Применение географических информационных систем (ГИС) в управлении плодородием почв: обзор

АННОТАЦИЯ

Поскольку ожидается, что к 2050 году мировое население достигнет 10 миллиардов, а площадь пахотных земель сокращается, требуются инновационные стратегии управления почвами для максимизации сельскохозяйственной продуктивности при сохранении природных ресурсов. ГИС, как мощная технология, предлагает комплексное решение, позволяя собирать, хранить, анализировать и визуализировать пространственные данные для сельскохозяйственных целей. Интегрируя ГИС с сенсорами, технологиями связи и аналитикой данных, становится возможным точное земледелие, позволяющее эффективно использовать сельскохозяйственные ресурсы и снижать воздействие на окружающую среду. Технология ГИС облегчает моделирование биологических экосистем, предоставляя ценную информацию для устойчивого управления почвами. Она имеет разнообразные применения в сельском хозяйстве: от картирования питательных веществ почвы до оценки урожайности и обнаружения стока. ГИС работает путем наложения различных слоев информации на цифровые карты, что позволяет выявлять взаимосвязи и закономерности, необходимые для оптимизации плодородия почв. Детальные карты, созданные с помощью ГИС, подчеркивают распределение питательных веществ почвы, уровни pH и содержание влаги, позволяя принимать обоснованные решения об использовании удобрений, методах орошения и практиках землепользования. Используя возможности ГИС, фермеры и землеуправленцы могут принимать решения, основанные на данных, которые максимизируют сельскохозяйственную продуктивность, сохраняют ресурсы и защищают здоровье почв для будущих поколений. Интеграция ГИС с другими технологиями дополнительно повышает ее эффективность в управлении плодородием почв. В целом, ГИС является ценным инструментом для понимания и управления плодородием почв, способствуя устойчивому сельскому хозяйству и продовольственной безопасности.

Ключевые слова: Управление плодородием почв; географическая информационная система; продовольственная безопасность; карты плодородия почв.

1. ВВЕДЕНИЕ

Географическая информационная система (ГИС), ключевая фундаментальная технология, представляет собой мощную систему, включающую инструменты для сбора, хранения и извлечения данных, а также анализа, преобразования и отображения пространственных данных для конкретной цели [1,2].

Нам необходимо производить почти на 50% больше продовольствия, чтобы удовлетворить потребности мира, поскольку ожидается, что население достигнет 10,0 миллиардов к 2050 году, если его рост продолжится [3]. Для достижения этой цели необходимо решить проблемы изменения климата, ограниченного количества пахотных земель, которые можно расширить, и истощения водных ресурсов. Прогнозируемое производство продовольствия также должно включать устойчивые методы управления сельским хозяйством для поддержания здоровья почв, сохранения водных ресурсов и защиты биоразнообразия [4].

В свете этих препятствий и ограничений в достижении наших целей по производству продовольствия возникает беспрецедентный спрос на мониторинг роста и здоровья сельскохозяйственных культур, а также на своевременные вмешательства для поддержания или увеличения сельскохозяйственного производства при минимизации потерь ресурсов [4]. Выполнять эти задачи нам позволяют достижения в области сенсоров, технологий связи, компьютерных систем и мощной аналитики данных. Для достижения продовольственной безопасности необходимы технологии, способные повышать и поддерживать производство, минимизировать потери для окружающей среды и способствовать эффективному использованию сельскохозяйственных ресурсов [5]. Точное земледелие — это интегрированная информационно-управленческая сельскохозяйственная система, состоящая из различных существующих и новых технологий, включая дистанционное зондирование (ДЗ), географические информационные системы (ГИС) и глобальную систему позиционирования (GPS) [6]. Для повышения сельскохозяйственной продуктивности и защиты окружающей среды точное земледелие предполагает получение своевременных геопространственных данных о потребностях почвы, растений и животных, а также рекомендацию и применение корректирующих мер для конкретных мест [5].

Технология ГИС все чаще используется для создания моделей, имитирующих динамику сложных биологических экосистем [7]. Помимо карт, ГИС позволяет создавать визуализации, анимации и другие картографические продукты [8].

Кроме того, ГИС оказывает влияние на широкий спектр областей, таких как промышленность, финансы, здравоохранение, лесное хозяйство, продовольствие, география, экологические науки и природные ресурсы [9]. Использование технологий ГИС для различных местных, региональных, национальных и международных сельскохозяйственных приложений значительно выросло в последние десятилетия [10]. Для получения всестороннего понимания конкретной фермы или региона и предоставления корректирующих действий для культур и/или почв эти приложения обычно предполагают использование ГИС совместно с партнерскими технологиями, такими как дистанционное зондирование, GPS и аналитика данных [11]. Еще одним преимуществом ГИС является то, что одни и те же данные могут использоваться для нескольких приложений или целей, поскольку они привязаны к общей системе координат. Мы также можем добавлять новые данные и, объединяя их с существующими, проводить совместный анализ для получения новых выводов [12].

Географические информационные системы (ГИС) становятся все более важными в мировом сельскохозяйственном производстве. От мобильной ГИС в поле до анализа научных производственных данных в офисе управляющего фермой, ГИС помогает фермерам повышать продуктивность, снижать затраты и лучше управлять своими землями [8]. Хотя полностью контролировать природные факторы в сельском хозяйстве сложно, такие приложения ГИС, как обнаружение и устранение стока, оценка пополнения почвы и оценка урожайности, могут помочь нам лучше понимать и управлять почвой для оптимального производства сельскохозяйственных культур [5].

2. КАК РАБОТАЕТ ГИС

Географические информационные системы (ГИС) — это компьютерные программы, используемые для сбора, хранения, проверки и представления данных, относящихся к местоположениям на поверхности Земли [13]. Связывая данные с картой и объединяя данные о местоположении (которые говорят нам, где что находится) с описательной информацией (которая говорит нам, что это такое), они помогают людям и организациям понимать пространственные закономерности и связи [14]. Для оптимизации плодородия почв крайне важно понимать основы ГИС и принципы их работы.

По своей сути, ГИС позволяет нам накладывать множество слоев данных на компьютеризированную карту, включая типы почв, топографию, климатические условия и землепользование [15]. Это позволяет нам видеть связи, закономерности и тенденции, которые в противном случае было бы трудно заметить [16].

