У роботі представлений новий підхід до проблеми оцінювання параметрів хімічного стану грунтів на основі даних дистанційного зондування Землі (ДЗЗ) та наземних вимірювань. Ця проблема позитивно не вирішено до теперішнього часу, незважаючи на високу потребу в такій інформації в системах точного землеробства (ТЗ) і в сучасних системах моніторингу стану сільськогосподарських угідь, використовуваних агрохімічними службами і органами управління АПК. Метою цієї роботи є створення науково-методичних основ і програмно-технічних засобів оцінювання параметрів хімічного стану грунту, під яким мається на увазі утримання основних елементів живлення в грунті і її Вологозапаси. Для досягнення цієї мети було запропоновано новий підхід до оцінювання, заснований на комплексуванні інформації від наземних вимірювань і даних ДЗЗ. Важливою особливістю пропонованого підходу є те, що в якості об'єкта дослідження тут розглядається система «посів-грунт», на вхід якої впливають кліматичні чинники. Для такого об'єкта був створений новий комплекс моделювання, що включає в себе багатовимірні динамічні моделі параметрів стану посіву та грунтового середовища, які доповнюються моделями оптичних вимірювань ДЗЗ. Комплекс таких моделей є основною базою для побудови алгоритму оцінювання хімічних параметрів стану ґрунту. Такий алгоритм є послідовністю етапів, в якій спочатку оцінюються параметри масового і хімічного стану посіву, і їх основі оцінюються параметри хімічного стану грунту. При цьому в якості алгоритму оцінювання параметрів масового і хімічного стану посіву використовується лінеаризоване фільтр Калмана. В такому фільтрі реалізується комплексування інформації від наземних вимірювань і даних (ДЗЗ). У зв'язку з недоступністю для систем ДЗЗ хімічного стану грунту, запропонована процедура оцінювання замикається через параметри відображення хімічного стану посіву, для чого в алгоритм введений критерій середньоквадратичного відхилення оцінок цих параметрів від реальних даних ДЗЗ. Загальна збіжність алгоритму за цим критерієм забезпечується адаптацією всіх математичних моделей до реальних даних, що формуються за рахунок періодичного відбору проб біомаси посіву та грунту з тестових майданчиків, що виділяються на основному полі, число яких становить 12-15, а площа кожної 25-50 м2. Наявність інформації про параметри хімічного стану грунту протягом усього вегетаційного періоду дозволить приймати управлінські рішення по харчуванню та полив посівів сільськогосподарських культур.

Анотація наукової статті з енергетики та раціонального природокористування, автор наукової роботи - Михайленко І.М., Тимошин В.Н.


MATHEMATICAL MODELING AND ASSESSMENT OF CHEMICAL STATE OF SOIL MEDIUM BASED ON DATA OF EARTH REMOTE SENSING

The paper presents a new approach to the problem of assessing the parameters of the chemical state of soils based on remote sensing data (Earth remote sensing) And ground measurements. This problem remains unsolved, despite high demand for such information in precision agriculture systems (PAS) and modern monitoring systems of the state of agricultural lands used by agrochemical services and agribusiness management bodies. The purpose of this work is the creation of scientific and methodological foundations, software and hardware tools for assessing the parameters of the chemical state of the soil implying the content of basic nutrients in the soil and its moisture reserves. A new approach to assessment was proposed to achieve this goal; it is based on the integration of information from ground-based measurements and remote sensing data. An important feature of the proposed approach runs as follows: a "seed-soil" system is considered as an object of study influenced by the climatic factors. A new simulation complex was created for such an object including multidimensional dynamic models of the parameters of the state of sowing and the soil environment supplemented by models of optical measurements of remote sensing. The complex of such models is the main base for constructing an algorithm of the chemical parameters of the soil state assessment. Such an algorithm is a sequence of stages where the parameters of the mass and chemical state of the sowing are first assessed; the parameters of the chemical state of the soil are later assessed on their basis. In this case, a linearized Kalman filter is used as an algorithm for assessing parameters of the mass and chemical state of the crop. Information is aggregated from terrestrial measurements and data (PAS) in this filter. Due to the inaccessibility of the chemical state of the soil for PA systems, the proposed assessment procedure is closed through the parameters of the reflection of the chemical state of the crop. The criterion for the standard deviation of estimates of these parameters from real PAS data was introduced into the algorithm. General convergence of the algorithm according to this criterion is provided by the adaptation of all mathematical models to real data, formed due to a periodic sampling of the biomass of sowing and soil from the test sites allocated on the main field, the number of which is 12-15, and the area of ​​each comprises 25-50 m2. The availability of information on the parameters of the soil chemical state throughout the growing season will allow making management decisions on the nutrition and irrigation of crops.


Область наук:
  • Енергетика і раціональне природокористування
  • Рік видавництва: 2018
    Журнал: Міжнародний науково-дослідний журнал
    Наукова стаття на тему 'МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ І ОЦІНЮВАННЯ ХІМІЧНОГО СТАНУ грунтового середовища ЗА ДАНИМИ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ ЗЕМЛІ'

    Текст наукової роботи на тему «МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ І ОЦІНЮВАННЯ ХІМІЧНОГО СТАНУ грунтового середовища ЗА ДАНИМИ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ ЗЕМЛІ»

    ?DOI: https://doi.org/10.23670/IRJ.2018.75.9.029

    МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ І ОЦІНЮВАННЯ ХІМІЧНОГО СТАНУ грунтового середовища ЗА ДАНИМИ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ ЗЕМЛІ

    Наукова стаття

    Михайленко І. М.1, *, Тимошин В. Н.2

    1 ORCID: 0000-0002-5181-086;

    2 ORCID: 0000-0002-3038- 958x, агрофізичні науково-дослідний інститут, Санкт-Петербург, Росія

    * Корреспондирующий автор (ilya.mihailenko [at] yandex.ru)

    Анотація

    У роботі представлений новий підхід до проблеми оцінювання параметрів хімічного стану грунтів на основі даних дистанційного зондування Землі (ДЗЗ) та наземних вимірювань. Ця проблема позитивно не вирішено до теперішнього часу, незважаючи на високу потребу в такій інформації в системах точного землеробства (ТЗ) і в сучасних системах моніторингу стану сільськогосподарських угідь, використовуваних агрохімічними службами і органами управління АПК. Метою цієї роботи є створення науково-методичних основ і програмно-технічних засобів оцінювання параметрів хімічного стану грунту, під яким мається на увазі утримання основних елементів живлення в грунті і її Вологозапаси. Для досягнення цієї мети було запропоновано новий підхід до оцінювання, заснований на комплексуванні інформації від наземних вимірювань і даних ДЗЗ. Важливою особливістю пропонованого підходу є те, що в якості об'єкта дослідження тут розглядається система «посів-грунт», на вхід якої впливають кліматичні чинники. Для такого об'єкта був створений новий комплекс моделювання, що включає в себе багатовимірні динамічні моделі параметрів стану посіву та грунтового середовища, які доповнюються моделями оптичних вимірювань ДЗЗ. Комплекс таких моделей є основною базою для побудови алгоритму оцінювання хімічних параметрів стану ґрунту. Такий алгоритм є послідовністю етапів, в якій спочатку оцінюються параметри масового і хімічного стану посіву, і їх основі оцінюються параметри хімічного стану грунту. При цьому в якості алгоритму оцінювання параметрів масового і хімічного стану посіву використовується лінеаризоване фільтр Калмана. В такому фільтрі реалізується комплексування інформації від наземних вимірювань і даних (ДЗЗ). У зв'язку з недоступністю для систем ДЗЗ хімічного стану грунту, запропонована процедура оцінювання замикається через параметри відображення хімічного стану посіву, для чого в алгоритм введений критерій середньоквадратичного відхилення оцінок цих параметрів від реальних даних ДЗЗ. Загальна збіжність алгоритму за цим критерієм забезпечується адаптацією всіх математичних моделей до реальних даних, що формуються за рахунок періодичного відбору проб біомаси посіву та грунту з тестових майданчиків, що виділяються на основному полі, число яких становить 12-15, а площа кожної 25-50 м2. Наявність інформації про параметри хімічного стану грунту протягом усього вегетаційного періоду дозволить приймати управлінські рішення по харчуванню та полив посівів сільськогосподарських культур.

