| Реферат: | rus: Установлена взаимосвязь между морфометрическими величинами (МВ) рельефа, рассчитанными по цифровой модели высот (АSTER GDEM, 30 м), и почвенными свойствами пахотного горизонта агросерой почвы склона. Доля, вкладываемая МВ рельефа в пространственную изменчивость влажности почвы, составила 42%, содержания физической глины – 59%, гумуса – 46%, общего азота – 31%, нитратного азота – 28%, подвижного фосфора – 40%, обменного калия – 45%, обменного кальция – 67%, обменного магния – 40%, рН водной вытяжки – 42%. Проведен сравнительный анализ свойств пахотного горизонта агросерой почвы в элювиальной и транзитной частях склона с использованием методов геоморфометрии и цифрового картографирования. На основе регрессионного анализа выявлены статистически значимые связи свойств пахотного горизонта агросерой почвы склона с МВ рельефа, описывающих поверхностный сток, геометрические формы и терморежим.
|
| Цитирование: | 1. 1 . Агрохимические методы исследования почв. М.: Наука, 1975. 656 с.
2. 2. Афанасьев В.Н., Цыпин А.П. Эконометрика в пакете STATISTICA: учебное пособие по выполнению лабораторных работ. Оренбург: ГОУ ОГУ, 2008. 204 с.
3. 3. Благовещенский Ю.Н. Тайны корреляционных связей в статистике. М.: Научная книга, ИНФРА-М, 2009. 158 с.
4. 4 . Гамзиков Г.П. Азот в земледелии Западной Сибири. М.: Наука, 1981. 63 с.
5. 5. Геннадиев А.Н., Олсон К.Р., Чернянский С.С., Джоунс Р.Л. Количественная оценка эрозионно-аккумулятивных явлений в почвах с помощью техногенной магнитной метки // Почвоведение. 2002. № 1. С. 21–32.
6. 6 . Гопп Н.В. Алгоритмический подход при составлении цифровых почвенных карт на основе лабораторно-полевых и спутниковых данных // Исследование Земли из космоса. 2013. № 3. С. 58–72.
7. 7. Гопп Н.В., Савенков О.А., Нечаева Т.В., Смирнов В.В. Влияние морфометрических характеристик рельефа на пространственную изменчивость содержания обменного калия в агросерой типичной почве // Агрохимия. 2014. № 5. С. 54–63.
8. 8 . Джеррард А.Дж. Почвы и формы рельефа. Л.: Недра, 1984. 208 с.
9. 9 . Кауричев И.С., Панов Н.П., Розов Н.Н., Стратонович М.В., Фокин А.Д. Почвоведение. М.: Агропромиздат, 1989. 719 с.
10. 10. Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 342 с.
11. 11 . Кудеяров В.Н. Цикл азота в почве и эффективность удобрений. М.: Наука, 1989. 216 с.
12. 12. Назарюк В.М., Савенков О.А., Смирнова Н.В. Обоснование и оценка параметров плодородия почв и продуктивности растений для моделирования цикла азота в агроэкосистемах // Сибирский экологический журнал. 2004. Т. 11. № 3. С. 391–401.
13. 13. Полевой определитель почв России. М.: Почв. ин-т им. В.В. Докучаева, 2008. 182 с.
14. 14. Практикум по агрохимии / Под ред. В.Г. Минеева. М.: Изд-во Моск. ун-та, 2001. 687 с.
15. 15 . Рекомендации по диагностике азотного питания полевых культур и применению азотных удобрений / Под ред. А.Е. Кочергина, Г.П. Гамзикова, П.И. Крупкина, В.И. Чуканова. Новосибирск, 1983. 30 с.
16. 16. Симакова М.С. О компьютерной картографии почв // Почвоведение. 2002. № 2. С. 133–139.
17. 17 . Флоринский И.В., Айлерс Р.Дж., Бертон Д.Л., Мак-Магон Ш.К., Монреал К.М., Фаренхорст А. Прогнозное почвенное картографирование на основе цифрового моделирования рельефа // Геоинформатика. 2009. № 1. С. 22–32.
18. 18 . Цифровая почвенная картография: теоретические и экспериментальные исследовании / Под ред. А.Л. Иванова. М.: Почв. ин-т им. В.В. Докучаева, 2012. 350 с.
19. 19. Шарый П.А., Пинский Д.Л. Статистическая оценка связи пространственной изменчивости содержания органического углерода в серой лесной почве с плотностью, концентрациями металлов и рельефом // Почвоведение. 2013. № 11. С. 1344–1356. doi 10.7868/S0032180X13090104
20. 20 . Шарая Л.С., Шарый П.А. Связь абиотических и биотических характеристик лесной экосистемы Жигули // Изв. Самарского научн. центра РАН. 2009. Т. 11. № 1. С. 22–30.
21. 21 . Якименко В.Н. Калий в агроценозах Западной Сибири. Новосибирск: Изд-во СО РАН, 2003. 231 с.
22. 22. IUSS Working Group WRB. World Reference Base for Soil Resources International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports № 106. FAO, Rome, 2014. 181 p.
23. 23. LP DAAC (Land Processes Distributed Active Archive Center). Website: https://lpdaac.usgs.gov/
24. 24. McBratney A.B., Odeh I.O.A., Bishop T.F.A., Dunbar M.S., Shatar T.M. An Overview of pedometric techniques for use in soil survey // Geoderma. 2000. V. 97. № 3. P. 293–327.
25. 25 . Moore I.D., Gessler P.E., Nielsen G.A., Peterson G.A. Soil attribute prediction using terrain analysis // J. Soil Science Society of America. 1993. V. 57(2). P. 443–452.
26. 26. Odeha I.O.A., McBratney A.B., Chittleborough D.J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model // Geoderma. 1994. V. 63. № 3. P. 197–204.
27. 27. Shary P.A., Sharaya L.S., Mitusov A.V. Fundamental quantitative methods of land surface analysis // Geoderma. 2002. V. 107. № 1–2. P. 1–32.
28. 28. Shary P.A. Personal research website on geomorphometry and applications. 2006. Website: http:// www.giseco.info/
|