К ВОПРОСУ ОБ ОСНОВНЫХ ЭЛЕМЕНТАХ ТОЧНОГО ЗЕМЛЕДЕЛИЯ В КОСТАНАЙСКОЙ ОБЛАСТИ НА ПРИМЕРЕ ТОО «СХОС „ЗАРЕЧНОЕ“»
Аннотация и ключевые слова
Аннотация (русский):
Аннотация. Целью исследований является анализ качества посевных работ (огрехи, просевы), полноты всходов на основе мультиспектральных снимков. Исследования проведены в соответствии с целью реализации научно-технической программы «Трансферт и адаптация технологий по точному земледелию при производстве продукции растениеводства по принципу «демонстрационных хозяйств (полигонов)» в Костанайской области» в 2019 г. Методы. Для выполнения мониторинговых работ использовались беспилотный летательный аппарат самолетного типа; мультиспектральная (МС) камера, оснащенная сенсорами основных каналов. Выработаны агротехнические требования с учетом данных электронной карты полей и спецификой региона. Выполнен анализ состояния посевов с использованием информационно-аналитического ресурса. Результаты. Проведено обследование сельскохозяйственных культур с целью получения данных о состоянии полей беспилотным летательным аппаратом. Была выполнена аэрофотосъемка мультиспектральной камерой Micasense Red-Edge на высоте 300 метров. Съемка производилась над 19 полями в пяти спектральных диапазонах: синий, зеленый, красный, крайний красный, ближний инфракрасный. Данные аэрофотосъемки являются исходными данными для построения ортофотопланов, цифровой модели поверхности, 3D-модели. После проведения облета территории было проанализировано общее состояние сельскохозяйственных угодий. На эталонных полях измерения производились с помощью портативного прибора – N-Tester. Научная новизна заключается в том, что проведена аэрофотосъемка яровой пшеницы, находящаяся в стадии 3–4 листьев, которая позволила выявить изменения значения NDVI, что в ходе наземного обследования подтвердило увеличение степени засорения однолетними просовидными сорняками выделенных областей.

Ключевые слова:
точное земледелие, аэрофотосъемка, беспилотный летательный аппарат (БПЛА), ортофотоплан, NDVI (Normalized Difference Vegetation Index)
Текст
Текст произведения (PDF): Читать Скачать
Список литературы

1. Абуова А. Б., Тулькубаева С. А. Практическое применение элементов точного земледелия в условиях Северного Казахстана // Инновационные достижения науки и техники АПК: сборник научных трудов. Кинель, 2020. С. 3-7.

2. Spitkó T., Nagy Z., Zsubori Z. T., Szőke C., Berzy T., Pintér J., Marton C. L. Connection between normalized difference vegetation index and yield in maize // Plant, Soil and Environment. 2016. No. 62 (7). Pp. 293-298.

3. Gebbers R., Adamchuk V. I. Precision agriculture and food security. Science. 2010. No. 327 (5967). Pp. 828-831. DOI:https://doi.org/10.1126/science.1183899.

4. Liaghat S., Balasundram S. K. A Review: The Role of Remote Sensing in Precision Agriculture // American Journal of Agricultural and Biological Sciences. 2010. No. 5. Pp. 50-55.

5. De Baerdemaeker J. Precision Agriculture Technology and Robotics for Good Agricultural Practices // IFAC Proceedings Volumes. 2013. No. 4. Pp. 1-4.

6. Vasin V. G., Abuova A. B., Tulkubaeva S. A., Zhamalova D. B., Tashmuhamedov M. B. Culture of priority oil crops in the north of Kazakhstan // Bio Web of Conferences. 2020. Vol. 17. Article number 00029. DOI:https://doi.org/10.1051/bioconf/20201700029.

7. Yongzong Lu, Yongguang Hu, Pingping Li, Kyaw Tha Paw U, Snyder R. L. Prediction of Radiation Frost Using Support Vector Machines Based on Micrometeorological Data // Environmental Sciences. 2019. No. 10. Article number 283. DOI:https://doi.org/10.3390/app10010283.

8. Akramkhanov A., Brus D. J., Walvoort D. J. J. Geostatistical monitoring of soil salinity in Uzbekistan by repeated EMI surveys // Geoderma. 2014. No. 213. Pp. 600-607.

9. Duhan J. S., et al. Nanotechnology: The new perspective in precision agriculture // Biotechnology Reports. 2017. No. 15. Pp. 11-23.

10. Mogili U. R., Deepak B. B. V. L. Review on application of drone systems in precision agriculture // Procedia Computer Science. 2018. Vol. 133. Pp. 502-509.

11. Karim F., Karim F., Frihida A. // Procedia Computer Science. 2017. Vol. 110. Pp. 402-409.

12. Leonard E. C. Precision Agriculture // In: Encyclopedia of Food Grains: Second Edition, 2015. Pp. 162-167.

13. Puri V., Nayyar A., Raja L. Agriculture drones: A modern breakthrough in precision agriculture // Journal of Statistics and Management Systems. 2017. No. 20. Pp. 507-518 .

14. Bendre M. R., Thool R. C., Thool V. R. // In: Proceedings on 2015 1st International Conference on Next Generation Computing Technologies (NGCT). 2015. Pp. 744-750.

15. Kernecker M., Knierim A., Wurbs A., Kraus T., Borges F. Experience versus expectation: farmers’ perceptions of smart farming technologies for cropping systems across Europe // Precision Agriculture. 2020. Pp. 34-50. DOI:https://doi.org/10.1007/s11119-019-09651-z.

16. Pham X., Stack M. How data analytics is transforming agriculture // Business Horizons. 2018. No. 61. Pp. 125-133.

Войти или Создать
* Забыли пароль?