Журнал

О журнале Новости Редколлегия Информация для авторов и рецензентов Публикационная этика Дискуссия Контакты ЛИЧНЫЙ КАБИНЕТ:
отправка и рецензирование статей
Архив
Том 22, 2025
Номер 1 Номер 2
Том 21, 2024
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 20, 2023
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 19, 2022
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 18, 2021
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 17, 2020
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 16, 2019 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 15, 2018 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 14, 2017 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 13, 2016 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 12, 2015 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 11, 2014 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 10, 2013 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 9, 2012 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5
Том 8, 2011 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 7, 2010 г.
Номер 1 Номер 2 Номер 3 Номер 4
Выпуск 6, 2009 г.
Том 1 Том 2
Выпуск 5, 2008 г.
Том 1 Том 2
Выпуск 4, 2007 г.
Том 1 Том 2
Выпуск 3, 2006 г.
Том 1 Том 2
Выпуск 2, 2005 г.
Том 1 Том 2
Выпуск 1, 2004 г.
Том 1
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
подписаться отписаться
English version
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. 2025. Т. 22. № 2. С. 99-119

Сегментирование потока суточного суммарного испарения орошаемого производственного посева сои по модели METRIC и данным Landsat-8

А.М. Зейлигер 1, 2 , А.В. Доброхотов 3 , О.С. Ермолаева 4 , Я.С. Котов 5, 4 
1 Институт водных проблем РАН, Москва, Россия
2 Саратовский государственный университет генетики, биотехнологий и инженерии имени Н.И. Вавилова, Саратов, Россия
3 Агрофизический научно-исследовательский институт, Санкт-Петербург, Россия
4 Российский государственный аграрный университет — МСХА имени К.А. Тимирязева, Москва, Россия
5 Московский физико-технический институт (НИУ), Долгопрудный, Московская обл., Россия
Одобрена к печати: 10.02.2025
DOI: 10.21046/2070-7401-2025-22-2-99-119
Методы сегментации орошаемых агроценозов на зоны управления с использованием данных дистанционного зондирования Земли лежат в основе перевода результатов исследований в практику точного орошаемого земледелия. Одним из параметров, используемых для сегментации, является поток суммарного испарения, характеристики которого тесно связаны с наличием в корнеобитаемом слое почвенного покрова запасов влаги, доступной для сельскохозяйственных растений. В представленной работе приведены результаты анализа сегментации потоков суточного суммарного испарения с поверхности производственного орошаемого посева сои в вегетационный период 2021 г. по трём видам зон управления дождевальной машины кругового действия (ДМ-КД) марки «Каскад» (УНПО «Поволжье» Вавиловского университета, Энгельский район, Саратовская область). Для этих целей использован трёхмерный геодатасет, включающий девять разновременных слоёв актуального суточного потока суммарного испарения (ET24), рассчитанных по модели METRIC с применением девяти безоблачных сеансов съёмок космическим аппаратом Landsat-8, а также данных наземного мониторинга погодных условий. На первом этапе пространственного анализа слоёв ET24 были использованы методы: 1) интерполяции с обратными взвешенными расстояниями; 2) кластеризации с использованием локального индекса Морана; 3) визуализации нормированных значений градуированными символами. По результатам сопоставления геопаттернов, идентифицированных на рассчитанных картограммах ET24, с поливным режимом были высказаны предположения об их техногенном происхождении. Соответствующее тестирование ET24 проведено по трём видам зон управления ДМ-КД «Каскад»: 1) секторальным; 2) кольцеобразным; 3) круговых сегментов. Необходимая для этого разметка слоёв геодатасета была реализована с использованием шейп-файлов, рассчитанных по геометрическим характеристикам этой ДМ-КД. Для размеченных поднаборов данных слоёв ET24 рассчитаны статистические характеристики мер центральной тенденции и рассеяния. Анализ их результатов позволил выявить наличие пространственных и временных связей как между слоями, так и между отдельными зонами. При этом было выявлено наличие устойчивого уменьшения медианных значений сегментированного потока ET24 в направлении от центра вращения ДМ-КД к периферии сформированного кругового контура орошаемого посева сои. Эта тенденция вызвана снижением поливных норм в том же направлении от центра к периферии напорного фронта ДМ-КД с разбрызгивателями, не оснащёнными регуляторами давления. Таким образом, результаты исследования, полученные с использованием разработанного метода сегментирования потока ET24, позволили подтвердить предположение о техногенном происхождении идентифицированных геопаттернов, а также установить связь статистических характеристик зонального распределения этого потока с техническими характеристиками ДМ-КД «Каскад» и реализованным поливным режимом.
