Я представитель глобального почвенного партнерства, которое было организовано в рамках программы GLOSOLAN. Расскажу о спектроскопии и ее использовании для изучения свойств почв.
Для развития практик ПРЗ мы должны понимать, что, в первую очередь, нам необходимы данные о почвах, и если у нас нет этих данных, мы не сможем рационально управлять почвенными ресурсами. Именно поэтому в 2017 году мы запустили проект GLOSOLAN, который организует различные лаборатории по исследованию почв, потому что мы поняли, что качественные исследования играют ключевую роль для создания систем поддержки принятия решений в агрономии.
В 2020 году была запущена GLOSOLAN-Spec (спектроскопия). Цель — дать доступ странам к более эффективному методу оценки данных почв, созданию почвенных карт.
Создание почвенных карт
Традиционный подход – все почвенные образцы мы должны передать в лабораторию, это затратно и долго. Поэтому нам нужны способы, чтобы снижать расходы. Нам нужны системы, которые позволят собирать данные о почвах быстро, эффективно и дешево.
Сегодня существует огромное количество сенсоров, которые могут действовать и дистанционно, и с близкого расстояния. Однако, последние 2030 лет наиболее часто используемым методом исследования почв стала спектроскопия в ближнем и среднем инфракрасном спектре.
Именно спектроскопия может наиболее точно показать те свойства почв, которые мы исследуем.
Дело в том, что спектроскопия фактически позволит нам на основании определенной длины волны понять, какая функциональная группа у молекул, которые попали в датчик. Далее мы анализируем полученные данные, и можем понять, какой состав почвы.
С помощью этой информации мы можем увидеть основные свойства почв. Мы знаем, что на 25% почва состоит из воды, а на 45% из минеральных веществ, на 25% — из воздуха и на 5% — из органического вещества. Все это может позволит нам получить информацию о структуре почвы.
Разные спектры — разные свойства почвы. В видимом спектре мы можем получить данные об оксидах железа, углероде, цвете. Цвет говорит о содержании органического вещества, то есть чем темнее почва, тем больше в ней органического вещества.
В ближнем и среднем спектре мы получаем информацию о составе глинистого компонента, содержании органического вещества и ряде других.
Таким образом, мы получаем спектральный паспорт почвы.
Для правильного анализа данных спектра мы должны помнить о методе моделирования статистики. Цель — создание спектральной библиотеки, которая сейчас активно разрабатывается.
Спектроскопия — это сложный процесс, который подразумевает ряд этапов, в том числе математическое моделирование, сбор образцов и так далее. И зачастую, если мы не уделяем внимание одному из этапов, система перестает работать.