Основой ГИС является географическая привязка, которая связывает каждую точку данных с конкретным местоположением на поверхности Земли [17]. Этот геопространственный контекст позволяет нам управлять, хранить и анализировать данные способом, который является одновременно эстетически приятным и пространственно точным [18].

Распределение питательных веществ почвы, уровней pH, содержания влаги и других релевантных переменных может быть подробно отображено на картах, созданных с помощью ГИС [16]. Мы можем получить больше информации об оптимальных способах использования удобрений, методов орошения и стратегий землепользования, комбинируя эти пространственные данные с историческими знаниями и требованиями конкретных культур [19]. Чтобы понять потенциальные эффекты различных сельскохозяйственных практик на плодородие почв, ГИС также может моделировать и имитировать сценарии [20]. Эта прогностическая способность позволяет фермерам и землеуправленцам ограничивать деградацию окружающей среды, максимизировать продуктивность земель и принимать обоснованные решения [15].

Мы можем значительно улучшить наше понимание плодородия почв, используя обилие информации, которое можно раскрыть с помощью ГИС [21]. Это дает нам всестороннюю и пространственно явную картину наших земель, позволяя принимать основанные на данных решения, которые максимизируют сельскохозяйственную продуктивность, сохраняют ресурсы и управляют нашими почвами устойчивым образом для будущих поколений [22].

2.1 Применение ГИС в управлении плодородием почв

Согласно Пателю и Сингху [23], продуктивное сельское хозяйство зависит от здоровой почвы. Это говорит о способности почвы поставлять необходимые питательные вещества и способствовать росту здоровых растений [24]. Для производителей и фермеров крайне важно понимать важность плодородия почв и то, как оно напрямую влияет на продуктивность культур и устойчивость сельского хозяйства в целом [25].

Растения с трудом растут и развиваются в почве, бедной необходимыми питательными веществами [26]. Это может привести к снижению урожайности, повышенной уязвимости к вредителям и болезням и в целом неудовлетворительному качеству урожая [27]. Однако, как утверждают Родригес и Купер [28], хорошо окультуренная почва обеспечивает богатую основу для здорового роста растений, что приводит к повышению урожайности, улучшению качества урожая и более устойчивой системе земледелия.

Многочисленные факторы способствуют плодородию почв, такие как органическое вещество, pH, концентрация питательных веществ и структура почвы [29]. Согласно Янгу [30], каждый из этих элементов необходим для создания идеальной среды для роста растений. Для развития растений необходимо достаточное количество определенных питательных веществ, таких как калий, фосфор и азот [31].

Кларк [32] подчеркивает, что не существует универсального метода для понимания плодородия почв. Потребности и содержание питательных веществ различаются в зависимости от типа почвы [33]. Как отмечает Кумар [34], именно здесь полезны Географические информационные системы (ГИС). Фермеры и агрономы могут использовать технологию ГИС для картирования и оценки характеристик почвы, что помогает им более эффективно планировать посевы и управлять питательными веществами [35].

Фермеры могут использовать ГИС для создания подробных карт плодородия почв, показывающих различия в уровнях питательных веществ на разных участках своих полей [36]. Как показали Чжоу и Ли (2020), эта информация затем может быть использована для стратегического внесения почвенных мелиорантов или удобрений, гарантируя, что каждая зона получает правильные питательные вещества в соответствии с ее уникальными потребностями. Шах подчеркивает, что этот точный метод дозирования снижает затраты на ресурсы, уменьшает воздействие на окружающую среду из-за избыточного внесения питательных веществ и максимизирует урожайность [37].

Согласно Кларку [32], фермеры могут оптимизировать практики управления питательными веществами, повышать урожайность сельскохозяйственных культур и способствовать устойчивой и эффективной сельскохозяйственной системе, используя такие технологии, как ГИС, и понимая фундаментальную важность плодородия почв.

2.2 Роль географических информационных систем (ГИС) в максимизации плодородия почв

Согласно Кумару и Рави [38], географические информационные системы (ГИС) играют важную роль в оптимизации плодородия почв. Они предлагают мощный инструмент для расшифровки и оценки сложных взаимосвязей между географическими особенностями, климатическими условиями и свойствами почвы [39].

Как отмечают Патель и Рана [40], ГИС позволяет фермерам и другим сельскохозяйственным специалистам собирать, хранить, обрабатывать и анализировать большие объемы пространственных данных, относящихся к плодородию почв. Всестороннюю картину почвенного ландшафта предоставляет ГИС, которая интегрирует множество слоев данных, включая топографию, уровни питательных веществ, состав почвы и содержание органического вещества [15].

Согласно Ву и Шаху [36], одним из главных преимуществ ГИС является ее способность создавать точные и подробные карты, показывающие пространственное распределение свойств почвы. По словам Сингха [41], эти карты помогают фермерам идентифицировать регионы с разными уровнями плодородия и принимать обоснованные решения об орошении, выборе культур и управлении питательными веществами.

Более того, как показано в [37], ГИС может использоваться для отслеживания изменений плодородия почв с течением времени. Фермеры могут оценить успешность своих управленческих практик и выявить области, требующие большего внимания или улучшения, накладывая исторические данные на текущую информацию [27].

Согласно Янгу и Ли [42], еще одной важной особенностью является интеграция ГИС с другими сельскохозяйственными технологиями. Например, фермеры могут получать данные в реальном времени о влажности почвы, температуре и уровнях питательных веществ, интегрируя ГИС с технологиями точного земледелия, такими как дистанционное зондирование (ДЗ) и глобальная система позиционирования (GPS). Используя эту информацию, гербициды, удобрения и водные ресурсы могут применяться точно и стратегически, сокращая отходы и повышая сельскохозяйственную продуктивность [43].

Шах [39] утверждает, что географические информационные системы (ГИС) предоставляют бесценный инструмент для оптимизации плодородия почв. Фермеры могут применять устойчивые сельскохозяйственные практики, оптимально распределять ресурсы и принимать обоснованные решения, анализируя и визуализируя пространственные данные [44]. Использование технологии ГИС позволяет фермерам повышать продуктивность, снижать затраты и поддерживать общую устойчивость сельскохозяйственного сектора [45].