Ключевые слова: точное орошаемое земледелие, орошаемый агроценоз, дождевальная машина кругового действия, зоны управления, поток суммарного испарения, техногенные паттерны, модель METRIC, данные Landsat-8, сегментирование изображения, тест Краскела – Уоллеса
Полный текст

Список литературы:

  1. Ермолаева О. С., Зейлигер А. М. Анализ трендов потоков суммарного испарения (за 2003–2017 гг.) по данным продукта MOD16A2 для территории Марксовского района Саратовской области // Природообустройство. 2021. № 2. С. 16–25. DOI: 10.26897/1997-6011-2021-2-16-25.
  2. Ермолаева О. С., Зейлигер А. М. Эффективность использования посевами орошаемой люцерны запасов почвенной влаги // Мелиорация и водное хозяйство. 2023. № 2. С. 23–29. DOI: 10.32962/0235-2524-2023-2-23-29.
  3. Зейлигер А. М. Точное (дифференцированное) орошаемое земледелие — технология повышения эффективности орошения и снижения нагрузки на окружающую среду // Сб. науч. докл. ВИМ. 2010. С. 633–638.
  4. Зейлигер А. М., Ермолаева О. С. (2016а) Информационные технологии в мониторинге богарных и орошаемых агроценозов // Современные наукоемкие технологии. 2016. Т. 10. № 1. С. 62–66.
  5. Зейлигер А. М., Ермолаева О. С. (2016б) Информационно-технологические основы пространственно-дифференцированного дождевания посевов сельскохозяйственных культур // Международ. научно-исслед. журн. 2016. Т. 9–2. № 51. С. 41–44. DOI: 10.18454/IRJ.2016.51.113.
  6. Зейлигер А. М., Ермолаева О. С., Музылев Е. Л. и др. Компьютерный анализ режимов водного стресса орошаемых агроценозов с использованием SWAP-модели, а также данных наземного и космического мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 33–43. DOI: 10.21046/2070-7401-2019-16-3-33-43.
  7. Зейлигер А. М., Затинацкий С. В., Ермолаева О. С., Колганов Д. А. Анализ пространственного варьирования влажности почвенного покрова вдоль фронта дождевальной машины // Природообустройство. 2023. № 3. С. 15–22. DOI: 10.26897/1997-6011-2023-3-15-22.
  8. Селянинов Г. Т. О сельскохозяйственной оценке климата // Тр. по с.-х. метеорологии. 1928. № 20. С. 165–177.
  9. Якушев В. П., Якушев В. В. Информационное обеспечение точного земледелия. СПб.: Изд-во ПИЯФ РАН, 2007. 384 с.
  10. Allen R. G., Walter I. A., Elliott R. L. et al. The ASCE standardized reference evapotranspiration equation. ASCE, Reston, VA, USA, 2005. DOI: 10.1061/9780784408056.
  11. Allen R. G., Tasumi M., Morse A. et al. (2007a) Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Applications // J. Irrigation and Drainage Engineering. 2007. V. 133. No. 4. P. 395–406. DOI: 10.1061/(asce)0733-9437(2007)133:4(395).
  12. Allen R., Tasumi M., Trezza R. (2007b) Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model // J. Irrigation and Drainage Engineering. 2007. V. 133. No. 4. P. 380–394. DOI: 10.1061/(ASCE)0733-9437(2007)133:4(380).
  13. Anselin L. Local Indicators of Spatial Association—LISA // Geographical Analysis. 1995. V. 27. No. 2. P. 93–115. DOI: 10.1111/j.1538-4632.1995.tb00338.x.
  14. Asadi M., Valizadeh Kamran K. Comparison of SEBAL, METRIC, and ALARM algorithms for estimating actual evapotranspiration of wheat crop // Theoretical and Applied Climatology. 2022. V. 149. P. 327–337. DOI: 10.1007/s00704-022-04026-3.
  15. Bastiaanssen W. G. M., Menenti M., Feddes R. A., Holtslag A. A. M. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation // J. Hydrology. 1998. V. 212–213. P. 198–212. DOI: 10.1016/S0022-1694(98)00253-4.
  16. Bazzi C. L., Schenatto K., Upadhyaya S. et al. Optimal placement of proximal sensors for precision irrigation in tree crops // Precision Agriculture 2018. V. 20. No. 4. P. 663–674. DOI: 10.1007/S11119-018-9604-3.
  17. Cetin M., Alsenjar O., Aksu H. et al. Comparing actual evapotranspiration estimations by METRIC to in-situ water balance measurements over an irrigated field in Turkey // Hydrological Sciences J. 2023. V. 68. Iss. 8. P. 1162–1183. DOI: 10.1080/02626667.2023.2198649.
