Информационные технологии в дистанционном зондировании Земли

Как правило, для прогноза урожайности требуется значительное количество параметров, которые в настоящее время невозможно получить, используя исключительно данные дистанционного зондирования. С помощью модели SAFY мы разработали метод определения зеленой фитомассы и прогнозирования урожайности на основе метеорологической информации, данных съемочной системы Sentinel-2 MSI и литературных источниках. Мы проверили этот метод на экспериментальном кукурузном поле в Липецкой области (Россия). В ходе исследований, мы рассчитали общий объем зеленой фитомассы и урожайность для этого поля за полтора месяца до уборки урожая. Максимальная погрешность определения урожайности с помощью модели развития культур SAFY может быть приблизительно оценена как ±10 %.

Литература:

[1] Jin X., Kumar L., Li Zhenhai, Feng H., Xu Xingang, Yang G., Wang J., A rewiew of data assimilation of remote sensing and crop models, European Journal of Agronomy, 2018, 92, pp. 141-152. DOI: https://doi.org/10.1016/j.eja.2017.11.002
[2] Poluektov R.A., Terleev V.V., Imitacionno-modeliruyushchij kompleks AGROTOOL, v.3 (Dinamicheskaya model' produkcionnogo processa sel'skohozyajstvennyh rastenij): Algoritmicheskaya struktura modeli. – Rossijskaya akademiya sel'skohozyajstvennyh nauk. Agrofizicheskij nauchno-issledovatel'skij institut. Laboratoriya modelirovaniya agroekosistem, St.P., 2007, pp. 95-112. (In Russian)
[3] Diepen C.A. van, Rappold C., Wolf J, CWFS Crop Growth Simulation Model WOFOST Documentation: Version 4.1. Centre for World Food Studies, Wageningen, The Netherlands, 1988, pp. 1-299.
[4] Steduto P., Hsiao T.C., Raes D., Fereres E., AquaCrop-the FAO crop model to simulate yield response to water. I. Concepts and underlying principles. Agron, 2009, pp. 426–437. DOI: 10.2134/agronj2008.0139s
[5] Monteith J. L., Climate and efficiency of crop production in Britain. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences. 1977, 281, pp. 277–294.
[6] Duchemin B., Maisongrande P., Boulet G., Benhadj I. A simple algorithm for yield estimates: Evaluation for semi-arid irrigated winter wheat monitored with green leaf area index, Environmental Modeling & Software, 2008, 23, pp. 876-892. DOI: 0.1016/j.envsoft.2007.10.003.
[7] Claverie M., Demarez V., Duchemin B., Hagolle O., Ducrot D., Marais-Sicre C., Dejoux J.-F., Hux M., Keravec P., Beziat P., Fieuzal R., Ceshia E., Dedieu G. Maize and sunflower biomass estimation in southwest France using spatial and temporal resolution remote sensing data, Remote Sensing of Environment, 2012, 24, pp. 844-857. DOI: 10.1016/j.rse.2012.04.005.
[8] Atwell B.J., Kriedemann P.E., Turnbull C.G.N., Plants in action: Adaptation in Nature, Performance in Cultivation, Macmillan Education Australia Pty Ltd, Melbourne. Australia. 1999. DOI: https://doi.org/10.1006/anbo
[9] Myneni R.B., Los S.O., Asrar G., Potential gross primary productivity of terrestrial vegetation from 1982–1990, Geophysical Research Letters, 1995, 22, pp. 2617–2620. DOI: https://doi.org/10.1029/95GL02562
[10] Ruimy A., Saugier B., Dedieu G. Methodology for the estimation of terrestrial primary production from remotely sensed data. Journal of Geophysical Research, 1994, 99, pp. 5263–5283. DOI: 10.1029/93JD03221
[11] Gitelson A.A., Gamon J.A., The need for a common basis for defining light-use efficiency: Implications for productivity estimation, Remote Sensing of Environment, 2015, 156, pp.196-201. DOI: 10.1016/j.rse.2014.09.017
[12] Weiss M. S2ToolBox Level 2 products: LAI, FAPAR, FCOVER, Sentinel2 ToolBox Level2 Products, Date Issued 02.05.2016. Issue:V1.1, 53 p.
[13] Andreev A.D., Chernyh L.M. Fizika. Obrabotka rezul'tatov izmerenij v fizicheskom praktikume: Konspekt lekcii, St.P GUT, 2009. 8 p. (In Russian).

Информационные технологии в дистанционном зондировании Земли - RORSE 2018

Электронный сборник статей 16-й конференции (12-16 ноября 2018 г., Москва, Россия)

Использование модели развития растений SAFY для прогнозирования урожайности на примере посевов кукурузы

Методы моделирования различных явлений на основе ассимиляции данных дистанционного зондирования