Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

XXIV.F.211

Верификация результатов спутниковой оценки состояния сельскохозяйственных культур наземными обследованиями по качественным признакам (на примере Амурской и Пензенской областей)

Щербаков А.С. (1), Денисов П.В. (2,3), Дунаева Е.А. (4), Маргелов С.А. (5), Кирьяков Н.В. (5)
(1) ФГБОУ ВО Пензенский ГАУ, Пенза, Россия
(2) Институт космических исследований РАН, Москва, Россия
(3) ООО "ИКИЗ", Москва, Россия
(4) ФГБУН Научно-исследовательский институт сельского хозяйства Крыма, Симферополь, Россия
(5) Дальневосточный государственный аграрный университет, Благовещенск, Россия
В докладе представлены результаты верификации спутниковой оценки на примере Амурской и Пензенской областей. Методы спутникового мониторинга сельскохозяйственных культур позволяют получать оперативную оценку о состоянии посевов, но вместе с тем, требуют верификации данными наземных обследований.
Методика спутниковой оценки базируется на отношении условной ожидаемой урожайности к фактической урожайности прошлого года и средней урожайности за 5 лет и оценки фона агрометеорологических условий. Оценка выражается в значении коэффициента «рейтинга состояния» и качественной оценке (отлично, хорошо, удовлетворительно, неудовлетворительно). На основе результатов статистического анализа были определены пороговые значения рейтинга состояния: ≥ 1,10 - Отлично, 0,95…1,10 - Хорошо, 0,80…0,95 - Удовлетворительно, ≤ 0,80 - Неудовлетворительно.
Наземные обследования проводились специалистами муниципальных администраций совместно с агрономами хозяйств в ключевые фазы вегетации. В Амурской области объектом исследования выступили посевы сои, в Пензенской – озимой пшеницы. Комплексная глазомерная оценка выполнялась по признакам: фитосанитарное состояние, полевая всхожесть, выравненность посевов и соответствие фаз развития типичным срокам, на основании которого присваивалась качественная оценка в соответствии со шкалой спутниковой оценки. Обязательным условием являлась фотофиксация с геопривязкой, в типичном репрезентативном участке поля. В Пензенской области в 2024 году был реализован пилотный проект по отработке методики, и за 2025-2026 гг. обследованиями охвачено 17 муниципальных районов, 150 полей с которых получено и проанализировано более 2000 снимков и результатов оценки. В Амурской области, в 2026 году, было обследовано 203 поля и проанализировано свыше 1500 фотоматериалов и результатов оценки.
Сравнительный анализ методов показал сильную взаимосвязь между наземными и спутниковыми данными. Для озимой пшеницы в условиях Пензенской области коэффициент корреляции Пирсона в общей выборке составил 0,78. Для сои в Амурской области коэффициент корреляции на ранних этапах вегетации находился в пределах 0,74…0,85, а в общей выборке составил 0,76. По результатам исследований установлено, что модели спутниковой оценки состояния культур на основе индекса NDVI наиболее информативны в начале вегетации, однако сохраняют статистическую значимость при смыкании стеблестоев и могут быть использованы для получения оперативной оценки о состоянии сельскохозяйственных культур на уровне муниципалитетов.


Работа выполнена в рамках темы «Мониторинг» (госрегистрация № 126031818938-6) c использованием возможностей УНУ ВЕГА-Science (Лупян и др., 2021), входящей в Центр коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2019) при организационной поддержке Министерства сельского хозяйства Пензенской области и Министерства сельского хозяйства Амурской области.

Ключевые слова: дистанционное зондирование, мониторинг, NDVI, прогноз урожайности
Литература:
  1. Система "Вега-Science": особенности построения, основные возможности и опыт использования / Е. А. Лупян, А. А. Прошин, М. А. Бурцев [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2021. – Т. 18, № 6. – С. 9-31. – DOI 10.21046/2070-7401-2021-18-6-9-31. – EDN DZXTMC.
  2. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП "ИКИ-Мониторинг") / Е. А. Лупян, А. А. Прошин, М. А. Бурцев [и др.] // Современные проблемы дистанционного зондирования Земли из космоса. – 2019. – Т. 16, № 3. – С. 151-170. – DOI 10.21046/2070-7401-2019-16-3-151-170. – EDN OVWKZV.
  3. Vannoppen, A. Estimating Farm Wheat Yields from NDVI and Meteorological Data / A. Vannoppen, A. Gobin // Agronomy. – 2021. – Vol. 11, № 5. – P. 946. – DOI 10.3390/agronomy11050946.
  4. Stepanov, A. Predicting Soybean Yield at the Regional Scale Using Remote Sensing and Climatic Data / A. Stepanov, K. Dubrovin, A. Sorokin, T. Aseeva // Remote Sensing. – 2020. – Vol. 12, № 12. – P. 1936. – DOI 10.3390/rs12121936.
  5. Vannoppen, A. Estimating Yield from NDVI, Weather Data, and Soil Water Depletion for Sugar Beet and Potato in Northern Belgium / A. Vannoppen, A. Gobin // Water. – 2022. – Vol. 14, № 8. – P. 1188.
  6. Stepanov, A. Machine learning models for predicting spring wheat yield using vegetation indices / A. Stepanov [et al.] // Agronomy. – 2025.

Дистанционное зондирование растительных и почвенных покровов