Діагностика еродованих чорноземів південних за допомогою багатоспектральних супутникових зображень «Ландсат-8»
DOI:
https://doi.org/10.31073/acss89-09Ключові слова:
багатоспектральне сканування; вегетаційні індекси; відбивна здатність; карта ґрунтів; GNDVI; NDVI; EVIАнотація
Детальні карти ґрунтів, які використовуються для планування і проведення агротехнічних і меліоративних робіт та організації раціонального режиму використання території потребують оновлення. Сучасний етап картування ґрунтів може бути здійснено лише з використанням ГІС-технологій та дистанційних методів, за допомогою яких можливо максимально адекватно відобразити просторову структуру ґрунтового покриву, з виділенням меж окремих ґрунтових різновидів та ступеню еродованості. Незважаючи на існування прямих дистанційних методів дослідження оптичних характеристик поверхні ґрунтів за допомогою супутникових зображень, необхідно вивчати й стан сільськогосподарської рослинності, який віддзеркалює певні властивості ґрунту. Метою досліджень була розробка методичного підходу до ідентифікації еродованих чорноземів південних через оцінку відбивної здатності посівів соняшнику, який є найбільш поширеною сільськогосподарською культурою в регіоні. Попередніми підсупутниковими обстеженнями виділено на двох ключових ділянках контури еродованих ґрунтів і впродовж 2017-2019 рр., за результатами багатоспектрального сканування поверхонь агроландшафтів сканером OLI, який знаходиться на борту американського супутника Ландсат-8, були проведені дослідження відбивної здатності посівів соняшнику. За результатами аналізу відбивної здатності на етапах «початку бутонізації», «бутонізації» та «цвітіння» виявлено, що на еродованих ґрунтах (на схилах) величина вегетаційного індексу GNDVI суттєво менша ніж на нееродованих (на вододілах), що свідчить про дефіцит азоту. Це віддзеркалюється в обсягах фотосинтетично активної біомаси, що фіксується збільшеними значеннями вегетаційних індексів NDVI та EVI. Для дистанційної ідентифікації еродованих південних чорноземів з метою їх картування, рекомендовано використовувати зображення сканера OLI відбивної здатності посівів соняшнику в фази наростання фотосинтетично активної біомаси з подальшим часовим та просторовим аналізом значень вегетаційних індексів GNDVI, NDVI та EVI
Посилання
References
Achasov A.B., Achasova A.O. 2011. Methodological bases of modern spatial soil monitoring. Visnyk of V.N. Karazin Kharkiv National University. Series "Ecology". N 944 (6). P. 20-27. URL: https://periodicals.karazin.ua/ecology/article/view/751/542. (Ukr.).
Byndych T.Yu., Koliada L.P., Truskavetskyi S.R. 2015. Modern approaches to remote phytoindication of soil cover condition. Pochvovedenie i agrokhimiya. N 2(55). P. 30-37. URL: http://aw.belal.by/russian/science/soilandagro_pdf/55/55-3.pdf. (Rus.).
Petrichenko V.F., Zarishnyak A.S., Balyuk S.A., Polupan M.I., Velichko V.A., Solovei V.B. 2013. Large-scale study of Ukraine's soil cover is a strategic measure of its effective balanced use. Bulletin of Agricultural Science. N 5. P. 5-13. URL: https://agrovisnyk.com/oldpdf/visnyk_05_2013.pdf. (Ukr).
Maresma Á., Ariza M., Martínez E., Lloveras J., Martínez-Casasnovas J.A. 2016. Analysis of Vegetation Indices to Determine Nitrogen Application and Yield Prediction in Maize (Zea mays L.) from a Standard UAV Service. Remote Sens. 8(973-987). DOI: https://doi.org/10.3390/rs8120973 .
Oliveira L.F.R., Oliveira M.L.R., Gomes F.S., Santana R.C. 2017. Estimating foliar nitrogen in eucalyptus using vegetation indexes. Scientia Agricola. № 74. P. 142-147. DOI: https://doi.org/10.1590/1678-992X-2015-0477.
