с 01.01.2017 по настоящее время
Коломенский институт (филиал) Московского политехнического университета (доцент)
УДК 633.11 Пшеница. Triticum ssp.
УДК 528.8 Дистанционное зондирование. Методы и приборы
В статье отмечается, что в условиях цифровизации мелиоративного земледелия остро стоит задача получения актуальных достоверных исходных данных о состоянии сельскохозяйственных культур в целях прогноза урожайности и оценки эффективности мероприятий. Описываются трудности , возникающие при оперативном установлении сроков наступления фенологических фаз и соответствующих значений NDVI той стадии развития культуры, при которой наблюдаются наиболее благоприятные условия для формирования урожая. Цель настоящего исследования заключалась в анализе результатов оценки значений вегетационного индекса NDVI по данным дистанционного зондирования Земли и наземного мониторинга в условиях in situ для посевов озимой пшеницы. Выявлены общие закономерности динамики значений NDVI для озимой пшеницы, полученных по данным спутникового мониторинга Landsat 8 и в условиях in situ. Минимальные значения во всех случаях регистрировались для голой почвы и всходов. Установлено, что NDVI постепенно растет и максимальных значений достигает в фазу колошения и цветения (0,43 для выборки >5%, 0,35 – для Landsat 8 и in situ). Полученные результаты могут быть использованы для прогноза урожайности озимой пшеницы.
дистанционное зондирование, вегетационный индекс, озимая пшеница, мониторинг, NDVI, Landsat 8
1. Zadoks, J.C., Chang, T.T. and Konzak, C.F. A Decimal Code for the Growth Stages of Cereals // Weed Research, 1974. Vol. 14. P. 415-421. DOI:https://doi.org/10.1111/j.1365-3180.1974.tb01084.x.
2. Сортовая дифференциация озимой мягкой пшеницы по группам спелости в лесостепи Среднего Поволжья / Н.Н. Захарова, Н.Г. Захаров // Вестник Ульяновской государственной сельскохозяйственной академии. 2020. № 2(50). С. 91-97. DOI:https://doi.org/10.18286/1816-4501-2020-2-91-97. EDN ERKOEN.
3. Колесниченко В.Т. Озимая пшеница Заларинка в Иркутской области (результаты полевых опытов). М.: Промэкобезопасность, 2003. 306 с.
4. Агроэкологическая оценка эффективности фосфогипса в звене севооборота с озимой и яровой пшеницей / Холомьева Л.Н. // дис… канд с.-х. наук. М.: ФГБНУ ВНИИ агрохимии им. Д.Н. Прянишникова, 2024. 169 с.
5. Подлесных Н.В. Особенности прохождения этапов онтогенеза, фаз роста и развития, урожайность и качество озимой твердой и мягкой пшеницы в условиях лесостепи Воронежской области // Вестник Воронежского государственного аграрного университета. 2015. № 3 (46). С. 11–22.
6. Анализ состояния орошаемых культур по данным дистанционного зондирования Земли с использованием спектрального индекса NDVI / Зверьков М.С., Смелова С.С. // Экология и строительство. 2024. № 1.
7. Азотная подкормка современных интенсивных сортов озимой пшеницы в условиях Центрального Нечерноземья / Сандухадзе Б.И., Журавлева Е.В. // Питание растений. 2012. № 2. С. 2–6.
8. Ambika A.K., Wardlow B., Mishra V. Remotely sensed high resolution irrigated area mapping in India for 2000 to 2015 // Sci Data. 2016. Vol. 3. P. 1–14. DOI:https://doi.org/10.1038/sdata.2016.118.
9. Mazengo, T.E.R., Guo, Z., Liu, X. et al. Effects of irrigation and rainfed practices on Normalized Difference Vegetative Index of Wheat (Triticum aestivum L.) and its Implications on Grain Yield in Northern China // Environ Syst Res. 2023. Vol. 12, 36. DOI:https://doi.org/10.1186/s40068-023-00303-w.
10. Использование вегетативного индекса NDVI для прогноза урожайности зерновых культур / С.А. Родимцев, Н.Е. Павловская, С.В. Вершинин [и др.] // Вестник НГАУ (Новосибирский государственный аграрный университет). 2022. № 4(65). С. 56-67. DOI:https://doi.org/10.31677/2072-6724-2022-65-4-56-67. EDN IRLXQG.
11. Коротков А.А., Астапов А.Ю. Вегетационный индекс NDVI для мониторинга растительности // Наука и образование. 2020. Т. 3, № 3. С. 131–140.
