CC BY
34УДК 528.8.04:631.58
В. Н. Щедрин, С. М. Васильев, А. Н. Бабичев
Российский научно-исследовательский институт проблем мелиорации, Новочеркасск,
Российская Федерация
Р. В. Скиданов, В. В. Подлипнов
Институт систем обработки изображений РАН - филиал Федерального научно-исследовательского центра «Кристаллография и фотоника» Российской академии наук, Самара, Российская Федерация Ю. Н. Журавель
Ракетно-космический центр «Прогресс», Самара, Российская Федерация
НАЗЕМНАЯ ГИПЕРСПЕКТРАЛЬНАЯ АППАРАТУРА ДЛЯ ИЗМЕРЕНИЯ ВЕГЕТАТИВНЫХ ИНДЕКСОВ В ЗАДАЧАХ ПРЕЦИЗИОННОГО ОРОШЕНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
Цель исследований - установить возможность использования наземной гиперспектральной аппаратуры для определения влажности почвы и растений в течение вегетационного периода сельскохозяйственных культур с целью корректировки поливной нормы дождевальной машины в режиме реального времени. Исследования последних лет показали, что технологии орошения даже современными дождевальными машинами не всегда соответствуют агрономическим требованиям возделывания сельскохозяйственных культур и экологическим требованиям для обеспечения сохранения плодородия почвы. Равномерность распределения слоя дождя по всей длине дождевальной машины регулируется подбором дождевателей с индивидуальным фиксированным расходом воды, однако на практике они не обеспечивают необходимой равномерности увлажнения почвы при использовании как круговых, так и фронтальных дождевальных машин. В ходе проведенного эксперимента осуществлялась съемка спектральных изображений на местности с использованием вращающейся платформы на штативе с постоянной скоростью. Данные измерения в определенной степени моделируют условия съемки специализированной аппаратурой, которую предлагается устанавливать на дождевальную машину нового поколения кругового действия. С помощью специализированной программы происходила сборка гиперспектрального изображения местности (получение гиперкубов). Дальнейшая обработка полученных гиперспектральных изображений осуществлялась в программном комплексе ENVI. В нем проводился расчет и построение карт распределения индексов влагосодержания в растительности по заданным в программе алгоритмам. В результате проведенных исследований установлено, что максимум распределения соответствует значению 1,34. Минимальное значение индекса соответствуют 0,85, максимальное - 1,83. По полученным значениям индекса влагосодержания в растительности можно косвенно судить о содержании влаги в почве и о качестве полива.
Ключевые слова: наземная гиперспектральная аппаратура, вегетативные индексы, прецизионное орошение, дождевальная машина, влажность почвы.
V. N. Shchedrin, S. M. Vasilyev, A. N. Babichev
Russian Scientific Research Institute of Land Improvement Problems, Novocherkassk,
Russian Federation
R. V. Skidanov, V. V. Podlipnov
Institute of Image Processing Systems of the Russian Academy of Sciences - a branch of the Federal Research Center "Crystallography and Photonics" of the Russian Academy of Sciences, Samara, Russian Federation
Научный журнал Российского НИИ проблем мелиорации, № 1(29), 2018 г., [1-14] Yu. N. Zhuravel'
"Progress" Rocket and Space Center, Samara, Russian Federation
GROUND HYPERSPECTRAL EQIUPMENT FOR MEASURING VEGETATION INDEXES IN AGRICULTURAL CROPS PRECISION
IRRIGATION PROBLEMS
The purpose of the research is to establish the possibility of using ground hyperspec-tral equipment for determining soil and plant moisture during the agricultural crops vegetative period aimed to sprinkler irrigation rate adjustment in real time. Recent researches have shown that irrigation technologies do not always correspond to the agronomic requirements of agricultural crop cultivation and ecological requirements to ensure the soil conservation even by modern sprinkling machines. The rain distribution uniformity along the entire length of the sprinkler is regulated by the selection of sprinklers with an individual fixed water flow, however they do not provide the necessary uniformity of soil moistening in practice when using both rotary and frontal sprinklers. During the experiment, spectral images were shot on-site using a rotating platform on a tripod at a constant speed. These measurements to a certain extent model the conditions of shooting with special purpose facilities, which is proposed to be installed on a new generation rotary sprinkler. With a specialized program, a hyperspectral image of the site (obtaining hypercubes) was assembled. Further processing of the obtained hyperspectral images was carried out in the ENVI software package. The vegetation moisture content index allocation maps calculations and generation were carried out according to the algorithms given in the program. According to the research carried out, it was found that the maximum distribution corresponds to a value of 1.34. The index minimum value corresponds to 0.85, the maximum value is 1.83. From the obtained values of the moisture content index in vegetation, one can indirectly judge soil moisture content and irrigation quality.
