Перспективы выявления идентификационных показателей состояния посевов по аэрокосмическим снимкам и специализированным полевым исследованиям

Список литературы:

1. Блохин Ю. И., Белов А. В., Блохина С. Ю. Комплексная система контроля влажности почвы и локальных метеоусловий для интерпретации данных дистанционного зондирования // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 87–95. DOI: 10.21046/2070-7401-2019-16-3-87-95.
2. Блохин Ю. И., Якушев В. В., Блохина С. Ю., Петрушин А. Ф., Митрофанова О. А., Митрофанов Е. П., Двирник А. В. Современные решения для формирования опорной информации с целью повышения точности определения агрофизических свойств почвы по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 164–178. DOI: 10.21046/2070-7401-2020-17-4-164-178.
3. Блохина С. Ю., Блохин И. Ю. Интеллектуальное земледелие на основе интернета вещей // Земледелие. 2020. № 7. С. 7–15. DOI: 10.24411/0044-3913-2020-10702.
4. Данилов Р. Ю., Кремнева О. Ю., Исмаилов В. Я., Третьяков В. А., Ризванов А. А., Кривошеин В. В., Пачкин А. А. Общая методика и результаты наземных гиперспектральных исследований сезонного изменения отражательных свойств посевов сельскохозяйственных культур и отдельных видов сорных растений // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 1. С. 113–127.
5. Денисов П. В., Середа И. И., Трошко К. А., Лупян Е. А., Плотников Д. Е., Толпин В. А. Возможности и опыт оперативного дистанционного мониторинга состояния озимых культур на территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 171–185. DOI: 10.21046/2070-7401-2021-18-2-171-185.
6. Захарян Ю. Г. Оценка эффективности адаптации агротехнологических решений к пространственно-временной неоднородности сельскохозяйственных земель: автореф. дис. … д-ра с.-х. наук. СПб.: АФИ, 2018. 50 с.
7. Конашенков А. А. Научное обоснование систем удобрения для прецизионного применения в условиях Северо-Запада России: автореф. дис…. д-ра с.-х. наук. СПб.: АФИ, 2014. 41 с.
8. Конев А. В. Автоматизация применения и методика совершенствования способов определения доз удобрений в системе точного земледелия: автореф. дис. … канд. с.-х. наук. СПб.: АФИ, 2014. 23 с.
9. Лекомцев П. В. Научно-методическое обеспечение управления продукционным процессом яровой пшеницы в системе точного земледелия: автореф. дис. … д-ра биол. наук. СПб.: АФИ, 2015. 48 с.
10. Лупян Е. А., Бурцев М. А., Прошин А. А., Кобец Д. А. Развитие подходов к построению информационных систем дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 3. С. 53–66. DOI: 10.21046/2070-7401-2018-15-3-53-66.
11. Матвеенко Д. А. Дифференцированное внесение азотных удобрений на основе оценки оптических характеристик посевов яровой пшеницы: автореф. дис. … канд. с.-х. наук. СПб.: АФИ, 2012. 21 с.
12. Матвеенко Д. А., Якушев В. В., Якушев В. П. Прецизионное управление азотным режимом яровой пшеницы на основе дистанционного зондирования посевов // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 79–86. DOI: 10.21046/2070-7401-2019-16-3-79-86.
13. Медведев С. А., Черяев А. С. Перспективы создания универсального сервиса удаленных ансамблевых расчетов динамических моделей продукционного процесса культурных растений // Агрофизика. 2020. № 3. С. 45–52. DOI: 10.25695/AGRPH.2020.03.07.
14. Митрофанов Е. П., Митрофанова О. А., Петрушин А. Ф. Экспериментальные данные для решения задач точного земледелия. Свидетельство о гос. регистрации базы данных № 2021620305. Рег. 19.02.2021.
15. Митрофанова О. А., Буре В. М., Канаш Е. В. Математический модуль для автоматизации колориметрического метода оценки обеспеченности растений азотом // Вестн. Санкт-Петербургского ун та. Прикладная математика. Информатика. Процессы управления. 2016. № 1. С. 85–91.
16. Полуэктов Р. А., Смоляр Э. И., Якушев В. П. Концепция опытного дела и развитие современных методов исследований в агрономии и агрофизике // Вестн. Российской акад. с.-х. наук. 1999. № 2. С. 15–17.
