Современные проблемы дистанционного зондирования Земли из космоса. 2026. Т. 23. № 4. С. 206-214
Оценка влияния орошения на продуктивность кукурузы методами дистанционного зондирования
Р.В. Калиниченко 1 , А.Ю. Романовская 1 , А.Е. Беденко 2 1 Почвенный институт им. В.В. Докучаева, Москва, Россия
2 Всероссийский научно-исследовательский институт систем орошения и сельхозводоснабжения «Радуга», Коломна, Московская обл., Россия
Одобрена к печати: 13.05.2026
DOI: 10.21046/2070-7401-2026-23-4-206-214
Дефицит влаги в критические фазы развития кукурузы на юге России превращает выращивание этой стратегической культуры в рискованное предприятие. Исследование на базе сельхозпредприятия в Краснодарском крае показало, как именно искусственное орошение трансформировало биологическую продуктивность посевов в условиях засушливого лета 2025 г. Мы объединили наземные полевые обследования с потоковыми данными радиометра MODIS (англ. Moderate Resolution Imaging Spectroradiometer) и мультиспектральной съёмкой Sentinel-2, чтобы верифицировать эффективность полива на площади 1270 га. Статистическая обработка данных подтвердила высокую значимость различий между группами по всем показателям (p < 0,001). Результаты подтверждают: естественных осадков (335,6 мм) не хватает для реализации генетического потенциала культуры. На богарных участках суммарное испарение (эвапотранспирация) не превысило 290 мм, что спровоцировало глубокий гидротермический стресс. В итоге урожайность на богарных землях колебалась от 0,7 до 23,7 ц/га. При этом зональная статистика выявила, что выживаемость посевов на богаре носит очаговый характер, что подтверждается высоким стандартным отклонением NDVI (англ. Normalized Difference Vegetation Index) на фоне низких средних значений. Орошение радикально меняет энергетический баланс агрофитоценоза. Дополнительная вода позволила поднять уровень эвапотранспирации до 363–432 мм, обеспечив стабильный фотосинтез. Индекс NDVI на поливных полях достигал значений 0,76–0,80. Что в сумме позволило получить 75,3–78,7 ц/га урожайности. Интеграция данных ДЗЗ и полевых наблюдений доказывает: в современных климатических реалиях региона высокопродуктивное производство кукурузы невозможно без мелиорации, а высокая корреляция (r ≥ 0,94) подтверждает точность спутниковых индикаторов для прогнозирования урожая.
Ключевые слова: кукуруза, орошение, эвапотранспирация, MODIS, Sentinel-2, водный стресс, урожайность
Полный текстСписок литературы:
- Зверьков М. С., Смелова С. С., Степанова Т. Г. Прогноз урожайности картофеля по значению индекса NDVI на эродированных землях // Мелиорация и водное хоз-во. 2025. № 2. С. 20–23. DOI: 10.32962/0235-2524-2025-2-20-24.
- 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.
- Ильинская И. Н., Клименко А. И., Батищев И. В. Состояние и оценка мелиорированных земель Ростовской области // Мелиорация и гидротехника. 2022. Т. 12. № 4. С. 86–103. DOI: 10.31774/2712-9357-2022-12-4-86-103.
- Музылев Е. Л., Старцева З. П., Успенский А. Б. и др. Использование данных дистанционного зондирования при моделировании водного и теплового режимов сельских территорий // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 6. С. 108–136. DOI: 10.21046/2070-7401-2017-14-6-108-136.
- Шуганов В. М., Шогенов А. Х., Кантиев З. Ю., Бижоев Р. В. Оптимизация производства кукурузы путем применения цифровых и умных технологий // Изв. Кабардино-Балкарского науч. центра РАН. 2025. Т. 27. № 5. С. 200–210. DOI: 10.35330/1991-6639-2025-27-5-200-210.
- Якушев В. П., Якушев В. В., Блохина С. Ю. и др. Перспективы выявления идентификационных показателей состояния посевов по аэрокосмическим снимкам и специализированным полевым исследованиям // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 113–127. DOI: 10.21046/2070-7401-2022-19-4-113-127.
- Adhikary S., Biswas B., Naskar M. K. et al. Remote sensing for agricultural applications // Arid Environmen — Perspectives, Challenges and Management. IntechOpen, 2023. 15 p. DOI: 10.5772/intechopen.106876.
- Adriko K., Sedona R., Seguini L. et al. From MODIS to Sentinel-2: A regional comparative analysis of crop-yield prediction with matched spatiotemporal data // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2025. V. 18. P. 27663–27683. DOI: 10.1109/jstars.2025.3624046.
- Allen R. G. Using the FAO-56 dual crop coefficient method over an irrigated region as part of an evapotranspiration intercomparison study // J. Hydrology. 2000. V. 229. P. 27–41. DOI: 10.1016/S0022-1694(99)00194-8.
- Kayad A., Sozzi M., Gatto S. et al. Monitoring within-field variability of corn yield using Sentinel-2 and machine learning techniques // Remote Sensing. 2019. V. 11. No. 23. Article 2873. DOI: 10.3390/rs11232873.
- Kim H. W., Hwang K., Mu Q. et al. Validation of MODIS 16 global terrestrial evapotranspiration products in various climates and land cover types in Asia // KSCE J. Civil Engineering. 2012. V. 16. No. 2. P. 229–238. DOI: 10.1007/s12205-012-0006-1.
- Kumar S., Meena R. S., Sheoran S. et al. Remote sensing for agriculture and resource management // Natural Resources Conservation and Advances for Sustainability. 2021. P. 91–135. DOI: 10.1016/B978-0-12-822976-7.00012-0.
- Pereira L. S., Allen R. G., Smith M., Raes D. Crop evapotranspiration estimation with FAO56: Past and future // Agricultural Water Management. 2015. V. 147. P. 4–20. DOI: 10.1016/j.agwat.2014.07.031.
- Soccolini A., Vizzari M. Predictive modelling of maize yield using Sentinel 2 NDVI // Intern. Conf. on Computational Science and Its Applications 2023. Cham: Springer, 2023. P. 327–338. DOI: 10.1007/978-3-031-37114-1_22.
- Tamás A., Kovács E., Horváth É. et al. Assessment of NDVI dynamics of maize (Zea mays L.) and its relation to grain yield in a polyfactorial experiment based on remote sensing // Agriculture. 2023. V. 13. No. 3. Article 689. DOI: 10.3390/agriculture13030689.
- Van Hoek M., Jia L., Zhou J. et al. Early drought detection by spectral analysis of satellite time series of precipitation and Normalized Difference Vegetation Index (NDVI) // Remote Sensing. 2016. V. 8. No. 5. Article 422. DOI: 10.3390/rs8050422.