Научная статья на тему 'ФОРМИРОВАНИЕ БАЗЫ ДАННЫХ ОПТИЧЕСКИХ ХАРАКТЕРИСТИК ПОСЕВОВ ДЛЯ ВЫДЕЛЕНИЯ ЗОН УПРАВЛЕНИЯ НА ОСНОВЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ'

ФОРМИРОВАНИЕ БАЗЫ ДАННЫХ ОПТИЧЕСКИХ ХАРАКТЕРИСТИК ПОСЕВОВ ДЛЯ ВЫДЕЛЕНИЯ ЗОН УПРАВЛЕНИЯ НА ОСНОВЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ Текст научной статьи по специальности «Сельское хозяйство, лесное хозяйство, рыбное хозяйство»

CC BY
133
47
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ТОЧНОЕ ЗЕМЛЕДЕЛИЕ / ЗОНЫ УПРАВЛЕНИЯ / ВНУТРИПОЛЕВАЯ ПРОСТРАНСТВЕННАЯ НЕОДНОРОДНОСТЬ / ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ / ТЕСТОВЫЕ ПЛОЩАДКИ / ОПТИЧЕСКИЕ ХАРАКТЕРИСТИКИ РАСТЕНИЙ / ВЕГЕТАЦИОННЫЕ ИНДЕКСЫ

Аннотация научной статьи по сельскому хозяйству, лесному хозяйству, рыбному хозяйству, автор научной работы — Матвеенко Д. А., Воропаев В. В., Якушев В. В., Петрушин А. Ф.

В работе представлены результаты прецизионного полевого эксперимента по формированию базы данных для решения задач точного земледелия. Методика предусматривала физическое моделирование на тестовых площадках в посевах трех зерновых культур (озимой пшеницы, яровой пшеницы и ячменя) различных уровней азотного питания растений при оптимальной обеспеченности фосфором и калием, а также на фоне дефицита калия. Дозы азота варьировали от 0 до 200 кг с шагом 40 кг для озимой и яровой пшеницы и от 0 до 150 кг с шагом 30 кг для ячменя. В основные фенологические фазы проводили мультиспектральную аэрофотосъемку посевов, контактные измерения оптических характеристик растений в различных спектральных диапазонах, расчет индексов отражения растительного покрова, характеризующих активность фотосинтетического аппарата, ChlRI, PRI, FRI и WRI. Сформированную базу данных использовали для выделения однородных зон управления с различным уровнем азотного обеспечения растений по оптическим критериям, аэрокосмическим снимкам и наземной опорной информации. Результаты анализа зависимостей значений индекса NDVI и урожайности изучаемых культур от внесенной дозы азота свидетельствуют, что вегетационный индекс позволяет диагностировать степень обеспеченности растений азотом только на ранних этапах развития (не позднее фазы кущения). По мере формирования сомкнутого растительного покрова надежность этого метода падает. В этой связи целесообразно комплексное использование различных вегетационных индексов для дистанционной оценки и выделения на поле участков, на которых сложился дефицит азотного питания.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по сельскому хозяйству, лесному хозяйству, рыбному хозяйству , автор научной работы — Матвеенко Д. А., Воропаев В. В., Якушев В. В., Петрушин А. Ф.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

FORMATION OF A DATABASE OF OPTICAL CHARACTERISTICS OF CROPS FOR THE ALLOCATION OF CONTROL ZONES BASED ON REMOTE SENSING

This paper presents the results of a field precision experiment on the formation of a database to solve precision farming problems. The technique provided for physical modelling of different levels of nitrogen nutrition of plants with an optimal supply of phosphorus and potassium, as well as against a background of potassium deficiency on test sites in crops of three grain crops (winter wheat, spring wheat, and barley). Nitrogen doses were varied from 0 to 200 kg in 40 kg increments for winter and spring wheat and from 0 to 150 kg in 30 kg increments for barley. In the main phenological phases, multispectral aerial photography of crops, contact measurements of the optical characteristics of plants in various spectral ranges, calculation of the reflection indices of vegetation cover, characterizing the activity of the photosynthetic apparatus, ChlRI, PRI, FRI, and WRI, were carried out. The generated database was used to identify homogeneous control zones with different levels of nitrogen supply to plants based on optical criteria, aerospace images, and ground reference information. The results of the analysis of the dependences of the values of the NDVI index and the yield of the studied crops on the applied dose of nitrogen indicate that the vegetation index makes it possible to diagnose the degree of supply of plants with nitrogen only at the early stages of development (not later than the tillering phase). With the formation of a closed vegetation cover, the reliability of this method decreases. In this regard, it is advisable to use comprehensively various vegetation indices for remote assessment and allocation in the field of plots with a deficiency of nitrogen nutrition.

Текст научной работы на тему «ФОРМИРОВАНИЕ БАЗЫ ДАННЫХ ОПТИЧЕСКИХ ХАРАКТЕРИСТИК ПОСЕВОВ ДЛЯ ВЫДЕЛЕНИЯ ЗОН УПРАВЛЕНИЯ НА ОСНОВЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ»

Е. А. Пивень и др. // Российская сельскохозяйственная наука. 2020. № 1. С. 15-19.

5. Малюга А. А., Чуликова Н. С., Ени-на Н. Н. Влияние предшествующих культур, минеральных удобрений и протравителей на численность колорадского жука и продуктивность картофеля // Достижения науки и техники АПК. 2020. Т. 34. № 1. С. 31-36.

6. Изменение агрохимических показателей чернозема типичного при различных приемах обработки и использовании средств химизации и биологизации / Х. А. Хусайнов, М. Ш. Абасов, А. В. Тунтаев и др. // Российская сельскохозяйственная наука. 2020. № 6. С. 30-33.

