Математическое моделирование прогноза урожайности сельскохозяйственных культур на основе данных полевого мониторинга и дистанционного зондирования
Автор: Саденова М.А., Храпов С.С., Бейсекенов Н.А.
Журнал: Математическая физика и компьютерное моделирование @mpcm-jvolsu
Рубрика: Моделирование, информатика и управление
Статья в выпуске: 3 т.26, 2023 года.
Бесплатный доступ
Построена математическая модель прогноза урожайности сельскохозяйственных культур на основе данных полевого мониторинга и дистанционного зондирования Земли. Модель включает следующие основные величины: вегетационные индексы NDVI, суммарный поток солнечного излучения на нижней границе атмосферы, эффективность использования фотосинтетически активного солнечного излучения, затраты биомассы на дыхание. После параметризации математической модели с использованием данных наблюдений количество неопределенных (калибровочных) коэффициентов модели уменьшается с 8 до 2. Эти коэффициенты определяются методом последовательных приближений при сравнении результатов расчетов с данными наблюдений урожайности конкретной сельхозкультуры (СХК) на заданном поле. Показано, что значения этих коэффициентов сильно зависят от выбора оптимальных условий роста СХК. Для уменьшения погрешности прогноза урожайности предложен подход, основанный на численном интегрировании суммарной плотности потока энергии методами второго и четвертого порядков точности. При использовании методов численного интегрирования высокого порядка точности погрешность прогноза урожайности снижается в среднем на 20 % по сравнению со широко используемой моделью расчета прироста биомассы, имеющей первый порядок точности.
Математическое моделирование, методы численного интегрирования, модели прогноза урожайности, биомасса, индексы ndvi, индексы ndwi, поток солнечного излучения, фотосинтетически активное излучение
Короткий адрес: https://sciup.org/149144548
IDR: 149144548 | DOI: 10.15688/mpcm.jvolsu.2023.3.5
Список литературы Математическое моделирование прогноза урожайности сельскохозяйственных культур на основе данных полевого мониторинга и дистанционного зондирования
- Брыксин, В. М. Использование модели биопродуктивности EPIC и космоснимков MODIS для прогнозирования урожайности зерновых культур / В. М. Брыксин, А. В. Евтюшкин // Современные проблемы дистанционного зондирования Земли из космоса: физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. — 2007. — Т. 2, № 4. — C. 189-196.
- Дмитренко, В. П. Погода, климат и урожай полевых культур / В. П. Дмитренко. — Киев: Ника-центр, 2010. — 620 с.
- Клещенко, А. Д. Использование данных дистанционного зондирования для моделирования физиологических процессов растений в динамических моделях прогнозирования урожая / А. Д. Клещенко, Т. А. Найдина // Современные проблемы дистанционного зондирования Земли из космоса. — 2011. — Т. 8, № 1. — C. 170-177.
- Лысенко, С. А. Прогнозирование урожайности сельскохозяйственных культур на основе спутникового мониторинга динамики углерода в наземных экосистемах / С. А. Лысенко // Исследование Земли из космоса. — 2019. — № 4. — C. 48-59.
- Модели продукционного процесса сельскохозяйственных культур / Р. А. Полуэктов, Э. И. Смоляр, В. В. Терлеев, А. Г. Топаж. — СПб.: Изд-во С.-Петерб. ун-та, 2006. — 392 с.
- Набока, В. В. Методы оценки условий формирования урожая и прогноза средней урожайности яровой пшеницы по территории Томской, Новосибирской, Кемеровской областей и Алтайского края и результаты их оперативных испытаний / В. В. Набока, И. Г. Ковригина // Информационный сборник. — 2011. — № 38. — C. 115-130.
- Набока, В. В. О развитии в ГУ «СибНИГМИ» прикладного динамико-статистического моделирования для агрометеорологического обеспечения земледелия Урало-Сибирского региона / В. В. Набока // Труды СибНИГМИ. — 2011. — № 106. — C. 112-129.
- Прогнозирование урожайности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы / И. Ю. Савин, С. А. Барталев, Е. А. Лупян, В. А. Толпин, С. А. Хвостиков // Современные проблемы дистанционного зондирования Земли из космоса. — 2010. — Т. 7, № 3. — C. 275-285.
- Савин, И. Ю. Оперативный спутниковый мониторинг состояния посевов сельскохозяйственных культур в России / И. Ю. Савин, Е. А. Лупян, С. А. Барталев // Геоматика. — 2011. — № 2. — C. 69-76.
- Сиротенко, О. Д. Динамическая модель погода-урожай для яровых зерновых культур и ее использование при оценке агрометеорологических условий формирования урожаев в аридной зоне / О. Д. Сиротенко, Е. В. Абашина, В. Н. Павлова // Труды ВНИИСХМ. — 1985. — № 10. — C. 43-61.
