Моделирование урожайности озимой пшеницы по данным дистанционного зондирования Земли
Аннотация
В работе была проанализирована корреляционная связь урожайности и вегетационного индекса для озимой пшеницы. Для написания статьи была использована информация о перманентном учете урожайности, собранная в 2016 г. для трех полей в Минском и Барановичском районах. В ходе статистического анализа была выявлена высокая корреляционная связь между данными о массе собранного зерна и значениями вегетационного индекса, полученными по данным дистанционного зондирования Земли. Для данных на конец мая коэффициент корреляции может превышать 0,9. В ходе исследования было обнаружено, что сорная растительность препятствует точному моделированию величины урожайности озимой пшеницы по данным космической съемки.
Об авторах
В. А. Генин
Институт почвоведения и агрохимии
Беларусь
Беларусь
аспирант
Н. В. Клебанович
Белорусский государственный университет
Беларусь
Беларусь
доктор с.-х. наук
Список литературы
1. Remote Sensing of total dry-matter accumulation in winter wheat / C. J. Tucker [et al.] // Remote Sensing оf Environment. – 1981. – Vol. 11, № 3 – P. 171–189.
2. Ball, S. T. Relationship between grain yield and remotely-sensed data in wheat breeding experiments plant breeding / S. T. Ball, C. F. Konzak // Remote Sensing оf Environment. – 1993. – Vol. 110, № 4. – P. 277–282.
3. Quarmby N. A. The use of multi-temporal NDVI measurements from AVHRR data for crop yield estimation and prediction / N. A. Quarmby, M. Milnes, T. L. Hindle // Intern. J. of Remote Sensing. – 1993. – Vol. 14, № 2. – P. 247–262.
4. Operational prediction of crop yields using modis data and products / P. C. Doraiswamya [et al.] // Remote sensing support to crop yield forecast and area estimates XXXVI–8/W48 Workshop proceedings, Stresa, November 30 – December 1, 2006. – P. 137–141.
5. Corn and soybean yield indicators using remotely sensed vegetation index / M. Zhang [et al.] // Proceedings of the 3rd International Conference, Milan, 23–26 June. – P. 403–415.
6. Mapping Grain Sorghum Yield Variability Using Airborne Digital Videograph /C. Yan [et al.] // Precision Agriculture. – 2000. – Vol. 2, № 1. – P. 7–23.
7. Yang, C. Relationships Between Yield Monitor Data and Airborne Multidate Multispectral Digital Imagery for Grain Sorghum / C. Yang, J. H. Everitt // Precision Agriculture. – 2002. – Vol. 3, № 4. – P. 373–384.
8. Peña-Barragán, J. M. Sunflower yield related to multi-temporal aerial photography, land elevation and weed infestation / J. M. Peña-Barragán, F. López-Granados, M. Jurado-Expósito // Precision Agriculture. – 2010. – Vol. 11, № 5. – P. 568–585.
9. Регрессионные модели прогнозирования урожайности зерновых в Украине по спутниковым данным различной природы / Н. Н. Куссуль [и др.] // Наукові праці ДонНТУ. – 2013. – № 17. – С. 94 – 99.
10. Антоненко, В. С. Оценка состояния посевов и прогноз урожайности озимой пшеницы в Украине по данным многоспектральной космической съемки / В. С. Антоненко, Р. В. Гаценко // Наук. праці УкрНДГМІ. – 2005. – № 254. – С. 55–58.
11. Мониторинг урожайности [Электронный ресурс]. – Режим доступа: http://www.poletehnika.com.ua/ru/item/116-monitoring_urozhaynosti. – Дата доступа : 25.03.2018.
12. NDVI – теория и практика [Электронный ресурс]. – Режим доступа : http://gis-lab.info/qa/ndvi.html. – Дата доступа: 25.03.2018.
Рецензия
Для цитирования:
Генин В.А., Клебанович Н.В. Моделирование урожайности озимой пшеницы по данным дистанционного зондирования Земли. Земледелие и растениеводство. 2018;(4):7-12.
For citation:
Genin V.A., Klebanovich N.V. Modeling the productivity of winter wheat according to soil remote sensing data. Сrop Farming and Plant Growing. 2018;(4):7-12. (In Russ.)
Просмотров: 107
Послать статью по эл. почте 