Assessment of Winter Wheat Plant Development during the Seeding and Tillering Stages According to the Earth Remote Sensing Data

Мұқаба


Дәйексөз келтіру

Толық мәтін

Аннотация

Введение. Важность контроля этапов органогенеза заключается в том, что появляется возможность воздействовать на растения посредством уходных мероприятий для создания благоприятных условий в периоды формирования определенных элементов структуры урожая и влиять на качество зерна.

Цель работы – установить связь данных дистанционного зондирования Земли с состоянием растений озимой пшеницы в начальный период их роста и развития.
Материалы и методы. Объектом исследований стали посевы озимой пшеницы. На опытном поле поделяночно высевали пшеницу следующих сортов: «Одиссея», «Олимп», «Нива Ставрополья», «Виктория 11», «Настя» и «Фируза 40». На производственных посевах озимой пшеницы проводились исследования по оценке состояния растений в фазу кущения в 2012–2013, 2013–2014 и 2015–2016 сельскохозяйственных годах. Данные дистанционного зондирования Земли получены с помощью сервиса «ВЕГА» ФГБУН «ИКИ РАН».
Результаты исследования. Полученная функция зависимости NDVI посевов озимой пшеницы от высоты растений и соответствующей фазы их развития представляет собой полином третьей степени и характеризуется высокой точностью (Rcorr = 0,98). Анализ данных NDVI, RED и NIR полей в даты, близкие к датам проведения отборов растительных образцов, показал достаточно высокий уровень сопряжения между вегетационным индексом NDVI и высотой растений озимой пшеницы. В 2013 г. был получен коэффициент корреляции 0,60, в 2014 – 0,66, а в 2016 – 0,80, в среднем за 2013–2016 гг. – 0,85.
Обсуждение и заключение. Исследования показали, что для оценки состояния и степени развития посевов озимой пшеницы в период «всходы – кущение», в том числе в производственных условиях, могут быть использованы данные дистанционного зондирования Земли. Для повышения точности такой оценки лучше применять значения спектральной яркости в инфракрасной области спектра.

Толық мәтін

Введение

Очень важное значение для формирования будущего урожая имеет контроль состояния посевов и степени развития растений в самый начальный период роста озимой пшеницы [1]. Это позволяет эффективно планировать уходные мероприятия (боронование, ремонт посевов, при необходимости их пересев и т. д.), вносить коррективы в рекомендации по ранневесенней азотной подкормке (дозы, сроки и очередность применения), а также оценивать потенциальные возможности посевов по формированию урожая и качества зерна [2–5].

Оценка состояния посевов и развития растений должна быть максимально объективной и оперативной. Такими свойствами характеризуются данные дистанционного зондирования Земли (ДЗЗ) из космоса [6; 7]. К сожалению, исследования по выявлению связи ДЗЗ с оценочными характеристиками роста и развития растений озимой пшеницы в литературе практически отсутствуют.

Обзор литературы

Из литературных источников известно, что в течение вегетации растения озимой пшеницы проходят следующие основные фазы роста и развития: всходы, кущение, выход в трубку, колошение, цветение и созревание [8; 9]. Фенологические наблюдения фиксируют лишь фазовые изменения в жизни растений, которые не раскрывают всю сложность процессов образования органов в онтогенезе [10; 11].

Органогенез – процесс формирования органов растения в их эмбриональном зачаточном состоянии (происходит дифференцирование клеток). Органы растений в процессе своего развития проходят несколько этапов органогенеза. Например, у озимой пшеницы, по Ф. М. Куперман, их 121. Важность контроля этапов органогенеза заключается в том, что появляется возможность воздействовать на растения посредством уходных мероприятий для создания благоприятных условий в периоды формирования определенных элементов структуры урожая (продуктивный стеблестой, озерненность колоса и колосков, масса 1 000 зерен и т. д.), а также на формирование качества зерна (содержание элементов минерального питания в органах растений, их реутилизация, аттракция и т. д.).