Key words: ground hyperspectral equipment, vegetation indices, precision irrigation, sprinkler, soil moisture.
Введение. Во второй половине 1990-х гг. в связи с изменениями социально-экономических условий в России снизилось количество орошаемых и осушаемых земель. К концу 1990-х гг. в стране полностью прекратился выпуск дождевальной техники («Кубань», «Фрегат», «Волжанка», ДДА-100МА). Прекратились работы по совершенствованию как самой дождевальной техники, так и технологий орошения.
После этого аграрии России перешли к закупкам зарубежной дождевальной техники различных фирм. Вместе с дождевальной техникой стали закупать и технологии ее применения. Однако зарубежные технологии орошения часто не соответствовали климатическим условиям России, поскольку в США и европейских странах естественная влажность отличалась от орошаемых зон России.
Это привело в ряде случаев к неэффективному использованию приобретенной оросительной техники. При этом надо иметь в виду, что используемые технологии орошения в основном представлены в виде «черного ящика», корректировку и привязку к конкретным зональным условиям практически невозможно производить.
При всех положительных технических характеристиках импортных дождевальных машин (ДМ) необходимо отметить их недостаток - невы-равненность влажности почвы после полива и большую ее «пестроту» в связи с неоднородностью почвенного покрова и микрорельефа по сегментам поля. При последующих поливах разница во влажности почвы будет возрастать, и это, естественно, отражается на условиях роста и развития растений, а величина урожайности по полю изменяется на 25-30 % от средних показателей. Исследования федерального государственного бюджетного научного учреждения «Российский научно-исследовательский институт проблем мелиорации» (ФГБНУ «РосНИИПМ») последних лет показали, что технологии орошения даже современными ДМ не всегда соответствуют агрономическим требованиям возделывания сельскохозяйственных культур и экологическим требованиям для обеспечения сохранения плодородия почвы. Так, равномерность распределения слоя дождя по всей длине ДМ регулируется подбором дождевателей с индивидуальным фиксированным расходом воды, однако на практике они не обеспечивают необходимой равномерности увлажнения почвы при использовании как круговых, так и фронтальных ДМ [1]. При этом наблюдается большая «пестрота» влажности почвы. На микроучастках (сегментах) площадью 0,2-0,5 га и более одного и того же поля из-за микрорельефа поверхности почвы, условий ее обработки, состояния растений и сноса осадков ветром при поливе и других причин неоднородность увлажнения почвы достигает больших величин, что приводит к недобору урожая из-за несоблюдения рекомендованного режима орошения [2].
Сельскохозяйственные культуры получают стресс как от недостатка воды, так и от переувлажнения. Поэтому остро стал вопрос о необходимости разработки ДМ нового поколения, способных в автоматическом режиме регулировать распределение воды по полю и выравнивать влажность почвы на орошаемом участке при каждом поливе так же, например, как вносятся дозированно удобрения при использовании элементов точного земледелия [3].
Существующие на сегодняшний день ДМ и системы управления дождем регулируют равномерность распределения воды по всей длине машины, но не учитывают фактическую влажность почвы перед поливами на микроучастках с различным микрорельефом, поэтому часто наблюдается волнообразное развитие растений на поле, связанное с фактически неравномерным распределением воды по поверхности.
Для устранения этого негативного явления в ФГБНУ «РосНИИПМ» разрабатывается ДМ (патент № 2631896), которая включает в себя приборное и программное обеспечение, способное регулировать и выравнивать влажность почвы по всему полю за счет новых дождевателей. Последние могут изменять расход и направление подачи воды [4]. Для контроля состояния влажности в растениях, индексов вегетации возможно использование данных дистанционного зондирования (ДЗ), которые уже успешно используются в сельском хозяйстве и экологическом мониторинге России и других стран [5-8].