17. Полуэктов Р. А., Топаж А. Г., Терлеев В. В., Бакаленко Б. И., Полуэктов М. А., Кобылянский С. Г. AGROTOOL, V.4 — программа для поливариантного расчета динамики продукционного процесса сельскохозяйственных растений. Свидетельство о гос. регистрации программы для ЭВМ № 2011611819. Рег. 13.01.2011.
18. Романов А. А., Романов А. А. Системный анализ подходов к созданию бизнес-услуг на основе космической информации // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 9–24. DOI: 10.21046/2070-7401-2021-18-4-9-24.
19. Савин И. Ю., Блохин Ю. И. Об оптимизации размещения сети датчиков интернета вещей на пахотных угодьях // Бюл. Почвенного ин-та им. В. В. Докучаева. 2022. Вып. 110. С. 22–50. DOI: 10.19047/0136- 1694-2022-110-22-50.
20. Шпанев А. М. Экспериментальная база для дистанционного зондирования фитосанитарного состояния агроэкосистем на Северо-Западе РФ // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 61–68. DOI: 10.21046/2070-7401-2019-16-3-61-68.
21. Якушев В. В. Информационно-технологические основы прецизионного производства растениеводческой продукции: автореф. дис. … д-ра с.-х. наук. СПб.: АФИ, 2013. 367 с.
22. Якушев В. В. Точное земледелие: теория и практика. СПб.: ФГБНУ АФИ, 2016. 364 с.
23. Якушев B. B., Конев A. B., Матвеенко Д. А., Якушева О. И. Прецизионные эксперименты в информационном обеспечении систем земледелия // Вестн. российской с.-х. науки. 2011. № 3. С. 11–13.
24. Якушев В. П., Якушев В. В. Перспективы «умного сельского хозяйства» в России // Вестн. Российской акад. наук. 2018. № 9. Т. 88. С. 773–784. DOI: 10.31857/S086958730001690-7.
25. Якушев В. П., Канаш Е. В., Буре В. М. (2010а) Теоретические и методические основы выделения однородных технологических зон для дифференцированного применения средств химизации по оптическим характеристикам посева. СПб.: АФИ, 2010. 60 с.
26. Якушев В. П., Канаш Е. В., Осипов Ю. А., Якушев В. В., Лекомцев П. В., Воропаев В. В. (2010б) Оптические критерии при контактной и дистанционной диагностике состояния посевов // Сельскохозяйственная биология. 2010. № 3. С. 94–101.
27. Якушев В. П., Лекомцев П. В., Воропаев В. В., Конев А. В., Первак Т. С. Дифференцированное применение средств химизации при выращивании яровой пшеницы // Вестн. российской с.-х. науки. 2017. № 4. С. 13–17.
28. Якушев В. П., Дубенок Н. Н., Лупян Е. А. Опыт применения и перспективы развития технологий дистанционного зондирования Земли для сельского хозяйства // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 11–23. DOI: 10.21046/2070-7401-2019-16-3-11-23.
29. Якушев В. П., Якушев В. В., Матвеенко Д. А. (2020а) Интеллектуальные системы поддержки технологических решений в точном земледелии // Земледелие. 2020. № 1. С. 33–37. DOI: 10.24411/0044-3913-2020-10109.
30. Якушев В. П., Петрушин А. Ф., Матвеенко Д. А., Блохина С. Ю., Канаш Е. В., Якушев В. В. (2020б) Новый метод количественной оценки внутриполевой изменчивости по оптическим характеристикам посевов для точного земледелия // Вестн. российской с.-х. науки. 2020. № 2. С. 4–10. DOI: 10.30850/vrsn/2020/2/4-10.
31. Якушев В. П., Якушев В. В., Баденко В. Л., Матвеенко Д. А., Чесноков Ю. В. (2020в) Оперативное и долгосрочное прогнозирование продуктивности посевов на основе массовых расчетов имитационной модели агроэкосистемы в геоинформационной среде (обзор) // Сельскохозяйственная биология. 2020. Т. 55. № 3. С. 451–467. DOI: 10.15389/agrobiology.2020.3.451rus.
32. Якушев В. П., Якушев В. В., Блохина С. Ю., Блохин Ю. И., Матвеенко Д. А. (2021а) Информационное обеспечение современных систем земледелия в России // Вестн. Российской акад. наук. 2021. Т. 91. № 8. С. 755–768. DOI: 10.31857/S0869587321080090.