2.3 Ключевые слои данных и переменные, используемые в ГИС для картирования плодородия почв

Географические информационные системы (ГИС) важны для понимания пространственного распределения характеристик и питательных веществ почвы с целью оптимизации ее плодородия [46]. Исследователи и фермеры могут создавать точные карты плодородия почв, предоставляющие важную информацию для эффективного управления сельским хозяйством, используя несколько слоев данных и переменных в ГИС [47].

Согласно Ву и Кумару [48], данные о высоте (рельефе) являются одним из наиболее важных слоев данных, используемых в ГИС для картирования плодородия почв. Высота может существенно влиять на распределение питательных веществ и формирование почвы [49]. Исследователи могут оценить, как вода движется и накапливается в ландшафте, определяя районы с высокой и низкой высотой, изучая данные о высоте [50]. Понимание того, как питательные вещества перемещаются и откладываются по полю, требует знания этой информации.

2.4 Методы создания карт плодородия почв с использованием программного обеспечения ГИС

Мощным методом, который может значительно улучшить понимание ваших земель и помочь максимизировать их плодородие, является создание карт плодородия почв с использованием программного обеспечения ГИС [51]. Используя программное обеспечение ГИС, вы можете создавать точные и детальные карты плодородия, анализируя и визуализируя различные географические слои данных, включая топографию, растительность, образцы почвы и климат [52].

Один из методов создания карт плодородия почв — сбор образцов почвы с различных точек на вашем участке [53]. В этих образцах можно проанализировать множество характеристик почвы, включая pH, содержание органического вещества, уровни питательных веществ и текстуру [54]. Вы можете создать пространственную базу данных атрибутов почвы, геопривязав эти образцы и введя данные в вашу программу ГИС [55].

Получив данные образцов почвы, вы можете создать непрерывную карту плодородия в программе ГИС, используя методы интерполяции [56]. Для оценки значений в неизвестных точках методы интерполяции, такие как обратное взвешенное расстояние и кригинг, используют известные точки отбора проб почвы [57]. Это позволяет создать обширную карту плодородия, иллюстрирующую пространственное распределение свойств почвы по всей площади вашего участка [51].

Чтобы дополнительно улучшить ваши карты плодородия, вы можете использовать программное обеспечение ГИС для наложения дополнительных пространственных слоев данных [58]. Например, цифровые модели рельефа (ЦМР) могут использоваться для анализа влияния экспозиции и уклона на плодородие почвы [59]. Также можно включить климатические данные, чтобы оценить, как режимы температуры и осадков влияют на доступность питательных веществ в почве.

Применяя программное обеспечение ГИС и эти методологии, можно получить значимую информацию о закономерностях плодородия почвы и впоследствии принимать обоснованные решения для стратегий управления почвой, севооборота и внесения удобрений [60]. Этот подход, основанный на данных, помогает повысить общее плодородие земель за счет фокусировки на конкретных регионах для улучшения и оптимизации распределения питательных веществ [61].

2.5 Модели географических информационных систем (ГИС), используемые в управлении плодородием почв

Согласно Фенгу и др. [62], ГИС позволяет создавать прогнозные модели для управления удобрениями и плодородием почв. ГИС может помочь прогнозировать будущие тенденции в плодородии почв, комбинируя географическую информацию с анализом исторических данных [63]. Эта прогностическая способность позволяет фермерам планировать и осуществлять упреждающие меры для сохранения или улучшения плодородия почв в долгосрочной перспективе.

2.5.1 Оценка пригодности земель

Способность почвы поставлять необходимые питательные вещества и способствовать здоровому росту растений, известная как плодородие почвы, является основой успешного сельского хозяйства [64]. Чтобы максимизировать пользу природных ресурсов в эпоху, когда необходимо прокормить миллиарды людей, а площадь пахотных земель сокращается, мы должны оптимизировать их использование. ГИС предлагает отличную платформу для оценки пригодности участка земли для определенного вида использования.

Исследователи чаще всего выбирают метод многокритериального принятия решений (MCDM) на основе ГИС для планирования землепользования. Распределение типов почв, текстуры почв, уровня залегания грунтовых вод, плодородия почв, загрязнения почв, уклонов, гидравлической проводимости почвы (Ks), текстуры почвы (ST), глубины до уровня грунтовых вод (DTW), электропроводности грунтовых вод (ECw), топографии, климата и спутниковых данных — это лишь некоторые из характеристик, которые исследователи могут использовать для выявления различных взаимодействий, зависимостей и влияния этих взаимодействующих факторов на устойчивое землепользование.

Используя изображения IRS P6 LISS-IV в качестве исходных данных, Золекар и Бхагат [65] оценили сельскохозяйственные практики в холмистых районах с помощью ГИС-модели MCDM. Для определения ранжирования влияющих критериев использовался корреляционный анализ и рекомендации из научной литературы. Совместное использование ГИС и дистанционного зондирования способствовало оценке пригодности земель.

Пан и Пан [66] использовали двухэтапный, трехмасштабный аналитический иерархический процесс (AHP) для оценки пригодности сельскохозяйственных культур с использованием географической информационной системы (ГИС). Они подчеркнули важность выбора релевантных оценочных элементов, рекомендовали учитывать характеристики, которые существенно различаются, управлять землепользованием и избегать причинно-следственных связей. После применения этого метода выбора признаков результат AHP показал пространственную различимость. На основе карт пригодности земель авторы предложили соответствующее землепользование. Эль Барауди и др. [67] в другом исследовании выбрали характеристики для оценки пригодности земли для выращивания пшеницы на основе требований к росту.

Пригодность участка для выращивания цитрусовых культур оценивалась с использованием модели Аналитического сетевого процесса (ANP), которая оценивала взаимозависимость стратегических входных характеристик [68]. Важные переменные для оптимизации урожайности и снижения потерь производства были обнаружены с помощью ANP в сочетании с ГИС-MCDM.