Однако применение методики ДЗ для полива с использованием космической гиперспектральной аппаратуры (ГСА) имеет серьезные ограничения, такие как невозможность оперативно осуществлять контроль с необходимым разрешением и должной периодичностью. В связи с этим целью данной работы является проведение исследования возможности применения наземной гиперспектральной аппаратуры для определения влажности почвы и растений в течение вегетационного периода сельскохозяйственных культур
с целью корректировки поливной нормы ДМ в режиме реального времени.
Материалы и методы. Эксперимент проводился в ООО «Агропредприятие «Бессергеневское» Октябрьского района Ростовской области на посадках картофеля. Измерения проводили до полива при влажности почвы 80 % НВ в слое 0,4 м и непосредственно после полива. Почвенный покров однороден и представлен лугово-черноземными почвами.
Основные показатели водно-физических свойств почвы экспериментального участка приведены в таблице 1.
Таблица 1 - Водно-физические характеристики почвы опытного
участка
Слой почвы, м Плотность сложения почвы, т/м3 Плотность твердой фазы, т/м3 Общая пористость, % Наименьшая влагоемкость, % от массы сухой почвы
0-0,1 1,23 2,53 53,3 32,8
0,1-0,2 1,24 2,54 52,7 32,6
0,2-0,3 1,26 2,53 50,9 31,4
0,3-0,4 1,35 2,52 47,3 30,4
0-0,4 1,27 2,53 51,1 31,8
Плотность сложения 40-сантиметрового слоя почвы изменяется по горизонтам от 1,23 до 1,35 т/м3, плотность твердой фазы - от 2,53 до 2,54 т/м3, общая пористость - от 53,3 до 47,3 %. По гранулометрическому составу почвы тяжелосуглинистые, наименьшая влагоемкость в слое 0-0,4 м составляет 31,8 % от массы сухой почвы.
Влажность почвы до полива 25,4 % (80 % НВ в слое 0,4 м), после полива влажность почвы 31,8 %, или 100 % НВ в слое 0,4 м.
В связи с тем, что ДМ осуществляет круговые движения по полю, монтируемую ГСА было предложено выполнить в виде кругового сканирующего механизма. Макет ГСА был выполнен с использованием оптической схемы Оффнера [9-11]. Макет ГСА для ДМ был закреплен с использованием поворотной головки на вращающем механизме, который в свою очередь располагался на штативе (рисунок 1).
Рисунок 1 - Макет гиперспектральной аппаратуры наземного типа
(автор фото В. В. Подлипнов)
Скорость вращения может изменяться в пределах 0,1-10 об/мин. Угол наклона ГСА по отношению к горизонту имеет возможность регулироваться в пределах 0-60°, что позволяет в зависимости от способа установки и расположения ГСА покрывать весь сектор орошаемой площади, захватываемый круговой ДМ, как за один оборот ГСА, так и за несколько, проводя мониторинг вегетационных индексов.
Результаты и обсуждение. В ходе эксперимента осуществлялась съемка спектральных изображений на местности с использованием вращающейся платформы на штативе с постоянной скоростью. Данные измерения в определенной степени моделируют условия съемки специализированной аппаратурой, которую предлагается устанавливать на ДМ нового поколения кругового действия. На рисунке 2 приведен пример снятого макетом ГСА изображения, построенного в RGB-каналах.
С помощью специализированной программы происходила сборка гиперспектрального изображения местности (получение гиперкубов). Для сборки проводилась предварительная калибровка зоны интереса на изображениях. Полученное изображение показывает круговую разверт-
ку охватываемого при съемке пространства. Каждому слою гиперкуба соответствует определенный спектральный канал (рисунок 3).
Рисунок 2 - Изображение посадок картофеля (фаза начала цветения),
построенное в RGB-каналах
Рисунок 3 - Гиперспектральный куб изображения посадок картофеля
(фаза начала цветения)
Для того чтобы поставить в соответствие каждому спектральному каналу определенную длину волны, проводилась калибровка программы с использованием перестраиваемого лазера EKSPLA ЭТ200 (Латвия) и формировался калибровочный файл. Полученный калибровочный файл использовался при спектральном анализе отснятых изображений.
На рисунке 4 представлен вид спектров для различных сельскохозяйственных культур, полученных по результатам калибровки длин волн гиперспектрометра.
SDectral Profile
Wavelength
Длина волны, нм Рисунок 4 - Спектры, полученные по данным гиперспектральных изображений с помощью программы ENVI.