12. Пришутов К.А., Астапов А.Ю., Рязанова Ю.А. Применение БПЛА для оценки качества растительности // Инженерное обеспечение инновационных технологий в АПК: сб. мат. междунар. науч.-практ. конф. Мичуринск: Мичуринский ГАУ, 2018. С. 212–217.
13. Mapping irrigated areas in Afghanistan over the past decade using MODIS NDVI / Shahriar Pervez, M., Budde, M. & Rowland, J. // Remote Sensing of Environment. 2014. Vol. 149. P. 155–165.
14. Gamon J.A., Peňuelas J., Field C.B. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency // Remote Sensing of Environment. 1992. Vol. 41, № 1. P. 35–44. DOI: 2-s2.0-0026451960.
15. Gamon J.A., Serrano L., and Surfus J. The photochemical reflectance index: an optical indicator of photosynthetic radiation use efficiency across species, functional types, and nutrient levels // Oecologia. 1997. Vol. 112, №. 4. P. 492–501. DOI:https://doi.org/10.1007/s004420050337.
16. Usefulness of spectral reflectance indices as durum wheat yield predictors under contrasting Mediterranean conditions / Royo C., Aparicio N., Villegas D., Casadesus J., Monneveux P., Araus J. L. // International Journal of Remote Sensing. 2003. Vol 24, № 22. P. 4403–4419. DOI:https://doi.org/10.1080/0143116031000150059.
17. Spectral reflectance to estimate genetic variation for in-season biomass, leaf chlorophyll, and canopy temperature in wheat / Babar M.A., Reynolds M.P., van Ginkel M., Klatt A.R., Raun W.R., Stone M.L. // Crop Science. 2006. Vol. 46, № 3. P. 1046–1057. DOI:https://doi.org/10.2135/cropsci2005.0211.
18. Абдушаева Я. М. Оценка продукционного процесса растений озимой пшеницы по вегетационному индексу // АгроЭкоИнженерия. 2024. № 2(119). С. 18-29. DOI:https://doi.org/10.24412/2713-2641-2024-2119-18-29.
19. Estimating Wheat Yield with Normalized Difference Vegetation Index and Fractional Green Canopy Cover / Goodwin, A.W., Lindsey, L.E., Harrison, S.K. Paul, P.A. // Crop, Forage & Turfgrass Management. 2018. Vol. 4. P. 1-6. 180026. DOI:https://doi.org/10.2134/cftm2018.04.0026.
20. Normalized difference vegetation index as a tool for wheat yield estimation: a case study from Faisalabad, Pakistan / Sultana S.R., Ali A., Ahmad A. et al. // Sci World J. 2014 : 725326. DOI:https://doi.org/10.1155/2014/725326.
21. Маркерные участки цифровой мелиорации сельскохозяйственных земель / А.Е. Касьянов // Экология и строительство. 2020. № 3. С. 21-24. DOIhttps://doi.org/10.35688/2413-8452-2020-03-003. EDN KNFJIZ.
22. Применение аэрофотосъемки с применением мультиспектральной камеры в комплексе с нейросетью в сельском хозяйстве / А.С. Сыч, В. Балык, А.И. Поляков, А.В. Карталов // Chronos. 2019. № 9(36). С. 26-28. EDN CYELPR.
23. Оценка коэффициента земельного использования методами дистанционного зондирования на мелиоративной системе Московской области / Брыль С.В., Беденко А.Е. // Экология и строительство. 2024. № 1.
24. Анализ мелиоративного состояния оросительных систем Саратовской области / Мазурова И.С. // Экология и строительство. 2024. № 2.
25. Weed Mapping in Early-Season Maize Fields Using Object-Based Analysis of Unmanned Aerial Vehicle (UAV) Images / Peña J.M., Torres-Sánchez J., de Castro A.I., Kelly M., López-Granados F. // PLoS ONE. 2013. Vol. 8(10) : e77151. DOI:https://doi.org/10.1371/journal.pone.0077151.
26. Чикалова Л.С. Эрозия почвы как фактор, оказывающий влияние на урожайность продукции сельского хозяйства // Экология и строительство. 2023. № 3.
27. Сравнительная характеристика различных вегетационных индексов при оценке состояния растительного покрова кормовых трав / А.А. Комаров, А.Д. Кирсанов, С.Н. Малашин // Известия Санкт-Петербургского государственного аграрного университета. 2021. № 2(63). С. 18-29. DOIhttps://doi.org/10.24412/2078-1318-2021-2-18-29. EDN LUKMNC.