    Ключові слова: точне землеробство, управління агротехнологіями, дистанційне зондування Землі, математичні моделі, алгоритми оцінювання параметрів.

    MATHEMATICAL MODELING AND ASSESSMENT OF CHEMICAL STATE OF SOIL MEDIUM BASED ON

    DATA OF EARTH REMOTE SENSING *

    Research article

    Mikhailenko I. M.1, *, Timoshin V. N.2

    1 ORCID: 0000-0002-5181-086;

    2 ORCID: 0000-0002-3038- 958x, Agrophysical Research Institute, Saint-Petersburg, Russia

    * Correspondent-author (ilya.mihailenko [at] yandex.ru)

    Abstract

    The paper presents a new approach to the problem of assessing the parameters of the chemical state of soils based on remote sensing data (Earth remote sensing) and ground measurements. This problem remains unsolved, despite high demand for such information in precision agriculture systems (PAS) and modern monitoring systems of the state of agricultural lands used by agrochemical services and agribusiness management bodies. The purpose of this work is the creation of scientific and methodological foundations, software and hardware tools for assessing the parameters of the chemical state of the soil implying the content of basic nutrients in the soil and its moisture reserves. A new approach to assessment was proposed to achieve this goal; it is based on the integration of information from ground-based measurements and remote sensing data. An important feature of the proposed approach runs as follows: a "seed-soil" system is considered as an object of study influenced by the climatic factors. A new simulation complex was created for such an object including multidimensional dynamic models of the parameters of the state of sowing and the soil environment supplemented by models of optical measurements of remote sensing. The complex of such models is the main base for constructing an algorithm of the chemical parameters of the soil state assessment. Such an algorithm is a sequence of stages where the parameters of the mass and chemical state of the sowing are first assessed; the parameters of the chemical state of the soil are later assessed on their basis. In this case, a linearized Kalman filter is used as an algorithm for assessing parameters of the mass and chemical state of the crop. Information is aggregated from terrestrial measurements and data (PAS) in this filter. Due to the inaccessibility of the chemical state of the soil for PA systems, the

    proposed assessment procedure is closed through the parameters of the reflection of the chemical state of the crop. The criterion for the standard deviation of estimates of these parameters from real PAS data was introduced into the algorithm. General convergence of the algorithm according to this criterion is provided by the adaptation of all mathematical models to real data, formed due to a periodic sampling of the biomass of sowing and soil from the test sites allocated on the main field, the number of which is 12-15, and the area of ​​each comprises 25-50 m2 The availability of information on the parameters of the soil chemical state throughout the growing season will allow making management decisions on the nutrition and irrigation of crops.

    Keywords: precision agriculture, agrotechnology management, earth remote sensing, mathematical models, algorithms for assessment parameters.

    Вступ

    В останні роки в АПК Росії явно проявляється тенденція зростання обсягів виробництва основних сільськогосподарських культур, підвищення їх врожайності і рентабельності. Для подальшого підвищення ефективності вітчизняного сільського господарства необхідна реалізація можливостей сучасної цифрової економіки, а саме, впровадження нових інформаційних технологій і освоєння інноваційних рішень. У той же час в даний час використання високих технологій російськими аграріями є скоріше винятком, ніж правилом. Посівні площі в країні займають близько 80 мільйонів гектарів, проте сучасні інформаційні технології (ІТ) застосовується не більше ніж на 5-10% цих площ. Активне впровадження HT в сільське господарство може забезпечити прорив у зростанні продуктивності, інвестиційної привабливості галузі, поліпшення якості продукції при істотному зниженні витрат. Традиційно сільське господарство було однією з найконсервативніших і інерційних галузей економіки в країні. В даний час стало ясно, що використання цифрових технологій є вже не стільки питанням підвищення конкурентоспроможності, скільки умовою виживання на ринку. Сьогодні в АПК Росії інформації по одним аспектам господарювання більш ніж достатньо, а за іншими - вкрай мало. Великі питання викликає надійність і репрезентативність цієї інформації. Так при надлишку інформації про врожайність культур, яка при цьому не володіє достатньою достовірністю, відчувається гострий дефіцит інформації за хімічним складом грунтів. Без наявності такої інформації неможливе ефективне управління в рослинництві, де на її основі потрібно наукове обгрунтування норм внесення мінеральних добрив.

    Сучасні інформаційні технології є компонентами «розумного сільського господарства», до складу яких входять і кошти дистанційного збору даних з полів, які базуються на авіаційних та супутникових літальних апаратах [1], [2], [3]. Переваги авіаційних безпілотних літальних апаратів (БПЛА) для проведення аерофотозйомки полягають в незалежності її від хмарності, в меншому вплив атмосфери і свободу вибору місця і часу зйомки. Однак для великих господарств з десятками тисяч гектарів земель БПЛА вже не будуть настільки ефективні, і для цього випадку оптимальним рішенням буде супутникова зйомка. В даний час космічні засоби дистанційного зондування Землі (ДЗЗ) дозволяють вирішити ряд таких важливих задач, як інвентаризація земель і визначення площ посівів, формування паспортів полів, відстеження просівів і частки втрат врожаю, оцінювання стану грунту перед сівбою озимих, розрахувати діапазон активної вологи в орному шарі грунту [4], [5], [6, [7].

    Серед компонентів «розумного сільського господарства» центральне місце займають технології точного землеробства (ТЗ), що включає в себе комплекс сучасних інформаційних технологій і роботизованих технологічних машин [8], [9], [10], [11]. За своєю суттю такий комплекс спрямований рішення задач управління агротехнологіями. При цьому основними технологічними операціями, за допомогою яких формується урожай культур, є внесення мінеральних добрив. У той же час оптимізація доз внесення добрив є однією з центральних і позитивно вирішених до теперішнього часу проблем.

    У той же час використання коштів ДЗЗ для оцінювання стану грунтів є досить розвиненою інформаційною напрямком.

    До перших спроб таких робіт показав, що за допомогою серії космічних знімків різних років і термінів зйомки полів, зайнятих однорідними культурами, переважаючими в регіоні, можна оцінювати структурні особливості ґрунтів, виявляти масиви ґрунтів з різним вмістом гумусу, засоленості. Велике місце в тому напрямку займають засоби і методи виявлення ступеня еродованості грунтів [19], [20], [21]. За аналізом численних робіт в цій області модно зробити висновок про те, що ДЗЗ може грати обмежену роль в ідентифікації, інвентаризації та картографування поверхневих грунтів, не покритих густою рослинністю. Воно може надати інформацію про хімічний склад породи і мінералів, які знаходяться на поверхні Землі, і не повністю покриті густою рослинністю. На підставі даних ДЗЗ грунтознавці визначають таксономию грунтів, яка може бути використана службою охорони природних ресурсів.

    Проблема оцінювання параметрів хімічного стану грунтів, а саме, змісту основних елементів живлення N - азоту, K - калію, P - фосфору обумовлена ​​тим, що сучасним засобам ДЗЗ доступна тільки поверхню грунту, в той час як ці елементи розподілені по всьому об'єму верхнього шару грунту . Разом з тим інформація про хімічний стан грунту дуже актуальна для управління сівозмінами і прийняття рішень при внесенні мінеральних добрив і меліорантів. Вибіркові обстеження полів з відбором проб в окремих точках, що проводяться в кінці періоду вегетації, дуже трудомісткі і дороги, а найголовніше не володіють достатньою точністю, необхідної для вирішення завдань управління і прийняття рішень [11].

    Метою дослідження в даній роботі є створення нової теорії оцінювання параметрів хімічного стану ґрунтового середовища на основі даних ДЗЗ та програмно-технічних засобів її реалізації.