Сверху вниз: свекла, лук, картофель
На спектрах можно заметить линию поглощения, присутствующую на изображениях всех сельскохозяйственных культур, она соответствует длине волны 761 нм. По данным источников, линия поглощения кислорода находится в пределах 760 нм, что говорит о хорошей точности калибровки сканирующего изображающего гиперспектрометра, ширина одного спектрального канала которого 2,24 нм, и ограничена дискретностью используемой матрицы.
В синей и видимой областях спектра практически нет линий или полос поглощения водяного пара. Газообразная вода поглощается в красной и инфракрасной частях спектра.
Дальнейшая обработка полученных гиперспектральных изображений осуществлялась в программном комплексе ENVI. В нем проводился расчет и построение карт распределения индексов влагосодержания в растительности по заданным в программе алгоритмам.
В основе алгоритмов расчета лежит отношение яркости видимого спектра излучения в районе 900 нм к яркости излучения в районе 970 нм, где присутствует полоса поглощения воды. Для анализа распределения индекса влагосодержания в растительности по всей поверхности были построены гистограммы значений индекса Water band index (WBI) (рисунок 5) [12, 13].
а)
Рисунок 5 - Гистограммы значений индекса WBI на посадках картофеля (фаза начала цветения): а - до полива; б - после полива
Темные области на карте распределения WBI в пространстве соответствуют отсутствию растительности в этих областях. Яркие пиксели соответствуют максимуму индекса WBI. Максимум распределения соответствует значению 1,34 и влажности почвы после полива 31,8 %, или 100 % НВ в слое 0,4 м. Минимальное значение индекса соответствует 0,85 или влажности почвы до полива 25,4 % (80 % НВ в слое 0,4 м).
Для определения районов, требующих сниженного или повышенного полива, по полученным картам распределения индекса WBI может быть проведена дополнительная кластеризация и расчет гистограмм индексов влагосодержания на каждом конкретном участке.
Выводы. Таким образом, в работе с помощью макета ГСА показана целесообразность и возможность ее использования для анализа вегетационных индексов, и в частности индекса влагосодержания в растительности. Проведенные экспериментальные исследования с использованием макетного образца мобильной гиперспектральной камеры показали, что по значению индекса влагосодержания в растительности можно косвенно судить о содержании влаги в почве и о качестве полива. Экспериментальные исследования показали высокий потенциал предложенной концепции высокоточной, адаптивной, самообучающейся дождевальной машины.
Данные, полученные в ходе эксперимента, полезны как для задач сельского хозяйства, экологии, так и для задач ДЗЗ с целью проведения наземных калибровок данных, полученных с космических аппаратов, калибровки методов и средств распознавания объектов с использованием и гиперспектральных данных.
Несмотря на видимую корреляцию данных измерения индексов с данными замеров влагосодержания почв, макет требует проведения дальнейших исследований по калибровке рассчитываемых индексов в соответствии с результатами замеров влагосодержания в почве, исследования различных культур, их восприимчивости к поливу или засухе, фаз вегетации, учета влияния влажности атмосферы на спектр излучения солнца, учета азимута и высоты солнца над горизонтом, угла сканирования и высоты камеры в процессе измерения и многих других факторов, способных потенциально влиять на результаты измерения.
Список использованных источников
1 Ольгаренко, В. И. Оценка эффективности использования отечественной дождевальной техники / В. И. Ольгаренко, И. В. Ольгаренко, В. Иг. Ольгаренко // Модели и
технологии природообустройства (региональный аспект). - 2015. - Т. 1. - С. 8-14.
2 Ольгаренко, В. И. К вопросу о модели определения эвапотранспирации с учетом изменчивости гидрометеорологических факторов / В. И. Ольгаренко, И. В. Ольгаренко, В. Иг. Ольгаренко // Модели и технологии природообустройства (региональный аспект). - 2017. - № 4. - С. 9-14.
3 Бабичев, А. Н. Оперативное управление режимом орошения при программировании урожайности сельскохозяйственных культур / А. Н. Бабичев, Г. Т. Балакай,
B. А. Монастырский // Научный журнал Российского НИИ проблем мелиорации [Электронный ресурс]. - 2017. - № 3(27). - С. 83-96. - Режим доступа: http:rosniipm-sm.ru/archive? n=491&id=498.
