Вы находитесь на странице: 1из 5

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


групп классов. По этим характеристикам находят ус- ры и внешние возмущения.
ловные плотности вероятности средних значений Исходя из общих физических законов отраже-
спектров каналов для каждой группы классов и ре- ния света от неоднородной дисперсной среды, в
шающие функции для принятия оперативных ре- том числе и от посевов, модель косвенного измере-
шений по распознаванию. ния можно представить в обобщенной векторно-
Далее следует обнаружить наиболее вероятные матричной форме [13]:
виды классов внутри группы. Для чего необходимо
учитывать следующие особенности этой задачи: во- (2)
первых, можно использовать последовательно столь-
ко каналов, сколько необходимо для обеспечения где р – вектор масштабных параметров, P – матри-
требуемой надежности обнаружения, так как от- ца параметров связи между состояниями посева и
дельные классы и спектральные каналы не связаны наиболее информативными оптическими показате-
между собой; во-вторых, ошибки обнаружения вле- лями, Eм – вектор случайных ошибок моделирования.
кут за собой ущерб, связанный с неадекватным вы- При известных параметрах модели (2) текущие
бором технологии и излишними затратами на ре- оценки состояния посевов по измеренному вектору
сурсы, и прямые потери урожая. Наличие матрицы оптических показателей определяются решением
возможных потерь Us=[NsxNs] позволяет ввести оптимизационной задачи:
критерий оптимальности процедуры обнаружения
искомых классов [9 и др.]:
(3)

(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:

Этап предварительных исследований


База гиперспектральных
данных дистанционного (5)
зондирования

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

расходов. Решение проблемы получения достоверной,


(6) сопоставимой по времени и месту, информации воз-
можно только при организации соответствующих
полигонов. Их следует оборудовать стационарными
наземными приборами для измерений состояния
Оперативная адаптация моделей измерения на посевов и почвенной среды, оснащать системами
тестовых площадках позволяет по текущим оптиче- сбора всей информации о проводимых технологи-
ским измерениям YX(t), посредством алгоритма (3) ческих операциях, климатических факторах, а самое
формировать оценки состояния посевов (t) в главное, стационарными средствами ДЗЗ на тесто-
среднем по площади поля. Модель оптических вых площадках, где осуществляются все наземные
измерений (3) имеет универсальный характер как измерения (см. схему на 1-й стр. обл.).
для тестовых площадок, так и для поля. Но таким
свойством не обладают динамические модели. Они СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
могут существенно отличаться по своим парамет- 1. Антонов, В.Н. Мониторинг состояния посевов и про-
рам. Поэтому модели сельскохозяйственного поля гнозирование урожайности яровой пшеницы по дан-
следует оперативно адаптировать к условиям окру- ным ДЗЗ/В.Н.Антонов, Л.А.Сладких//Геоматика. –
жающей среды. Для этого формируется массив дан- 2009. - № 4. - С. 50–53.
ных (средних по полю) {Xм(t), Xп(t), F(t), U(t)}, для 2. Архипова, О.Е. Оценка засоренности антропогенных
решения задачи оптимизации: 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
(7) 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
где g1, g2 – весовые множители критерия адаптации, спектрорадиометра MODIS/С.А.Барталев, Е.А.Лу-
по которым устанавливают соотношение ошибок пян, И.А.Нейштадт, И.Ю.Савин//Современные про-
адаптации состояния посевов и почвенной среды; блемы дистанционного зондирования земли из кос-
mX , mX – моделируемые значения векторов. моса (Физические основы, методы и технологии мо-
м n
ниторинга окружающей среды, потенциально опасных
Управление технологиями в реальном времени явлений и объектов): Сборник научных статей.-М.:
заключается в воспроизводстве единой для всей GRANP-Poligraph, 2005. - Т. II. - С. 228–236.
площади поля оптимальной программы “off-line“ и 5. Михайленко, И.М. Основные задачи оценивания со-
ее локальной коррекции “on-line“ с учетом про- стояния посевов и почвенной среды по данным кос-
странственной неоднородности состояния посевов мического зондирования/И.М.Михайленко//Эколо-
и почвенной среды. С точки зрения классической гические системы и приборы. – 2011. - № 8. - С. 17-25.
науки об управлении компоненты “off-line“ и “on- 6. Михайленко, И.М. Информативность дистанционных
line“ не отделены друг от друга, как принято в точ- зондирующих измерителей состояния посевов и почвен-
ном земледелии, а жестко связаны между собой, ной среды/И.М.Михайленко, А.М.Плотников//Эколо-
реализуя принцип общей оптимизации технологии. гические системы и приборы. – 2011. - № 4. - С. 32–36.
Такой единственно возможный оптимальный вари- 7. Михайленко, И.М. Управление системами точного зем-
ант управления технологией в реальном времени леделия/И.М.Михайленко.-СПб.: Изд-во СПбГУ,
воспроизводится регулятором технологической 2005. - 234 с
машины [7-9]. 8. Михайленко, И.М. Электронный агроном. Теоретичес-
кие основы и программно-техническая реализация/
(8) И.М.Михайленко, В.Н.Тимошин//Экологические си-
стемы и приборы. – 2010. - № 7. – С. 21–26.
где v*(ti) – программный компонент управления 9. Михайленко, И.М. Методы обнаружения сорняков, бо-
(“off-line“), общий для всей площади сельскохозяй- лезней и вредителей растений по данным дистанционно-
ственного поля, – компонент, го зондирования/И.М.Михайленко, И.В.Воронков//Со-
посредством которого компенсируется простран- временные проблемы дистанционного зондирования
ственная неоднородность состояния посева, фор- Земли из космоса. - 2016. - Т. 13. - № 3. - С. 122–133.
мируемый путем сравнения оценки состояния 10. Нейштадт, И.А. Оценка структуры пахотных земель
посева, – по данным СДЗ, и оптимальной по данным дистанционного зондирования спектро-
программы развития посева, – программный радиометра MODIS/И.А.Нейштадт, С.А.Барталев ,
компонент управления “off-line“, K – матрица ре- Е.А.Лупян, А.И.Панова//Третья всероссийская от-
гулятора, преобразующего сигналы отклонения в кры тая конференция “Современные проблемы
корректирующие поправки управления. дистанционного зондирования Земли из космоса”:
Для адаптации используемых математических мо- сб. тез. конф.-М.: ИКИ РАН 14–17 ноября 2005,
делей в задачах управления и распознавания образов 2005. – 235 с.
и обнаружения групп классов требуется достаточный 11. Полуэктов, Р.А. Модели продукционного процесса
объем надежной экспериментальной информации. сельскохозяйственных растений/Р.А.Полуэктов, Э.И.Смо-
Вместе с тем известно, что получение космических ляр, В.В.Терлеев, А.Г.Топаж.-СПб.: Из-во Санкт-
данных ДЗЗ по заданному регламенту практически Петербургского Университета, 2006. - 395 с.
невозможно из-за меняющихся погодных условий, 12. Пытьев, Ю.П. Методы математического моделирования
а организация систематических пролетов средств измерительно-вычислительных систем/Ю.П.Пытьев.-
беспилотной малой авиации требует значительных М.: Физматлит, 2004. – 400 с.

