Поиск
Найти:
Подписка/отписка
на рассылку новостей
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. 2019. Т. 16. № 6. С. 194-198

Оценка урожайности сои на Дальнем Востоке с использованием регрессионных моделей по данным дистанционного зондирования Земли

А.С. Степанов 1 , С.В. Макогонов 1, 2 , В.А. Толпин 3 
1 Дальневосточный НИИ сельского хозяйства, п. Восточный-1, Хабаровский край, Россия
2 Вычислительный центр ДВО РАН, Хабаровск, Россия
3 Институт космических исследований РАН, Москва, Россия
Одобрена к печати: 06.09.2019
DOI: 10.21046/2070-7401-2019-16-6-194-198
Соя является основной возделываемой культурой в структуре сельского хозяйства дальневосточных регионов России. С практической точки зрения в рамках реализации государственной стратегии развития агропромышленного комплекса особую важность представляет вопрос прогнозирования урожайности культур, в том числе и сои, получившей широкое распространение в субъектах Дальневосточного федерального округа (ДФО). В рамках выполненной работы были построены регрессионные модели оценки урожайности сои, проведена оценка их точности и рассчитаны ошибки прогноза. В исследовании использовались данные о посевных площадях и валовом сборе сои на региональном уровне в период с 2007 по 2018 г. Показатели, вошедшие в регрессионную модель, отражали как спутниковую, так и метеоинформацию для этих регионов. Для моделирования в каждом субъекте федерации были выбраны основные районы культивирования сои. В качестве независимых переменных было предложено использовать максимальное значение NDVI среди 7-дневных композитов индекса за календарный год, вычисленных по маске пахотных земель, а также рассчитанные по метеоданным интегральные показатели: гидротермический коэффициент и индекс биологической эффективности климата. Проведённый анализ оценки точности полученных моделей показал, что наиболее высокую точность продемонстрировала регрессионная модель, построенная для предварительно очищенного от влияния долговременной тенденции временного ряда: средняя ошибка модели составила для Амурской обл. 8,1±2,4 %, Приморского края ― 9,5±3,9%, Хабаровского края ― 8,3±2,6 %, Еврейской автономной области ―10,2±3,1 %. На практике для решения задачи прогнозирования урожайности текущего года удобнее применять регрессионную модель, где в качестве одной из зависимых переменных используется максимальное значение индекса NDVI. Построенный прогноз урожайности сои на 2018 г. по данным 2007–2017 гг. показал, что ошибка прогноза в сравнении с фактическим показателем находится в пределах 2,1–7,3 % для разных субъектов ДФО. В целом предложенные модели с заявленным уровнем точности могут быть использованы для прогнозирования урожайности сои, а также для принятия управленческих решений как региональными министерствами, так и отдельными агропромышленными предприятиями.
Ключевые слова: соя, урожайность, Дальний Восток, сельское хозяйство, регрессионная модель, дистанционное зондирование, NDVI
Полный текст

Список литературы:

  1. Асеева Т. А., Терехова М. В. Рациональные приёмы использования сельскохозяйственных земель в Хабаровском крае при возделывании сои // Дальний Восток: проблемы развития архитектурно-строительного комплекса. 2016. № 1. С. 168–171.
  2. Зайцев Н. И., Бочкарев Н. И., Зеленцов С. В. Перспективы и направления селекции сои в России в условиях реализации национальной стратегии импортозамещения // Масличные культуры. Научно-техн. бюл. ВНИИМК. 2016. № 2(166). С. 3–11.
  3. Куссуль Н. Н., Кравченко А. Н., Скакун С. В., Адаменко Т. И., Шелестов А. Ю., Колотий А. В., Грипич Ю. А. Регрессионные модели оценки урожайности сельскохозяйственных культур по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 1. С. 95–107.
  4. Лупян Е. А., Прошин А. А., Бурцев М. А., Балашов И. В., Барталев С. А., Ефремов В. Ю., Кашницкий А. В., Мазуров А. А., Матвеев А. М., Суднева О. А., Сычугов И. Г., Толпин В. А., Уваров И. А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 247–267.
  5. Переведенцев Ю. П., Шарипова Р. Б., Важнова Н. А. Агроклиматические ресурсы Ульяновской области и их влияние на урожайность зерновых культур // Вестн. Удмуртского ун-та. Сер.: Биология. Науки о земле. 2012. № 2. С. 120–126.
  6. Регионы России. Социально-экономические показатели. 2018: статист. сб. М.: Росстат, 2018. 1162 с.
  7. Страшная А. И., Тарасова Л. Л., Богомолова Н. А., Максименкова Т. А., Береза О. В. Прогнозирование урожайности зерновых и зернобобовых культур в центральных черноземных областях на основе комплексирования наземных и спутниковых данных // Тр. Гидрометеоролог. научно-исследовательского центра Российской Федерации. 2015. № 353. С. 128–153.
  8. 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(306). С. 581–586.
  9. Sorokin A. A., Makogonov S. I., Korolev S. P. The Information Infrastructure for Collective Scientific Work in the Far East of Russia // Scientific and Technical Information Processing. 2017. V. 4. P. 302–304.