Augšņu taksonomiskā un granulometriskā sastāva grupu daudzveidība lauksaimniecības zemju apsaimniekošanas intensitātes gradientā

Abstract

Augšņu telpiskās izplatības izpēte galvenokārt tiek īstenota ar augsnes manuālu vai digitālu kartēšanu un tās rezultātu analīzi dažādos mērogos. Lauksaimniecībā izmantojamo zemju kontekstā pētījumu objekts lielākoties ir augsnes ķīmiskās īpašības un augsnes auglība. Augšņu taksonomiskās un granulometriskās daudzveidības atšķirības dažādas lauksaimniecības intensitātes zemēs, kā arī to kvantificēšana, ir līdz šim maz pētīts temats Latvijā. Tādēļ maģistra darba mērķis ir noskaidrot likumsakarības starp augsnes taksonomiskā un granulometriskā sastāva grupu daudzveidību un lauksaimniecības zemju apsaimniekošanas intensitāti. Pētījumā izvēlētas 2 modeļteritorijas – Taurenes un Platones pagasti, kas raksturo atšķirīgus augsnes veidošanās apstākļus. Katrā teritorijā lauksaimniecības zemju apsaimniekošanas intensitāte iedalīta 10 klasēs un 30x30 metru rastra šūnu izšķirtspējā noteikti dažādi vispārinājuma un detalizācijas līmeņu potenciālās augšņu daudzveidības indeksi. Sakarību noteikšanai izmantoti multinomiālās loģistiskās regresijas un nejaušo mežu (angl. “random forest”) klasifikācijas modeļi. Darba rezultātos pierādīts, ka augsnes taksonomiskā un granulometriskā sastāva grupu daudzveidībai ir neliela saistība ar lauksaimniecības zemju apsaimniekošanas intensitāti, izskaidrojot tikai 10% no intensitātes vērtību variācijas. Izteiktas tendences novērotas tikai ilggadīgo un aramzemēs sēto zālāju grupās, kurās augšņu daudzveidības palielināšanās bija pozitīvi saistīta ar šo klašu noteikšanas iespējamības palielināšanos. Augšņu daudzveidības rādītājus var izmantot, lai prognozētu lauksaimniecības zemju apsaimniekošanas intensitātes klases izmantojot mašīnmācīšanās modeļus. Taču sekmīgai prognozēšanai nepieciešama pēc iespējas daudzveidīgāka lauksaimniecības zemju struktūra, lai nodrošinātu pietiekamu apmācības datu apjomu katrai klasei.

The study of the spatial distribution of soils is primarily conducted through manual or digital soil mapping and the analysis of its results at various scales. In the context of agricultural land, research typically focuses on the chemical properties of soil and soil fertility. Differences in soil taxonomic and textural classes diversity across lands with varying agricultural intensity, as well as their quantification, remain relatively understudied topics in Latvia. Therefore, the aim of this master's thesis is to identify patterns between the diversity of soil taxonomic and granulometric composition groups and the intensity of agricultural land management. The study focuses on two model areas – Taurene and Platone parishes – which represent different soil formation conditions. In each area, agricultural land management intensity was classified into 10 classes, and various potential soil diversity indices, representing different levels of generalization and detail, are determined at a 30x30 meter raster cell resolution. The study applies multinomial logistic regression and random forest classification models to analyze differences between soil diversity and agricultural land-use intensity. The results show that the diversity of soil taxonomic and granulometric composition groups has a weak relationship with the intensity of agricultural land management, explaining only 10% of the variation in intensity values. Clear trends were observed only in the groups of permanent grasslands and sown grasslands on arable land, where increased soil diversity was positively associated with a higher probability of these classes being identified. Soil diversity indicators can be used to predict agricultural land management intensity classes using machine learning models. However, successful prediction requires a highly diverse structure of agricultural land to ensure a sufficient volume of training data for each class.