CC BY
171
- посев агрегатами АУП-18.05, АУП-18.07 с одновременным внесением в рядки при посеве стартовых доз удобрений, применение подкормок;
- интегрированная защита растений с использованием препаратов нового поколения против сорняков, болезней и вредителей с учётом ЭПВ;
- посев адаптивными сортами (Безенчукская 380, Малахит, Светоч и др.);
- прямое комбайнирование с измельчением соломы, в качестве удобрений.
Новая технология возделывания яровых зерновых включает:
- размещение посевов на высокоокультуренных землях после озимых, пропашных культур и яровой пшеницы в зернопаровых и зернопаропропашных севооборотах короткой ротации;
- стартовые дозы азотных удобрений и сложных гранулированных удобрений при посевном и локально-ленточном внесении;
- интегрированную систему защиты растений от сорняков, болезней и вредителей с использованием нового поколения эффективных препаратов;
- посев специальными комбинированными агрегатами (АУП-18.05, и АУП-18.07 и др.);
- использование при посеве адаптивных к новым технологиям сортов (яровая мягкая пшеница Тулай-ковская 10; 100; 108; ячмень Беркут и Орлан и др.);
- уборка прямым комбинированием с использованием измельчённой соломы в качестве удобрений.
Литература
1. Жученко А.А. Проблемы ресурсосбережения в процессах интенсификации сельскохозяйственного производства // Проблемы адаптивной интенсификации земледелия в Среднем Поволжье: сб. науч. тр.: (посвящ. 135-летию со дня рождения Н.М. Тулайкова / ГНУ Самарский НИИСХ. Самара: СамНЦ РАН, 2012. С. 8 - 33.
2. Казаков, Г.И., Милюткин В.А. Экологизация и энергосбережение в земледелии Среднего Поволжья: монография. Самара: РИЦ СГСХА, 2010. 245 с.
3. Власенко А.Н., Власенко Н.Г., Коротких Н.А. Проблемы и перспективы разработки и освоения технологии No-till на чернозёмах лесостепи Западной Сибири // Достижения науки и техники АПК. 2013. № 9. С. 16 - 19.
4 Концепция формирования современных ресурсосберегающих комплексов возделывания зерновых культур в Среднем Поволжье / науч. ред., сост. В.А. Корчагин. 2-е изд., перераб. и доп. Самара, 2008. 88с.
5. Кроветто К. Прямой посев (No-till). Самара, 2010. 206 с.
6. Петрова Л.Н. Система обработки почвы в адаптивно-ландшафтном земледелии засушливых районов юга России // Региональное природопользование и сельскохозяйственное производство в южных регионах Российской Федерации: матер. науч.-практич. конф. М., 2003. С. 18 — 35.
7. Дубачинская Н.Н. Роль системы земледелия в экономическом росте АПК // Известия Оренбургского государственного аграрного университета. 2006. № 2. С. 86 — 87.
8. Ерофеев С.Е. Технология возделывания яровой пшеницы на чернозёме выщелоченном, адаптированная к условиям Ульяновской области // Пути решения проблем повышения адаптивности, продуктивности и качества зерновых и кормовых культур: матер. междунар. науч.-практич. конф., посвящ. 100-летию Самарского НИИСХ и 70-летию Поволжского НИИСС. Самара, 2003. С. 123 — 124.
9. Огарёв В.Ф. Поле и урожай. Саратов: Приволж. кн. изд-во; Пензен. отд-ние, 1990. 256 с.
10. Храмцов И.Ф. Ресурсосберегающие технологии зерновых культур на равнинных агроландшафтах Западной Сибири // Ресурсосберегающие технологии земледелия: сб. докл. Междунар. науч.-практич. конф. Курск, 2005. С.357 — 361.
11. Кривобочек В.Г. Новые сорта яровой пшеницы для инновационных технологий // Нива Поволжья. 2014. № 3. С. 20 — 26.
