Розробка моделі моніторингу урожайності сільського на основі аналізу геоданих та зображень ділянки

Автор(и)

  • Мінсінь Хуан Київський національний університет імені Тараса Шевченка, Київ, Україна https://orcid.org/0000-0002-2365-9815

DOI:

https://doi.org/10.32347/2412-9933.2024.57.67-71

Ключові слова:

моніторинг врожайності, GIS, управління проєктами, біомоніторинг, інформаційний менеджмент, критична інфраструктура

Анотація

Дослідження присвячено побудові математичної моделі врожайності сільськогосподарських культур яка включає три складові: трендову, сезонну та випадкову. Розроблена модель засвідчує залежність врожайності від фенологічних показників, якості земельних ресурсів, ефективності управління та інших випадкових факторів. Трендова та сезонна складова моделі врожайності не залежать від випадкових факторів, а тому можуть бути використані для прогнозування урожайності. Запропоновано трендову складову моделі розглядати як лінійно-кускову функцію, а сезонну складові моделі – як лінійну гармонічну регресії. Для оцінки фенологічних показників розроблено метод аналізу мультиспектральних зображень з урахуваннями геоінформаційних даних. Цей метод включає визначення порогового значення методом Оцу для знаходження щільності сільськогосподарської культури на полі. Дані про щільність культури, доповнені геоданими про межі ділянки, використовуються для обчислення урожаю. Здійснено порівняння прогнозів урожайності трьох культур для посівів Чернігівської області при використанні спостережень за фенологічними показниками посівів протягом всього року та протягом трьох місяців. Встановлено, що врожайність значною мірою визначається розвитком рослин у перші місяці після сходів. Порівняння прогнозів врожайності здійснено з даними Державної служби статистики України та прогнозами, зробленими на основі імітаційної моделі WOFOST. Встановлено, що середня відносна похибка прогнозування врожайності за допомогою розробленої моделі становить 2,96% при використанні спостережень за фенологічними показниками посівів протягом всього року та 4,51% при спостереженні протягом трьох місяців. Така точність є достатньою і співставною із середньою точність прогнозування на основі моделі WOFOST, яка становить 3,62%.

Біографія автора

Мінсінь Хуан, Київський національний університет імені Тараса Шевченка, Київ

Аспірант кафедри інформаційних систем та технологій

Посилання

DeJoia, A., & Duncan, M. (2015). What is “Precision Agriculture and why is itimportant”. Retrived at: https://soilsmatter.wordpress.com/2015/02/27/what-is-precision-agriculture-and-why-is-it-important/.

Rasinmäki, J. (2003). Modelling spatio-temporal environmental data. Environ. Model. Softw, 18 (10), 877–886.

Babu, A. J., Thirumalaivasan, D., & Venugopal, K. (2006). STAO: a component architecture for raster and time series modeling. Environ. Model. Softw, 21 (5), 653–664.

Verbesselt, J., Hyndman, R., Zeileis, A., & Culvenor D. (2010). Phenological Change Detection while Accounting for Abrupt and Gradual Trends in Satellite Image Time Series Remote Sensing of Environment, 114 (12), 2970–2980.

Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9 (1), 62–66. http://doi.org/10.1109/TSMC.1979.4310076.

Public cadastral map. (2024). Retrieved at: https://map.land.gov.ua.

Copernicus: Sentinel-2 – The Optical Imaging Mission for Land Services. (2024). Retrieved at: https://directory.eoportal.org/web/eoportal/satellite-missions/c-missions/copernicus-sentinel-2.

WOFOST – WOrld FOod STudies. (2024). Retrieved at: https://www.wur.nl/en/Research-Results/ResearchInstitutes/Environmental-Research/Facilities-Tools/Software-models-and-databases/WOFOST.htm.

##submission.downloads##

Опубліковано

2024-03-29

Як цитувати

Хуан, М. (2024). Розробка моделі моніторингу урожайності сільського на основі аналізу геоданих та зображень ділянки. Управління розвитком складних систем, (57), 67–71. https://doi.org/10.32347/2412-9933.2024.57.67-71

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ УПРАВЛІННЯ