Применение космоснимков для проведения подкормок

       Для  моделирования содержания гумуса в верхнем воздушно-сухом слое почвы по данным ДЗЗ так же могут использоваться одномерные и множественные, линейные и нелинейные  регрессии [5]. Особый интерес для моделирования представляет нелинейная модель   вида:

                                                              G = b* NIR/RED + d                  (2.4)

       где:  G – концентрация гумуса.

       С другой  стороны, чем больше используется  при построении регрессионных  моделей спектральных каналов (при  отсутствии  корреляция между  ними), тем более точные модели могут быть получены.

        При  этом следует учитывать, что уравнение  регрессии является всего лишь  статистическим описанием  экспериментальных данных (ЭД), а не математическим законом, жестко устанавливающим взаимосвязи факторов и показателя. Это уравнение применяют для расчета значений показателя в заданном диапазоне изменения факторов. Оно ограниченно пригодно для расчета вне этого диапазона, т.е. его можно применять для решения задач интерполяции и в ограниченной степени для экстраполяции. Но главной причиной неточности «прогноза» является не столько неопределенность вида функциональной зависимости, сколько значительная вариация показателя за счет неучтенных в модели факторов. Например, при постоянстве других факторов с уменьшением размера частиц поверхность почвы становится более гладкой и  отражает  больше падающей солнечной радиации. Так с увеличением размера частиц (гранул) от 0.022 до 2.65 мм, поглощение солнечного излучения увеличивается на 14% (при одном и том же содержании гумуса в поверхностном слое почвы). Содержание влаги в почве также уменьшает коэффициент отражения равномерно по всему спектру солнечной радиации. Поэтому,  для исключения влияния содержания влаги, съемка должна выполняться в сухое без дождей время при воздушно-сухом состоянии почвы. Более высокое содержание влаги вызывает ошибочное завышение оценки концентрации гумуса, особенно в ложбинках и низинах, где содержание влаги выше, даже в сухое время года. Естественно, на поле должна отсутствовать всякая растительность или ее прошлогодние остатки.

          Таким образом,  для проведения  съемки с целью моделирования  содержания гумуса в пахотном  слое почвы  поле должно удовлетворять  следующим условиям[4]:                                                                - воздушно-сухое состояние почвы, отсутствие корки;                                                                 - размер  гранул  (комковатость) почвы  не более двух см.;                                                           - отсутствие зеленой или сухой  растительности;                                                                                - отсутствие окрашивающих элементов  в почве, таких как соединения  железа и т.п.

      Другой  важный фактор, влияющий на точность  рассмотренных выше моделей обусловлен  точностью геопозиционирования (с использованием простейших ГЛОНАСС/GPS-приемников точность  составляет 5-10 м ), геопривязки снимка к местности (1-2 пиксела) и пространственным разрешением спутниковой съемки (размера пиксела). Существенно снизить негативное влияние перечисленных факторов возможно при использовании  СВТ, набора опорных точек (ОТ) и данных ДЗЗ  высокого и сверхвысокого разрешения.

 

2.4.2.  Статистические характеристики  и особенности математического моделирования.

        Для  оценки адекватности регрессионных  моделей  ЭД обычно   используются такие статистические характеристики как коэффициент детерминации модели (R2),  вероятность адекватности модели (Р),  стандартная  ошибка аппроксимации (D) и т.д.[5]. Коэффициент детерминации R2 определяет долю дисперсии показателя (N, G), объясненную регрессией.    Чем ближе значение R2  к 1, тем выше степень адекватности модели ЭД. Обычно считается, что необходимым условием высокого качества модели являются значения коэффициента детерминации выше 0.6. Таким образом, чем они ближе значения R2  и Р к 1 тем, надежнее регрессионная модель описывает экспериментальные данные.

        Основные  этапы моделирования включают:

- предварительную обработку  данных ДЗЗ (радиометрическую, геометрическую  и атмосферную коррекцию,  геопривязку космоснимков к местности в международной системе координат  WGS-84 и т.д.):

- выбор вида уравнения  регрессии;

- вычисление параметров  регрессии (А, В1, В2,….);

- проверку адекватности  полученной модели  ЭД (результатам полевой диагностики и/или агрохиманализов).

