КОРРЕЛЯЦИОННАЯ ЗАВИСИМОСТЬ ОПТИЧЕСКИХ ХАРАКТЕРИСТИК АГРОФИТОЦЕНОЗОВ ПРИ ДИСТАНЦИОННОМ И КОНТАКТНО-СЕНСОРНОМ ИЗМЕРЕНИЯХ
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
SCIENTIFIC JOURNAL BULLETIN OF VORONEZH INSTITUTE OF HIGH TECHNOLOGIES
Online media
ISSN 2949-4443

CORRELATION DEPENDENCE OF OPTICAL CHARACTERISTICS OF AGROPHYTOCENOSES DURING REMOTE AND CONTACT-SENSOR MEASUREMENTS

Linkina A.V.  

UDC 004.8: 504.06

  • Abstract
  • List of references
  • About authors

The article discusses the correlation dependence of the optical characteristics of agrophytocenosis obtained by remote and contact-sensor measurements, on the environmental conditions of their growth and the role of such factors as climate, topography, soil cover and the availability of nutrients. The features of the spectral analysis of high-resolution images in the calculation of various vegetation indices are considered. The features of the use of the normalized difference vegetation index (NDVI) are noting for modeling of agricultural landscapes.

1. Адерихин В. В. Оценка влияния компонентов агроландшафта на формирование уро-жайности зерновых культур в засушливые годы / В. В. Адерихин, А. Ю. Кондауров, А. В. Линкина // Вестник Воронежского государственного аграрного университета. – 2011. – № 4 (31). – С. 243-245.

2. Берников В. В. Возможности распараллеливания обработки изображений с помощью OpenCV и OpenMP / В. В. Берников, А. П. Преображенский, О. Н. Чопоров // Модели-рование, оптимизация и информационные технологии. – 2019. – Т. 7. – № 2 (25). – С. 110-126.

3. Использование NDVI для определения содержания азота в растениях озимой пшени-цы в условиях Ставропольского края / И. Г. Сторчак, И. В. Чернова, Ф. В. Ерошенко // АВУ. – 2019. – № 12 (191). Доступно по: https://cyberleninka.ru/article/n/ispolzovanie-ndvi-dlya-opredeleniya-soderzhaniya-azota-v-rasteniyah-ozimoy-pshenitsy-v-usloviyah-stavropolskogo-kraya (дата обращения: 02.09.2022).

4. Клименко Ю. А. Адаптивная система управления для устранения несимметричности нагрузки фаз в трёхфазной сети 0,4 кв. / Ю. А. Клименко, А. П. Преображенский, О. Н. Чопоров // Моделирование, оптимизация и информационные технологии. – 2019. – Т. 7. – № 4 (27). – С. 9-10.

5. 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. // С.-х. биол., Сельхозбиология, Ш биол, Сельхоз биол, Сельскохозяйственная биология, Сельско-хозяйственная биология. – 2022. – № 1. Доступно по: https://cyberleninka.ru/article/n/korrelyatsionnye-zavisimosti-mezhdu-vegetatsionnymi-indeksami-urozhaem-zerna-i-opticheskimi-harakteristikami-listiev-pshenitsy-pri (дата об-ращения: 16.09.2022).

6. Линкина А. В Использование эколого-ландшафтной информации при кадастровой оценке земель / А. В. Линкина // Вестник Воронежского государственного аграрного университета. – 2011. – № 3 (30). – С. 158-160.

7. Моделирование взаимодействия поляризованного лазерного излучения с листьями растений / Ю. Н. Кульчин, А. А. Сергеев, Ю. А. Зинин и др. // Квантовая электроника. – 2021. – Т. 51. – № 10. – С. 947-952

8. Пономарчук А. И. Дистанционное зондирование в картографии: практикум: учеб. По-собие / А. И. Пономарчук, Е. С. Черепанова, А. Н. Шихов. – Перм. гос. нац. исслед. ун-т. – Пермь. – 2013. – 100 с.

9. Применение искусственных нейронных сетей в задачах управления генетическим ал-горитмом / Д. А. Петросов и др. // Моделирование, оптимизация и информационные технологии. – 2019. – Т. 7. – № 4 (27). – С. 10-11.

10. Распоряжение Правительства Российской Федерации от 8 сентября 2022 года N 2567-р «Об утверждении Стратегии развития агропромышленного и рыбохозяйственного комплексов Российской Федерации на период до 2030 года». Доступно по: Электрон-ный фонд нормативно-технической и нормативно-правовой информации Консорциу-ма «Кодекс» – Москва, 08.09.2022. – Доступно по: https://docs.cntd.ru/document/351735594?marker=6560IO (дата обращения: 22.09.2022).

11. Тимченко Е. В. Дифференциальные оптические методы контроля состояния расте-ний… Диссертация на соискание ученой степени кандидата физико-математических наук / Е. В. Тимченко. – Самара.: Самарский государственный аэрокосмический уни-верситет им. С. П. Королева., 2009. – 117 с.

12. Формирование базы данных оптических характеристик посевов для выделения зон управления на основе дистанционного зондирования / Д. А. Матвеенко и др. // Земле-делие. – 2021. – № 6. Доступно по: https://cyberleninka.ru/article/n/formirovanie-bazy-dannyh-opticheskih-harakteristik-posevov-dlya-vydeleniya-zon-upravleniya-na-osnove-distantsionnogo-zondirovaniya

Linkina A. V.

Email: anna-linkina@rambler.ru

Voronezh Institute of High Technologies

Voronezh, Russia

Keywords: reflection index, spectral characteristics, vegetation indices, NDVI, correlation dependence, remote sensing, precision farming

For citation: Linkina A.V. , CORRELATION DEPENDENCE OF OPTICAL CHARACTERISTICS OF AGROPHYTOCENOSES DURING REMOTE AND CONTACT-SENSOR MEASUREMENTS. Bulletin of the Voronezh Institute of High Technologies. 2022;16(3). Available from: https://vestnikvivt.ru/ru/journal/pdf?id=44 (In Russ).

72

Full text in PDF

Published 30.09.2022