НОВЫЕ ТЕХНОЛОГИИ

И.М.Михайленко, доктор технических наук

В.П.Якушев, академик РАН, профессор
Агрофизический научно-исследовательский институт
E-mail: ilya.mihailenko@yandex.ru
УДК 528.8:63
Дистанционное зондирование земли в сельском хозяйстве*
Представлены основные направления использования данных дистанционного зондирования Земли (ДЗЗ) в сельском хозяй-
стве. Освещены способы решения задач мониторинга состояния сельскохозяйственных угодий и управления агротехноло-
гиями на основе данных ДЗЗ. Отражены научные заделы в области оценивания состояния посевов сельскохозяйственных
культур, создания новых математических моделей для систем мониторинга, моделей и алгоритмов управления агротехно-
логиями. Выявлены основные проблемы, сдерживающие дальнейшее развитие методов использования данных ДЗЗ в сельском
хозяйстве и показаны основные пути их решения.
Ключевые слова: дистанционное зондирование, оценка посевов, алгоритмы, математические модели, мониторинг

THE EARTH’S REMOTE SENSING IN AGRICULTURE

Mikhaylenko I.M., Yakushev V.P.

The basic directions of use of data of remote sensing (RS) in agriculture. Lit the ways of solving the tasks of state
monitoring of agricultural land management and agricultural technologies on the basis of remote sensing data.
Reflects the scientific achievements in the field of the evaluation of the state of crops, the creation of new mat-
hematical models for monitoring systems, models and algorithms of management of agricultural technologies.
The main problems hindering the further development of methods of using remote sensing data in agriculture
and presents the ways of their solution.
Key words: remote sensing,seeding-down evaluation, algorithms, arithmetic models, monitoring

СЕЛЬСКОЕ хозяйство – одно из самых востре- мендаций, требуются высококвалифицированные

бованных направлений использования данных
дистанционного зондирования Земли (ДЗЗ) [2-5,
13, 14]. Эффективные системы мониторинга дают
возможность прогнозировать конечный результат
(урожай), фиксировать чрезвычайные ситуации на
полях, оценивать плодородие и степень деградации
почв, проводить учет, инвентаризацию и классифи-
кацию сельхозугодий с одновременным формиро-
ванием специальных крупномасштабных сельско-
хозяйственных планов и карт, а также контролиро-
вать уборку урожая одновременно на территориях
крупных регионов, определять емкость пастбищ
различных типов, продуктивность сенокосов и др.
По данным ДЗЗ возможно более точно оценивать
продуктивное, фитосанитарное состояние посевов
и экономические показатели технологических про-
цессов возделывания основных сельскохозяйствен-
ных культур при использовании дорогостоящей
техники точного земледелия (ТЗ).
В методологии ДЗЗ применяют специальные
технологии дешифрирования спектральных сним-
ков, получаемых систематическими повторными
съемками, которые обеспечивают наблюдение за
динамикой развития сельскохозяйственных куль-
тур. Используя различия в спектральных яркостях
растительности в течение вегетационного периода
и широко распространенный индекс NDVI (Nor-
malized Difference Vegetation Index), можно судить
об агротехническом состоянии полей [1, 2, 4, 16-19].
Существенным недостатком таких методов можно
считать то, что дешифрирование физических эле-
ментов ландшафта идет путем распознавания изу-
чаемых объектов по тону, цвету, геометрическим
размерам и другим особенностям изображения. Зна-
чительное число природных процессов не находит
прямого отображения на снимках. Поэтому для де-
шифровки и адекватного анализа космического
снимка и, тем более, составления прогнозов и реко-
* Работа поддержана грантом РФФИ № 16-07-00925/16.
12
специалисты. Другие индексы и оптические пока-
затели (около 200 критериев) не меняют сути дела,
так как комбинации спектральных каналов не
влияют на методическую основу. В результате сло-
жилась ситуация, когда при высоком уровне кос-
мической техники мы не имеем эффективных авто-
матизированных систем обработки данных ДЗЗ и
достоверной информации о состоянии посевов и
почвенного покрова [4, 6, 8].