Padilla F.M., Gallardo M., Pena-Fleitas M.T., Souza R., Thompson R.B. 2018. Proximal optical sensors for nitrogen management of vegetable crops: a review. Sensors. № 18. 2083-2105. DOI: https://doi.org/10.3390/s18072083.
Huete A.R. 1988. A Soil Adjusted Vegetation Index (SAVI). Remote Sensing of Environment. № 25. Р. 295-309. DOI: https://doi.org/10.1016/0034-4257(88)90106-X.
Huete A., Didan K., Miura T., Rodriguez E.P., Gao X., Ferreira L.G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment. № 83. Р. 195-213. DOI: https://doi.org/10.1016/S0034-4257(02)00096-2.
Broge N.H., Leblanc E. 2000. Comparing prediction power and stability of broadband and hyper spectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment. № 76. Р. 156-172. DOI: https://doi.org/10.1016/S0034-4257(00)00197-8.
Motohka T., Nasahara K.N., Oguma H., Tsuchida S. 2010. Applicability of green-red vegetation index for remote sensing of vegetation phenology. Remote Sensing. № 2. P. 2369-2387. DOI: https://doi.org/10.3390/rs2102369.
Silleos N.G., Alexandridis T.K., Gitas I.Z., Perakis K. 2006. Vegetation indices: Advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto Intern. № 21(4), P. 21-28. DOI: https://doi.org/10.1080/10106040608542399
Baliuk S.A., Medvedev V.V., Miroshnychenko M.M., Skrylnyk Ye.V., Timchenko D.O., Fatyeyev A.I., Khrystenko A.O., Tsapko Yu.L. 2012. Ecological status of soils in Ukraine. Ukrainian Geographical Journal. № 2. P. 38-42. DOI: https://doi.org/10.15407/ugz (Ukr.).
Huete A., Justice C., Van Leeuwen W. 1999. MODIS Vegetation Index (MOD13). Algorithm Theoretical Basis Document. № 3. 120 p. URL: https://www.researchgate.net/publication/ 268745810_MODIS_vegetation_index_MOD13/ link/569182f408aee91f69a51e8e/download.
Kokhan S.S., Vostokov A.B. 2009. Earth Remote Sensing: Theoretical Foundations. Kyiv: Vyshcha shkola. N 511 P. URL: https://scholar.google.com.ua/scholar?hl=en&as_sdt =0,5&cluster=10259588037180298716. (Ukr.).
Zholobak G.M., Sibirtseva O.M., Vakoliuk M.V., Zakharchuk Yu.V. 2017. Remote monitoring of winter wheat crops during spring and summer vegetation in 2016. According to the Sentinel-2A satellite vegetation indices (based on the example of the Forest-Steppe zone of Ukraine). Ukrainian Journal of Remote Sensing. N 15. P 23-30. URL: https://ujrs.org.ua/ujrs/issue/view/15 (Ukr.).
Moreno-García B., Casterad M., Guillén M., Quílez D. 2018. Agronomic and Economic Potential of Vegetation Indices for Rice N Recommendations under Organic and Mineral Fertilization in Mediterranean Regions. Remote Sensing. № 10(12). P. 2-21. DOI: https://doi.org/10.3390/rs10121908.
Lancashire P.D., Bleiholder H., Langeluddecke P., Stauss R., Van den Boom T., Weber E., Witzen-Berger A. A. 1991 .Uniform decimal code for growth stages of crops and weeds. Ann. Appl. Biol. № 119 (3). P. 561-601. DOI: https://doi.org/10.1111/j.1744-7348.1991.tb04895.x.
Montandon L.M., Small E.E. 2008. The impact of soil reflectance on the quantification of the green vegetation fraction from NDVI. Remote Sensing of Environment. № 112. P. 1835–1845. DOI: https://doi.org/10.1016/j.rse.2007.09.007
Wu C., Niu Z., Gao S. 2010. Nondestructive estimation of canopy chlorophyll content using Landsat TM and Hyperion image. International Journal of Remote Sensing. № 31. P. 2159-2167. DOI: https://doi.org/10.1080/01431161003614382
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Поширення статті здійснюється на умовах ліцензії відкритого доступу Creative Commons Attribution-NonCommercial 4.0 International License.
