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.