Системы мониторинга сельскохозяйственных уго-
дий служат средством оперативного получения и хра-
нения информации, достаточной для анализа си-
туации и принятия управленческих решений на рас-
сматриваемом уровне управления. При этом, большие
площади объектов сельскохозяйственного монито-
ринга требуют высокопроизводительных и недорогих
средств, таковыми стали устройства дистанционного
зондирования, базирующиеся на различных техни-
ческих платформах. Это летательные аппараты – кос-
мические и авиационные беспилотные, приземные
средства зондирования, монтируемые непосредст-
венно на сельскохозяйственных машинах. Выделим
наиболее распространенные задачи оперативного мо-
ниторинга, в которых используются данные ДЗЗ: 1 –
обнаружение видов и ареалов сорняков, болезней и
вредителей; 2 – распознавание видов и сортов куль-
тур, оценка площадей посевов; 3 – анализ состояния
и прогнозирование биомассы посевов с выделением
товарной части; 4 – определение влажности и водоза-
паса почв; 5 – выявление элементов питания N,P,K и
кислотности рH почв; 6 – оценка содержания гумуса;
7 – прогнозирование массовых и качественных пока-
зателей кормовых культур, разработка рекомендаций
по времени заготовки кормов; 8 – прогнозирование
состояния почвенного покрова, определение опти-
мальных сроков сева; 9 – выявление и прогнозирова-
ние скрытых заморозков на поверхности посевов.
По способу решения все вышеуказанные задачи
мониторинга можно разделить на две основные
группы: 1) получение количественных оценок со-
ВЕСТНИК РОССИЙСКОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ НАУКИ №6-2016 
 НОВЫЕ ТЕХНОЛОГИИ

Данные дистанционного Метод исследования информативности определя-

зондирования Земли о Апостериорная информация ется характером оптического отражения, наличием
состоянии посева изначальной информационной неопределенности и
случайности появления, обнаружения искомых
объектов. Отражение света от растений на сельско-
хозяйственном поле имеет сложный нелинейный
Измерение параметров характер. Это связано с архитектоникой посева,
Оптимальное оценивание
атмосферы разной степенью поглощения световой энергии в
отдельных спектральных областях, где доминирует
экспоненциальная зависимость [12, 13]. Следова-
Математическая модель Априорная информация тельно, использование корреляционных связей
состояния посева может привести к серьезным ошибкам. Поэтому
целесообразно применять классическую теорию,
согласно которой информативность оценивается
Данные дистанционного Рис. 1. Информационно-алгоритми- приростом информации (уменьшение энтропии)
зондирования Земли ческая схема оценивания состоя- об исследуемом классе после оптического измере-
почвенной среды ния посевов. ния, по сравнению с априорной информацией. Для
удобства использования конкретных спектральных
диапазонов и каналов в алгоритмах оценивания
Данные дистанционного состояний системы “почва – растения – атмосфе-
зондирования Земли о Апостериорная информация ра” и распознавания счетных состояний показатели
состоянии почвенной среды информативности следует ранжировать по величи-
не отдельно для каждого канала, а в состав измери-
тельной системы включать каналы с наибольшей
Измерение параметров информативностью.
Оптимальное оценивание
атмосферы Современная информационная теория характе-
ризует задачу оценивания состояния, как восста-
новление информации о состоянии системы по
Математическая модель косвенным наблюдениям, в конкретном случае по
состояния почвенной Априорная информация
данным ДЗЗ [7-9, 12]. Выделим основные особеннос-
среды ти решаемых задач. Во-первых, наблюдается замкну-
тая система – “приземный слой атмосферы - расти-
Рис. 2. Информационно-алгоритми- тельный покров - почвенный покров”. Все ее соста-
Данные дистанционного ческая схема оценивания состоя- вляющие для достаточной точности и надежности
зондирования посевов ния почвенной среды. оценивания должны рассматриваться как единый
комплекс. Во-вторых, мы имеем два принципиаль-
но различных режима измерения – в пределах тес-
тового полигона, где располагаем дополнительны-
ми наземными измерениями, и в пределах всего
обслуживаемого региона, здесь можно использо-
вать только информацию системы ДДЗ [15].