    Об'єкт дослідження

    Об'єктом дослідження в даній роботі є система «грунт посів» сільськогосподарської культури, в якості якої найчастіше використовувалися багаторічні трави. Саме розгляд такої системи є

    основною передумовою для вирішення поставленого завдання і саме по собі є новим у використанні даних ДЗЗ в аграрному секторі науки і практики. Дослідження проводилися на дослідних полях Меньківській філії Агрофізичні інституту і господарств «Струмки» і «Приневской» Всеволожського району Ленінградської області. Крім того, для ідентифікації динамічних моделей параметрів стану посівів і грунтового середовища використовувалися дані дослідної системи моніторингу стану посівів кормових культур Ленінградської області, яка охоплювала понад 50-ти господарств і експлуатувалася протягом 10 років (2004-2014 рр.). Для дослідження моделей оптичних вимірювань (ДЗЗ) стану біомаси та хімічних параметрів посівів кормових культур протягом п'яти років (2013-2017 рр.) Проводилися дослідження з використанням вітчизняних гіперспектрометров «Ліптон», які базуються на літаках (Ан-30 і Ан-2) і переносного гіперспектрометра PSR + «Srectrora diameter» (США). Всі отримані експериментальні дані були об'єднані в єдину БД, оновлювану щорічно за новими експериментальними даними.

    З огляду на те, що в досліджуваному об'єкті засобів ДЗЗ є тільки стан біомаси посіву, то для вирішення проблеми оцінювання параметрів хімічного стану грунту можна використовувати двоетапну процедуру, коли на першому етапі за даними ДЗЗ спочатку оцінюють параметри стану біомаси посіву безпосередньо перед збиранням врожаю, а на другому етапі на основі моделі зв'язку з урожаєм оцінюють параметри самого хімічного стану грунту [23], [24], [25]. При всій видимій простоті такого підходу, слід мати на увазі, що оцінка основних елементів живлення в силу покриття грунту посівами можлива тільки після збирання врожаю і звільнення поверхні від рослинності, то ми може оцінити не самі параметри хімічного стану грунту, як фактори, що впливають на урожай , а тільки їх залишкові значення. Це пов'язано з тим, самі елементи живлення виносяться з урожаєм і опадами протягом усього вегетаційного періоду. Відсутність інформації про ці втрати вносить істотну невизначеність, як в моделі залежності врожаю від параметрів хімічного стану. Це змушує нас переходити від кінцевих (термінальних) оцінок до поточних (моніторинговим) оцінками, який формується на всьому інтервалі вегетації культури. Такий перехід можливий тільки при розширенні числа оптичних каналів ДЗЗ і математичних моделей, на основі яких можливе формування моніторингових оцінок. Так розробки нових мультиспектральних засобів ДЗЗ дозволяє отримувати оперативну інформацію про зміст основних елементів живлення в самих рослинах, які розглядаються нами, як параметри хімічного стану посівів, безпосередньо пов'язані з аналогічними ґрунтовими параметрами [9]. Це призводить до необхідності введення нової динамічної моделі параметрів хімічного стану посівів і моделі оптичних вимірювань цих параметрів. У свою чергу такі моделі актуальні тільки при наявності динамічної моделі шуканих параметрів хімічного стану грунту.

    Таким чином, побудова моніторингових оцінок параметрів хімічного стану грунту можливо тільки при моделюванні всіх компонентів системи «грунт - посів». Ця система включає в себе наступні математичні моделі, в яких параметри стану відносяться до середніх значень по полю або розглянутого ділянці. Такі оцінки дозволяють приймати рішення про дозах внесення добрив в середньому по підлозі або ділянці, що служить базою для планування закупівель і зберігання мінеральних добрив у господарствах. Оцінювання просторового розподілу параметрів хімічного стану являє собою самостійну проблему, яка тут не розглядається.

    Модель оптичних вимірювань стану біомаси посівів [3, 5]

    -2 '- "2 -I-п х3 -I-п г3

    (1)

    Z1 m Р \ 0, т Р \\, ТХ \ т Р \ 2, тХ2т Р \ ред, ТХ \ т Рм, тХ2т Р \ ред, ТХ \ т Р \ 6, тХ2т '

    2 2 3 3

    Z2m P20, m Р2 \, ТХ \ т ^ Р22, тХ2т Р2', ТХ \ т Р24, тХ2т Р25, ТХ \ т ^ Р26, тХ2т '

    або в векторно-матричної символьній формі

    Z = P W (X). (2)

    m m \ m '4'

    де: Z ^ = [zlm z2m] - вектор середніх по площі поля інтегрованих параметрів відображення в червоному діапазоні (625-740 нм) (zi) і в інфрачервоному діапазоні (740-1250 нм) - z2;

    Р, = Рт Рп Pl2 Рі Ри Pls Pl6 - матриця параметрів моделі,

    Ро2 Рг \ Р22 Р 23 Рота Рг' РДБ \ т

    W (Xm) = Xlm х2т Xm х2т Xm Х2т] - вектор-функція, де аргументами є параметри стану

    посіву: xlm - середня за площею поля щільність біомаси посіву (урожай), кг м-2; x2m - середня за площею поля

    -2

    щільність сирої маси посіву, кг м .

    Модель оптичних вимірювань хімічного стану біомаси посівів

    2 2 + 2 3 3 3

    Z1h = P10 + PliX1h + Pl2X2h + Pl3X3h + Pl4X1h + Pl5X2h + Pl6X3h + P17X1h + P18X2h + P19X3h '

    2 2 + 2 3 3 3

    Z2h = P20 + P21X1h + P22X2h + P23X3h + P24X1h + P25X2h + P26X3h + P27X1h + P28X2h + P29X3h '()

    2 2 + 2 3 3 3

    Z3h = P30 + P31X1h + P32X2h + P33X3h + P34X1h + P35X2h + P36X3h + P37X1h + P38X2h + P39X3h |

    або в символьній векторно-матричної формі

    Z = P W (Xh)

    (4)

    де:

    P =

    матриця

    параметрів

    моделі,

    WT (Xh) = 'i X /, x2 /? x3 /? Xih x2h x2h xlh x2h xlh "- вектор-функція параметрів хімічного стану

    PlO Pli Pl2 P-3 Pl4 Pl5 Pl6 Pl7 Pl8 P-9

    P20 P21 P22 P23 P24 P25 P26 P27 P28 P29 _P30 P3i P32 P33 P34 P35 P36 P37 P38 P39 _ 4) _ Xh X2h X3h Xh X2h x3h x1h x2h x3h

    посіву; z1h, z2h, z3h - середні по площі поля інтегровані параметри відображення в синьому (440-485 нм), зеленому (500-565 нм) і червоному (625-740 нм) діапазонах видимого каналу спектра щодо параметрів хімічного стану біомаси рослин: x1h, x2h, x3h - відповідно, вміст азоту, калію і фосфору. Модель динаміки масових показників посіву (на прикладі багаторічних трав) [5], [26], [27].

    4 (0 "Mt)

    Х \ т ~ ай ай 'x (t) m +

    m _ _а2 \ а22_ m _ x (t) 2m.

    b11 bi.

    Vp (t) V4 (t).

    fi (t) f. (t) I3 (t).

    (5)

    * Е (Т, Т + 1),

    У блоці параметрів структури біомаси станами є: х1т - середня за площею поля щільність біомаси посіву (урожай), кг м-2; х2т - середня за площею поля щільність сирої маси посіву, кг м-2; зовнішніми збуреннями в обох блоках є Л - середньодобова температура повітря, ° С; / 2 - середньодобовий прихід радіації, Вт (м2-год.) - 1; / 3 - середньодобова сума опадів, мм; параметри хімічного стану грунту в кореневмісному шарі 0,2 м:% - вміст азоту в ґрунті, г кг-1; vK - вміст калію в грунті, г кг-1; Vp-зміст фосфору в ґрунті,; г кг-1; у4 - Вологозапаси в грунті, мм; t - час, на добу.

