Прогнозирования урожайности озимой пшеницы для территории Украины по различным данным

Украина является одним из крупнейших производителей сельскохозяйственных культур в мире, поэтому своевременный и точный прогноз урожайности в Украине является ключевым элементом для поддержки принятия решений в политике продовольственной безопасности в мире.
Для прогнозирования урожайности применяются два наиболее распространенных подхода: с использованием эмпирических регрессионных моделей и биофизических моделей роста растительности. Хотя биофизические модели достаточно надежны и робастны, их применение требует соответствующей адаптации и калибровки для учета сельскохозяйственной специфики конкретного региона.
Авторами предлагаются линейные регрессионные модели [1-5] прогнозирования урожайности озимой пшеницы, связывающие отклонение урожайности от тренда со значением вегетационного индекса NDVI, полученными из продукта MOD13 и усредненными на уровне области для каждого 16-дневного композита по маске посевных территорий [2]. Кроме того, аналогичные исследования были проведены и использованием временных рядов FAPAR и VHI.
Как показали исследования, результаты прогнозирования с использованием различных источников информации являются согласованными, а при оценке на данных, не участвовавших в обучении, наименьший уровень ошибок дают временные ряды FAPAR - среднеквадратическая ошибка прогнозирования составляет примерно 5 ц/га. Разработанные прогнозные модели используются в геоинформационных системах мониторинга и оценки рисков [6-8].
Литература
1. Куссуль. Н.Н, Кравченко А.Н., Скакун С.В., Адаменко Т.И., Шелестов А.Ю., Колотий А.В., Грипич Ю.А. Регрессионные модели оценки урожайности сельскохозяйственных культур по данным MODIS // Сборник научных статей "Современные проблемы дистанционного зондирования Земли из космоса". — 2012. — Том 9, №1. — С. 95–107.
2. Kogan, F., Kussul, N., Adamenko, T., Skakun, S., Kravchenko O., Kryvobok O., Shelestov A., Kolotii A., Kussul O. & Lavrenyuk A. Winter wheat yield forecasting in Ukraine based on Earth observation, meteorological data and biophysical models // International Journal of Applied Earth Observation and Geoinformation — 2013. — vol. 23 — PP. 192-203.
3. НН Куссуль, БВ Соколов, ЯИ Зелык, ВА Зеленцов, СВ Скакун, АЮ Шелестов Оценка рисков стихийных бедствий на основе разнородной геопространственной информации// Проблемы управления и информатики, 2010. — N 5. — C. 97-110.
4. N. Kussul, A. Shelestov, S. Skakun, O. Kravchenko, B. Moloshnii Crop state and area estimation in Ukraine based on remote and in-situ observations 
// Int. J. on Information Models and Analyses, 2012, vol. 1, no. 3, pp. 251-259.
5. Куссуль Н.Н., Кравченко А.Н., Скакун С.В., Адаменко Т.И., Шелестов А.Ю., Колотий А.В., Грипич Ю.А. 
Регресійні моделі оцінки врожайності культур по даним MODIS //
Сборник научных статей "Современные проблемы дистанционного зондирования Земли из космоса". – 2012. – Том 9, №1. – С. 95-107.
6. Shelestov A.Yu., Kravchenko A.N., Skakun S.V., Voloshin S.V., Kussul N.N. Geospatial information system for agricultural monitoring// Cybernetics and Systems Analysis, 2013, Volume 49, Issue 1, pp 124-132.
7. Nataliia Kussul, Sergii Skakun, Oleksii Kravchenko Environmental Risk Assessment Using Geospatial Data and Intelligent Methods //International Journal "Information Technologies & Knowledge" Vol.5, Number 2, 2011, рр.129-140.
8. Kussul N., Shelestov A., Skakun S. Flood Monitoring on the Basis of SAR Data.// Use of Satellite and In-Situ Data to Improve Sustainability — F. Kogan, A. Powell, O. Fedorov (Eds.). - NATO Science for Peace and Security Series C: Environmental Security, Springer, 2011. — P.19-29.