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. 2017. Т. 14. № 3. С. 185-195

О влиянии засоренности на NDVI посевов ярового ячменя, определяемый по спутниковым данным MODIS

И.Ю. Савин 1, 2 , П.А. Докукин 2 , Ю.И. Вернюк 2, 1 , А.В. Жоголев 1 
1 Почвенный институт им. В.В. Докучаева, Москва, Россия
2 Аграрно-технологический институт РУДН, Москва, Россия
Одобрена к печати: 14.03.2017
DOI: 10.21046/2070-7401-2017-14-3-185-195
Проведено сравнение полевых данных о надземной фитомассе посевов ярового ячменя на отдельных полях в Тульской области со значениями NDVI MODIS, представленными на интернет-сервисе «ВЕГА». В качестве индикаторов состояния посевов использовались расчетные значения величины проективного покрытия, общий вес надземной фитомассы и вес сорняков. В результате проведенных исследований было установлено, что величина NDVI в середине сезона вегетации определяется суммарным эффектом культурной растительности и сорняков, а в конце сезона роль сорняков в формировании NDVI преобладает. Теоретически в это время NDVI может использоваться для оценки общей степени засоренности пахотных угодий сорняками. При использовании NDVI в качестве предиктора урожайности культур более целесообразно использовать значения индексов, полученные лишь в первую половину вегетационного периода. Исходя их физиологии и фенологии сельскохозяйственных культур, можно предположить, что подобные закономерности имеют место не только для посевов ячменя, но и для посевов пшеницы, тритикале и ржи. Установленные закономерности справедливы лишь для территорий с аналогичными агротехнологиями возделывания культур и севооборотами. Они должны учитываться при использовании данных сервиса «ВЕГА» для мониторинга состояния посевов на уровне отдельных полей и прогнозирования урожайности сельскохозяйственных культур.
Ключевые слова: MODIS, вегетационные индексы, Тульская область, засоренность посевов, прогнозирование урожайности
Полный текст

Список литературы:

