Soil

1. Хөрсний чийгийг тооцоход олон
спектрийн мэдээг ашиглах аргазүй
боловсруулах нь
Н. Энхжаргал1, Р.Цолмон1, Мартин Каппас2, Ц.Батчулуун1,
Д.Чимгээ1, Ц.Оюунбилэг3, Д.Улам-Оргих1
1 – Монгол Улсын Их сургууль
2- Жорж-Аугустын их сургууль, Гёотинген, Герман
3 – Хөдөө Аж Ахуйн Их Сургууль
1
МОНГОЛ УЛСЫН ИХ СУРГУУЛЬ
Шинжлэх Ухааны сургууль
Geo-meeting-January 2018

2. Агуулга
o ҮНДЭСЛЭЛ
o ЗОРИЛГО, ЗОРИЛТ
o СУДАЛГААНЫ МУЖ
o АРГАЗҮЙН СХЕМ
o АШИГЛАСАН МЭДЭЭ
o ДЭВШҮҮЛСЭН АРГАЗҮЙ
o БОЛОВСРУУЛАЛТ
o ҮР ДҮН
o ДҮГНЭЛТ

3. Үндэслэл
Иймээс:
 Хүн амыг хүнсний бүтээгдэхүүнээр хангах
 Үр ашигтай аж ахуй эрхлэх
 Байгалийн бүс нутаг, цаг уурын тааламжтай нөхцөлийг зөв
зохистой ашиглах
 Байгаль цаг уурын тааламжгүй нөхцөлийг гарз хохирол
багатайгаар даван туулах
 Ашиглалтгүй газар нутгийг үр ашгийг нэмэгдүүлэх
Шинжлэх ухааны үндэслэлтэй арга технологи шаардлагатай.

4. Хөрсний чийг нь уур амьсгалын чухал
хүчин зүйл гэж дэлхий дахинд хүлээн
зөвшөөрөгдөөд байна.
Хөрсний чийг нь ХАА,
МАА-н салбарт
усалгаагүй газар
тариалан, бэлчээрийн
мал аж ахуйд чухал
үүрэгтэй.
Хөрсний чийг:
Эх сурвалж: www.itc.nl/Pub/WCC/WCC-projects/
Хөрснийчийг
Хөрсөнд
байгаа
чийгийн
хэмжээ
(%)
Чийгшилт
Агаарт
агуулагдаж
буй усны
уур (%)
Чийгийниндекс
Чийгийг
илэрхийлэх
параметр
(харгалзах
индекс)

5. Зорилго
Хиймэл дагуулын олон спектрийн мэдээ ашиглан хөрсний
чийгийг хар хүрэн хөрсөн дээр тодорхойлох аргазүйг
хөгжүүлэхэд оршино.

6. Зорилт
Борнуурын хөрсний чийгт нөлөөлөх хүчин
зүйлсийг тодорхойлох;
Хөрсний чийгийг тодорхойлох загвар
дэвшүүлэх;
Хөрсний чийгийг загвараа зураглах, ангилах,
баталгаажуулах;

7. Борнуур сум
Судалгааны муж
 Борнуур сум нь “ХАА, МАА-н
гаралтай байгалийн цэвэр
бүтээгдэхүүн үйлдвэрлэгч сум”
болох зорилготой.
 Газар тариалангийн төв бүс
 Хур тунадас бага, зун харьцангуй
дулаан, агаарын чийгшил бага
байдаг.
 Олон жилийн дунджаар жилд
нийтдээ 160-235 мм тунадас
ордогоос 85-95% нь дулааны
улиралд ордог.
 Борнуур сумын Бороо голын хөндийд 1. Хар хүрэн хөрс, 2. Нугат хүрэн хөрс, 3.
Аллювийн нугын хөрс зонхилдог.

8. АРГА ЗҮЙН СХЕМ
Landsat хиймэл дагуул ASTER хиймэл дагуул Хээрийн хэмжилтМэдээ
татах
Агаармандлын
засал
MI
LST
NDVI
Өндөршил
Налуу
Зүг зовхис
Хөрсний
чийгийн
хээрийн
хэмжилт
Мэдээ татах Боловсруулалт
Хөрсний чийгийн загвар (PSMI) Баталгаажилт

9. Ашигласан мэдээ
Ландсат хиймэл дагуулын мэдээ – 2011,
2015 оны 7-9 дүгээр сарын мэдээ, орон
зайн нарийвчлал 30 м
ASTER хиймэл дагуулын - DEM Өндрийн
тоон загварын мэдээ, орон зайн
нарийвчлал 30 м
Эх сурвалж:
https://lpdaac.usgs.gov/

