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.