Мониторинг и моделирование системы «почва–растение» для понимания здоровья почвы

Monitoring and Modeling the Soil‐Plant System Toward Understanding Soil Health
Harry Vereecken, Liz J. Shaw, Martine J. van der Ploeg, A. Veldkamp, Zhongbo Su, Anne Verhoef, Eyal Ben‐Dor, Yijian Zeng, Yunfei Wang
2025-01-25

ландшафтная геномикамашинное обучение с учетом физических законовмониторинг здоровья почвымикробиом почвыцифровой двойник почвенно-растительной системы
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.
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.

почвенно-растительная система, включая свойства почвы, гидрологические процессы, гидравлику растений и почвенный микробиом

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
Access Type
Author Information
Authors
Harry Vereecken
Liz J. Shaw
Martine J. van der Ploeg
A. Veldkamp
Zhongbo Su
Anne Verhoef
Eyal Ben‐Dor
Yijian Zeng
Yunfei Wang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%