Моделирование урожайности озимой пшеницы по данным дистанционного зондирования Земли

Генин В. А.; Клебанович Н. В.

Моделирование урожайности озимой пшеницы по данным дистанционного зондирования Земли

Генин В. А., Клебанович Н. В.

2018

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.

Генин В. А., Клебанович Н. В. Моделирование урожайности озимой пшеницы по данным дистанционного зондирования Земли. Земледелие и растениеводство. 2018;(4):7-12.

Цитирование

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.

Источник

Информация

Автор

Генин В. А. Институт почвоведения и агрохимии
Клебанович Н. В. Белорусский государственный университет

Страницы

7-12

Год издания

2018

Коллекции

Земледелие и растениеводство