7. Изменение показателей плодородия серой лесной почвы и продуктивность культур в звене севооборота при внесении удобрений / Р. С. Шакиров, З. М. Бикмухаметов, Ф. Ф. Хисамиев и др. // Вестник Казанского государственного аграрного университета. 2020. Т. 15. № 2 (58). С. 59-65.

8. Влияние погодных условий и предшественников озимой пшеницы на показатели влагообеспеченности почвы / В. И. Турусов, О. А. Богатых, Н. В. Дронова и др. // Достижения науки и техники АПК. 2019. Т. 33. № 6. С. 10-12.

9. Тиранов А. Б., Тиранова Л. В. Сиде-ральные и занятые пары в севооборотах // Земледелие. 2008. № 3. С. 43-47.

10. Tine W. W., Blevins R. J. Green manuring // Outlok on Agriculture. 1989. Vol. 13. No. 1. P. 20-33.

11. Актуальные проблемы и приоритетные направления развития картофелеводства / А. В. Коршунов, Е. А. Симаков, Ю. Н. Лысенко и др. // Достижения науки и техники АПК. 2018. Т. 32. № 3. С. 12-20.

12. Владимиров В. П., Егоров Л. М., Аппаков В. И. Сидеральная культура - эффективный предшественник для картофеля // Вестник Казанского государственного аграрного университета. 2012. Т. 7. №3 (25). С. 101-105.

13. Лошаков В. Г. Зеленое удобрение в земледелии Нечерноземной зоны // Владимирский земледелец. 2013. № 1 (63). С. 13-18.

14. Гамзиков Г. П., Сулейменов С. З. Влияние биомассы растений на азотный режим серой лесной почвы и продуктивность полевых культур // Российская сельскохозяйственная наука. 2020. № 4. С. 32-36.

15. Ряховская Н. И., Шалагина Н. М. Урожайность картофеля и плодородие почвы в севообороте с однолетними сидеральными культурами в условиях Камчатки // Плодородие. 2011. № 2. С. 32-34.

16. Солодун В. И., Цвынтарная Л. А. Сравнительная оценка зернопаровых севооборотов с чистыми и сидеральными парами в лесостепной зоне Иркутской области // Вестник КрасГАУ. 2016. № 5 (116). С. 176-180.

£ 17. Молявко А. А., Свист В. Н., Марух-

0 ленко А. В. Сидеральные удобрения при N биологизации возделывания картофеля //

01 Вестник Российской академии сельскохо-Z зяйственных наук. 2009. № 2. С. 59-61.

£ 18. Никитин С. Н., Якунин А. И. Влияние g средств химизации и биологизации на ц эффективность технологий возделывания сельскохозяйственных культур в севооборо-S те. Достижения науки и техники АПК. 2016. $ Т. 30. № 11. С. 28-32.

The use of green manure crop and their mixtures in potato cultivation in the Upper Volga region

S. T. Esedullaev, S.A. Kasatkin

Ivanovo Agricultural Research Institute - branch Upper Volga Federal agrarian scientific center ul. Centralnaya, 2, s Bogorodskoe, Ivanovskii r-n, Ivanovskay obl., 153506, Russian Federation

Abstract. We determined the influence of various green manure crops and the dates of their embedding on the soil fertility, physical properties, and potato yield in specialized potato crop rotations with shortened rotation. Long-term field experiments were carried out on sod-podzolic soils of the Ivanovo region in 2012-2019. We compared the effectiveness of such crops as white mustard, oilseed radish, winter summer rape, winter rye and winter vetch for potato varieties of different ripeness groups. In short-rotation crop rotations, potato was placed after various forecrops: potato monoculture, potato monoculture with mustard as an intercrop, vetch-oat mixture for green manure, and clover for green manure. The high efficiency of intermediate sowing of white mustard for green manure was revealed as a source of organic matter and a means for improving the phytosanitary state of the soil during the permanent cultivation of potato. When ploughing green manure mustard with additional application of a small amount of nitrogen fertilizer, up to 2.6 t/ha of air-dry organic matter is supplied to the soil, which ensures an increase in potato yield up to 2.01/ ha. The optimal time for sowing white mustard is the second decade of August. Every day of delay in its implementation causes a shortage of up to 250 kg/ha of air-dry green manure mass. In specialized potato crop rotations with a shortened rotation, the superiority of the green manure clover was shown, providing an additional supply of 9.4-11.2 t/ha of air-dry green manure mass to the soil and improving its agrophysical properties. Marketability of the crop against the background of green manure fallow increased by 2.1-2.3%, and the share of tubers with scab decreased 2.0-2.5 times. Ploughing the green mass of white mustard in spring, in comparison with autumn, led to a decrease in soil density by 0.02-0.04 g/cm3, an improvement in its moisture and air permeability, but had less effect on potato yield than embedding in autumn.

Keywords: crop rotation; soil; green manure crop crops and their mixtures; date of green manure crops embedding; nutrient; mineral fertilizer; variety; productivity and quality of potato.

Author Details: S. T. Esedullaev, Cand. Sc. (Agr.), director (e-mail: ivniicx@rambler. ru); S. A. Kasatkin, Cand. Sc. (Agr.), deputy director.