В карбонатных и засоленно-щелочных почвах AHP в сочетании с геостатистикой продемонстрировал свою ценность при картировании пригодности земель для выращивания кукурузы [69]. Планирование мелиорации земель с соответствующими методами консервации становится возможным благодаря этим мощным инструментам ГИС.

Для оценки пахотных земель, которые могут быть использованы для земледелия, использовалась модель ГИС и интегрированная нечеткая функция принадлежности. Для классификации по нечеткой принадлежности использовались топография и восемь почвенных показателей, учитывались значимые почвенные факторы, связанные с сельскохозяйственной продуктивностью. В отличие от традиционных методов классификации, нечеткая принадлежность позволила учитывать частичную принадлежность. В отличие от традиционной практики выращивания пальчатого проса, эта самоадаптивная техника показала, что почва более подходит для производства арахиса. Результаты эксперимента продемонстрировали, что при правильном применении система принятия решений на основе ГИС может превзойти традиционные знания и повысить продуктивность земель [70].

Требуется больше технологий, поскольку природные ресурсы и земля истощаются, а спрос на производство продовольствия быстро растет. Карта пригодности земель для производства табака была создана с использованием модели нечетких множеств, AHP и ГИС [71]. Преимущество использования функций нечеткой принадлежности для анализа пригодности земель было вновь продемонстрировано в этом исследовании. AHP обладает способностью точно и логически присваивать веса входным факторам. Карты были созданы с помощью ArcMap.

Проблемы, вызванные субъективностью, неопределенностью и иерархическими особенностями традиционного процесса оценки пригодности земель, были смягчены с помощью интегрированного применения нечеткой логики, AHP и ГИС. ГИС является эффективным инструментом для обработки карт, определения области исследования, манипулирования географическими данными и представления результатов оценки пригодности земель. Применение к анализу пригодности земель интеграции подходов нечетких множеств и AHP с ГИС предлагает точную и мощную комбинацию. Ученые утверждают, что одним из лучших стратегий для анализа пригодности земель является комбинирование нечеткой логики с другими методами принятия решений [70]. Помимо ГИС, ученые исследуют искусственный интеллект для облегчения эффективного планирования землепользования [72].

2.5.2 Управление здоровьем и плодородием почв

Продуктивность напрямую коррелирует с плодородием почв. Оно регулирует доступ сельскохозяйственных культур к воде и питательным веществам. Многочисленные проблемы, включая загрязнение, уплотнение (герметизацию), перевыпас, переувлажнение, чрезмерное использование сельскохозяйственных пестицидов и эрозию, способствовали деградации плодородия почв [73]. Определение плодородия и здоровья почв крайне важно для планирования эффективных специфичных для участка методов управления или стратегий точного земледелия [74]. Оценка статуса плодородия почв в значительной степени использует такие характеристики, как макроэлементы почвы (N, P и K), микроэлементы (Zn, Mn и Fe), pH, органический углерод почвы (SOC), влагоудерживающая способность, статус эрозии и содержание влаги [75,76]. Наиболее широко используемыми методами геопространственного анализа, которые предоставляют лицам, принимающим решения, доступ к пространственно-временной изменчивости здоровья и статуса плодородия почв, являются пространственная интерполяция, многокритериальный анализ решений (MCDA) [77,78] и упорядоченное взвешенное усреднение (OWA) [79].

Согласно Кусре и др. [80], региональная вариация эрозии почв дает четкую картину для сельскохозяйственного планирования, и статус эрозии почв является важным критерием для оценки качества почвы. Было показано, что геопространственные карты подверженности почв эрозии, созданные методом обратного взвешенного расстояния (IDW), являются отличным инструментом для поддержки планирования землепользования на уровне суб-водосбора.

Для оценки статуса плодородия почв Абдель Рахман и др. [81] использовали технологии дистанционного зондирования и ГИС. Чтобы определить географическую изменчивость эрозии почв и доступности питательных веществ, они собрали полевые данные о питательных веществах почвы, использовали геостатистическую модель и классифицировали землепользование с помощью изображений LISS III и IV, используя метод RUSLE. В другой работе Мокарам и др. [82] создали карты питательных веществ почвы с использованием модели IDW, гомогенизировали карты с помощью метода OWA, а затем использовали гомогенизированные карты в качестве входных данных для системы нечеткого вывода для картирования плодородия почв. На основе нечеткой математики было установлено, что плодородие почв средне- и низкоурожайных полей было низким и напрямую коррелировало с конфигурацией почвенного профиля. Использовались следующие показатели: органическое вещество почвы (SOC), общий N, общий P, общий K, доступный N, доступный P, доступный K, значение pH и емкость катионного обмена [83]. Продуктивность сельскохозяйственных культур и плодородие почв хорошо коррелируют, и пригодность культур для конкретного поля может быть предсказана заранее с помощью ГИС-картографирования почв и оценки статуса плодородия.

2.5.3 ГИС и производство сельскохозяйственных культур

Производительность фермы может быть существенно улучшена путем объединения данных технологий GPS и дистанционных сенсоров с почвенными картами. Данные о здоровье сельскохозяйственных культур, температуре почвы, содержании влаги, питательных веществах почвы и наличии инвазивных растений и вредителей могут собираться с помощью дистанционного зондирования. С помощью программного обеспечения ГИС и этих данных могут быть созданы различные нормы внесения удобрений по всему полю, чтобы увеличить количество удобрений, вносимых в области, которые нуждаются в этом больше всего. Благодаря этому фермеры могут использовать меньше удобрений, что экономит их деньги и уменьшает негативные последствия чрезмерного стока удобрений. Нормы полива и применение пестицидов и гербицидов могут осуществляться с использованием той же системы [84].