10. Хөрсний чийгийн хээрийн
хэмжилт, 2011 оны 9 сарын 19-
20, 2015 оны 7-8 дугаар сарын
мэдээ
АШИГЛАСАН МЭДЭЭ
№
Дээжний
нэр
Бюкс№
Бюкс
тогтмол,г
Дээжтэй
бюкс,г
Дээж,г
Хатаасан
дээжтэй
бюкс,г
Чийг
Чийг,г
Чийг,%
Чийг,мм
Нягт
1 D1-B 0-10 1 13.7883 19.4151 5.6268 18.7385 4.950 0.677 12.025 14.790 1.230
2 D1-B 10-20 2 14.7756 19.3975 4.6219 18.9954 4.220 0.402 8.700 12.180 1.400
3 D1-B 20-30 3 12.6918 18.2038 5.5120 17.6800 4.988 0.524 9.503 12.924 1.360
4 D1-B 30-40 4 12.7925 20.1865 7.3940 19.6216 6.829 0.565 7.640 8.939 1.170
5 D1-B 40-50 5 12.3514 18.7759 6.4245 18.3225 5.971 0.453 7.057 8.539 1.210
6 D1-C 0-10 9 14.6718 19.6059 4.9341 18.6488 3.977 0.957 19.398 23.859 1.230
7 D1-C 10-20 10 13.5533 20.5689 7.0156 19.9768 6.424 0.592 8.440 11.816 1.400
8 D1-C 20-30 11 17.3459 22.7431 5.3972 22.3347 4.989 0.408 7.567 10.291 1.360
Хээрийн хэмжилтийн талбай

11. Боловсруулалт: Чийгийн индекс
Landsat +ETM 7, хиймэл дагуулын 1 ба 4, OLI8 2 ба 5-р сувгийн
мэдээг ашиглан хөрсний чийгийн индексийг /Moisture Index/ (MI)
бодож олсон (Dupigny-Giroux & Lewis, 1999).
NIR – Ойрын нил улаан (0.85µm-0.88µm)
VisBlue – Үзэгдэх гэрлийн цэнхэр (0.45µm-0.51µm)
VisBlue
NIR
MI 

12. Боловсруулалт: Газрын гадаргын температур
 Ландсат хиймэл дагуулын мэдээ ашиглан
газрын гадаргын температур (Qihao Weng, 2004)
 BT – Хиймэл дагуул дээрх температур (K)
 w – цацруулсан радиансын долгионы урт (11.5µm)
 p= h*c/s(1.438*10^-2 m K)
 h – Планкийн тогтмол (6.626*10^-34 Js)
 s – Больцманы тогтмол (1.38*10^-23 J/K)
 c – Гэрлийн хурд (2.998*10^8m/s)
 p=14380
 e = 0.004 * Pv + 0.986
 Pv = (NDVI – NDVImin/NDVImax – NDVImin)2 – Ургамлын хэмжээ

13. Боловсруулалт : Ургамалжилт
 Хиймэл дагуулын улаан (RED) болон нил
улаан туяаны (NIR) сувгийн мэдээг
ашиглан Ургамлын Нормчлогдсон Индекс
/Normalized Difference Vegetation Index/
(NDVI) бодуулсан (P. J. SELLERSa, 1994).
NIR – Ойрын нил улаан (0.45µm-0.51µm);
RED – Үзэгдэх гэрлийн улаан (0.63µm-0.69µm)
REDNIR
REDNIR
NDVI



0.56
0.0

14. Боловсруулалт : Өндөржилт, Зүг зовхис,
Налуужилт
30м нарийвчлалтай
өндрийн тоон загвар
Налуу:
Зүг зовхисын зураг
Гадаргын налуу буюу газрын хэвгий

15. Аргазүй: Хөрсний чийгийн загвар (ЗТС/ГМС
ашигласан)
PSMI=F(NDVI, LST, Elevation, Aspect, Slope)
Хөрсний чийгт нөлөөлж буй хүчин зүйлс дээр тулгуурлан өөрийн таамаглал
дэвшүүлснээ дараах байдлаар томъёолон харууллаа.
Ургамалжилт
Газрын
гадаргын
температур
Өндөршил Зүг зовхис
Налуу
PSMI (Predicted soil moisture index)

16. Хөрсний чийгийн загвар (ЗТС/ГМС ашигласан)
Шинжилгээний үр дүнгээс хөрсний чийг нь:
• ургамалжилт (NDVI)
• гадаргын температур (LST)
• Өндөршил (Elevation (E))
• Зүг зовхис (Aspect (A))
• Налуу (Slope (S)) зэргээс хамаарч өөрчлөгдөнө гэсэн
таамаглал батлагдсан.
Загварыг томъёолон харуулав.
PSMI = 0.35 * NDVI +0.73* LST - 0.26*E -0.01* A-0.07*S
R2 = 0.904
Regression Statistics
Multiple R 0.97
R Square 0.904
Adjusted R Square 0.93
Standard Error 0.11
Observations 33.00
Загварт үл хамаарах хувьсагчид хоорондоо хүчтэй хамааралтай эсэхийг шалгасан
(Collinearity тест).