Вегетационный индекс NDVI в оценке зерновых культур опытных полей Пермского НИИСХ
Д.С. Фомин, к.с.-х.н., А.Н. Чащин, к.б.н., ФГБОУ ВО Пермский ГАТУ
Ежегодно в России на территории не только Черноземья, но и Предуралья ведущие сельскохозяйственные предприятия, агрохолдинги всё больше внедряют элементы точного земледелия в свой производственный процесс [1]. Значительную роль при этом имеют наблюдения за состоянием посевов в течение вегетационного периода по аэрофотоснимкам или космоснимкам. Получаемые в результате обработки таких снимков спектральные индексы достоверно отражают состояние посевов на полях хозяйства. Наиболее достоверным и распространённым спектральным индексом является NDVI (normalized difference vegetation index) - нормализованный разностный вегетационный индекс [2 - 4]. Исследования возможности оценки по вегетационному индексу (ВИ) NDVI состояния посевов, а также показателей, характеризующих растения, активно ведутся за рубежом, в центральных районах России [5, 11, 12]. На территории Пермского края исследования
информативности КБУ1 выполняются в основном при оценке лесных ресурсов [6], а работ по КБУ1 возделываемых сельскохозяйственных культур крайне мало [7, 8]. Использование спутниковых данных в растениеводстве является актуальным и инновационным направлением развития аграрной науки в Среднем Предуралье. Исследования возможностей спутниковых данных именно на примере опытных полей Пермского НИИСХ позволят выявить взаимосвязь КБУ1 не только с урожайностью, но и с рядом качественных показателей (содержание хлорофилла, белка в растениях и т.д.), а также условий проводимых опытов.
Цель настоящего исследования - оценить посевы зерновых на опытных полях Пермского НИИСХ ПФИЦ УрО РАН по вегетационному индексу КБУ1.
Материал и методы исследования. Исследовали поля на территории Пермского НИИСХ в 2016 году. Всего было изучено 24 поля. Произрастающими зерновыми культурами в 2016 г. являлись: ячмень (сорт Родник Прикамья), озимая рожь (сорт Фаленская 4), яровая пшеница (сорта Горноуральская, Баженка), овёс (сорт Стайер).
Создание индексных карт КБУ1 выполнено на основе мультиспектральных снимков серии ЬаМ8а1 8 с помощью калькулятора растров в программе Использовалась традиционная формула вычисления индекса КБУ! [4]:
NDVI =
NIR - RED
(1)
NIR+RED
где NIR - отражение в ближнем инфракрасном
канале снимка;
RED - отражение в красном канале снимка.
Для снимков серии Landsat 8 значения красного канала содержатся в четвёртой сцене, а ближнего инфракрасного - в пятой. С целью рационального использования цифровой памяти остальные сцены снимка удалялись после распаковки архива, полученного с earthexplorer.usgs.gov [9]. Всего было обработано четыре снимка, которые отображают вегетационный период 2016 г. по датам: 24 мая, 2 июня, 4 июля, 3 августа. Выбор дат съёмки обусловлен наименьшей облачностью. После визуализации в QGIS снимки были обрезаны по маске оцифрованных полей, изображённых на рисунке 1.
Для наглядности индексной карты NDVI полученное изображение классифицировано на 10 классов в цветах от красного до зелёного (цветовая схема RdYlGn). Статистическая обработка NDVI по исследуемым полям выполнена с помощью встроенного в ГИС-программу QGIS модуля «Зональная статистика». Расчёт коэффициентов корреляции урожайности и NDVI выполнен в Microsoft Office Excel.
Результаты исследования. Индексные карты КБУ1 полей Пермского НИИСХ наглядно отражают динамику изменения биомассы зерновых и их биологические особенности. Из четырёх полученных индексных изображений наибольшая степень вегетации отмечалась 4 июля 2016 г. Карта КБУ1 на эту дату приведена в качестве примера на рисунке 2. По рисунку видно, что наибольшей биомассой среди зерновых обладает ячмень, а наименьшей - озимая рожь. Следует отметить, что на отдельных полях КБУ1 оказался очень низким: яровая пшеница сорта Баженка полей 38, 39 - всего 0,14; озимая рожь сорта Фаленская 4 полей 63, 64, 65 - 0,23; ячмень поля 3 - 0,25.
В течение вегетационного периода 2016 г. динамика КБУ1 посевов, построенная по четырём мультиспектральным снимкам, чётко отражает прирост и изменение биомассы растений. Карты КБУ1 показаны на рисунке 3.
