RU2830132C1

RU2830132C1 - Method of identifying agroecological groups using remote information

Info

Publication number: RU2830132C1
Application number: RU2023127171A
Authority: RU
Inventors: Александр Николаевич Кренке; Михаил Юрьевич Пузаченко; Наталья Николаевна Балова
Original assignee: Общество с ограниченной ответственностью "ЭКОмониторинг Агро"
Filing date: 2023-10-24
Publication date: 2024-11-13

Abstract

FIELD: agriculture.

SUBSTANCE: method of identifying agroecological groups using remote information is characterized by the fact that multispectral satellite survey of medium resolution of the mapped territory is carried out, with a pixel side of 10–30 m, creating a digital model of the relief of the territory with a similar resolution, combining the obtained information into time series of data, wherein the time series of data covers at least three years or not less than the duration of the crop rotation cycle for the mapped territory, calculating the morphometric characteristics of the relief based on the digital relief model with a resolution of at least 30 m in 1 pixel, using two-dimensional spectral analysis, calculating the fractal dimension of the relief and determining the changes of said dimension depending on the magnitudes and forms of the relief using the inverse spectral transformation, creating digital models for additional morphometric characteristics of the relief, overlaying the mask of agricultural lands on the datasets of remote information and morphometric characteristics of the relief, wherein the mask is applied so that only agricultural lands to be mapped are included in the analysis, on the remote data prepared in this way, performing the procedure for selecting agroecological differences and checking their stability, wherein the physical meaning of the obtained differences is determined using the field agroecological descriptions, when selecting the agroecological differences, spatial stationary clusters are successively identified, determining the physical meaning of the obtained clusters with the agroecological properties of elementary soil contours being identified, determining the degree of stationarity of the obtained elementary soil contours, selecting soil differences and constructing maps of agro-ecological properties and soil characteristics, wherein the task of selecting stationary clusters in sets of source data of multispectral satellite survey is solved by applying hierarchical factor analysis, carrying out step-by-step procedures for reducing the dimension, to identify the relationship between clusters and agroecological characteristics of soils, machine learning procedures are used using a set of field agroecological descriptions as a training sample, wherein to obtain a set of field agroecological descriptions, a field observation network is planned, at that, in order to achieve statistical reliability of semantic interpretation of obtained clusters, from 5 to 10 descriptions of agroecological characteristics of soils are carried out for each selected cluster, determining the degree of stationarity of the obtained maps of elementary soil contours and identifying soil differences by using discriminant analysis of the second row of prepared remote information covering a period which is 3–5 years from the first.

EFFECT: invention makes it possible to specify and accelerate works on agroecological and soil mapping, and also allows to provide the possibility of retrospective analysis of agroecological conditions of agricultural lands.

5 cl, 12 dwg

Description

Изобретение относится к области сельского хозяйства, а именно к применению процедуры обработки данных дистанционного зондирования Земли в целях идентификации агроэкологических групп земель с использованием дистанционных данных и полевых изысканий.The invention relates to the field of agriculture, namely to the use of a procedure for processing Earth remote sensing data for the purpose of identifying agroecological land groups using remote data and field surveys.

При характеристике разработанного технического решения будут использованы следующие термины:The following terms will be used to characterize the developed technical solution:

- с высокой степенью достоверности распознания. В рамках данной заявки этот термин означает итоговое распознание образов с точностью не менее 75%.- with a high degree of recognition reliability. In the context of this application, this term means the final recognition of images with an accuracy of at least 75%.

Известен (RU, патент 2660224, опубл. 05.07.2018) способ выявления и картирования структуры почвенного профиля методом съемки в инфракрасном диапазоне спектра, заключающийся в съемке почвенного профиля радиометром в инфракрасном диапазоне, где границы почвенных горизонтов определяют по перепаду значений радиояркостной температуры в зонах пограничных переходов, позволяющий получать автоматизированные количественные оценки почвенных морфоструктур и исключающий субъективный визуальный анализ, при этом съемку осуществляют в диапазоне от 7,5 до 13 мкм, с радиометрическим разрешением не хуже 0,1°С, пространственным разрешением не ниже 1×1 см, съемка проводится перпендикулярно стенке разреза с расстояния, равного 50-200 см, для последующего масштабирования изображения при съемке профиля устанавливают метки глубины через каждые 10 см, после процедуры съемки для исследуемого почвенного разреза формируют двумерный массив значений радиояркостных температур с шагом измерений, соответствующим разрешающей способности прибора съемки, этап анализа и построения схемы профиля проводят путем обработки двумерных массивов данных программными продуктами.A method is known (RU, patent 2660224, published 05.07.2018) for identifying and mapping the structure of a soil profile using the infrared survey method, which consists of surveying the soil profile with a radiometer in the infrared range, where the boundaries of soil horizons are determined by the difference in the values of the radio brightness temperature in the zones of boundary transitions, allowing for automated quantitative assessments of soil morphostructures and excluding subjective visual analysis, while the survey is carried out in the range from 7.5 to 13 μm, with a radiometric resolution of at least 0.1 ° C, a spatial resolution of at least 1 × 1 cm, the survey is carried out perpendicular to the section wall from a distance of 50-200 cm, for subsequent scaling of the image during profile survey, depth marks are installed every 10 cm, after the survey procedure, a two-dimensional array of radio brightness temperature values is formed for the studied soil section with a measurement step corresponding to the resolution of the survey device, The stage of analysis and construction of the profile diagram is carried out by processing two-dimensional data arrays using software products.

К недостаткам данного метода следует отнести низкую точность определения, обусловленную использованием фотосъемки.The disadvantages of this method include low accuracy of determination due to the use of photography.

Известен также (RU, патент 2105974, опубл. 17.02.1998) способ диагностики почвенного покрова по данным дистанционной информации, включающий проведение космической съемки, сбор тематических картографических материалов и проведение выборочных наземных исследований, при этом с целью повышения результативности дешифрирования проводят многозональную съемку в трех каналах видимой и ближней инфракрасной части спектра, полученные результаты обрабатывают методом кластерного анализа, на основании которого составляют карту спектральных классов и таблицу их статистик, средние яркости кластеров представляют в координатах разностей спектральных яркостей r (0,5-0,6) мкм-r (0,6 0,7) мкм и r(0,8 0,9) мкм-r (0,6 0,7) мкм и координатах r(0,5 0,6) мкм и r(0,6 0,7) мкм, по положению кластеров в указанных координатах выполняют интерпретацию почвенного покрова, используя тематические карты и данные наземных исследований.Also known (RU, patent 2105974, published 17.02.1998) is a method for diagnosing soil cover based on remote sensing data, including conducting space photography, collecting thematic cartographic materials and conducting selective ground-based studies, while in order to improve the efficiency of interpretation, multi-zone photography is carried out in three channels of the visible and near infrared part of the spectrum, the obtained results are processed by the cluster analysis method, on the basis of which a map of spectral classes and a table of their statistics are compiled, the average brightness of the clusters is presented in the coordinates of the differences in spectral brightness r (0.5-0.6) μm-r (0.6 0.7) μm and r (0.8 0.9) μm-r (0.6 0.7) μm and coordinates r (0.5 0.6) μm and r (0.6 0.7) μm, based on the position of the clusters in the specified coordinates, the soil cover is interpreted using thematic maps and data ground research.