Информационно-алгоритмические схемы оце-
нивания состояния посевов и почвенного покрова
имеют универсальный характер, как для тестового
полигона, так и для обслуживаемого региона (рис.
1, 2). Оптимальное состояние посевов и почвенно-
го покрова включает специальную обработку ин-
формации – апостериорную от средств ДДЗ и
априорную, формируемую динамическими матема-
тическими моделями. Без наличия таких моделей
процедура оценивания невозможна ни в пределах
тестового полигона, ни на территории обслуживае-
Рис. 3. Параметры состояния биомассы травостоя по информации мого региона [5, 7, 15]. На рис. 3 приведен пример
оптических каналов дистанционного зондирования. оценивания параметров состояния биомассы тра-
востоя по двум спектральным каналам дистанцион-
стояния посевов и почвенной среды; 2) распознава- ного зондирования [7-9].
ние и обнаружение различных объектов или явлений. Оценивание фитосанитарного состояния посе-
Необходимо иметь достаточное число спектральных вов по информационному содержанию – задача рас-
каналов, обеспечивающих требуемую точность и на- познавания образов или классификации. В связи с
дежность оценок. Это означает, что система ДЗЗ необходимостью выявления по данным дистанци-
должна быть оборудована многоканальной оптиче- онного зондирования Земли большого числа классов,
ской системой (мультиспектральная станция – целесообразно решение задачи разделить на два
МСС). Для ее создания выбирают наиболее эффек- этапа: 1) классифицировать группы классов, число
тивные каналы для каждой из задач [5, 6, 12]. При которых равно трем (сорняки, болезни, вредители);
этом учитывают наличие возможных технических 2) затем определить конкретный вид класса в составе
ограничений, связанных с использованием кон- группы. Для решения задачи на первом этапе целе-
кретных спектрометрических приборных средств. сообразно использовать всю спектральную картину
Таким образом, основной проблемой выбора струк- системы ДЗЗ, то есть полный вектор доступных оп-
туры измерительной системы ДДЗ становится ана- тических измерений, для которого строят статисти-
лиз информативности спектральных диапазонов ческие характеристики (векторы) условных матема-
(каналы). тических ожиданий и ковариационные матрицы
13
 НОВЫЕ ТЕХНОЛОГИИ
распределения спектров относительно искомых
групп классов. По этим характеристикам находят ус-
ловные плотности вероятности средних значений
спектров каналов для каждой группы классов и ре-
шающие функции для принятия оперативных ре-
шений по распознаванию.
Далее следует обнаружить наиболее вероятные
виды классов внутри группы. Для чего необходимо
учитывать следующие особенности этой задачи: во-
первых, можно использовать последовательно столь-
ко каналов, сколько необходимо для обеспечения
требуемой надежности обнаружения, так как от-
дельные классы и спектральные каналы не связаны
между собой; во-вторых, ошибки обнаружения вле-
кут за собой ущерб, связанный с неадекватным вы-
бором технологии и излишними затратами на ре-
сурсы, и прямые потери урожая. Наличие матрицы
возможных потерь Us=[NsxNs] позволяет ввести
критерий оптимальности процедуры обнаружения
искомых классов [9 и др.]:
(1)
где – вектор условных апостериорных вероят-
ностей обнаружения всех классов s-й группы отно-
сительно параметров отражения l-го канала; I–
единичный вектор размерностью Ns, ρs– вектор
частных рисков ошибочного обнаружения отдель-
ных классов группы.