Существует соответствие между этапами органогенеза и фазами развития растений. Поэтому применение тех или иных технологических приемов выращивания в определенные фазы развития растений позволяет управлять ходом формирования урожая и качеством зерна озимой пшеницы [12; 13].

Необходимо разработать методы, позволяющие давать объективную оценку степени развития посевов не только отдельного поля, но и сельхозпредприятия в целом. Такие методы могут быть разработаны на основе данных ДЗЗ, которые в последнее время стали широко использовать в сельском хозяйстве [14–16].

Системы спутникового мониторинга активно применяются для контроля состояния растительности сельскохозяйственных посевов в течение вегетации. Главными преимуществами такого наблюдения являются оперативность (получение снимков возможно несколько раз в сутки), полимаштабность (информация как о небольших объектах (поле), так и о более крупных (край или область)), объективность (космоснимки показывают действительное состояние исследуемых объектов), экономичность (минимальные финансовые затраты) [17; 18]. Поэтому необходимо использовать специализированные сервисы пространственного разрешения, содержащие данные различного типа, и иметь многолетние архивы наблюдений. Одним из таких сервисов является «ВЕГА-Science», созданный в Институте космических исследований Российской академии наук [19].

Цель работы – установить связь данных ДЗЗ с состоянием растений озимой пшеницы в начальный период их роста и развития.

Материалы и методы

Объектом исследований были посевы озимой пшеницы. На опытном поле поделяночно высевали пшеницу следующих сортов: «Одиссея», «Олимп», «Нива Ставрополья», «Виктория 11», «Настя» и «Фируза 40». Предшественники: 1) пар; 2) озимая пшеница. Фоны минерального питания: контроль (без удобрений); 2) удобренный фон (NPK по 60 кг/га по д.в. при посеве и ранневесенняя азотная подкормка 30 кг/га по д.в.). Повторность трехкратная. Площадь одной делянки 25 м2. Кроме того, в 2013, 2014 и 2016 годах в ЗАО «СХП “Родинаˮ» (Шпаковский р-н, Ставропольский край) на производственных посевах озимой пшеницы (рис. 1) в рамках НИОКР по научному обеспечению производства зерна озимой пшеницы проводились исследования по оценке состояния растений в фазу кущения.

 

 
 
Рис. 1. Поля, занятые под посевы озимой пшеницы в ЗАО «СХП “Родинаˮ»
Fig. 1. Fields for winter wheat plantings in the Rodina Аgricultural Company
 
 

На рост и развитие большое влияние оказывают условия выращивания: почвенно-климатические и технологические. Вторые включают в себя: предшественника, сорт, фон минерального питания, сроки и нормы высева. Растения являются индикатором условий выращивания, поэтому, в зависимости от технологических приемов, наблюдается различная степень их роста и развития на определенных этапах органогенеза. Все это оказывает влияние на оптико-биологические свойства посевов и, как следствие, на данные дистанционного зондирования.

Погодные условия осеннего периода 2012–2013 сельскохозяйственного года были неблагоприятными для сева и появления всходов озимой пшеницы. Температура воздуха сентября была выше климатической нормы на 12,5 %, осадков при этом выпало всего 11 мм (норма 49 мм). Температурный режим октября был превышен на 4,6 °C при значительном недоборе осадков (85 %). Выпавшие осадки в первой декаде ноября и повышенные температуры всего месяца способствовали хорошему развитию посевов. Недобор осадков в зимний период составил 43 %, а температура воздуха была на 1,5 °C выше климатической нормы. Возобновление весенней вегетации началось в среднем на 15 дней раньше среднемноголетних значений. В марте температура воздуха была выше климатической нормы на 2,2 °C, осадков выпало 53 мм. В апреле при повышенном температурном режиме наблюдался недобор осадков. В мае температура воздуха была выше климатической нормы на 3,3 °C с дефицитом осадков 7,6 %. В июне температура воздуха была в пределах нормы, за месяц выпало 134 мм осадков.

