Настоящото изследване си поставя за цел да оцени приложимостта на вероятностния модел MaxEnt (Phillips et al., 2006; doi:10.1016/j.ecolmodel.2005.03.026) за установяване на пространствения обхват на почви с определени свойства. При добро представяне на модела и наличие на необходимите входящи данни ще може сравнително бързо да се очертават ареали на почви с различен механичен състав, определено съдържание на органичен въглерод, мощност на хумусния хоризонт, почвена реакция (рН) и др. Резултатите от изследването биха подпомогнали изучаването и класификацията на почвите на дадена територия и биха улеснили земеделските стопани при прилагане на методите на прецизното и регенеративното земеделие.
Проектът ще включва няколко основни научно-изследователски дейности: (1) почвени картировки; (2) химични и зърнометрични анализи на събраните почвени проби от района на изследване; (3) събиране и обработка на сведения за обяснителните променливи, вкл. цифрови модели на релефа, геоложки карти, климатични данни, растителност, земеползване и др.; (4) съставяне и оценка на пространствени модели на избрани почвени показатели с помощта на MaxEnt. Дейностите по разпространение на резултатите ще включват представянето им на научни форуми, както и адаптирането им за нуждите на земеделските стопани и консултантските фирми в областта на прецизното и регенеративно земеделие.
В рамките на изследването ще бъде създаден алгоритъм за вероятностно моделиране на обхвата на почви с определени свойства чрез приложение на програмния продукт MaxEnt. Ще бъдат изготвени съответните пространствени модели за района на изследване и ще се определят най-подходящите предиктори за моделираните почвени характеристики. Научните резултати ще бъдат публикувани в поне две публикации в научни списания, които са индексирани в реномирани бази данни като Scopus и Web of Science.
Дейности
Дейност
Договорена стойност
Отчетена стойност
Провеждане на почвени изследвания : Дейността има за цел събиране на данни за почвообразуващите условия и почвените характеристики в проучвания район, които ще бъдат използвани в процеса на моделиране в следващите етапи на изследването. Дейността ще се осъществи на три етапа – камерален, теренен и лабораторен. Камералната подготовка ще започне с подбор на район на изследване, който ще включи едно или няколко земеделски стопанства. Съобразяването с техните границите ще подпомогне събирането на данни за земеделските практики в проучваната територия и съгласуване в максимална степен на разработваната технология и получените резултати с изискванията на прецизното земеделие. През първия етап ще бъдат събрани съществуващи данни за литоложкия състав, релефа, земното покритие, вида земеползване, потенциалната и съвременна растителност, климатичните особености, прилаганите агротехники и др., които ще бъдат използвани за подбор на обяснителни променливи за нуждите на моделирането. Ще бъде изследвана приложимостта на информацията от Европейския център за почвени данни (ESDAC) към Европейската комисия, както и на индекси за състоянието на растителността (NDVI) и такива чувствителни към овлажнението, механичният състав и количеството на органично вещество в почвата (NDSI, SAVI, SATVI, VARI, RENDVI).
През втория етап от изпълнението на дейността ще бъдат извършени почвени картировки в района на изследване. С тяхна помощ ще се съберат подробни сведения за локалното почвено разнообразие, строежа на почвата, изявата на характерни почвообразуващи процеси и прилаганите агротехники. По време на теренните проучвания ще бъде извършено пробонабиране от изследваните почвии ще се уточни информацията за почвите и условията на почвообразуване, събрана по време на камералната подготовка.
Лабораторният етап ще включи пробоподготавка на събрания почвен материал и извършване на химични и зърнометрични анализи.
61 800.00
0.00
Съставяне на вероятностни модели: Дейността има за цел да бъде оценена приложимостта на вероятностния модел MaxEnt (Phillips et al., 2006; doi:10.1016/j.ecolmodel.2005.03.026) за очертаване на ареалите на почви с определени свойства. Изследването стъпва на тясната пространствена връзка между строежа и свойствата на почвата и условията на почвообразуване, залегнала в принципите на цифровото почвено картографиране. Направлението използва редица геостатистически методи и техники на машинно самообучение, но повечето от тях изискват голям брой данни за моделираната променлива и значителен опит за калибриране на моделите. В това отношение MaxEnt има съществени предимства, тъй като може да работи с малки статистически извадки и се отличава с лесен за ползване интерфейс. Интегрирането на модела в последните версии на ГИС-продуктите на ESRI и наличието на библиотеки за MaxEnt в програмния език R улесняват широкото приложение на модела и възможностите за неговото развитие.
Моделът MaxEnt е разработен за определяне на географското разпространение на биологични видове, като се основава на техните екологични изисквания към заобикалящата ги среда. Въпреки това, авторите му посочват, че е подходящ за приложения и извън тази сфера. Подобно на останалите модели за разпространение на видовете, MaxEnt изготвя прогноза на вероятността за наличие на дадения вид на определена територия. Тази вероятност е относителна и се определя чрез сравнение на условията в местата с наличие на вида спрямо останалите участъци в изследвания район. Концепцията на модела позволява да бъде използван за установяване на обхвата на географски явления и обекти като почви с конкретни свойства. За подобно приложение е необходимо да се изследва достатъчно тесен диапазон от величината на моделираната променлива, така че стойностите й да отговарят на относително еднородни природни условия. Следвайки този подход, с модела би могло да се очертае ареала на конкретно почвено различие, на почви с глинест или песъчлив механичен състав, да се определят участъци с почвено преовлажнение или на почвено вкисляване и т.н. Представянето на MaxEnt в такива случаи ще зависи най-вече от подбора на подходящи предиктори и от това доколко класификацията на измерените стойности на моделираната променлива ще отразява характерни съчетания на условията за почвообразуване в изследваната територия.
В рамките на Дейност 2 ще бъдат съставени серия от вероятностни модели изготвени с MaxEnt, с чиято помощ ще се очертаят ареалите на почви с конкретни характеристики като механичен състав, киселинност, електропроводимост, съдържание на органичен въглерод, запасеност с биогенни елементи, мощност на хумусния хоризонт, проява на характерни повообразуващи процеси като преовлажнение и др. В ролята на предиктори ще бъдат използвани показатели, които са тясно свързани с почвообразуващите условия като наклон на склона, експозиция, относително превишение спрямо речната мрежа, топографски индекс на преовлажнение, земно покритие, физически блокове, климата, потенциалната растителност, индекси за състоянието на почвата и съвременната растителност и др.
В края на дейността ще бъде направен опит за адаптиране на резултатите в подходящ вид за използване в интелигентни системи за оценка на почвата и управление на земеделските стопанства, които използват техники на машинно самообучение и изкуствен интелект като тази прилагана от фирма „Агровар“ (https://agrovar.bg/).
24 400.00
0.00
Разпространение на резултатите: Планът за реализация и разпространение на резултатите е ориентиран към три основни целеви групи:
- Научна общност и научни организации;
- Земеделски стопани, които прилагат методите на прецизното земеделие;
- Консултантски фирми, които предлагат интелигентни системи за управление на земеделските стопанства.
Научните резултати от проекта ще бъдат споделени със световната научна общност посредством докладването им на научни форуми и чрез публикации в научни списания с отворен достъп, индексирани в реномирани бази данни.
След анализ и идентификация на потенциалните заинтересовани страни ще бъдат организирани работни срещи с техни представители, на които да бъдат представени целите на проекта и ползите от неговите резултати.
9 000.00
0.00
Забележки:
Елемент в светло синьо позволява показване на детайли при избирането му
Всички суми са в български лева (BGN) /1 EUR = 1,95583 BGN