Разработана блок-схема комплекса задач по об-
наружению сорняков, вредителей и болезней расте-
ний, использующая указанные здесь процедуры и
правила (рис. 4). Заметим, что единичный объект
классификации соответствует одному пикселю
электронного гиперспектрального снимка элемен-
тарного участка поля, площадь которого зависит от
пространственного разрешения системы дистанци-
онного зондирования Земли, авиационной или спут-
никовой. Для оценивания степени засорения или
заражения посева по всей площади поля осущест-
вляется интегрирование всех элементарных участ-
ков, полученная общая площадь засорения (зара-
жения) относится ко всей площади поля.
Решение задачи управления агротехнологиями
при возделывании любой культуры невозможно без
построения с использованием данных ДЗЗ таких
математических моделей, как косвенного (зонди-
рующего) измерения параметров состояния посева
Этап предварительных исследований
База гиперспектральных
данных дистанционного
зондирования
Условные вероятности Условные статистические
спектров характеристики спектров
относительно сорняков, сорняков, вредителей и
вредителей и болезней болезней
ЭТАП 2 ЭТАП 1 Данные
Обнаружение Обнаружение дистанционного
видов сорняков , групп: сорняки, зондирования
вредителей, вредители, болезни
болезней
Рис. 4. Блок-схема обнаружения сорняков, вредителей и болезней
по данным дистанционного зондирования Земли.
14 ВЕСТНИК РОССИЙСКОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ НАУКИ №6-2016
и их динамики, учитывающей управляющие факто-
ры и внешние возмущения.
Исходя из общих физических законов отраже-
ния света от неоднородной дисперсной среды, в
том числе и от посевов, модель косвенного измере-
ния можно представить в обобщенной векторно-
матричной форме [13]:
(2)
где р – вектор масштабных параметров, P – матри-
ца параметров связи между состояниями посева и
наиболее информативными оптическими показате-
лями, Eм – вектор случайных ошибок моделирования.
При известных параметрах модели (2) текущие
оценки состояния посевов по измеренному вектору
оптических показателей определяются решением
оптимизационной задачи:
(3)
Оперативные оценки (3) в дальнейшем исполь-
зуются для адаптации динамических моделей
состояния посевов и почвенной среды.
Все вышеуказанные методы оперируют со сред-
ними по площади поля состояниями и измерения-
ми, но данные ДЗЗ дают возможность получить всю
картину пространственного распределения изме-
ряемых показателей и связанных с ними состоя-
ний, в отличие от классических моделей [11]. В
этом случае модель параметров состояния посева
будет иметь следующий вид:
(4)
где Xм – вектор состояния модели; о – вектор слу-
чайных ошибок моделирования, учитывающих все
источники неопределенности в модели; Ам – дина-
мическая матрица, См – матрица возмущений; Вм –
матрица управлений; z, h – пространственные
координаты поля. Размерность векторов и матриц
модели (4) соответствует смыслу решаемой задачи.
Модель состояния почвенной среды имеет
подобную структуру:
(5)
где Xn – матрица связи модели структуры биомас-
сы, с моделью состояния почвенной среды (другие
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-
вых площадках в течение всего вегетационного
периода. В результате отбора проб и одновремен-
ного измерения оптических параметров мы полу-
чаем возрастающий массив данных (средних по
площади) , k – номер шага, по кото-
рому необходимо оперативно строить оценки
параметров модели измерения (2). Эта задача ре-
шается путем оптимизации:


(6)
Оперативная адаптация моделей измерения на
тестовых площадках позволяет по текущим оптиче-
ским измерениям YX(t), посредством алгоритма (3)
формировать оценки состояния посевов (t) в
среднем по площади поля. Модель оптических
измерений (3) имеет универсальный характер как
для тестовых площадок, так и для поля. Но таким
свойством не обладают динамические модели. Они
могут существенно отличаться по своим парамет-
рам. Поэтому модели сельскохозяйственного поля
следует оперативно адаптировать к условиям окру-
жающей среды. Для этого формируется массив дан-
ных (средних по полю) {Xм(t), Xп(t), F(t), U(t)}, для
решения задачи оптимизации:
(7)
где g1, g2 – весовые множители критерия адаптации,
по которым устанавливают соотношение ошибок
адаптации состояния посевов и почвенной среды;
mX , mX – моделируемые значения векторов.