Агроклиматические условия осени и зимы 2013–2014 сельскохозяйственного года сложились в целом благоприятно для роста и развития растений озимой пшеницы. Возобновление весенней вегетации началось на 14 дней раньше обычного срока. Температура воздуха в марте превышала значения климатической нормы на 2 °C, суммарное количество выпавших осадков за месяц составило 39 мм. Среднемесячная температура апреля была равна 9,3 °C, осадков выпало 61 мм. Температура воздуха в мае была выше среднемноголетних значений на 2 °С, осадков выпало 135 мм. Поэтому сложившиеся погодные условия не оказали отрицательного воздействия на формирование урожая озимой пшеницы. Достаточное количество выпавших осадков в весенний период компенсировало их нехватку в июне, тем более что температура воздуха была близка к климатической норме. Сложившиеся условия положительно отразились на формировании урожая зерна.

Теплообеспеченность растений озимой пшеницы в 2015 году в период сева и осенней вегетации была выше климатической нормы на 1,9–3,5 °С. Температура воздуха в феврале и марте 2016 года превышала среднемноголетнюю на 5,8 и 2,5 °С. В августе, сентябре и октябре 2015 года отмечалась засуха. Выпавшие осадки в ноябре превышали климатическую норму на 12 мм, в декабре – на 53 мм, в январе – на 22 мм, что привело к улучшению влагообеспеченности посевов.
Поэтому климатические условия весеннего периода в 2016 году были в целом благоприятными для роста и развития растений озимой пшеницы.

Вегетационный индекс Normalized Difference Vegetation Index (NDVI) на опытных делянках определяли с помощью ручного прибора GreenSeeker (Trimble, США). Измерения проводили каждые 2-3 дня (не менее четырех замеров на каждой повторности). Одновременно с этим определяли высоту побегов и кустистость растений. По полученным данным была построена зависимость, где y ‒ NDVI, x ‒ высота растений.

Данные ДЗЗ (NDVI, NIR и RED) в период осенне-весеннего кущения посевов ЗАО «СХП “Родинаˮ» получали с помощью сервиса «ВЕГА» ФГБУН «ИКИ РАН». В этот период на посевах отбирали образцы и определяли высоту растений и их кустистость по методике государственного сортоиспытания сельскохозяйственных культур (1989).

Результаты исследования

Спутниковый сервис «ВЕГА» позволяет использовать информацию, полученную с общедоступных данных дистанционного зондирования [20]. Значения нормализованного разностного вегетационного индекса NDVI сельскохозяйственных культур получены по данным спутника «Терра» (MODIS) [21].

Динамика вегетационного индекса NDVI посевов озимой пшеницы в Ставропольском крае представляет собой кривую с двумя максимумами (рис. 2). Наличие первого максимума, который наблюдается перед уходом в зиму, объясняется нарастанием биомассы в период осеннего кущения. Далее, в зимний период растения под действием отрицательных температур частично теряют листовой аппарат, что ведет к снижению NDVI. C возобновлением весенней вегетации отмечается рост биомассы и, как следствие, вегетационного индекса NDVI, который продолжается вплоть до начала фазы колошения. Далее, наблюдается уменьшение значения NDVI, главным образом за счет уменьшения количества хлорофилла в растениях.

 

 

 
 
Рис. 2. Динамика вегетационного индекса NDVI озимых в Ставропольском крае, 2001–2020 гг.
Fig. 2. Dynamics of the NDVI vegetation index for winter crops in the Stavropol Krai, 2001–2020 years
 

На рисунке 2 представлены усредненные значения вегетационного индекса NDVI озимых культур в Ставропольском крае. Их мы применили для озимой пшеницы. Правильность такого подхода объясняется тем, что более 90 % посевных площадей в крае занимают посевы озимой пшеницы, около 10 % – ячменя, который по биологическим особенностям схож с пшеницей (рис. 3).