    Модель (5) в канонічній символьної векторно-матричної формі має такий вигляд

    Х (І = АЯ1ХЯ1 (0 + ВЯ1У (0 + СЯ1Р (0. (6)

    Модель динаміки параметрів хімічного стану і водозапаса грунту [24, 25]

    ^ = + Вд + ^ (0 + С11 / 3 (0 - ВДЛ (0>

    ^ К = «22 (0 + ад +? К (0 + С23 / (0" »» 21 * 1 «(0 - П22Х2Н (0, (7)

    1>р = а33ур (0 + азЛ + йГр (0 + С33 / 3 (0 - ВДИ (0 - і3Ай (0,

    1>4 = ЗД (0 +? V, + С Л (0 + С42 / 2 (0 + / (0 - »» А (0 - ^ 42 * 2, «(0,

    де: ^ (?), ^), ^),) - середні по площі поля дози внесення елементів живлення, відповідно,

    фосфору Р, калію До і азоту N кг га-1 і норма поливу мм; А11-А33, Ь2-ь3, з1-с3 - параметри моделі, які оцінюються за експериментальними даними; t - час, на добу.

    Канонічна векторно-матрична розгорнута форма моделі (7)

    'К "« 11 o o А14 "~ VN" 1 o o o "~ dN (t)

    0 a22 o a24 VK + o 1 o o dK (t)

    0 o АЗЗ a25 VP o o 1 o dP (t)

    _V 0 o o a44 _ hp _ V4 _ o o o 1 m _dw (t)

    (8)

    o o o o

    o o

    ЗЗ

    C, 1

    fi (t) f. (t) ГЗЗ).

    ph

    m

    m

    m

    o o o

    xim (t)

    1m

    x

    2m

    (T)

    ph

    "11

    o o o

    "22

    o o

    o o

    ПЗЗ

    o

    'X1h (t) x2h (t) xh (t) _

    -41 42

    компактна символьна форма моделі

    V = AhpV (t) + BhpD (t) + Chp Fit) -Mhp X "(0 -N, Xh (t). Модель динаміки параметрів хімічного стану біомаси посіву

    X \ h ~ au o o xih bi ~ mii o o " 'Vn (t)"' C1 "

    X2h = 0 a22 o x2h + o dNv (t) + o m22 o VK (t) + C2

    X3h _ 0 o ^ З _ hx _ X3h _ o o o Шзз _ hx V VP (t) _ СЗ _

    f. (t ь

    або компактної символьній формі

    (9)

    (1G)

    (11)

    х "= Afa Xh (0 + Bfa dNv (про + MfaV (0 + cfa m,

    Наведена система моделей дозволяє реалізувати алгоритм оцінювання параметрів стану всієї системи «грунт - посів» по ​​піднаглядним параметрам відображення від засобів ДЗЗ. При цьому розмірність вектора вимірюваних (спостережуваних) величин 5, складає і вона менше розмірності повного вектора параметрів стану всієї системи, рівного 9. Однак сучасні технології оцінювання дозволяють формувати оцінки безпосередньо не вимірюваних параметрів стану багатовимірних систем [28], [29].

    +

    Методика рішення задачі

    Для реалізації запропонованого методу і алгоритму оцінювання параметрів хімічного стану грунту протягом ряду років проводилися попередні дослідження, метою яких була ідентифікація параметрів всіх використовуваних математичних моделей. При цьому, для ідентифікації динамічних моделей параметрів стану посіву та грунту узагальнювались дані дослідної системи моніторингу Ленінградської області (2004-2014 рр.). У господарствах вибірково відбиралися зразки біомаси посіву з кожного типу ботанічного складу трав і доставлялися в аналітичну лабораторію Агрофізичні інституту, де здійснювалася їх централізована обробка. В системі моніторингу використовувалися дані російського космічного ЛА «Ресурс» і «Ресурс-П». На дослідних полях Меньківській філії Агрофізичні інституту і господарств «Струмки» і «Приневской» проводився одночасний відбір зразків біомаси посіву, грунтів і дані ДЗЗ з авіаційних і приземних гіперспектральних засобів зондування. Важливою особливістю методики було використання тестових майданчиків, площею 25-50 м2 кожна, з аналогічним посівом. Число майданчиків становило 12-15 шт. і під них відводилося частина основного поля. Майданчики відрізнялися один від одного різними дозами мінеральних добрив і нормами поливів. Така відмінність забезпечувало різний стан біомаси і грунтового середовища, що дозволяло реалізувати алгоритми ідентифікації математичних моделей. Для аналізу проб біомаси і грунтів використовувалася сертифікована аналітична лабораторія Агрофізичні інституту, обладнана сучасними засобами спектрометричного аналізу неорганічних і органічних хімічних речовин.

    На підставі попередньо ідентифікованих математичних моделей була реалізована принципово нова методика оцінювання параметрів хімічного стану грунтів, що представляє собою наступну итерационную процедуру. У ній на підставі математичних моделей і поточних даних ДЗЗ спочатку оцінюються параметри біомаси посіву і параметри хімічного стану біомаси посіву, а за отриманими оцінками потім будуються оцінки параметрів хімічного стану грунту. Сформовані таким чином оцінки параметрів хімічного стану грунту повторно підставляються в алгоритми оцінювання параметрів біомаси і параметрів хімічного стану біомаси. Така процедура повторюється до досягнення збіжності, показником якої може служити близькість векторів реальних параметрів відображення і їх оцінок для хімічного стану біомаси посіву. З урахуванням цих зауважень алгоритм оцінювання параметрів хімічного стану грунту включає в себе наступні кроки.

    Оцінювання параметрів стану посіву та грунтового середовища

    Крок 1. Вводяться початкові умови оцінювання:

    - вектор параметрів стану біомаси посіву Xm (0);

    - вектор параметрів хімічного стану посіву Xh (0);

    - вектор параметрів хімічного стану грунту V (0).

    Крок 2. Вводяться поточні дані дистанційного зондування в момент часу t:

    - вектор спостережуваних параметрів відображення для стану біомаси посіву Zm (t), відповідно до моделі (2);

    - вектор спостережуваних параметрів відображення хімічного стану посіву Zh (t) відповідно до моделі (4).

    Крок 3. Оцінюються параметри біомаси посіву в момент часу t за такою процедурою, яка представляє собою лінеаризоване фільтр Калмана [28, 29]:

    i = Am xjt) + В ,,, V (0 + С ,,, F (0 + RjnP ,,, ^ 'K-.Z ^ n - P ", W (Xm (0)

    m

    Rm = Rm (t) A: + AmRm (t) -Rm (t) P ", <12)

    m m

    Xm (0) = Xm (0), R (0) = Km, де: Rm - матриця ковариаций помилок оцінювання.

    Крок 4. Оцінюються параметри хімічного стану біомаси посіву в момент часу t за процедурою, аналогічною (12):

    = Х "(/) + В / кdNv (t) + MfaV (0 + cfa f2 (t) + R" Р "- Х" (/)),

    про хА

    RA = RA (t) AL + AA (t) -RA (t) P4 (13)

    XA (0) = XA (0), RA (0) = Kfa,

    де: R ;, - матриця ковариаций помилок оцінювання.

    Крок 5. На основі оцінок Xm (t) і Xh (t) формуються оцінки параметрів хімічного стану і водозапаса грунту:

    V = AhpV (t) + BVD (0 + Chp F (t) - Mhp Xm (0 -N, X, (0 ^ ^

    V (t) = V (0).

    Крок 6. Вьіісляется критерій якості оцінювання

    J (t) = (Z "(0 - р" w (Xh)) \ zh (t) -Ph W (XJ) (15)

    Якщо J (t) <S, то Остання, інакше перейти до кроку 3.

    У зв'язку з тим, що параметри хімічного стану грунту не вимірюються, то алгоритм їх оцінювання (14) не має зворотного зв'язку за оцінками, т. Е. Він не замкнутий. Тому для управління загальним алгоритмом оцінювання замикання здійснюється по вимірюється параметрами хімічного стану посіву. Можливий і інший варіант

    30

    схеми загального алгоритму, яку можна назвати класичною [28]. Вона має на увазі об'єднання всіх розглянутих моделей в єдину модель системи «грунт - посів», що містить блок оптичних вимірювань (ДЗЗ) та блок динаміки параметрів стану. У цьому випадку відразу за один прийом формується вектор оцінок всієї системи, включаючи параметри хімічного стану грунту. Однак такий варіант алгоритму важко реалізуємо в зв'язку з роздільним ідентифікацією моделей окремих блоків системи і побудовою загальної матриці ковариаций помилок оптичних вимірювань параметрів стану цих елементів.