For citation: Esedullaev ST, Kasatkin SA [The use of green manure crop and their mixtures in potato cultivation in the Upper Volga region]. Zemledelie. 2021; (6):16-20. Russian. doi: 10.24412/0044-3913-20216-16-20.

doi: 10.24412/0044-3913-2021-6-20-26 УДК 631.58

Формирование базы данных оптических характеристик посевов для выделения зон управления на основе дистанционного зондирования

Д. А. МАТВЕЕНКО, кандидат сельскохозяйственных наук, старший научный сотрудник (e-mail: dmatveenko@inbox.ru) В. В. ВОРОПАЕВ, кандидат сельскохозяйственных наук, ведущий научный сотрудник (e-mail: valeriy.voropaev.70@ mail.ru)

В. В. ЯКУШЕВ, доктор сельскохозяйственных наук, член-корреспондент РАН, зав. лабораторией (e-mail: mail@ agrophys.com) А. Ф. ПЕТРУШИН, кандидат технических наук, ведущий научный сотрудник (e-mail: alfiks@mail.ru) Агрофизический научно-исследовательский институт Гражданский просп., 14, Санкт-Петербург, 195220, Российская Федерация

В работе представлены результаты прецизионного полевого эксперимента по формированию базы данных для решения задач точного земледелия. Методика предусматривала физическое моделирование на тестовых площадках в посевах трех зерновых культур (озимой пшеницы, яровой пшеницы и ячменя) различных уровней азотного питания растений при оптимальной обеспеченности фосфором и калием, а также на фоне дефицита калия. Дозы азота варьировали от 0 до 200 кг с шагом 40 кг для озимой и яровой пшеницы и от 0 до 150 кг с шагом 30 кг для ячменя. В основные фенологические фазы проводили мультиспектральную аэрофотосъемку посевов, контактные измерения оптических характеристик растений в различных спектральных диапазонах, расчет индексов отражения растительного покрова, характеризующих активность фотосинтетического аппарата, ChlRI, PRI, FRI и WRI. Сформированную базу данных использовали для выделения однородных зон управления с раз-

личным уровнем азотного обеспечения растений по оптическим критериям, аэрокосмическим снимкам и наземной опорной информации. Результаты анализа зависимостей значений индекса NDVI и урожайности изучаемых культур от внесенной дозы азота свидетельствуют, что вегетационный индекс позволяет диагностировать степень обеспеченности растений азотом только на ранних этапах развития (не позднее фазы кущения). По мере формирования сомкнутого растительного покрова надежность этого метода падает. В этой связи целесообразно комплексное использование различных вегетационных индексов для дистанционной оценки и выделения на поле участков, на которых сложился дефицит азотного питания.

Ключевые слова: точное земледелие, зоны управления, внутриполевая пространственная неоднородность, дистанционное зондирование, тестовые площадки, оптические характеристики растений, вегетационные индексы

Для цитирования: Формирование базы данных оптических характеристик посевов для выделения зон управления на основе дистанционного зондирования / Д. А. Матвеенко, В. В. Воропаев, В. В. Якушев и др. // Земледелие. 2021. № 6. С. 20-26. doi: 10.24412/0044-39132021-6-20-26.

Интенсификация систем земледелия приводит к чрезмерному использованию оросительной воды, удобрений и других агрохимикатов, что пагубно сказывается на экологической устойчивости и рентабельности сельскохозяйственного производства [1]. Стандартные методы управления в традиционном сельском хозяйстве подразумевают сплошное (единой нормой) использование воды и агрохими-катов, игнорируя внутриполевую неоднородность агроценоза и фактические потребности растений [2]. Точное земледелие (ТЗ), ключевой концепцией которого выступает дифференцированное воздействие, основанное на использовании либо карт-заданий, либо датчиков реального времени, направлено на повышение эффективности вложения ресурсов для максимального увеличения урожайности и снижения производственных затрат, в том числе посредством оптимизации применения агрохимикатов [3]. Разработка надежных и доступных методов обнаружения внутриполевой пространственной неоднородности по фактору, лимитирующему потенциальную урожайность возделываемой сельскохозяйственной культуры, с целью определения однородных зон управления (management zones) -ключевая задача в проблематике ТЗ [4]. Необходимым условием при ее решении служит своевременность определения зон управления, что-

бы в случае обнаружения угнетения растений под воздействием какого-либо стрессорауспеть нивелировать его отрицательное влияние на посев и не допустить потерь урожая. Перспективной стратегией для определения зон управления в ТЗ выступает использование методов и средств дистанционного зондирования Земли (ДЗЗ), позволяющего выполнять сплошную непрерывную оценку состояния посевов с одновременным охватом значительных площадей, что практически невозможно при наземных обследованиях [5]. Особый интерес для решения этой задачи представляют возможности гиперспектральной съемки, позволяющей генерировать огромные объемы данных с наборами спектров, состоящих из сотен полос в изображениях со значительным пространственным разрешением. В то же время объективно непростая задача интерпретации спутниковых данных ДЗЗ не позволяет использовать их непосредственно при управлении продукционным процессом сельскохозяйственных культур. Основной причиной недостаточного использования средств гиперспектрального дистанционного зондирования в сельском хозяйстве выступает отсутствие проблемно-ориентированных баз данных.

Цель исследований - формирование базы данных оптических характеристик сельскохозяйственных посевов в различных спектральных диапазонах для расчета индексов отражения, характеризующих физиологическое состояние посевов при оптимальных условиях и дефиците азотного питания.