 

 
 
Рис. 3. Структура посевных площадей озимых культур в Ставропольском крае, 2019 г.
Fig. 3. The structure of the areas under winter crops in the Stavropol Krai, 2019 year
 
 

Была изучена связь значений NDVI со степенью развития растений озимой пшеницы в начальный период ее роста и развития. Для этого с помощью ручного сканера в осенний период определяли NDVI посевов опытных делянок и сравнивали их с биометрическими показателями. Исследования показали, что в начальный период роста растений озимой пшеницы (шильца), когда их высота увеличивается от 0 до 5 см, наблюдается рост NDVI, который обусловлен выходом из почвы побегов, их утолщением и появлением первых листьев (рис. 4).

 

 
Рис. 4. Зависимость NDVI посева от степени его развития в осенний и ранневесенний периоды
Fig. 4. Dependence of NDVI of sowing on the degree of its development in the autumn and early spring
periods
 

Далее рост вегетационного индекса замедляется. При этом развитие растений соответствует фазе 2-3 листьев, а их высота варьируется в довольно широких пределах 5–10 см. Такое поведение динамики NDVI объясняется тем, что в этот период основные изменения в растениях связаны с увеличением высоты побега, в то же время проективное покрытие почвы посевом почти не изменяется. С началом осеннего кущения (10–12 см) наблюдается резкий рост вегетационного индекса, который обусловлен увеличением площади покрытия почвы за счет появления новых побегов.

Полученная функция зависимости NDVI посевов озимой пшеницы от высоты растений и соответствующей фазы их развития представляет собой полином третьей степени и характеризуется довольно высокой точностью (коэффициент корреляции равен 0,98, коэффициент аппроксимации – 0,91).

Таким образом, результаты наших исследований позволяют сделать вывод о том, что вегетационный индекс NDVI может быть использован при разработке способа оценки физиологического состояния посевов озимой пшеницы в начальный период роста и развития.

Чтобы проверить возможность использования данных дистанционного зондирования для оценки состояния растений в производственных условиях, были проанализированы результаты исследований, полученные при изучении полей в осенне-весенний период в ЗАО «СХП “Родинаˮ» Шпаковского района, расположенного в зоне неустойчивого увлажнения Ставропольского края. Они были проведены в рамках выполнения хоздоговорных работ по научному обеспечению производства зерна озимой пшеницы (2013, 2014 и 2016 годов). Нами была выполнена оцифровка всех полей с озимой пшеницей в каждый год исследований. С помощью сервиса «ВЕГА» ФГБУН «ИКИ РАН» были получены данные ДЗЗ соответствующих полей и в даты, близкие к датам проведения отборов растительных образцов (NDVI, RED и NIR).

Анализ полученных данных показал достаточно высокий уровень сопряжения между вегетационным индексом NDVI и высотой растений озимой пшеницы (рис. 5).

 

 
 
Рис. 5. Зависимость NDVI посевов от высоты растений озимой пшеницы. ЗАО «СХП “Родинаˮ»
Fig. 5. Dependence of NDVI of crops on the height of winter wheat plants. Rodina Аgricultural
Company
 

Так, в 2013 году был получен коэффициент корреляции, значимый для p = 0,05 (0,60), в 2014 – для p = 0,05 (0,66), а в 2016 – для p = 0,01 (0,80). Более высокий коэффициент корреляции 0,85 между значениями NDVI и высотой растений в начальный период роста и развития был получен при анализе усредненных данных за 3 года.

Несколько разный характер зависимости NDVI от высоты растений по годам объясняется влиянием погодных условий, складывающихся как перед посевами озимой пшеницы, так и в период начального роста и развития.

