NDVI vs ASF или почему компании разрабатывают свой метод оценки посевов

24.02.2021
Технологии
1886

Можно ли использовать индекс NDVI для оценки земель? Ответ на этот вопрос искали участники очередного вебинара, организованного компанией «Агроноут». В ходе диалога с практиками с.-х. рынка и экспертами, специалисты пришли к выводам, которые могут показаться неожиданными для части агрономического сообщества. Подробности онлайн-трансляции для наших читателей представляет редакция «ГлавАгроном».

NDVI в оценке земель: ошибки и недостатки!

NDVI — нормализованный относительный индекс растительности, характеризующий плотность фотосинтезирующей массы, — является наиболее известным вегетационным индексом и используется в системах точного земледелия. По сути представляет индекс «зелености» и показывает развитость растительной биомассы в момент съемки. Отсюда — первый недостаток NDVI:

Ситуативность: NDVI показывает текущее состояние и «работает» ограниченный момент времени — только при достаточно развитой надземной части растений.То есть NDVI может использоваться для оценки состояния посевов и принятия организационно-хозяйственных решений только в конце агротехнологического цикла, например, во время второй подкормки озимых. 

Исходя из этого, закономерен вопрос: насколько успешно будет использование NDVI или, говоря иначе, можно ли по значениям NDVI с большой точностью судить об урожайности? Ответ эксперты формулируют обескураживающе безапелляционно: опыт работы в сельском хозяйстве, а также проведенные компанией «Агроноут» исследования показывают, что между количеством фотосинтезирующей массы (NDVI) и урожайностью отсутствует прямая связь.

Экосистема Trimble — шаг в будущее

Учредитель и генеральный директор ООО «Агроноут» Алексей Трубников остановился подробнее на недостатках использования индекса NDVI в оценке земель и к каким дорогим ошибкам это может привести. В качестве примера эксперт привел сравнение карты урожайности с подкормкой по данным с дрона (NDVI). По словам Алексея Трубникова, тут логика казалась проста: на более светлые участки вносить больше удобрений и, соответственно, на участки, окрашенные в зеленый цвет — меньше. Итоговые результаты закартографировали комбайном. Получилась обратная картина. Удобрения, вносимые в большем количестве на планируемые участки стекали вниз по склону и, соответственно, там и была получена большая урожайность. Вывод: эта технология не работает!

Сравнение карты урожайности с подкормкой по данным с дрона.

Эти выводы Алексей Трубников подтвердил на графике, отражающем значения NDVI и урожайность. В итоге, разница составила целых 26 ц/га. В пересчете на 11 тыс. рублей за тонну эти данные по марже отличаются на 28 тыс. рублей с гектара. То есть разница достаточно существенная, подчеркнул эксперт.  

Значение NDVI и урожайность.

Далее Алексей Трубников перешел к другой ошибке, выявленной при использовании индекса NDVI. Вместо спутника здесь был использован сканер. Эксперт начал с упоминания о том, что когда на поля вносятся удобрения с осени (еще «зелени» нет) и сканировать, в принципе, нечего. Когда вносится первая азотная подкормка, зелень еще в таком состоянии после зимы, что ее лучше не сканировать, толку от этого большого нет. Требуемая для оценочного анализа зелень появляется на поле только к третьей азотной подкормке, подчеркнул специалист. По его словам, только две поздние подкормки и только на озимых культурах могут быть проанализированы с помощью сенсоров или сканеров.

Схема питания культур, возможности дронов NDVI и азотных сенсоров.

Занимательный факт!

Престижное учебное заведение в США — Университет исследования естественных наук Purdue University — провело опрос среди фермеров об эффективности использования различных технологий точного земледелия, и наиболее рентабельными оказались: дифференцированное внесение (удобрений, извести, СЗР, семян) и картирование почвенных условий. Использование беспилотных летательных аппаратов, азотных сенсоров и NDVI помогало увеличить прибыль значительно реже. То есть картирование позволяет с высокой степенью точности оценить состояние почвы, а NDVI — нет.

