Картографирование физических свойств верхнего слоя почвы в европейском масштабе с использованием базы данных LUCAS

Статистическое обследование структуры землепользования и земного покрова (Land Use and Cover Area frame Statistical survey, LUCAS) было направлено на сбор гармонизированных данных о состоянии землепользования и земного покрова на территории Европейского союза (ЕС). Среди 2 × 10^5 наблюдений землепользования и земного покрова, отобранных для валидации, примерно на 10% участков было проведено обследование верхнего слоя почвы. Места отбора образцов верхнего слоя почвы выбирали так, чтобы они были репрезентативны для европейского ландшафта, с использованием стратифицированной случайной выборки по латинскому гиперкубу с учетом данных CORINE Land Cover 2000, цифровой модели рельефа (ЦМР) Shuttle Radar Topography Mission (SRTM), а также производных от нее показателей уклона, экспозиции и кривизны. В настоящем исследовании рассматривается, как база данных LUCAS по верхнему слою почвы может использоваться для картографирования свойств почвы в континентальном масштабе на территории Европы. Несколько свойств почвы прогнозировали с помощью гибридных подходов, таких как регрессионный кригинг. В статье описывается прогнозирование гранулометрического состава верхнего слоя почвы и связанных с ним производных физических свойств. Регрессионные модели строили с использованием, помимо прочих переменных, данных дистанционного зондирования, полученных с сенсора Moderate Resolution Imaging Spectroradiometer (MODIS). Высокое временное разрешение MODIS позволило выявлять изменения в реакции растительности, обусловленные свойствами почвы, которые затем можно использовать для картографирования пространственного распределения почвенных характеристик. Также обсуждается прогнозирование изначально коллинеарных переменных, таких как гранулометрический состав почвы, для чего потребовалось использовать модели, способные работать с многомерными зависимыми переменными с ограничениями, например многомерные адаптивные регрессионные сплайны (Multivariate Adaptive Regression Splines, MARS). Перекрестная валидация построенных моделей показала, что набор данных LUCAS представляет собой подходящую выборку для целей картографирования: значения R² при перекрестной валидации для гранулометрического состава почвы составили от 0,47 до 0,50, а нормированные ошибки — от 4% до 10%.