CC BY
13DOI 10.24412/^-34984-2023-2-84-87 УДК 631.559+633.11
Таркивский В.Е., д.т.н., заместитель директора по научной работе Иванов А.Б., научный сотрудник, artem_b_ivanov@mail.ru
Петухов Д.А., к.т.н, заведующий лабораторией, ведущий научный сотрудник, dmitripet@mail.ru Бондаренко Е.В., научный сотрудник, evgbond3190063@yandex.ru
Новокубанский филиал ФГБНУ «Росинформагротех» (КубНИИТиМ)
ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ОЗИМОЙ ПШЕНИЦЫ ПРИ ПОМОЩИ СПУТНИКОВОГО МОНИТОРИНГА
Аннотация. Приведены результаты прогнозирования урожайности озимой пшеницы при помощи спутникового веб-сервиса Вега-Баепсе, разработанного в Институте космических исследований Российской академии наук (ИКИ РАН). Результаты исследований представлены на примере опытных полей валидационного полигона Новокубанского филиала ФГБНУ «Росинформагротех» (КубНИИТиМ).
Ключевые слова: спутниковый мониторинг, веб-сервис, прогнозирование, метод, индекс вегетации, регрессионная модель, урожайность.
Abstract. The results of forecasting the yield of winter wheat using the Vega-Science satellite web service developed at the Space Research Institute of the Russian Academy of Sciences (IKIRAS) are presented. The research results are presented on the example of the experimental fields of the validation site of the Novokuban branch of the Federal State Budgetary Scientific Institution "Rosin-formagrotech" (KubNIITiM).
Key words: satellite monitoring, web service, forecasting, method, vegetation index, regression model, yield.
Постановка проблемы. Одним из важных направлений Стратегии научно-технологического развития Российской Федерации является переход к высокопродуктивному и экологически чистому агрохозяйству [1], который
в настоящее время невозможно осуществить без цифровизации сельского хозяйства с использованием технологий координатного земледелия.
На сегодняшний день технологии координатного земледе-
лия интенсивно внедряются в практику сельскохозяйственного производства. Среди основных трендов - технологии дистанционного зондирования земель (ДЗЗ), спутникового мониторинга, облачные сервисы научного
Ж*
Л
СЕМЕНОВОДЧЕСКОЕ ХОЗЯЙСТВО
ООО «ВТОРАЯ ПЯТИЛЕТКА»
ПРЕДЛАГАЕТ ЭЛИТНЫЕ СЕМЕНА ОЗИМОЙ ПШЕНИЦЫ
УРОЖАЯ 2023 ГОДА СЛЕДУЮЩИХ СОРТОВ:
АЛЕКСЕИЧ
ФЁДОР
ПОБЕДА 75
КЛАССИКА
ЮКА
ГРОМ
БЕЗОСТАЯ 100
БУМБА
СТЕПЬ
ГОМЕР ИЛИАДА АХМАТ ЕЛАНЧИК
ТИМИРЯЗЕВКА 150 СОБЕРБАШ ТАНЯ СТИЛЬ 18
ШАРМ
ШКОЛА
Агроном по семеноводству
Линд Ирина Васильевна
+7(918) 398-32-66
agro2v@mail.ru Ira.lind@mail.ru
Семена сопровождаются сертификатом качества, карантинным сертификатом.
Предприятие ООО «Вторая пятилетка» включено в государственный реестр семеноводческих хозяйств, что даёт право нашим покупателям на получение субсидий.
апрель 2023
лтширим
Рисунок 1. Вид рабочего окна главной страницы сервиса Вега-Science.
Рисунок 2. Графики временных рядов значений индекса NDVI для поля 3(2) за 2022, 2020, 2018, 2016 и 2014 гг.
Рисунок 3. График линейной модели (Модель 1), определяющей связь максимальных значений индекса NDVl и урожайности озимой пшеницы.
анализа данных спутниковых наблюдений и другие.
Известно, что сельскохозяйственное производство отличается сильной зависимостью от климатических условий, которая приводит к значительным изменениям в производстве сельскохозяйственной продукции и оказывает сильное влияние на рынки продукции, объемы импортно-экспортных операций, на цены,а также во многом предопределяет затраты на субсидирование сельского хозяйства [2].
Большое значение имеет так-
же независимая оценка объемов производства сельскохозяйственной продукции и их заблаговременное прогнозирование, а также независимый контроль за информацией, поступающей от производителей, которая используется для регулирования рынков сельскохозяйственной продукции и планирования ее производства [3].
Наиболее эффективным и востребованным средством для решения данных задач является использование цифровых технологий спутникового мониторин-
га сельскохозяйственных угодий для оценки площадей посевов сельскохозяйственных культур, их состояния и прогнозирования их урожайности и др. [4-7].
