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. 2022. Т. 19. № 6. С. 151-162

Автоматизация процесса обнаружения и выделения границ внутриполевой изменчивости по аэрокосмическим снимкам и оптическим критериям

В.П. Якушев 1 , А.Ф. Петрушин 1 , В.В. Якушев 1 , С.Ю. Блохина 1 , Ю.И. Блохин 1 , Д.А. Матвеенко 1 , Е.П. Митрофанов 1 
1 Агрофизический научно-исследовательский институт, Санкт-Петербург, Россия
Одобрена к печати: 28.11.2022
DOI: 10.21046/2070-7401-2022-19-6-151-162
Обоснованное применение технологий точного земледелия невозможно без количественной оценки диапазона внутриполевой вариабельности факторов продуктивности на возделываемых сельскохозяйственных землях. Степень варьирования внутриполевой изменчивости определяет эффективность и целесообразность использования дифференцированного подхода к возделыванию культур на конкретном сельскохозяйственном поле. Наиболее эффективным, масштабируемым и экономически выгодным направлением количественной оценки внутриполевой изменчивости представляются методы дистанционного зондирования. Коллективом авторов осуществлена программная реализация базового алгоритма обнаружения и выделения границ внутриполевой изменчивости по аэрокосмическим снимкам и оптическим критериям посевов, а также его апробация в специализированных полевых исследованиях. Разработана модульная схема управления формированием базы знаний, базы данных и процессом расчёта оптических индексов по заданным критериям и аэрокосмическим снимкам изучаемых сельскохозяйственных территорий. Программный модуль базы данных оснащён графическим интерфейсом на языке Паскаль в программной среде Rad Studio 11 и содержит различные таблицы и справочники. На основе этих данных осуществляется расчёт и наполнение базы знаний значениями различных оптических индексов, характеризующих физиологическое состояние посевов в основные фазы развития с указанием диапазона допустимых и критических величин возможных стрессовых факторов.
Ключевые слова: точное земледелие, дистанционное зондирование, оптические критерии растений, дефицит азота и воды, внутриполевая изменчивость, алгоритм выделения границ
Полный текст

Список литературы:

