Land Cover and ESA WorldCover. Comparative analysis has shown that the strongest relationship between the values of the determination coefficient is demonstrated by the data of decoding arable land (R2=0.99). The next information product in terms of the determination coefficient is ESA (R2=0.9). According to these data, the arable land area is overestimated on average by 7% with a standard error RMSE =5%. At the moment, manual decryption is the most reliable way to map arable land at the local level. The digital field maps obtained as a result of the study can be useful for developing effective land management strategies and taking measures to adapt to climate change.
Keywords: Agro-landscapes, arable land, land degradation, geoinformation technologies, remote sensing
Funding. The work was performed within the framework of the state task of the Federal Research Center for Agroecology of the Russian Academy of Sciences No. 122020100311-3 «Theoretical foundations of the functioning and natural-anthropogenic transformation of agroforestry complexes in transitional natural and geographical zones, patterns and forecast of their degradation and desertification based on geoinformation technologies, aerospace methods and mathematical cartographic modeling in modern conditions».
Citation. Bolgov I.A., Berdigalieva A.N. Analysis of the Spatial Structure of Agricultural Land in the South of the Saratov Trans-Volga Region. Scientific Agronomy Journal. 2023;4(123):60-67. DOI: 10.34736/ FNC.2023.123.4.009.60-67
Received: 17.10.2023 Accepted: 07.12.2023
References:
1. Agroforestry. 5th ed., reworked. and additional / edited by A.L. Ivanov, K.N. Kulik. Volgograd. VNIALMI Publ. house; 2006, 746 p. (In Russ.)
2. Berdengalieva A.N., Berdengaliev R.N. The relationship of relief and winter wheat seasonal dynamics in the subzone of southern chernozems in the Volgograd region. Nauchno-agronomicheskij zhurnal = Scientific Agronomy Journal. 2022;3(118):49-56. (In Russ.) DOI: 10.34736/ FNC.2022.118.3.007.49-56
3. Vasilchenko A.A. Spatial analysis of the Volga-Akhtuba floodplain irrigated fields infrastructure in the Volgograd region. Nauchno-agronomicheskij zhurnal = Scientific Agronomy Journal. 2022;4(119):12-18. (In Russ.) DOI 10.34736/FNC.2022.119.4.002.12-18.
4. Vorotnikov I.L., Neufeld V.V. The digital technologies use effectiveness in the land resources management by municipalities of the Saratov Region. Agrarnyj nauchnyj zhurnal = The Agrarian Scientific Journal. 2018;6:76-81.(In Russ.) DOI 10.28983/asj.v0i6.510
5. Vypritskiy A.A., Matveev S. State protective forest belts influence on the seasonal dynamics of arable land productivityizvestia Nizhnevolzhskogo agrouniversitetskogo kompleksa: Nauka i vysshee professional'noe obrazovanie = Izvestia of the Lower Volga Agro-University Complex. 2023;2(70):271-280. (In Russ.) DOI: 10.32786/2071-94852023-02-31.
6. Doroshenko V.V. Dependence of the winter crops vegetation on the relief and soils in the east of the Stavropol Region. Issledovanie Zemli iz kosmosa. 2023;5:71-84. (In Russ.)DOI 10.31857/S0205961423050044
7. Kadomtseva M.E., Neufeld V.V. Regional peculiarities of the precision farming technologies use in agriculture. Problemy razvitiya territorii. 2021;25(2):73-89. (In Russ.) DOI 10.15838/ptd.2021.2.112.5.
8. Climate of Saratov. L. "Hydrometeoizdat" Publ. house; 1987, 152 p. (In Russ.)
9. Manaenkov A.S., Korneeva E.A. Biogeographic aspects of assessing the effectiveness of arable lands protection by forest belts. Vestnik Moskovskogo universiteta. Seriya 5, Geografiya = Moscow University Bulletin. Series 5, Geography. 2021;3:48-54. (In Russ.)
