Академический Документы
Профессиональный Документы
Культура Документы
(1)
Оперативные оценки (3) в дальнейшем исполь-
зуются для адаптации динамических моделей
где – вектор условных апостериорных вероят- состояния посевов и почвенной среды.
ностей обнаружения всех классов s-й группы отно- Все вышеуказанные методы оперируют со сред-
сительно параметров отражения l-го канала; I– ними по площади поля состояниями и измерения-
единичный вектор размерностью Ns, ρs– вектор ми, но данные ДЗЗ дают возможность получить всю
частных рисков ошибочного обнаружения отдель- картину пространственного распределения изме-
ных классов группы. ряемых показателей и связанных с ними состоя-
Разработана блок-схема комплекса задач по об- ний, в отличие от классических моделей [11]. В
наружению сорняков, вредителей и болезней расте- этом случае модель параметров состояния посева
ний, использующая указанные здесь процедуры и будет иметь следующий вид:
правила (рис. 4). Заметим, что единичный объект
классификации соответствует одному пикселю
электронного гиперспектрального снимка элемен-
тарного участка поля, площадь которого зависит от (4)
пространственного разрешения системы дистанци-
онного зондирования Земли, авиационной или спут-
никовой. Для оценивания степени засорения или
заражения посева по всей площади поля осущест- где Xм – вектор состояния модели; о – вектор слу-
вляется интегрирование всех элементарных участ- чайных ошибок моделирования, учитывающих все
ков, полученная общая площадь засорения (зара- источники неопределенности в модели; Ам – дина-
жения) относится ко всей площади поля. мическая матрица, См – матрица возмущений; Вм –
Решение задачи управления агротехнологиями матрица управлений; z, h – пространственные
при возделывании любой культуры невозможно без координаты поля. Размерность векторов и матриц
построения с использованием данных ДЗЗ таких модели (4) соответствует смыслу решаемой задачи.
математических моделей, как косвенного (зонди- Модель состояния почвенной среды имеет
рующего) измерения параметров состояния посева подобную структуру:
Условные вероятности Условные статистические где Xn – матрица связи модели структуры биомас-
спектров характеристики спектров сы, с моделью состояния почвенной среды (другие
относительно сорняков, сорняков, вредителей и
вредителей и болезней болезней обозначения как в модели 4).
Задача оперативной адаптации модели оптичес-
кого измерения (2) – оценивание вектора p и
матрицы P по пробам биомассы и почвы на тесто-
ЭТАП 2 ЭТАП 1 Данные вых площадках в течение всего вегетационного
Обнаружение Обнаружение дистанционного периода. В результате отбора проб и одновремен-
видов сорняков , групп: сорняки, зондирования ного измерения оптических параметров мы полу-
вредителей, вредители, болезни
болезней
чаем возрастающий массив данных (средних по
площади) , k – номер шага, по кото-
рому необходимо оперативно строить оценки
Рис. 4. Блок-схема обнаружения сорняков, вредителей и болезней параметров модели измерения (2). Эта задача ре-
по данным дистанционного зондирования Земли. шается путем оптимизации:
14 ВЕСТНИК РОССИЙСКОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ НАУКИ №6-2016
НОВЫЕ ТЕХНОЛОГИИ
15
НОВЫЕ ТЕХНОЛОГИИ
13. Рачкулик, В.И. Отражательные свойства и состояние 17. Datt, B. A New Reflectance Index for Remote Sensing of
растительного покрова/В.И.Рачкулик, М.В.Ситнико- Chlorophyll Content in Higher Plants: Tests Using
ва.-Л.: Гидрометеоиздат, 1981. - 287 с. Eucalyptus Leaves/B.Datt B//Journal of Plant Physiology.
14. Сультангазин, У.М. Оценка санитарного состояния - 1999. - P. 30–36.
сельскохозяйственных угодий с помощью данных дис- 18. Gamon, J.A. The Photochemical Reflectance Index: An
танционного зондирования/У.М.Сультангазин, Н.Р.Му- Optical Indicator of Photosynthetic Radiation Use Effici-
ратова, Р.Дорайсвами, А.Г.Терехов//Proc. of Intern. ency Across Species, Functional Types and Nutrient
Conf. IGARSS, 2003. Levels/J.A.Gamon, L.Serrano, J.S.Surfus. - Oecologia,
15. Якушев, В.П. Концептуальные основы организации 1997. - P. 492-501.
сети агрополигонов земледельческой территории 19. Sims, D.A. Relationships Between Leaf Pigment Content
России/В.П.Якушев, И.Б.Усков, И.М.Михайленко.- and Spectral Reflectance Across a Wide Range of Species,
СПб.: Агрофизический научно-исследовательский Leaf Structures and Developmental Stages/D.A.Sims,
институт Санкт-Петербург, 2010. - 80 с. J.A.Gamon//Remote Sensing of Environment. - 2002. -
16. Crippen, R.E. Calculating the Vegetation Index Faster/ P. 337–354.
R.E.Crippen//Remote Sensing of Environment. - 1990. -
V. 34. - P. 71–73.
ПОЗДРАВЛЯЕМ ЮБИЛЯРА