Dependence of the Vegetation of Winter Crops on the Relief and Soils in the East of the Stavropol Region
- Authors: Doroshenko V.V.1
-
Affiliations:
- Federal State Budget Scientific Institution “Federal Scientific Center of Agroecology, Complex Melioration and Protective Afforestation of the Russian Academy of Sciences” (FSC of Agroecology of the RAS)
- Issue: No 5 (2023)
- Pages: 71-84
- Section: ИСПОЛЬЗОВАНИЕ КОСМИЧЕСКОЙ ИНФОРМАЦИИ О ЗЕМЛЕ
- URL: https://journals.eco-vector.com/0205-9614/article/view/659181
- DOI: https://doi.org/10.31857/S0205961423050044
- EDN: https://elibrary.ru/XEAXXE
- ID: 659181
Cite item
Full Text
Abstract
In total, 7.444 fields with a total area of 857.9 thousand hectares were mapped on the territory of five eastern arid regions of the Stavropol Territory. As of 2021, arable land occupies more than 55% of the study area and is located mainly in its western part. Winter crops occupy 4.693 fields with a total area of more than 487 thousand hectares (56.9% of the total field area). Mapping of the contours of the fields was carried out on the basis of satellite images “Sentinel-2” (“natural colors”). The morphometric characteristics of the fields were calculated on the basis of the SRTM3 DEM. Mask of winter crops for the period 2011–2021 and weekly composites with data on the NDVI value for spring (March–May) were obtained using the Vega-Science service. The areas of the fields identified according to remote sensing data are comparable with official statistics. The fields are located on lands with a steepness of up to 5°, the steepness of 1°–2° prevails (about 90% of the total area). Most fields have a predominant southern exposure, there are no fields with a northern exposure. There are 13 kinds of soils on the territory of the study area, chestnut deep soils predominate. Average NDVI for March–May 2011–2021 It shows the highest values in fields located on meadow soils, the lowest NDVI values are observed on salt flats and salt marshes. It was revealed that the NDVI value decreases with increasing field size, the optimal field size is up to 150 hectares. The highest NDVI values were found in fields with a steepness of 1°–2°, southern exposure and meadow, chestnut and light chestnut soils. The influence of annual precipitation amounts on the NDVI value is analyzed.
About the authors
V. V. Doroshenko
Federal State Budget Scientific Institution “Federal Scientific Center of Agroecology, Complex Melioration and Protective Afforestation of the Russian Academy of Sciences” (FSC of Agroecology of the RAS)
Author for correspondence.
Email: doroshenko-vv@vfanc.ru
Russia, , Volgograd,
References
- Антонов С.А. Изменение агроклиматического районирования территории Ставропольского края для повышения продуктивности агроландшафтов // Изв. Оренбургского государственного аграрного университета. 2018. № 3(71). С. 8–11.10.25930/0erb-cm88 EDN XRTQZV.
- Берденгалиева А.Н., Берденгалиев Р.Н. Связь сезонной динамики озимой пшеницы и рельефа в подзоне южных черноземов Волгоградской области // Научно-агрономический журн. 2022. № 3(118). С. 49–56. EDN WLPXJN.
- Денисов П.В., Середа И.И., Трошко К.А. и др. Возможности и опыт оперативного дистанционного мониторинга состояния озимых культур на территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 171–185. https://doi.org/10.21046/2070-7401-2021-18-2-171-185. EDN CVLTGO.
- Денисова Е.В. Применение современных технологий при инвентаризации земель // Научно-агрономический журн. 2020. № 1(108). С. 10–14. EDN JIFEOC.
- Денисова Е.В. К вопросу учета орошаемых угодий Волгоградской области с применением методов дистанционного мониторинга // Научный журнал Российского НИИ проблем мелиорации. 2021. Т. 11. № 1. С. 113–128. https://doi.org/10.31774/2222-1816-2021-11-1-113-128. EDN TNVYAH.
- Зинченко В.Е., Лохманова О.И., Калиниченко В.П. и др. Космический мониторинг земель сельскохозяйственного назначения юга России // Исслед. Земли из космоса. 2013. № 3. С. 33. https://doi.org/10.7868/S0205961413030068.EDN QAXMFN.
- Комаров А.А., Ирмулатов Б.Р., Якушев В.В. и др. Использование данных дистанционного зондирования для управления продуктивностью пшеницы в условиях аридной зоны (на примере Северного Казахстана) // Применение средств дистанционного зондирования Земли в сельском хозяйстве: Материалы III Всероссийской научной конференции с международным участием, Санкт-Петербург, 16–17 сентября 2021 года. Санкт-Петербург: Агрофизический научно-исследовательский институт РАСХН. 2021. С. 51–55. EDN WCIJTY.
