ДӘЛДІ ШАРУАШЫЛЫҚТА ДАЛА БЕЙНЕСІН СЕГМЕНТТЕУ
DOI:
https://doi.org/10.54668/2789-6323-2025-120-5-79-90Кілт сөздер:
нақты ауыл шаруашылығы, сегменттеу, NDVI, дрондар, қашықтықтан зондтауАңдатпа
Дәл егіншілік әдістері егістік алқаптардың әртүрлі учаскелеріндегі өсімдіктердің өсу процестеріндегі нәзік айырмашылықтарды ескеруді талап етеді. Өрістің рельефіндегі, оны сумен қамтамасыз етудегі, қарашірік қабатының қуаттылығындағы және т.б. айырмашылықтар әртүрлі қарқындылықтағы агротехникалық операцияларды қолдану үшін егістікті саралау қажеттілігін тудырады, нәтижесінде өнімділіктің жоғарылауына және дақылдардың өзіндік құнының төмендеуіне әкеледі. Өріс ішіндегі егістік жерлердің рейтингі әдетте қашықтықтан зондтау деректерін сегменттеу арқылы жүзеге асырылады. Сегменттеу жүйесін құру үшін өрістерді мерзімді қашықтықтан және жердегі Бақылау, алынған ақпаратты геореференттеу арқылы жинау және өңдеу қажет. Осы мақсаттар үшін спутниктік қашықтықтан зондтау жүйелерін де, ұшқышсыз да қолдануға болады ұшу платформалары (ұшу аппараттары). Алынған ақпараттың көлемі, әсіресе БЛП қолданған кезде өте маңызды, ал өңдеудің жеделдігіне қойылатын талаптар Жоғары. Осыған байланысты алынған кескіндерді жүйелеу мен өңдеудің тиімді әдістері өзекті болып табылады, олар өте жылдам сегменттеу алгоритмдеріне сүйенеді. Бұл жұмыста нақты егіншілік контурындағы агротехникалық іс-шаралардың экономикалық көрсеткіштерін арттыруға мүмкіндік беретін әртүрлі қашықтықтан зондтау жүйелерінен кескіндерді сегменттеу әдістері қарастырылған. Жеке немесе нақты егіншілік процестерін қолдаудың ақпараттық жүйесінің бөлігі ретінде пайдалануға болатын шекті сегменттеу бағдарламасының мысалы келтірілген. Жұмыста оны NDVI индексінің мәні бойынша өрістің спутниктік кескіндерін сегменттеу үшін қолдану нәтижелері келтірілген. Жүргізілген талдау және осы сегменттеу бойынша әзірленген ұсынымдар экологиялық бұзылулардың, ауа-райының күрт өзгеруіне және өңделетін егістіктердің рельефінің айырмашылығына байланысты егіннің жоғалуын болдырмауға ықпал етеді.
References
Rouse J. W., Haas R. H., Schell J. A., Deering D. W. (1973). Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Texas A&M University, Remote Sensing Center.
MacQueen J. B. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability. University of California Press. Vol. 1. Р. 281–297.
Vassilaros A. ISODATA. Presentation [Electronic resources] URL: https://web.pdx.edu/~jduh/courses/Archive/geog481w07/Students/Vassilaros_ISODATA.pdf (date of access: 15.12.2024)
Guastaferro F., Castrignanò A., De Benedetto D., Sollitto D., Troccoli A., & Cafarelli B. (2010). A comparison of different algorithms for the delineation of management zones. Precision Agriculture, 11(5), 600–620. https://doi.org/10.1007/s11119-010-9183-4
Johnson S. C. (1967). Hierarchical clustering schemes. Psychometrika, 32(3). P. 241–254.
Scikit-image. (n.d.). Segmentation — Image analysis in Python. [Electronic resources] URL: https://scikit-image.org/skimage-tutorials/lectures/4_segmentation.html (date of access: 15.12.2024)
Verbesselt J., Hyndman R. J., Newnham G., Culvenor D. (2010). Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment, 114(1). P. 106–115. https://doi.org/10.1016/j.rse.2009.08.014
Miller L., Pelletier C., Webb G. I. (2024). Deep learning for satellite image time series analysis: A review. arXiv. https://doi.org/10.48550/arXiv.2404.03936
Mukhamediev R. I., Terekhov A., Amirgaliyev Y., Popova Y., Malakhov D., Kuchin Y., Sagatdinova G., Symagulov A., Muhamedijeva E., Gricenko P. (2024). Using pseudo-color maps and machine learning methods to estimate long-term salinity of soils. Agronomy, 14, 2103. https://doi.org/10.3390/agronomy14092103
Matheron G. (1963). Principles of geostatistics. Economic Geology, 58(8), 1246–1266.
Huete A., Didan K., Miura T., Rodriguez E. P., Gao X., Ferreira L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1–2), 195–213.
OneSoil Yield. (n.d.). Пример снимка NDVI. [Electronic resources] URL:https://app.yield.onesoil.ai/ (date of access: 20.08.2024)
Gitelson A. A., Kaufman Y. J., Merzlyak M. N. (1996). Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment, 58(3), 289–298.
Lymburner L., Beggs P. J., Jacobson C. R. (2000). Estimation of canopy-average surface-specific leaf area using Landsat TM data. Photogrammetric Engineering and Remote Sensing, 66(2), 183–191.
Copernicus Data Space Ecosystem, [Electronic resources] URL: https://dataspace.copernicus.eu/ (date of access: 20.08.2024)
Downloads
Жарияланды
How to Cite
Журналдың саны
Бөлім
License
Copyright (c) 2025 Кирилл Гаринских, Алпамыс Карыпов, Адилхан Сымагулов, Ян Кучин, Алексей Терехов, Равиль Мұхамедиев, Надия Юничева, Нурсултан Кульдеев, Рат Бердибаев
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