  18. Cheng Q., Tao M., Chen X., Binley A. Evaluation of electrical resistivity tomography (ERT) for mapping the soil–rock interface in karstic environments // Environmental Earth Sciences. 2019. V. 78. No. 15. Article 439. DOI: 10.1007/s12665-019-8440-8.
  19. De Lara A., Khosla R., Longchamps L. Characterizing spatial variability in soil water content for precision irrigation management // Agronomy. 2018. V. 8. No. 5. Article 59. DOI: 10.3390/AGRONOMY8050059.
  20. Elkatoury A., Alazba A. A., Mossad A. Estimating evapotranspiration using coupled remote sensing and three SEB models in an arid region // Environmental Processes. 2020. V. 7. No. 1. P. 109–133. DOI: 10.1007/s40710-019-00410-w.
  21. Fontanet M., Scudiero E., Skaggs T. et al. Dynamic management zones for irrigation scheduling // Agricultural Water Management. 2020. V. 238. Article 106207. DOI: 10.1016/J.AGWAT.2020.106207.
  22. Gonzalez-Dugo V., Goldhamer D., Zarco-Tejada P. J., Fereres E. Improving the precision of irrigation in a pistachio farm using an unmanned airborne thermal system // Irrigation Science. 2014. V. 33. No. 1. P. 43–52. DOI: 10.1007/S00271-014-0447-Z.
  23. Han L., Wang C., Liu Q. et al. Soil moisture mapping based on multi-source fusion of optical, near-infrared, thermal infrared, and digital elevation model data via the Bayesian maximum entropy framework // Remote Sensing. 2020. V. 12. Iss. 23. Article 3916. DOI: 10.3390/RS12233916.
  24. Irmak S., Odhiambo L. O., Kranz W. L., Eisenhauer D. E. Irrigation efficiency and uniformity, and crop water use efficiency // Biological Systems Engineering: Papers and Publications. 2011. Article 451.
  25. Jamshidi S., Zand-parsa S., Pakparvar M., Niyogi D. Evaluation of evapotranspiration over a semi-arid region using multi-resolution data sources // J. Hydrometeorology. 2019. V. 20. P. 947–964. DOI: 10.1175/JHM-D-18-0082.1.
  26. Javadi S. H., Guerrero A., Mouazen A. M. Clustering and smoothing pipeline for management zone delineation using proximal and remote sensing // Sensors. 2022. V. 22. Iss. 2. Article 645. DOI: 10.3390/S22020645.
  27. Kamyab A. D., Mokhtari S., Jafarinia R. A comparative study in quantification of maize evapotranspiration for Iranian maize farm using SEBAL and METRIC-1 EEFLux algorithms // Acta Geophysica. 2022. V. 70. No. 1. P. 319–332. DOI: 10.1007/s11600-021-00704-4.
  28. Kruskal W. H., Wallis W. A. Use of ranks in one-criterion variance analysis // J. American Statistical Association. 1952. V. 47. No. 260. P. 583–621. DOI: 10.1080/01621459.1952.10483441.
  29. Madugundu R., Al-Gaadi K., Tola E. et al. Performance of the METRIC model in estimating evapotranspiration fluxes over an irrigated field in Saudi Arabia using Landsat-8 images // Hydrology and Earth System Sciences. 2017. V. 21. P. 6135–6151. DOI: 10.5194/hess-21-6135-2017.
  30. Morillo J. G., Martín M., Camacho E. et al. Toward precision irrigation for intensive strawberry cultivation // Agricultural Water Management. 2015. V. 151. P. 43–51. DOI: 10.1016/J.AGWAT.2014.09.021.
  31. Nisa Z., Khan M., Govind A. et al. Evaluation of SEBS, METRIC-EEFlux, and QWaterModel actual evapotranspiration for a mediterranean cropping system in southern Italy // Agronomy. 2021. V. 11. No. 2. Article 345. DOI: 10.3390/agronomy11020345.
  32. Ohana-Levi N., Bahat I., Peeters A. et al. A weighted multivariate spatial clustering model to determine irrigation management zones // Computers and Electronics in Agriculture. 2019. V. 162. P. 719–731. DOI: 10.1016/J.COMPAG.2019.05.012.
  33. Oldoni H., Bassoi L. H. Delineation of irrigation management zones in a Quartzipsamment of the Brazilian semiarid region // Pesquisa Agropecuaria Brasileira. 2016. V. 51. No. 9. P. 1283–1294. DOI: 10.1590/S0100-204X2016000900028.
  34. Olmedo G., Ortega-Farías S., de la Fuente-Sáiz D. et al. water: Tools and functions to estimate actual evapotranspiration using land surface energy balance models in R // The R J. 2016. V. 8. P. 352–369. DOI: 10.32614/RJ-2016-051.