    Аналіз результатів дослідження

    Етап 1. Періодично, з інтервалом в 7-10 днів здійснювався відбір проб з тестових майданчиків, площа кожної дорівнює 25-30 м2 і число яких становило 12 шт. Під такі майданчики виділялася частина основного поля, на одному з його країв для зручності відбору проб, зазначена площа кожної з них достатня для відбору 20 проб, а їх число задовольняє вимогам методів ідентифікації математичних моделей (покроковий багатовимірний метод найменших квадратів - для моделей (2) , (4), і управління параметрами динамічної системи - для моделей (6), (9), (11).

    За рахунок відбору таких проб вводяться такі середні по площі параметри стану системи:

    - параметри стану біомаси посіву: х1т щільність біомаси посіву (урожай), кг м-2; х2т щільність сухої маси посіву;

    - параметри хімічного стану біомаси посіву: х1уь х2 ^, х3 ^ - відповідно, азоту, калію і фосфору, г кг-1;

    - параметри хімічного стану грунту: ^ - вміст азоту в ґрунті, г кг4; vK - вміст калію в грунті, г кг-1; vP - вміст фосфору в ґрунті, г кг4; v4 - Вологозапаси в грунті, мм.

    Доступними засобами ДЗЗ над всій поверхні поля, включаючи тестові майданчики, через кожні три дні отримували такі дані ДЗЗ:

    - параметри відображення стану біомаси посіву: в червоному діапазоні та в інфрачервоному діапазоні відповідно до моделі (2);

    - параметри відображення параметрів хімічного стану біомаси посіву: в синьому, зеленому і червоному діапазонах: г1к, Г2к, г3к - відповідно до моделі (4).

    Від найближчого метеопункта щодоби отримували дані про зовнішніх кліматичних збурень:

    -Л1 - середньодобова температура повітря, ° С; Л2 - середньодобовий прихід радіації, Вт м2-год.); / 3 -среднесуточная сума опадів, мм;

    Фіксували параметри керуючих впливів по всій площі поля і по кожній тестовій площі: ^ (I),

    ^), (^) ^ (?) - дози внесення елементів живлення, відповідно, фосфору Р, калію К, азоту N кг га4; дози

    позакореневих підживлень азотом - кг га4; yo4 - норми поливів, мм.

    Етап 2. На підставі оперативної інформації, отриманої шляхом відбору проб і вимірювань зовнішніх збурень і управлінь здійснювали уточнення параметрів моделей (2), (4), (6), (9), (11). При цьому інтервал часу ідентифікації був змінним від третього виміру до поточного моменту часу х = 3,4,...?

    Етап 3. За резvультатам ідентифікації математичних моделей (2), [6] і поточними даними ДЗЗ 2т (() і зовнішніх кліматичних збурень Е (() за допомогою алгоритму (12) формували оцінки вектора параметрів стану біомаси посіву для кожного поточного моменту часу t.

    Етап 4. За результатами ідентифікації математичних моделей (4), [11] і поточними даними ДЗЗ і зовнішніх кліматичних збурень Е (() за допомогою алгоритму (13) формували оцінки вектора хімічних параметрів стану біомаси посіву для кожного поточного моменту часу t.

    Етап 5. За результатами ідентифікації математичної моделі (9) і оцінок, отриманих на етапах 3, 4 за допомогою алгоритму (14) формували оцінки вектора параметрів хімічного стану грунту для кожного поточного моменту часу t. При цьому на першому етапі оцінювання початкове значення вектора оцінок приймався рівним середньому значенню, виміряному на тестових майданчиках.

    На рис. 1, 2 представлені результати ідентифікації математичних моделей ДЗЗ для масових і хімічних параметрів посіву багаторічних трав за експериментальними даними 2016 2017 рр. Тут по вертикальній осі відображені параметри відображення, а по горизонтальній осі проставлені номери експериментальних точок, з різним поєднанням масових показників і хімічних параметрів біомаси посіву. Це дозволяє представити результати ідентифікації багатовимірної моделі на одному графіку. З наведених графіків 12-добового інтервалу спостереження видно, що ці моделі володіють властивостями регулярності і достатньою точністю. Це дозволяє їх використовувати в задачах оцінювання параметрів стану за даними ДЗЗ в червоному і інфрачервоному діапазоні спектру.

    №№ вимірювань

    | ^ Вим. KR розр. IKR вим. IKR розр.

    Мал. 1 - Результати ідентифікації математичних моделей ДЗЗ для масових показників посіву багаторічних трав

    №№ вимірювань

    | Сін. вим. Сін. розр. ^ Зел. вим. Зел. розр. | Краен. вим. Краен. розр.

    Мал. 2 - Результати ідентифікації математичних моделей ДЗЗ для хімічних параметрів біомаси посіву

    багаторічних трав

    На рис. 3 представлені результати ідентифікації моделі (6) і оцінювання масових показників посіву багаторічних трав за поточними даними ДЗЗ і параметр. Очевидно, що і процес ідентифікації моделі (розрахункові величини), і процедура оцінювання стійкі. При цьому середньоквадратична помилка оцінювання менше розрахункових значень на 20-25%. При цьому слід зауважити, що оцінки показників біомаси будуються тільки за поточними даними ДЗЗ, а експериментальні точки на графіку виділені для розрахунку реальних помилок оцінювання.

    сут.

    | Біомаса вим. | Сира маса вим. біомаса розр.

    Сира маса розр. -Біомасса оцінка - Сира маса оцінка

    Мал. 3 - Результати ідентифікації моделі і оцінювання масових показників посіву багаторічних трав

    На рис. 4, 5, 6 представлені результати ідентифікації моделі (11) і оцінювання хімічних параметрів стану біомаси посіву багаторічних трав. Тут проявляються такі ж тенденції, як і для масових показників біомаси, а саме, помилки оцінювання не перевищують помилок ідентифікації моделі, хоча вони

    сут.

    | Азот вим. Азот розр. азот Оцінка

    Мал. 4 - Результати ідентифікації моделі і оцінювання вмісту азоту в біомасі посіву багаторічних трав

    сут.

    | Калій вим. Калій розр. _ Калій Оцінка

    Мал. 5 -Результати ідентифікації моделі і оцінювання змісту калію в біомасі посіву багаторічних трав

    сут.

    | _Фосфор вим. Фосфор розр. - Фосфор Оцінка

    Мал. 6 - Результати ідентифікації моделі і оцінювання вмісту фосфору в біомасі посіву багаторічних трав

    На рис. 7 представлений основний результат функціонування всього алгоритму - процес побудови оцінок хімічних параметрів грунту і її водозапаса. Ці оцінки формувалися на основі оцінок масових показників і хімічно параметрів ґрунту, поточних метеофакторами і вироблених технологічних операціях. Тут експериментальні точки параметрів нанесені для розрахунку фактичних помилок оцінювання, які укладаються в діапазон 10-15%. При цьому для досягнення мінімуму помилок оцінювання за критерієм (15) в алгоритмі здійснюється не більше трьох загальних ітерацій. Це вказує на стійкість і збіжність всієї процедури оцінювання.

    Таким чином, апробація всіх кроків алгоритму на підставі даних про параметри стану реального об'єкта дослідження показала працездатність всіх його етапів. Отримано точність оцінок, достатня для подальшого прийняття рішення про дозах внесення мінеральних добрив. Використання методу періодичного відбору проб з тестових майданчиків скорочує витрати праці і дозволяє здійснити адаптацію математичних моделей до реальних умов і тим самим спростити експлуатацію реальних систем моніторингу стану посівів сільськогосподарських культур. Запропонований підхід до оцінювання параметрів стану системи «посів - грунт» є новим і не зустрічається в сучасній вітчизняній та міжнародній науковій літературі.