- Лупян Е.А., Середа И.И., Денисов П.В. и др. Дистанционный мониторинг состояния озимых культур зимой 2020–2021гг. на Европейской территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 1. С. 165–172. 10.21046/2070-7401-2021-18-1-165-172 EDN MFAITF.
- Письменная Е.В., Азарова М.Ю. Зависимость продуктивности озимой пшеницы от показателей NDVI в засушливой зоне Ставропольского края // Агропромышленные технологии Центральной России. 2021. № 1(19). С. 39–45https://doi.org/10.24888/2541-7835-2021-19-39-45. EDN CCUPAK.
- Середа И.И., Денисов П.В., Трошко К.А. и др. Уникальные условия развития озимых культур, наблюдаемые по данным спутникового мониторинга на европейской территории России в октябре 2020 г. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 304–310. https://doi.org/10.21046/2070-7401-2020-17-5-304-310 EDN AWYDOQ.
- Синельникова К.П. Пространственный анализ деградации агроландшафтов Донской гряды // Научно-агрономический журн. 2021. № 4(115). С. 30–34.10.34736/FNС.2021.115.4.005 EDN WAHUTS.
- Сторчак И.Г., Ерошенко Ф.В. Использование NDVI для оценки продуктивности озимой пшеницы в Ставропольском крае // Земледелие. 2014. № 7. С. 12–15. EDN RCQQIN.
- Тесленок К.С., Муштайкин А.П., Тесленок С.А. Изучение особенностей сельскохозяйственных угодий с использованием цифровых моделей рельефа // ИнтерКарто. ИнтерГИС. 2020. Т. 26. № 3. С. 221–228.
- Трошко К.А., Денисов П.В., Лупян Е.А. и др. Особенности состояния зерновых культур в регионах европейской части России и Сибири в июне 2021 г. по данным дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 325–331. https://doi.org/10.21046/2070-7401-2021-18-3-325-331. EDN KJNBSF.
- Трошко К.А., Денисов П.В., Дунаева Е.А. и др. Особенности развития озимых сельскохозяйственных культур на юге европейской части России весной 2022 г. по данным дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 2. С. 261–267. https://doi.org/10.21046/2070-7401-2022-19-2-261-267. EDN BJXOUW.
- Филина Я.А., Дунаева Е.А., Денисов П.В. Оценка состояния озимых зерновых культур по Республике Крым с помощью сервиса ВЕГА // Региональные проблемы дистанционного зондирования Земли: Материалы IX Международной научной конференции, Красноярск, 13–16 сентября 2022 года. Красноярск: Сибирский федеральный университет. 2022. С. 307–310. EDN RAINYE.
- Шинкаренко С.С., Бодрова В.Н., Сидорова Н.В. Влияние экспозиции склонов на сезонную динамику вегетационного индекса NDVI посевных площадей // Изв. Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2019. № 1(53). С. 96–105.https://doi.org/10.32786/2071-9485-2019-01-12. EDN RPZVDY.
- Юферев В.Г., Мелихова А.В., Балынова В.В. Геоинформационный анализ рельефа Кумо-Манычской впадины // Природные системы и ресурсы. 2022. Т. 12. № 2. С. 67–76. https://doi.org/10.15688/nsr.jvolsu.2022.2.9 EDN TDGQVF.
- Национальный атлас почв Российской Федерации. М.: Астрель: ACТ. 2011. 632 с.
- Chen Q., Laurin G.V., Battles J.J., Saah D. Integration of airborne lidar and vegetation types derived from aerial photography for mapping aboveground live biomass // Remote Sensing of Environment. 2012. V. 121. P. 108–117.
- Franch B., Vermote E., Becker-Reshef I., Claverie M., Huang J., Zhang J., Justice C., Sobrino J. Improving the timeliness of winter wheat production forecast in the United States of America, Ukraine and China using MODIS data and NCAR Growing Degree Day information // Remote Sensing of Environment. 2015. № 161. https://doi.org/10.1016/j.rse.2015.02.014
- Pan L., Xia H., Zhao X., Guo Y., Qin Y. Mapping Winter Crops Using a Phenology Algorithm, Time-Series Sentinel-2 and Landsat-7/8 Images, and Google Earth Engine // Remote Sens. 2021. V. 13. № 2510. https://doi.org/10.3390/rs13132510
Supplementary files