Ранее [6] был выполнен детальный обзор и анализ используемых в исследованиях по ТЗ количественных подходов к оценке внутриполе-вой неоднородности на конкретных сельскохозяйственных полях с применением мобильных наземных информационно-измерительных систем. Кроме того, был разработан новый метод обнаружения и выделения границ внутриполевой неоднородности, основанный на использовании гиперспектральных снимков и оптических критериев (индексов отражения), характеризующих специфические и неспецифические особенности спектральных показателей посева при воздействии различных стрессоров [7]. Для реализации этого метода необходимо формирование проблемно-ориентированной базы данных (БД), в которой накапливаются сведения о формулах расчёта различных оптических критериев по тем или иным спектральным диапазонам, а также

систематизируются и сохраняются их значения, которые характеризуют физиологическое состояние посевов сельскохозяйственных культур в оптимальных и стрессовых условиях. БД также наполняется спутниковыми гиперспектральными снимками для расчёта оптических критериев. Реализуемость такого подхода основана на результатах ранее выполненных исследований, в ходе которых были определены конкретные индексы отражения и их значения для оценки физиологического состояния яровой пшеницы в оптимальных условиях, а также при дефиците азота и воды [8].

Для определения оперативных значений оптических характеристик сельскохозяйственных посевов в различных спектральных диапазонах и расчета индексов отражения на опытных полях Меньковского филиала Агрофизического института в осенне-весенний период 20192020 гг. в посевах трех зерновых культур (озимая пшеница, яровая пшеница и ячмень) закладывали прецизионные эксперименты с тестовыми площадками, на которых вносили различные дозы удобрений, обеспечивающие заданную внутри-полевую изменчивость по азотному питанию сельскохозяйственных культур. В течение вегетационного периода осуществляли постоянный мониторинг и формирование оперативных баз данных метеоусловий и агрофизических показателей, характеризующих состояние посева и окружающей среды. Проводили регулярную мультиспектральную аэрофотосъемку посевов опытных полей, расчет индексов отражения и интерпретацию снимков на основе анализа оптических показателей и опорной наземной информации.

Осенью 2019 г. с использованием мобильного комплекса, оснащенного автоматическим пробоотборником и навигационным оборудованием, был выполнен отбор почвенных образцов исследуемых полей №№ 4, 9 и 26 Меньковского филиала. Результаты их анализа показали, что почва опытных полей дерново-подзолистая, супесчаная с содержанием в пахотном слое аммонийного азота - 10,91...15,59 мг/кг, нитратного азота - 3,91...8,21 мг/кг, под- ы вижного калия и фосфора (по методу о Кирсанова в модификации ЦИНАО) - л 95...140 мг/кг и 323...565 мг/кг £ соответственно, рН - 5,0...5,7 ед. о

' ^ сол. ' ' ^

Таким образом, почва на всех полях

о

относится к группе с очень высоким 2

содержанием фосфора (по Кирсано- 6 ву), но для нее характерен дефицит м

подвижного калия (табл. 1). Поле 2 № 9 осенью 2019 г. засеяли озимой

Кальций Магний Фосфор под- Калий под- Азот аммо- Азот нитрат-

Поле (культура) рН обменный обменный вижный вижный нийный ный

ммоль/100 г мг/кг

Поле № 9 (озимая пшеница) 5,0 5,88 3,07 338 95 10,91 4,31

Поле № 26 (яровая пшеница) 5,7 8,38 2,88 565 140 12,37 8,21

Поле № 4 (ячмень) 5,3 6,38 3,94 323 123 15,59 3,91

пшеницей (предшественник пар), на полях № 26 (предшественник многолетние травы) и № 4 (предшественник пар) весной 2020 г. посеяли яровую пшеницу и ячмень.

Для пространственной интерполяции значений экспериментальных измерений использовали наиболее распространённый метод геостатистики, который учитывает пространственную статистическую структуру исследуемых характеристик почвы, - ординарный кригинг. С использованием этого метода был осуществлён прогноз простран-

составляла 10...12 см. Из-за большого количества осадков отмечено сильное переувлажнение почвы, местами вымочки. Растения ушли в зиму в фазе кущения. Агрометеорологические условия были неблагоприятными для зимующих растений. Кратковременный снежный покров или полное его отсутствие, колебания температуры, приводящие к интенсивному оттаиванию или промерзанию почвы - факторы, не позволившие растениям перейти в состояние покоя.

Весенне-летний период вегета-

ГТК за период цветение-уборка ячменя был равен 3,16.

Поле № 9 осенью 2019 г. перед посевом разделили на две части: на участке № 1 внесли калийные удобрения (в форме хлористого калия) по результатам агрохимического обследования, на участке № 2 их не использовали, то есть был искусственно сохранен дефицит содержания калия в почве.

На каждой культуре сразу после посева закладывали тестовые площадки (10^10 м) с различным уровнем обеспеченности почвы под-

Рис. 1. Картограммы содержания подвижного фосфора и калия в почве (Меньковский филиал АФИ, поле № 9, 2019 г.), мг/кг.

ственного распределения агрохимических параметров почвы, а затем в программе SAGA GIS построены пространственно-ориентированные карты распределения исследуемых характеристик почвы (рис. 1).

Озимая пшеница была посеяна 13.09.19 г. В период посев - всходы выпало достаточное количество осадков при оптимальной температуре для появления всходов растений. Первые всходы появились 28.09.19 г. При проведении 19.11.19 г. осеннего обследования вредителей и болезней не выявлено. Посев имел зеленый вид с четко прослеживающимися выровненными рядками растений, высота которых

ции 2020 г. отличался неравномерным выпадением осадков и в целом характерной для этого времени года температурой воздуха (рис. 2.). Исключение составили погодные условия в мае, когда температурный фон был существенно ниже климатической нормы (аномалия среднемесячной температуры воздуха составила -3 °С) с ночными заморозками вплоть до третьей декады. В результате ГТК за период посев-кущение яровой пшеницы составил 4,44, ячменя - 2,54 (табл. 2). В последней декаде августа были отмечены затяжные дожди, месячная сумма осадков в 1,7 раза превысила климатическую норму. В результате