К недостаткам известного способа следует отнести, по меньшей мере, применимость его только в условиях открытой поверхности и развитого растительного покрова.The disadvantages of the known method include, at the very least, its applicability only in conditions of open surfaces and developed vegetation cover.

Известен также (RU, патент 2308679, опубл. 20.03.2007) способ картографирования земель, включающий их космическую съемку, аэросъемку, оценку качества и классификацию их почв, расчет их стоимости. При этом на снимках земель обследуемой территории по фототону, структуре изображения, спектральной яркости визуально определяют ареалы почвенных разностей, выделяют их условными обозначениями, сканируют снимки земель и их топографическую основу, совмещают полученные отображения на экране компьютера по опознаваемым точкам в одно общее двухслойное отображение, объектизируют, генерализуют, векторизуют на нем границы земель с разными почвенными и геоморфологическими признаками, зафиксированными съемкой, при необходимости производят дополнительную аэросъемку обследуемых сложных участков земель непосредственно после схода снежного покрова и границы почвенных разностей уточняют наложением аэроснимков почвы на аэроснимки растительности, места несовпадения этих границ на двухслойном отображении уточняют полевыми почвенными работами, после чего разделяют земли на зоны по видам их оптимального использования, условными обозначениями указывают этот вид использования, границы, конфигурацию, площадь зон, тип, подтип, характеристики почв этих зон, при необходимости убирают ненужные зафиксированные съемкой и имеющиеся в используемой топографической основе объекты и детали, фиксируют полученное общее отображение в электронном носителе как базу свойств земель обследуемой территории, распечатывают на бумажном носителе в требуемом виде и масштабе как картограмму классификации земель обследуемой территории по их использованию и/или как карту зонирования (районирования) земель обследуемой территории по пригодности для использования в сельском хозяйстве.Also known (RU, patent 2308679, published 20.03.2007) is a method for mapping lands, including their space photography, aerial photography, assessment of the quality and classification of their soils, and calculation of their cost. In this case, the areas of soil differences are visually determined on the photographs of the lands of the surveyed territory by phototone, image structure, spectral brightness, they are highlighted with conventional symbols, the photographs of the lands and their topographic base are scanned, the resulting displays are combined on the computer screen by identifiable points into one common two-layer display, the boundaries of the lands with different soil and geomorphological features recorded by the survey are objectified, generalized, vectorized on it, if necessary, additional aerial photography of the surveyed complex areas of the lands is carried out immediately after the melting of the snow cover and the boundaries of the soil differences are clarified by superimposing aerial photographs of the soil on aerial photographs of the vegetation, the places of discrepancy between these boundaries on the two-layer display are clarified by field soil work, after which the lands are divided into zones according to the types of their optimal use, conventional symbols indicate this type of use, boundaries, configuration, area of the zones, type, subtype, characteristics of the soils of these zones, if necessary, unnecessary ones recorded by the survey and available in the used topographic basis of objects and details, record the obtained general display in an electronic medium as a database of the properties of the lands of the surveyed territory, print it on paper in the required form and scale as a cartogram of the classification of the lands of the surveyed territory according to their use and/or as a zoning map (zoning) of the lands of the surveyed territory according to their suitability for use in agriculture.

Недостатком известного способа следует признать его невысокую точность и техническую сложность.The disadvantage of the known method is its low accuracy and technical complexity.

Известен также (RU, патент 2327987, опубл. 27.06.2008) способ диагностики почвенного покрова по данным дистанционной информации, включающий проведение космической съемки, обработку полученных данных, сбор тематических картографических материалов и проведение выборочных наземных исследований; на основании полученных данных, тематических картографических материалов и данных наземных исследований корректируют почвенный покров, при этом дополнительно проводят космическую радиолокационную съемку в диапазонах длин волн 5,6 и 3,1 см, обрабатывают полученные данные и на основании полученных данных корректируют почвенный покров.Also known (RU, patent 2327987, published 27.06.2008) is a method for diagnosing soil cover based on remote sensing data, which includes conducting space photography, processing the data obtained, collecting thematic cartographic materials and conducting selective ground-based studies; based on the data obtained, thematic cartographic materials and ground-based studies, the soil cover is adjusted, while additionally conducting space radar photography in the wavelength ranges of 5.6 and 3.1 cm, processing the data obtained and, based on the data obtained, adjusting the soil cover.

Недостатком известного способа следует признать его длительность и малую информативность.The disadvantage of the known method is its duration and low information content.

Техническая проблема, на решение которой направлен предлагаемый способ, состоит в картировании территории в целях практического использования в сельском хозяйстве с выделением агроэкологических групп через получение стационарных во времени агроэкологических разностей, причем выделение осуществляют в среднем масштабе с использованием данных дистанционного зондирования и цифровых моделей рельефа.The technical problem that the proposed method is aimed at solving consists of mapping the territory for the purposes of practical use in agriculture with the allocation of agroecological groups through the receipt of stationary agroecological differences in time, and the allocation is carried out on a medium scale using remote sensing data and digital elevation models.

Технический результат, достигаемый при реализации разработанного способа, состоит в уточнении и ускорении работ по агроэкологическому и почвенному картированию для информационного обеспечения сельского хозяйства, а также возможности проведения ретроспективного анализа агроэкологических состояний сельскохозяйственных земель за период времени, не превышающий возможности мультиспектральной спутниковой съемки.The technical result achieved by implementing the developed method consists in refining and accelerating work on agroecological and soil mapping for information support of agriculture, as well as the possibility of conducting a retrospective analysis of the agroecological conditions of agricultural lands over a period of time not exceeding the capabilities of multispectral satellite imaging.