    -N | Nizm -К | Kizm -PA Pizm -W, мм • Wizm, мм

    Мал. 7 - Результати оцінювання хімічних параметрів грунту за даними ДЗЗ

    висновки

    Розроблено загальну методику і програмно-технічні засоби оцінювання хімічних параметрів грунту на основі комплексування даних дистанційного зондування Землі (ДЗЗ) та наземних вимірювань. Вона базується на моделирующем комплексі, що включає в себе математичні моделі оптичних вимірювань засобами ДЗЗ, математичну модель динаміки масових показників посіву, математичну модель динаміки хімічних параметрів біомаси посіву та математичну модель динаміки хімічних параметрів і водозапаса грунту. Основним ядром запропонованої методики є загальний алгоритм оцінювання на основі наземних вимірювань і даних ДЗЗ, який передбачає послідовне оцінювання масових показників і хімічних параметрів посіву, і на їх основі формування оцінок хімічних параметрів і водозапаса грунту. Програмно-технічні засоби оцінювання включають в себе систему наземних вимірників метеопараметров і всіх оцінюваних параметрів стану, розміщених на 12-15 спеціально виділених на поле тестових майданчиках по 25-30 м2 кожна, а також на засобах ДЗЗ, що базуються на безпілотний літальний апарат. Інформація, яка формується комплексом оцінювання, може бути використана для прийняття управлінських рішень по дозам внесення мінеральних добрив і норм поливів в системах точного землеробства. Програмний продукт, який реалізує запропоновану методику оцінювання параметрів хімічного стану грунтів, в силу своєї новизни буде затребуваний на вітчизняному та зарубіжному ринках продуктів цього призначення.

    фінансування Funding

    Стаття підготовлена ​​за результатами роботи The article is based on the results of the work carried out

    виконаної за часткової підтримки фонду with the partial support of the RFFI Fund for Project No.

    РФФД за проектом № 18-016-00008. 18-016-00008.

    Конфлікт інтересів Conflict of Interest

    Не вказано. None declared.

    Список літератури / References

    1. Антонов В. Н. Моніторинг стану посівів і прогнозування врожайності ярої пшениці за даними ДЗЗ / В. Н. Антонов, Л. А. Солодких // Геоматика. - 2009. - № 4. - С. 50-53.

    2. Кочубей С. М. Спектральні властивості рослин як основа методів дистанційної діагностики / С. М. Кочубей, Т. М. Шадчина, Н. І.Кобец - Київ: Наукова думка, 1990. - 134 с.

    3. Михайленко І. М. Основні завдання оцінювання стану посівів і грунтового середовища за даними космічного зондування / І. М. Михайленко // Екологічні системи та прилади. - 2011. - № 8. - С. 17-25.

    4. Барталь С. А. Класифікація деяких типів сільськогосподарських посівів в південних регіонах Росії за супутниковими даними MODIS / С. А. Барталь, Е. А. лупя, І. А. Нейштадт И. А. і ін. // Дослідження Землі з космосу. - 2006. - № 3. - С. 68-75.

    5. Михайленко І. М. Система моніторингу стану багаторічних трав в Ленінградській області / І. М. Михайленко, А. Е. Курашвілі // Сільськогосподарські вести. - 2004. - № 3 (58). - С. 24-27.

    6. Hill M. O. Prediction of yield in the Rothamsted Park Grass Experiment by Ellenberg indicator values ​​/ M. O. Hill, P. D. Carey // Journal of Vegetation Science. - 1997. - Vol. 8. - P. 579-586.

    7. Harmoney K. R. Determination of pasture biomass using four indirect methods / K. R. Harmoney, K. J. Moore, I. R. George // Agronomy Journal. - 1997. - Vol. 89. - P. 665-672.

    8. Oliver M. An overview of precision agriculture. In Precision Agriculture for Sustainability and Environmental Protection / M. Oliver, T. Bishop, B. Marchant, Eds. // Routledge: London, UK. 2013. - P. 3-19.

    9. Mulla D. J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps / D. J. Mulla // Biosyst. Eng. - 2012. - 114. - P. 358-371.

    10. Михайленко І. М. Управління системами точного землеробства / І. М. Михайленко. - СПб: СПбГУ, 2005. - 233 с.

    11. Точне сільське господарство (Precision Agriculture) / під ред. Д. Шпаара, А. В. Захаренко, В. П. Якушева. СПб .: ВІЗР, 2009. - 397 с.

    12. Савельєв А. А. Оцінка грунтової родючості за даними дистанційного зондування Землі / А. А. Савельєв, Б. Р. Григорян, Б. В. Добринін і ін. // Вчені записки Казанського університету. - 2012. - Т. 154, кн. 3. - С. 159-172.

    13. Коменданова Т. М. Застосування методів дистанційного зондування для моніторингу грунтово -рослинне покриву Кабанского району Республіки Бурятії / Т. М. Коменданова, Е. Г. Імескенова, Ю. В. Абгалдавев і ін. // Вісник Бурятською сільськогосподарської академії ім. В. Р. Філіппова. - 2015. - № 3 (40). - С. 63-68.

    14. Козодёров В. В. Методи оцінки стану грунтово-рослинного покриву за даними оптичних систем дистанційного аерокосмічного зондування / В. В. Козодёров. - М .: МФТІ, 2008. - 222 с.

    15. Сергєєва О. С. Моніторинг ґрунтового покриву західного Сибіру за даними дистанційного зондування / О. С. Сергєєва, В. М. Красницький, Л. В. Березін // Омський ГАУ, ФДМ ЦАС «Омський», Родючість. - 2010. - № 1. -

    C. 1-8.

    16. Качків Ю. П. Дистанційне зондування ґрунтового покриву Білорусі / Ю. П. Качків, А. А. Лепешев, О. Ю. Панасюк та ін. // Ґрунтознавство і агрохімія. - 2008. - № 1.- С. 33-40.

    17. Mehrez Z. Remote Sensing of Soil / Z. Mehrez, N., Baghdadi I., Sandholt et al. Copyright Hindawi Publishing Corporation, Appliedand Environmental Soil Science, 2011. - 87.

    18. Middleton M. Hyperspectral close-range and remote sensing of soils and related plant associations Spectroscopic applications in the boreal environment / Maarit Middleton. Academic Dissertation. Geological survey of Finland. - 2014. -84 p.

    19. Zeng Z. Y. Dynamic Monitoring of Plant Cover and Soil Erosion Using Remote Sensing, Mathematical Modeling, Computer Simulation and GIS Techniques / Z. Y. Zeng, J. Z. Cao, Z. J. Gu, et. al // American Journal of Plant Sciences. -2013. - Vol. 4. - No. 7. - P. 1466-1493.

    20. Fan J. R. Monitoring of Soil Erosion and Assessment for Contribution of Sediments to Rivers in a Typical Watershed of the Upper Yangtze River Basin / J. R. Fan, J. H. Zhang, X. H. Zhong et. al. // Land Degrad. & Develop. - 2004. - Vol. 15 / -No. 4. - P. 411-421.

    21. Gaffer R. L. Geographical Information System Erosion Assessment at a Military Training Site / R. L. Gaffer,

    D. C. Flanagan, M. L. Denight et. al. // Journal of Soil and Water Conservation. - 2008. - Vol. 63. - No. 1. - P. 1-10.

    22. Wang Z. G. Erosion Control and Damland System Agriculture in Weijiayu Watershed. In: J. M. Laflen, J. L. Tian and C. H. Huang, Eds., Soil Erosion and Dryland Farming / Z. G. Wang,, Z. H. Hu, Z. Y. Wei et. al. //. CRC Press, Boca Raton, London, New York, Washington DC - 2000. - P. 81-91.

    23. Михайленко І. М. Стратегічний рівень управління в системах точного землеробства / І. М. Михайленко // агрофізики. - 2014. - № 3. - С. 25-34.

    24. Михайленко І. М. Оптимізація управління хімічними параметрами ґрунтів в польових сівозмінах / І. М. Михайленко, В. Н. Тимошин // Агрохімія. - 2016. - № 3. - C. 3-10.

    25. Михайленко І. М. Управління хімічним станом грунтів на основі даних дистанційного зондування Землі / І. М. Михайленко, В. Н. Тимошин // Таврійський вісник аграрної науки. - 2018. - № 1 (13). - С. 65-76.