м n
Управление технологиями в реальном времени
заключается в воспроизводстве единой для всей
площади поля оптимальной программы “off-line“ и
ее локальной коррекции “on-line“ с учетом про-
странственной неоднородности состояния посевов
и почвенной среды. С точки зрения классической
науки об управлении компоненты “off-line“ и “on-
line“ не отделены друг от друга, как принято в точ-
ном земледелии, а жестко связаны между собой,
реализуя принцип общей оптимизации технологии.
Такой единственно возможный оптимальный вари-
ант управления технологией в реальном времени
воспроизводится регулятором технологической
машины [7-9].
(8)
где v*(ti) – программный компонент управления
(“off-line“), общий для всей площади сельскохозяй-
ственного поля, – компонент,
посредством которого компенсируется простран-
ственная неоднородность состояния посева, фор-
мируемый путем сравнения оценки состояния
посева, – по данным СДЗ, и оптимальной
программы развития посева, – программный
компонент управления “off-line“, K – матрица ре-
гулятора, преобразующего сигналы отклонения в
корректирующие поправки управления.
Для адаптации используемых математических мо-
делей в задачах управления и распознавания образов
и обнаружения групп классов требуется достаточный
объем надежной экспериментальной информации.
Вместе с тем известно, что получение космических
данных ДЗЗ по заданному регламенту практически
невозможно из-за меняющихся погодных условий,
а организация систематических пролетов средств
беспилотной малой авиации требует значительных
НОВЫЕ ТЕХНОЛОГИИ
расходов. Решение проблемы получения достоверной,
сопоставимой по времени и месту, информации воз-
можно только при организации соответствующих
полигонов. Их следует оборудовать стационарными
наземными приборами для измерений состояния
посевов и почвенной среды, оснащать системами
сбора всей информации о проводимых технологи-
ческих операциях, климатических факторах, а самое
главное, стационарными средствами ДЗЗ на тесто-
вых площадках, где осуществляются все наземные
измерения (см. схему на 1-й стр. обл.).
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Антонов, В.Н. Мониторинг состояния посевов и про-
гнозирование урожайности яровой пшеницы по дан-
ным ДЗЗ/В.Н.Антонов, Л.А.Сладких//Геоматика. –
2009. - № 4. - С. 50–53.
2. Архипова, О.Е. Оценка засоренности антропогенных
фитоценозов на основе дистанционного зондирования
земли (на примере амброзии полынолистной)/О.Е.Ар-
хипова, Н.А.Качалина, Ю.В.Тютюнов, О.В.Ковалев/
/Исследование Земли из космоса. – 2014. - № 6. - С. 15–26.
3. Барталев, С.А. Классификация некоторых типов
сельскохозяйственных посевов в южных регионах
России по спутниковым данным MODIS/С.А.Барта-
лев, Е.А.Лупян, И.А.Нейштадт, И.Ю.Савин//Иссле-
дование Земли из космоса. - 2006. - № 3. - С. 68–75.
4. Барталев, С.А. Дистанционная оценка параметров сель-
скохозяйственных земель по спутниковым данным
спектрорадиометра MODIS/С.А.Барталев, Е.А.Лу-
пян, И.А.Нейштадт, И.Ю.Савин//Современные про-
блемы дистанционного зондирования земли из кос-
моса (Физические основы, методы и технологии мо-
ниторинга окружающей среды, потенциально опасных
явлений и объектов): Сборник научных статей.-М.:
GRANP-Poligraph, 2005. - Т. II. - С. 228–236.
5. Михайленко, И.М. Основные задачи оценивания со-
стояния посевов и почвенной среды по данным кос-
мического зондирования/И.М.Михайленко//Эколо-
гические системы и приборы. – 2011. - № 8. - С. 17-25.