Полученные нами зависимости схожи с теми, которые были вычислены для опытных делянок с использованием ручного сканера GreenSeeker. Следовательно, вегетационный индекс NDVI может быть использован для оценки высоты растений озимой пшеницы в период «всходы – кущение».

Также была проанализирована связь высоты растений с NIR и RED (коэффициентами спектральной яркости в инфракрасной и в красной областях спектра электромагнитных волн). Так как RED напрямую связан с максимумом поглощения хлорофилла, а у растений нет прямой зависимости их высоты от количества зеленых пигментов, то ожидаемо не получена взаимосвязь между степенью развития и спектральной яркостью в красной области посевов (рис. 6).

 

 
 
Рис. 6. Зависимость RED посевов от высоты растений озимой пшеницы. ЗАО «СХП “Родинаˮ»
Fig. 6. Dependence of RED of crops on the height of winter wheat plants. Rodina Аgricultural
Company
 

Степень развития посевов, особенно в начальный период роста озимой пшеницы, напрямую связана с биомассой и, как следствие, с площадью ассимиляционной поверхности и с высотой растений. Поэтому чем лучше развит посев, тем большую отражающую площадь растений он имеет. Как следствие, при использовании в наших анализах данных NIR были получены наилучшие результаты по взаимосвязи высоты растений озимой пшеницы с данными ДЗЗ (рис. 7).

 

 
 
Рис. 7. Зависимость NIR посевов от высоты растений озимой пшеницы. ЗАО «СХП “Родинаˮ»
Fig. 7. Dependence of NIR of crops on the height of winter wheat plants. Rodina Аgricultural Company
 

Нами также был рассчитан коэффициент корреляции между высотой растений и их кустистостью. Полученные результаты свидетельствуют о высокой степени сопряжения между характеристиками развития растений озимой пшеницы – коэффициент корреляции составляет 0,72 (табл. 1).

Таблица 1 Связь высоты растений озимой пшеницы с коэффициентом кущения в период «всходы – кущение»

Table 1 Relationship between the height of winter wheat plants and the tillering coefficient during the seeding and tillering stages

 

Коэффициент кущения / Tillering coefficient

1,0–1,5

1,5–2,0

2,0–2,5

2,5–3,0

3,0–3,5

3,5–4,0

4,0–5,0

Высота растения, см / Plant height, cm

5–10

10–13

13–16

16–20

20–25

25–30

>30

Коэффициент корреляции / Correlation coefficient

0,72

 

Обсуждение и заключение

Анализ полученных данных показал достаточно высокий уровень сопряжения между вегетационным индексом NDVI и высотой растений озимой пшеницы: в 2013 г. коэффициент корреляции был равен 0,60 (значимый для p = 0,05), в 2014 г. – 0,66 (значимый для p = 0,05), а в 2016 г. – 0,80 (значимый для p = 0,01). Наиболее тесная связь между этими показателями в начальный период роста и развития растений получена при анализе объединенных данных за 2013–2016 гг., когда коэффициент корреляции составил 0,85.

При анализе связи высоты растений и коэффициентов спектральной яркости в красной области спектра электромагнитных волн (RED) коэффициенты корреляции составили значения −0,54 в 2013 г., –0,18 в 2014 г. и 0,69 в 2016 г., по объединенным данным за период 2013‒2016 гг. – минус 0,40. Это объясняется тем, что RED напрямую связан с максимумом поглощения хлорофилла, а у растений нет прямой зависимости их высоты от количества зеленых пигментов.

Проанализировав коэффициенты корреляции между спектральной яркостью в инфракрасной области спектра электромагнитных волн (NIR) и высотой растений озимой пшеницы, мы получили наилучшие результаты: коэффициент корреляции равнялся 0,65 в 2013 г., 0,72 в 2014 г., 0,69 в 2016 г. По данным за все годы исследований коэффициент корреляции составил 0,92.