    26. Михайленко І. М. Прогнозування стану травостою в системі управління якістю кормів в молочному тваринництві / І. М. Михайленко, Курашвілі А. Е. // Вісник РСХА. - 2008. - № 2. - С. 10-13.

    27. Михайленко І. М. Управління якістю кормів з багаторічних трав / І. М. Михайленко, А. Е. Курашвілі // Інформаційні технології, інформаційні вимірювальні системи і прилади в дослідженні сільськогосподарських процесів: Матеріали міжнародної конференції «АГРОІНФО-2003», г . Новосибірськ, 22-23 листопада 2003 г. / Новосибірськ, 2003. - С. 106-115.

    28. Казаков І. Е. Методи оптимізації стохастичних систем / І. Є. Казаков - М .: Наука, 1987 /

    29. Mikhailenko I. M. Assessment of crop and soil state using satellite remote sensing data / I. M. Mikhailenko // International Journal of Information Technology & Operations Management. - 2013. - Vol. 1. - No. 5. - P. 41-52.

    Список літератури англійською мовою / References in English

    1.. Antonov V. N. Monitoring sostoianiya posevov i prognozirovanie urozhainosti yarovoi pshenitsy po dannym DZZ [Monitoring State of Crops and Forecasting Yield of Spring Wheat according to ERS Data] / V.N. Antonov, L.A. Sladkikh // Geomatika [Geomatics]. - 2009. - No.4. - P. 50-53. [In Russian]

    2. Kochubei S. M., Spektralnye svoistva rastenii kak osnova metodov distantsionnoi diagnostiki [Spectral Properties of Plants as Basis for Remote Diagnostic Methods] / S.M. Kochubei, T.M. Shadchina, N.I. Kobets - Kyiv: Naukova Dumka, 1990. - 134 p. [In Russian]

    3. Mikhailenko I. M. Osnovnye zadachi otsenivaniya sostoianiya posevov i pochvennoi sredy po dannym kosmicheskogo zondirovaniya [Main Tasks of Assessing State of Crops and Soil Medium from Space Probing Data] / I.M. Mikhailenko // Ekologicheskiye sistemy I ustroistva [Ecological Systems and Devices]. - 2011. - No.8. - P. 17-25. [In Russian]

    4. Bartalev S. A. Klassifikatsiya nekotorykh tipov selskokhoziaistvennykh posevov v yuzhnykh regionakh Rossii po sputnikovym dannym MODIS [Classification of Some Types of Agricultural Crops in Southern Regions of Russia according to MODIS Satellite Data] / S.A. Bartalev, E.A. Lupian, I.A. Neishtadt I.A., et al.// Issledovaniye Zemli iz kosmosa [Earth Exploration from Space]. - 2006. - No. 3. - P. 68-75. [In Russian]

    5. Mikhailenko I. M. Sistema monitoringa sostoyaniya mnogoletnikh trav v Leningradskoi oblasti [System for Monitoring the State of Perennial Grasses in the Leningrad Region] / I.M. Mikhailenko, A.E. Kurashvili // Selskokhoziyskiye novosti [Agricultural News]. - 2004. - No. 3 (58). - P. 24-27. [In Russian]

    6. Hill M. O. Prediction of yield in the Rothamsted Park Grass Experiment by Ellenberg indicator values ​​/ M. O. Hill, P. D. Carey // Journal of Vegetation Science. - 1997. - Vol. 8. - P. 579-586.

    7. Harmoney K. R. Determination of pasture biomass using four indirect methods / K. R. Harmoney, K. J. Moore, I. R. George // Agronomy Journal. - 1997. - Vol. 89. - P. 665-672.

    8. Oliver M. An overview of precision agriculture. In Precision Agriculture for Sustainability and Environmental Protection / M. Oliver, T. Bishop, B. Marchant, Eds. // Routledge: London, UK. 2013. - P. 3-19.

    9. Mulla D. J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps / D. J. Mulla // Biosyst. Eng. - 2012. - 114. - P. 358-371.

    10. Mihailenko I. M. Upravlenie sistemami tochnogo zemledeliya [Management of Precision Africulture Systems] / I.M. Mikhailenko. - St. Petersburg: St. Petersburg State University, 2005. - 233 p. [In Russian]

    11. Tochnoe selskoe hoziaistvo [Precision Agriculture] / ed. by D. Shpaar, A. V. Zakharenko, V. P. Yakushev. - St. Petersburg: VIZR, 2009. - 397 p. [In Russian]

    12. Saveliev A. A. Otsenka pochvennogo plodorodiya po dannym distantsionnogo zondirovaniya Zemli [Assessment of Soil Fertility from the Earth Remote Sensing Data] / A.A. Saveliev, B.R. Grigoryan, B.V. Dobrynin, et al. // Uchenyye zapiski Kazanskogo universiteta [Scientific Notes of Kazan University]. - 2012. - V. 154, book. 3. - P. 159-172. [In Russian]

    13. Komendanova T. M. Primenenie metodov distantsionnogo zondirovaniya dlia monitoringa pochvenno-rastitelnogo pokrova Kabanskogo rayona Respubliki Buriatii [Application of Remote Sensing Methods for Soil and Vegetation Monitoring of Kabansky District of the Republic of Buryatia] / T.M. Komendanova, E. G. Imeskenova, Yu. V. Abgaladavev, et al. // Vestnik Buryatskoy sel'skokhozyaystvennoy akademii im. V. R. Filippova [Bulletin of the Buryat Agricultural Academy named after V.R. Filippov]. - 2015. - No.3 (40). - P. 63-68. [In Russian]

    14. 14. Kozodiorov V. V. Metody otsenki sostoianiya pochvenno-rastitelnogo pokrova po dannym opticheskikh sistem distantsionnogo aerokosmicheskogo zondirovaniya [Methods for Assessing State of Soil and Vegetation Cover from Optical Systems of Remote Aerospace Sensing] / V. V. Kozodiorov. - M .: Moscow Institute of Physics and Technology, 2008. - 222 p. [In Russian]

    15. Sergeeva O. S. Monitoring pochvennogo pokrova zapadnoi Sibiri po dannym distantsionnogo zondirovaniya [Monitoring of Soil Coverage in Western Siberia from Remote Sensing Data] / O.S. Sergeeva, V.M. Krasnitsky, L.V. Berezin // Omsk State University, FSE Center for Agrochemical Service, Fertility. - 2010. - No.1. - P. 1-8. [In Russian]

    16. Kachkov Yu. P. Distantsionnoe zondirovanie pochvennogo pokrova Belarusi [Remote Sensing of the Soil Cover of Belarus] / Yu. P. Kachkov, A.A. Lepeshev, O. Yu. Panasyuk et al. // Pochvovedeniye i agrokhimiya [Agrology and Agrochemistry]. - 2008. - No.1.- P. 33-40. [In Russian]

    17. Mehrez Z. Remote Sensing of Soil / Z. Mehrez, N., Baghdadi I., Sandholt et al. // Copyright Hindawi Publishing Corporation, Applied and Environmental Soil Science, 2011. - 87.

    18. Middleton M. Hyperspectral close-range and remote sensing of soils and related plant associations Spectroscopic applications in the boreal environment / Maarit Middleton. Academic Dissertation. Geological survey of Finland. - 2014. - 84 p.

    19. Zeng Z. Y. Dynamic Monitoring of Plant Cover and Soil Erosion Using Remote Sensing, Mathematical Modeling, Computer Simulation and GIS Techniques / Z. Y. Zeng, J. Z. Cao, Z. J. Gu et. al // American Journal of Plant Sciences. -2013. - Vol. 4. - No.7. - P. 1466-1493.

    20. Fan J. R. Monitoring of Soil Erosion and Assessment for Contribution of Sediments to Rivers in a Typical Watershed of the Upper Yangtze River Basin / J. R. Fan, J. H. Zhang, X. H. Zhong et. al. // Land Degrad. & Develop. - 2004. - Vol. 15 / -No. 4. - P. 411-421.

    21. Gaffer R. L. Geographical Information System Erosion Assessment at a Military Training Site / R. L. Gaffer, D. C. Flanagan, M. L. Denight et. al. // Journal of Soil and Water Conservation. - 2008. - Vol. 63. - No.1. - P. 1-10.