4 Пат. 2631896 Российская Федерация, МПК А 01 G 25/09. Многоопорная дождевальная машина для прецизионного орошения / Щедрин В. Н., Васильев С. М., Чура-ев А. А., Снипич Ю. Ф., Куприянов А. А., Завалюев В. Э.; заявитель и патентообладатель Рос. науч.-исслед. ин-т проблем мелиорации. - № 2016104019; заявл. 08.02.16; опубл. 28.09.17, Бюл. № 28. - 9 с.: ил.
5 Повх, B. И. Космический мониторинг сельскохозяйственных угодий Ростовской области / B. И. Повх, Г. П. Гарбузов, Л. А. Шляхова // Исследование Земли из космоса. - 2006. - № 3. - С. 89-96.
6 Vina, A. New developments in the remote estimation of the fraction of absorbed photosynthetically active radiation in crops / A. Vina, A. A. Gitelson // Geophysical Research Letters. - 2005. - Vol. 32, № 17. - P. 1-4.
7 Comparison of different vegetation indices for the remote assessment of green leaf area index of crops / A. Vina, A. A. Gitelson, A. L. Nguy-Robertson, Y. Peng // Remote Sensing of Environment. - 2011. - Vol. 115, № 12. - P. 3468-3478.
8 Токарева, О. С. Сравнительный анализ результатов дистанционного определения вегетационных индексов и данных биоиндикационных исследований в задачах экологического мониторинга / О. С. Токарева, Ю. М. Полищук // Современные проблемы дистанционного зондирования Земли из космоса. - 2013. - Т. 10, № 2. - С. 81-87.
9 Моделирование работы гиперспектрометра, основанного на схеме Оффнера, в рамках геометрической оптики / Н. Л. Казанский, С. И. Харитонов, А. В. Карсаков,
C. Н. Хонина // Компьютерная оптика. - 2014. - Т. 38, № 2. - С. 271-278.
10 Юстировка и исследование макетного образца гиперспектрометра по схеме Оффнера / С. В. Карпеев, С. Н. Хонина, А. Р. Мурдагулов, М. В. Петров // Вестник Самарского государственного аэрокосмического университета имени академика С. П. Королёва (национального исследовательского университета). - 2016. - Т. 15, № 1. -С. 187-206.
11 Формирование изображений дифракционной многоуровневой линзой / Н. Л. Казанский, С. Н. Хонина, Р. В. Скиданов, А. А. Морозов, С. И. Харитонов, С. Г. Волотовский // Компьютерная оптика. - 2014. - Т. 38, № 3. - С. 425-434.
12 Вегетационные индексы. Основы, формулы, практическое использование [Электронный ресурс]. - Режим доступа: http:mapexpert.com.ua/index_ru.php?id= 20&table=news, 2017.
13 Вегетационные индексы [Электронный ресурс]. - Режим доступа: https:sov-zond.ru/upload/iblock/f46/2011_02_017.pdf, 2017.
References
1 Ol'garenko V.I., Ol'garenko I.V., Ol'garenko V.Ig., 2015. Otsenka effektivnosti ispol'zovaniya otechestvennoy dozhdeval'noy tekhniki [Assessment of efficiency of domestic irrigation machines]. Modeli i tekhnologiiprirodoobustroystva (regional'nyy aspekt) [Models and Technologies of Environmental Engineering (regional aspect)], vol. 1, pp. 8-14. (In Russian).
2 Ol'garenko V.I., Ol'garenko I.V., Ol'garenko V.Ig., 2017. K voprosu o modeli opre-deleniya evapotranspiratsii s uchetom izmenchivosti gidrometeorologicheskikh faktorov
[The issue of the model of evapotranspiration determination taking into account the variability of hydrameteorological factors]. Modeli i tekhnologii prirodoobustroystva (regional'nyy aspekt). [Models and Technologies of Environmental Engineering (regional aspect)], no. 4, pp. 9-14. (In Russian).
3 Babichev A.N., Balakaj G.T., Monastyrskij V.A., 2017. Operativnoe upravlenie rezhimom orosheniya pri programmirovanii urozhaynosti sel'skokhozyaystvennykh kul'tur [Irrigation regimes real time control in crop yield productivity programming]. Nauchnyy Zhurnal Rossiyskogo NII Problem Melioratsii [Scientific Journal of Russian Scientific Research Institute of Land Improvement Problems], no. 3(27), pp. 83-96, available: http:rosniipm-sm.ru/archive?n=491&id=498. (In Russian).