В связи с этим актуальным является поиск менее трудоемкого и наиболее точного метода прогнозирования урожайности озимой пшеницы с использованием регрессионных моделей, связывающих максимальные значения нормализованного относительного индекса вегетации с продуктивностью сельскохозяйственных культур.
Цель исследований - оценка урожайности озимой пшеницы при помощи метода прогнозирования урожайности озимой пшеницы с использованием регрессионных моделей в спутниковом веб-сервисе Вега-Баепсе.
Материалы и методы исследования. В качестве исходных материалов использовались векторные границы 28 полей вали-дационного полигона суммарной площадью 2088 га Новокубанского филиала ФГБНУ «Росинформа-гротех» (КубНИИТиМ) со следующим составом атрибутивных данных: период времени (использованы данные за 2014-2022 гг.), выращиваемые в каждом сезоне культуры и их урожайность, а также максимальные значения нормализованного вегетационного индекса ШУ!, рассчитанные по спутниковым данным, полученным из веб-сервиса Вега-Баепсе (УНУ «ВБ ИКИ-Мониторинг») [http://sci-vega.ru/], входящая в состав Центра коллективного пользования ЦКП «ИКИ-Мониторинг» (рисунок 1) [8].
В основу сервиса «Вега-Баепсе» положены многолетние архивы спутниковых данных и получаемые на их основе информационные продукты, характеризующие состояние растительного покрова Северной Евразии, включая Россию и близлежащие страны. По любому району этой территории в архивах имеются данные с 2000 г. Сервис, в частности позволяет анализировать с использованием временных рядов вегетационных индексов состояние растительного покрова, его сезонную и многолетнюю динамику для любой отдельной точки или заданного пользователем полигона (рисунок 2).
Результаты исследований и обсуждение. Регрессионная
Рисунок 4. Графики линейных моделей, определяющих связь максимальных значений индекса NDVI и урожайности озимой пшеницы на каждом поле.
Таблица.
Результаты расчета урожайности.
Показатель Год
2014 2016 2018 2020 2022
Фактическая средняя урожайность, ц/га 59,3 61,0 72,7 50,6 73,6
Урожайность, рассчитанная по модели, ц/га 66,4 64,4 64,7 50,8 67,1
Ошибка модели, ц/га 7,0 3,4 -8,0 0,2 -6,5
модель для прогнозирования урожайности озимой пшеницы создана методом аппроксимации зависимостей между входными и выходными переменными на основе линейной модели вида:
Y = f(x, b) = b0 + b1x1 +...+ bkxk , (1)
где b0...bk - параметры (коэффициенты) регрессии;
xr..xk - регрессоры (факторы модели);
k - количество факторов модели.
Регрессионная модель зависимости урожайности от максимальных значений индекса NDVI строилась методом наименьших квадратов на основе данных, проводилось для тех полей валида-ционного полигона, на которых озимая пшеница возделывалась в сезоне 2022 г. [9]. Для построения базового варианта модели (Модель 1) использовался только один основной регрессор - максимальное значение индекса NDVI за период вегетации. В результате регрессионного анализа, получена линейная зависимость (рисунок 3) вида:
Y = -111,679 + 197,792 xl (2)
апрель 2023
.umsujiifMiu
Полученные результаты показывают, что построенная модель хоть и позволяет сделать заключение о заметной прямой корреляционной связи максимальных значений индекса ШУ! с урожайностью озимой пшеницы, тем не менее, содержит в себе большую долю (62,11 %) необъясненной дисперсии.
Для выявления факторов, снижающих качество полученной модели и рассматривая регрессионную модель, как линейную аппроксимацию линейных базисных функций, было принято решение построения индивидуальных моделей для каждого поля (рисунок 4).
В результате анализа индивидуальных моделей для каждого поля становится понятным, что результат обработки данных нескольких полей противоречит общей концепции прямой линейной связи ШУ! и итоговой урожайности, поэтому их участие вносит значительный вклад в неопределенность общей регрессионной модели и, как следствие, увеличивает долю необъяснен-ной дисперсии. Это объясняется тем, что модели содержат в себе множество не измеряемых параметров, оказывающих влияние на итоговую урожайность. Используемый регрессор достаточно хорошо описывает количество и состояние растений на измеряемом полигоне, однако количество и масса семян в колосе (характеристика, существенно влияющая на итоговую урожайность) одним предиктором ШУ!, судя по всему, описывается недостаточно полно. Основание для такого предположения дает также то, что при анализе параметров регрессионных моделей, можно отметить значительно большую вариативность и меньшую надежность выравнивающего параметра Ь0.