Для достижения указано технического результата предложено использовать разработанный способ идентификации агроэкологических групп с использованием дистанционной информации. Согласно разработанному способу проводят мультиспектральную спутниковую съемку среднего разрешения картируемой территории, со стороной пиксела 10-30м, создают цифровую модель рельефа территории с аналогичным разрешением, полученную информацию объединяют во временные ряды данных, причем временной ряд данных охватывает не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории, временных ряда должно быть не менее двух с общим периодом охватывающим не менее 10 лет, на основе цифровой модели рельефа с использованием двухмерного спектрального анализа рассчитывают дополнительные морфометрические характеристики рельефа, такие как кривизна, вогнутость, градиент, вогнутость, на наборы данных дистанционной информации и морфометрических характеристик рельефа накладывают маску сельскохозяйственных земель таким образом, чтобы в дальнейший анализ входили только сельскохозяйственные земли, подлежащие картированию, на подготовленных таким образом дистанционных данных производят процедуру выделения агроэкологических разностей и проверку их устойчивости, при выделении устойчивых агроэкологических разностей формируют пространство значимых факторов на основе дистанционных данных одного временного ряда, которые подвергают процедуре кластеризации, полученные кластеры агроэкологических разностей подвергают проверке на устойчивость с использованием дискриминантного анализа, определяют физический смысл полученных кластеров агроэкологических разностей с использованием агроэкологических и агрохимических описаний получаемых в ходе полевых обследований картируемой территории для чего формируют сеть точек полевых обследований таким образом, чтобы для каждого выделенного кластера было получено от 5 до 10 агроэкологических описаний, в каждой размеченной точке делают шурф на глубину не менее 150 см, проводят описания почвенных горизонтов, типа и характеристик почвы, отбор проб для агрохимического обследования, каждому полученному кластеру агроэкологических инвариант ставят в соответствие относительное плодородие, полученное как среднемноголетний индекс вегетации, положение в ландшафте, набор агроэкологических описаний и агрохимических характеристик, присваивают агроэкологическую группу в соответствии с принятой классификацией агроэкологических групп земель, проводят картографическое отображение полученных кластеров в виде элементарных почвенных контуров, определяют степень стационарности во времени полученных карт элементарных почвенных контуров, для чего проводят распознавание полученных почвенных разностей с использованием данных второго временного ряда, проводят построение карт агроэкологических свойств и почвенных характеристик, для чего проводят пространственную интерполяцию агроэкологических и агрохимических характеристик внутри каждого элементарного почвенного контура, сохраняя пространственную дифференциацию характеристик между полученными почвенными разностями.To achieve the specified technical result, it is proposed to use the developed method for identifying agroecological groups using remote information. According to the developed method, a medium-resolution multispectral satellite image of the mapped area is carried out, with a pixel side of 10-30 m, a digital terrain model of the area with a similar resolution is created, the obtained information is combined into time series of data, wherein the time series of data covers at least three years or at least the duration of the crop rotation cycle for the mapped area, there should be at least two time series with a total period covering at least 10 years, additional morphometric characteristics of the relief, such as curvature, concavity, gradient, concavity are calculated on the basis of the digital terrain model using two-dimensional spectral analysis, a mask of agricultural lands is imposed on the sets of remote information data and morphometric characteristics of the relief in such a way that only agricultural lands subject to mapping are included in further analysis, a procedure for identifying agroecological differences and checking their stability is carried out on the remote data prepared in this way, when identifying stable agroecological differences, a space of significant factors is formed on the basis of remote data of one time series, which subjected to the clustering procedure, the obtained clusters of agroecological differences are tested for stability using discriminant analysis, the physical meaning of the obtained clusters of agroecological differences is determined using agroecological and agrochemical descriptions obtained during field surveys of the mapped territory, for which a network of field survey points is formed in such a way that for each selected cluster 5 to 10 agroecological descriptions are obtained, at each marked point a pit is made to a depth of at least 150 cm, descriptions of soil horizons, soil type and characteristics are carried out, samples are taken for agrochemical examination, each obtained cluster of agroecological invariants is assigned a relative fertility obtained as an average long-term vegetation index, position in the landscape, a set of agroecological descriptions and agrochemical characteristics, an agroecological group is assigned in accordance with the adopted classification of agroecological land groups, a cartographic display of the obtained clusters is carried out in the form of elementary soil contours, determine the degree of stationarity in time of the obtained maps of elementary soil contours, for which they recognize the obtained soil differences using the data of the second time series, construct maps of agroecological properties and soil characteristics, for which they carry out spatial interpolation of agroecological and agrochemical characteristics within each elementary soil contour, preserving the spatial differentiation of characteristics between the obtained soil differences.

Решение технической задачи основано на том факте, что структура поглощенной солнечной радиации отражает состояние растительного покрова и, следовательно, условия его произрастания, в то время как морфометрические характеристики рельефа определяют гравитационный перенос вещества и перераспределение тепла и влаги на поверхности. Таким образом, возможно использование дистанционной спектральной информации совместно с цифровой моделью рельефа для описания условий произрастания для конкретной территории. Для проведения семантической интерпретации наблюдаемой по дистанционной информации спектральной картины, предлагается использование полевых агроэкологических описаний, в качестве обучающей выборки для распознания агроэкологических свойств и типов почв. Точки для проведения полевых описаний размещают таким образом, чтобы охватить все разнообразие агроэкологических свойств картографируемой территории,The solution to the technical problem is based on the fact that the structure of absorbed solar radiation reflects the state of the vegetation cover and, consequently, the conditions of its growth, while the morphometric characteristics of the relief determine the gravitational transfer of matter and the redistribution of heat and moisture on the surface. Thus, it is possible to use remote spectral information together with a digital elevation model to describe the growing conditions for a specific territory. To carry out a semantic interpretation of the spectral picture observed from remote information, it is proposed to use field agroecological descriptions as a training sample for recognizing agroecological properties and soil types. Points for conducting field descriptions are placed in such a way as to cover the entire diversity of agroecological properties of the mapped territory,

Условием достижения результата является исключение нестационарной части в наблюдаемых дистанционных данных, которое возникает вследствие применения севооборотов и различных агротехнологий, а также связано с различными стадиями вегетации растительного покрова и климатическими условиями конкретного года и сезона.The condition for achieving the result is the exclusion of the non-stationary part in the observed remote data, which arises as a result of the use of crop rotations and various agricultural technologies, and is also associated with different stages of vegetation of the plant cover and climatic conditions of a particular year and season.

Способ подразумевает использование мультиспектральной дистанционной спутниковой информации среднего разрешения, со стороной пиксела 10-30 м и цифровой модели рельефа с аналогичным разрешением. Такое разрешение данных обуславливается необходимостью достаточно подробного анализа территории для нужд сельского хозяйства, с одной стороны, и необходимостью исключения избыточного варьирования отражательной способности поверхности, присущее данным более высокого разрешения, с другой.The method involves the use of medium-resolution multispectral remote sensing satellite information with a pixel side of 10-30 m and a digital elevation model with a similar resolution. Such data resolution is due to the need for a sufficiently detailed analysis of the territory for agricultural needs, on the one hand, and the need to eliminate excessive variation in surface reflectivity inherent in higher-resolution data, on the other.

Для решения технической задачи сначала необходимо осуществить подготовку дистанционных данных и морфометрических характеристик рельефа.To solve the technical problem, it is first necessary to prepare remote sensing data and morphometric characteristics of the relief.