33. Якушев В. П., Якушев В. В., Блохина С. Ю., Блохин Ю. И., Матвеенко Д. А. (2021б) Перспективы оперативной пространственной оценки водообеспеченности сельскохозяйственных территорий на основе сопряженного использования математических моделей, дистанционных и наземных измерений // Плодородие. 2021. № 3. С. 108–116. DOI: 10.25680/S19948603.2021.120.21.
34. Якушев В. П., Канаш Е. В., Русаков Д. В., Якушев В. В., Блохина С. Ю., Петрушин А. Ф., Блохин Ю. И., Митрофанова О. А., Митрофанов Е. П. Корреляционные зависимости между вегетационными индексами, урожаем зерна и оптическими характеристиками листьев пшеницы при разном содержании в почве азота и густоте посева // Сельскохозяйственная биология. 2022. Т. 57. № 1. С. 98–112. DOI: 10.15389/agrobiology.2022.1.98rus.
35. Якушева О. И. Влияние внутрипольной почвенной неоднородности и уровня интенсификации агротехнологий на урожайность яровой пшеницы: автореф. дис. … канд. с.-х. наук. СПб.: АФИ, 2013. 24 с.
36. Bachmaier M., Gandorfer M. A conceptual framework for judging the precision agriculture hypothesis with regard to site-specific nitrogen application // Precision Agriculture. 2009. V. 10. No. 2. P. 95–110. DOI: 10.1007/s11119-008-9069-x.
37. Bannari A., Khurshid S. K., Staenz K., Schwatz J. Potentional of Hyperion EO-1 hyperspectral data for wheat crop chlorophyll content extraction in precision agriculture // Canadian J. Remote Sensing. Special Issue on Hyperspectral Remote Sensing. 2008. V. 34. No. 1. P. 139–157. DOI: 10.5589/m08-001.
38. Borrero J. D., Zabalo A. An autonomous wireless device for real-time monitoring of water needs // Sensors. 2020. V. 20. Art. No. 2078. 16 p. DOI: 10.3390/s20072078.
39. Bullock D. S., Bullock D. G. From agronomic research to farm management guidelines: a primer on the economics of information and precision technology // Precision Agriculture. 2000. V. 2. No. 1. P. 71–101. DOI: 10.1023/A:1009988617622.
40. Finger R., Swinton S., El Bennid N., Walter A. Precision farming at the nexus of agricultural production and the environment // Annual Review of Resource Economics. 2019. V. 11. P. 313–335. DOI: 10.1146/annurev-resource-100518-093929.
41. Fu P., Meacham-Hensold K., Guan K., Wu J., Bernacchi C. Estimating photosynthetic traits from reflectance spectra: a synthesis of spectral indices, numerical inversion, and partial least square regression // Plant, Cell and Environment. 2020. V. 43. No. 5. P. 1241–1258. DOI: 10.1111/pce.13718.
42. Gaso D. V., Berger A. G., Ciganda V. S. Predicting wheat grain yield and spatial variability at field scale using a simple regression or a crop model in conjunction with Landsat images // Computers and Electronics in Agriculture. 2019. V. 159. P. 75–83. DOI: 10.1016/j.compag.2019.02.026.
43. Gitelson A., Solovchenko A., Viña A. Foliar absorption coefficient derived from reflectance spectra: a gauge of the efficiency of in situ light-capture by different pigment groups // J. Plant Physiology. 2020. V. 254. P. 153277. DOI: 10.1016/j.jplph.2020.153277.
44. Heady E. O., Pesek J. A fertilizer production surface with specification of economic optima for corn grown on calcareous Ida silt loam // American J. Agricultural Economics. 1954. V. 36. No. 3. P. 466–482. DOI: 10.2307/1233014.
45. Ji Z., Pan Y., Zhu X., Wang J., Li Q. Prediction of crop yield using phenological information extracted from remote sensing vegetation index // Sensors. 2021. V. 21. No. 4. Art. No. 1406. 16 p. DOI: 10.3390/s21041406.
46. Kanash E. V., Osipov J. A. Optical signals of oxidative stress in crops physiological state diagnostics // Proc. 7th European Conf. Precision Agriculture (ECPA 2009) / eds. E. J. van Henten, D. Goense, C. Lokhorst. Wageningen, 2009. P. 81–88.
47. Lu B., Dao P. D., Liu J., He Y., Shang J. Recent advances of hyperspectral imaging technology and applications in agriculture // Remote Sensing. 2020. V. 12. No. 16. Art. No. 2659. 44 p. DOI: 10.3390/rs12162659.
