Опыт применения методов математической статистики для оценки состояния сельскохозяйственных растений

Автор: Буре В.М., Петрушин А.Ф., Митрофанов Е.П., Митрофанова О.А., Денисов В.

Журнал: Сельскохозяйственная биология @agrobiology

Рубрика: Агросистемы будущего агротехнологии и экология

Статья в выпуске: 1 т.54, 2019 года.

Бесплатный доступ

Решение задач, связанных с оценкой состояния сельскохозяйственных растений в период вегетации, позволяет эффективно использовать удобрения, получать выгодную урожайность, улучшать качественные характеристики растений, а также экологическое состояние поля. Все более перспективным направлением в точном земледелии становится применение различных методов математической статистики. Нашей целью была оценка состояния сельскохозяйственных растений с использованием подхода, основанного на совместном применении методов кригинга и бинарной регрессии, а также определение обеспеченности посевов азотом по индексу NDVI (Normalized Difference Vegetation Index). Исследования проводили на участке опытного поля, расположенного на территории филиала Агрофизического института (д. Меньково, Ленинградская обл.) в 2015 году. С помощью аэрофотоснимков, сделанных с автоматизированного беспилотного летательного комплекса Геоскан-401 («Геоскан», Россия), был получен набор значений вегетационного индекса NDVI в произвольных точках участка...

Еще

Оценка состояния растений, кригинг, бинарная регрессия, язык r

Короткий адрес: https://sciup.org/142220095

IDR: 142220095   |   DOI: 10.15389/agrobiology.2019.1.84rus

Список литературы Опыт применения методов математической статистики для оценки состояния сельскохозяйственных растений

  • Bure V.M., Mitrofanova O.A. Analysis of aerial photographs to predict the spatial distribution of ecological data. Contemporary Engineering Sciences, 2017, 10(4): 157-163 ( ) DOI: 10.12988/ces.2017.611175
  • Kim Y., Reid J.F., Han S. On-the-go nitrogen sensing and fertilizer control for site-specific crop management. International Journal of Agricultural and Biosystems Engineering, 2006, 7(1): 18-26.
  • Blackmer T.M., Schepers J.S. Aerial photography to detect nitrogen stress in corn. J. Plant Physiol., 1996, 148(3-4): 440-444 ( ) DOI: 10.1016/S0176-1617(96)80277-X
  • Graeff S., Pfenning J., Claupein W., Liebig H.P. Evaluation of image analysis to determine the N-fertilizer demand of broccoli plants. Advances in Optical Technologies, 2008, Article ID 359760 ( ) DOI: 10.1155/2008/359760
  • Thenkabail P.S., Lyon J.G., Huete A. Hyperspectral remote sensing of vegetation. CRC Press, MA, USA, 2011.
  • Franzen D.W., Reitmeier L., Giles J.F., Cattanach A.C. Aerial photography and satellite imagery to detect deep soil nitrogen levels in potato and sugarbeet. Proc. of the 4th International Conference «Precision Agriculture». St. Paul, MN, 1999: 281-290.
  • Буре В.М. Методология применения бинарной регрессии в точном земледелии. Математические модели в теоретической экологии и земледелии. Мат. Межд. семинара, посвященного памяти профессора Ратмира Александровича Полуэктова (Полуэктовские чтения). СПб, 2014: 118-121.
  • Debella-Gilo M., Etzelmüller B. Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: Examples from Vestfold County, Norway. Catena, 2009, 77(1): 8-18 ( )
  • DOI: 10.1016/j.catena.2008.12.001
  • Kempen B., Brus D.J., Heuvelink G.B.M., Stoorvogel J.J. Updating the 1:50,000 Dutch soil map using legacy soil data: a multinomial logistic regression approach. Geoderma, 2009, 151(3-4): 311-326 ( )
  • DOI: 10.1016/j.geoderma.2009.04.023
  • Якушев В.П., Жуковский Е.Е., Кабанец А.Л., Петрушин А.Ф., Якушев В.В. Вариограммный анализ пространственной неоднородности сельскохозяйственных полей для целей точного земледелия. СПб, 2010.
  • Claret M.M., Urrutia R.P., Ortega R.B., Best S.S., Valderrama N.V. Quantifying nitrate leaching in irrigated wheat with different nitrogen fertilization strategies in an Alfisol. Chilean Journal of Agricultural Research, 2011, 71(1): 148-156 ( )
  • DOI: 10.4067/S0718-58392011000100018
  • Krasilnikov P., Sidorova V. Geostatistical analysis of the spatial structure of acidity and organic carbon in zonal soils of the Russian plain. In: Soil geography and geostatistics: concepts and applications/P. Krasilnikov, F. Carré, L. Montanarella (eds). European Communities, Luxembourg, 2008: 55-67.
  • Dulaney W.P., Lengnick L.L., Hart G.F. Use of geostatistical techniques in the design of an agricultural field experimental. Proc. of the Survey research methods section. Alexandria, VA, 1994: 183-187.
  • Adamsen F.J., Pinter P.J., Barnes E.M. Measuring wheat senescence with a digital camera. Crop Science, 1999, 39(3): 719-724 ( 10.2135/cropsci1999.0011183X003900030019x)
  • DOI: :10.2135/cropsci1999.0011183X003900030019
  • Panayi E., Peters G.W., Kyriakides G. Statistical modelling for precision agriculture: a case study in optimal environmental schedules for Agaricus Bisporus production via variable domain functional regression. PLoS ONE, 2017, 12(9): e0181921 ( )
  • DOI: 10.1371/journal.pone.0181921
  • Isaaks E., Srivastava M. An introduction to applied geostatistics. Oxford University Press, NY, USA, 1989.
  • Fernandes G.B., Artes R. Spatial dependence in credit risk and its improvement in credit scoring. Eur. J. Oper. Res., 2016, 249(2): 517-524 ( )
  • DOI: 10.1016/j.ejor.2015.07.013
  • Демьянов В., Савельева Е. Геостатистика. Теория и практика. М., 2010.
  • Webster R., Oliver M.A. Geostatistics for environmental scientists, Second edition. John Wiley and Sons Ltd, Chichester, UK, 2007 ( )
  • DOI: 10.1002/9780470517277
  • Якушев В.П., Буре В.М., Парилина Е.М. Бинарная регрессия и ее применение в агрофизике. СПб, 2015.
  • Hosmer D., Lemeshow S. Applied logistic regression, Second edition. Wiley, NY, 2000 ( )
  • DOI: 10.1002/0471722146
  • Буре В.М., Парилина Е.М. Теория вероятностей и математическая статистика: учебное пособие. СПб, 2013.
  • Plant R.E. Spatial data analysis in ecology and agriculture using R. CRC Press, Boca Raton, 2012.
  • Якушев В.П., Канаш Е.В., Конев А.А., Ковтюх С.Н., Лекомцев П.В., Матвеенко Д.А., Петрушин А.Ф., Якушев В.В., Буре В.М., Русаков Д.В., Осипов Ю.А. Теоретические и методические основы выделения однородных технологических зон для дифференцированного применения средств химизации по оптическим характеристикам посева: практическое пособие. СПб, 2010.
  • Kanash E.V., Osipov Ju.A. Optical signals of oxidative stress in crops physiological state diagnostics. Proc. 7th European conference on precision agriculture. Wageningen, Netherlands, 2009: 81-89.
  • Goovaerts P. Geostatistics for natural resources evaluation. Oxford University Press, NY, 1997.
Еще
Статья научная