Зависимость микробиологической активности и химических характеристик почвы от топографической позиции на старопахотных участках черноземной лесостепи
https://doi.org/10.31857/S2587556622010071
Аннотация
Необходимость автоматизации и упрощения пространственно-временного мониторинга хозяйственно важных почвенных характеристик, в частности содержания углерода интенсивно используемых земель, диктует продолжение поиска относительно простых способов их дистанционной оценки. В результате статистического анализа материалов полевых наблюдений, лабораторных экспериментов и полученных по данным дистанционного зондирования Земли из космоса цифровых моделей рельефа на модельных трансектах, заложенных на различающихся по характеру рельефа участках длительно используемых пахотных черноземов (Курская биосферная станция Института географии РАН, Курская область, Россия), обнаружены средние по силе положительные связи между крутизной склона, LS-фактором (Slope Length and Steepness factor, или фактор влияния длины и крутизны склона на эрозионную опасность) и почвенными характеристиками. Обнаруженные связи выражаются в снижении содержания ведущих биогенных элементов и соединений (углерод, азот и вода), а также в снижении присутствия и изменении активности микробиоты почвы. Вероятнее всего, это реализуется через водную эрозию и меньшую доступность воды на склонах большей крутизны. На основе полученных результатов можно говорить о применимости оцененного по данным дистанционного зондирования Земли LS-фактора для прогноза содержания углерода и других связанных с ним значимых физико-химических и биологических показателей состояния старопахотных типичных черноземов в крупном пространственном масштабе. Одновременно установлено, что полученные на основе космических снимков спектральные характеристики поверхности почвы менее применимы для этих целей, так как они зависят от условий съемки (погодные условия, приемы обработки почвы, растительный покров), а также имеют ограничения, накладываемые недостаточным разрешением доступных космических снимков.
Ключевые слова
типичные черноземы,
пашни,
эрозионный потенциал рельефа,
содержание углерода в почве,
эмиссия СО2 из почвы,
дистанционное зондирование Земли,
крутизна склона,
LS-factor,
цифровая модель рельефа
При поддержке: Анализ данных и лабораторные исследования проводились в рамках госзадания № 0148-2019-0006 Института географии РАН. Полевые работы 2020 г. были поддержаны грантом РФФИ № 19-29-05025.
Об авторах
Д. В. Карелин
Институт географии РАН
Россия
Россия
Москва
П. Р. Цымбарович
Институт географии РАН
Россия
Россия
Москва
Список литературы
1. Буряк Ж.А. Совершенствование подходов к оценке эрозионной опасности агроландшафтов с использованием ГИС-технологий // Научн. Ведомости БелГУ. Серия: Естественные науки. 2014. Т. 23 (194). С. 140–146.
2. Иващенко К.В. Обилие и дыхательная активность микробного сообщества почвы при антропогенном преобразовании наземных экосистем // Дис. … канд. биол. наук. Пущино, 2017. 205 с.
3. Люри Д.И., Горячкин С.В., Караваева Н.А., Денисенко Е.А., Нефедова Т.Г. Динамика сельскохозяйственных земель России в ХХ веке и постагрогенное восстановление растительности и почв. М.: ГЕОС, 2010. 412 с.
4. Мамонтов В.Г., Когут Б.М., Родионова Л.П., Рыжков О.В. Влияние сельскохозяйственного использования чернозема типичного на его структурное состояние и содержание органического углерода в агрегатах разного размера // Изв. ТСХА. 2016. Вып. 6. С. 22–31.
5. Плотникова О.О. Роль транспортирующей способности водных потоков в изменении некоторых свойств поверхностных горизонтов эродированных черноземов типичных (на примере Курской области) // Дис. … канд. биол. наук. М.: МГУ им. М.В. Ломоносова, 2020. 224 с.
6. Сушко С.В. Эмиссия двуокиси углерода и микробное дыхание почв разных экосистем подтайги и лесостепи (Московская и Курская области) // Дис. … канд. биол. наук. М.: МГУ им. М.В. Ломоносова, 2019. 137 с.