При расчете коэффициента корреляции между высотой растений и кустистостью нами были получены результаты, которые свидетельствуют о высокой степени сопряжения между этими характеристиками степени развития растений озимой пшеницы, коэффициент корреляции составляет 0,72.

Таким образом, наши исследования показали, что для оценки состояния и степени развития посевов озимой пшеницы в период «всходы – кущение», в том числе в производственных условиях, могут быть использованы данные ДЗЗ. Для повышения точности такой оценки лучше применять значения спектральной яркости в инфракрасной области спектра.

 

 

1           Куперман Ф. М. Биологические основы культуры пшеницы: в 3-х ч. Ч. 2. М., 1953. 300 с.

 

×

Авторлар туралы

Irina Storchak

North Caucasus Federal Agricultural Research Centre

Хат алмасуға жауапты Автор.
Email: vestnik_mrsu@mail.ru
ORCID iD: 0000-0001-8741-6882
ResearcherId: AAB-4142-2020

Senior Researcher of the Department of Plant Physiology

Ресей, 49 Nikonov St., Mikhailovsk 356241

Fedor Eroshenko

North Caucasus Federal Agricultural Research Centre

Email: yer-sniish@mail.ru
ORCID iD: 0000-0003-0238-3861
ResearcherId: AAB-4769-2020

Head of the Department of Plant Physiology, Dr.Sci. (Biol.)

Ресей, 49 Nikonov St., Mikhailovsk 356241

Lusine Oganyan

North Caucasus Federal Agricultural Research Centre

Email: oganyan@inbox.ru
ORCID iD: 0000-0002-0019-8956
ResearcherId: AAB-4805-2020

Researcher of the Department of Plant Physiology

Ресей, 49 Nikonov St., Mikhailovsk 356241

Elena Shestakova

North Caucasus Federal Agricultural Research Centre

Email: shestakova.e.o@yandex.ru
ORCID iD: 0000-0001-5764-0576
ResearcherId: AAB-4741-2020