- Сиротенко, О. Д. Математическое моделирование водно-теплового режима и продуктивности агроэкосистем / О. Д. Сиротенко. — Л.: Гидрометеоиздат, 1981. — 167 с.
- Сиротенко, О. Д. Об использовании динамических моделей для оценки агрометеорологических условий формирования урожаев / О. Д. Сиротенко, Е. В. Абашина // Метеорология и гидрология. — 1982. — Вып. 8. — C. 112-129.
- Старостина, Т. В. Методы прогноза урожайности зерновых и зернобобовых культур по отдельным муниципальным районам, ярового ячменя и овса по Омской области / Т. В. Старостина. — Новосибирск: ФГБУ СибНИГМИ, 2013. — 89 с.
- Старостина, Т. В. Метод расчета валового сбора ярового ячменя в Новосибирской области и Алтайском крае / Т. В. Старостина // Труды ЗапСибНИИ. — 1985. — Вып. 71. — C. 62-68.
- Степанов, А. С. Прогнозирование урожайности сельскохозяйственных культур на основе данных дистанционного зондирования Земли (на примере сои) / А. С. Степанов // Вычислительные технологии. — 2019. — Т. 24, № 6. — C. 125-133.
- Baret, F. Estimating Canopy Characteristics from Remote Sensing Observations: Review of Methods and Associated Problems / F. Baret, S. Buis // Estimating Canopy Characteristics from Remote Sensing Observations: Review of Methods and Associated Problems. — 2008. — P. 173-201.
- Indices of Vegetation Activity / A. Huete, T. Miura, H. Yoshioka, P. Ratana, M. Broich // Biophysical Applications of Satellite Remote Sensing. — Berlin: Springer-Verlag Berlin Heidelberg, 2014. — P. 1-41.
- Contribution of Remote Sensing on Crop Models: A Review / D. A. Kasampalis, T. K. Alexandridis, C. Deva, A. Challinor // J. Imaging. — 2018. — Vol. 4, № 4. — Article ID: 52. — DOI: https://doi.org/10.3390/jimaging4040052
- Estimating Crop Stresses, Aboveground Dry Biomass and Yield of Corn Using Multi-Temporal Optical Data Combined with a Radiation Use Efficiency Model / J. Liu, E. Pattey, J. R. Miller, H. McNairn, A. Smith, B. Hu // Remote Sens. Environ. — 2010. — Vol. 114, № 6. — P. 1167-1177.
- Estimation of Winter Wheat Biomass and Yield by Combining the AquaCrop Model and Field Hyperspectral Data / X. Jin, L. Kumar, Z. Li, X. Xu // Remote Sens. — 2016. — Vol. 8, № 12. — Article ID: 972. — DOI: https://doi.org/10.3390/rs8120972
- Green Leaf Area and Fraction of Photosynthetically Active Radiation Absorbed by Vegetation / S. Ganguly, R. R. Nemani, F. Baret, J. Bi // Biophysical Applications of Satellite Remote Sensing. — Berlin: Springer-Verlag Berlin Heidelberg, 2014. — P. 43-61.
- Monteith, J. L. Solar Radiation and Productivity in Tropical Ecosystems / J. L. Monteith // J. Appl. Ecol. — 1972. — Vol. 9, № 3. — P. 747-766.
- Myneni, R. B. On the Relationship Between FAPAR and NDVI / R. B. Myneni, D. L. Williams // Remote Sens. Environ. — 1994. — Vol. 49, № 3. — P. 200-211.
- Remote Sensing and Crop Production Models: Present Trends / R. Delcolle, S. J. Maas, M. Gurif, F. Baret // SPRS J. Photogramm. — 1992. — Vol. 47, № 2-3. — P. 145-161.
- Sen, Z. Solar Energy Fundamentals and Modeling Techniques Atmosphere, Environment, Climate Change and Renewable Energy / Z. Sen. — London: Springer-Verlag London Limited, 2008. — 276 p.
- Supit, I. A Simple Method to Estimate Global Radiation / I. Supit, R. R. Van Kappel // Solar Energy. — 1998. — Vol. 63, № 3. — P. 147-160.
- Using Low Resolution Satellite Imagery for Yield Prediction and Yield Anomaly Detection / F. Rembold, C. Atzberger, I. Savin, O. Rojas // Remote Sens. — 2013. — Vol. 5, № 4. — P. 1704-1733.
- Xiao, X. Gross Primary Production of Terrestrial Vegetation / X. Xiao, C. Jin, J. Dong // Biophysical Applications of Satellite Remote Sensing. — Berlin: Springer-Verlag Berlin Heidelberg, 2014. — P. 127-148.