7. Ananyeva N.D., Susyan E.A., Chernova O.V., Wirth S. Microbial respiration activities of soils from different climatic regions of European Russia // European J. Soil Biol. 2008. № 44 (2). P. 147–157. https://doi.org/10.1016/j.ejsobi.2007.05.002
8. Anderson J., Domsch K.H. A physiological method for the quantitative measurement of microbial biomass in soils // Soil Biol. Biochem. 1978. Vol. 10. P. 215–221. https://doi.org/10.1016/0038-0717(78)90099-8
9. Angelopoulou T., Tziolas N., Balafoutis A., Zalidis G., Bochtis D. Remote Sensing Techniques for Soil Organic Carbon Estimation: A Review // Remote Sens. 2019. Vol. 11. P. 676. https://doi.org/10.3390/rs11060676
10. Baumgardner M.F., Kristof S., Johannsen C.J., Zachary A. Effects of organic matter on the multispectral properties of soils // Indiana Acad. Sci. 1970. Vol. 79. P. 413–422.
11. Chen F., Kissel D.E., West L.T., Adkins W. Field-Scale Mapping of Surface Soil Organic Carbon Using Remotely Sensed Imagery // Soil Sci. Soc. Am. J. 2000. Vol. 64. P. 746–753. https://doi.org/10.2136/sssaj2000.642746x
12. Communication from the Commission to the Council, the European Parliament, the European Economic and Social Committee and the Committee of the Regions. Thematic Strategy for Soil Protection / Commission of the European Communities, Brussels. 2006. COM 2006/231.
13. Conant R.T., Ogle S.M., Paul E.A., Paustian K. Measuring and monitoring soil organic carbon stocks in agricultural lands for climate mitigation // Front. Ecol. Environ. 2011. Vol. 9. P. 169–173. https://doi.org/10.1890/090153
14. Croft H., Kuhn N.J., Anderson K. On the use of remote sensing techniques for monitoring spatio-temporal soil organic carbon dynamics in agricultural systems // Catena. 2012. Vol. 94. P. 64–74. https://doi.org/10.1016/j.catena.2012.01.001
15. Crowther T., Todd-Brown K., Rowe C., et al. Quantifying global soil carbon losses in response to warming // Nature. 2016. Vol. 540. P. 104–108. https://doi.org/10.1038/nature20150
16. Friedlingstein P., O’Sullivan M., Jones M.W. et al. Global Carbon Budget 2020 // Earth System Sci. Data. 2020. № 12 (4). P. 3269–3340. https://doi.org/10.5194/essd-12-3269-2020
17. Gomez C., Viscarra Rossel R.A., McBratney A.B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy: an Australian case study // Geoderma. 2008. Vol. 146. № 3–4. P. 403–411. https://doi.org/10.1016/j.geoderma.2008.06.011
18. Hamzehpour N., Hossein Shafizadeh-Moghadam, Roozbeh Valavi. Exploring the driving forces and digital mapping of soil organic carbon using remote sensing and soil texture // Catena. 2019. Vol. 182. № 104141. https://doi.org/10.1016/j.catena.2019.104141
19. Irons J.R., Weismiller R.A., Petersen G.W. Soil Reflectance // Theory and Applications of Optical Remote Sens. / G. Asrar (Ed.). USA, N.Y.: John Wiley and Sons, 1989. P. 66–106.
20. IUCN 2015. Land Degradation Neutrality: implications and opportunities for conservation, Technical Brief. 2nd Ed. Nairobi: IUCN, 2015. 19 p.
21. IUSS Working Group WRB (2015). World Reference Base for Soil Resources 2014, Update 2015. International Soil Classification System for Naming Soils and Creating Legends for Soil Maps. World Soil Resources Reports № 106. Rome: FAO.