6. Михайленко, И.М. Информативность дистанционных
зондирующих измерителей состояния посевов и почвен-
ной среды/И.М.Михайленко, А.М.Плотников//Эколо-
гические системы и приборы. – 2011. - № 4. - С. 32–36.
7. Михайленко, И.М. Управление системами точного зем-
леделия/И.М.Михайленко.-СПб.: Изд-во СПбГУ,
2005. - 234 с
8. Михайленко, И.М. Электронный агроном. Теоретичес-
кие основы и программно-техническая реализация/
И.М.Михайленко, В.Н.Тимошин//Экологические си-
стемы и приборы. – 2010. - № 7. – С. 21–26.
9. Михайленко, И.М. Методы обнаружения сорняков, бо-
лезней и вредителей растений по данным дистанционно-
го зондирования/И.М.Михайленко, И.В.Воронков//Со-
временные проблемы дистанционного зондирования
Земли из космоса. - 2016. - Т. 13. - № 3. - С. 122–133.
10. Нейштадт, И.А. Оценка структуры пахотных земель
по данным дистанционного зондирования спектро-
радиометра MODIS/И.А.Нейштадт, С.А.Барталев ,
Е.А.Лупян, А.И.Панова//Третья всероссийская от-
кры тая конференция “Современные проблемы
дистанционного зондирования Земли из космоса”:
сб. тез. конф.-М.: ИКИ РАН 14–17 ноября 2005,
2005. – 235 с.
11. Полуэктов, Р.А. Модели продукционного процесса
сельскохозяйственных растений/Р.А.Полуэктов, Э.И.Смо-
ляр, В.В.Терлеев, А.Г.Топаж.-СПб.: Из-во Санкт-
Петербургского Университета, 2006. - 395 с.
12. Пытьев, Ю.П. Методы математического моделирования
измерительно-вычислительных систем/Ю.П.Пытьев.-
М.: Физматлит, 2004. – 400 с.
15
 НОВЫЕ ТЕХНОЛОГИИ
13. Рачкулик, В.И. Отражательные свойства и состояние
растительного покрова/В.И.Рачкулик, М.В.Ситнико-
ва.-Л.: Гидрометеоиздат, 1981. - 287 с.
14. Сультангазин, У.М. Оценка санитарного состояния
сельскохозяйственных угодий с помощью данных дис-
танционного зондирования/У.М.Сультангазин, Н.Р.Му-
ратова, Р.Дорайсвами, А.Г.Терехов//Proc. of Intern.
Conf. IGARSS, 2003.
15. Якушев, В.П. Концептуальные основы организации
сети агрополигонов земледельческой территории
России/В.П.Якушев, И.Б.Усков, И.М.Михайленко.-
СПб.: Агрофизический научно-исследовательский
институт Санкт-Петербург, 2010. - 80 с.
16. Crippen, R.E. Calculating the Vegetation Index Faster/
R.E.Crippen//Remote Sensing of Environment. - 1990. -
V. 34. - P. 71–73.
ПОЗДРАВЛЯЕМ ЮБИЛЯРА
Академику Р.М.Алексахину –
80 лет
Алексахин Рудольф Михайло-
вич – доктор биологических наук,
профессор, действительный член
Российской академии наук, заслу-
женный деятель науки Российс-
кой Федерации, крупный учёный
в области сельскохозяйственной
радиологии, радиоэкологии и аг-
роэкологии. С его именем связа-
но решение важных государственных проблем по
преодолению последствий радиоактивного загряз-
нения природных и аграрных экосистем.
