Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 5. С. 183-193
Оценка пространственного распределения урожайности ярового ячменя (Красноярский край) по наземным и спутниковым спектрофотометрическим данным
И.Ю. Ботвич
1 , Д.В. Емельянов
1 , А.А. Ларько
1 , Н.О. Мальчиков
1 , В.К. Ивченко
2 , Т.Н. Демьяненко
2 , А.П. Шевырногов
1 1 Институт биофизики СО РАН, Красноярск, Россия
2 Красноярский государственный аграрный университет, Красноярск, Россия
Одобрена к печати: 08.08.2019
DOI: 10.21046/2070-7401-2019-16-5-183-193
В статье представлен метод оценки пространственного распределения урожайности ярового ячменя, реализованный на основе использования оптических наземных и спутниковых спектральных данных спутников серии Dove (PlanetScope) компании Planet Labs с пространственным разрешением 3 м. Этот подход является весьма актуальным при разработке технологий точного земледелия. Картирование урожайности осуществляется на основе данных по пространственному распределению фактической урожайности и спектральных оптических характеристик. Особенностью метода является использование интеграла значений вегетационных индексов (NDVI, MSAVI2, ClGreen) на различных стадиях развития посевов. Тестирование метода выполнено на базе стационарного полевого опыта, где традиционное земледелие (глубинная вспашка) сравнивается с ресурсосберегающими технологиями (плоскорезной, поверхностной обработками и прямым посевом при нулевой обработке почвы). Выполнено прогнозирование урожайности ячменя в конце июля на основании линейной регрессионной модели, в качестве параметров использованы значения интеграла под кривой NDVI в разные периоды времени. Установлен вид множественной линейной модели для прогноза ячменя при семи переменных (коэффициент детерминации ― 0,73; среднеквадратическая ошибка ― 1,5). Построено пространственное распределение (карта) урожайности ячменя по спутниковым (PlanetScope) и наземным данным. Полученные карты урожайности будут использоваться при планировании сельскохозяйственных работ следующего года.
Ключевые слова: точное земледелие, урожайность, вегетационный период, спектрорадиометр, ячмень, виды обработки почвы, PlanetScope
Полный текстСписок литературы:
- Акинчин А. В., Левшаков Л. В., Линков С. А., Ким В. В., Горбунов В. В. Информационные технологии в системе точного земледелия // Вестн. Курской гос. с.-х. акад. 2017. № 9. С. 16–21.
- Антонов С. А. Роль геоинформационных технологий и дынных дистанционного зондирования Земли для оценки состояния и продуктивности агроландшафтов // Изв. Оренбургского гос. аграрного ун-та. 2018. Т. 73. № 5. С. 10–14.
- Бобкова Ю. А., Лобков В. Т. Использование технологий точного земледелия при создании агрохимических картограмм // Вестн. Орловского гос. аграрного ун-та. 2017. Т. 67. № 4. С. 25–31.
- Бондур В. Г., Гороховский К. Ю., Игнатьев В. Ю., Мурынин А. Б., Гапонова Е. В. Метод прогнозирования урожайности по космическим наблюдениям за динамикой развития вегетации // Изв. высших учеб. заведений. Геодезия и аэрофотосъемка. 2013. № 6. С. 61–68.
- Ботвич И. Ю., Письман Т. И., Кононова Н. А., Шевырногов А. П. Сезонная динамика растительности залежных земель Красноярской лесостепи по наземным и спутниковым данным // Исслед. Земли из космоса. 2018. № 6. С. 39–51.
- Казаров К. Р., Солдатов Ю. И., Трофимова Т. А. Повышение точности картирования урожайности при уборке зерновых культур комбайном John Deere 9670 STS // Современные научно-практические решения XXI века: материалы Международ. научно-практ. конф. 21–22 дек. 2016, Воронеж. Воронеж: ФГБОУ ВО Воронежский ГАУ, 2016. С. 299–304.
- Колесник Д. Е., Колесников В. Н. Картирование урожайности как элемент системы точного земледелия // Современные тенденции развития технологий и технических средств в сельском хозяйстве: материалы Международ. научно-практ. конф., посвящённой 80-летию А. П. Тарасенко. 10 янв. 2017, Воронеж. Воронеж: ФГБОУ ВО Воронежский ГАУ, 2017. С. 190–194.
- Рудашко А. А., Прохорова Ю. С., Ярмоленко А. С. Модель урожайности сельскохозяйственных культур как базис цифровой карты в технологии точного земледелия // Изв. высших учеб. заведений. Геодезия и аэрофотосъемка. 2013. № 4. C. 86–90.
- Толпин В. А., Барталев С. А., Бурцев М. А., Ефремов В. Ю., Лупян Е. А., Мазуров А. А., Матвеев А. М., Прошин А. А., Флитман Е. В. Оценка состояния сельскохозяйственных культур на основе межгодовой динамики с использованием данных MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 4. № 2. С. 380–389.
- Шишов Л. Л., Тонконогов В. Д., Лебедева И. И., Герасимова М. И. Классификация и диагностика почв России: монография. Смоленск: Ойкумена, 2004. 341 с.
- Dall’Olmo G., Gitelson A. A., Rundquista D. C., Leavitt B., Barrow T., Holz J. C. Assessing the potential of SeaWiFS and MODIS for estimating chlorophyll concentration in turbid productive waters using red and near-infrared bands // Remote Sensing of Environment. 2005. V. 96. P. 176–187.
- Gitelson A. A., Stark R., Grits U., Rundquist D., Kaufman Y., Derry D. Vegetation and soil lines in visible spectral space: a concept and technique for remote estimation of vegetation fraction // Intern. J. Remote Sensing. 2002. V. 23. P. 2537–2562.
- Jayawardhana W. G. N. N., Chathurangeb V. M. I. Extraction of agricultural phenological parameters of Sri Lanka using MODIS, NDVI time series data // Procedia Food Science. 2016. V. 6. P. 235–241.
- Jordan C. F. Derivation of leaf-area index from quality of light on the forest floor // Ecology. 1969. V. 50. P. 663–666.
- Qi J., Chehbouni A., Huete A. R., Kerr Y. H., Sorooshian S. A modified soil adjusted vegetation index // Remote Sensing of Environment. 1994. V. 48. P. 119–126.
- Zhou F., Zhang A., Townley-Smith L. A data mining approach for evaluation of optimal time-series of MODIS data for land cover mapping at a regional level // ISPRS J. Photogrammetry and Remote Sensing. 2013. V. 83. P. 114–129.