48. Lu R., Van Beers R., Saeys W., Li C., Cen H. Measurement of optical properties of fruits and vegetables: a review // Postharvest Biology and Technology. 2020. V. 159. P. 111003. DOI: 10.1016/j.postharvbio.2019.111003.
49. Maestrini B., Basso B. Drivers of within-field spatial and temporal variability of crop yield across the US Midwest // Scientific Reports. 2018. V. 8. No. 1. P. 1–9. DOI: 10.1038/s41598-018-32779-3.
50. Mittermayer M., Gilg A., Maidl F. X., Nätscher L., Hülsbergen K. J. Site‐specific nitrogen balances based on spatially variable soil and plant properties // Precision Agriculture. 2021. V. 22. No. 5. P. 1416–1436. DOI: 10.1007/s11119-021-09789-9.
51. Morais R., Mendes J., Silva R., Silva N., Sousa J., Peres E. A versatile, low-power and low-cost IoT device for field data gathering in precision agriculture practices // Agriculture. 2021. V. 11. Art. No. 619. 16 p. DOI: 10.3390// agriculture11070619.
52. Oppelt N., Mauser W. Hyperspectral monitoring of physiological parameters of wheat during a vegetation period using AVIS data // Intern. J. Remote Sensing. 2004. V. 25. No. 1. P. 145–159. DOI: 10.1080/0143116031000115300.
53. Pinter P. J. Jr., Hatfield J. L., Schepers J. S., Barnes E. M., Moran M. S., Daughtry C. S. T., Upchurch Dan R. Remote Sensing for crop management // Photogrammetric Engineering and Remote Sensing. 2003. V. 69. No. 6. P. 647–664. DOI: 0099-1112/03/6906–647$3.00/0.
54. Placidi P., Morbidelli R., Fortunati D., Papini N., Gobbi F., Scorzoni A. Monitoring soil and ambient parameters in the IoT precision agriculture scenario: an original modeling approach dedicated to low-cost soil water content sensors // Sensors. 2021. V. 21. No. 15. Art. No. 5110. DOI: 10.3390/s21155110.
55. Rodriguez D. G. P., Bullock D. S., Boerngen M. A. The origins, implications, and consequences of yield-based nitrogen fertilizer management // Agronomy J. 2019. V. 111. No. 2. P. 725–735. DOI: 10.2134/agronj2018.07.0479.
56. Rodríguez-Robles J., Martin A., Martin S., Ruipérez-Valiente J. A., Castro M. Autonomous sensor network for rural agriculture environments, low cost, and energy self-charge // Sustainability. 2020. V. 12. Art. No. 5913. 17 p. DOI: 10.3390/su12155913.
57. Rouse J. W., Haas R. H., Schell J. A., Deering D. W. Monitoring vegetation systems in the great plains with ERTS // 3rd Earth Resources Technology Satellite-1 Symp. V. 1. Washington, DС: NASA, 1973. P. 309–317.
58. Scharf P. C., Kitchen N. R., Sudduth K. A., Davis J. G. Spatially variable corn yield is a weak predictor of optimal nitrogen rate // Soil Science Society of America J. 2006. V. 70. No. 6. P. 2154–2160. DOI: 10.2136/sssaj2005.0244.
59. Spillman W. J. Application of the law of diminishing returns to some fertilizer and feed data // American J. Agricultural Economics. 1923. V. 5. No. 1. P. 36–52. DOI: 10.2307/1230266.
60. Stauber M. S., Burt O. R., Linse F. An economic evaluation of nitrogen fertilization of grasses when carry-over is significant // American J. Agricultural Economics. 1975. V. 57. No. 3. P. 463–471. DOI: 10.2307/1238409.
61. Trevisan R. G., Bullock D. S., Martin N. F. Spatial variability of crop responses to agronomic inputs in on farm precision experimentation // Precision Agriculture. 2021. V. 22. No. 2. P. 342–363. DOI: 10.1007/s11119-020-09720-8.
62. Tumusiime E., Brorsen B. W., Mosali J., Johnson J., Locke J., Biermacher J. Determining optimal levels of nitrogen fertilizer using random parameter models // J. Agricultural and Applied Economics. 2011. V. 43. No. 4. P. 541–552. DOI: 10.1017/S1074070800000067.
63. Yakushev V. P., Kanash E. V. Evaluation of plants nitrogen status by colorimetric characteristics of crop canopy presented in digital images // Proc. 8th European Conf. Precision Agriculture / ed. J. V. Stafford. Prague, 2011. P. 341–345.