  1. 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.
  2. Матвеенко Д. А., Воропаев В. В., Якушев В. В., Блохин Ю. И., Блохина С. Ю., Митрофанов Е. П., Петрушин А. Ф. Состояние и перспективы создания новых методов количественной оценки внутриполевой изменчивости в точном земледелии // Агрофизика. 2020. № 1. С. 59–70. DOI: 10.25695/AGRPH.2020.01.09.
  3. Якушев В. П., Дубенок Н. Н., Лупян Е. А. (2019а) 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.
  4. Якушев В. П., Канаш Е. В., Якушев В. В., Матвеенко Д. А., Русаков Д. В., Блохина С. Ю., Петрушин А. Ф., Митрофанов Е. П. (2019б) Новые возможности автоматизации процесса обнаружения внутриполевой неоднородности по гиперспектральным снимкам и оптическим критериям // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 24–32. DOI: 10.21046/2070-7401-2019-16-3-24-32.
  5. 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.
  6. Breunig F. M., Galvão L. S., Dalagnol R., Dauve C. E., Parraga A., Santi A. L., Della Flora D. P., Chen S. Delineation of management zones in agricultural fields using cover–crop biomass estimates from PlanetScope data // Intern. J. Applied Earth Observation Geoinformation. 2020. V. 85. Art. No. 102004. DOI: 10.1016/j.jag.2019.102004.
  7. Cammarano D., Zha H., Wilson L., Li Y., Batchelor W. D., Miao Y. A. Remote sensing-based approach to management zone delineation in small scale farming systems // Agronomy. 2020. V. 10. No. 11. Art. No. 1767. DOI: 10.3390/agronomy10111767.
  8. Damian J. M., Santi A. L., Fornari M., Da Ros C. O., Eschner V. L. Monitoring variability in cash-crop yield caused by previous cultivation of a cover crop under a no-tillage system // Computers and Electronics in Agriculture. 2017. V. 142. P. 607–621. DOI: 10.1016/j.compag.2017.11.006.
  9. Damian J. M., de Castro Pias O. H., Cherubin M. R., de Fonseca A. Z., Fornari E. Z., Santi A. L. Applying the NDVI from satellite images in delimiting management zones for annual crops // Scientia Agricola. 2020. V. 77. No. 1. Art. No. e20180055. DOI: 10.1590/1678-992x-2018-0055.
  10. De Benedetto D., Castrignano A., Rinaldi M., Ruggieri S., Santoro F., Figorito B., Gualano S., Diacono M., Tamborrino R. An approach for delineating homogeneous zones by using multi-sensor data // Geoderma. 2013. V. 199. P. 117–127. DOI: 10.1016/j.geoderma.2012.08.028.
  11. Derby N. E., Casey F. X. M., Franzen D. W. Comparison of nitrogen management zone delineation methods for corn grain yield // Agronomy J. 2007. V. 99. P. 405–414. DOI: 10.2134/agronj2006.0027.
  12. Easterday K., Kislik C., Dawson T. E., Hogan S., Kelly M. Remotely sensed water limitation in vegetation: insights from an experiment with unmanned aerial vehicles (UAVs) // Remote Sensing. 2019. V. 11. No. 16. Art. No. 1853. DOI: 10.3390/rs11161853.
  13. Fontanet M., Scudiero E., Skaggs T. H., Fernàndez-Garcia D., Ferrer F., Rodrigo G., Bellvert J. Dynamic management zones for irrigation scheduling // Agricultural Water Management. 2020. V. 238. Art. No. 106207. DOI: 10.1016/j.agwat.2020.106207.
  14. Fridgen J. J., Kitchen N. R., Sudduth K. A., Drummond S. T., Wiebold W. J., Fraisse C. W. Management Zone Analyst (MZA) // Agronomy J. 2004. V. 96. No. 1. P. 100–108.
  15. Garg A., Sapkota A., Haghverdi A. SAMZ-Desert: A Satellite-based agricultural management zoning tool for the desert agriculture region of southern California // Computers and Electronics in Agriculture. 2022. V. 194. Art. No. 106803. DOI: 10.1016/j.compag.2022.106803.
  16. Gavioli A., de Souza E. G., Bazzi C. L., Guedes L. P. C., Schenatto K. Optimization of management zone delineation by using spatial principal components // Computers and Electronics in Agriculture. 2016. V. 127. P. 302–310. DOI: 10.1016/j.compag.2016.06.029.
  17. Gavioli A., de Souza E. G., Bazzi C. L., Schenatto K., Betzek N. M. Identification of management zones in precision agriculture: an evaluation of alternative cluster analysis methods // Biosystems Engineering. 2019. V. 181. P. 86–102. DOI: 10.1016/j.biosystemseng.2019.02.019.
  18. Georgi C., Spengler D., Itzerott S., Kleinschmit B. Automatic delineation algorithm for site-specific management zones based on satellite remote sensing data // Precis. Agriculture. 2018. V. 19. P. 684–707. DOI: 10.1007/s11119-017-9549-y.
  19. Gili A., Alvarez C., Bagnato R., Noellemeyer E. Comparison of three methods for delineating management zones for site-specific crop management // Computers and Electronics in Agriculture. 2017. V. 139. P. 213–223. DOI: 10.1016/j.compag.2017.05.022.
  20. Gu C., Wang X., Wang X., Yang F., Zhai C. Research progress on variable-rate spraying technology in orchards // Applied Engineering in Agriculture. 2020. V. 36. No. 6. P. 927–942. DOI: 10.13031/aea.14201.
  21. Haghverdi A., Leib B. G., Washington-Allen R. A., Ayers P. D., Buschermohle M. J. Perspectives on delineating management zones for variable rate irrigation // Computers and Electronics in Agriculture. 2015. V. 117. P. 154–167.
  22. Hong M. U., Bremer D. J., van der Merwe D. Using small unmanned aircraft systems for early detection of drought stress in Turfgrass // Crop Science. 2019. V. 59. No. 6. P. 2829–2844.
  23. Jin Z., Prasad R., Shriver J., Zhuang Q. Crop model- and satellite imagery-based recommendation tool for variable rate N fertilizer application for the US Corn system // Precision Agriculture. 2017. V. 18. P. 779–800. DOI: 10.1007/s11119-016-9488-z.
  24. Karydas C., Iatrou M., Iatrou G., Mourelatos S. Management zone delineation for site-specific fertilization in rice crop using multi-temporal RapidEye imagery // Remote Sensing. 2020. V. 12. Art. No. 2604. DOI: 10.3390/rs12162604.
  25. Khan H., Farooque A. A., Acharya B., Abbas F., Esau T. J., Zaman Q. U. Delineation of management zones for site-specific information about soil fertility characteristics through proximal sensing of potato fields // Agronomy. 2020. V. 10. Art. No. 1854. DOI:10.3390/agronomy10121854.
  26. Lark R. M., Stafford J. V. Classification as a first step in the interpretation of temporal and spatial variation of crop yield // Annals of Applied Biology. 1997. V. 130. No. 1. P. 111–121. DOI: 10.1111/j.1744-7348.1997.tb05787.x.
  27. 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. DOI: 10.3390/rs12162659.
  28. Mulla D. J. Twenty-five years of remote sensing in precision agriculture: key advances and remaining knowledge gaps // Biosystems Engineering. 2013. V. 114. P. 358–371. DOI: 10.1016/j.biosystemseng.2012.08.009.
  29. Rossi R., Pollice A., Bitella G., Labella R., Bochicchio R., Amato M. Modelling the non-linear relationship between soil resistivity and alfalfa NDVI: a basis for management zone delineation // J. Applied Geophysics. 2018. V. 159. P. 146–156. DOI: 10.1016/j.jappgeo.2018.08.008.
  30. Santos R. T., Saraiva A. M. A reference process for management zones delineation in precision agriculture // IEEE Latin America Transactions. 2015. V. 13. P. 727–738. DOI: 10.1109/TLA.2015.7069098.
  31. Shaddad S. M., Madrau S., Castrignano A., Mouazen A. M. Data fusion techniques for delineation of site-specific management zones in a field in UK // Precision Agriculture. 2016. V. 17. No. 2. P. 200–217. DOI: 10.1007/s11119-015-9417-6.
  32. Yao R.-J., Yang J.-S., Zhang T.-J., Gao P., Wang X.-P., Hong L.-Z., Wang M.-W. Determination of site-specific management zones using soil physico-chemical properties and crop yields in coastal reclaimed farmland, Geoderma, 2014. V. 232–234. P. 381–393. DOI: 10.1016/j.geoderma.2014.06.006.