В поиске решений, направленных на снижение доли необъяс-ненной дисперсии, нами были опробованы еще два подхода к моделированию, позволяющие оставаться в рамках, имеющихся для анализа, данных. Первый подход предполагал предварительный поиск и исключение искажающих исходных данных из моделирования, а второй - предполагал аппроксимацию усредненных значений характеризующих параме-
тров для группы полигонов (всех полей валидационного полигона, на которых возделывалась озимая пшеница за исследуемый период в четном севообороте). При этом параметры, оказывающие влияние на дисперсию урожайности между отдельными полями, продолжают оставаться неизмеренными, но нивелируются на уровне базисной функции усреднения и в меньшей степени участвуют в итоговой регрессионной модели. Применение каждого из этих подходов позволило существенно повысить надежность прогнозной модели. В первом случае общая доля необъясненной дисперсии снизилась на 10,43 %, а во втором - на 12,91 %.
При объединении описанных выше подходов к моделированию прогнозной урожайности, была получена зависимость вида:
У = -165,052 + 259,821 х1 (3)
которая объясняет 64,23 % дисперсии итоговой урожайности, что соответствует оценке силы связи «Высокая» по шкале Чед-дока. Результаты расчета урожайности по разработанной модели представлены в таблице.
Выводы.
В результате проведенного исследования можно сделать следующие выводы:
- анализ параметров регрессионных моделей позволяет подтвердить гипотезу о прямой корелляционной связи максимальных значений индекса ШУ! с урожайностью озимой пшеницы;
- с учетом севооборота, даже при достаточно большой величине ретроспективы (8 лет), возможно получить лишь небольшое количество наблюдений для построения регрессионной модели;
- предварительная фильтрация (если возможно) исходных данных совместно с аппроксимацией усредненных значений характеризующих параметров для группы исследуемых полей, позволяет повысить надежность моделирования;
- рассмотренные модели парной регрессии имеют большую долю необъясненной дисперсии. Это объясняется тем, что модели содержат в себе множество не измеряемых параметров, оказывающих влияние на итоговую урожайность. Используемый регрессор
достаточно хорошо описывает количество и состояние растений на измеряемом полигоне, однако количество и масса семян в колосе (характеристика, существенно влияющая на итоговую урожайность) одним предиктором ШУ!, судя по всему, описывается недостаточно полно. Для повышения точности прогнозирования, следует изучить возможность включения в регрессионную модель дополнительных предикторов, измерение которых возможно с помощью методов дистанционного зондирования.
ЛИТЕРАТУРА:
1. Стратегия научно-технологического развития Российской Федерации, утвержденная Указом Президента Российской Федерации от 1 декабря 2016 г. № 642 (Собрание законодательства Российской Федерации, 2016, № 49, ст. 6887).
2. Буклагин Д.С., Мишуров Н.П., Балабанов В.И., Зейлигер А.М., Петухов Д.А. Цифровые технологии оценки, планирования и прогнозирования использования земель сельскохозяйственного назначения: аналит. обзор - М.: ФГБНУ «Росинформагротех», 2020. - 92 с.
3. Лупян ЕА., Барталев С.А., Савин И.Ю., Толпин В.А., Спутниковые технологии мониторинга в сельском хозяйстве: возможности доступа к спутниковым данным и результатам их обработки по территории [Электронный ресурс]. URL: Lupyan_etc_ru.pdf, документ с сайта old. timacad.ru (дата обращения 08.06.2021).
4. Михайленко И.М., Якушев В.П. Дистанционное зондирование земли в сельском хозяйстве // Вестник Российской сельскохозяйственной науки № 6, 2016. С. 12-16.
5. Михайленко И.М., Воронков И.Н. Научно-методические и алгоритмические основы оценивания показателей продуктивности и фитосанитарного состояния посевов по данным дистанционного зондирования земли // Агрофизика, 2016. № 1. С. 32-42.
6. Мишуров Н.П., Петухов Д.А., Свиридова С.А., Подольская Е.Е., Труфляк Е.В. Эффективность применения элементов координатного земледелия при производстве озимой пшеницы // Техника и оборудование для села. - 2022. -№ 8 (302). - С. 44-48.
7. Петухов Д.А., Бондаренко Е.В., Иванов А.Б., Труфляк Е.В. Результаты оценки влияния применения элементов координатного земледелия на урожайность озимой пшеницы / «Научно-информационное обеспечение инновационного развития АПК»: материалы XIV Международной научно-практической Интернет-конференции «ИнформАгро-2022». - М.: ФГБНУ «Росинформагротех», 2022. -С. 423-433.
8. Денисов П.В., Иванов А.Б., Мишуров Н.П., Петухов Д.А., Подъяблонский П.А., Трош-ко К.А. Прогнозирование урожайности озимой пшеницы с использованием технологий дистанционного зондирования земли // Управление рисками в АПК. - 2021. - № 1 (39). - С. 37^5.
9. Таркивский В.Е., Иванов А.Б., Петухов Д.А., Бондаренко Е.В. К вопросу прогнозирования урожайности озимой пшеницы // Техника и оборудование для села. - 2022. - № 11.