вижным азотом путем внесения возрастающих доз азотных удобрений. Они предназначены для формирования опорной информации и получения эталонных изображений посева с растениями, испытывающими стресс, связанный с недостатком азотного питания на фоне оптимального обеспечения макроэлементами (фосфор и калий) и на фоне дефицита калия. В дальнейшем они могут быть использованы для автоматического выделения однородных зон посева на основе различных вегетационных индексов, полученных в регулируемых условиях, для целей точного земледелия. Территорию для закладки тестовых площадок вы-

Среднемесячная температура, °С

Количество осадков, мм

20

200

15

N О N «О

Ш

S ^

ф

и

ф

10

||

150 —

100

50

II .1

август

август

5 Рис. 2. Погодные условия 2020 г. и средние за 2000—2019 гг. (данные метеостанции Меньковского филиала АФИ): — 2020 г.. $ — средние данные за 2000—2019 гг.

5

0

0

2. Величина гидротермического коэффициента (ГТК) в периоды между основными фазами вегетации изучаемых культур

Культура Посев-кущение Кущение-цветение Посев-цветение Цветение-уборка Посев-уборка

Озимая пшеница - 2,23* - 2,27 2,25*

Яровая пшеница 4,44 1,21 1,95 2,02 2,01

Ячмень 2,54 1,35 1,91 3,16 2,18

* расчет ГТК проводили за период с 01.05.2020

бирали на основании данных агрохимического обследования таким образом, чтобы минимизировать влияние любых почвенных неодно-родностей, кроме моделируемой. Азотные удобрения на площадках вносили вручную (с использованием ранцевого опрыскивателя «Solo 473Р» в виде водного раствора азофоски и аммиачной селитры) в диапазоне от 0 до 200 кг д. в./га с шагом 40 кг для озимой и яровой пшеницы и от 0 до 150 кг д. в./га с шагом 30 кг для ячменя (от дефицита до оптимального количества азота для формирования урожайности культур на уровне 4,5...5,5 т/га).

В посеве озимой пшеницы на каждом из участков (№№ 1, 2) заложили по шесть площадок, азотные удобрения в почву которых вносили в два этапа - сразу после посева и после возобновления весенней вегетации. Такое решение обосновано тем, что избыточное азотное питание с осени приводит к значительному снижению зимостойкости и перерастанию растений культуры. Сразу после посева в почву тестовых площадок была заделана аммиачная селитра из расчета 40 кг д.в./га (за исключением площадок с нулевым содержанием). Остальное количество азота на тестовых площадках вносили равными дозами в виде подкормок в весенне-летний период 2020 г. в фазы кущения - трубкования (по системе классификации BBCH - BBCH 25...27 и ВВСН 30) и появления флагового листа (BBCH 37).

В посевах яровой пшеницы и ячменя закладывали по две полоски из шести тестовых площадок. Растения не способны усвоить внесенные однократно высокие дозы азота, значительная его часть будет промываться в нижние слои почвы, уменьшая эффективность удобрений и приводя к их незапланированным потерям. Кроме того, пшеница испытывает наибольшую потребность в азоте в период от фазы кущения до начала фазы выхода в трубку, что связано с увеличением прироста сухого вещества и площади листовой поверхности. Поэтому для эффективного обеспечения растений азотом в течении вегетации было решено вносить удобрения раздельно в два этапа: две трети при посеве и треть - на заключительной стадии

фазы кущения (ВВСН 27...29). На первых полосках (далее - Вариант 1) при посеве вносили азофоску (2/3 дозы азота), при подкормке - аммиачную селитру (1/3 дозы азота). На вторых полосках (далее - Вариант 2) оба раза использовали аммиачную селитру. В результате в Варианте 1 растения обеспечивали комплексным сочетанием элементов (азот-калий-фосфор), а в Варианте 2 -только азотом. Всего в итоге было заложено 36 тестовых площадок, по 12 на каждой из трех зерновых культур. На тестовых площадках в посеве ячменя растения в течении вегетационного сезона не обрабатывали гербицидами с целью выявления влияния засоренности посевов на искажение значений данных ДДЗ, посевы озимой и яровой пшеницы гербицидами обрабатывали.

Авторы ранее спроектировали и зарегистрировали базу данных оптических характеристик сельскохозяйственных посевов и расчета индексов отражения [9], на основе ее структуры были определены требования к пространственному, спектральному и временному разрешению ДДЗ (получаемых с космических и беспилотных летательных аппаратов). Разработана методика их предварительной обработки, включая калибровку и валидацию снимков по опорной информации с использованием программного обеспечения, разработанного в АФИ. После полного внесения азотных

удобрений в почву тестовых площадок в основные фенологические фазы развития зерновых культур осуществляли аэрофотосъемку посевов с использованием квадра-коптера Геоскан 401, оснащенного мультиспектральной камерой Яес1Ес1де-МХ, позволяющей получать изображения посевов одновременно в пяти каналах: синий(центральная длина волны 475 нм / полная ширина на половине высоты 20 нм), зеленый (560/20 нм), красный (668/10 нм), красный край (717/10 нм) и ближний ИК (840/40 нм), с последующим анализом данных.