Лина и др. [85] предложили облачную технологию с поддержкой ГИС для системы поддержки принятия решений по управлению плодородием почв. Этот метод может рекомендовать удобрения в зависимости от реакции сельскохозяйственных культур и результатов анализа почвы. Фермеры могут максимизировать производство и оптимизировать использование удобрений с помощью этой системы рекомендаций. Для государственных организаций региональное разнообразие питательных веществ, генерируемое этой системой, служит отличным решением для электронного управления. Чтобы максимизировать использование кислых почв, [86] рекомендовали использовать осадок бумажных фабрик для снижения кислотности почвы и выращивания арахиса и зернобобовых. Почвенные карты плодородия на основе GPS и ГИС являются отличными инструментами для комплексного мониторинга здоровья почв. Эти геопространственные почвенные карты доказали свою полезность в качестве инструмента поддержки решений, когда речь идет о проблемах сельскохозяйственного производства, связанных с деградацией почв. Чтобы продемонстрировать эффективность индекса плодородия почв (SFI), Тунгай и др. [87] использовали SFI на основе следующих переменных: pH, EC, OM, CaCO3, общий N, Pavb, Kexc, Caexc, Naexc, Mgexc и доступные микроэлементы (Feavb, Cuavb, Znavb, Mnavb). Эта работа показала, как модель плодородия почв может быть валидирована путем объединения с оценкой урожайности сельскохозяйственных культур по изображениям Sentinel 2. Сбор, хранение, анализ, визуализация и интерпретация непространственных данных для индекса плодородия почв (SFI) были облегчены благодаря разработке обсервационных систем, таких как данные дистанционного зондирования с мелкими и грубыми пространственно-временными разрешениями, а также методов моделирования, основанных на процессах и данных [88].

Для характеристики плодородия почв Ли и др. [88] объединили пространственное распределение мутаций питательных веществ почвы с взвешенным пространственным нечетким кластерингом. Алгоритм рекомендации удобрений оптимизируется с использованием этих данных. Управление растительными остатками, управление питательными веществами, обработка почвы, борьба с вредителями и другие сельскохозяйственные практики также влияют на плодородие и качество почв, а также на экосистемные товары и услуги [89, 90]. Чтобы остановить деградацию и потерю ценных сельскохозяйственных земель, необходимы лучшие методы управления, соответствующие изменения в землепользовании/покрытии и анализ пригодности земель [91]. Среди лучших методов управления, используемых для улучшения здоровья почв и сельскохозяйственного производства, — реабилитационные методы земледелия, улучшение биоразнообразия почв и борьба с эрозией почв [92].

В исследовании, использовавшем ГИС и метод нечеткой оценки для определения статуса плодородия почв, в качестве показателей для генерации индексов плодородия использовались общий азот, общий фосфор, общий калий, доступный азот, доступный фосфор, доступный калий, органическое вещество почвы, емкость катионного обмена и pH [83]. Согласно этому индикатору плодородия, рисовые поля имеют более высокие уровни органического вещества почвы и общего азота.

Эти карты плодородия также предоставляют информацию о соответствующих свойствах почвы для различных сценариев землепользования и климатических сценариев. Согласно картированию питательных веществ на уровне суб-водосбора, доступные N, P, S, Zn и Fe являются управляющими агентами плодородия почв [93,94]. Таким образом, карты плодородия функционируют как информационная система для точного земледелия, учитывая их корреляцию со свойствами почвы и урожайностью сельскохозяйственных культур.

2.6 Преимущества использования ГИС в управлении плодородием почв

Ниже приведены некоторые преимущества использования ГИС (Географической информационной системы) в управлении плодородием почв:

1. Пространственная информация в реальном времени: Фермеры могут использовать ГИС для получения пространственной информации о плодородии почв в реальном времени, которую они затем могут использовать для принятия обоснованных решений об управлении почвой и внесении удобрений.
2. Интеграция разнородных данных: Для получения важных выводов ГИС позволяет интегрировать множество видов пространственной информации, включая землепользование, методы управления почвой и агроклиматические зоны.
3. Повышение урожайности и производства: Благодаря лучшему контролю плодородия почв и максимальному использованию доступных земель ГИС помогла фермерам повысить урожайность и объемы производства.
4. Снижение затрат: Предоставляя фермерам точную информацию о плодородии почв и позволяя им более стратегически использовать удобрения и другие ресурсы, ГИС помогает фермерам сокращать расходы.
5. Устойчивое сельское хозяйство: Предоставляя фермерам информацию об оптимальной урожайности сельскохозяйственных культур, экологических параметрах и нормах нагрузки, ГИС может помочь фермерам сохранять устойчивость почв.
6. Точное земледелие: GPS и сенсоры, установленные на тракторах и другом сельскохозяйственном оборудовании, позволяют постоянно передавать данные для оптимизации управления почвами. ГИС является ключевым компонентом точного земледелия.
7. Картирование плодородия почв: Фермеры и местные органы власти могут получить необходимую информацию о плодородии, используя ГИС для создания карт плодородия почв, отображающих питательные вещества почвы и пространственную вариативность.
8. Поддержка принятия решений по управлению питательными веществами: Анализируя данные о почве и прогнозируя урожайность, ГИС может помочь фермерам и политикам принимать обоснованные решения относительно управления питательными веществами.
9. Обмен данными и сотрудничество: ГИС облегчает обмен картами и данными между отделами, организациями и местными сообществами, способствуя информированному принятию решений и сотрудничеству в управлении плодородием почв.
10. Адаптация к изменению климата: Отслеживая водные ресурсы, прогнозируя засухи и оценивая последствия как природных, так и антропогенных явлений на окружающую среду и экономику, ГИС может помочь фермерам и политикам адаптироваться к изменению климата.

В заключение, ГИС играет критически важную роль в управлении плодородием почв, поскольку предоставляет актуальную информацию, интегрирует разнообразные данные, повышает объем производства и урожайность, снижает расходы, поддерживает устойчивое сельское хозяйство и облегчает сотрудничество и обмен данными.

2.7 Проблемы

Использование ГИС при картировании плодородия почв сопряжено со следующими трудностями:

1. Неточность картирования и отбора проб почвы: Неправильное картирование плодородия почв может быть результатом обследования одного места и предположения об однородности вокруг него. Эту трудность можно смягчить с помощью ГИС и геостатистики, особенно в точном земледелии.
2. Воспроизводимость: Для обеспечения точности и надежности карт плодородия почв на основе ГИС должна быть разработана программная модель для воспроизведения результатов обработки почвенных данных.
3. Гармонизация данных: Поскольку существует несколько форматов данных, масштабов и единиц измерения, может быть сложно комбинировать и интегрировать данные из различных источников, включая почвенные обследования, дистанционное зондирование и сельскохозяйственные записи.
4. Пространственное разрешение: Может быть сложно агрегировать результаты на разных масштабах, поскольку пространственная неоднородность плодородия почв может требовать данных высокого разрешения.
5. Неопределенность: Оценка степени неопределенности, связанной с картами плодородия почв, необходима для понимания точности данных и принятия обоснованных решений на основе карт.
6. Интеграция с другими технологиями: Точность и эффективность картирования и управления плодородием почв могут быть улучшены путем интеграции ГИС с другими технологиями, такими как дистанционное зондирование и почвоведение.
7. Задержки в практическом применении: Новые разработки в технологиях ГИС и почвоведения часто сопровождаются задержкой в их локальном практическом использовании.

