Изучение взаимосвязи урожайности яровой твердой пшеницы с вегетационным индексом NDVI степной зоны Омской области на основе данных дистанционного зондирования земли

Задачей анализа материалов дистанционного зондирования является мониторинг плодородия почв земель в районах широкого освоения целинных и залежных земель в середине ХХ в. с целью определения направленности изменения свойств освоенных целинных почв спустя 60 лет и состояния их плодородия ко второму десятилетию ХХI в. Эти задачи в полной мере согласуются с программой развития АПК России до 2020 г.

Материалы и методы исследования

Изучали особенности почвенного покрова степной зоны Западной Сибири на примере ООО Агрохолдинг «Сибирь» Одесского района Омской области.

Компьютерная обработка серии мультиспектральных космических снимков (МКС) методом синтезирования проводилась с использованием лицензированного программного комплекса ENVI 5.0.

Учитывалась возможность сочетания диапазонов съемки по элементам спектра солнечной радиации от 0,4 до 0,9 нм и цветовых каналов в системе RGB. При сочетании диапазона и каналов создается цветное синтезированное изображение, объективно отражающее различия изучаемых объектов.

При синтезировании мультиспектрального изображения (изучали 24 варианта синтеза) КА RapidEye (2014-09-02) установлено: для максимальной информативности визуального дешифрирования земель сельскохозяйственного назначения на территории степной зоны Западно-Сибирской равнины (на примере Одесского района Омской области) наиболее приемлемы варианты с использованием инфракрасных и красных каналов (Nir-Red-Red; Nir-Red-Green).

Для изучения особенностей мезорельефа и выявления комплексности почвенного покрова использовался синтезированный мультиспектральный снимок от 2 мая 2014 г. (рис. 1). При дешифрировании изображения отмечено наличие темных пятен на полях севооборотов. При камеральной обработке было выдвинуто предположение: это участки с повышенным содержанием влаги, так как они приурочены к микропонижениям суффозионного типа, которые зафиксированы в ходе полевых работ приборами GPS и заняты солонцами (рис. 1, цифра 2 ).

Рис. 1. Анализ мезорельефа на синтезированном космическом снимке методом светотеневой визуализации 2014.02.05

Также были идентифицированы водоемы искусственного происхождения, находящиеся в наименьших точках рельефа (рис. 2, цифра 1 ).

Результаты исследования

Для проверки рабочей гипотезы о существовании солонцовых почв в микропонижениях были проведены полевые работы и отобраны почвенные и растительные образцы с помощью точной географической привязки навигатором Garmin E-Trex 2.0. После анализа почвенных образцов и сопоставления с данными мультиспектральных изображений высокой разрешающей способности территорий южной лесостепи и степи установлено, что пятнистость изображения не всегда указывает на наличие засоленных почв, в данном случае нужно учитывать характер и тон изображения. В степной зоне пятнистость указывает на наличие карбонатных черноземных почв. При камеральной обработке данных следует пользоваться разновременными снимками, учитывая накопление и динамику влаги в весенний период, продуктивность культур в период созревания.

При проведении полевых работ для выявления взаимосвязи биомассы растений со спектром их отражения были отобраны растительные образцы.

На изучаемом полигоне возделывается яровая твердая пшеница сорта Корунд. В результате полевых и камеральных работ установлено: всю изучаемую территорию данного поля занимает чернозем обыкновенный карбонатный. Урожайность яровой пшеницы колеблется от 0,41 до 1,93 т/га. Максимальная урожайность приурочена географически к участкам микрозападин, на этом основании опровергается гипотеза о существовании солонцовых пятен на изучаемом массиве.

По результатам структурного анализа продуктивности растений с учетом продуктивной кустистости и массы 1000 зерен определен уровень биологической урожайности данной культуры (таблица). Показатели урожайности сопоставляли с картограммой, созданной на основе использования вегетационного индекса NDVI по осеннему космическому снимку 2014.02.09 (рис. 2). NDVI (Normalized Difference Vegetation Index) – нормализованный относительный индекс растительности – простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и применяемых индексов для решения задач, использующих количественные оценки растительного покрова.

Вычисляется по формуле

NDVI = (NIR – RED) / (NIR + RED), где NIR – отражение в ближней инфракрасной области спектра; RED – отражение в красной области спектра.

Продуктивность яровой твердой пшеницы (сорт Корунд) на карбонатном черноземе. Одесский район Омской области (2014)

Урожайность, т/га

0 0,41–1,09   1,21–1,28

1,59–1,93 лесные массивы

№ прикопки	Высота растений, см	Количество растений, шт./м2	Число колосьев		Вес зерна
			шт.	шт./м2	г	г/м2	т/га	1000 зерен
1	95	74/296	68	272	32	128,0	1,28	57,1
2	78	67/268	57	228	30,31	1,21	1,21	42,6
3	105	78/312	68	272	39,81	159,0	1,59	50,6
4	111	45/180	64	256	48,20	192,8	1,93	41,6
5	101	44/176	58	232	10,15	40,6	0,41	39,2
6	68	80/320	78	312	27,25	109,0	1,09	35,8

Рис. 2. Отражение продуктивности растений твердой пшеницы на космическом снимке после кластеризации методом NDVI ИСЗ Rapid Eye (2014.02.09)

Расчет NDVI базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6–0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области (0,7–1,0 мкм) находится область максимального отражения клеточных структур листа. То есть высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной области спектра и большему в инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов. Использование же не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений, как различия в освещенности снимка, облачности, дымки, поглощения радиации атмосферой и др. [1–3].

Структурный анализ показал, что высота растений в пределах одного массива варьировала от 0,7 до 1,0 м. На площадках с максимальной высотой пшеницы количество растений было минимальным – 170–180 шт./м2, хотя норма высева семян составляла 4 млн всхожих зерен. Очевидно, значительная часть семян в микропонижениях не взошла. В результате при одинаковой полевой всхожести на одних площадках урожайность составляла 193 г/м2 (площадка № 4), а на других почти в 5 раз меньше. Но качество выращенных семян (вес 1000 зерен) было одинаковым, близким к среднему качеству семян на поле.

В целях определения неоднородности плодородия почвы в пределах одной почвенной разности возле каждой из прикопок были отобраны пробные снопы с площадок 0,25 м2 (50×50 см).

Выводы

Таким образом, при дешифрировании мультиспектральных изображений высокой разрешающей способности территорий южной лесостепи и степи следует принимать во внимание, что пятнистость изображения не всегда указывает на наличие засоленных и солонцовых почв, в данном случае это участки, занятые черноземными карбонатными почвами. Из этого следует вывод: при использовании материалов ДЗЗ для прогноза урожайности полей необходимо использовать разновременные космические снимки, учитывая накопление и динамику влаги в весенний период, продуктивность культур в период созревания. Изучение взаимосвязи продуктивности растений с их спектральными характеристиками, применяя методику кластеризации на основе NDVI, позволяет выявлять участки полигонов полей с наименьшей биомассой.