Дистанционные методы мониторинга продуктивности посевов озимой тритикале в лесостепи среднего Поволжья

Применение дистанционных методов мониторинга засоренности, обеспеченности листьев азотом и продуктивности озимой тритикале включает предшествующее аэрофотосъемке проведение наземных учетов состояния и засоренности посевов c установкой маркеров и определением их координат; мультиспектральную аэрофотосъемку посева с беспилотного летательного аппарата (БПЛА); обработку полученных аэрофотоснимков с применением индексов NDRE и NDVI, их дешифрирование по цветовой мозаике снимка и наземным маркерам с выявлением границ микрогруппировок по состоянию культуры и засоренности посева, составление координатной картосхемы их распределения; внесение азотных удобрений и гербицидов в период вегетации культуры на основе полученных картосхем методами точного земледелия. Для распознавания засоренности посевов и содержания азота в листьях наилучшие результаты дают аэрофотоснимки с применением индекса NDRE, где микрогруппировки посева с нормальным содержанием хлорофилла и азота в листьях имеют значения NDRE 0,45–0,60; с умеренным недостатком азота и пониженной концентрацией хлорофилла в листьях – 0,35–0,45; с повышенным недостатком азота – 0,25–0,35; с высокой численностью сорняков – 0,075–0,25. Измерения спектральной плотности энергетической яркости (СПЭЯ) отраженного излучения листьев культуры и сорняков полевым спектрорадиометром PSR-1100 в диапазоне 320–1100 нм показали, что ее изменения в зависимости от длины волны у тритикале и сорняков были сходными с наименьшими значениями СПЭЯ во всех частях спектра у тритикале, более высокими у двудольных сорняков, имевших на снимке NDVI ярко-зеленую окраску. Азотные удобрения при выращивании тритикале применяют осенью при посеве (15–20% полной нормы азота) и в весенне-летний период вегетации культуры в виде подкормок: рано весной в фазу кущения (20–30%), в конце весны в начале выхода растений в трубку (до 50–60%), в первой половине лета в фазы начала колошения, налива зерна (5–10%). Перед проведением подкормок для оценки содержания азота в листьях и засоренности посевов целесообразна их аэрофотосъемка с БПЛА с применением индекса NDRE при обработке аэроснимков. Гербициды применяются после первой и второй аэрофотосъемок в фазы кущения, начала трубкования. Картосхемы засоренности посевов по результатам их третьей аэрофотосъемки используются для оценки потерь урожайности зерна от сорняков. 

1. Генин В.А., Клебанович Н.В. Опыт использования мультиспектральных космических снимков для дифференцированного внесения удобрений // Геоматика. 2016. № 2. С. 26–31.

2. Гольтяпин В.Я., Мишуров Н.П., Федоренко В.Ф., Голубев И.Г., Балабанов В.И., Петухов Д.А. Цифровые технологии для обследования состояния земель сельскохозяйственного назначения беспилотными ле тательными аппаратами: аналитический обзор. М.: ФГБНУ «Росинформагротех», 2020. 88 с. Гончаров С.В., Крохмаль А.В. Селекционные программы по тритикале // Зерновое хозяйство России. 2013. № 4. С. 22–27.

3. Горянина Т.А. Анализ площадей посева, валового сбора и урожайности озимого тритикале по Самарской области // Молодой ученый. 2017. № 13. С. 186–189.

4. Гребень А.С., Красовская И.Г. Анализ основных методик прогнозирования урожайности с помощью данных космического мониторинга применительно к зерновым культурам степной зоны Украины // Радіоелектронні і комп’ютерні системи. 2012. № 2. С. 170–180.

5. Григорьев А.Н., Рыжиков Д.М. Общая методика и результаты спектрорадиометрического исследования отражательных свойств борщевика Сосновского в диапазоне 320–1100 нм в интересах дистанционного зондирования Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 1. С. 183–192.

6. Каплин В.Г. Структурно-функциональная организация и динамика растительных сообществ (на примере Восточных Каракумов). Самара: РИЦ СГСХА, 2010. 220 с.

7. Крючкова Т.В. Продуктивность и качественные характеристики зерна сортов озимой тритикале в зависимости от норм высева в подзоне светло-каштановых почв Волгоградской области: дис. … канд. с.-х. наук. Волгоград, 2015. 241 с.

8. Куперман Ф.М. Морфология растений. М.: Высшая школа, 1984. 240 с.

9. Матвеенко Д.А. Дифференцированное внесение азотных удобрений на основе оценки оптических характеристик посевов яровой пшеницы: автореф. дис. … канд. с.-х. наук. СПб., 2012. 21 с.

10. Мурыгин В.П. Влияние приемов весенней подкормки азотным удобрением на урожайность и качество зерна озимых зерновых культур в Среднем Предуралье: дис. … канд. с.-х. наук. Пермь, 2018. 154 с.

11. Неволина К.Н. Влияние минеральных удобрений на урожайность и качество зерна озимых зерновых культур в Предуралье // Достижения науки и техники АПК. 2013. № 5. С. 27–29.

12. Туликов A.M. Вредоносность сорных растений в посевах полевых культур // Изв. ТСХА. 2002. Вып. 1. С. 92–107.

13. Филин В.И., Беляков А.М. Озимая пшеница в Нижнем Поволжье. Волгоград: Изд-во ВолГУ, 2006. 258 с.

14. Якушев В.П. На пути к точному земледелию. СПб.: Издво Петербургского ин-та ядерной физики РАН, 2002. 458 с.

15. Barnes E.M., Clarke T.R., Richards S.E., Colaizzi P.D., Haberland J., Kostrzewski M., Waller P., Choi C., Riley E., Thompson T., Lascano R.J., Li H., Moran M.S. Coincident Detection of Crop Water Stress, Nitrogen Status, and Canopy Density Using Ground-Based Multispectral Data, 5th International Conference on Precision Agriculture (Bloomington, 16–19 July 2000), 2000, р. 1–15.

16. Boiarskii B., Hasegawa H. Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content, International Conference on Applied Science and Engineering, Journal Mech. Cont. & Math. Sci., Special Issue, 2019, vol. 4, p. 20–29.

17. Clevers J.G.P.W., Kooistra L. Using Hyperspectral Remote Sensing Data for Retrieving Canopy Chlorophyll and Nitrogen Content, IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing, 2012, vol. 5, no. 2, p. 574–583.

18. Ju X.-T., Xing G.-X., Chen X.-P., Zhang S.-L., Zhang L.-J., Liu X.-J., Cui Z.-L., Bin Y., Christie P., Zhu Z.-L., Zhang F.-U. Reducing environmental risk by improving N management in intensive Chinese agricultural systems, Proceedings of the National Academy of Sciences, 2009, vol. 106, p. 3041–3046.

19. Kriegler F., Malila W., Nalepka R., Richardson W. Preprocessing transformations and their effect on multispectral recognition, Proceedings of the 6th International Symposium on Remote Sensing of Environment, Ann Arbor, MI, University of Michigan, 1969, р. 97–131.

20. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring Vegetation Systems in the Great Plains with ERTS, 3rd ERTS Symposium, NASA SP-351 (Washington DC, 10–14 December 1973), 1973, р. 309–317.

21. Vigneau N., Ecarnot M., Rabatel G., Roumet P. Potential of field hyperspectral imaging as a non destructive method to assess leaf nitrogen content in Wheat, Field Crops Research, 2011, vol. 122, no. 1, p. 25–31.