Researcher of the Department of Plant Physiology

Ресей, 49 Nikonov St., Mikhailovsk 356241

Anastasiya Kalashnikova

North Caucasus Federal Agricultural Research Centre

Email: anaskar@mail.ru
ORCID iD: 0000-0002-3422-2256
ResearcherId: AAE-8789-2021

Postgraduate Student of the Department of Plant Physiology

Ресей, 49 Nikonov St., Mikhailovsk 356241

Әдебиет тізімі

  1. Shestakova E.O., Oganyan L.R., Chernova I.V., et al. Effect of Variety, Predator, Level of Mineral Nutrition, Timing and Normal Seeding Rates on the Relative Content of Chlorophille in Winter Wheat Plants. Novosti nauki v APK = News of Science in the Agroindustrial Complex. 2019; (3):487-490.(In Russ.) DOI: https://doi.org/10.25930/2218-855X/122.3.12.2019
  2. Chernova I.V., Shestakova E.O., Bildieva E.A. Assessment of the Quality of Grain of Winter Wheat in the Stavropol Territory under Data Protection of the Earth. Novosti nauki v APK = News of Science in the Agroindustrial Complex. 2019; (3):482-486. (In Russ.) DOI: https://doi.org/10.25930/2218-855X/121.3.12.2019
  3. Menkina Ye.A., Shapovalova N.N., Voropaeva A.A. Influence of Predecessors and Fertilizers on the Yields of Winter Wheat Cultivated by Using the No-Till Technology on Common Chernozem Soil in Stavropol Region. Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta = Orenburg State Agrarian University Bulletin. 2018; (3):55-59. (In Russ.) DOI: https://doi.org/10.25930/n5cv-wa92
  4. Artemjev A.А., Guryanov A.M. Efficiency of Winter Wheat Cultivation with the Differentiated Application of Mineral Fertilizers. Dostizheniya nauki i tekhniki APK = Achievements of Science and Technology of AIC. 2020; 34(4):26-31. (In Russ.) DOI: https://doi.org/10.24411/0235-2451-2020-10405
  5. Gostev A.V. Conditions for the Formation of High-Quality Grain in Highly Productive Resource-Saving Agricultural Technologies in the Central Chernozem Region. Zemledelie = Agriculture. 2019;(6):16-20. (In Russ.) DOI: https://doi.org/10.24411/0044-3913-2019-10604
  6. Wei W., Wu W., Li Zh., et al. Selecting the Optimal NDVI Time-Series Reconstruction Technique for Crop Phenology Detection. Intelligent Automation & Soft Computing. 2016; 22(2):237-247. (In Eng.)DOI: https://doi.org/10.1080/10798587.2015.1095482
  7. Tokareva O.S., Pasko O.A., Majid S.M., et al. Monitoring Vegetation State in the Central Iraq Using Landsat-8 Satellite Data. Izvestiya Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov =Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering. 2020; 331(6):19-31. (In Russ.)DOI: https://doi.org/10.18799/24131830/2020/6/2671
  8. Podlesnykh N.V. Peculiarities of Stages of Organogenesis, Growth and Development Phases,Crop Yield and Quality of Hard and Soft Winter Wheat under the Conditions of the Forest-Steppe of Voronezh Oblast. Vestnik Voronezhskogo gosudarstvennogo agrarnogo universiteta = Voronezh State Agrarian University Bulletin. 2015; (3):12-22. Available at: http://vestnik.vsau.ru/wp-content/uploads/2015/10/12-22.pdf (accessed 22.01.2021). (In Russ.)
  9. Torikov V.E., Romanova I.N., Ptitsyna N.V. Dependence of Photosynthetic Crop Potential and Dry Biomass Accumulation of Winter Wheat on the Sowing Dates and Mineral Nutrition Level. Vestnik Kurskoy gosudarstvennoy selskokhozyaystvennoy akademii = Bulletin of the Kursk State Agricultural Academy. 2017; (3):8-12. Available at: https://clck.ru/SvQ7m (accessed 22.01.2021). (In Russ.)
  10. Saviсhenko D.L., Tsatsenko L.V., Neshchadim N.N. Comparative Characteristic of Potential and Real Productivity of the Main Ear of Collection Samples of Winter Wheat Having a “Multiflorous Effectˮ Feature. Tavricheskiy vestnik agrarnoy nauki = Tavrida Bulletin of Agrarian Science. 2018; (3):99-108.(In Russ.) DOI: https://doi.org/10.25637/TVAN.2018.03.11.
  11. Bondarenko Ye.V., Belik M.A. [Phenological Observations of Winter Wheat Plants in the Implementation of Coordinate Farming Technologies]. AgroForum = AgroForum. 2019; (8):107-111.Available at: https://clck.ru/SvQjd (accessed 22.01.2021). (In Russ.)
  12. Eroshenko F.V., Simatin T.V., Godunova E.I., et al. Using Physiologically Active Substances into the Technology for Winter Wheat Cultivation in the Zone of Unstable Moistening of the Stavropol Region.Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2018; 9(5):2121-2128. (In Eng.)DOI: https://doi.org/10.25930/gwmr-ad54
  13. Simatin T.V., Bildieva E.A., Chernova I.V., et al. The Influence of Physiologically Active Substances on the Productivity of Winter Wheat in the Conditions of Stavropol Region. Novosti nauki v APK = News of Science in the Agroindustrial Complex. 2019; (3):460-465. (In Russ.) DOI: https://doi.org/10.25930/2218-855X/116.3.12.2019
  14. Bartalev S.A., Elkina E.S., Loupian E.A., et al. Remote Sensing of 2017 Winter Crops in the Russian Federation. Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa = Current Problems in Remote Sensing of the Earth from Space. 2017; 14(4):275-280. (In Russ.) DOI: https://doi.org/10.21046/2070-7401-2017-14-4-275-280
  15. Stepanov A.S., Aseyeva T.A., Dubrovin K.N. The Influence of Climatic Characteristics and Values of NDVI at Soybean Yield (On the Example of the Districts of the Primorskiy Region). Agrarnyy Vestnik Urala = Agrarian Bulletin
  16. Fedotova E.V., Maglinets Yu.A., Brezhnev R.V., et al. Obtaining Time Series of LAI to Predict Crop Yield. Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa = Current Problems in Remote Sensing of the Earth from Space. 2020; 17(4):195-203. (In Russ.) DOI: https://doi.org/10.21046/2070-7401-2020-17-4-195-203
  17. Lysenko S.A. Crop Yield Forecasting Based on the Satellite Monitoring of Carbon Dynamics in Terrestrial Ecosystems. Issledovanie Zemli iz kosmosa = Exploring the Earth from Space. 2019; (4):48-59.(In Russ.) DOI: https://doi.org/10.31857/S0205-96142019448-59
  18. Bukhovets A.G., Semin E.A., Kucherenko M.V., et al. Dynamic Model of Crops’ Normalized Difference Vegetation Index in Central Federal District Environment. IOP Conference Series: Earth and Environmental Science. 2020; 548. 7 p. (In Eng.) DOI: https://doi.org/10.1088/1755-1315/548/4/042019
  19. Akinchin A.V., Levshakov L.V., Linkov S.A., et al. Information Technologies in the System of Precision Farming. Vestnik Kurskoy gosudarstvennoy selskohozyaystvennoy akademii = Vestnik of the Kursk State Agricultural Academy. 2017; (9):16-21. Available at: http://www.journal-kgsha.ru/data/documents/2017-09.pdf (accessed 22.01.2021). (In Russ.)
  20. Plotnikov D.E., Elkina E.S., Dunaieva Ie.A., et al. Development of the Method for Automatic Winter Crops Mapping by Means of Remote Sensing Aimed at Crops State Assessment over the Republic of Crimea. Tavricheskiy vestnik agrarnoy nauki = Tavrida Bulletin of Agrarian Science. 2020; (1):64-82.(In Russ.) DOI: https://doi.org/10.33952/2542-0720-2020-1-21-64-83
  21. Linkov S.A., Akinchin A.V., Donchenko I.S., et al. The Use of Satellite Monitoring Service “Vega-Scienceˮ to Assess the Status of Crops. Novosti nauki v APK = News of Science in the Agroindustrial Complex. 2018; (2):16-19. (In Russ.) DOI: https://doi.org/10.25930/77n0-vw24

