INTERNATIONAL AGRICULTURAL JOURNAL INTERNATIONAL AGRICULTURAL JOURNAL МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ 2587-6740 114401 10.55186/25876740_2024_67_4_487 Научное обеспечение и управление агропромышленным комплексом Scientific support and management of agrarian and industrial complex Научное обеспечение и управление агропромышленным комплексом Standardized minNDTI index as a criterion for identifying farms using no-till Стандартизированный индекс minNDTI как критерий для выделения хозяйств, использующих прямой посев Ермолаев Никита Романович Ermolaev Nikita Romanovich n.r.ermolaev94@gmail.com Гаджиумаров Расул Гаджиумарович Gadzhiumarov Rasul Gadzhiumarovich rasul_agro@mail.ru

кандидат сельскохозяйственных наук;

candidate of agricultural sciences;

 https://orcid.org/0000-0003-2199-8474 Юдин Сергей Анатольевич Yudin Sergey Anatol'evich yudin_sa@esoil.ru

кандидат биологических наук;

candidate of sciences in biology;

 https://orcid.org/0000-0001-6126-5676 Белобров Виктор Петрович Belobrov Viktor Petrovich belobrovvp@mail.ru

доктор сельскохозяйственных наук;

doctor of agricultural sciences;

 https://orcid.org/0000-0002-0510-2220 Дридигер Виктор Корнеевич Dridiger Viktor Korneevich dridiger.victor@gmail.com

доктор сельскохозяйственных наук;

doctor of agricultural sciences;

 Надуткин Иван Александрович Nadutkin Ivan Aleksandrovich Шаповалов Дмитрий Анатольевич Shapovalov Dmitry Anatol'evich shapoval_ecology@mail.ru

доктор технических наук;

doctor of technical sciences;

 Почвенный институт им. В.В Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation Северо-Кавказский Федеральный научный аграрный центр Михайловск Россия North Caucasus Federal Agricultural Research Centre Mikhailovsk Russian Federation Почвенный институт им. В.В Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation Почвенный институт им. В.В. Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation Северо-Кавказский Федеральный научный аграрный центр Михайловск Россия North Caucasus Federal Agricultural Research Centre Mikhailovsk Russian Federation Почвенный институт им. В.В. Докучаева Москва Россия V.V. Dokuchaev Soil Science Institute Moscow Russian Federation Государственный университет по землеустройству Москва Россия State University of Land Use Planning Moscow Russian Federation 15 08 2024 15 08 2024 4 487 491 27 05 2024 26 06 2024 https://ecience.ru/en/nauka/article/114401/view

Приведен опыт по подбору данных для построения выборки minNDTI для выделения хозяйств использующих технологию прямого посева (no-till) в двух агроэкологических зонах Ставропольского края с разными агроклиматическими условиями. Ввиду ежегодного увеличения площадей, занятых ресурсосберегающими технологиями (в частности прямым посевом), разработка систем для выделения и учета является актуальной задачей для науки и производства. Растительные остатки, сохраняемые при прямом посеве, создают характерные свойства поверхности, которые можно использовать для выделения подобных хозяйств на основании данных ДЗЗ. Распространенным подходом для выделения хозяйств использующих прямой посев (ПП) является использование спектрального индекса NDTI и его мультивременной производной – minNDTI. В рамках исследования были подобраны коллекции, стандартизованных за каждый год данных minNDTI с 2019 по 2023, характеризующие ПП и традиционную технологию двух агроклиматических зон: неустойчивого увлажнения и засушливую. Была проанализирована возможность использования порога значений вегетационного индекса NDVI для очистки выборок от данных соответствующих живой растительности, возможность использования двух временных диапазонов для построения набора данных minNDTI, возможность использования Landsat и Sentinel-2. Общее количество проанализированных выборок – 16. Оптимальным порогом для исключения живой растительности из выборок minNDTI является значения 0,3. При значении NDVI 0,2 происходит значительная потеря данных. Sentinel-2 позволяет использовать большее количество изображений, что способствует формированию более репрезентативных данных minNDTI. Стандартизованные данные minNDTI, полученные для засушливой зоны Ставропольского края, являются типичными за каждый год исследования, что дает основание полагать возможным использование представленных данных для выделения хозяйств, использующих прямой посев, за любой временной промежуток. Использование индекса minNDTI для выделения хозяйств применяющих технологию прямого посева, является наиболее оптимальным для регионов со схожими с засушливой зоной Ставропольского края агроклиматическими условиями.

