Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 125-139
Цифровое картографирование урожайности яровой пшеницы на основе вегетационных индексов и оценка её изменений в зависимости от свойств антропогенно-преобразованных почв
Н.В. Гопп
1 , О.А. Савенков
1 , А.В. Смирнов
2 1 Институт почвоведения и агрохимии СО РАН, Новосибирск, Россия
2 Алтайский государственный университет, Барнаул, Россия
Одобрена к печати: 28.05.2019
DOI: 10.21046/2070-7401-2019-16-3-125-139
Проведена сравнительная оценка информативности вегетационных индексов NDVI, EVI, RVI, CTVI, SAVI, MSAVI2 для цифрового картографирования урожайности яровой пшеницы, выращиваемой на юго-востоке Западной Сибири. С использованием полученных линейных моделей построены прогнозные карты урожайности яровой пшеницы, для которых в качестве индикатора и базовой картографической основы послужили данные пространственного распределения вегетационных индексов, рассчитанных по спутниковому снимку Landsat-8 OLI (разрешение 30 м). Сравнительный анализ карт показал, что результаты картографирования урожайности яровой пшеницы на основе вегетационных индексов NDVI, RVI, CTVI, SAVI, MSAVI2 являются идентичными. Результаты с использованием индекса EVI неудовлетворительные, так как на участке с разреженными посевами значения по урожайности были завышены в два раза. Средние значения вегетационных индексов посевов и урожайность яровой пшеницы на агрочернозёме статистически значимо не отличались от соответствующих показателей на агротёмно-серой почве. Установлены заметные и высокие корреляционные зависимости вегетационных индексов и урожайности яровой пшеницы с предпосевной влажностью и содержанием обменного калия, умеренные корреляционные зависимости ― с содержанием гумуса. Недостаточная предпосевная влажность почв являлась лимитирующим фактором в формировании урожая яровой пшеницы и не позволила агрохимическим свойствам почв произвести значительный эффект в увеличении урожайности.
Ключевые слова: вегетационные индексы, урожайность яровой пшеницы, Landsat-8 OLI, цифровое картографирование, RVI, NDVI, CTVI, EVI, SAVI, MSAVI2, азот, фосфор, гумус, калий, влажность почв
Полный текстСписок литературы:
- Агрохимические методы исследования почв. М.: Наука, 1975. 656 с.
- Антонов В. Н., Сладких Л. А. Мониторинг состояния посевов и прогнозирование урожайности яровой пшеницы по данным ДЗЗ // Геоматика. 2009. № 4. С. 50–53.
- Гопп Н. В. Моделирование запасов надземной фитомассы тундровых сообществ растений с использованием наземных и спутниковых данных // Горный информационно-аналит. бюл. 2009. Т. 17. № 12. С. 200–205.
- Гопп Н. В. Алгоритмический подход при составлении цифровых почвенных карт на основе лабораторно-полевых и спутниковых данных // Исследование Земли из космоса. 2013. № 3. С. 58–72.
- Гопп Н. В., Савенков О. А., Смирнов А. В. Диагностика причин неравномерной урожайности яровой пшеницы // Почвенные ресурсы Сибири: вызовы XXI века: материалы Всерос. науч. конф. Томск: Изд. дом Томского гос. ун-та, 2017. Ч. I. С. 194–199.
- Евтюшкин А. В., Брыксин В. М., Рычкова Н. В. Оценка состояния растительных покровов по данным дистанционного зондирования и подспутниковых экспериментов // Вестн. Алтайского гос. аграрного ун-та. 2010. № 10(72). С. 50–53.
- Классификация и диагностика почв России. Смоленск: Ойкумена, 2004. 342 с.
- Ничипорович А. А. О путях повышения продуктивности фотосинтеза растений в посевах // Фотосинтез и вопросы продуктивности растений. М.: АН СССР, 1963. С. 5–36.
- Орлов А. Д. Эрозия и эрозионноопасные земли Западной Сибири. Новосибирск: Наука, 1983. 208 с.
- Полевой определитель почв России. М.: Почв. ин-т им. В. В. Докучаева, 2008. 182 с.
- 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.
- Спивак Л. Ф., Витковская И. С., Батырбаева М. Ж., Кауазов А. М. Анализ результатов прогнозирования урожайности яровой пшеницы на основе временных рядов статистических данных и интегральных индексов вегетации // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 2. С. 173–182.
- Толпин В. А., Лупян Е. А., Барталев С. А., Плотников Д. Е., Матвеев А. М. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. 2014. Т. 27. № 7. С. 581–586.