  35. Ortega-Salazar S., Ortega-Farías S., Kilic A., Allen R. Performance of the METRIC model for mapping energy balance components and actual evapotranspiration over a superintensive drip-irrigated olive orchard // Agricultural Water Management. 2021. V. 251. Article 106861. DOI: 10.1016/j.agwat.2021.106861.
  36. Ortuani B., Sona G., Ronchetti G. et al. Integrating geophysical and multispectral data to delineate homogeneous management zones within a vineyard in Northern Italy // Sensors. 2019. V. 19. Iss. 18. Article 3974. DOI: 10.3390/S19183974.
  37. Poblete-Echeverría C., Ortega-Farias S. Calibration and validation of a remote sensing algorithm to estimate energy balance components and daily actual evapotranspiration over a drip-irrigated Merlot vineyard // Irrigation Science. 2012. V. 30. P. 537–553. DOI: 10.1007/s00271-012-0381-x.
  38. Reyes-González A., Kjaersgaard J., Trooien T. et al. Comparison of leaf area index, surface temperature, and actual evapotranspiration estimated using the METRIC model and in situ measurements // Sensors. 2019. V. 19. Iss. 8. Article 1857. DOI: 10.3390/s19081857.
  39. Rojo F., Kizer E., Upadhyaya S. et al. A leaf monitoring system for continuous measurement of plant water status to assist in precision irrigation in grape and almond crops // IFAC-PapersOnLine. 2016. V. 49. No. 16. P. 209–215. DOI: 10.1016/J.IFACOL.2016.10.039.
  40. Scudiero E., Teatini P., Manoli G. et al. Workflow to establish time-specific zones in precision agriculture by spatiotemporal integration of plant and soil sensing data // Agronomy. 2018. V. 8. Iss. 11. Article 253. DOI: 10.3390/AGRONOMY8110253.
  41. Serrano J., Shahidian S., Marques da Silva J. et al. Mapping management zones based on soil apparent electrical conductivity and remote sensing for implementation of variable rate irrigation—Case study of corn under a center pivot // Water. 2020. V. 12. Iss. 12. Article 3427. DOI: 10.3390/W12123427.
  42. Singh R. K., Senay G. B. Comparison of four different energy balance models for estimating evapotranspiration in the Midwestern United States // Water. 2016. V. 8. Iss. 1. Article 9. DOI: 10.3390/w8010009.
  43. Smith R. J., Baillie J., McCarthy A. C., Raine S. R., Baillie C. P. Review of precision irrigation technologies and their application. National Centre for Engineering in Agriculture Publication 1003017/1, USQ, Toowoomba, 2010.
  44. Song X., Zhang G., Liu F. et al. Modeling spatio-temporal distribution of soil moisture by deep learning-based cellular automata model // J. Arid Land. 2016. V. 8. No. 5. P. 734–748. DOI: 10.1007/S40333-016-0049-0.
  45. Tawalbeh Z. M., Bawazir A. S., Fernald A., Sabie R. Spatiotemporal variabilities in evapotranspiration of alfalfa: A case study using remote sensing METRIC and SSEBop models and eddy covariance // Remote Sensing. 2024. V. 16. Iss. 13. Article 2290. DOI: 10.3390/rs16132290.
  46. Vera J., Conejero W., Conesa M. R., Ruiz-Sánchez M. C. Irrigation factor approach based on soil water content: A nectarine orchard case study // Water. 2019. V. 11. Iss. 3. Article 589. DOI: 10.3390/w11030589.
  47. Wang J., Li H., Zhang G. et al. Estimation of evapotranspiration for irrigated artificial grasslands in typical steppe areas using the metric model // Applied Ecology and Environmental Research. 2019. V. 17. No. 6. P. 13759–13776. DOI: 10.15666/aeer/1706_1375913776.
  48. Water for sustainable food and agriculture: A report produced for the G20 Presidency of Germany. Food and Agriculture Organization of the United Nations, 2017. 33 p.
  49. Zeyliger A. M., Ermolaeva O. S., Pchelkin V. V. Assessment of irrigation efficiency by coupling remote sensing and ground-based data: Case study of sprinkler irrigation of alfalfa in the Saratovskoye Zavolgie region of Russia // Sensors. 2023. V. 23. Iss. 5. Article 2601. DOI: 10.3390/s23052601.
  50. Zeyliger A., Muzalevskiy K., Ermolaeva O. et al. Mapping soil surface moisture of an agrophytocenosis via a neural network based on synchronized radar and multispectral optoelectronic data of SENTINEL-1,2—Case study on test sites in the lower Volga region // Sustainability. 2024. V. 16. Iss. 21. Article 9606. DOI: 10.3390/su16219606.