Как современные технологии помогают аграриям больше зарабатывать?

Оказался скептически настроен по отношению к полученным данным при помощи NDVI и другой эксперт, профессор из ЮАР Андрей Розанов. Его опыт работы с этим индексом заключался в следующем: специалисты при помощи дронов сделали массу снимков полей. При анализе этих снимков ученые обратили внимание на такие параметры, как NDVI затемненный, без почвы и, наоборот, на почву без растений. В итоге эксперты пришли к выводу, что активность биомассы не всегда соответствует урожайности. Т.е., NDVI на ранней стадии развития растений, примерно через месяц после посева, оказался не очень хорошим методом определения будущей урожайности. Андрей Розанов также добавил, что по NDVI написано много работ, которыми обязательно следует руководствоваться, чтобы знать в какой именно день после посева можно наиболее точно предсказать будущий урожай.

Альтернатива «Агроноут»

Как подчеркнул Алексей Трубников, прямая связь между значениями NDVI и урожайностью в момент съёмки статистически случайна, и даже если бы это было не так и значения NDVI и урожайность имели бы прямую корреляцию, невозможно было бы судить по ним о плодородии почвы. Урожайность «в моменте» не может служить индикатором плодородия, так как зависит в большой степени от агротехнических, организационно-хозяйственных и погодных условий. А вот данные о среднемноголетнем, за несколько десятков лет, состоянии растительности дают представление о почвенном плодородии, нивелируя влияние непостоянных и выявляя действие лимитирующих факторов, то есть плодородие почвы. Среднемноголетним значением NDVI с математической точки зрения, как раз и является ASF-индекс, получаемый в результате обработки спутниковых снимков за последние 36 лет. Так, проанализировав эти недостатки, в компании «Агроноут» решили разрабатывать ASF-индекс.

ASF-индекс — Agronote soil fertility index, или индекс почвенного плодородия — разработка компании «Агроноут», созданная для систем точного земледелия. Визуально ASF-индекс представляет собой карту зон плодородия и

с агротехнической точки зрения является основой для создания карт-заданий для «умной» техники и дифференцированного внесения материалов в сельском хозяйстве. 

В чём особенность ASF-индекса?

В отличие от более известного вегетационного индекса NDVI, показывающего состояние растительности «здесь и сейчас», ASF-индекс носит адаптивный характер и

с математической точки зрения является разновидностью среднемноголетнего вегетационного индекса.

По картам-заданиям «умная» техника дифференцированно вносит удобрения, посевной материал или средства химзащиты. Карта ASF-индекса превращается в карту-задание после верификации — процедуры сопоставления и сверки с картографическими материалами и результатами почвенного и лабораторного обследования.

ASF-индекс с агрономической точки зрения наглядно представляет различную отзывчивость частей поля на средства химизации.

В соответствии с отзывчивостью участков поля дифференцированное внесение удобрений по картам-заданиям производится следующим образом:

  • в зонах пониженного плодородия вносится меньшая доза удобрений;
  • в зонах среднего плодородия — средняя;
  • в зонах повышенного плодородия — большая.

Реализация такого подхода в точном земледелии даёт прибавку прибыли от 2000 руб./га уже в первый год внедрения технологии по опыту внедрения в нескольких регионах РФ.

ASF-индекс.

Алексей Трубников также обращает внимание, что и карта ASF-индекса сама по себе не раскрывает сути происходящих с землёй процессов, и смысловое наполнение получает после верификации: анализа картографических материалов, полевого почвенного и лабораторного обследований. Только такой комплексный и индивидуальный подход позволяет в полной мере оценить землю и раскрыть её потенциал.

Вегетация под контролем: спутниковый мониторинг полей

Узнавайте первыми актуальные агрономические новости России и мира на наших страницах

Больше о Технологиях

Всё о Технологиях
VK_DMCA