Данные дистанционного зондирования объединяют во временные ряды. Временной ряд данных должен охватывать не менее трех лет или не менее продолжительности цикла севооборота для картируемой территории. Количество сцен дистанционной информации в одном временном ряде должно быть не менее 10, количество спектральных каналов не менее 6 и общий диапазон сьемки не менее 0,4-2.3 мкм. Снимками должна быть равномерно охвачена вся продолжительность вегетационного периода с учетом применяемых агротехнологий. Для выделения устойчивых во времени агроэкологических групп и почвенных разностей должно быть подготовлено не менее двух таких временных рядов, охватывающих период не менее 10 лет.Remote sensing data are combined into time series. The time series of data should cover at least three years or at least the duration of the crop rotation cycle for the mapped area. The number of remote sensing scenes in one time series should be at least 10, the number of spectral channels at least 6, and the total shooting range at least 0.4-2.3 μm. The images should uniformly cover the entire duration of the vegetation period, taking into account the applied agricultural technologies. To identify stable agroecological groups and soil differences over time, at least two such time series should be prepared, covering a period of at least 10 years.

Морфометрические характеристики рельефа рассчитывают на основе цифровой модели рельефа с разрешением не менее 30 м в 1 пикселе. С использованием двухмерного спектрального анализа рассчитывают фрактальную размерность рельефа и определяют изменения данной размерности в зависимости от величин и форм рельефа. Используя обратное спектральное преобразование, создают цифровые модели для дополнительных морфометрических характеристик рельефа, а именно кривизны, вогнутости и градиента рельефа. Расчет иерархических уровней морфометрических характеристик рельефа проводится в соответствии с методиками описанными в работе Пузаченко Ю.Г., Онуфреня И.А., Алещенко Г.М. «Спектральный анализ иерархической организации рельефа».Morphometric characteristics of the relief are calculated based on a digital relief model with a resolution of at least 30 m in 1 pixel. Using two-dimensional spectral analysis, the fractal dimension of the relief is calculated and changes in this dimension are determined depending on the values and forms of the relief. Using the inverse spectral transformation, digital models are created for additional morphometric characteristics of the relief, namely, curvature, concavity and gradient of the relief. The calculation of hierarchical levels of morphometric characteristics of the relief is carried out in accordance with the methods described in the work of Puzachenko Yu.G., Onufrenya I.A., Aleshchenko G.M. "Spectral analysis of the hierarchical organization of the relief".

Последняя часть подготовки данных - наложение маски сельскохозяйственных земель на наборы данных дистанционной спектральной информации и морфометрических характеристик рельефа. Маску накладывают таким образом, чтобы в анализ входили только сельскохозяйственные земли, подлежащие картированию, и были исключены земли иных типов (например земли населенных пунктов, дорог, речной сети и прочее).The final part of data preparation is the imposition of a mask of agricultural lands on the data sets of remote spectral information and morphometric characteristics of the relief. The mask is imposed in such a way that only agricultural lands subject to mapping are included in the analysis, and lands of other types (for example, lands of settlements, roads, river networks, etc.) are excluded.

На подготовленных таким образом дистанционных данных, производят процедуру выделения агроэкологических разностей и проверку их устойчивости. Физический смысл полученных разностей определяют использованием данных, получаемых из полевых агроэкологических описаний.On the remote data prepared in this way, a procedure for identifying agroecological differences and checking their stability is carried out. The physical meaning of the differences obtained is determined using data obtained from field agroecological descriptions.

При выделении агроэкологических разностей последовательно решают следующие частные задачи:When identifying agroecological differences, the following specific tasks are solved sequentially:

1) Выделение пространственных стационарных кластеров (агроэкологических инвариант).1) Identification of spatial stationary clusters (agroecological invariants).

Задачу выделения стационарных кластеров в наборах исходных данных мультиспектральной спутниковой съемки решают применением иерархического факторного анализа, проводя поэтапные процедуры сокращения размерности. Сначала проводят построение факторного пространства, для чего проводят поэтапное обобщение факторов - сначала обобщают данные, описывающие каждую конкретную сцену во временном ряде дистанционной спектральной информации, далее полученные обобщенные факторы для индивидуальных сцен обобщают в рамках одного года, после этого факторы, обобщающие каждый отдельный год, обобщают для всего рассматриваемого периода. Дополнительно в состав факторов входят полученные ранее морфометрические характеристики рельефа.The task of identifying stationary clusters in sets of initial data of multispectral satellite photography is solved by using hierarchical factor analysis, carrying out step-by-step procedures of dimensionality reduction. First, a factor space is constructed, for which a step-by-step generalization of factors is carried out - first, the data describing each specific scene in the time series of remote spectral information are generalized, then the obtained generalized factors for individual scenes are generalized within one year, after which the factors generalizing each individual year are generalized for the entire period under consideration. Additionally, the factors include previously obtained morphometric characteristics of the relief.

Для отбора значащих факторов для каждой факторной группы строят ранговое распределение с учетом таблицы коэффициентов факторных нагрузок. Факторы, собственные числа которых оказываются ниже модельных, а также имеют значения меньше единицы, считаются незначимыми и не входят в анализ при следующих стадиях факторной интеграции.To select significant factors for each factor group, a rank distribution is constructed taking into account the table of factor loading coefficients. Factors whose eigenvalues are lower than the model ones, and also have values less than one, are considered insignificant and are not included in the analysis at the following stages of factor integration.

Факторы, признанные значимыми, рассматривают как пространство факторов, описывающих агроэкологические характеристики территории, и которые далее подвергаются факторному анализу для определения пространственной изменчивости данных характеристик. Для того чтобы выделить факторы, соответствующие инвариантным во времени (постоянным) характеристикам территории, в данном техническом решении рассчитывают две группы факторов: по одной группе для каждого временного ряда дистанционной информации.Factors recognized as significant are considered as a space of factors describing the agroecological characteristics of the territory, which are then subjected to factor analysis to determine the spatial variability of these characteristics. In order to identify factors corresponding to time-invariant (constant) characteristics of the territory, two groups of factors are calculated in this technical solution: one group for each time series of remote information.

Полученное таким образом пространство факторов подвергают процедуре кластеризации путем пошагового дихотомического итеративного метода к-средних; метод заключается в последовательном разбиении территории на классы по основанию два. На каждой итерации кластеризации количество классов увеличивается вдвое, а каждая пара полученных классов территориально наследует характеристики класса из предыдущей итерации. Процедуру кластеризации (разбиения на классы) останавливают либо экспертно, когда количество полученных классов (кластеров) соответствует агроэкологическим представлениям о дробности агроэкологических характеристик исследуемой территории, либо при получении итераций классификации, обладающих максимальной энтропией относительно частоты встречаемости кластеров, т.е. при максимизации значения - где х(р) - вероятность появления класса Xi получаемая как частота его встречаемости на рассматриваемой территории.The factor space obtained in this way is subjected to a clustering procedure using a step-by-step dichotomous iterative k-means method; the method consists of sequentially dividing the territory into classes based on two. At each clustering iteration, the number of classes is doubled, and each pair of obtained classes territorially inherits the characteristics of the class from the previous iteration. The clustering procedure (division into classes) is stopped either by experts, when the number of obtained classes (clusters) corresponds to agroecological ideas about the granularity of agroecological characteristics of the studied territory, or when obtaining classification iterations that have maximum entropy relative to the frequency of occurrence of clusters, i.e. when maximizing the value - where x(p) is the probability of occurrence of class Xi obtained as the frequency of its occurrence in the territory under consideration.