4 Shchedrin V.N., Vasil'ev S.M., Churayev A.A., Snipich Yu.F., Kupriyanov A.A., Zavaluev V.Ye., 2016. Mnogoopornaya dozhdeval'naya mashina dlya pretsizionnogo oro-sheniya [Multitower sprinkling machine for precision irrigation]. Patent RF, no. 2631896 (In Russian).
5 Povkh V.I., Garbuzov G.P., Shlyakhova L.A., 2006. Kosmicheskiy monitoring sel'skokhozyaystvennykh ugodiy Rostovskoy oblasti [Space monitoring of agricultural lands in Rostov Region]. Issledovaniye Zemli iz kosmosa [Earth Exploration from Space], no. 3, pp. 89-96. (In Russian).
6 Vina A., Gitelson A.A., 2005. New developments in the remote estimation of the fraction of absorbed photosynthetically active radiation in crops. Geophysical Research Letters, vol. 32, no. 17, pp. 1-4. (In English).
7 Vina A., Gitelson A.A., Nguy-Robertson A.L., Peng Y., 2011. Comparison of different vegetation indices for the remote assessment of green leaf area index of crops. Remote Sensing of Environment, vol. 115, no. 12. pp. 3468-3478. (In English).
8 Tokareva O.S., Polischuk Yu.M., 2013. Sravnitel'nyy analiz rezul'tatov distantsion-nogo opredeleniya vegetatsionnykh indeksov i dannykh bioindikatsionnykh issledovaniy v zadachakh ekologicheskogo monitoringa [Comparative analysis of results of remote determination of vegetation indices and bioindicative research data in environmental monitoring]. Sovremennyye problemy distantsionnogo zondirovaniya Zemli iz kosmosa [Modern Problems of Remote Sensing of the Earth from Space], vol. 10, no. 2, pp. 81-87. (In Russian).
9 Kazanskij N.L., Kharitonov S.I., Karsakov A.V., Khonina S.N., 2014. Modelirovanie raboty giperspektrometra, osnovannogo na skheme Offnera, v ramkakh geometricheskoy optiki [Modeling action of a hyperspectrometer based on Offner scheme within geometric optics]. Komp'yuternaya optika [Computer Optics], vol. 38, no. 2, pp. 271-278. (In Russian).
10 Karpeev S.V., Khonina S.N., Murdagulov A.R., Petrov M.V., 2016. Yustirovka i is-sledovanie maketnogo obraztsa giperspektrometra po skheme Offnera [Alignment and study of prototypes of the Offner hyperspectrometer]. Vestnik Samarskogo gosudarstvennogo aero-kosmicheskogo universiteta imeni akademika S. P. Korolova (natsional'nogo issledovatel'skogo universiteta) [Bull. of Samara State Aerospace University named after Academician S.P. Korolev (National Research University)], vol. 15, no. 1, pp. 187-206. (In Russian).
11 Kazanskij N.L., Khonina S.N., Skidanov R.V., Morozov A.A., Kharitonov S.I., Vo-lotovsky S.G., 2014. Formirovaniye izobrazheniy difraktsionnoy mnogourovnevoy linzoy [Images formation using diffraction multilevel diffractive lens]. Komp'yuternaya optika [Computer Optics], vol. 38, no. 3, pp. 425-434. (In Russian).
12 Vegetatsionnye indeksy. Osnovy, formuly, prakticheskoe ispol'zovanie [Vegetation indices. Fundamentals, formulas, practical use]. Available: http:mapexpert.com.ua/in-dex_ru.php?id=20&table=news, 2017. (In Russian).