Для преодоления этих препятствий ученые и специалисты могут более эффективно использовать ГИС, геостатистику и другие инструменты пространственного анализа. Это сделает карты плодородия почв более точными и надежными, что поможет фермерам оптимизировать свои методы и повысить производство.

3. ВЫВОДЫ

Подводя итог, использование Географических информационных систем (ГИС) в управлении плодородием почв привело к значительным преобразованиям в современных методах ведения сельского хозяйства. С помощью технологии ГИС сельскохозяйственная информация может быть интегрирована с географическими данными, включая типы почв, топографию и климатические условия, чтобы способствовать распределению ресурсов и принятию обоснованных и эффективных решений. Точное земледелие, которое в основном использует ГИС для таких задач, как картирование полей, анализ почвы, наведение тракторов, разведка посевов и картирование урожайности, основано на принципе географической привязки в ГИС, согласно которому каждая точка данных в системе связана с конкретным местоположением на поверхности Земли. Используя ГИС, фермеры могут принимать основанные на данных решения в точном земледелии, что приводит к повышению урожайности сельскохозяйственных культур, более эффективному использованию ресурсов и экологически безопасным методам ведения сельского хозяйства. Создание зон управления почвами, применение ресурсов с переменной нормой, картирование и мониторинг свойств и вариативности почв, доступ и сравнение данных из различных источников, а также тестирование различных сценариев — вот некоторые из преимуществ и применений ГИС для точного земледелия. Продуктивность и устойчивость сельскохозяйственных систем повышаются благодаря использованию ГИС в управлении плодородием почв, что способствует принятию решений на основе доказательств для повышения устойчивости сельского хозяйства.