    22. Wang Z. G. Erosion Control and Damland System Agriculture in Weijiayu Watershed. In: J. M. Laflen, J. L. Tian and C. H. Huang, Eds., Soil Erosion and Dryland Farming / Z. G. Wang,, Z. H. Hu, Z. Y. Wei et. al. // CRC Press, Boca Raton, London, New York, Washington DC - 2000. - P. 81-91.

    23. Mikhailenko I. M. Strategicheskii uroven upravleniya v sistemakh tochnogo zemledeliya [Strategic Level of Management in Precision Agriculture Systems] / I.M. Mikhailenko // Agrofizika [Agrophysics]. - 2014. - No.3. - P. 25-34. [In Russian]

    24. Mikhailenko I. M. Optimizatsiya upravleniya khimicheskimi parametrami pochv v polevykh sevooborotakh [Optimization of Management of Chemical Parameters of Soils in Field Crop Rotations] / I.M. Mikhailenko, V.N. Timoshin // Agrokhimiya [Agrochemistry]. - 2016. - No.3. - P. 3-10. [In Russian]

    25. Mikhailenko I. M. Upravlenie khimicheskim sostoianiem pochv na osnove dannykh distantsionnogo zondirovaniya Zemli [Management of Chemical State of Soils Based on the Earth Remote Sensing Data] / I.M. Mikhailenko, V.N. Timoshin // Tavricheskiy vestnik agrarnoy nauki [Taurian Herald of Agrarian Science]. - 2018. - No.1 (13). - P. 65-76. [In Russian]

    26. Mikhailenko I. M. Prognozirovanie sostoianiya travostoya v sisteme upravleniya kachestvom kormov v molochnom zhivotnovodstve [Forecasting the State of Grass Stand in the Feed Quality Management System in Dairy Cattle Breeding] / I.M. Mikhailenko, Kurashvili A.E. // Vestnik RSKHA [Bulletin of the RACA]. - 2008. - No. 2. - P. 10-13. [In Russian]

    27. Mikhailenko I. M. Upravlenie kachestvom kormov iz mnogoletnikh trav [Management of Quality of Feed from Perennial Grasses] / I.M. Mikhailenko, AEKurashvili // Informatsionnyye tekhnologii, informatsionnyye izmeritel'nyye sistemy i pribory v issledovanii sel'skokhozyaystvennykh protsessov: Materialy mezhdunarodnoy konferentsii «AGROINFO-2003» [Information Technologies, Information Measuring Systems and Devices in the Study of Agricultural Processes: Proceedings of the International Conference "AGROINFO-2003"] Novosibirsk, November 22-23, 2003 / Novosibirsk, 2003. -P. 106-115. [In Russian]

    28. Kazakov I. E. Metody optimizatsii stokhasticheskikh sistem [Methods of Stochastic Systems Optimization] / I.E. Kazakov - M .: Nauka, 1987 [in Russian]

    29. Mikhailenko I. M. Assessment of crop and soil state using satellite remote sensing data / I. M. Mikhailenko // International Journal of Information Technology & Operations Management. - 2013. - Vol. 1. - No.5. - P. 41-52.

    DOI: https://doi.org/10.23670/IRJ.2018.75.9.030

    ВИВЧЕННЯ МОЖЛИВОСТІ СТВОРЕННЯ БІЛЬШ ПРОДУКТИВНИХ Саджанці ГОРІХА ГРЕЦКОГО ДЛЯ ПРОМИСЛОВИХ НАСАДЖЕНЬ ПІВДНЯ РОСІЇ

    Наукова стаття

    Потанін Д.В.1, Судак А.С.2, *

    1 ORCID: 0000-0003-3724-8758;

    2 ORCID: 0000-0003-3592-3430,

    1 2 Кримський федеральний університет ім. В.І. Вернадського, Сімферополь, Росія

    * Корреспондирующий автор (sudak_sasha [at] bk.ru)

    Анотація

    У статті наведено теоретичні обґрунтування введення в культуру щепленого садивного матеріалу горіха волоського. На даному етапі поширення цієї культури в виробництві обмежується відсутністю технології вирощування щепленого садивного матеріалу. У зв'язку з цим виникає потреба у введенні цієї технології у виробництво. У статті обґрунтовано і підкріплено розрахунками використання в якості маткових дерев для вирощування підщепи горіха чорного - насаджень, розташованих в паркових зонах міських поселень.

    Ключові слова: горіхівництва, Горіх волоський, горіх чорний, Маткові дерева.

    EXAMINE THE FEASIBILITY OF A MORE PRODUCTIVE WALNUT SEEDLINGS WALNUT FOR

    INDUSTRIAL PLANTS SOUTH

    Research article

    Potanin D.V.1, Sudak A.S.2, *

    1 ORCID: 0000-0003-3724-8758;

    2 0RCID: 0000-0003-3592-3430,

    1 2 V. I. Vernadsky Crimean Federal University, Simferopol, Russia

    * Corresponding author (sudak_sasha [at] bk.ru)

    Abstract

    The article presents theoretical grounds for introducing the grafted walnut seed material into the culture. At this stage, the spread of this crop in production is limited by the lack of technology for growing grafted planting material. In this connection, there is a need to introduce this technology into production. The article substantiates and is supported by calculations using as a fallopian tree for the cultivation of the walnut root of black - plantations located in the park zones of urban settlements.

    Keywords: Walnut, Walnut, Juglans nigra, the mother trees.

    Introduction

    At the present stage of development of Walnut for southern agricultural zone of Russia, there are significant problems associated with laying of industrial plantations of walnut. Chief among them is a lack of quality planting material grafted this culture [1].

    Trees grown from seedlings practically do not inherit the signs of the original maternal forms, and the culture of grafted walnut has not yet become traditional for domestic walnut breeding [2]. In addition, the existing plantations, because of the decline in their productive age, have ceased to provide guaranteed production of nuts. To bookmark the new walnut plantations of walnut intensive type [3] Often have to purchase expensive planting material abroad. In this case, as a rule, the peculiarities of the behavior of varieties offered by foreign nurseries in local conditions are not taken into account. The most optimal option for the renewal of walnut plantations in the southern zones of the Russian Federation is to provide local production of seedlings.

    When creating the production of walnut seedlings, there may also be a problem with the production of a slab material. One of the most promising rootstocks for Walnut walnut is black walnut [4]. Considering the fact that for today walnut walnut does not have clonal (vegetatively propagated) rootstocks, and the germinating nuts of walnuts are the same as those of black walnut. On the other hand, the walnut black as a rootstock has a number of advantages over the walnut seedlings. First, the stock is drier, hotter, and, more importantly, frost-resistant. Secondly, it is believed that trees grafted on a black nut before enter into a period of full fruiting. It is known that abroad, especially in northern walnut zones, gardeners prefer to use black walnut seedlings as a rootstock.

    The uterine-seed garden of this walnut assumes occupying large areas under it. As a consequence, it is not the rational use of agricultural areas. Instead, it is planned to plant seedlings as urban plantings, on alleys, in squares, etc. [5]. Such a solution will yield fruits of black walnut suitable for growing the rootstock when creating walnut seedlings.

    Research goal

    Determine the number of grafted planting materials for laying of industrial plantations of walnut in Russia these areas to bring this number up to the best able to meet the needs of Russians in the nuts. Determine the number of black walnut trees


    Ключові слова: ТОЧНЕ АГРАРНИЦТВО / PRECISION AGRICULTURE / УПРАВЛІННЯ агротехнологій / ДИСТАНЦІЙНЕ ЗОНДУВАННЯ ЗЕМЛІ / EARTH REMOTE SENSING / МАТЕМАТИЧНІ МОДЕЛІ / MATHEMATICAL MODELS / АЛГОРИТМИ ОЦІНЮВАННЯ ПАРАМЕТРІВ / ALGORITHMS FOR ASSESSMENT PARAMETERS / AGROTECHNOLOGY MANAGEMENT

    Завантажити оригінал статті:

    Завантажити