10. Melikhova A.V. Morphometric analysis of agricultural landscapes ofthe transition zone of southern chernozems and dark chestnut soils ofthe Volgograd Region. Prirodnye sistemy i resursy = Natural Systems and Resources. 2022;12(4):26-33. (In Russ.) DOI: 10.15688/nsr.jvolsu.2022.4.3
11. National atlas of soils of the Russian Federation. M. "Astrel"; AST Publ. houses; 2011, 632 p. (In Russ.)
12. Rulev A.S., Shinkarenko S.S., Bodrova N.V., Sidorova N.V. Geoinformation technologies in precision farming. Izvestia Nizhnevolzhskogo agrouniversitetskogo kompleksa: Nauka i vysshee professional'noe obrazovanie = Izvestia ofthe Lower Volga Agro-University Complex. 2018;4(52):115-122. (In Russ.) DOI: 10.32786/2071-9485-2018-04-15
13. Rulev A.S., Yuferev V.G., Rulev G.A. Soil-geomorphological catena «Maly Syrt - Near-Caspian region». Geomorfologiya. 2020;1:22-33. (In Russ.) DOI: 10.31857/ S0435428120010125
14. Sinelnikova K.P., Berdengalieva A.N., Matveev Sh., Balynova V.V., Melikhova A.V. Mapping of arable lands in agro-landscapes of the Volgograd Region using remote sensing data. Issledovanie Zemli iz kosmosa= Earth Observation and Remote Sensing. 2023;5:85-96. (In Russ.) DOI: 10.31857/ S0205961423050081
15. Yuferev V.G., Kulik K.N., Rulev A.S., Mushaeva K.B., Koshelev A.V., Dorokhina Z.P. Geoinformation technologies in agroforestry. Volgograd. VNIALMI Publ. house; 2010, 102 p. (In Russ.)
16. Belyakov A.M. Typing of Agricultural Landscapes in the Volgograd Region. Arid Ecosystems. 2021;11(1):102-108. https://doi.org/10.1134/S2079096121010030
17. Karra K., Kontgis C., Statman-Weil Z., Mazzariello J.C., Mathis M., Brumby S P. Global land use / land cover with Sentinel 2 and deep learning. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS (Brussels, 11-16 July 2021); 2021, pp. 4704-4707. DOI: 10.1109/IGARSS47720.2021.9553499
18. Kulik K.N., Petrov V.I., Yuferev V.G., Tkachenko N.A., Shinkarenko S.S. Geoinformational Analysis of Desertification ofthe Northwestern Caspian. Arid Ecosystems. 2020;10(2):98-105. DOI: 10.1134/S2079096120020080
19. Pugacheva A.M., Belyaev A.I., Trubakova K.Yu., Romadina O.D. Regional Climate Changes in Arid Steppes and their Connection with Droughts. Arid Ecosystems. 2022;12(4):353-360. DOI: 10.1134/s2079096122040187
20. Zanaga D., Van De Kerchove R., De Keersmaecker W., Souverijns N., Brockmann C., Quast R., Wevers J., Grosu A., Paccini A., Vergnaud S., Cartus O., Santoro M., Fritz S., Georgieva I., Lesiv M., Carter S., Herold M., Li L., Tsendbazar N. E., Ramoino F., Arino O. ESA WorldCover 10 m 2020 v100 [Electronic resource]. 2021. Access mode: https://zenodo. org/record/7254221 (accessed: 05.10.2023). DOI: 10.5281/ zenodo.5571936
i
ю у
N у
M ) 2
0
M
ы
и
S
1
> (Q
3 y
Авторский вклад. Автор настоящего исследования принимал непосредственное участие в планировании, выполнении и анализе данного исследования, ознакомился и одобрил представленный окончательный вариант. Конфликт интересов. Автор заявляет об отсутствии конфликта интересов.
Author contribution. Author of this research paper have directly participated in the planning, execution and analysis of this study. Author of this paper have read and approved the final version submitted. Conflict of interest. Author declare no conflict of interest.
M
о
M со
