Ключевые слова:
- органический углерод почвы (ОУП)
- спектроскопия
- ближняя инфракрасная область (NIR)
- средняя инфракрасная область (MIR)
- дистанционное зондирование
- искусственный интеллект (AI/ML)
- ГИС
- депонирование углерода
Аннотация
В данной статье теоретически обосновываются преимущества инновационного интегрированного метода, направленного на радикальное повышение точности, эффективности и скорости определения органического углерода почвы (ОУП). Метод объединяет прямые лабораторные измерения, почвенную спектроскопию (NIR/MIR), дистанционное зондирование (Sentinel, Landsat) и модели искусственного интеллекта (AI/ML).
Библиографические ссылки
Bobomurodov Sh., Baxodirov Z., Yuldashov M., Tursunov Sh. “Anʼanaviy va zamonaviy usullarni o‘zaro integratsiyalash orqali tuproqdagi organik uglerodni baholash hususida”. O‘zbekiston agrar fani xabarnomasi. Ilmiy-amaliy jurnal. № 6/1 (24) 2025 yil. 154-159.
Qo‘ziyev R.Q., Abduraxmonov N.Yu. va boshqalar. Davlat yer kadastrini yuritish uchun tuproq tadqiqotlarini bajarish va tuproq kartalarini tuzish bo‘yicha yo‘riqnoma. / – Toshkent, 2013 y. – B. -52.
“Paxta maydonlarida tuproqlarning agrofizikaviy, agrokimyoviy va mikrobiologik xossalarini o‘rganish uslublari”. / O‘zPITI. – Toshkent, 1993 y. – B. -37
Аринушкина. Е.В. “Руководство по химическому анализу почв”. – М.: 1970 г. – С. -485.
Агрохимические, агрофизические и микробилогические исследования почв и растений” // ЎзПИТИ. – Ташкент, 1963. – С. –50-60.
Lal, R. (2004). Soil carbon sequestration impacts on global climate change and food security. Science, 304(5677), 1623–1627.
Janik, L. J., Skjemstad, J. O., & Shepherd, K. D. (2007). The prediction of soil carbon by visible and near infrared diffuse reflectance spectroscopy. Soil Research, 45(2), –73–81.
Vagen, T. G., Shepherd, K. D., & Walsh, M. G. (2010). Sensing soil organic carbon on a regional scale using satellite imagery. Remote Sensing of Environment, 114(8), 1629–1637.
Hengl, T., Heuvelink, G. B. M., & Rossiter, D. G. (2007). About default settings in geostatistical soil mapping. Geoderma, 140 (4), –412–427.
Padarian, J., Minasny, B., & McBratney, A.B. (2019). Using deep learning to predict soil properties from visible near-infrared spectra. Geoderma, – 353, –168–176.
