КАРТОЧКА
ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер 20-74-10102
НазваниеАдаптивная методология создания интегральных индексов устойчивости почв
РуководительПукальчик Мария Алексеевна, Кандидат биологических наук
Организация финансирования, регион Автономная некоммерческая образовательная организация высшего образования «Сколковский институт науки и технологий», г Москва
| Период выполнения при поддержке РНФ | 07.2020 - 06.2023 |
Конкурс№50 - Конкурс 2020 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.
Область знания, основной код классификатора 04 - Биология и науки о жизни, 04-108 - Почвоведение
Ключевые словапочва, экологическая оценка, устойчивость, интегральный индекс, биоиндикация, антропогенная нагрузка, машинное обучение, большие данные, экосистемные функции, управление природными ресурсами
Код ГРНТИ87.01.21
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Проект рассматривает фундаментальную проблему оценки антропогенного воздействия на экосистемные функции почв и разработки научно-обоснованных интегральных индексов устойчивости. Под экологической устойчивостью понимается ее способность противостоять действию на педоценоз различных стрессоров при осуществлении присущих ей продукционных, экологических, ресурсных, самовоспроизводительных и иных самоподдерживающих функций (Соколов и др., 2010). Главной целью проекта является создание комплексной методологии выявления чувствительных показателей устойчивости почв различного типа землепользования с применением методов машинного обучения. Хотя разрабатываемая методология будет применима к почвам различных категорий, включая земли населенных пунктов, промышленности и транспорта, основное внимание будет уделено землям сельскохозяйственного назначения ввиду их большой социальной значимости и высокому уровню антропогенной нагрузки. В качестве объектов будут задействованы территории, занятые под наиболее распространенные типы землепользования на примере подзоны южной тайги, на юге Московской области: пашня действующего растениеводческого хозяйства, залежные территории, территория некосимого луга, лес (на примере особо охраняемой природной территории).
Основными элементами исследований будут (1) разработка алгоритмов выбора репрезентативных точек отбора почв на местности, основанных на данных дистанционного зондирования Земли, особенностях рельефа изучаемых территорий и машинных методах обучения в целях повышения точности и прослеживаемости измерений; (2) выполнение комплекса оригинальных и тщательно спланированных экспериментов по лабораторному определению физических, химических и биологических показателей почв, в рамках 2 полевых сезонов в т.ч. с использованием молекулярно-биологических методов анализа, в частности, метагеномного подхода; (3) анализ результатов измерений и выявление методами машинного обучения наборов чувствительных индикаторов для оценки устойчивости почв; (4) разработка адаптивной методологии создания интегральных индексов устойчивости почв.
В результате выполнения проекта путём преимущественно прямых и стандартизированных физических, химических и биологических (молекулярных методов метагеномики) будут получены (1) новые данные о влиянии сельскохозяйственной деятельности на устойчивость почв; (2) будут выделены ключевые признаки, отражающие антропогенную нагрузку от экосистемного уровня до уровня отдельных компонентов, (3) математическими методами будут определены вклады каждого показателя в интегральный индекс устойчивости. Созданная расширенная база высококачественных данных по физическим, химическим и биоиндикационным показателям почв различных типов землепользования (пашня действующего растениеводческого хозяйства, залежные территории, территория некосимого луга, лес на примере особо охраняемой природной территории) будет открыта для научной общественности.
