Мониторинг показателей фотосинтетической деятельности и его использование для прогнозирования потенциальной урожайности сои
DOI:
https://doi.org/10.28983/asj.y2021i12pp9-12Ключевые слова:
беспилотные летательные аппараты, мультиспектральная съемка, вегетационная карта, соя (Glycinemax (L.) Merr.), раннеспелые сорта, фотосинтетическая деятельностьАннотация
В работе приводятся результаты диагностики фотосинтетической деятельности в посевах сои при помощи использования беспилотных летательных аппаратов. Мониторинг осуществлялся в два этапа в период интенсивного нарастания зеленой массы посевов до наступления фазы цветения сои в агроклиматических условиях Центрального района Нечерноземной зоны РФ. Изучены возможности применения беспилотных летательных аппаратов для контроля фотосинтетической деятельности растений сои и прогнозирования потенциальной урожайности. Для каждого из сортов были определены состав фотосинтетических пигментов в листьях растений сои, средние значения вегетационного индекса ClGreen и стандартное отклонение в фазы V2 – второй узел и R2 – полное цветение. На основе регрессионного уравнения были рассчитаны прогнозные значения урожайности. Полученные данные были оценены с помощью MAPE, точность прогнозирования составила 92,4–97,3 %.
Скачивания
Библиографические ссылки
Белышкина М. Е. Современное состояние и перспективы мирового и российского рынков сои // Аграрная Россия. 2013. № 6. С. 7–11.
Гатаулина Г. Г., Белышкина М. Е.Рост и развитие раннеспелых сортов сои при разных сроках посева в Московской области // Кормопроизводство. 2012. № 3. С. 26–28.
Курбанов Р. К., Захарова О. М., Захарова Н. И., Горшков Д. М. Программное обеспечение для мониторинга и контроля показателей селекционных процессов посевов сои // Инновации в сельском хозяйстве. 2019. № 3 (32). С. 122–132.
Лобачевский Я. П., Дорохов А. С. Перспективные научно-технические проекты в сфере механизации и роботизации сельского хозяйства // Формирование единого научно-технологического пространства союзного государства: проблемы, перспективы, инновации. 2017. С. 333–343.
Сеферова И. В., Мисюрина Т. В., Никишкина М. А. Эколого-географическая оценка биологического потенциала скороспелых сортов и осеверение сои // Сельскохозяйственная биология. 2007. № 5. С. 42–47.
Синеговская В. Т., Наумченко Е. Т., Кобозева Т. П. Методы исследований в полевых опытах с соей; ФГБНУ «Всероссийский НИИ сои». Благовещенск, 2016. 116 с.
Kurbanov R. K., Litvinov M. A. Development of a gimbal for the Parrot Sequoia multispectral camera for the UAV DJI Phantom 4 Pro. In: International Scientific and Practical Conference Environmental Risks and Safety in Mechanical Engineering (ERSME-2020) in IOP Conference Series: Materials Science and Engineering, 012062. IOP PublishingLtd, Rostov-on-Don, Russia. 2020. https: // doi: 10.1088/1757-899X/1001/1/012062.
Lu N., Wang W.H., Zhang Q. F., Li D., Yao X. et al. Estimation of nitrogen nutrition status in winter wheat from unmanned aerial vehicle based multi-angular multispectral imagery // Frontiers in plant science. 2019. No. 10. P. 1601. https: // doi:10.3389/fpls.2019.01601.
Vico G., Way D. A., Hurry V., Manzoni S.Can leaf net photosynthesis acclimate to rising and more variable temperatures? / Plant, Cell & Environment. 2019. Vol. 42. No. 6. Р. 1913–1928.
Yue J., Feng H., Tian Q., Zhou C. A robust spectral angle index for remotely assessing soybean canopy chlorophyll content in different growing stages // Plant methods. 2020. No.16. P. 104. https: // doi:10.1186/s13007-020-00643-z.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2021 Аграрный научный журнал
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
