- PII
- S3034582025050023-1
- DOI
- 10.7868/S3034582025050023
- Publication type
- Article
- Status
- Published
- Authors
- Volume/ Edition
- Volume / Issue number 5
- Pages
- 7-10
- Abstract
- The study was conducted at the experimental base of the Menkovsky branch of the Agrophysical Research Institute in the Leningrad Region in 2015–2021. The purpose of the experiment is to develop a model of the seasonal dynamics of the NDVI index of spring barley crops. Comparing the current NDVI measurements during the growing season with the model data will allow monitoring and, if necessary, adjusting the condition of crops using agrotechnological techniques. Measurements were carried out once a week at permanent accounting sites in two field experiments. The NDVI dynamics for experiments with the cultivation of spring barley mixed with perennial grasses and in pure form were different. In the first case, the maximum value of the index occurred on the 28th week from the beginning of the year, in the second – on the 25th week. The indicated difference was due to the influence of perennial grasses, due to the increase in the above-ground mass of which the effects of herbicide treatment were leveled. Models of seasonal dynamics of NDVI, built on average long-term data, turned out to be more reliable for general analysis than one-year ones, since they reduced the influence of random factors. In both cases of modeling the variability of the seasonal course of the index, as applied to two experiments with the cultivation of spring barley, good results were obtained using a polynomial function of the 2nd degree (R = 0,97 and 0,80, p = 0,00003 and 0,008). At the same time, complication of the model to a polynomial of the 3rd degree led to an increase in the accuracy (R = 0,92) and reliability of the forecast (p = 0,004) only for the second experiment. In the models describing the seasonal dynamics of NDVI in individual years, higher accuracy corresponded to a polynomial of the 2nd degree.
- Keywords
- яровой ячмень ( L.) индекс NDVI сезонная динамика эмпирические модели полиномиальная функция
- Date of publication
- 01.05.2025
- Year of publication
- 2025
- Number of purchasers
- 0
- Views
- 50
References
- 1. Ерошенко Ф. В., Сторчак И. Г., Шестакова Е. О. Связь вегетационного индекса NDVI с содержанием хлорофилла в растениях озимой пшеницы // Аграрный вестник Урала. 2018. № 4 (171). С. 2. doi: 10.25930/1se7‑wj26.
- 2. Использование NDVI для определения содержания азота в растениях озимой пшеницы в условиях Ставропольского края / И. Г. Сторчак, И. В. Чернова, Ф. В. Ерошенко и др. // Аграрный вестник Урала. 2019. № 12 (191). С. 19–30. doi: 10.32417/1997‑4868‑2019‑191‑12‑19‑30.
- 3. Корреляционные зависимости между вегетационными индексами, урожаем зерна и оптическими характеристиками листьев пшеницы при разном содержании в почве азота и густоте посева / В. П. Якушев, Е. В. Канаш, Д. В. Русаков и др. // Сельскохозяйственная биология. 2022. Т. 57. № 1. С. 98–112. doi: 10.15389/agrobiology.2022.1.98rus.
- 4. Экспериментальная оценка распознаваемости агрокультур по данным сезонных спутниковых измерений спектральной яркости / Д. Е. Плотников, С. А. Барталев, В. О. Жарко и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 199–208.
- 5. The effect of NDVI time series density derived from spatiotemporal fusion of multisource remote sensing data on crop classification accuracy / R. Sun, S. Chen, H. Su, et al. // ISPRS International Journal of Geo‑Information. 2019. Vol. 8. No. 11. P. 502. URL: https://www.mdpi.com/2220-9964/8/11/502 (дата обращения: 20.01.2025). doi: 10.3390/ijgi8110502.
- 6. Murmu S., Biswas S. Application of fuzzy logic and neural network in crop classification: a review // Aquatic Procedia. 2015. Vol. 4. P. 1203–1210. doi: 10.1016/j.aqpro.2015.02.153.
- 7. Павлова М. А., Сидорчук Д. С., Бочаров Д. А. Классификация сельскохозяйственных культур на основе анализа временных рядов вегетационного индекса c понижением их размерности // Сенсорные системы. 2023. Т. 37. № 2. С. 171–180. doi: 10.31857/S023500922302004X.
- 8. Использование вегетативного индекса NDVI для прогноза урожайности зерновых культур / С. А. Родимцев, Н. Е. Павловская, С. В. Вершинин и др. // Вестник НГАУ (Новосибирский государственный аграрный университет). 2022. № 4 (65). С. 56–67. doi: 10.31677/2072‑6724‑2022‑65‑4‑56‑67.
- 9. Сторчак И. Г., Ерошенко Ф. В. Использование дистанционных методов для мониторинга формирования урожая ярового ячменя // Аграрный научный журнал. 2020. № 11. С. 58–61. doi: 10.28983/asj.y2020i11pp58‑61.
- 10. Фесенко М. А., Шпанев А. М. Изучение возможностей использования вегетационного индекса NDVI для прогноза урожайности ярового ячменя в условиях Северо‑Запада России // Агрофизика. 2023. № 3. С. 36–41. doi: 10.25695/AGRPH.2023.03.05.
- 11. Модели продукционного процесса сельскохозяйственных растений для анализа элементов систем земледелия / В. Л. Баденко, А. Г. Топаж, С. А. Медведев и др. // Таврический вестник аграрной науки. 2021. № 1 (25). С. 8–27. doi:10.33952/2542‑0720‑2021‑1‑25‑8‑27.
- 12. Влияние различных по размеру фракций доломита на показатели почвенной кислотности легкосуглинистой дерново‑подзолистой почвы (эмпирические модели процесса подкисления) / А. В. Литвинович, А. В. Лаврищев, В. М. Буре и др. // Агрохимия. 2017. № 12. С. 27–37. doi: 10.7868/S0002188117120055.
- 13. Оптимальные эмпирические модели динамических систем с внешними воздействиями: общий подход и примеры из климата / Д. Н. Мухин, А. Ф. Селезнев, А. С. Гаврилов и др. // Известия высших учебных заведений. Прикладная нелинейная динамика. 2021. Т. 29. № 4. С. 571–602. doi: 10.18500/0869‑6632‑2021‑29‑4‑571‑602.
- 14. Шпанев А. М., Петрушин А. Ф. Методологические основы изучения оптических характеристик фитосанитарного состояния посевов // Агрофизика. 2017. № 4. С. 48–57.