  1. Береза О.В., Страшная А.И., Лупян Е.А. О возможности прогнозирования урожайности озимой пшеницы в Среднем Поволжье на основе комплексирования наземных и спутниковых данных // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 1. С. 18−30.
  2. Засоренность посевов сельскохозяйственных культур и борьба с сорной растительностью. Ставрополь: СНИИСХ, 1986. 205 с.
  3. Захаренко В.А. Тенденции изменения потерь урожая сельскохозяйственных культур от вредных организмов в земледелии в условиях реформирования экономики России // Агрохимия. 1997. № 3. С. 67−74.
  4. Лупян Е.А., Савин И.Ю., Барталев С.А., Толпин В.А., Балашов И.В., Плотников Д.Е. Спутниковый сервис мониторинга состояния растительности («Вега») // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 190−198.
  5. Савин И.Ю., Барталев С.А., Лупян Е.А., Толпин В.А., Хвостиков С.А. Прогнозирование урожайности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 3. С. 275−285.
  6. Синещеков В.Е., Васильева Н.В. Фитосанитарная ситуация в зерновых агроценозах при минимизации обработки почвы. Новосибирск: ФГБНУ «СибНИИЗиХ», 2015. 96 с.
  7. Толпин В.А., Барталев С.А., Ефремов В.Ю., Лупян Е.А., Савин И.Ю., Флитман Е.В. Возможности информационного сервера СДМЗ АПК // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 2. С. 221−232.
  8. Толпин В.А., Балашов И.В., Лупян Е.А., Савин И.Ю. Спутниковый сервис «Вега» // Земля из космоса. 2011. Вып. 9. Весна. С. 32−37.
  9. Bala S.K., Islam A.S. Correlation between potato yield and MODIS-derived vegetation indices // International Journal of Remote Sensing. 2009. Vol. 30. Issue 10. P. 2491−2507.
  10. Becker-Reshef I., Justice C., Sullivan M., Vermote E., Tucker C., Anyamba A., Small J. Monitoring Global Croplands with Coarse Resolution Earth Observations: The Global Agriculture Monitoring (GLAM) Project // Remote Sensing. 2010. Vol. 2 (6). P. 1589−1609.
  11. Benedetti R., Rossinni P. On the use of NDVI profiles as a tool for agricultural statistics: the case study of wheat yield estimate and forecast in Emilia Romagna // Remote Sensing of Environment. 1993. Vol. 45. P. 311−326.
  12. Bouman B.A.M., Uenk D., Haverkort A.J. Estimation of ground cover of potato by reflectance measurements // Potato Research. 1992. Vol. 35. P. 111−125.
  13. Brown R.J., Bernier M., Fedosejevs G., Skretkowicz L. NOAA-AVHRR Crop Condition Monitoring // Canadian Journal of Remote Sensing. 1982. No. 8. P. 107−117.
  14. Esquerdo J.C.D.M., Zullo J.J., Antunes J.F.G. Use of NDVI/AVHRR Time Series Profiles for Soybean Crop Monitoring in Brazil // International Journal of Remote Sensing. 2011. Vol. 32 (13). P. 3711−3727.
  15. Groten S.M.E. NDVI crop monitoring and early yield assessment of Burkina Faso // International Journal of Remote Sensing. 1993. Vol. 14 (8). P. 1495−1515.
  16. Kogan F.N. Global Drought and Flood-Watch from NOAA Polar-orbiting Satellites // Advances in Space Research. 1998. Vol. 21. No. 3. P. 477−480.
  17. Liu W.T., Kogan F. Monitoring Brazilian soybean production using NOAA/AVHRR based vegetation condition indices // International Journal of Remote Sensing. 2002. Vol. 23 (6). P. 1161−1179.
  18. Methodology of the MARS Crop Yield Forecasting System. Eur Rep 21291 EN/1−4. Luxembourg: OPOCE, 2008. 438 p.
  19. Quarmby N.A., Milnes M., Hindle T., Silicos N. The use of multitemporal NDVI measurements from AVHRR data for crop yield estimation and prediction // International Journal of Remote Sensing. 1993. Vol. 14. P. 199−210.
  20. Rasmussen M.S. Operational Yield forecast using AVHRR NDVI data: reduction of environmental and inter-annual variability // International Journal of Remote Sensing. 1997. Vol. 18. No. 5. P. 1059−1077.
  21. Rembold F., Atzberger C., Savin I., Rojas O. Using low resolution satellite imagery for yield prediction and yield anomaly detection // Remote Sensing. 2013. Vol. 5. No. 4. P. 1704−1733.
  22. Royer A., Genovese G. Methodology of the MARS Crop Yield Forecasting System. Vol. 3. Remote Sensing Information, Data Processing and Analysis. Luxembourg: OPOCE, 2004. 459 p.
  23. Savin I. Crop yield prediction with SPOT VGT in Mediterranean and Central Asian countries // ISPRS Archives XXXVI-8/W48 Workshop proceedings: Remote sensing support to crop yield forecast and area estimates. Commission VIII, WG VIII/10. Stresa: OPOCE, 2007. P. 130−134.
  24. Savin I.Yu., Nègre Т. Agro-meteorological Monitoring in Russia and Central Asian Countries. Ispra: OPOCE, 2006. 214 p.
  25. The State of Food and Agriculture 2016 (SOFA): Climate change, agriculture and food security. Rome: FAO. 2016. 190 p.
  26. Unganai L.S., Kogan F.N. Drought monitoring and Corn yield estimation in Southern Africa from AVHRR data // Remote Sensing of Environment. 1998. Vol. 63. P. 219−232.
  27. Wu B., Meng J., .Li Q, Yan N., Du X., Zhang M. Remote sensing-based global crop monitoring: experiences with China's CropWatch system // International Journal of Digital Earth. 2014. Vol. 7. No. 2. P. 113−137.
  28. Yang C., Everitt J.H., Bradford J.M., Escobar D.E.. Mapping grain sorghum growth and yield variations using airborne multispectral digital imagery // Transactions of ASAE. 2000. Vol. 43. No. 6. P. 1927−1938.