Далее полученные кластеры подвергают проверке их устойчивости с использованием дискриминантного анализа, используя классы как обучающую выборку, а дистанционную спектральную информацию и цифровую модель рельефа как предиктор. Таким образом каждой пространственной ячейке сопоставляется ее однозначность выделения относительно проведенной кластеризации: ячейки, обладающие однозначной принадлежностью к какому-либо классу, в дальнейшем рассматриваются как устойчивые, а ячейки с размытой принадлежностью - как неустойчивые. При этом устойчивые факторы трактуются как факторы, связанные с условно-постоянными характеристиками исследуемой территории, такими как агро-ландшафтные и почвенные характеристики. Неустойчивые факторы трактуются как факторы, связанные с переменными и циклично-переменными характеристиками, такие как растительный покров, его фаза, сезонные и климатические характеристики, применяемые агротехнологий и т.д. Дальнейшему анализу подвергаются только кластеры устойчивых факторов, или агроэкологические инварианты, для определения агро-ландшафтных и почвенных характеристик.The obtained clusters are then tested for stability using discriminant analysis, using classes as a training sample, and remote spectral information and digital elevation model as a predictor. In this way, each spatial cell is compared with its uniqueness of allocation relative to the clustering performed: cells with unambiguous belonging to a class are further considered stable, and cells with blurred belonging are considered unstable. In this case, stable factors are interpreted as factors associated with conditionally constant characteristics of the study area, such as agro-landscape and soil characteristics. Unstable factors are interpreted as factors associated with variable and cyclically variable characteristics, such as vegetation cover, its phase, seasonal and climatic characteristics, applied agricultural technologies, etc. Only clusters of stable factors, or agroecological invariants, are subjected to further analysis to determine agro-landscape and soil characteristics.

2) Определение физического смысла полученных кластеров (агроэкологических инвариант). Выделение агроэкологических свойств элементарных почвенных контуров.2) Determination of the physical meaning of the obtained clusters (agroecological invariants). Identification of agroecological properties of elementary soil contours.

Чтобы выявить связи между кластерами (агроэкологическими инвариантами), полученными на предыдущем шаге, и агроэкологическими характеристиками почв, используют процедуры машинного обучения, используя набор агроэкологических почвенных описаний в качестве обучающей выборки.To identify the links between the clusters (agroecological invariants) obtained in the previous step and the agroecological characteristics of soils, machine learning procedures are used, using a set of agroecological soil descriptions as a training set.

Для получения набора данных полевых агроэкологических описаний планируют сеть размещения полевых наблюдений. Для достижения статистической достоверности семантической интерпретации полученных кластеров, необходимо проведение от 5 до 10 описаний агроэкологических характеристик почв для каждого выделенного кластера (агроэкологической инварианты). Набор описаний в каждой точке полевых наблюдений должен содержать пробы для идентификации исследуемых почвенных свойств взятые по профилю на глубину не менее 150 см и почвенное описание на таком же профиле позволяющее идентифицировать агроэкологические группы и типы почв. Для этого в каждой размеченной точке делается шурф глубиной не менее 150 см, проводятся описания почвенных горизонтов в шурфе, цвета почв по колориметрической системе Манселла с шагом 10 см, выделение типа почв, определение гранулометрического состава почвы и иных требуемых агроэкологических характеристик, а также производится отбор проб для последующего лабораторного агрохимического анализа почв. Точное положение проведения почвенных агроэкологических описаний фиксируют с использованием средств GPS/Glonass.To obtain a data set of field agroecological descriptions, a field observation network is planned. To achieve statistical reliability of the semantic interpretation of the obtained clusters, it is necessary to conduct 5 to 10 descriptions of the agroecological characteristics of soils for each selected cluster (agroecological invariant). The set of descriptions at each point of field observations should contain samples for identifying the studied soil properties taken along the profile to a depth of at least 150 cm and a soil description on the same profile that allows identifying agroecological groups and soil types. For this purpose, a pit of at least 150 cm deep is made at each marked point, descriptions of soil horizons in the pit, soil colors according to the Munsell colorimetric system with a step of 10 cm, soil type selection, determination of soil granulometric composition and other required agroecological characteristics are carried out, and samples are taken for subsequent laboratory agrochemical analysis of soils. The exact location of the soil agroecological descriptions is recorded using GPS/Glonass.

Для решения задачи поиска связи между картируемыми агроэкологическими характеристиками почв и полученными кластерами (агроэкологическими инвариантами) используют метод дискриминантного анализа, при котором данные полевых агроэкологических описаний почв используются как обучающая выборка в пространстве полученных агроэкологических инвариант. Полученным кластерам ставят в соответствие временные ряды значений индексов вегетации и их производных, полученных из дистанционной информации, которые характеризуют фотосинтетическую активность поверхности, а именно нормализованный относительный вегетационный индекс NDVI и близкие по смыслу индексы, использующие феномен красного угла в спектре отраженной солнечной радиации, с одной стороны, и соответствующие полевые агроэкологические описания, с другой. По итогам анализа для каждого стационарного кластера определяется набор присущих ему агроэкологических описаний, содержащих почвенные характеристики, и среднемноголетние значения вегетационных индексов, таким образом формируются карты элементарных почвенных контуров с пространственно-инвариантными агроэкологическими характеристиками.To solve the problem of finding a connection between the mapped agroecological characteristics of soils and the obtained clusters (agroecological invariants), the discriminant analysis method is used, in which the data of field agroecological descriptions of soils are used as a training sample in the space of the obtained agroecological invariants. The obtained clusters are matched with time series of values of vegetation indices and their derivatives obtained from remote information, which characterize the photosynthetic activity of the surface, namely the normalized relative vegetation index NDVI and similar indices using the phenomenon of the red angle in the spectrum of reflected solar radiation, on the one hand, and the corresponding field agroecological descriptions, on the other. Based on the analysis results, a set of agroecological descriptions inherent to each stationary cluster is determined, containing soil characteristics and average long-term values of vegetation indices, thus forming maps of elementary soil contours with spatially invariant agroecological characteristics.

