НОВЫЙ МЕТОД КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ВНУТРИПОЛЕВОЙ ИЗМЕНЧИВОСТИ ПО ОПТИЧЕСКИМ ХАРАКТЕРИСТИКАМ ПОСЕВОВ ДЛЯ ТОЧНОГО ЗЕМЛЕДЕЛИЯ

В. П. Якушев; А. Ф. Петрушин; Д. А. Матвеенко; С. Ю. Блохина; Е. В. Канаш; В. В. Якушев

doi:10.30850/vrsn/2020/2/4-10

В. П. Якушев, академик РАН Агрофизический научно-исследовательский институт
А. Ф. Петрушин, кандидат технических наук Агрофизический научно-исследовательский институт
Д. А. Матвеенко, кандидат сельскохозяйственных наук Агрофизический научно-исследовательский институт
С. Ю. Блохина, кандидат биологических наук Агрофизический научно-исследовательский институт
Е. В. Канаш, доктор биологических наук Агрофизический научно-исследовательский институт
В. В. Якушев, член-корреспондент РАН Агрофизический научно-исследовательский институт

DOI: https://doi.org/10.30850/vrsn/2020/2/4-10

Аннотация

Научно-технологический прорыв в сельском хозяйстве базируется на внедрении цифровых технологий «умного сельского хозяйства» и его ключевого сегмента — точного земледелия. Точное земледелие – мировой тренд адаптации агротехнологий производства растениеводческой продукции к внутриполевой изменчивости условий формирования урожая. Необходимо количественно оценивать степень неоднородности указанных условий и определять границы их изменчивости на заданном сельскохозяйственном поле. В работе на основе анализа существующих типовых подходов к оценке внутриполевой изменчивости обосновывается целесообразность поиска новых, более точных и недорогих методов решения данной задачи. В информационном обеспечении точного земледелия нет альтернативы технологиям дистанционного зондирования Земли. Предлагаемый новый метод обнаружения внутриполевой неоднородности основан на использовании оптических критериев (индексы отражения), характеризующих особенности спектральных показателей посева при воздействии различных стрессоров. В регулируемых условиях с помощью специального спектрометра был получен конкретный перечень индексов отражения и набор количественных показателей по каждому критерию для оценки физиологического состояния пшеницы при оптимальных условиях и дефиците азота и воды. Полученные результаты открывают новые возможности для автоматизации процесса интерпретации гиперспектральных космических снимков с целью идентификации и выявления границ негативного воздействия стрессоров, сдерживающих рост и развитие посевов. Рассмотрена соответствующая алгоритмическая схема реализации предложенного метода.

Литература

1. Буре, В.М. Методологические аспекты статистического анализа в точном земледелии/В.М. Буре // Доклады РАСХН.– 2007.– № 6.– С. 54–56.
2. Буре,  В.М., А.Ф. Петрушин, В.В. Якушев  Автоматизированная система стохастического выделения однородных технологических зон на сельскохозяйственном поле по данным урожайности: св-во о гос. регистрации программы для ЭВМ № 20008614663. Рег. 29.09.2008.
3. Блохина, С.Ю. Применение дистанционного зондирования в точном земледелии/С.Ю. Блохина // Вестник российской сельскохозяйственной науки.– 2018.– № 5.– C.10-16.
4. Канаш, Е.В. Оптические характеристики листьев яровой пшеницы при дефиците азота и воды/ Е.В. Канаш, В.П. Якушев, Д.В. Русаков, С.Ю. Блохина, А.В. Кравцова // Вестник российской сельскохозяйственной науки.– 2017.– № 4.– С. 9-12
5. Лекомцев, П.В. Научно-методическое обеспечение управления продукционным процессом яровой пшеницы в системе точного земледелия: автореф. дисс…. д-ра биол. наук. /П.В. Лекомцев.– СПб.– АФИ.– 2015.
6. Лупян, Е.А. Развитие подходов к построению информационных систем дистанционного мониторинга/ Е.А. Лупян, М.А. Бурцев, А.А. Прошин, Д.А. Кобец // Современные проблемы дистанционного зондирования Земли из космоса.– 2018.– Т. 15. № 3.– С. 53–66. DOI: 10.21046/2070-7401-2018-15-3-53-66
7. Матвеенко, Д.А. Дифференцированное внесение азотных удобрений на основе оценки оптических характеристик посевов яровой пшеницы: автореф. дисс…. канд. с.-х. наук//Д.А. Матвеенко.– СПб.– АФИ.– 2012.
8. Методика отбора почвенных проб по элементарным участкам поля в целях дифференцированного применения удобрений. М.: ВНИИА, 2007.– 36 с.
9. Сидорова, В.А. Почвенно-географическая интерпретация пространственной вариабельности химических и физических свойств поверхностных горизонтов почв степной зоны/ В.А. Сидорова, П.В. Красильников // Почвоведение.– 2007.– № 4.– С. 1-11.
10. Часовских, С.В. Специализированное программное обеспечение по реализации систем точного земледелия/ С.В. Часовских, Б.А. Телал, В.В. Якушев // Материалы научной сессии Агрофизического НИИ.– 2013.– С. 16–32.
11. Якушев, В.В. Информационно-технологические основы прецизионного производства растениеводческой продукции: автореф. дисс…. д-ра с.-х. наук. /В.В. Якушев.– СПб.– АФИ.– 2013.
12. Якушев, В.П. Дифференцированное применение средств химизации при выращивании яровой пшеницы/ В.П. Якушев, П.В. Лекомцев, В.В. Воропаев // Вестник Российской сельскохозяйственной науки.– 2017.– № 4.– С. 13-17.
13. Якушев, В.П. Перспективы «умного сельского хозяйства» в России/ В.П. Якушев, В.В. Якушев // Вестник РАН.– 2018.– № 9. Т. 88.– С. 773-784.
14. Якушев, В.П. О совершенствовании реализации агротехнологических решений в точном земледелии/ В.П. Якушев, В.В. Якушев, А.В. Конев и др. // Вестник российской сельскохозяйственной науки.– 2018.– № 1.– С. 13-17.
15. Якушев, В.П. Вариограммный анализ для обоснования технологий точного земледелия/ В.П. Якушев, Е.Е. Жуковский, В.В. Якушев // Вестник РАСХН.– 2009.– № 3.– С. 16-20.
16. Якушев, В.П. Опыт применения и перспективы развития технологий дистанционного зондирования Земли для сельского хозяйства/ В.П. Якушев, Н.Н. Дубенок, Е.А. Лупян // Современные проблемы дистанционного зондирования Земли из космоса.– 2019.– Т. 16. № 3.– С. 11-23. DOI: 10.21046/2070-7401-2019-16-3-11-23
17. Kanash E.V., Osipov Y.A. Optical signals of oxidative stress in crops physiological state diagnostics // Precision agriculture. Wageningen, Netherlands. 2009. рр. 81-89.
18. Yakushev V., Kanash E., Rusakov D., Blokhina S. Specific and non-specific changes in optical characteristics of spring wheat leaves under nitrogen and water deficiency // Advances in Animal Biosciences: Precision Agriculture (ECPA 2017). 2017. 8:2. pp. 229–232.