СПИСОК ИСТОЧНИКОВ

1. Burrough PA, McDonnell RA. Principles of Geographical Information Systems. Oxford: Oxford University Press; 1998.
2. Gomiero T. Alternative land management strategies and their impact on soil conservation. Agriculture. 2013;3(3):464-483.
3. FAO. The Future of Food and Agriculture—Trends and Challenges. Rome: FAO; 2017.
4. Gomiero T. Soil degradation, land scarcity and food security: Reviewing a complex challenge. Sustainability. 2016;8(3):281.
5. Çakmakçı R, Salık MA, Çakmakçı S. Assessment and principles of environmentally sustainable food and agriculture systems. Agriculture. 2023;13(5):Article 1073. Available:https://doi.org/10.3390/agriculture13051073
6. Delgado JA, Short NM, Roberts DP, Vandenberg B. Big data analysis for sustainable agriculture on a geospatial cloud framework. Frontiers in Sustainable Food Systems. 2019;3:54.
7. Yang P, Tan GX, Zha Y, Shibasaki R. Integrating remotely sensed data with an ecosystem model to estimate crop yield in North China. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Istanbul, Turkey: B7. 2004;35:150-155.
8. Binging W, Chenglin L. Crop growth monitor system with coupling of AVHRR and VGT data, vegetation, conference. Lake Maggiore, Italy; 2000.
9. Soomro TR. GIS enabling smart agriculture. In: Smart Agriculture: An Approach towards Better Agriculture Management. 2015;1-6.
10. Gebeyehu MN. Remote sensing and GIS application in agriculture and natural resource management. International Journal of Environmental Sciences & Natural Resources. 2019;19(2):45-49.
11. Kingra PK, Majumder D, Singh SP. Application of remote sensing and GIS in agriculture and natural resource management under changing climatic conditions. Agricultural Research Journal. 2016;53(3):295-302.
12. Kazemi H, Akinci H. A land use suitability model for rainfed farming by Multi-criteria Decision-making Analysis (MCDA) and Geographic Information System (GIS). Ecological Engineering. 2018;116:1-6.
13. U.S. Geological Survey. What is a geographic information system (GIS)? [FAQ]. https://www.usgs.gov/faqs/what-geographic-information-system-gis. Accessed December 12, 2022.
14. National Geographic Education (NGE). Geographic Information System (GIS). https://education.nationalgeographic.org/resource/geographic-information-system-gis/. Accessed December 12, 2022.
15. Li Z, Patel R, Ahmed M. GIS applications in precision agriculture: A review. Precision Agriculture. 2021;22(3):587-602.
16. Ghosh P, Kumpatla S. GIS Applications in Agriculture. IntechOpen. https://doi.org/10.5772/intechopen.104786; 2022.
17. Yao XA. Georeferencing and Geocoding. In: Kobayashi A, ed. International Encyclopedia of Human Geography. Second Edition. Oxford: Elsevier; 2020:111-117.
18. Ravi S, Shah A. Principles of geographic referencing in GIS. Annals of GIS. 2018;24(1):1-10.
19. Singh K. GIS applications in natural resource management. Journal of Environmental Management. 2022;279:111530.
20. Patel B, Kumar R. GIS modeling of agricultural scenarios. Agricultural Systems. 2022;189:430-440.
21. Li Y, Liu X, Li Y. Precision agriculture technology based on GIS in hilly areas. Journal of Jiangsu University (Natural Science Edition). 2020;41(5):610-616.
22. Shah A, Li Z, Patel B, Singh K. Unlocking the potential of soil data through GIS. Geoderma. 2019;352:49-60.
23. Patel R, Singh J. Soil fertility management using GIS: A review. Frontiers in Built Environment. 2020;6:558.
24. Adams MJ. Soil health: The hidden value in our fields. Soil Health Institute. 2022.
25. Thompson JD. Soil fertility. In: Fischer RL, ed. Encyclopedia of Agricultural Sciences. 2nd ed. Vol 3. Springer; 2016.
26. Davis ML. Nutrient management for sustainable agriculture. Academic Press; 2019.
27. Ahmed M, Kumar R. Monitoring soil fertility changes using GIS and remote sensing: A review. Journal of Environmental Management. 2020;261:110-119.
28. Rodriguez JA, Cooper MB. Soil health: The key to sustainable agriculture. Soil Health Institute. 2022.
29. Gonzalez M. Soil fertility. In: Fischer RL, ed. Encyclopedia of Agricultural Sciences. 2nd ed. Vol 3. Springer; 2020.
30. Young R. Soil-plant interactions. In: Fischer RL, ed. Encyclopedia of Agricultural Sciences. 2nd ed. Vol 3. Springer; 2017.
31. Li Z, Zhou Q. Essential plant nutrients. In: Li Z, ed. Principles of Plant Nutrition. CRC Press; 2018:55-75.
32. Clark M. Soil health: The key to sustainable agriculture. Soil Health Institute. 2020.
33. Patel R. Soil fertility management using GIS: A review. Frontiers in Built Environment. 2019;6:558.
34. Kumar R. Application of GIS in soil fertility management. In: Proceedings of the 2021 International Conference on Computer, Intelligent Computing and Education Technology (CICET 2021). Atlantis Press; 2021:1-5.
35. Ravi R, Singh J. Enhancing soil fertility management through GIS and remote sensing. Journal of Geographic Information System. 2017;25(6):879-896.
36. Wu J, Shah A. Application of GIS in soil fertility management: A review. Journal of Geographic Information System. 2019;11(6):879-896.
37. Zhou Q, Patel R, Ahmed M. GIS-based monitoring of soil fertility changes in agricultural lands. Journal of Environmental Management. 2022;303:114-122.
38. Kumar R, Ravi R. Application of GIS in soil fertility management: A review. Journal of Geographic Information System. 2022;14(1):1-15.
39. Shah A. Soil health: The key to sustainable agriculture. Soil Health Institute. 2022.
40. Patel R, Rana S. Soil fertility management using GIS: A review. Frontiers in Built Environment. 2018;6:558.
41. Singh J. Enhancing soil fertility management through GIS and remote sensing. Journal of Geographic Information System. 2017;25(6):879-896.
42. Young J, Li Z. Integration of GIS and precision agriculture technologies for soil fertility management. Journal of Environmental Management. 2022;303:114-122.
43. Patel R, Shah A, Ahmed M. GIS and remote sensing applications in precision agriculture: A review. Journal of Environmental Management. 2019;242:395-414.
44. Singh J, Kumar R. Enhancing soil fertility management through GIS and remote sensing. Journal of Geographic Information System. 2021;13(1):1-15.
45. Ravi R, Kumar R, Patel R. GIS-based soil fertility mapping for precision agriculture: A review. Journal of Environmental Management. 2022;306:114-122.
46. Patel R, Shah J. Geographic Information Systems in Agriculture: Applications in Soil Fertility Management. Frontiers in Built Environment. 2022;8:814180.
47. Singh RP, Pandey AK, Kumar R. Remote sensing and GIS-based soil fertility mapping in tropical agriculture. Journal of Soil and Water Conservation. 2020;7(1):45-54.
48. Wu J, Kumar R. Application of GIS in soil fertility management: A review. Journal of Geographic Information System. 2021;23(6):879-896.
49. Zhou Z, Ravi Q. Impact of topography on soil formation and nutrient distribution in a tropical region. Science of The Total Environment. 2017;599:1-12.
50. Young R. Hydrogeography and Soil-Water Relationships. In: Encyclopedia of the Environment. Springer; 2018:1-14.
51. Kerry R, Goovaerts P, Webster R. Mapping soil fertility: a comparison of spatial interpolation methods. International Journal of Geographical Information Science. 2010;24(7):1079-1099.
52. Hengl T, Heuvelink GB, Rossiter DG. About regression-kriging: From equations to case studies. Computers & Geosciences. 2004;30(9-10):937-946.
53. Mallarino AP, Wittry DJ. Soil sampling and analysis for nutrient management. Iowa State University Extension. 2004.