Параллельно с аэрофотосъемкой в те же даты на тестовых площадках отбирали образцы растений (не менее 12 шт. с каждой) для последующего измерения индексов отражения от поверхности растений с использованием миниатюрного оптоволоконного спектрометра НЯ 2000. Прибор обеспечивает оптическое разрешение 0,065 нм в диапазоне от 300 до 1000 нм с шагом 0,3 нм и автоматическую обработку измерительной информации специализированным программным наполнением Брес^аБи^е. Измерения позволили получать оперативные значения оптических характеристик в различных спектральных диапазонах, соответствующие заданным условиям обеспеченности растений азотом на тестовых площадках, а также определять меру рассеяния света листом Я800 и рассчитывать индексы отражения (содержание хлорофилла - СИНЯ!, фотохимическая активность фотосинтетического аппарата - РЯ1, содержание воды - WRI, антоцианов - АЯ! и флавоноидов -РЯ1), характеризующие активность фотосинтетического аппарата: шш = (И750 - И705)/(И750 + и705 -

Рис. 3. Регрессионная зависимость индекса ChlRIот внесенной дозы азота.

1.02

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

1,00

0.93

0.96

^ 0,94 ос

0,92 0,90 О.S3 0,30

NlPRM: у= 1,0124-0,0009'х; г = -0.9500; р = 0.0036: г3 = 0.9037

0,84 ■20

Рис. 4. Регрессионная зависимость индекса PRI от внесенной дозы азота.

1)

+ R

'570 531

РЯ1 = (Я570 - я531)/(я5

Ш = Я757( 1/Я550 - 1/Я700),

™ = [(УЯ4ю) -П/Я<Л Я800'

^1 = (Я970 - Я920)/(Я970 + Я920),

где R — величина отражения, цифры — длина волны, отраженной от поверхности листа.

Рис. 5. Карты распределения индекса NDVI на посеве яровой пшеницы (2020 г.).

Результаты исследований свидетельствуют о наличии тесной корреляционной зависимости, например, между значениями индексов ChlRI (рис. 3) и PRI(рис. 4) и внесенной дозой азота для растений озимой пшеницы на участке 1 на стадии «выход в трубку». Следовательно, совокупность индексов ChlRI, PRI, FRI и WRI может быть использована

для дистанционнои оценки посевов и выделения зон неоднородности, в которых сложился дефицит азотного питания.

При дистанционной оценке состояния посевов сельскохозяйственных культур широкое распространение получил вегетационный индекс NDVI (Normalized Difference Vegetation Index), который служит надежным показателем сформированной массы фотосинтезирующей растительности [10]. Анализ карт распределения его величины, полученных на основе ДДЗ, позволяет делать достаточно точный прогноз продуктивности посева и достоверно диагностировать условия минерального питания растений на протяжении всего периода летней вегетации зерновых культур [11, 12]. Наиболее достоверный прогноз урожайности посевов по индексу NDVI можно дать в период прохождения экстремума (пика) его значений, который обычно приходится на начало фазы колошения, но только на фоне применения гербицида.

После обработки в программе QGIS Desktop аэрофотоснимков посевов в ключевые для анализа фазы вегетации были построены карты распределения индекса NDVI (рис. 5), затем с использованием встроенного инструмента анализа (SAGA -> Vector-Raster -> Raster statistics for polygons) вы-

числены средние значения NDVI по пикселям снимка на тестовых площадках (табл. 3). Согласно результатам их анализа, на 09 июня связь между величиной NDVI и внесенными дозами азота на площадках в посеве озимой пшеницы отсутствовала. Это объясняется пониженным температурным фоном мая 2020 г, в результате чего к указанной дате растения не успели развиться в полной мере. Кроме того, результаты дистанционной оценки потребности растений в удобрении мог исказить дефицит воды и неравномерное ее распределение по полю. Тем не менее, при анализе полученных данных отмечены две закономерности. Во-первых, на обоих участках значения NDVI росли с увеличением дозы азота до 120 кг/га, после чего выходили на плато. Во-вторых, независимо от дозы азотных удобрений, на площадках участка № 2, на котором искусственно сохранили дефицит калия в почве, значения NDVI оказались ниже, чем на участке № 1. На 18.06.20 и 23.06.20 растения озимой пшеницы развивались успешно, была зафиксирована очевидная связь NDVI с внесенными дозами азота. Причем значения NDVI на участке № 2 были несколько выше, чем на участке № 1, независимо от дозы внесенных удобрений. Максимальные в опыте величины NDVI на тестовых площадках озимой пшеницы, независимо от внесенной дозы азота, отмечены 18.06 (начало фазы цветения), при этом пиковый показатель зафиксирован на участке № 2 при использовании 200 кг/га азота, его величина была равна 0,903.

При анализе динамики значений NDVI на тестовых площадках в посеве яровой пшеницы можно отметить, что независимо от даты съемки и внесенной дозы азота показания индекса NDVI в варианте № 1 (где растения были обеспечены комплексным сочетанием элементов питания) выше, чем в варианте № 2 (табл. 4). На всем протяжении вегетации величины индекса NDVI росли по мере повышения дозы вносимого азота до 80 кг/га, при которой отмечен экстремум значений. Макси-

N О N «О

Ш

S ^

ф

и

ф

^

2

ш м

3. Показания NDVI на тестовых площадках озимой пшеницы

09.06.20 1! .06.20 23.06.20

Доза азота, кг/га (колошение) (начало цветения) (конец цветения)

участок 1 1 участок 2 участок 1 1 участок 2 участок 1 1 участок 2

0 0,871 0,866 0,797 0,840 0,853 0,863

40 0,868 0,863 0,758 0,840 0,854 0,863

80 0,869 0,861 0,864 0,881 0,862 0,864

120 0,886 0,878 0,892 0,894 0,883 0,885

160 0,886 0,885 0,888 0,899 0,886 0,900

200 0,886 0,884 0,892 0,903 0,891 0,896

4. Показания NDVI на тестовых площадках яровой пшеницы

09.06.20 18.06.20 23.06.20

Доза азота (конец кущения) (трубкование) (начало колошения)

вариант 1 вариант 2 вариант 1 вариант 2 вариант 1 вариант 2

0 0,596 0,598 0,802 0,773 0,796 0,744

40 0,641 0,605 0,849 0,816 0,857 0,801

80 0,679 0,691 0,877 0,862 0,894 0,839

120 0,611 0,622 0,825 0,823 0,825 0,809

160 0,631 0,616 0,839 0,811 0,847 0,815

200 0,631 0,650 0,832 0,825 0,845 0,822

мальная в опыте величина индекса ЫйУ1 зафиксирована на снимке от 23.06 (фаза колошения), в варианте № 1 она составило 0,894, в варианте № 2 - 0,839. При дальнейшем увеличении дозы азота до 120 кг/га значение ЫйУ1 несколько снижалось и далее не менялось.

