сотрудник
Аннотация. Целью исследований является анализ качества посевных работ (огрехи, просевы), полноты всходов на основе мультиспектральных снимков. Исследования проведены в соответствии с целью реализации научно-технической программы «Трансферт и адаптация технологий по точному земледелию при производстве продукции растениеводства по принципу «демонстрационных хозяйств (полигонов)» в Костанайской области» в 2019 г. Методы. Для выполнения мониторинговых работ использовались беспилотный летательный аппарат самолетного типа; мультиспектральная (МС) камера, оснащенная сенсорами основных каналов. Выработаны агротехнические требования с учетом данных электронной карты полей и спецификой региона. Выполнен анализ состояния посевов с использованием информационно-аналитического ресурса. Результаты. Проведено обследование сельскохозяйственных культур с целью получения данных о состоянии полей беспилотным летательным аппаратом. Была выполнена аэрофотосъемка мультиспектральной камерой Micasense Red-Edge на высоте 300 метров. Съемка производилась над 19 полями в пяти спектральных диапазонах: синий, зеленый, красный, крайний красный, ближний инфракрасный. Данные аэрофотосъемки являются исходными данными для построения ортофотопланов, цифровой модели поверхности, 3D-модели. После проведения облета территории было проанализировано общее состояние сельскохозяйственных угодий. На эталонных полях измерения производились с помощью портативного прибора – N-Tester. Научная новизна заключается в том, что проведена аэрофотосъемка яровой пшеницы, находящаяся в стадии 3–4 листьев, которая позволила выявить изменения значения NDVI, что в ходе наземного обследования подтвердило увеличение степени засорения однолетними просовидными сорняками выделенных областей.
точное земледелие, аэрофотосъемка, беспилотный летательный аппарат (БПЛА), ортофотоплан, NDVI (Normalized Difference Vegetation Index)
1. Абуова А. Б., Тулькубаева С. А. Практическое применение элементов точного земледелия в условиях Северного Казахстана // Инновационные достижения науки и техники АПК: сборник научных трудов. Кинель, 2020. С. 3–7.
2. Spitkó T., Nagy Z., Zsubori Z. T., Szőke C., Berzy T., Pintér J., Marton C. L. Connection between normalized difference vegetation index and yield in maize // Plant, Soil and Environment. 2016. No. 62 (7). Pp. 293–298.
3. Gebbers R., Adamchuk V. I. Precision agriculture and food security. Science. 2010. No. 327 (5967). Pp. 828–831. DOI: 10.1126/science.1183899.
4. Liaghat S., Balasundram S. K. A Review: The Role of Remote Sensing in Precision Agriculture // American Journal of Agricultural and Biological Sciences. 2010. No. 5. Pp. 50–55.
5. De Baerdemaeker J. Precision Agriculture Technology and Robotics for Good Agricultural Practices // IFAC Proceedings Volumes. 2013. No. 4. Pp. 1–4.
6. Vasin V. G., Abuova A. B., Tulkubaeva S. A., Zhamalova D. B., Tashmuhamedov M. B. Culture of priority oil crops in the north of Kazakhstan // Bio Web of Conferences. 2020. Vol. 17. Article number 00029. DOI: 10.1051/bioconf/20201700029.
7. Yongzong Lu, Yongguang Hu, Pingping Li, Kyaw Tha Paw U, Snyder R. L. Prediction of Radiation Frost Using Support Vector Machines Based on Micrometeorological Data // Environmental Sciences. 2019. No. 10. Article number 283. DOI: 10.3390/app10010283.
8. Akramkhanov A., Brus D. J., Walvoort D. J. J. Geostatistical monitoring of soil salinity in Uzbekistan by repeated EMI surveys // Geoderma. 2014. No. 213. Pp. 600–607.
9. Duhan J. S., et al. Nanotechnology: The new perspective in precision agriculture // Biotechnology Reports. 2017. No. 15. Pp. 11–23.
10. Mogili U. R., Deepak B. B. V. L. Review on application of drone systems in precision agriculture // Procedia Computer Science. 2018. Vol. 133. Pp. 502–509.
11. Karim F., Karim F., Frihida A. // Procedia Computer Science. 2017. Vol. 110. Pp. 402–409.
12. Leonard E. C. Precision Agriculture // In: Encyclopedia of Food Grains: Second Edition, 2015. Pp. 162–167.
13. Puri V., Nayyar A., Raja L. Agriculture drones: A modern breakthrough in precision agriculture // Journal of Statistics and Management Systems. 2017. No. 20. Pp. 507–518 .
14. Bendre M. R., Thool R. C., Thool V. R. // In: Proceedings on 2015 1st International Conference on Next Generation Computing Technologies (NGCT). 2015. Pp. 744–750.
15. Kernecker M., Knierim A., Wurbs A., Kraus T., Borges F. Experience versus expectation: farmers’ perceptions of smart farming technologies for cropping systems across Europe // Precision Agriculture. 2020. Pp. 34–50. DOI: 10.1007/s11119-019-09651-z.
16. Pham X., Stack M. How data analytics is transforming agriculture // Business Horizons. 2018. No. 61. Pp. 125–133.