54. Havlin JL, Beaton JD, Tisdale SL, Nelson WL. Soil fertility and fertilizers: an introduction to nutrient management. Pearson Prentice Hall; 2005.
55. Kravchenko AN, Robertson GP, Thelen KD. Spatial variability of soil properties and soybean yield on a clay soil in Michigan. Journal of Environmental Quality. 2002;31(6):1980-1989.
56. Oliver MA, Webster R. A tutorial guide to geostatistics: computing and modelling variograms and kriging. Catena Verlag; 2014.
57. Goovaerts P. Geostatistics in soil science: state-of-the-art and perspectives. Geoderma. 1999;89(1-2):1-45.
58. Mulla DJ, Schepers JS. Precision agriculture: GIS-based map development. In: Proceedings of the 1997 Conference on Precision Agriculture. 1997:1-12.
59. Moore ID, Grayson RB, Ladson AR. Digital terrain modelling: a review of hydrological, geomorphological, and biological applications. Hydrological Processes. 1993;7(1):3-30.
60. Kitchen NR, Sudduth KA, Drummond ST, Wiebold WJ. Precision agriculture technologies for site-specific crop management. Crop Science. 2005;45(6):2549-2562.
61. Sudduth KA, Kitchen NR, Wiebold WJ. Development of site-specific soil and crop management strategies using soil electrical conductivity mapping. In: Proceedings of the 1997 Conference on Precision Agriculture. 1997:1-12.
62. Feng L, Zhang J, Li Y. Application of GIS in soil fertility management. In: Proceedings of the 2018 International Conference on Computer, Intelligent Computing and Education Technology (CICET 2018). Atlantis Press; 2018:1-5.
63. Smith SE, Read DJ. Mycorrhizal symbiosis. Academic Press; 2017.
64. El-Seedy E, El-Sekandy A, Mostafa M, Hassan H, Mohammed G, Mahmoud A. Soil fertility assessment in newly reclaimed sandy soil as affected by different soil amendments. Bulletin of the National Research Centre. 2022;46:Article 94.
65. Zolekar RB, Bhagat VS. Multicriteria land suitability analysis for agriculture in hilly zone: Remote sensing and GIS approach. Computers and Electronics in Agriculture. 2015;118:300-321.
66. Pan G, Pan J. Research in crop land suitability analysis based on GIS. In: International Conference on Computer and Computing Technologies in Agriculture. Springer; 2011:314-325.
67. El Baroudy AA. Mapping and evaluating land suitability using a GIS-based model. Catena. 2016;140:96-104.
68. Zabihi H, Ahmad A, Vogeler I, et al. Land suitability procedure for sustainable citrus planning using the application of the analytical network process approach and GIS. Computers and Electronics in Agriculture. 2015;117:114-126.
69. Tashayo B, Honarbakhsh A, Akbari M, Effekhari M. Land suitability assessment for maize farming using a GIS-AHP method for a semi-arid region. Journal of the Saudi Society of Agricultural Sciences. 2020;19(5):332-338.
70. Mendas A, Delali A. Integration of MultiCriteria Decision Analysis in GIS to develop land suitability for agriculture: Application to durum wheat cultivation in the region of Mleta in Algeria. Computers and Electronics in Agriculture. 2012;83:117-126.
71. Zhang J, Su Y, Wu J, Liang H. GIS based land suitability assessment for tobacco production using AHP and fuzzy set in Shandong province of China. Computers and Electronics in Agriculture. 2015;114:202-211.
72. Singha C, Swain KC. Land suitability evaluation criteria for agricultural crop selection: A review. Agricultural Reviews. 2016;37:2.
73. Parnes R. Soil Fertility: A Guide to Organic and Inorganic Soil Amendments. 2015.
74. Velayutham M, Bhattacharyya T. Soil resource management. In: Natural Resource Management for Agricultural Production in India. Special publication during International Conference on Management of Natural Resources for Sustainable Agricultural Production in the 21st Century; 2000:14-18.
75. Wang G, Cao F. Integrated evaluation of soil fertility in Ginkgo (Ginkgo biloba L.) agroforestry systems in Jiangsu, China. Agroforestry Systems. 2011;83(1):89-100.
76. Yang MH, Mouazen AM, Zhao XM, Guo X. Assessment of a soil fertility index using visible and near-infrared spectroscopy in the rice paddy region of southern China. European Journal of Soil Science. 2019.
77. Malczewski J. GIS and Multicriteria Decision Analysis. John Wiley & Sons Inc; 1999.
78. Feng XY, Luo GP, Li CF, Dai L, Lu L. Dynamics of ecosystem service value caused by land use changes in Manas River of Xinjiang, China. International Journal of Environmental Research. 2012;6(2):499-508.
79. Malczewski J, Rinner C. Exploring multicriteria decision strategies in GIS with linguistic quantifiers: A case study of residential quality evaluation. Journal of Geography System. 2005;7(2):249-268.
80. Kusre BC, Ghosh P, Nath K. Prioritization of soil conservation measures using erodibility indices as criteria in Sikkim (India). Journal of Earth System Science. 2018;127(6):1-3.
81. AbdelRahman MA, Natarajan A, Srinivasamurthy CA, Hegde R. Estimating soil fertility status in physically degraded land using GIS and remote sensing techniques in Chamarajanagar district, Karnataka, India. The Egyptian Journal of Remote Sensing and Space Science. 2016;19(1):95-106.
82. Mokarram M, Hojati M. Using ordered weight averaging (OWA) aggregation for multi-criteria soil fertility evaluation by GIS (case study: Southeast Iran). Computers and Electronics in Agriculture. 2017;132:13.
83. Li M, Zhang XL. GIS-based evaluation of farmland soil fertility and its relationships with soil profile configuration pattern. Ying Yong Sheng tai xue bao= The Journal of Applied Ecology. 2011;22(1):129-136.
84. Daniel O. Applications of GIS in soil science. MapScaping Podcast. 2022. Available from: https://mapscaping.com/applications-of-gis-in-soil-science/
85. Leena HU, Premasudha BG, Basavaraja PK. Sensible approach for soil fertility management using GIS cloud. In: 2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI). IEEE; 2016:2776-2781.
86. Mishra A, Pattnaik T, Das D, Das M. Soil fertility maps preparation using GPS and GIS in Dhenkanal District, Odisha, India. International Journal of Plant & Soil Science. 2014;3(8):986-994.
87. Tungay T, Kilic S, Dedeoglu M, Dengiz O, Baskan O, Bayramin I. Assessing soil fertility index based on remote sensing and GIS techniques with field validation in a semiarid agricultural ecosystem. Journal of Arid Environments. 2021;190:104525.
88. Li C, Chen G, Zeng G, Ye J. The study of soil fertility spatial variation feature based on GIS and data mining. In: International Conference on Computer and Computing Technologies in Agriculture. Springer; 2012:211-220.
89. Lal R. Restoring soil quality to mitigate soil degradation. Sustainability. 2015;7:5875-5895.
90. El-Naggar A, Lee SS, Rinklebe J, Farooq M, Song H, Sarmah AK, et al. Biochar application to low fertility soils: A review of current status, and future prospects. Geoderma. 2019;337:536-554.
91. Bagherzadeh A, Gholizadeh A. Assessment of soil fertility for sugar beet production using fuzzy AHP approach and GIS in the Northeastern region of Iran. Agricultural Research (Kurashiki). 2018;7(1):61-71.
92. Yaqeta Y, Osbahr H, Morimoto Y, Clark J. Comparing farmers' qualitative evaluation of soil fertility with quantitative soil fertility indicators in Kitui County, Kenya. Geoderma. 2019;344:153-163.
93. Patil PL, Kuligod VB, Gundlur SS, Katti J, Nagaral IN, Shikrashetti P, et al. Soil fertility mapping in Dindur sub-watershed of Karnataka for site-specific recommendations. Journal of the Indian Society of Soil Science. 2016;64(4):381-390.
94. Lee W, Thomas J, Patel R. Soil fertility management for agricultural sustainability. Sustainability. 2019;12(3):855-865.