Використання космічної інформації у вивченні взаємодії сучасних природних та антропогенних ландшафтних процесів: Застосування супутникових спостережень для вирішення задач сільського господарства та аналізу землекористування

Тут розглядаються біофізичні засади формування індикаторів стану штучних насаджень, аналіз спектральних розподілів відбивних характеристик сільськогосподарської рослинності. Методи визначення складу сільськогосподарських культур. Оцінка стану посівів, визначення поточної біомаси рослинності, оцінка систем землеробства і стану водо насичення, визначення і оцінка ресурсів пасовищ. Біофізичні і кліматологічні засади аналізу та прогнозування біологічної продуктивності сільськогосподарських культур, порівняльний аналіз існуючих підходів до прогнозування врожайності. Індикатори посух, довгострокова оцінка продуктивності.

Сільське господарство – сукупність методів і практик обробки землі для отримання та/або підвищення продукції (врожаїв) і вирощування свійських тварин. В економіці розглядається як господарська галузь, спрямована на забезпечення населення продовольством і отримання сировини для промисловості. 

В сільському господарстві зайнято від 2 – 4% (в розвинених країнах) до 8 – 12% економічно активного населення. В середньому зайнято 1,1 млрд. людей (CIA, 2010).

Загальні моделі екосистем визначають в якості контрольованих змінних параметри розподілу земних покровів. Це традиційно визначає основні задачі ДЗЗ в сільському господарстві.

Різниця спектральних ознак сільськогосподарських угідь в оптичному діапазоні дає змогу вирішувати багато задач моніторингу і контролю.

При цьому слід пам'ятати, що методи інтерпретації даних мають залежати від загальної регіональної структури землекористування, яка є дуже різною, залежить від економічних, історичних, кліматичних та інших особливостей.

 А також від задачі, яка поставлена.

В рамках модельної методології, передбачається використання спектральних індексів. Вони відбивають системні особливості досліджуваних явищ, а тому їхнє вивчення має базуватися на уявленні про перебіг процесів в системі.

 Результати застосування такого підходу мають прогностну силу, базуються на порівнянні кількісних характеристик розподілів в різних спектральних смугах.

Найбільш наукоємною задачею є задача контролю та прогнозування продуктивності - біологічної і економічної.

Ці задачі включають кілька контрольованих змінних і параметрів.

На лоькальному рівні потрібні дані високого розрізнення і добре верифіковані.

Багато змінних цього регресійного рівняння  можуть контролюватися методами ДЗЗ.

Водночас, показники вразливості також можливо контролювати і прогнозувати дистанційно.

Системна природа індексів ДЗЗ робить можливим переписати регресійне рівняння продуктивності (врожайності) під індикатори ДЗЗ.

Цей відносно простий метод дозволяє оцінювати врожайність на великих площах за короткий час.

Окремим напрямом застосування ДЗЗ у аграрному секторі є оцінка ризиків і специфічних загроз.

 Зокрема, аналіз забруднень дає змогу визначити параметри зменшення кількості доступного ресурсу, вивчити параметри соціо-екологічної безпеки.

Рекомендована література:

1. Elachi C., Zyl J. Introduction to the Physics and Techniques of Remote Sensing. Second Edition. John Wiley & Sons, Hoboken, New Jersey, 2006, 557 р., ISBN-13 978-0-471-47569-9
2. Liu J.G., Mason Ph.J. Essential image processing and GIS for remote sensing. John Wiley & Sons, Oxford, Imperial College London, UK, 2009, 462 p., ISBN: 978-0-470-51032-2
3. Кронберг П. Дистанционное изучение Земли: Основы и методы дистанционных исследований в геологии: Пер. с нем. — М.: Мир, 1988. - 343 с.
4. Gao J. Digital Analysis of Remotely Sensed Imagery. McGraw-Hill, New York, 2009, 689 p., ISBN: 978-0-07-160466-6
5. Richards J.A., Jia X. Remote Sensing Digital Image Analysis. An Introduction. Fourth Edition. Springer-Verlag Berlin - Heidelberg, 2006, 454 p., ISBN-10 3-540-25128-6