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

Академику Р.М.Алексахину – дя путь от старшего научного сотрудника до дирек-


80 лет тора института.
Алексахин Рудольф Михайло- ***
вич – доктор биологических наук, Рудольф Михайлович принимает активное уча-
профессор, действительный член стие в российских и международных проектах в
Российской академии наук, заслу- области радиоэкологии, он – эксперт Научного ко-
женный деятель науки Российс- митета ООН по действию атомной радиации
кой Федерации, крупный учёный (НКДАР ООН), заместитель председателя НТС Мин-
в области сельскохозяйственной атома России, член МКРЗ, вице-президент Между-
радиологии, радиоэкологии и аг- народного союза радиоэкологии.
роэкологии. С его именем связа- С октября 2015 года юбиляр работает в должнос-
но решение важных государственных проблем по ти научного руководителя Всероссийского научно-
преодолению последствий радиоактивного загряз- исследовательского института радиологии и агроэ-
нения природных и аграрных экосистем. кологии. Р.М.Алексахин – главный эколог проект-
ного направления “Прорыв” (“Росатом”), сформиро-
Из биографии вал ряд положений в области радиоэкологии ядер-
Родился 15 декабря 1936 года в г. Калининграде ной энергетики (энергопроизводство на быстрых
(ныне г. Королев) Московской области. В 1959 году реакторах и замыкание ядерного топливного цикла)
закончил Московский государственный универси- и внёс дополнения в концепцию радиоэкологиче-
тет имени М.В.Ломоносова по специальности почво- ской эквивалентности при обращении с отработав-
вед-агрохимик. Одним из первых молодых специа- шим ядерным топливом и захоронением высокоак-
листов на кафедре биофизики Биолого-почвенного тивных радиоактивных отходов.
факультета МГУ принял участие в оценке последст- Р.М.Алексахин – автор более 800 публикаций, в
вий аварии на ПО “МАЯК”, выполняя исследования том числе 14 монографий, руководитель ведущей на-
по лесной радиоэкологии под общим руководством учной школы Российской Федерации в области
чл.-корр. АН СССР Молчанова А.А. и профессора сельскохозяйственной радиоэкологии. Под его ру-
Хильми Г.Ф. Принимал активное участие в крупней- ководством подготовлено 27 кандидатов и 16 докто-
шем в Европе эксперименте в натурных условиях с ров наук, которые работают не только в Российс-
облучением участка сосново-березового леса (про- кой Федерации, но и в странах СНГ.
грамма “Экос”), а также в выполнении общей радио- За фундаментальные и прикладные исследования
экологии, которой на Южном Урале руководил и вклад в решение научных проблем, связанных с
академик ВАСХНИЛ Клечковский В.М. устойчивым развитием сельского хозяйства, Р.М.Алек-
За цикл работ, связанных с решением проблем сахин награжден орденами “Дружбы народов” и
ликвидации последствий аварии на Южном Урале, “Знак Почета”, медалями и именными премиями ака-
был удостоен Государственной премии СССР (1974 г.). демиков В.Р.Вильямса, В.М.Клечковского, Н.И.Ва-
За активное участие в ликвидации последствий ава- вилова и В.Н.Сукачева.
рии на Чернобыльской АЭС в составе коллектива
была присуждена Государственная премия Российс- Отделение сельскохозяйственной науки РАН, коллек-
кой Федерации в области науки и техники. тив института, редакционная коллегия и редакция на-
С 1975 года Р.М.Алексахин работает во Всесо- шего журнала сердечно поздравляют Рудольфа Михайло-
юзном научно-исследовательском институте сель- вича с юбилеем, желают доброго здоровья, семейного бла-
скохозяйственной радиологии (ВНИИСХР), прой- гополучия, дальнейшей творческой деятельности!

16 ВЕСТНИК РОССИЙСКОЙ СЕЛЬСКОХОЗЯЙСТВЕННОЙ НАУКИ №6-2016