ВАК 4.1.3 УДК 631.4 УДК 631.8 УДК 528.8 УДК 004.8

ВЫДЕЛЕНИЕ УСТОЙЧИВЫХ ВНУТРИПОЛЕВЫХ ЗОН УПРАВЛЕНИЯ НА ОСНОВЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ ТОЧНОГО УПРАВЛЕНИЯ ПРОДУКЦИОННЫМ ПРОЦЕССОМ: ПРИМЕР ЛЕСОСТЕПНОЙ ЗОНЫ ЕВРОПЕЙСКОЙ РОССИИ Выделение устойчивых внутриполевых зон управления на основе дистанционного зондирования для точного управления продукционным процессом: пример лесостепной зоны Европейской России

Опубликовано в МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ · Номер 4 · Страницы 469–474 · Рубрика: Земельные отношения и землеустройство
DOI: https://doi.org/10.55186/25876740_2026_69_4_469
Получено: 10.06.2026 Одобрено: 22.07.2026 Опубликовано: 15.08.2026
В статье рассмотрен подход к выделению устойчивых внутриполевых зон управления на основе многолетних данных дистанционного зондирования, почвенно-ландшафтной верификации и производственных опытов. Исследования проводились на пахотных землях КФХ «Бирюков А.В.» в Базарно-Карабулакском районе Саратовской области в 2021–2025 гг. Методика включала обработку данных Landsat и Sentinel-2, построение карты устойчивой внутриполевой неоднородности плодородия почв на основе ASF-index, использование карты открытой поверхности почвы по коэффициенту C мультивременной линии почв, почвенно-ландшафтное обследование, агрохимическую верификацию и формирование карт-заданий. Показано, что устойчивые внутриполевые зоны различаются не только по продукционному потенциалу, но и по отзывчивости на технологическое воздействие. Производственные опыты подтвердили, что повышение или снижение норм удобрений и высева экономически оправдано только с учетом зоны плодородия, культуры и лимитирующих факторов. Результаты замеров урожайности показали возможность экономии семян кукурузы на 7–14%, семян подсолнечника на 10–14%. Предложенный подход позволяет перейти от усредненного управления полем к управлению устойчивыми внутриполевыми зонами, а результаты замеров урожайности использовать для корректировки норм и уточнения зон.
точное земледелие, дистанционное зондирование, ASF-index, внутриполевые зоны, открытая поверхность почвы, мультивременная линия почв, дифференцированное внесение удобрений, дифференцированный высев
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Фридланд В.М. Структура почвенного покрова. М.: Мысль, 1972. 423 с.

2. Кирюшин В.И. Теория адаптивно-ландшафтного земледелия и проектирование агроландшафтов. М.: КолосС, 2011. 443 с.

3. Кирюшин В.И. Методология комплексной оценки сельскохозяйственных земель // Почвоведение. 2020. № 7. С. 871-879. DOI:https://doi.org/10.31857/S0032180X20070060

4. Кирюшин В.И. Управление плодородием почв и продуктивностью агроценозов в адаптивно-ландшафтных системах земледелия // Почвоведение. 2019. № 9. С. 1130-1139. DOI:https://doi.org/10.1134/S0032180X19070062

5. Булгаков Д.С. Концепция агроэкологической оценки почв земледельческой территории // Почвоведение. 2002. № 6. С. 710-714.

6. Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Куляница А.Л., Трубников А.В., Калинина Н.В., Симакова М.С. Местоположение открытой поверхности почвы и линии почвы в спектральном пространстве RED-NIR // Почвоведение. 2017. № 12. С. 1435-1446. DOI:https://doi.org/10.7868/S0032180X17100045

7. Королева П.В., Рухович Д.И., Рухович А.Д., Рухович Д.Д., Куляница А.Л., Трубников А.В., Калинина Н.В., Симакова М.С. Характеристика почвенных типов и подтипов в n-мерном пространстве коэффициентов мультивременной эмпирической линии почв // Почвоведение. 2018. № 9. С. 1085-1098. DOI:https://doi.org/10.1134/S0032180X1809006X

8. Шаповалов Д.А., Королева П.В., Калинина Н.В., Вильчевская Е.В., Куляница А.Л., Рухович Д.И. ASF-index - карта устойчивой внутриполевой неоднородности плодородия почвенного покрова, построенная на основе больших спутниковых данных для задач точного земледелия // Международный сельскохозяйственный журнал. 2020. № 1 (373). С. 9-15. DOI:https://doi.org/10.24411/2587-6740-2020-11002

9. Куляница А.Л., Рухович Д.И., Королева П.В., Вильчевская Е.В., Калинина Н.В. Анализ информативности методов обработки больших спутниковых данных систем точного земледелия при коррекции крупномасштабных почвенных карт // Почвоведение. 2020. № 12. С. 1460-1477. DOI:https://doi.org/10.31857/S0032180X20110088

10. Рухович Д.И., Королева П.В., Калинина Н.В., Вильчевская Е.В., Сулейман Г.А., Черноусенко Г.И. Детектирование деградированных участков пашни на основе анализа больших спутниковых данных // Почвоведение. 2021. № 2. С. 151-167. DOI:https://doi.org/10.31857/S0032180X21020131

11. Рухович Д.И., Симакова М.С., Куляница А.Л., Брызжев А.В., Королева П.В., Калинина Н.В., Вильчевская Е.В., Долинина Е.А., Рухович С.В. Анализ применения почвенных карт в системе ретроспективного мониторинга состояния земель и почвенного покрова // Почвоведение. 2015. № 5. С. 605-625. DOI:https://doi.org/10.7868/S0032180X15050081

12. McBratney A.B., Mendonça Santos M.L., Minasny B. On digital soil mapping // Geoderma. 2003. Vol. 117. No. 1-2. P. 3-52. DOI:https://doi.org/10.1016/S0016-7061(03)00223-4

13. McBratney A., Whelan B., Ancev T., Bouma J. Future directions of precision agriculture // Precision Agriculture. 2005. Vol. 6. P. 7-23. DOI:https://doi.org/10.1007/s11119-005-0681-8

14. Mulla D.J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps // Biosystems Engineering. 2013. Vol. 114. No. 4. P. 358-371. DOI:https://doi.org/10.1016/j.biosystemseng.2012.08.009

15. Liu P. A survey of remote-sensing big data // Frontiers in Environmental Science. 2015. Vol. 3. Article 45. DOI:https://doi.org/10.3389/fenvs.2015.00045

16. Rukhovich D.I., Koroleva P.V., Rukhovich D.D., Rukhovich A.D. Recognition of the bare soil using deep machine learning methods to create maps of arable soil degradation based on the analysis of multi-temporal remote sensing data // Remote Sensing. 2022. Vol. 14. No. 9. Article 2224. DOI:https://doi.org/10.3390/rs14092224

17. Rukhovich D.I., Koroleva P.V., Rukhovich A.D., Komissarov M.A. A detailed mapping of soil organic matter content in arable land based on the multitemporal soil line coefficients and neural network filtering of big remote sensing data // Geoderma. 2024. Vol. 447. Article 116941. DOI:https://doi.org/10.1016/j.geoderma.2024.116941

18. Sishodia R.P., Ray R.L., Singh S.K. Applications of remote sensing in precision agriculture: A review // Remote Sensing. 2020. Vol. 12. No. 19. Article 3136. DOI:https://doi.org/10.3390/rs12193136

Войти или Создать
* Забыли пароль?