13 Vegetatsionnye indeksy [Vegetation indices]. Available: https:sov-zond.ru/upload/ iblock/f46/2011_02_017.pdf, 2017. (In Russian)._
Щедрин Вячеслав Николаевич
Ученая степень: доктор технических наук
Ученое звание: академик Российской академии наук, профессор Должность: директор
Место работы: федеральное государственное бюджетное научное учреждение «Российский научно-исследовательский институт проблем мелиорации»
Адрес организации: Баклановский пр-т, 190, г. Новочеркасск, Ростовская область, Российская Федерация, 346421 E-mail: rosniipm@yandex.ru
Shchedrin Vyacheslav Nikolayevich
Degree: Doctor of Technical Sciences
Title: Academician of the Russian Academy of Sciences, Professor Position: Director
Affiliation: Russian Scientific Research Institute of Land Improvement Problems Affiliation address: Baklanovsky ave., 190, Novocherkassk, Rostov region, Russian Federation, 346421
E-mail: rosniipm@yandex.ru
Васильев Сергей Михайлович
Ученая степень: доктор технических наук Ученое звание: доцент
Должность: заместитель директора по науке
Место работы: федеральное государственное бюджетное научное учреждение «Российский научно-исследовательский институт проблем мелиорации»
Адрес организации: Баклановский пр-т, 190, г. Новочеркасск, Ростовская область, Российская Федерация, 346421 E-mail: rosniipm@yandex.ru
Vasilyev Sergey Mikhaylovich
Degree: Doctor of Technical Sciences Title: Associate Professor Position: Deputy Director of Science
Affiliation: Russian Scientific Research Institute of Land Improvement Problems Affiliation address: Baklanovsky ave., 190, Novocherkassk, Rostov region, Russian Federation, 346421
E-mail: rosniipm@yandex.ru
Бабичев Александр Николаевич
Ученая степень: доктор сельскохозяйственных наук
Должность: начальник отдела управления продуктивностью орошаемых агробиоценозов Место работы: федеральное государственное бюджетное научное учреждение «Российский научно-исследовательский институт проблем мелиорации»
Адрес организации: Баклановский пр-т, 190, г. Новочеркасск, Ростовская область, Российская Федерация, 346421 E-mail: BabichevAN2006@yandex.ru
Babichev Alexandr Nikolaevich
Degree: Doctor of Agricultural Sciences
Position: Head of Department of Productivity Management of Irrigated Agrocoenosis Affiliation: Russian Scientific Research Institute of Land Improvement Problems Affiliation address: Baklanovsky ave., 190, Novocherkassk, Rostov region, Russian Federation, 346421
E-mail: BabichevAN2006@yandex.ru
Скиданов Роман Васильевич
Ученая степень: доктор технических наук Ученое звание: профессор
Должность: заведующий лабораторией микро- и нанотехнологий
Место работы: институт систем обработки изображений РАН - филиал федерального научно-исследовательского центра «Кристаллография и фотоника» Российской академии наук
Адрес организации: ул. Молодогвардейская, 151, г. Самара, Российская Федерация, 443001
E-mail: romans@smr.ru
Skidanov Roman Vasilevich
Degree: Doctor of Technical Sciences Title: Professor
Position: Head of Micro- and Nanotechnologies laboratory
Affiliation: Institute of Image Processing Systems of the Russian Academy of Sciences - a branch of the Federal Research Center "Crystallography and Photonics" of the Russian Academy of Sciences
Affiliation address: st. Molodogvardeyskaya, 151, Samara, Russian Federation, 443001 E-mail: romans@smr.ru
Подлипнов Владимир Владимирович
Должность: инженер
Место работы: Институт систем обработки изображений РАН - филиал федерального научно-исследовательского центра «Кристаллография и фотоника» Российской академии наук
Адрес организации: ул. Молодогвардейская, 151, г. Самара, Российская Федерация, 443001
E-mail: podlipnovvv@ya.ru.
Podlipnov Vladimir Vladimirovich
Position: Engineer
Affiliation: Institute of Image Processing Systems of the Russian Academy of Sciences - a branch of the Federal Research Center "Crystallography and Photonics" of the Russian Academy of Sciences
Affiliation address: st. Molodogvardeyskaya, 151, Samara, Russian Federation, 443001 E-mail: podlipnovvv@ya.ru.
Журавель Юлия Николаевна
Должность: заместитель начальника отдела
Место работы: акционерное общество «Ракетно-космический центр «Прогресс» Адрес организации: ул. Земеца, 18, г. Самара, Российская Федерация, 443009 E-mail: d1133@samspace.ru
Zhuravel Yuliya Nikolaevna
Position: Deputy Head of Department
Affiliation: "Progress" Rocket and Space Center
Affiliation address: st. Zemets, 18, Samara, Russian Federation, 443009
E-mail: d1133@samspace.ru