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Fig. 1. Fields for winter wheat plantings in the Rodina Аgricultural Company

Жүктеу (112KB)
Метадеректер
3. Fig. 2. Dynamics of the NDVI vegetation index for winter crops in the Stavropol Krai, 2001–2020 years

Жүктеу (24KB)
Метадеректер
4. Fig. 3. The structure of the areas under winter crops in the Stavropol Krai, 2019 year

Жүктеу (16KB)
Метадеректер
5. Fig. 4. Dependence of NDVI of sowing on the degree of its development in the autumn and early spring periods

Жүктеу (26KB)
Метадеректер
6. Fig. 5. Dependence of NDVI of crops on the height of winter wheat plants. Rodina Аgricultural Company

Жүктеу (44KB)
Метадеректер
7. Fig. 6. Dependence of RED of crops on the height of winter wheat plants. Rodina Аgricultural Company

Жүктеу (38KB)
Метадеректер
8. Fig. 7. Dependence of NIR of crops on the height of winter wheat plants. Rodina Аgricultural Company

Жүктеу (40KB)
Метадеректер

© Storchak I.G., Eroshenko F.V., Oganyan L.R., Shestakova E.O., Kalashnikova A.A., 2025

Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Founded in 1990
Certificate of registration PI № FS77-74640 of December 24 2018.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».