На момент подачи заявки в мировой литературе не сформулированы четкие подходы, как именно оценивать экологические функции (Baveye et al., 2016), каков вклад в них почвенных показателей и как динамическое состояние этих показателей, подчиняющихся изменяющимся условиям окружающей среды, влияет на экосистемные функции почв (Vogel et al., 2018). Поэтому разработка подходов и алгоритмов позволяющих выявлять ключевые показатели мониторинга и оценки почв остается крайне актуальной проблемой для специалистов в области почвоведения в частности и охраны окружающей среды – в целом. Впервые в отечественной и мировой практике будут применены многомасштабные симуляции почвенных свойств в модели MONICA (Simulation Model for Nitrogen and Carbon Dynamics in Agro-Ecosystems, Nendel et al., 2011) по методу Соболя (Sobol, 2001) для выявления ключевых показателей, обуславливающих экологическую функцию урожайности с/х культур на обрабатываемых почвах. Результаты исследований будут представлены на международных конференциях (World Conference on Soil, Water, Energy and Air, European Geosciences Union, World Sustainability Forum, World Congress of Soil Science 2022), а также в виде 8 научных публикаций в Scopus и WoS. В целом предлагаемый проект является новаторским с методологической точки зрения, позволяет решать важные практические задачи основываясь на фундаментальных взаимосвязях компонентов почв, а его результаты будут востребованы как специалистами в области наук о земле, так и в научно-исследовательских центрах по мониторингу состояния земельных ресурсов.
Ожидаемые результаты
Проект окажет значительное фундаментальное, методологическое и практическое влияние. Основной результат предлагаемых исследований — новые методики расчета интегральных индексов устойчивости почв, на основании комплексных физических, химических и биоиндикационных данных.
В рамках проекта научный коллектив разработает:
Алгоритм автоматизированного выбора репрезентативных точек отбора почв на местности, основанный на данных дистанционного зондирования Земли, особенностях рельефа изучаемых территорий и машинных методах обучения в целях повышения точности
Набор экспериментальных протоколов для оценки устойчивости почв и выявления ключевых индикаторов антропогенной нагрузки методами машинного обучения;
Алгоритм для оценки интегрального индекса устойчивости почв.
Практический эффект предложенного исследования состоит в создании:
1) прототипа вычислительного модуля (исследовательского кода) для выбора точек пробоотбора;
2) прототипа вычислительного модуля (исследовательского кода) для вычисления интегрального индекса устойчивости почв;
3) расширенной базы открытых высококачественных данных по физическим, химическим и биоиндикационным ( молекулярно генетическим) показателям почв различных типов использования.
Наконец, предложенный проект включает фундаментальное исследование влияния типа землепользования и его смены на почвенные свойства, включая фокус на стабильность почвенного органического вещества и его экосистемные функции в соответствии особенностям биоразнообразия (оцениваемого в том числе и современными молекулярными методами вкупе с общепринятыми показателями биологической активности почвы), а также распространение многомасштабных симуляций для выявления ключевых показателей устойчивости почв возделываемых территории южной тайги, определяющих плодородие.
Комплекс результатов будет передовым по отношению к мировому уровню исследований. Самая последняя литература явно показывает усилия в направлении выявления ключевых индикаторов устойчивости с/х почв и качественной многомасштабной оценки экологических функций почв. Однако комплексная методология таких исследований пока не разработана. Общественную значимость запланированных результатов трудно переоценить – в условиях возрастающей антропогенной нагрузки и изменяющихся условий окружающей среды критически важно уметь корректно, единообразно, достоверно оценивать состояние почвенных ресурсов и критерии их устойчивости. Именно этот навык, подкрепленный современным математическим инструментарием, является ключом к устойчивому управлению природными ресурсами.
ОТЧЁТНЫЕ МАТЕРИАЛЫ
Аннотация результатов, полученных в 2020 году
Основная цель проекта №20-74-10102 – изучение, разработка и адаптация методов машинного обучения для создания интегральных индексов благополучия почв в целях мониторинга, моделирования и оценки экологического состояния для контроля и анализа роли антропогенной деятельности в обеспечении качества жизни и устойчивого развития. Экосистемы интенсивного с/х возделывания отличаются высокой пространственно-временной неоднородностью, обусловленной воздействием значительного количества экологических и техногенных факторов. В связи с этим разрабатываемые технологии и подходы к мониторингу и оценке, в том числе, индексы благополучия почвенных экосистем должны отвечать следующим критериям: 1) экспрессность и доступность, что обеспечивает большую выборку и высокую частоту наблюдений; 2) комплексность (интегральность), т.е. должны быть основаны на чувствительных химических, биологических и физических показателях; 3) интерпретация полученных результатов должна быть объективной, что обеспечивается интеграцией методов машинного обучения в подходы для оценки благополучия.