22. Karelin D.V., Goryachkin S.V., Kudikov A.V., Lopes de Gerenu V.O., Lunin V.N., Dolgikh A.V., Lyuri D.I. Changes in Carbon Pool and CO2 Emission in the Course of Postagrogenic Succession on Gray Soils (Luvic Phaeozems) in European Russia // Eurasian Soil Sci. 2017. Vol. 50. № 5. P. 559–572. https://doi.org/10.1134/S1064229317050076
23. Ladoni M., Bahrami H.A., Alavipanah S.K. Estimating soil organic carbon from soil reflectance: a review // Precision Agriculture. 2010. Vol. 11. P. 82–99. https://doi.org/10.1007/s11119-009-9123-3
24. Lamichhane S., Kumar L., Wilson B. Digital soil mapping algorithms and covariates for soil organic carbon mapping and their implications: A review // Geoderma. 2019. Vol. 352. P. 395–413. https://doi.org/10.1016/j.geoderma.2019.05.031
25. Lu D., Li G., Valladares G.S., Batistella M. Mapping soil erosion risk in Rondônia, Brazilian Amazonia: using RUSLE, remote sensing and GIS // Land Degradation and Develop. 2004. Vol. 15. P. 499–512. https://doi.org/10.1002/ldr.634
26. Mondal A., Khare D., Kundu S., Mondal S., Mukherjee S., Mukhopadhyay A. Spatial soil organic carbon (SOC) prediction by regression kriging using remote sensing data // The Egyptian J. Remote Sens. and Space Sci. 2017. Vol. 20. P. 61–70. https://doi.org/10.1016/j.ejrs.2016.06.004
27. Moore I.D., Grayson R.B., Ladson A.R. Digital terrain modelling: A review of hydrological, geomorphological, and biological applications // Hydrol. Processes. 1991. № 5. P. 3–30. https://doi.org/10.1002/HYP.3360050103
28. Scharlemann J.P.W., Tanner E.V.J., Hiederer R., Kapos V. Global soil carbon: understanding and managing the largest terrestrial carbon pool // Carbon management. 2014. Vol. 5. Iss. 1. https://doi.org/10.4155/cmt.13.77
29. Schillaci C., Acutis M., Lombardo L., Lipani A., Fantappiè M., Märker M., Saia S. Spatio-temporal topsoil organic carbon mapping of a semi-arid Mediterranean region: The role of land use, soil texture, topographic indices and the influence of remote sensing data to modelling // Sci. of the Total Environ. 2017. Vol. 601–602. P. 821–832. https://doi.org/10.1016/j.scitotenv.2017.05.239
30. Schulze D.G., Nagel J.L., Van Scoyoc G.E., Henderson T.L., Baumgardner M.F., Scott D.E. Significance of Organic Matter in Determining Soil Colors // SSSA Special Publication (Soil Sci. Society of America). 1993. P. 71–90. https://doi.org/10.2136/sssaspecpub31.c5
31. Schwanghart W., Jarmer T. Linking spatial patterns of soil organic carbon to topography – A case study from south-eastern Spain // Geomorphology. 2011. Vol. 126. P. 252–263. https://doi.org/10.1016/j.geomorph.2010.11.008
32. Singh J.S., Gupta V.K. Soil microbial biomass: A key soil driver in management of ecosystem functioning // Sci. of the Total Environ. 2018. Vol. 634. P. 497–500.
33. Suleymanov A., Gabbasova I., Suleymanov R., Abakumov E., Polyakov V., Liebelt P. Mapping soil organic carbon under erosion processes using remote sensing // Hungarian Geogr Bul. 2021. Vol. 70. № 1. P. 49–64. https://doi.org/10.15201/hungeobull.70.1.4
34. Vrieling A. Satellite remote sensing for water erosion assessment: A review // Catena. 2006. Vol. 65. P. 2–18. https://doi.org/10.1016/j.catena.2005.10.005
35. Wang K., Qi Y., Guo W., Zhang J., Chang Q. Retrieval and Mapping of Soil Organic Carbon Using Sentinel-2A Spectral Images from Bare Cropland in Autumn // Remote Sens. 2021. Vol. 13. P. 1072. https://doi.org/10.3390/rs13061072
36. Wei Jb., Xiao Dn., Zhang Xy., Li Xy. Topography and land use effects on the spatial variation of soil organic carbon: A case study in a typical small watershed of the black soil region in northeast China // Eurasian Soil Sci. 2008. Vol. 41. P. 39–47. https://doi.org/10.1134/S1064229308010055
37. Takata Y., Funakawa S., Akshalov K., Ishida N., Kosaki T. Spatial prediction of soil organic matter in northern Kazakhstan based on topographic and vegetation information // Soil Sci. and Plant Nutrition. 2007. Vol. 53. P. 289–299. https://doi.org/10.1111/j.1747-0765.2007.00142.x
Рецензия
Для цитирования:
Карелин Д.В., Цымбарович П.Р. Зависимость микробиологической активности и химических характеристик почвы от топографической позиции на старопахотных участках черноземной лесостепи. Известия Российской академии наук. Серия географическая. 2022;86(1):134-150. https://doi.org/10.31857/S2587556622010071
Просмотров:
249
Послать статью по эл. почте 
+7-977-804-81-87