Архив
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. №4. С. 265-273

Сезонность биофизических и спектральных характеристик озимой пшеницы

Р. Кынчева , Г. Георгиев 
Институт космических исследований и технологий - Болгарская академия наук
Сельскохозяйственный мониторинг является важным и широко распространенным применением дистанци-
онного зондирования, предоставляя ценную информацию о состоянии посевов и процессе их развития. Во-
просам фенологии посвящено множество исследований. Эти вопросы связаны с использованием дистанцион-
ных данных для слежения за ходом вегетации, картирования растительных видов, прогнозирования развития
экосистем, количественного определения углеводородных потоков, оценки межгодовых пространственных и
временных изменений сезонных циклов растительности и зависимости этих изменений от условий окружаю-
щей среды. В сельском хозяйстве дистанционные данные о сезонной активности посевов используются для
классификации культур, для оценки их развития и условий прорастания, для прогнозирования урожая. Пра-
вильная интерпретация данных дистанционного зондирования и растущие запросы к их надежности требуют,
однако, тщательного наземного изучения сезонного хода различных культур и их связей с состоянием посевов.
Для того, чтобы проследить сезонность биофизических и спектральных характеристик озимой пшеницы, мы
провели полевой эксперимент с целью количественно описать взаимосвязи биофизических и спектральных
свойств посевов в отдельных фенологических фазах растений. Такие связи позволяют оценку состояния посе-
вов в различные периоды их развития, чем обеспечивается эффективное слежение за ходом их роста и бóльшая
точность прогнозирования урожая.
Ключевые слова: озимая пшеница, спектральные характеристики, вегетационные индексы, сезонная динамика, фенология, параметры состояния, прогнозирование урожая
Полный текст

Список литературы:

  1. Darvishzadeh R., Skidmore A., Schlerf M., Atzberger C. Inversion of a radiative transfer model for estimating vegetation LAI and chlorophyll in a heterogeneous grassland // Remote Sensing of Environment, 112 (5), pp. 2592-2604, 2008
  2. Broge N. H., Mortensen J. V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data // Remote Sensing of Environment, 81 (1), pp. 45-57, 2002
  3. McNairn, H. Deriving percent crop cover over agriculture canopies using hyperspectral remote sensing // Canadian Journal of Remote Sensing 34(1), 2008.
  4. González-Sanpedro M.C., Le Toan T. , Moreno J., Kergoat L., Rubio E. Seasonal variations of leaf area index of agricultural fields retrieved from Landsat data // Remote Sensing of Environment, 112 (3), pp. 810-824, 2008
  5. Doraiswamy P.C., Hatfield J.L., Jackson T.J., Akhmedov B., Prueger J., Stern A. Crop condition and yield simulations using Landsat and MODIS // Remote Sensing of Environment, 92, pp. 548-559, 2004
  6. Serrano L., Filella I., Penuelas J., Remote Sensing of Biomass and Yield of Winter Wheat under Different Nitrogen Supplies // Crop Sci., 40, pp. 723-731, 2000.
  7. Anup K. Prasad A.K., Chai L., Singh R.P., Kafatos M. Crop yield estimation model for Iowa using remote sensing and surface parameters // International Journal of Applied Earth Observation and Geoinformation, 8, pp. 26-33, 2006.
  8. Jolly, W. M., Nemani, R., Running, S. W. A generalized, bioclimatic index to predict foliar phenology in response to climate // Global Change Biology, 11, pp. 619−632, 2005.
  9. Schwartz M. D., Reed B., & White M. A. Assessing satellite-derived start-of-season (SOS) measures in the conterminous USA // International Journal of Climatology, 22, pp. 1793−1805. 2002.
  10. Zhang X.Y., Friedl M.A., Schaaf C.B. et al. Monitoring vegetation phenology using MODIS // Remote Sensing of Environment, 84, pp. 471−475, 2003.
  11. Ferreira L.G., Huete.A. R. Assessing the seasonal dynamics of the Brazilian Cerrado vegetation through the use of spectral vegetation indices // Int. J. Remote Sensing, 25, (10), pp. 1837-1860, 2004.
  12. Ferreira L.G., Yoshioka H., Huete A., Sano E.E. Seasonal landscape and spectral vegetation index dynamics in the Brazilian Cerrado: An analysis within the Large-Scale Biosphere-Atmosphere Experiment in Amazonia (LBA) // Remote Sensing of Environment, 87, pp. 534-550, 2003.
  13. White, M. A., Nemani, R.R. Soil water forecasting in the continental United States: Relative forcing by meteorology versus leaf area index and the effects of meteorological forecast errors // Canadian Journal of Remote Sensing, 30, pp. 717−730, 2004.
  14. Stockli R., Rutishauser T., Dragoni D., OKeefe J., Thornton P. E., Jolly M., Lu L., Denning A.S. Remote sensing data assimilation for a prognostic phenology model // J. Geophys. Res., 113, G04021, doi:10.1029/2008JG000781, 2008
  15. White M. A., Brunsell N., Schwartz M.D. Vegetation phenology in global change studies // In M. D. Schwartz (Ed.), Phenology: An integrative environmental science (pp. 453−466). NY: Kluwer Academic Publishers, 2003
  16. White M. A., Hoffman F., Hargrove W.W., Nemani R. R. A global framework for monitoring phenological responses to climate change // Geophysical Research, 32, L04705, doi:10.1029/2004GL021961, 2005.
  17. Jenkins J.P., Braswell B.H., Frolking S.E., Aber J.D., Detecting and predicting spatial and interannual patterns of temperate forest springtime phenology in the eastern U.S. // Geophysical Research Lett, 29 (24) 2201, doi:10.1029/2001GL014008, 2002.