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
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. 2021. Т. 18. № 1. С. 138-148

Оценка пространственно-временных изменений в зеленой фитомассе аграрной растительности с использованием спектрально-отражательных признаков

Э.А. Терехин 1 
1 Белгородский государственный национальный исследовательский университет, Федерально-региональный центр аэрокосмического и наземного мониторинга, Белгород, Россия
Одобрена к печати: 19.01.2021
DOI: 10.21046/2070-7401-2021-18-1-138-148
Выполнена количественная оценка связи между проективным покрытием и значениями вегетационного индекса NDVI для ключевых видов аграрной растительности юга Среднерусской возвышенности: озимой пшеницы, подсолнечника, сои, многолетних трав. Исследование проведено с использованием фактических данных о проективном покрытии растительности агроэкосистем Белгородской области. Установлено, что связь между проективным покрытием и вегетационным индексом может быть описана логистической кривой для всех изученных видов посевов. Рассчитанные уравнения характеризуют основные отличия в динамике зеленой фитомассы между типами аграрной растительности. С использованием вычисленных уравнений выполнена пространственно-временная оценка зеленой фитомассы для пшеницы озимой на территории Белгородской области в течение периода вегетации. Подготовлена серия картосхем, характеризующих территориальное изменение проективного покрытия пшеницы на протяжении вегетационного периода, с начала апреля по середину июля. Выявлены различия в сезонной динамике проективного покрытия посевов пшеницы, произрастающих в различных климатических условиях: типичной и южной лесостепи. Установлено, что они наблюдаются в период созревания посевов. В сроки достижения максимальных величин проективного покрытия существенных территориальных отличий в нем в пределах региона не выявлено.
Ключевые слова: проективное покрытие, агроэкосистемы, спектрально-отражательные признаки, пространственный анализ, NDVI, MODIS, Среднерусская возвышенность
Полный текст

Список литературы:

  1. Буряк Ж. А., Терехин Э. А. Геоинформационное моделирование пространственно-временной изменчивости агроклиматических условий // Региональные геосистемы. 2020. Т. 44. № 3. С. 333–342.
  2. Лебедева М. Г., Соловьев А. Б., Толстопятова О. С. Агроклиматическое районирование Белгородской области в условиях меняющегося климата // Научные ведомости Белгородского гос. ун-та. Сер.: Естественные науки. 2015. № 9(206). Вып. 31. С. 160–167.
  3. Миклашевич Т. С., Барталев С. А., Плотников Д. Е. Интерполяционный алгоритм восстановления длинных временных рядов данных спутниковых наблюдений растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 6. С. 143–154.
  4. Терехин Э. А. Оценка сезонных значений вегетационного индекса (NDVI) для детектирования и анализа состояния посевов сельскохозяйственных культур // Исслед. Земли из космоса. 2015. № 1. С. 23–31.
  5. Шинкаренко С. С., Барталев С. А. Сезонная динамика NDVI пастбищных ландшафтов Северного Прикаспия по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 179–194.
  6. Brown L. A., Dash J., Ogutu B. O., Richardson A. D. On the relationship between continuous measures of canopy greenness derived using near-surface remote sensing and satellite-derived vegetation products // Agricultural and Forest Meteorology. 2017. V. 247. P. 280–292.
  7. Camacho-De Coca F., García-Haro F. J., Gilabert M. A., Meliá J. Vegetation cover seasonal changes assessment from TM imagery in a semi-arid landscape // Intern. J. Remote Sensing. 2004. V. 25. No. 17. P. 3451–3476.
  8. Didan K. MOD13Q1 — MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid. 2015. V006. NASA EOSDIS Land Processes DAAC. URL: http://doi.org/10.5067/MODIS/MOD13Q1.006.
  9. Gao L., Wang X., Johnson B. A., Tian Q., Wang Y., Verrelst J., Mu X., Gu X. Remote sensing algorithms for estimation of fractional vegetation cover using pure vegetation index values: A review // ISPRS J. Photogrammetry and Remote Sensing. 2020. V. 159. P. 364–377.
  10. Glenn E. P., Huete A. R., Nagler P. L., Nelson S. G. Relationship Between Remotely-sensed Vegetation Indices, Canopy Attributes and Plant Physiological Processes: What Vegetation Indices Can and Cannot Tell Us About the Landscape // Sensors. 2008. V. 8. P. 2136–2160.
  11. Imukova K., Ingwersen J., Streck T. Determining the spatial and temporal dynamics of the green vegetation fraction of croplands using high-resolution RapidEye satellite images // Agricultural and Forest Meteorology. 2015. V. 206. No. Suppl. C. P. 113–123.
  12. Jia K., Liang S., Liu S., Li Y., Xiao Z., Yao Y., Jiang B., Zhao X., Wang X., Xu S., Cui J. Global Land Surface Fractional Vegetation Cover Estimation Using General Regression Neural Networks From MODIS Surface Reflectance // IEEE Trans. Geoscience and Remote Sensing. 2015. V. 53. P. 4787–4796.
  13. Johnson B., Tateishi R., Kobayashi T. Remote Sensing of Fractional Green Vegetation Cover Using Spatially-Interpolated Endmembers // Remote Sensing. 2012. V. 4. No. 9. P. 2619–2634.
  14. Justice C. O., Townshend J. R. G., Vermote E. F., Masuoka E., Wolfe R. E., Saleous N., Roy D. P., Morisette J. T. An overview of MODIS Land data processing and product status // Remote Sensing of Environment. 2002. V. 83. No. 1–2. P. 3–15.
  15. Kallel A., Le Hégarat-Mascle S., Ottlé C., Hubert-Moy L. Determination of vegetation cover fraction by inversion of a four-parameter model based on isoline parametrization // Remote Sensing of Environment. 2007. V. 111. P. 553–566.
  16. Shabanov N., Gastellu-Etchegorry J.-P. The stochastic Beer – Lambert – Bouguer law for discontinuous vegetation canopies // J. Quantitative Spectroscopy and Radiative Transfer. 2018. V. 214. P. 18–32.