         Моделированию содержания азота N предшествуют 2  основных  этапа:

1) предварительный агрономический  анализ выбранных полей,  в том числе с использованием архивных данных ДЗЗ;

2) проведение космической  съемки и  полевой диагностики (с использованием N-тестера)   в оптимальные сроки и с высокой степенью синхронности (2-4 дня).

        Моделированию  гумуса G предшествуют следующие  этапы:

1) подготовка (подбор) полей  с требуемыми агрофизическими  характеристиками  и  предварительный анализ выбранных полей,  в том числе с использованием архивных данных ДЗЗ,  для  определения наиболее информативных точек отбора почв;

2)  проведение космической  съемки, отбор  и агрохимический образцов почв  на содержание гумуса, влажность и некоторых других характеристик почвы.

2.4.3. Моделирование доз  внесения азота под заданную  урожайность.

Для оперативной диагностики потребности растений в азотном питании в настоящее время используют   N-тестер, который на Кубани впервые был испытан еще в 1999-2000 гг.

При этом были  разработаны поправочные коэффициенты к 20-ти  кубанским сортам озимой пшеницы, а так же рекомендован расчет  доз внесения азота по показаниям приборa под заданную урожайность[19].

 В таблицах № 2.3-2.6 представлены  поправочные и  калибровочные коэффициенты для наиболее важных фаз созревания озимых.  Далее, согласно изложенной выше методики, для каждого пиксела смоделированных данных (см. формулы 2.2 - 2.3), производится пересчет  из условных единиц в значения доз азота в  кг д.в. для планируемой урожайности в соответствии с калибровочными коэффициентами (см. таблицы № 2.4 - 2.6).

           Таблица 2.3  Поправочные коэффициенты показаний N-тестера для разных сортов озимой пшеницы краснодарской селекции

        

 

 

 

    

 Таблица 2.5  Таблица 2.6

 

           При продаже к  N-тестерам прилагается инструкция по применению с рекомендациями по дозам азотной подкормки для основных видов сельскохозяйственных культур, а также методические рекомендации для калибровки прибора по другим культурам. При этом настоятельно рекомендуется самим создавать и ежегодно обновлять калибровочные таблицы для каждой фазы развития  и вида культуры. Для получения статистически достоверных результатов требуется проведение измерений  не менее чем на 30 разных растениях (для  одного развитого листа на каждом из них). Также рекомендуется равномерный, в пределах диагностируемого участка, выбор мест диагностики растений.

 

2.4.4 Использование методов  автоматической классификации.                   

           Другой перспективный метод моделирования  доз  азотных удобрений для дифференцированного внесения основан на использовании управляемой классификации. Для реализации этого метода необходимо наличие эталонных делянок. В качестве  таких делянок возможно использовать делянки многолетнего стационарного опыта на опытном поле учхоза "Кубань". Однако, учитывая их малые размеры нужны снимки  высокого разрешения, поэтому разработку использования этой технологии предполагается осуществить в будущем.

 

2.4.5  Перераспределение средней дозы с учетом пространственной неоднородности полей.

      Это самый  простой и наименее требовательный  к параметрам съемки метод. Традиционным  способом с помощью N-тестер устанавливается средняя норма внесения азотных удобрений для каждого поля. Затем, на основании специальной обработки  данных космосъемки,  формируются карты-задания для дифференцированного внесения удобрений с учетом реального состояния растительного покрова для каждого поля. При этом возможна корректировка карт-заданий по результатам предварительного анализа с выходом в поле.   Данный метод может использоваться в качестве альтернативы предыдущим методам, а также для  подстраховки   при  срыве оптимальных сроков  съемки. Суть метода сводится к линейному пересчету показаний N-тестера в  дозу удобрений для каждого пиксела:                                              

                                                                N=а*NDVI+ b                                                     (2.5)

Параметры линейной зависимости а и b  определяются из  разброса  значений NDVI индивидуально для каждого поля, а так же средней и предельно допустимой нормы внесения удобрений.  

 

 

 

 

 

 

 

УСЛОВИЯ И МЕТОДИКА ПРОВЕДЕНИЯ ИССЛЕДОВАНИЙ

 

 

 

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ И ИХ АНАЛИЗ

 

 

 

ЗАКЛЮЧЕНИЕ

 

 

 

Список литературы

Текущий документ не содержит источников.

 

ПРИЛОЖЕНИЯ