Прогнозирование урожайности сахарного тростника на основе NDVI и концентрации питательных элементов в тканях листьев на полях с удалением соломы

Prediction of Sugarcane Yield Based on NDVI and Concentration of Leaf-Tissue Nutrients in Fields Managed with Straw Removal
Carlos Eduardo Pellegrino Cerri, Izaías Pinheiro Lisboa, Júnior Melo Damian, Maurício Roberto Cherubin, Pedro Paulo da Silva Barros, Peterson Ricardo Fiorio, Carlos Clemente Cerri
2018-09-19

Спутниковые изображения CBERS-4Питательные вещества листовой тканиНормализованный разностный вегетационный индексУдаление соломыПрогнозирование урожайности сахарного тростника
Полное или частичное удаление соломы сахарного тростника (Saccharum spp. L.) для производства биоэнергии может ухудшать качество почвы и, следовательно, отрицательно влиять на урожайность культуры. Растения с более низким потенциалом урожайности могут характеризоваться более низкими концентрациями питательных элементов в тканях листьев, что, в свою очередь, изменяет отражение света пологом растений в разных диапазонах длин волн. Поэтому вегетационные индексы, такие как нормализованный разностный вегетационный индекс (NDVI), в сочетании с концентрациями питательных элементов в тканях листьев могут быть полезным инструментом для мониторинга потенциальных изменений урожайности сахарного тростника при различных способах управления соломой. На двух участках в штате Сан-Паулу, Бразилия, оценивали потенциал NDVI для мониторинга изменений урожайности сахарного тростника, обусловленных различными нормами удаления соломы. Были установлены варианты с удалением 0%, 25%, 50% и 100% соломы. Данные для расчёта NDVI получали из спутниковых изображений (CBERS-4) и с помощью гиперспектрального сенсора (FieldSpec Spectroradiometer, Malvern Panalytical, Алмело, Нидерланды). Помимо урожайности сахарного тростника, определяли также концентрации питательных элементов в тканях листьев (N, P, K, Ca и S). NDVI эффективно прогнозировал урожайность сахарного тростника при различных нормах удаления соломы; наилучшие результаты были получены для NDVI, рассчитанного по спутниковым изображениям, по сравнению с NDVI, полученным с использованием гиперспектрального сенсора. Кроме того, концентрации N и P в тканях листьев являлись важными параметрами моделей прогнозирования урожайности сахарного тростника. Подход к прогнозированию, основанный на данных NDVI и концентрациях питательных элементов в тканях листьев, может помочь сахарной отрасли Бразилии отслеживать изменения урожайности на территориях, интенсивно используемых для производства биоэнергии.
1
Объединение NDVI с концентрациями питательных веществ в листьях может позволить отслеживать изменения урожайности на полях сахарного тростника, интенсивно управляемых для производства биоэнергии.
2
Концентрации азота и фосфора в тканях листьев были важными предикторами, повышавшими качество моделей прогнозирования урожайности сахарного тростника.
3
NDVI, рассчитанный по спутниковым снимкам CBERS-4, обеспечивал более высокую точность прогнозирования урожайности, чем NDVI, полученный с помощью гиперспектрального сенсора FieldSpec.
4
NDVI эффективно предсказывал урожайность сахарного тростника при удалении 0%, 25%, 50% и 100% соломы на двух участках в штате Сан-Паулу, Бразилия.
5
Исследование оценивало потенциальные изменения урожайности, связанные с удалением соломы, которое может ухудшать качество почвы и снижать продуктивность сахарного тростника.

Посевы сахарного тростника при разных уровнях удаления соломы (0%, 25%, 50% и 100%)

Изменения урожайности сахарного тростника и их прогнозирование по NDVI и концентрациям питательных элементов в тканях листьев при удалении соломы

Publication Details
Publication Date
2018-09-19
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Carlos Eduardo Pellegrino Cerri
Izaías Pinheiro Lisboa
Júnior Melo Damian
Maurício Roberto Cherubin
Pedro Paulo da Silva Barros
Peterson Ricardo Fiorio
Carlos Clemente Cerri
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%