Визуальная оценка динамики ВИ позволяет отметить, что посевы яровой пшеницы сорта Баженка на поле 3 показали по первым двум наблюдениям наиболее высокие значения КБУ1. Ячмень и яровая пшеница имеют повышенную величину биомассы только в начале июля. Индекс КБУ1 на 3 августа наглядно иллюстрирует красными тонами убранные поля пшеницы (38, 39, 15 - 18, 7 - 9). На представленных индексных картах КБУ1 поля имеют пространственную неоднородность внутри границ. Это обуславливается условиями проведения опытов, неоднородностью почв, рельефом и другими факторами. Для количественной оценки неоднородности КБУ! по пикселям в границах
Рис. 1 - Объекты исследования
полей были рассчитаны показатели зональной статистики: среднее, медиана, стандартное отклонение, мин.-макс., большинство, коэффициент вариации. Зональная статистика КБУ1 яровой пшеницы существенно отличалась по полям (табл. 1). Самыми высокими средними значениями обладало поле 0, а самыми низкими - поля 13, 14.
Заметное варьирование КБУ1 на полях 0, 60, 66, 67 может быть обусловлено неоднородностью почвенных условий. Наличие высоких, нехарактерных для пшеницы значений 2 июня и 4 июля (0,54 и 0,53) на полях 66 и 67, вероятно, связано с присутствием сорняков. По всем полям пшеницы наблюдается снижение варьирования ВИ от начала
3 августа
Рис. 2 - Вегетационный индекс КБУГ, рассчитанный на 4 июля 2016 г.
Рис. 3 - Динамика КБУТ зерновых в 2016 г.
1. Статистика КБУТ зерновых культур некоторых полей Пермского НИИСХ
Номер поля, культура п Дата снимка Среднее Медиана Ст. откл. Мин. Макс. Большинство У_%
0, яровая 24 мая 0,15 0,12 0,06 0,11 0,36 0,11 41
пшеница, сорт Горноуральская 74 2 июня 4 июля 0,18 0,39 0,14 0,39 0,08 0,04 0,12 0,33 0,44 0,51 0,12 0,33 45 11
3 августа 0,24 0,23 0,04 0,19 0,38 0,19 16
7, ячмень 24 мая 0,13 0,13 0,01 0,12 0,15 0,12 5
44 2 июня 4 июля 0,13 0,30 0,13 0,31 0,01 0,03 0,12 0,25 0,16 0,36 0,12 0,25 7 9
3 августа 0,22 0,22 0,01 0,21 0,27 0,21 6
63, 64, 65, ози- 24 мая 0,15 0,15 0,01 0,13 0,19 0,13 10
мая рожь, сорт Фаленская 76 2 июня 4 июля 0,16 0,23 0,16 0,23 0,02 0,04 0,13 0,16 0,20 0,31 0,13 0,16 11 19
3 августа 0,21 0,21 0,02 0,17 0,25 0,17 9
2, овёс, сорт 24 мая 0,12 0,12 0,01 0,10 0,17 0,10 9
Стаер 111 2 июня 4 июля 0,13 0,39 0,13 0,39 0,02 0,04 0,10 0,32 0,18 0,50 0,10 0,32 13 10
3 августа 0,30 0,28 0,05 0,22 0,40 0,22 16
и до конца наблюдений. Поэтому к моменту созревания биомасса посевов распределилась наиболее равномерно. Наименьшим варьированием КБУ1 характеризовались поля 38 и 39. По сравнению с пшеницей посевы ячменя были более однородны. Наибольшее варьирование наблюдалось на поле 3, а поле 7 оказалось самым однородным. Озимая рожь в среднем имела более высокий КБУ1 на полях 63, 64, 65, однако варьирование было больше на поле 59, где выборка в 2 раза меньше. Наибольшие значения ВИ овса во время вегетации отмечались на поле 2.
Динамика среднего КБУ1 зерновых была рассмотрена по полям, имеющим наиболее представительную выборку пикселей: овёс Стаер - поле 2; ячмень Родник Прикамья - поля 40 - 50, 50, 51; яровая пшеница Баженка - поле 60. По полученным данным средние значения вегетационного индекса КБУ1 имели резкий рост со 2 июня по 4 июля (рис. 4).
24 мая 2 нhi ня 4 мюля 3 августа
Рис. 4 - Динамика средних значений КБУ1 зерновых в 2016 г.
График сезонных изменений КБУ1 указывает на прирост биомассы с 24 мая по 4 июля, когда вегетационный индекс достигает максимальных значений. 3 августа происходит резкое снижение ВИ, что обусловлено наступлением фазы колошения, при которой содержание хлорофилла сокращается и приводит к уменьшению КБУ1. На примере пшеницы такая же зависимость выявлена в Ставропольском крае по данным И.Г. Сторчак [10].