Первый год проекта был ориентирован на решение следующих задач: 1) анализ современного международного опыта мониторинга и оценки влияния антропогенной деятельности на почвы различных типов использования; 2) рекогносцировочные полевые работы на юго-востоке Московской области, включая развертывание сети опорных точек наблюдения за состоянием почвенного покрова; 3) калибровка и тестирование в лабораторных и полевых условиях различных характеристик почв для выявления минимального массива чувствительных показателей на 2й и 3й год измерений; 4) разработка и тестирование новых методов машинного обучения для основных задач мониторинга, а именно: назначения точек наблюдений (пробоотбора) с учетом характеристик местности в репрезентативных участках, оптимизации существующих сетей наблюдения (с помощью эволюционных алгоритмов), формирования интегральных подходов к оценке качества природных сред, упрощения пространственной интерполяции данных (автоматизация работы алгоритмов, повышение точности и объективности результатов).
В ходе полевых работ были проведено первичное обследование участков находящиеся под пашней, залежью и лесом на юго-востоке Московской области в районе р. Оки. Было отобрано и проанализировано 330 проб почв по 23 показателям. По результатам этого блока работ утвержден план исследований на 2-ой год выполнения проекта.
Официальные веб-страницы проекта:
1) http://edsel.skoltech.ru/soil
2)https://www.researchgate.net/project/RNF-20-74-10102-2020-2023-Development-and-application-of-soil-sustainability-index
В период реализации этапа 1 исследовательского проекта со ссылкой на поддержку Российского научного фонда было опубликовано 2 статьи:
Shadrin, D.; Nikitin, A.; Tregubova, P.; Terekhova, V.; Jana, R.; Matveev, S.; Pukalchik, M. An Automated Approach to Groundwater Quality Monitoring—Geospatial Mapping Based on Combined Application of Gaussian Process Regression and Bayesian Information Criterion. Water 2021, 13, 400. https://doi.org/10.3390/w13040400. 5 year IF=2.250, Q1.
В данной работе апробирован подход к конструированию взвешенного индекса для оценки качества природных сред с использованием снижения размерности разномасштабных характеристик, решена задача автоматизации пространственной интерполяции данных (подбор оптимальной структуры ядра регрессионной модели на основе гауссовских процессов с использованием Байесовского информационного критерия).
Yudina, E.; Petrovskaia, A.; Shadrin, D.; Tregubova, P.; Chernova, E.; Pukalchik, M.; Oseledets, I. Optimization of Water Quality Monitoring Networks Using Metaheuristic Approaches: Moscow Region Use Case. Water 2021, 13, 888. https://doi.org/10.3390/w13070888. 5 year IF=2.250, Q1.
В работе продемонстрирован разработанный авторами алгоритм для оптимизации количества точек сети мониторинга. Обоснованием оптимизации является уменьшение затрат на мониторинг за счет снижения количества точек наблюдения при сохранении качества результатов пространственной интерполяции данных из сети с меньшим количеством точек. В работе обсуждаются результаты работы алгоритма, показано, что оптимизация количества точек мониторинга может существенно улучшить результаты пространственной интерполяции данных.
Публикации
1. Шадрин Д, Никитин А, Трегубова П, Терехова В, Джана Р, Матвеев С, Пукальчик М An automated approach to groundwater quality monitoring-geospatial mapping based on combined application of gaussian process regression and bayesian information criterion Water (MDPI), Vol 13, issue 4 (год публикации - 2021) https://doi.org/10.3390/w13040400
2. Юдина Е, Петровская А, Шадрин Д, Трегубова П, Чернова Е, Пукальчик М, Оселедец И Optimization of water quality monitoring networks using metaheuristic approaches: Moscow region use case Water (MDPI), 13 (7) (год публикации - 2021) https://doi.org/10.3390/w13070888