ке 2, независимо от внесенной дозы азота (рис. 6). На обоих участках сбор зерна с единицы площади возрастал с увеличением внесенной дозы азота. Результаты корреляционного анализа свидетельствуют о наличии тесных и статистически значимых (г=0,77) прямых связей урожайности с ЫйУ1.

5. Показания NDVI на тестовых площадках ячменя

18 06.20 23.06.20 19.07.20

Доза азота (конец кущения) (трубкование) (цветение)

вариант 1 I вариант 2 вариант 1 вариант 2 вариант 1 | вариант 2

0 0,687 0,736 0,705 0,746 0,780 0,738

30 0,764 0,761 0,781 0,757 0,775 0,810

60 0,831 0,831 0,839 0,851 0,860 0,882

90 0,742 0,794 0,730 0,786 0,850 0,838

120 0,824 0,815 0,822 0,831 0,871 0,883

150 0,792 0,829 0,752 0,818 0,877 0,873

Связь между значениями индекса ЫйУ1 и внесенными дозами азота на тестовых площадках в посеве ячменя отсутствовала, что объясняется затушевывающим влиянием произрастающей сорной растительности в посеве без гербицидной обработки. Тем не менее, в фазе цветения в обоих вариантах можно отметить очевидный тренд роста значений ЫйУ1 при увеличении вносимой дозы азота до 60 кг/га и далее выхода на плато. В варианте 2 значения ЫйУ1 были несколько выше, чем в варианте 1 (табл. 5).

В ряде публикаций отмечена тесная взаимосвязь ЫйУ1 с урожайностью зерновых культур для таких больших административных единиц, как район, почвенно-климатическая зона, край или область [13]. Но для отдельных полей такая связь наблюдается не всегда, что обусловлено сортовыми особенностями сельскохозяйственных культур, влияющими на архитектонику посева и оптико-биологические свойства. Кроме того, элементы технологии возделывания влияют на площадь ассимиляционной поверхности посева и содержание хлорофилла в растениях, а значит, и на вегетационный индекс ЫйУ1. Исследований по этому вопросу немного, а между тем их результаты открывают возможности для определения механизмов взаимосвязи наиболее распространенного вегетационного индекса с физиологическим состоянием посевов зерновых культур.

В наших исследованиях на тестовых площадках в посеве озимой пшеницы на участке 1 урожайность была несколько выше, чем на участ-

В посеве яровой пшеницы(рис. 7) в варианте 2 отмечена сходная тенденция изменения урожайности и значений индекса ЫйУ1 (рост с увеличением дозы азота до 80 кг/га,

далее понижение до 120 кг/га и выход на плато), коэффициенты корреляции между величинами этих показателей были равны 0,5...0,7. При этом в варианте 1 отмечена практически линейная зависимость между вносимыми дозами азотных удобрений и полученной урожайностью, а ее корреляция с индексом ЫйУ1 была несущественной.

На тестовых площадках посева ячменя в варианте № 2 урожайность линейно возрастала с увеличением внесенной дозы азота (рис. 8). В варианте № 1 наибольший сбор зерна отмечен на площадке с дозой 60 кг/га, в целом для этого варианта характерна самая слабая корреляционная зависимость между внесенной дозой азота, величиной вегетационного индекса и полученной урожайностью, что обусловлено затушевывающим влиянием сорной растительности в посеве ячменя, не подвергнутом гербицидной обработке.

Таким образом, по результатам проведенного полевого эксперимента сформирована база данных оптических характеристик сельскохозяйственных посевов в различных спектральных диапазонах и индек-

Рис. 6. Урожайность на тестовых площадках посева озимой пшеницы, т/га: — участок 1; ■ — участок 2.

Рис. 7. Урожайность на тестовых площадках посева яровой пшеницы, т/га: — вариант 1; ■ — вариант 2.

Рис. 8. Урожайность на тестовых площадках посева ячменя, т/га: — вариант 1; — вариант 2.

сов отражения, характеризующих физиологическое состояние посевов при оптимальных условиях и на фоне дефицита азотного питания. Установлено, что вегетационный индекс ЫйУ1 позволяет диагностировать степень обеспеченности растений изучаемых культур азотом лишь на ранних этапах развития (фаза кущения). Далее по мере формирования сомкнутого растительного покрова этот индекс не гарантирует надежных результатов оценки азотного обеспечения растений.

Для более точной дистанционной оценки посевов и выделения зон неоднородности в течение всего вегетационного периода целесообразно дополнительно использовать комплекс индексов отражения (СЫИ!, РЯ1, РЯ1 и WRI), характеризующих активность фотосинтетического аппарата.

Литература.

1. Trends in global agricultural land use: Implications for environmental health and food security / N. Ramankutty, Z. Mehrabi, K. Waha, et al. // Annual Review of Plant Biology. 2018. Vol. 69. P. 789-815. doi: 10.1146/annurev-arplant-042817-040256.

