Архив
Том 21, 2024
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
Ваш e-mail:
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. 2015. Т. 12. № 2. С. 173-182

Анализ результатов прогнозирования урожайности яровой пшеницы на основе временных рядов статистических данных и интегральных индексов вегетации

Л.Ф. Спивак1 , И.С. Витковская2 , М.Ж. Батырбаева2 , А.М. Кауазов2 
1 Международный университет "Дубна", Дубна, Московская обл., Россия
2 Национальный центр космических исследований и технологий, Алматы, Казахстан
Статья посвящена сравнительному анализу результатов прогноза урожайности яровой пшеницы на основе многолетних рядов статистических данных и интегральных индексов вегетации, построенных по данным дистанционного зондирования Земли (ДЗЗ). Сравнение проводится на примере Акмолинской области Казахстана. Прогноз урожайности зерновых традиционно представляет большой интерес для Казахстана, поскольку основные посевные площади расположены в зоне рискованного земледелия и часто страдают от засух. В последние годы во многих странах мира для мониторинга и контроля сельскохозяйственного производства активно используются данные ДЗЗ. В Казахстане регулярный космический мониторинг посевов зерновых ведется с 2000 года. Разработаны технологии, позволяющие с высокой точностью определять площади и оперативно оценивать текущее состояние посевов. В тоже время достоверность долгосрочных прогнозов урожайности оставляет желать лучшего. Представлены результаты прогнозов с помощью уравнений трендов и вероятностных моделей. Приведены оценки точности прогнозов. Предложен адаптивный метод предпосевного прогноза урожайности яровой пшеницы. Прогноз рассчитывается с учетом априорной вероятности и закономерностей чередования благоприятных, нормальных и засушливых вегетационных сезонов. В статье рассмотрены локальные факторы, учет которых позволяет повысить точность прогноза. Для Акмолинской области основными факторами, влияющими на урожайность яровой пшеницы, являются: характер текущего цикла солнечной активности, сроки и темпы схода снежного покрова, погодные условия в предшествующие годы.
Ключевые слова: прогноз урожайности, яровая пшеница, дистанционное зондирование Земли, вегетационные индексы, временные ряды
Полный текст

Список литературы:

  1. Барталев С.А., Лупян Е.А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 1. С. 197–214.
  2. Коган Ф., Куссуль Н.Н., Адаменко Т.И., Скакун С.В., Кравченко А.Н., Кривобок А.А., Шелестов А.Ю., Колотий А.В., Куссуль О.М., Лавренюк А.Н. Сравнительный анализ результатов регрессионных и биофизических моделей в задаче прогнозирования урожайности озимой пшеницы // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 1. С. 215–227.
  3. Савин И.Ю.. Барталев С.А., Лупян Е.А.. Толпин В.А., Хвостиков С.А. Прогнозирование урожйности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 3. С. 275–285.
  4. Спивак Л.Ф., Витковская И.С., Батырбаева М.Ж., Муратова Н.Р., Кауазов А.М. Космический мониторинг засух в Казахстане: анализ многолетних данных дистанционного зондирования // Земля из космоса: наиболее эффективные решения. 2012. № 12. С. 15 –23.
  5. Gitelson A., Kogan F., Zakarin E., Spivak L., Lebed L.. Using AVHRR Data for Quantitative Estimation of Vegetation Conditions: Calibration and Validation // Advances in Space Research. 1998. Vol. 22 ( 5). pp. 673–676.
  6. Kogan F., Gitelson A., Zakarin E., Spivak L., Lebed L. AVHRR-based spectral vegetation index for quantitative assessment of vegetation state and productivity: Calibration and validation //Photogrammetric engineering and remote sensing. 2003. Vol. 69(8). pp. 899–906.
  7. Spivak L., Vitkovskaya I., Batyrbayeva M., Terekhov A. The experience of land cover change detection by satellite data // Frontiers of Earth Science. 2012, 6(2). pp. 140–146.