Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)
Архив конференций
Дополнительная информация
Подписка/отписка
на рассылку новостей
Ваш e-mail:

Шестнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

Участие в Школе молодых Участие в конкурсе молодых ученых 

XVI.F.433

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

Середа И.И. (1), Тутубалина О.В. (1)
(1) МГУ имени М.В. Ломоносова Географический факультет, Москва, Россия
Оценка и предварительный прогноз урожайности крайне важны для принятия решений по управлению сельскохозяйственными культурами. Уже более 40 лет для обеспечения оптимальной урожайности изучают взаимосвязь между ростом сельскохозяйственных культур и условиями окружающей среды. При этом создавались модели, позволяющие оценить их состояние и спрогнозировать развитие. Однако, в большинстве случаев, для прогнозирования урожайности, требуется значительное количество параметров, которые на данный момент невозможно получить методами дистанционного зондирования, что ограничивает возможности использования этих моделей. Модель развития культур SAFY (Simple algorithm for yield estimates) привлекательна тем, что осуществляет прогноз урожайности посевов при наличии минимальной полевой информации (фенологическое состояние культур, температура и приходящая солнечная радиация). В данном исследовании разработана методика ее применения на основе метеоданных, снимков Sentinel 2 MSI и литературных данных, и проведена апробация для опытного поля кукурузы в Липецком районе Липецкой области.
SAFY относится к моделям развития культур, которые сочетают в себе использование базовых характеристик растительности и данных дистанционного зондирования. Согласно проведенным исследованиям (Douchemin et al., 2008; Claverie et al., 2012), она позволяет спрогнозировать урожайность при наличии серии снимков и известных параметрах проективного покрытия. SAFY вычисляет изменения индекса зеленой листовой поверхности (Green Leaves Area Index: GLAI), наземной сухой фитомассы (Dry Aerial Matter: DAM) и непосредственно урожая (Grain Yield: GY). Для работы модели необходимы ежедневные вычисления прироста фитомассы, которые выполняются на основе уравнения Дж.Л. Монтейта (Monteith, 1977). Это уравнение связывает количество прироста фитомассы (в пересчете на сухой вес) с фракцией поглощенной фотосинтетически активной радиацией (The Fraction of Absorbed Photosynthetically Active Radiation: FAPAR), поглощенной растениями.
В результате исследования, для посевов кукурузы на экспериментальном поле в Липецкой области итоговая расчетная фитомасса составила 1,84 кг/м2, а итоговая расчетная урожайность – 96,2 ц/га. При этом фактическое значение урожайности в пересчете на стандартную влажность составило 94,5 ц/га. Максимальную погрешность определения урожайности с помощью модели развития культур SAFY, с учетом погрешности отдельных ее параметров, можно предварительно оценить как ±10 ц/га. Однако вероятность максимальной ошибки при этом достаточно низкая. Основную долю ошибки вносит погрешность при определении FAPAR и фенофаз растительности. Из этого следует, что для улучшения работы модели необходимо получить как можно больше значений FAPAR по разновременным снимкам Sentinel-2 MSI, а также точно определить стадии созревания растительности.

Ключевые слова: Ключевые слова: дистанционное зондирование, точное земледелие, кукуруза, урожайность, зеленая фитомасса, модель развития растений, SAFY
Литература:
  1. 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. Vol. 24. P. 844-857.
  2. 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. Vol. 23. P. 876-892.
  3. Monteith, J. L. Climate and efficiency of crop production in Britain. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences. 1977. Vol. 281. P. 277–294.

Дистанционное зондирование растительных и почвенных покровов

435