Создание картированного продукта влажности почвы в корнеобитаемой зоне для Индии, 1981–2024

Почему вода, скрытая в почве, имеет значение

Для миллионов фермеров по всей Индии хороший урожай во многом зависит от того, чего они не видят напрямую: воды, запасённой в слоях почвы под их ногами. Эта скрытая вода в зоне досягаемости корней поддерживает растения между дождями, определяет восприятие тепловых волн и влияет на то, станет ли сухой период разрушительной засухой. До сих пор в Индии не было длительного подробного учёта этой подземной влаги. Описанное здесь исследование заполняет этот пробел, создав ежедневную карту влажности почвы в корнеобитаемой зоне для всей Индии за период с 1981 по 2024 год, открывая новые возможности для более разумного ведения сельского хозяйства, улучшенных предупреждений о засухе и более ясного понимания того, как климат изменяет сушу.

Заглядывая ниже поверхности

Большинство спутниковых миссий способны измерять влажность только в верхних слоях почвы, на глубине в несколько сантиметров — слишком мелко, чтобы показать, что действительно испытывают корни растений. Эти спутниковые записи также охватывают лишь около одного десятилетия, что затрудняет понимание долгосрочных трендов. В то же время численные модели, имитирующие движение воды в почве и реках, могут работать на протяжении нескольких десятилетий, но часто упускают локальные особенности и не всегда точно отражают действительное количество воды в грунте, особенно в районах с интенсивным орошением, сложным рельефом или густой растительностью. Исследователи поставили задачу объединить сильные стороны обоих подходов, чтобы восстановить картину влажности корневой зоны (до одного метра) по всей Индии за более чем четыре десятилетия.

Смешение спутниковых данных, моделей и погодных данных

Команда начала с высокоразрешающего погодного набора для Индии, включающего суточные осадки и температуру, скорректированные по наземным наблюдениям. Эти данные были поданы в подробную модель земной поверхности и речного стока H08, которая моделирует сток, инфильтрацию в почву и возвращение воды в атмосферу через испарение и транспирацию растений. Это дало длительные ежедневные ряды стока, испарения и влажности почвы для каждой ячейки сетки с шагом 0,05° — примерно несколько километров в поперечнике — по крупным бассейнам Индии. Однако, хотя модель хорошо воспроизводила временные закономерности, она часто недооценивала объём воды, хранящейся в почве, особенно в более влажных регионах. Чтобы исправить это, исследователи использовали данные о влажности корневой зоны из спутникового продукта NASA (SMAP Level 4), доступного с 2015 года, как надёжный эталон.

Обучение модели думать как спутник

Чтобы преодолеть разрыв между краткосрочными спутниковыми наблюдениями и долгосрочными модельными выходами, учёные обратились к машинному обучению. Для каждой ячейки сетки по всей Индии они обучали модель Random Forest — ансамбль решающих деревьев — устанавливать зависимость между четырьмя входными величинами и спутниковой влажностью корневой зоны: смоделированной влажностью почвы, смоделированной испаряемостью (evapotranspiration), осадками за предыдущую неделю и суточной температурой воздуха. Фокусировка на каждой ячейке отдельно позволила учесть местные отличия климата, почв и землепользования. После обучения на период 2016–2024 годов система машинного обучения была использована для «ретрокастинга» — восстановления ежедневной влажности почвы вплоть до 1981 года, создав непрерывный 44-летний ряд, который одновременно физически согласован и настроен так, чтобы соответствовать тому, что бы зафиксировал спутник.

Сопоставление новой карты с реальностью

Любая такая реконструкция полезна только в том случае, если она соответствует реальному поведению, поэтому команда тщательно проверила свой продукт. Сначала они оценили, насколько хорошо модель H08 воспроизводит речные стоки и испарение, измеренные спутниками, обнаружив в целом хорошее соответствие на сотнях гидропунктов. Затем они сравнили результаты машинного обучения по влажности почвы с данными SMAP: в большей части Индии новый продукт очень близко повторял спутниковые наблюдения, с небольшими ошибками и высокими корреляциями. На контрольном участке с наземными датчиками на нескольких глубинах восстановленная влажность корневой зоны хорошо согласовывалась с наблюдениями, несмотря на разницу между точечными измерениями и большей ячейкой сетки. Наконец, они сопоставили аномалии влажности почвы в два печально известных года засухи, 2002 и 2009, с независимыми спутниковыми измерениями активности растений (солнечно-индуцированная флуоресценция хлорофилла). Сухие паттерны в почве и растительности совпадали, что показывает: новый набор данных отражает реакцию посевов и природной растительности на водный стресс.

Что это значит для фермеров и планировщиков

В результате получилась публично доступная ежедневная карта по сетке, показывающая, сколько воды хранилось в верхнем метре почвы по всей Индии в период 1981–2024 годов. Для неспециалистов это означает новую основу для ответов на практические вопросы: насколько необычна сухость этого года по сравнению с прошлыми десятилетиями? Какие округа наиболее уязвимы к потерям урожая при слабом муссоне? Как орошение и изменение осадков влияли на подземную влагу с течением времени? Авторы отмечают, что данные менее надёжны в снежных горах и в некоторых районах с интенсивным орошением, но подчёркивают, что этот длинный и детализированный ряд уже может поддержать улучшенный мониторинг засух, более реалистичные модели урожайности и водных ресурсов, а также более информированную политику в области продовольственной и водной безопасности в условиях глобального потепления.

Цитирование: Chuphal, D.S., Abhishek, Kushwaha, A.P. et al. Development of Gridded Root-Zone Soil Moisture Product for India, 1981–2024. Sci Data 13, 560 (2026). https://doi.org/10.1038/s41597-026-06940-x

Ключевые слова: влажность почвы, засуха, Индия, дистанционное зондирование, сельское хозяйство