Дистанционное зондирование пастбищ для прогнозирования продуктивности овец

Рассмотрены перспектива применения и стремительное развитие современных спутниковых систем и технологий наблюдения в пастбищном животноводстве. Представлены основные возможности построения прогностической модели для планирования продуктивности пастбищного травостоя на основании многофакторного анализа по данными дистанционного зондирования. Полученные данные позволяют составить технологическую карту выпаса животных. В настоящее время данные, полученные с сервисов, где представлена возможность спутникового наблюдения, а также связанные с ним наблюдения помогают решить задачи, связанные с получением достоверной и объективной информации о состоянии сельскохозяйственных земель и возможности их производственного использования. Для решения поставленных задач стремительно разрабатываются и внедряются специализированные информационные системы и модели различного уровня прогнозирования продуктивности используемых земель и продуктивности пастбищных животных. В качестве экспериментальных данных о текущем состоянии пастбищных участков в наших исследованиях использовались мультиспектральные снимки космических спутников дистанционного зондирования Земли Copernicus Sentinel-2 Европейского космического агентства (ESA). Анализ полученных данных позволил выявить взаимосвязь между продуктивностью пастбищных угодий и индексом NDVI, который получен дистанционным методом со спутниковых сервисов и проверенным контактным методом при проведении полевых испытаний. Также были проведены исследования химического состава и питательной ценности кормовых пастбищных растений. Полученные данные позволили произвести учет выхода питательных веществ и энергии с 1 м2 . После проведенного зоотехнического учета живой массы животных контрольных групп было установлено, что живая масса овец, выпасавшихся на пастбище № 1, статистически достоверно превосходила на 6,2% данный показатель у животных, выпасавшихся на пастбище № 2. Благодаря полученным результатам были составлены рекомендации с обоснованием оптимального использования пастбищных участков согласно климатическим периодам, основанные на применении цифровых методов дистанционного мониторинга.

1. Абросимов А.В. Перспективы применения данных ДЗЗ из космоса для повышения эффективности сельского хозяйства в России // Геоматика. – 2009. – № 4. – С. 46–49.

2. Блохина С.Ю. Применение дистанционного зондирования в точном земледелии // Вестник российской сельскохозяйственной науки. – 2018. – № 5. – С. 10–16.

3. Бутрова Е.В. Дистанционное зондирование для решения задач управления сельским хозяйством в условиях глобальной цифровизации экономики / Е.В. Бутрова, Ю.В. Денисов, Д.В. Ковков, А.Е. Скляров // Экономика и управление: проблемы, решения. – 2019. – Т. 11, № 2. – С. 95–105.

4. Глазунова Н.П. Беспилотные системы в АПК / Н.П. Глазунова, Т.А. Марынова, Р.Н. Бахтиев // Аграрные конференции. – 2019. – № 4 (16). – С. 15–20.

5. Ивановская В.В. Применение ГИС-технологий для оптимизации сельскохозяйственного природопользования / В.В. Ивановская, Е.И. Голубева, А.В. Труфанов // Проблемы региональной экологии. – 2020. – № 5. – С. 36–41.

6. Что такое NDVI. Специализированный сайт компании ExactFarming (аккредитованная ИТ-компания, номер записи в Реестре – 10468. – URL: https://exactfarming.com/ru/o-chem-rasskazhet-ndvi/.

7. Как космические технологии помогают сельскому хозяйству. – URL: https://www.sovzond.ru] (дата обращения: 09.10.2020).

8. Кантемиров Ю.И. Возможности спутникового радиолокационного мониторинга для решения задач сельского хозяйства // Геоматика. – 2011. – № 2. – С. 85–89.

9. Министерство сельского хозяйства Российской Федерации // Разработка инновационных методических подходов по применению современных цифровых технологий дистанционного мониторинга и зондирования в пастбищном животноводстве – URL: https://apknet.ru/pastbishchnom-zhivotnovodstve/ (дата обращения: 20.12.2021).

10. Письман Т.И. Определение сезонной динамики урожайности агроценозов на основе спутниковой информации и математической модели / Т.И. Письман, И.Ю. Ботвич, А.Ф. Сидько // Известия Российской академии наук. Серия «Биологическая». – 2014. – № 2. – С. 196.

11. Сыч А.С. Применение аэрофотосъемки с применением мультиспектральной камеры в комплексе с нейросетью в сельском хозяйстве / А.С. Сыч, В. Балык, А.И. Поляков, А.В. Карталов // Chronos. – 2019. – № 9 (36). – С. 26–28.

12. Чутчева Ю.В. Цифровые трансформации в сельском хозяйстве / Ю.В. Чутчева, Ю.С. Коротких, А.А. Кирица // Агроинженерия. – 2021. – № 5 (105). – С. 53–58.

13. Якушев В.П. Информационное обеспечение современных систем земледелия в России / В.П. Якушев, В.В. Якушев, С.Ю. Блохина, Ю.И. Блохин, Д.А. Матвеенко // Вестник Российской академии наук. – 2021. – Т. 91, № 8. – С. 755–768.

14. Bernardi A.C. (2017). Spatial variability of vegetation index and soil properties in an integrated crop-livestock system / A.C. Bernardi de C.R. Grego, R.G. Andrade, L.M. Rabello, & R.Y. // Inamasu Revista Brasileira de Engenharia Agrícola e Ambiental. – 2017. – № 21 (8). – Рр. 513–518.

15. Prasad S. Smith and Eddy De Pauw. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics / S. Prasad, Thenkabail B. Ronald // Remote sensing environmental. – Рp. 158–182.