Из биографии
Родился 15 декабря 1936 года в г. Калининграде
(ныне г. Королев) Московской области. В 1959 году
закончил Московский государственный универси-
тет имени М.В.Ломоносова по специальности почво-
вед-агрохимик. Одним из первых молодых специа-
листов на кафедре биофизики Биолого-почвенного
факультета МГУ принял участие в оценке последст-
вий аварии на ПО “МАЯК”, выполняя исследования
по лесной радиоэкологии под общим руководством
чл.-корр. АН СССР Молчанова А.А. и профессора
Хильми Г.Ф. Принимал активное участие в крупней-
шем в Европе эксперименте в натурных условиях с
облучением участка сосново-березового леса (про-
грамма “Экос”), а также в выполнении общей радио-
экологии, которой на Южном Урале руководил
академик ВАСХНИЛ Клечковский В.М.
За цикл работ, связанных с решением проблем
ликвидации последствий аварии на Южном Урале,
был удостоен Государственной премии СССР (1974 г.).
За активное участие в ликвидации последствий ава-
рии на Чернобыльской АЭС в составе коллектива
была присуждена Государственная премия Российс-
кой Федерации в области науки и техники.
С 1975 года Р.М.Алексахин работает во Всесо-
юзном научно-исследовательском институте сель-
скохозяйственной радиологии (ВНИИСХР), прой-
16 ВЕСТНИК РОССИЙСКОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ НАУКИ №6-2016
17. Datt, B. A New Reflectance Index for Remote Sensing of
Chlorophyll Content in Higher Plants: Tests Using
Eucalyptus Leaves/B.Datt B//Journal of Plant Physiology.
- 1999. - P. 30–36.
18. Gamon, J.A. The Photochemical Reflectance Index: An
Optical Indicator of Photosynthetic Radiation Use Effici-
ency Across Species, Functional Types and Nutrient
Levels/J.A.Gamon, L.Serrano, J.S.Surfus. - Oecologia,
1997. - P. 492-501.
19. Sims, D.A. Relationships Between Leaf Pigment Content
and Spectral Reflectance Across a Wide Range of Species,
Leaf Structures and Developmental Stages/D.A.Sims,
J.A.Gamon//Remote Sensing of Environment. - 2002. -
P. 337–354.
дя путь от старшего научного сотрудника до дирек-
тора института.
***
Рудольф Михайлович принимает активное уча-
стие в российских и международных проектах в
области радиоэкологии, он – эксперт Научного ко-
митета ООН по действию атомной радиации
(НКДАР ООН), заместитель председателя НТС Мин-
атома России, член МКРЗ, вице-президент Между-
народного союза радиоэкологии.
С октября 2015 года юбиляр работает в должнос-
ти научного руководителя Всероссийского научно-
исследовательского института радиологии и агроэ-
кологии. Р.М.Алексахин – главный эколог проект-
ного направления “Прорыв” (“Росатом”), сформиро-
вал ряд положений в области радиоэкологии ядер-
ной энергетики (энергопроизводство на быстрых
реакторах и замыкание ядерного топливного цикла)
и внёс дополнения в концепцию радиоэкологиче-
ской эквивалентности при обращении с отработав-
шим ядерным топливом и захоронением высокоак-
тивных радиоактивных отходов.
Р.М.Алексахин – автор более 800 публикаций, в
том числе 14 монографий, руководитель ведущей на-
учной школы Российской Федерации в области
сельскохозяйственной радиоэкологии. Под его ру-
ководством подготовлено 27 кандидатов и 16 докто-
ров наук, которые работают не только в Российс-
кой Федерации, но и в странах СНГ.
За фундаментальные и прикладные исследования
и вклад в решение научных проблем, связанных с
устойчивым развитием сельского хозяйства, Р.М.Алек-
сахин награжден орденами “Дружбы народов” и
“Знак Почета”, медалями и именными премиями ака-
демиков В.Р.Вильямса, В.М.Клечковского, Н.И.Ва-
вилова и В.Н.Сукачева.
Отделение сельскохозяйственной науки РАН, коллек-
тив института, редакционная коллегия и редакция на-
шего журнала сердечно поздравляют Рудольфа Михайло-
вича с юбилеем, желают доброго здоровья, семейного бла-
гополучия, дальнейшей творческой деятельности!