- Черепанов А. С., Дружинина Е. Г. Спектральные свойства растительности и вегетационные индексы // Геоматика. 2009. № 3. С. 28–32.
- Ahmadian N., Demattê J. A.M., Xu D., Borg E., Zölitz R. A New Concept of Soil Line Retrieval from Lands // Remote Sensing. 2016. No. 8(9). 738. P. 1–23.
- Baret E., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment // Remote Sensing of Environment. 1991. V. 35. P. 161–173.
- Conrad O., Bechtel M., Bock M., Dietrich H., Fischer E. System for Automated Geoscientific Analyses (SAGA) v. 2.1.4 // Geoscientific Model Development. 2015. № 7(8). P. 1991–2007.
- Deering D. W., Rouse J. W., Haas R. H., Schell J. A. Measuring “forage production” of grazing units from LANDSAT MSS data // Proc. 10th Intern. Symp. Remote Sensing of Environment. Ann Arbor, Michigan, 1975. V. II. P. 1169–1178.
- Gopp N. V., Savenkov O. A. Relationship between the NDVI, yield of spring wheat and properties of the plow horizon of eluviated clay-illuvial chernozems and dark gray soils // Eurasian Soil Science. 2019. V. 52. No. 3. P. 339–347.
- Huete A. R. A Soil-Adjusted Vegetation Index (SAVI) // Remote Sensing of Environment. 1988. V. 25. P. 295–309.
- Huete A., Didan K., Miura T., Rodriguez E. P., Gao X., Ferreira L. G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices // Remote Sensing of Environment. 2002. V. 83. Iss. 1–2. P. 195–213.
- IUSS Working Group WRB. World Reference Base for Soil Resources. International soil classification system for naming soils and creating legends for soil maps. World Soil Resources Reports No. 106. FAO. Rome, 2014. 181 p.
- Jackson R. D., Huete A. R. Interpreting vegetation indices // Preventive Veterinary Medicine. 1991. V. 11. Iss. 3–4. P. 185–200.
- Kauth R. J., Thomas G. S. The tasseled Cap ― A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT // Proc. Symp. Machine Processing of Remotely Sensed Data. Indiana, Purdue University of West Lafayette, 1976. P. 4B-41–4B-51.
- Kriegler F. J., Malila W. A., Nalepka R. F., Richardson W. Preprocessing Transformations and Their Effects on Multispectral Recognition // Proc. 6th Intern. Symp. Remote Sensing of Environment. V. 2. Ann Arbor, Michigan, USA: Environmental Research Institute of Michigan, 1969. P. 97–131.
- Landsat surface reflectance-derived spectral indices: Product guide. Version 3.6. Geological Survey. Department of the Interior U.S, 2017. 31 p.
- Palosuo T., Kersebaum K. C., Angulo C., Hlavinka P., Moriondo M., Olesen J. E., Patil R. H., Ruget F., Rumbaur C., Takáč J., Trnka M., Bindi M., Çaldağ B., Ewert F., Ferrise R., Mirschel W., Şaylan L., Šiška B., Rötter R. Simulation of winter wheat yield and its variability in different climates of Europe: A comparison of eight crop growth models // European J. Agronomy. 2011. V. 35. No. 3. P. 103–114.
- Perry C. Jr., Lautenschlager L. F. Functional Equivalence of Spectral Vegetation Indices // Remote Sensing and the Environment. 1984. V. 14. P. 169–182.
- Qi J., Chehbouni A., Huete A. R., Kerr Y. H., Sorooshian A. A Modified Soil Adjusted Vegetation Index // Remote Sensing of Environment. 1994. V. 48(2). P. 119–126.
- Richardson A. J., Wiegand C. L. Distinguishing Vegetation From Soil Background Information // Photogramnetric Engineering and Remote Sensing. 1977. V. 43(12). P. 1541–1552.
- Rouse J. W., Haas R. H., Schell J. A., Deering D. W. Monitoring vegetation systems in the great plains with ERTS // Proc. 3rd ERTS Symp. Washington, USA, NASA, 1973. V. 1. P. 309–317.
- Rouse J. W., Haas Jr. R. H., Deering D. W., Schell J. A., Harlan J. C. Monitoring the Vernal Advancement and Retrogradation (Green Wave Effect) of Natural Vegetation, NASA/GSFC Type III Final Report. Greenbelt, MD, 1974. 371 p.
- Silleos N. G., Alexandridis T. K., Gitas I. Z., Perakis K. Vegetation indices: Advances made in biomass estimation and vegetation monitoring in the last 30 years // Geocarto Intern. 2006. V. 21(4). P. 21–28.