АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Прогноз урожайности

Читайте также:
  1. АВАРІЙНЕ ПРОГНОЗУВАННЯ
  2. Авторегресійні моделі прогнозування
  3. Адаптивные методы прогнозирования
  4. Анализ и прогнозирование ОТУП
  5. Анализ и прогнозирование товарооборота организаций общественного питания как части розничного товарооборота
  6. Анализ прогнозирования банкротства
  7. АНАЛИЗ ПРОГНОЗИРУЕМОГО ДЕНЕЖНОГО ПОТОКА ИНВЕСТИЦИОННОГО ПРОЕКТА
  8. Аналіз та прогнозування обсягу роботи пожежно-рятувальних підрозділів.
  9. АНКЕТА «ПРОГНОЗ»
  10. Взвешенной урожайности зерновых и зернобобовых культур
  11. Виды прогнозирования сбыта
  12. Виды прогнозов

Прогнозная оценка урожайности текущего сезона строится на основе сравнения с релевантными параметрами прошлых лет (NDVI, температура, осадки, солнечная радиация) и исторических данных по урожайности, полученных из статистических источников. [8]

В статье [9] освещен прогноз урожая риса с использованием радиолокационной информации.

Точная и своевременная информация о росте риса и прогнозе его урожайности помогает правительствам и другие заинтересованным сторонам проводить экономическую политику, предвидеть и координировать усилия по оказанию помощи в случае природной катастрофы, и обеспечивает основу для страхового решение оценки рисков потери урожая из риса. Это стало возможным благодаря использованию радиолокатора с синтезированной апертурой в сочетании с технологиями моделирования урожая.

Технология прогноза урожая риса включает два ключевых модуля: MAPscale-Rice и ORYZA2000. Первый позволяет преобразовать спутниковые радиолокационные данные в такие продукты как площадь под рисом, начало сезона, фенологическая фаза, листовой индекс LAI. Второй модуль позволяет по этим данным получать непосредственно оценку урожая.

Индекс листовой поверхности (leaf area index, LAI) определяется как общее покрытие земельного участка одной стороной поверхности листьев. LAI сильно связан с такими процессами как суммарное испарение, затенение почвы, фотосинтез, опад листьев и др. Полученное с помощью ДДЗ значение LAI позволяет моделировать эти процессы. LAI очень важен для оценки урожайности. Для зерновых приводится следующее соотношение

Урожай (кг/га)=1571,2*ln(LAI)+2033,6 [7]

 

Рис. 3. Схема обработки данных для оценки урожая

 

В среднем достигнутая точность прогнозных данных по сравнению с фактическими составила 85% или 702 кг/га.

Применение моделей биологической продуктивности растений в сочетании с космическими радиолокационными снимками среднего пространственного разрешения позволяет достоверно оценивать валовые сборы основных зерновых культур на региональном уровне в Западной Сибири [2].

 


1 | 2 | 3 | 4 | 5 | 6 | 7 |

Поиск по сайту:

Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)