The experience of selecting data for constructing a minNDTI sample to identify farms using no-till in two agroecological zones of the Stavropol Territory with different agro-climatic conditions is presented. Due to the annual increase in the areas occupied by conservation technologies (in particular no-till), the development of systems for allocation and accounting is an urgent task for science and industry. The crop residues preserved during no-till create characteristic surface properties that can be used to isolate such farms based on remote sensing data. A common approach to identify farms using no-till (PP) is the use of the NDTI spectral index and its multitemporal derivative, minNDTI. As part of the study, collections of standardized minNDTI data for each year from 2019 to 2023 were selected, characterizing no-till and traditional technology for two agroclimatic zones: an unstable humidification and an arid. The possibility of using the threshold values of the NDVI vegetation index to clear samples from data corresponding to living vegetation, the possibility of using two time ranges to build the minNDTI dataset, the possibility of using Landsat and Sentinel-2 data was analyzed. The total number of analyzed samples – 16. The optimal threshold for excluding living vegetation from the minNDTI samples is 0.3. At NDVI 0.2, significant data loss occurs. The standardized minNDTI data obtained for the arid zone of the Stavropol Territory are typical for each year of the study, which gives reason to believe that it is possible to use the presented data to identify farms using no-till for any time period. The use of the minNDTI index to identify farms using no-til is optimal for regions with agro-climatic conditions similar to the Arid zone of the Stavropol Territory.

 прямой посев ресурсосберегающее земледелие дистанционное зондирование Земли засушливая зона no-till conservation agriculture remote sensing google earth engine arid zone