17. Нөлөөлөх хүчин зүйлүүд ба PSMI тооцсон дүн
(Хээрийн хэмжилт + ЗТС-ын мэдээ )
№
Хөрсний
чийг
/мм/
Чийгийн
индекс
Ургамалжилт
ГГТ
/0C/
Өндөржилт
/метр/
Зүг зовхис
Налуу
/градус/
PSMI
1 9.474 0.95 0.03 31.19 1072 285.95 4.77 0.99
2 8.609 0.97 0.03 29.75 1070 270.00 2.62 0.97
3 9.238 1.00 0.04 29.75 1071 270.00 1.97 0.98
4 8.446 0.98 0.00 33.08 1181 288.43 6.22 0.97
5 10.313 0.98 0.01 33.08 1188 285.95 4.77 0.99
6 7.651 0.97 0.01 32.38 1173 298.61 8.22 0.96
7 7.947 1.15 -0.01 38.62 900 185.71 6.59 1.14
8 10.103 1.12 -0.02 37.71 905 185.19 3.62 1.12
9 11.635 1.12 -0.01 37.71 899 18.43 7.26 1.12
10 12.275 1.28 0.10 38.39 900 263.66 2.97 1.28
11 10.841 1.17 0.02 38.62 904 236.31 4.73 1.18
12 9.084 1.15 0.00 37.94 904 243.43 2.93 1.15
13 11.48 1.36 0.27 29.92 1072 175.10 6.71 1.24
14 12.26 1.49 0.31 29.92 1070 175.10 4.20 1.30

18. Загвараар тооцсон хөрсний
чийгийн индексийн ангиллын
зураглал
Хөрсний чийгийн загварыг ашиглан
гарган авсан үр дүнгийн зургийг 2011 оны
9 дүгээр сарын 18-ны байдлаар
тодорхойллоо.
Загвараас гарсан хөрсний чийг (PSMI)-г
ангилсан
 бага (0.0 – 1.0),
 дунд (1.1 – 1.5),
 их (1.5 – аас их)

19. Үр дүн
Загвараас гарсан хөрсний чийгийн индекс, Ландсат хиймэл дагуулын
мэдээнээс гарган авсан чийгийн индекс хоёрын хамаарлын коэффициент 0.95
хүчтэй байна.

20. Загварын үр дүнг хээрийн хэмжилттэй харьцуулахад хамаарлын коэффициент 0,81
байна.
Үр дүн – баталгаажуулалт 1

21. Үр дүн – баталгаажуулалт 2
Хиймэл дагуулын мэдээний загвараас гарсан үр дүн
Хээрийнхэмжилтээс
гарсанүрдүн
Бага (0-1.0) Дунд (1.1-1.5) Их (1.6 < ) Нийт
Бага 5 2 0 7
Дунд 4 16 3 23
Их 0 1 2 3
Нийт 9 19 5 33
Баталгаажилт % 55.55 84.21 40.00
Ерөнхий
баталгаажилт %
69.70%

22. Дүгнэлт
1. Хөрсний чийгийн хээрийн судалгааны дүн, цаг уурын
станцын хөрсний чийгийн хэмжилтүүд нь загвараар
гаргасан хөрсний чийг (PSMI)-ийн үзүүлэлттэй
мэдэгдэхүйц хамааралтай болох нь батлагдаж байна.
2. Хөрсний чийгийн зураглалыг үндэслэн өндөр
нарийвчлалтай хиймэл дагуулын мэдээнд тулгуурласан
хөрсний чийгийн загвар боловсруулах боломж бүрдэж
байна.
3. Нарийвчлан үнэлэх аргаар (PSMI)-г чийгийн хээрийн
хэмжилтийн дүнтэй харьцуулахад хамаарал 69.7 хувьтай
байгаа нь мэдэгдэхүйц хамааралтай болохыг харуулж байна.

23. http://www.tandfonline.com/doi/full/10.1080/1
0095020.2017.1307666

24. Анхаарал тавьсан та бүхэнд баярлалаа