Далее, в целях проведения идентификации принадлежности полученных кластеров агроэкологических инвариант к агроэкологическим группам земель, осуществляют их ранжирование по относительному плодородию и положению в ландшафте. Для этого сначала проводится бонтировка кластеров по относительному плодородию. Относительное плодородие кластеров определяется как их положение в ряду среднемноголетних значений вегетационных индексов таким образом, что класс с максимальным значением среднемноголетних вегетационных индексов рассматривается как наиболее продуктивный, а класс с минимальным значением вегетационных индексов - как наименее продуктивный. Помимо этого, учитываются характеристики и структура почвенного покрова присущие данному кластеру и его положение в рельефе, которое характеризует условия произрастания на данной территории и тепло- и влагоперенос. Исходя из относительного плодородия, почвенных характеристик и положения в рельефе каждому из полученных кластеров агроэкологических инвариант присваивается агроэкологическая группа в соответствии с общей классификацией агроэкологических групп и типов земель. Используется классификация, принятая в «Агроэкологической оценке земель, проектирование адаптивно-ландшафтных систем земледелия и агротехнологий» (методическое руководство под ред. ак. В.И. Кирюшина и ак. А.Л. Иванова, 2005 г). Таким образом определяется агрономическая семантика полученных устойчивых кластеров и строятся их картографические отображения с присущими каждому кластеру почвенными характеристиками или элементарные почвенные контура.Further, in order to identify the belonging of the obtained clusters of agroecological invariants to agroecological groups of lands, they are ranked by relative fertility and position in the landscape. For this purpose, the clusters are first categorized by relative fertility. The relative fertility of clusters is defined as their position in a series of average long-term values of vegetation indices in such a way that the class with the maximum value of average long-term vegetation indices is considered the most productive, and the class with the minimum value of vegetation indices is considered the least productive. In addition, the characteristics and structure of the soil cover inherent in this cluster and its position in the relief, which characterizes the growing conditions in this territory and heat and moisture transfer, are taken into account. Based on the relative fertility, soil characteristics and position in the relief, each of the obtained clusters of agroecological invariants is assigned an agroecological group in accordance with the general classification of agroecological groups and land types. The classification adopted in the "Agroecological assessment of lands, design of adaptive-landscape farming systems and agricultural technologies" (methodological guide edited by academician V.I. Kiryushin and academician A.L. Ivanov, 2005) is used. In this way, the agronomic semantics of the obtained stable clusters is determined and their cartographic displays with soil characteristics inherent to each cluster or elementary soil contours are constructed.

3) Определение степени стационарности (временной устойчивости) полученных карт элементарных почвенных контуров и выделение почвенных разностей.3) Determination of the degree of stationarity (temporal stability) of the obtained maps of elementary soil contours and identification of soil differences.

Определение степени стационарности полученных картографических отображений агроэкологических характеристик почв также производится с использованием дискриминантного анализа. Для этого используется второй ряд подготовленной дистанционной информации, охватывающий период, отстоящий от первого на 3-5 лет.The determination of the degree of stationarity of the obtained cartographic representations of the agroecological characteristics of soils is also carried out using discriminant analysis. For this purpose, the second row of prepared remote information is used, covering a period separated from the first by 3-5 years.

Процедура выявления стационарности состоит в распознании полученных почвенных контуров с присущими им агроэкологическими характеристиками с использованием интегральных факторов второго временного ряда дистанционной спектральной информации. Результатом этой проверки является идентификация стационарности (устойчивости во времени) выделенных агроэкологических инвариант на длительном отрезке времени (в данном решении охват данных для двух временных рядов дистанционной информации составляет не менее 10 лет).The procedure for identifying stationarity consists of recognizing the obtained soil contours with their inherent agroecological characteristics using integral factors of the second time series of remote spectral information. The result of this check is the identification of stationarity (stability in time) of the identified agroecological invariants over a long period of time (in this solution, the data coverage for two time series of remote information is at least 10 years).

Для изучения результатов дискриминантного анализа используют таблицу спутанности, которая отражает переходы агроэкологических классов (устойчивых агроэкологических кластеров) друг в друга, которые произошли по результатам анализа двух временных рядов. Пример таблицы спутанности, построенной на примере сопоставления двух временных рядов агроэкологических инвариант, охватывающих период в 10 лет, приведен на фиг. 1. По диагонали таблицы находятся «точные попадания» классов самих в себя. По переходам одного класса в другие можно установить, насколько достоверно изначально был задан класс, а также каковы типичные для него переходы в другие состояния. Переход в соседний класс, как правило, обусловлен изменением почвенно-ландшафтных характеристик и условий произрастания, произошедшим за период обследования в силу естественных изменений (например развитие эрозионных процессов) или изменений условий хозяйствования.To study the results of discriminant analysis, a confusion table is used, which reflects the transitions of agroecological classes (stable agroecological clusters) into each other, which occurred based on the results of the analysis of two time series. An example of a confusion table, constructed based on the example of comparing two time series of agroecological invariants covering a period of 10 years, is shown in Fig. 1. The diagonal of the table contains the "exact hits" of the classes into themselves. Based on the transitions of one class into others, it is possible to establish how reliably the class was initially specified, as well as what are its typical transitions to other states. The transition to a neighboring class, as a rule, is due to a change in the soil-landscape characteristics and growing conditions that occurred during the survey period due to natural changes (for example, the development of erosion processes) or changes in economic conditions.

В качестве итогового размещения агроэкологических классов принимают результат данного дискриминантного анализа, т.е. предсказание пространственного размещения устойчивах агроэкологических классов с использованием результатов этапа один (выделение пространственных агроэкологических инвариант на основе анализа первого временного ряда) в качестве обучающей выборки.The final placement of agroecological classes is taken as the result of this discriminant analysis, i.e. the prediction of the spatial placement of stable agroecological classes using the results of stage one (the selection of spatial agroecological invariants based on the analysis of the first time series) as a training sample.

Данные выделенные устойчивые агроэкологические классы принимаются за почвенные разности - элементарные почвенные контура, внутри которых агроэкологические характеристики почв считаются одинаковыми.These identified stable agroecological classes are taken as soil differences - elementary soil contours, within which the agroecological characteristics of soils are considered to be the same.

4) Построение карт агроэкологических свойств и почвенных характеристик.4) Construction of maps of agroecological properties and soil characteristics.

На основе результатов этапов 2 и 3, строят картографические отображения (пространственные интерполяции) необходимых агроэкологических свойств и почвенных характеристик, сохраняя пространственную дифференциацию агроэкологических характеристик между выделенными почвенными разностями (элементарными почвенными контурами). Результатом является набор карт агроэкологических характеристик почв с детализацией 10-3 Ом и выделенными контурами почвенных разностей. Набор картируемых почвенных характеристик определяется набором данных, полученных из полевых агроэкологических описаний этапа 2.Based on the results of stages 2 and 3, cartographic displays (spatial interpolations) of the required agroecological properties and soil characteristics are constructed, preserving the spatial differentiation of agroecological characteristics between the identified soil differences (elementary soil contours). The result is a set of maps of agroecological characteristics of soils with a detailing of 10-3 Ohm and identified contours of soil differences. The set of mapped soil characteristics is determined by the set of data obtained from the field agroecological descriptions of stage 2.