Дридигер В. К. Состояние проведения исследований по минимизации обработки почвы и прямому посеву // Сельскохозяйственный журнал. 2019. Т. 5. С. 8-16. Dridiger V. K. Sostoyanie provedeniya issledovaniy po minimizacii obrabotki pochvy i pryamomu posevu // Sel'skohozyaystvennyy zhurnal. 2019. T. 5. S. 8-16. Hively W. D. и др. Mapping crop residue and tillage intensity using WorldView-3 satellite shortwave infrared residue indices // Remote Sens. 2018. Т. 10. № 10. С. 1657. Hively W. D. i dr. Mapping crop residue and tillage intensity using WorldView-3 satellite shortwave infrared residue indices // Remote Sens. 2018. T. 10. № 10. S. 1657. Perry C. R., Lautenschlager L. F. Functional equivalence of spectral vegetation indices // Remote Sens. Environ. 1984. Т. 14. № 1-3. С. 169-182. Perry C. R., Lautenschlager L. F. Functional equivalence of spectral vegetation indices // Remote Sens. Environ. 1984. T. 14. № 1-3. S. 169-182. Cai W. и др. Comparison of Different Crop Residue Indices for Estimating Crop Residue Cover Using Field Observation Data // 2018 7th International Conference on Agro-geoinformatics (Agro-geoinformatics). : IEEE, 2018. С. 1-4. Cai W. i dr. Comparison of Different Crop Residue Indices for Estimating Crop Residue Cover Using Field Observation Data // 2018 7th International Conference on Agro-geoinformatics (Agro-geoinformatics). : IEEE, 2018. S. 1-4. Jin X. и др. Estimation of maize residue cover using Landsat-8 OLI image spectral information and textural features // Remote Sens. 2015. Т. 7. № 11. С. 14559-14575. Jin X. i dr. Estimation of maize residue cover using Landsat-8 OLI image spectral information and textural features // Remote Sens. 2015. T. 7. № 11. S. 14559-14575. Van Deventer A. P. и др. Using thematic mapper data to identify contrasting soil plains and tillage practices // Photogramm. Eng. Remote Sens. 1997. Т. 63. № 1. С. 87-93. Van Deventer A. P. i dr. Using thematic mapper data to identify contrasting soil plains and tillage practices // Photogramm. Eng. Remote Sens. 1997. T. 63. № 1. S. 87-93. Zheng B. и др. Multitemporal remote sensing of crop residue cover and tillage practices: A validation of the minNDTI strategy in the United States // J. Soil Water Conserv. 2013. Т. 68. № 2. С. 120-131. Zheng B. i dr. Multitemporal remote sensing of crop residue cover and tillage practices: A validation of the minNDTI strategy in the United States // J. Soil Water Conserv. 2013. T. 68. № 2. S. 120-131. Дридигер В. К. Технология no-till и допускаемые при её освоении ошибки // Сельскохозяйственный журнал. 2018. Т. 1. № 11. С. 14-23. Dridiger V. K. Tehnologiya no-till i dopuskaemye pri ee osvoenii oshibki // Sel'skohozyaystvennyy zhurnal. 2018. T. 1. № 11. S. 14-23. Сулейменов М. К. Стандартизировать исследования по нулевой технологии // Аграрный сектор. 2015. № 2 (24). С. 90-96. Suleymenov M. K. Standartizirovat' issledovaniya po nulevoy tehnologii // Agrarnyy sektor. 2015. № 2 (24). S. 90-96. Щукин С. В., Труфанов А. М. Экологизация сельского хозяйства (перевод традиционного сельского хозяйства в органическое). Москва: Буки Веди, 2012. 196 с. Schukin S. V., Trufanov A. M. Ekologizaciya sel'skogo hozyaystva (perevod tradicionnogo sel'skogo hozyaystva v organicheskoe). Moskva: Buki Vedi, 2012. 196 s. Daughtry C., Huntjr E. Mitigating the effects of soil and residue water contents on remotely sensed estimates of crop residue cover // Remote Sens. Environ. 2008. Т. 112. № 4. С. 1647-1657. Daughtry C., Huntjr E. Mitigating the effects of soil and residue water contents on remotely sensed estimates of crop residue cover // Remote Sens. Environ. 2008. T. 112. № 4. S. 1647-1657. Beeson P. C., Daughtry C. S. T., Wallander S. A. Estimates of conservation tillage practices using landsat archive // Remote Sens. 2020. Т. 12. № 16. С. 1-18. Beeson P. C., Daughtry C. S. T., Wallander S. A. Estimates of conservation tillage practices using landsat archive // Remote Sens. 2020. T. 12. № 16. S. 1-18. Zheng B. и др. Remote sensing of crop residue and tillage practices: Present capabilities and future prospects // Soil Tillage Res. 2014. Т. 138. С. 26- 34. Zheng B. i dr. Remote sensing of crop residue and tillage practices: Present capabilities and future prospects // Soil Tillage Res. 2014. T. 138. S. 26- 34. Кулинцев В. В. Система земледелия нового поколения Ставропольского края. Ставрополь: АГРУС Ставропольского государственного аграрного университета, 2013. 520 с. Kulincev V. V. Sistema zemledeliya novogo pokoleniya Stavropol'skogo kraya. Stavropol': AGRUS Stavropol'skogo gosudarstvennogo agrarnogo universiteta, 2013. 520 s. Masek J. и др. HLS Operational Land Imager Surface Reflectance and TOA Brightness Daily Global 30m v2.0 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Masek J. i dr. HLS Operational Land Imager Surface Reflectance and TOA Brightness Daily Global 30m v2.0 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center. Ермолаев Н. Р. и др. No-till identification by crop residues on the soil surface using the multi-temporal integral index minNDTI // АгроЭкоИнфо. 2021. Т. 4. № 46. Ermolaev N. R. i dr. No-till identification by crop residues on the soil surface using the multi-temporal integral index minNDTI // AgroEkoInfo. 2021. T. 4. № 46. Kruskal W. H., Wallis W. A. Use of Ranks in One-Criterion Variance Analysis // J. Am. Stat. Assoc. 1952. Т. 47. № 260. С. 583. Kruskal W. H., Wallis W. A. Use of Ranks in One-Criterion Variance Analysis // J. Am. Stat. Assoc. 1952. T. 47. № 260. S. 583. Gorelick N. и др. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sens. Environ. 2017. Gorelick N. i dr. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sens. Environ. 2017.