Агроинженер РУДН создал метод для определения свойств почвы без выкапывания
Цвет — один из главных показателей свойств почвы. По цвету можно определить ее тип, содержание перегноя, плотность, соленость, влажность и т.д. К примеру, чернозем богат гумусом — именно он придает насыщенный черный цвет. А почвы, в которых содержится много железа, имеют красноватый оттенок. Чаще всего, чтобы определить цвет почвы, выкапывают ее образцы. Однако эти методы трудоемки и применимы только к верхним слоям. Агроинженер РУДН предложил определять цвет почв на разной глубине по данным георадара. Это устройство посылает в землю электромагнитные волны и считывает отраженные волны. Сейчас так определяют, например, границы между горизонтами почв, выявляют инородные объекты.
«Цвет — одно из основных свойств почв, изначально он служил основой для их классификации. Именно поэтому названия многих почв ассоциируются с цветом. При этом цвет любого объекта определяется особенностями отражения от него электромагнитных волн. А это в свою очередь определяется свойствами самого объекта и зависит от его материального состава. Теоретически для определения такого сложного свойства почвы как цвет можно использовать методы георадарного профилирования. Нашей целью был поиск взаимосвязи цвета слоев почвы с данными георадарного профилирования», — доктор сельскохозяйственных наук Игорь Савин, профессор Аграрно-технологического института РУДН.
Эксперимент проводился на территории Каменной степи в Воронежской области. Для этого региона характерны перепады высот и разная влажность почв — это позволило ученым исследовать разнородные грунты. Всего для анализа было выбрано семь точек. Исследователи провели георадарное зондирование почвы, а также собрали образцы из каждого 10-сантиметрового слоя. Полученные образцы высушили и измельчили для определения доминирующего цвета, то есть доминирующей длинны волны — красный (610–700 нм), зеленый (520–540 нм) или синий 450–475 нм. После этого ученые сравнили данные георадара с цветом образцов почв и построили модель. В результате рассчитанный по модели цвет совпадал с фактическим в 80% случаев. В дальнейшем ученые надеются адаптировать модель и для других территорий.
«Построенные модели нельзя использовать на территориях с другими почвами. Но это не недостаток, а особенность метода. Почвы очень разнообразны по цвету, и для надежности моделирования необходимо включать в модель и особенности цвета почв региона, для которого проводятся работы. На первых порах для каждого участка понадобится делать хоть один проверочный разрез традиционными методами. Но впоследствии, при накоплении подобных полевых данных, этот недостаток будет преодолен, и раскопка почв больше не понадобится», — доктор сельскохозяйственных наук Игорь Савин, профессор Аграрно-технологического института РУДН.
Результаты опубликованы в журнале Eurasian soil science.
Представьте себе мир, где у каждого есть достаточно еды, чистая вода, доступ к образованию и достойная работа. Мир, где берегут природу и заботятся о будущем нашей планеты. Это и есть цели устойчивого развития — построить устойчивое будущее для всех! Для этого Организация Объединенных Наций (ООН) в 2015 году определила 17 Целей устойчивого развития (ЦУР). ЦУР — это глобальный план, который помогает странам и людям вместе двигаться к лучшему будущему. К нему присоединились 193 государства-члена ООН.
Исследователи факультета искусственного интеллекта РУДН провели масштабное исследование, которое раскрыло системные ошибки больших языковых моделей (LLM) при диагностике депрессии по тексту. Эта работа, выполненная совместно с коллегами из AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ и MBZUAI, не только выявляет проблему, но и закладывает основу для создания более надёжных и безопасных инструментов для детектирования депрессии и тревожности.
В РУДН состоялась первая научно-практическая конференция «Функциональная морфология тканевого микроокружения: от теории к практике», посвящённая памяти академика РАН Михаила Пальцева. Она объединила ведущих исследователей из России, Китая и других стран, став важной площадкой для обсуждения трансляции фундаментальных открытий в персонализированную медицину.