Наиболее информативными и широко используемыми для решения сельскохозяйственных задач являются следующие наборы картографических данных:The most informative and widely used for solving agricultural problems are the following sets of cartographic data:

1. Группы структур почвенного покрова;1. Groups of soil cover structures;

2. Типы почв;2. Soil types;

3. Гранулометрический состав почв;3. Granulometric composition of soils;

4. Картограмма эрозионных земель;4. Cartogram of eroded lands;

5. Содержание в почве гумуса;5. Humus content in the soil;

6. Содержание в почве подвижного фосфора;6. Content of mobile phosphorus in the soil;

7. Содержание в почве обменного калия;7. Content of exchangeable potassium in the soil;

8. Содержание в почве нитратного азота;8. Content of nitrate nitrogen in the soil;

9. Содержание в почве серы;9. Sulfur content in the soil;

10. Уровень кислотности почв;10. Soil acidity level;

11. Уровень гидролитической кислотности почв;11. Level of hydrolytic acidity of soils;

12. Степень засоленности почв;12. Degree of soil salinity;

13. Агроэкологические группы и виды земель.13. Agroecological groups and types of land.

Полученные экстраполированные агроэкологические характеристики записываются в слои ГИС с разрешением, соответствующим исходной спутниковой информации, и векторизуются с необходимой детальностью, но не больше одной поворотной точки на 10 м.The obtained extrapolated agroecological characteristics are recorded in GIS layers with a resolution corresponding to the original satellite information and are vectorized with the required detail, but not more than one turning point per 10 m.

Сущность разработанного способа в дальнейшем будет показана с использованием примера реализации.The essence of the developed method will be shown below using an implementation example.

Данная работа проводилась для 107 полей общей площадью 10042 га на территории Белгородской области. Для данных полей были сформированы временные ряды мультиспектральных данных дистанционного зондирования с 30-метровым разрешением за период с 2012 по 2022 год. Также была построена цифровая модель рельефа с аналогичным разрешением, были рассчитаны дополнительные иерархические уровни рельефа и их морфометрические характеристики (градиент, кривизна, вогнутость). На основе указанных данных было сформировано общее пространство значимых факторов с применением методики пункта 1. «Выделение пространственных стационарных кластеров (агроэкологических инвариант)» описания методики и выделены агроэкологические инварианты. Всего для территории обследования были выделены 8 агроэкологических инвариант и определены контура зон однородностей агроэкологических характеристик.This work was carried out for 107 fields with a total area of 10,042 hectares in the Belgorod region. For these fields, time series of multispectral remote sensing data with a 30-meter resolution for the period from 2012 to 2022 were formed. A digital elevation model with a similar resolution was also built, additional hierarchical relief levels and their morphometric characteristics (gradient, curvature, concavity) were calculated. Based on these data, a common space of significant factors was formed using the methodology of paragraph 1. "Isolation of spatial stationary clusters (agroecological invariants)" of the description of the methodology and agroecological invariants were identified. In total, 8 agroecological invariants were identified for the survey territory and the contours of the zones of homogeneity of agroecological characteristics were determined.

Далее для определения агроэкологического смысла полученных агроэкологических инвариант была проведена серия полевых агроэкологических обследований. Точки для проведения обследования были размещены экспертным образом на основе полученной карты агроэкологических инвариант таким образом, чтобы в каждый контур, ограничивающий зоны однородности характеристик, попало не менее 5 точек проведения полевых обследований. Схема проведения полевых описаний приведена на фиг. 2.Next, to determine the agroecological meaning of the obtained agroecological invariants, a series of field agroecological surveys were conducted. The points for conducting the survey were placed in an expert manner based on the obtained map of agroecological invariants in such a way that at least 5 points for conducting field surveys fell into each contour limiting the zones of homogeneity of characteristics. The scheme for conducting field descriptions is shown in Fig. 2.

Всего было заложено 160 точек для проведения почвенных агроэкологических описаний и 635 точек для отбора образцов для агрохимического лабораторного исследования. Данные полевых описаний были разбиты на две группы: первая группа данных была использована в качестве обучающей выборки для семантической привязки агроэкологических инвариант; вторая группа данных была использована для валидации итогов интерполяции почвенных характеристик.A total of 160 points were set for conducting soil agroecological descriptions and 635 points for sampling for agrochemical laboratory research. The field description data were divided into two groups: the first group of data was used as a training sample for semantic binding of agroecological invariants; the second group of data was used to validate the results of interpolation of soil characteristics.

Полевые описания были выполнены по методике, приведенной в п. 2. «Определение физического смысла полученных кластеров (агроэкологических инвариант). Выделение агроэкологических свойств элементарных почвенных контуров» описания методики. В каждой точке были сделаны шурфы на глубину от 150 до 200 см, по профилю было проведено агроэкологическое описание почвенных горизонтов, включающее определение типов почв, структуры почвенного покрова, гранулометрический состав, цвет и прочие характеристики почв. Отбор образцов для агрохимического обследования проводился конвертным методом со стороной квадрата 150 м. В данном примере определялись следующие агрохимические характеристики: гранулометрический состав, содержание гумуса, содержание обменного калия, содержание подвижного фосфора, содержание нитратного азота, содержание серы, уровень кислотности почв и уровень гидролитической кислотности почв.Field descriptions were performed according to the methodology given in paragraph 2. "Determination of the physical meaning of the obtained clusters (agroecological invariants). Identification of agroecological properties of elementary soil contours" of the description of the methodology. At each point, pits were made to a depth of 150 to 200 cm, an agroecological description of soil horizons was carried out along the profile, including determination of soil types, soil cover structure, particle size distribution, color and other soil characteristics. Samples for agrochemical examination were selected using the envelope method with a square side of 150 m. In this example, the following agrochemical characteristics were determined: particle size distribution, humus content, exchangeable potassium content, mobile phosphorus content, nitrate nitrogen content, sulfur content, soil acidity level and soil hydrolytic acidity level.

Агрохимические описания были получены с помощью проведения лабораторных анализов почв и приведены к качественным дискретным показателям в соответствии с агрохимическими классификаторами. Содержание в почве подвижного фосфора и обменного калия было классифицировано в соответствии с классификацией Чирикова.Agrochemical descriptions were obtained by conducting laboratory soil analyses and reduced to qualitative discrete indicators in accordance with agrochemical classifiers. The content of mobile phosphorus and exchangeable potassium in the soil was classified in accordance with the Chirikov classification.

