Мониторинг и моделирование системы «почва–растение» для понимания здоровья почвы
Monitoring and Modeling the Soil‐Plant System Toward Understanding Soil Health
2025-01-25
SCID: 54.1/qx7xhhrr
Discuss with AI
ландшафтная геномикамашинное обучение с учетом физических законовмониторинг здоровья почвымикробиом почвыцифровой двойник почвенно-растительной системы
Figures from the paper
Abstract (AI)
Оценка здоровья почвы эволюционировала от преимущественной ориентации на продуктивность сельского хозяйства к комплексной оценке почвенной биоты и биотических процессов, влияющих на свойства почвы. Вследствие этого оценка здоровья почвы сместилась от преимущественно физико-химического подхода к подходу, включающему экологические, биологические и молекулярно-микробиологические индикаторы. Такой сдвиг обеспечивает всестороннее изучение свойств почвенных микробных сообществ и их реакций на изменения окружающей среды, обусловленные изменением климата и антропогенными нарушениями. Несмотря на расширение доступности индикаторов здоровья почвы — физических, химических и биологических — и соответствующих данных, целостная механистическая связь между индикаторами и функциями почвы на нескольких пространственно-временных масштабах пока не установлена в полной мере. В статье рассматривается современное состояние мониторинга здоровья почвы с акцентом на понимание того, каким образом процессы в системе «почва–микробиом–растение» формируют механизмы обратной связи и обусловливают изменения свойств почвы, а также как эти изменения влияют на функции почвы. Кроме того, рассматриваются возможности подхода цифрового двойника системы «почва–растение» — интегративной концепции, объединяющей процессно-ориентированные модели, данные дистанционного зондирования Земли, усвоение данных и машинное обучение с учетом физических законов для более детального понимания здоровья почвы. В обзоре обозначается перспективное направление развития мониторинга здоровья почвы на основе подхода цифрового двойника, предназначенного для систематического наблюдения и моделирования системы «почва–растение». Кроме того, выявляются пробелы и возможности, а также предлагаются направления будущих исследований для углубления понимания сложного взаимодействия между свойствами почвы, гидрологическими процессами в почве, гидравликой системы «почва–растение», почвенным микробиомом и ландшафтной геномикой.
Key Findings
1
Целостная механистическая связь между индикаторами здоровья почвы и почвенными функциями в различных пространственных и временных масштабах пока не установлена.
2
Современный мониторинг позволяет изучать почвенные микробные сообщества и их реакции на изменение климата и антропогенные воздействия.
3
Оценка здоровья почвы сместилась от преимущественно физико-химических измерений к интеграции экологических, биологических и молекулярно-микробиологических индикаторов.
4
Цифровые двойники системы «почва–растение», объединяющие процессные модели, данные дистанционного зондирования, усвоение данных и физически информированное машинное обучение, создают основу для интегрированного мониторинга и моделирования здоровья почвы.
5
В обзоре особое внимание уделено обратным связям между свойствами почвы, микробиомом, растениями и биотическими процессами, определяющим изменения почвенных функций.
Research Object
почвенно-растительная система, включая свойства почвы, гидрологические процессы, гидравлику растений и почвенный микробиом
Research Subject
механизмы обратной связи и пространственно-временные взаимосвязи, посредством которых процессы в системе «почва–микробиом–растения» влияют на свойства почвы, функции почвы и здоровье почвы
Publication Details
Publication Date
2025-01-25
Journal
Publisher
ISSN
Cited by
64
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai11
SoilGrids250m: глобальная гридированная информация о почвах на основе машинного обучения2017
Качество почвы — критический обзор2018
SoilGrids 2.0: получение глобальной информации о почвах с количественной оценкой пространственной неопределённости2021
Углерод почвы: 4 промилле2017
База данных признаков растений TRY: расширенное покрытие и открытый доступ2019
Значение почв и почвоведения для достижения Целей ООН в области устойчивого развития2016
Микроагрегаты в почвах2017
Моделирование почвенных процессов: обзор, ключевые проблемы и новые перспективы2016
Наземное, проксимальное и спутниковое дистанционное зондирование влажности почвы2019
Картографирование физических свойств верхнего слоя почвы в европейском масштабе с использованием базы данных LUCAS2015
Картирование глобальной глубины до коренной породы для моделирования поверхности суши2016