Влияние урожайности на вегетационный индекс имеет важное значение при прогнозировании на основе спутниковых данных. Поскольку учёт урожайности проводился по полям, коэффициенты корреляции были рассчитаны по среднему, медиане и большинству значений пикселей этих полей (табл. 2).
2. Коэффициенты корреляции урожайности и NDVI (n = 19)
Дата NDVI среднее NDVI медиана NDVI большинство
24 мая -0,3 -0,2 -0,3
2 июня -0,3 -0,1 -0,2
4 июля 0,3 0,3 0,4
3 августа 0,8 0,8 0,7
На начальных фазах формирования урожая (24 мая и 2 июня) корреляционная связь урожайности зерновых и NDVI не наблюдались. В июле, когда вегетационные индексы были максимальны, проявилась средняя связь с урожайностью, особенно с большинством типичных пикселей. Сильная связь урожайности и NDVI установлена 3 августа. Наибольшие коэффициенты корреляции - 0,8 выявлены по среднему и медиане.
Выводы. В границах полей с посевами зерновых NDVI показывает сезонную динамику роста зелёной биомассы по мере развития растений и её снижение при созревании зерна. Пространственное варьирование вегетационного индекса может свидетельствовать о неоднородности отдельных опытных полей. Прогнозирование урожайности зерновых по NDVI на основе снимка landsat 8 (уровень обработки 1) возможно с середины вегетационного периода. При этом сильная зависимость среднего NDVI от урожайности происходит на фоне снижения величины вегетационного индекса.
Литература
1. Абросимов А.В., Дворкин Б.А. Перспективы применения данных ДЗЗ из космоса для повышения эффективности сельского хозяйства в России // Геоматика. 2009. № 4. С. 46 - 49.
2. Дубинин М. Вегетационные индексы: Географические информационные системы и дистанционное зондирование // Интернет-журнал. 2006. URL: http://gis-lab.info/qa/vi.html (Дата обращения: 14.10.2017).
3. Черепанов А.С. Вегетационные индексы // Гоматика. 2011. № 2. С. 98 - 102.
4. NDVI: теория и практика. 2002 [Электронный ресурс]. GIS-Lab, 2011. URL: http://gis-lab.info/qa/ndvi.html (Дата обращения: 14.10.2017).
5. Сторчак И.Г. Прогноз урожайности озимой пшеницы с использованием вегетационного индекса NDVI для условий Ставропольского края: дисс. ... канд. с.-х. наук. Ставрополь,
2016. 160 с.
6. Шихов А.Н., Перминов Е.С., Перминов С.И. Закономерности пространственного распределения лесных пожаров и ветровалов в бореальных лесах Урала: анализ по многолетним спутниковым данным // Современные проблемы дистанционного зондирования Земли из Космоса. Дистанционное зондирование растительных и почвенных покровов: сб. тезисов докладов XV Всерос. откр. конф. М.: ИКИ РАН,
2017. 407 с.
7. Пьянков С. В. Мониторинг состояния сельскохозяйственных культур в Пермском крае по данным дистанционного зондирования земли / С.В. Пьянков Н.А. Калинин, Е.М. Свиязов [и др.] // Вестник Пермского университета. Серия Биология. 2009. Вып. 10 (36). С. 147-153.
8. Свиязов Е.М. Геоинформационная система космического мониторинга сельскохозяйственных угодий Пермского края / Е.М. Свиязов, С.В. Пьянков, И.Б. Некрасов [и др.] // Геоинформационное обеспечение пространственного развития Пермского края: сб. науч. тр. Пермь, 2008. С. 52 - 56.
9. Дубинин М. Получение бесплатных космических снимков Landsat TM, ETM+ через Glovis. [Электронный ресурс] / GIS-Lab, 2011. URL: http://gis-lab.info/qa/landsat-glovis.html (Дата обращения: 14.10.2017).
10. Сторчак И.Г., Ерошенко Ф.В. Использование NDVI для оценки продуктивности озимой пшеницы в Ставропольском крае // Земледелие. 2014. № 7. С. 12 - 15.
11. Deforestation and Loss of Biodiversity Surrounds the Ethiopian Church Forests [Элек-тронныйресурс] / Tree foundation, 2013. URL: http://treefoundation.org/projects/church-forests-of-ethiopia/regional-view-of-deforestation/ (Дата обращения: 14.10.2017).
12. Wall L. Larocque D., Leger P.M. The early explanatory power of NDVI in crop yield modeling //International Journal of Remote Sensing, 2007. 29. P. 2211 - 2225.