2. Taylor J., Whelan B. A General Introduction to Precision Agriculture. Australian Center for Precision Agriculture. 2005. URL: http://www.agriprecisione. it/wp-content/uploads/2010/11/general_ introduction_to_precision_agriculture.pdf (дата обращения 11.04.2021).

3. Якушев В. В. Точное земледелие: теория и практика. СПб.: ФГБНУ АФИ,

^ 2016. 364 с.

® 4. Delineation of soil management zones <0 for variable-rate fertilization / S. Nawar, R. S^ Corstanje, G. Halcro, et al. // Advances in 0 Agronomy. 2017. Vol. 143. P. 175-245. ■E 5. Якушев В. П., Блохина С. Ю. Со-О стояние и перспективы использования О дистанционного зондирования Земли Ц в интересах сельского хозяйства // Соси временные проблемы дистанционного СО

зондирования Земли из космоса. 2018. № 5. С. 257-262. doi: 10.21046/2070-74012018-15-5-257-262.

6. Состояние и перспективы создания новых методов количественной оценки внутриполевой изменчивости в точном земледелии / Д. А. Матвеенко, В. В. Воропаев, В. В. Якушев и др. // Агрофизика. 2020. № 1. С. 59-70. doi: 10.25695/ AGRPH.2020.01.09.

7. Новый метод количественной оценки внутриполевой изменчивости по оптическим характеристикам посевов для точного земледелия / В. П. Якушев, Д. А. Матвеенко, А. Ф. Петрушин и др. // Вестник российской сельскохозяйственной науки. 2020. № 2. С. 4-10. doi: 10.30850/ vrsn/2020/2/4-10.

8. Оптические характеристики листьев яровой пшеницы при дефиците азота и воды / Е. В. Канаш, В. П. Якушев, Д.

B. Русаков и др. // Вестник российской сельскохозяйственной науки. 2017. № 4.

C. 9-12

9. Митрофанов Е.П., Митрофанова О.А., Петрушин А.Ф. Экспериментальные данные для решения задач точного земледелия // Свидетельство о государственной регистрации базы данных № 2021620305

10. Verhulst N., Govaerts B. The normalized difference vegetation index (NDVI) GreenSeekerTM handheld sensor // Toward the integrated evaluation of crop management. Part A: Concepts and case studies. Mexico: D.F.; CIMMYT, 2010. 14 p.

11. Степанов А. С. Прогнозирование урожайности сельскохозяйственных культур на основе данных дистанционного зондирования Земли (на примере сои) // Вычислительные технологии. 2019. Т. 24. № 6. С. 125-133.

12. Remote means and methods of definition of homogeneous technological areas for precision management of mineral nutrition and phytosanitary condition of agrocenosis / V. Voropaev, A. Shpanev, P. Lekomtsev, et all. // International Multidisciplinary Scientific GeoConference SGEM. 2019. Vol. 19. No. 2-2. P. 605-615.

13. Ерошенко Ф. В., Сторчак И. Г., Шестакова Е. О. Площадь ассимиляционной поверхности и NDVI посевов озимой пшеницы // Земледелие. 2015. № 7. С. 37-39.

Formation of a database of optical characteristics of crops for the allocation of control zones based on remote sensing

D. A. Matveenko, V. V. Voropaev, V. V. Yakushev, A. F. Petrushin

Agrophysical Research Institute, Grazhdanskiy prosp., 14, Saint Petersburg, 195220, Russian Federation

Abstract. This paper presents the results of a field precision experiment on the formation of a database to solve precision farming problems. The technique provided for physical modelling of different levels of nitrogen nutrition of plants with an optimal supply of phosphorus and potassium, as well as against a background of potassium deficiency on test sites in crops of three grain crops (winter wheat, spring wheat, and barley). Nitrogen doses were varied from 0 to 200 kg in 40 kg increments for winter and spring wheat and from 0 to 150 kg in 30 kg increments for barley. In the main phenologi-cal phases, multispectral aerial photography of crops, contact measurements of the optical characteristics of plants in various spectral ranges, calculation of the reflection indices of vegetation cover, characterizing the activity of the photosynthetic apparatus, ChlRI, PRI, FRI, and WRI, were carried out. The generated database was used to identify homogeneous control zones with different levels of nitrogen supply to plants based on optical criteria, aerospace images, and ground reference information. The results of the analysis of the dependences of the values of the NDVI index and the yield of the studied crops on the applied dose of nitrogen indicate that the vegetation index makes it possible to diagnose the degree of supply of plants with nitrogen only at the early stages of development (not later than the tillering phase). With the formation of a closed vegetation cover, the reliability of this method decreases. In this regard, it is advisable to use comprehensively various vegetation indices for remote assessment and allocation in the field of plots with a deficiency of nitrogen nutrition.

Keywords: precision agriculture; control zones; within-field variability; remote sensing; test sites; optical characteristics of plants; vegetation indices.

Author Details: D. A. Matveenko, Cand Sc. (Agr.), senior research fellow (e-mail: dmatveenko@inbox.ru); V. V. Voropaev, Cand Sc. (Agr.), leading research fellow (e-mail: valeriy.voropaev.70@mail.ru); V. V. Yakushev, D. Sc. (Agr.), corresponding member of the RAS, head of laboratory (email: mail@agrophys.com); A. F. Petrushin, Cand Sc. (Tech.), leading research fellow (e-mail: alfiks@mail.ru).

For citation: Matveenko DA, Voropaev VV, Yakushev VV, et al. [Formation of a database of optical characteristics of crops for the allocation of control zones based on remote sensing]. Zemledelie. 2021; (6):20-6. Russian. doi: 10.24412/00443913-2021-6-20-26.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.