ГАРМОНІЗАЦІЯ СИСТЕМ ГРАНУЛОМЕТРИЧНОГО СКЛАДУ КАЧИНСЬКОГО ТА FAO/USDA: МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ТА ПЕДОГЕНЕТИЧНИЙ АСПЕКТ
DOI:
https://doi.org/10.31861/biosystems2025.03.436Ключові слова:
текстура ґрунту, гранулометричний склад, система Качинського, стандарти FAO/WRB, алгоритм LLSI, фрактальне масштабування, бурувато-підзолисті грунти, літогенна неоднорідністьАнотація
У статті розглянуто методологічні аспекти конвертації даних гранулометричного складу ґрунтів із регіональної системи М. О. Качинського у міжнародні стандарти FAO/USDA. Основну увагу приділено діагностиці літогенної неоднорідності ретисолів (Retisols). Автором проведено порівняльний аналіз параметричних моделей (Fredlund 4P, van Genuchten, Skaggs) та непараметричних сплайн-функцій. Для визначення вмісту фракції мулу (< 2 мкм) розроблено алгоритм лог-лінійної секційної інтерполяції (LLSI). Для компенсації відсутності даних у діапазоні 1–2 мм за методом Качинського застосовано підхід фрактального степеневого масштабування для екстраполяції піщаних фракцій.
Встановлено, що традиційні методи перерахунку за фіксованими коефіцієнтами (зокрема, «фізична глина / 2») призводять до помилок класифікації у 30–50% випадків. Доведено, що застосування алгоритму LLSI у поєднанні з фрактальним масштабуванням та врахуванням вмісту органічної речовини й карбонатів забезпечує високу точність прогнозування ( R2 > 0.95). Виявлено систематичну похибку методу лазерної дифракції, який недооцінює вміст мулу на 8–15% порівняно з седиментаційними методами. Обґрунтовано, що ефективна гармонізація даних потребує безперервного моделювання інтегральної кривої розподілу часток, що дозволяє коректно інтегрувати регіональні ґрунтові архіви до глобальних баз даних.
Посилання
1. Andersson, S. (1990). Physical soil investigations in cultivated land, XXVI. On the space-filling properties of mineral soil and humus [Theoretical study]. Swedish University of Agricultural Sciences. [Sweeden].
2. Assouline, S., Tessier, D., & Bruand, A. (1998). A conceptual model of the soil water retention curve. Water Resources Research, 34(2), 223–231. https://doi.org/10.1029/97WR03039
3. Bhatt, R., Kunal, Garg, A. K., Majumder, D., Verma, K. K., & de Oliveira, M. W. (2025). Soil texture: Unlocking fertility and productivity for better crops. Agriculture Association of Textile Chemical and Critical Reviews Journal, 13(3), 396–408. https://doi.org/10.21276/AATCCReview.2025.13.03.396
4. Callesen, I., Palviainen, M., Armolaitis, K., Rasmussen, C., & Kjønaas, O. J. (2023). Soil texture analysis by laser diffraction and sedimentation and sieving–method and instrument comparison with a focus on Nordic and Baltic forest soils. Frontiers in Forests and Global Change, 6, 1144845. https://doi.org/10.3389/ffgc.2023.1144845
5. Fredlund, M. D., Fredlund, D. G., & Wilson, G. W. (2000). An equation to represent grain-size distribution. Canadian Geotechnical Journal, 37(4), 817–827. https://doi.org/10.1139/t00-015
6. Haverkamp, R., & Parlange, J. Y. (1986). Predicting the water-retention curve from particle-size distribution: 1. Sandy soils without organic matter. Soil Science, 142(6), 325–339.
7. https://doi.org/10.1111/j.1365-2389.1997.tb00574.x
8. Laktionova, T. M. (2011). On the possibility of using the USDA/FAO soil texture classification in Ukraine. Ahrokhimiia i Gruntoznavstvo, (74), 36–46 [Ukraine].
9. Marhoul, A., Herza, T., Kozák, J., Janků, J., Jehlička, J., Borůvka, L., ... & Polák, P. (2025). Approximation of the soil particle-size distribution curve using a NURBS curve. Soil & Water Research, 20(1). https://doi.org/10.17221/139/2024-SWR
10. Moreno-Maroto, J. M., & Alonso-Azcárate, J. (2022). Evaluation of the USDA soil texture triangle through Atterberg limits and an alternative classification system. Applied Clay Science, 229, 106689. https://doi.org/10.1016/j.clay.2022.106689
11. Nikorych, V. A. (2015). Diagnostics of lithogenic heterogeneity of brown-podzolic soils based on particle-size distribution. Ahrokhimiia i Gruntoznavstvo, (84), 11–20.
12. Rousseva, S. S. (1997). Data transformations between soil texture schemes. European Journal of Soil Science, 48(4), 749-758.
13. Sadovski, A., Ivanova, M. (2020). Transformation of soil texture schemes and determination of water-physical properties of soils. Eurasian Journal of Soil Science, 9 (4), 306-313. https://doi.org/10.18393/ejss.760201
14. Shang, S. (2013). Log‐Cubic Method for Generation of Soil Particle Size Distribution Curve. The Scientific World Journal, 2013(1), 579460. http://dx.doi.org/10.1155/2013/579460
15. Shangguan, W., Dai, Y., García-Gutiérrez, C., & Yuan, H. (2014). Particle‐size distribution models for the conversion of Chinese data to FAO/USDA system. The Scientific World Journal, 2014(1), 109310. https://doi.org/10.1155/2014/109310
16. Shein, E. (2009). The particle-size distribution in soils: Problems of the methods of study, interpretation of the results, and classification. Eurasian Soil Science. 42. 284-291.
17. Skaggs, T. H., Arya, L. M., Shouse, P. J., & Mohanty, B. P. (2001). Estimating particle-size distribution from limited soil texture data. Soil Science Society of America Journal, 65(4), 1038–1044. https://doi.org/10.2136/sssaj2001.6541038x
18. Yang XianLong, Y. X., Zhang QingYin, Z. Q., Li XueZhang, L. X., Jia XiaoXu, J. X., Wei XiaoRong, W. X., & Shao Ming'an, S. M. A. (2015). Determination of soil texture by laser diffraction method. https://doi.org/10.2136/sssaj2015.04.0164