Далее, каждому выделенному контуру однородных агроэкологических характеристик были поставлены в соответствие среднемноголетние значения индексов вегетации NDVI, морфометрические характеристики рельефа и соответствующие агроэкологические описания и агрохимические характеристики почв. Для перехода от дискретных значений почвенных характеристик к непрерывному пространственному отображению была проведена интерполяция методом опорных векторов, при этом агроэкологические инварианты и морфометрические характеристики рельефа использовались в качестве предикторов, а дискретные агрохимические характеристики в качестве обучающей выборки. В результате для каждого контура однородных агроэкологических характеристик были определены агроэкологический тип земель, полученный исходя из относительного плодородия и положению в ландшафте в соответствии с классификацией агроэкологических типов земель, а также присущей ему набор почвенных характеристик. Таким образом у каждой из выделенных для территории обследования 8 агроэкологических групп земель появился набор продукционных, агрохимических и морфометрических характеристик, позволяющих проводить количественные и качественные оценки, требуемые для решения сельскохозяйственных задач.Next, each selected contour of homogeneous agroecological characteristics was assigned the average long-term values of NDVI vegetation indices, morphometric characteristics of the relief and the corresponding agroecological descriptions and agrochemical characteristics of the soils. To move from discrete values of soil characteristics to continuous spatial mapping, interpolation was performed using the support vector machine method, with agroecological invariants and morphometric characteristics of the relief used as predictors, and discrete agrochemical characteristics as a training sample. As a result, for each contour of homogeneous agroecological characteristics, an agroecological land type was determined, obtained on the basis of relative fertility and position in the landscape in accordance with the classification of agroecological land types, as well as a set of soil characteristics inherent to it. Thus, each of the 8 agroecological land groups allocated for the survey area acquired a set of production, agrochemical and morphometric characteristics that make it possible to carry out quantitative and qualitative assessments required to solve agricultural problems.

Далее, используя полученные данные пространственного распределения агроэкологических и агрохимических характеристик, были построены картографические отображения данного распределения, то есть набор карт почвенных характеристик для территории обследования, которые были преобразованы в слои ГИС для дальнейшего использования. В данной работе были получены следующие слои ГИС:Next, using the obtained data on the spatial distribution of agroecological and agrochemical characteristics, cartographic displays of this distribution were constructed, i.e. a set of maps of soil characteristics for the survey area, which were converted into GIS layers for further use. In this work, the following GIS layers were obtained:

Карты типов почв (фиг. 3)Soil type maps (Fig. 3)

Карта гранулометрического состава почвы (фиг. 4)Map of soil granulometric composition (Fig. 4)

Карта степени эрозии (фиг. 5)Erosion degree map (Fig. 5)

Карта содержания гумуса (фиг. 6)Humus content map (Fig. 6)

Карта содержания обменного калия (фиг. 7)Map of exchangeable potassium content (Fig. 7)

Карта содержания подвижного фосфора (фиг. 8)Map of the content of mobile phosphorus (Fig. 8)

Карта содержания нитратного азота (фиг. 9)Nitrate nitrogen content map (Fig. 9)

Карта содержания серы (фиг. 10)Sulfur content map (Fig. 10)

Карта уровня кислотности почв (фиг. 11)Map of soil acidity levels (Fig. 11)

Карта агроэкологических типов земель (фиг. 12).Map of agroecological land types (Fig. 12).

Далее была проведена кросс-валидациия с проверочной выборкой полевых агроэкологических описаний. По итогам проверки точность составила не менее 80% для всех исследуемых характеристик.Next, cross-validation was carried out with a verification sample of field agroecological descriptions. According to the results of the verification, the accuracy was at least 80% for all the studied characteristics.

Claims

1. A method for identifying agroecological groups using remote sensing information, characterized by the fact that multispectral satellite photography of medium resolution of the mapped territory is carried out, with a pixel side of 10-30 m, a digital terrain model of the territory is created with a similar resolution, the obtained information is combined into time series of data, wherein the time series of data covers at least three years or at least the duration of the crop rotation cycle for the mapped territory, morphometric characteristics of the terrain are calculated based on the digital terrain model with a resolution of at least 30 m in 1 pixel, using two-dimensional spectral analysis, the fractal dimension of the terrain is calculated and changes in this dimension are determined depending on the values and forms of the terrain, using the inverse spectral transform, digital models are created for additional morphometric characteristics of the terrain, a mask of agricultural lands is imposed on the sets of remote sensing information and morphometric characteristics of the terrain, and the mask is imposed in such a way that only agricultural lands subject to mapping are included in the analysis on the remote sensing data prepared in this way data, a procedure for identifying agroecological differences and checking their stability is carried out, while the physical meaning of the obtained differences is determined using the data of field agroecological descriptions, when identifying agroecological differences, spatial stationary clusters are sequentially identified, the physical meaning of the obtained clusters is determined with the identification of agroecological properties of elementary soil contours, the degree of stationarity of the obtained maps of elementary soil contours is determined, soil differences are identified and maps of agroecological properties and soil characteristics are constructed, and the problem of identifying stationary clusters in sets of initial data from multispectral satellite imaging is solved using hierarchical factor analysis, carrying out step-by-step procedures for reducing dimensionality, to identify the relationship between clusters and agroecological characteristics of soils, machine learning procedures are used, using a set of field agroecological descriptions as a training sample, and to obtain a set of data of field agroecological descriptions, a network of field observations is planned, while in order to achieve statistical reliability of the semantic interpretation of the obtained clusters, 5 up to 10 descriptions of agroecological characteristics of soils for each selected cluster, determine the degree of stationarity of the obtained maps of elementary soil contours and identify soil differences by using discriminant analysis of the second row of prepared remote information, covering a period 3-5 years apart from the first.

2. A method for identifying agroecological groups using remote information according to paragraph 1, characterized in that the curvature, concavity, and gradient of the relief are used as additional morphometric characteristics of the relief.

3. A method for identifying agroecological groups using remote information according to paragraph 1, characterized in that in order to identify the relationship between clusters and agroecological characteristics of soils, a set of field agroecological descriptions is used at each marked point, containing samples for identifying the studied soil properties taken from a pit along a profile to a depth of at least 150 cm, and a soil description on the same profile, allowing for the identification of agroecological groups and soil types.

4. A method for identifying agroecological groups using remote information according to paragraph 3, characterized in that in order to identify the connection at each marked point, a pit of at least 150 cm deep is made, descriptions of the soil horizons in the pit are made, and the color of the soils according to the Munsell colorimetric system are made in 10 cm increments.

5. A method for identifying agroecological groups using remote information according to paragraph 1, characterized in that when conducting field agroecological descriptions, the following agrochemical characteristics are determined: granulometric composition, humus content, exchangeable potassium content, mobile phosphorus content, nitrate nitrogen content, sulfur content, soil acidity level, and soil hydrolytic acidity level.