Wyniki wyszukiwania - BazTech

1

Mapping of Cornfield Soil Salinity in Arid and Semi-Arid Regions

Smanov Zhassulan Maratuly, Laiskhanov Shakhislam Uzakbaevich, Poshanov Maksat Nurbaiuly, Abikbayev Yerzhan Rakhimkeldievich, Duisekov Saken Nurzhanuly, Tulegenov Yerdaulet Askarbekovich

Journal of Ecological Engineering

|

2023

|

Vol. 24, nr 1

146--158

EN

Soil salinization and their annual increase in volume is not only one of the main problems of arid and subarid regions, but it is becoming global. Studying the problem of salinization and its spatial distribution using operational remote sensing methods is very important for Kazakhstan, where almost half of the agricultural land is exposed to salinization, but it is at the initial stage of development in the use of space technologies of research. The main goal of this study is to conduct a field study of soil salinity in corn fields, one of the most common crops in the arid region of the country, located in the Shaulder irrigated massif, using space-based methods, and to create algorithms for compiling a salinity map based on remote sensing data. For this purpose, firstly, using Sentinel-2 images, the method of separating corn from other dominant crops in the region by creating NDVI dynamics covering all phases of growth of agricultural crops was shown. Then, a regression analysis was performed on soil and vegetation indices calculated using satellite images and data on soil salinity obtained through field studies. As a result of the analysis, the main predictor of deciphering salinized soils was determined. By dividing the predictive image into quartiles, contours of salinized soils were determined and a soil salinity map was created. With the help of the soil salinity map, it was found that, non-saline soils – 2912.2 ha; slightly saline soils – 3288.4 ha, moderately saline soils – 2615.2 ha, and strongly saline soils – 1284.3 ha in the study area.

2

Using Vegetative Indices to Quantify Agricultural Crop Characteristics

Kokhan Svitlana, Vostokov Anatoliy

Journal of Ecological Engineering

|

2020

|

Vol. 21, nr 4

120--127

EN

In this study, the winter wheat aboveground biomass (AGB), leaf area index (LAI) and leaf nitrogen concentration (LNC) were estimated using the vegetation indices, derived from a high spatial resolution Pleiades imagery. The AGB, LAI and LNC estimation equations were established between the selected VIs, such as NDVI, EVI and SAVI. Regression models (linear and exponential) were examined to determine the best empirical regression equations for estimating the crop characteristics. The results showed that all three vegetation indices provide the AGB, LAI and LNC estimations. The application of NDVI showed the smallest value of RMSE for the aboveground biomass estimation at stem elongation and heading of winter wheat. EVI gave the best significant estimation of LNC and showed better results to quantify winter wheat vegetation characteristics at stem elongation phase. This study demonstrated that Pleiades high spatial resolution imagery provides in-situ crop monitoring.

3

Wykorzystanie zobrazowań hiperspektralnych i wskaźników wegetacyjnych do wyróżniania obiektów sztucznych z tła naturalnego

Dębski W., Walczykowski P., Orych A., Rosińska A.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2008

|

Vol. 18a

63--71

PL

Wyróżnienie i identyfikacja obiektów wojskowych maskowanych i nie maskowanych jest głównym celem wojskowego rozpoznania obrazowego. Rozpoznanie obiektów może odbywać się przy wykorzystaniu technik hiperspektralnych, które umożliwiają tworzenie stycznych, nierozłącznych i bardzo wąskich zakresów rejestracji. Pozyskane w ten sposób zobrazowania w zakresie VIS oraz NIR, mogą być wykorzystane w celach rozpoznania na różnych poziomach szczegółowości. W dobie rozwijających się technik rozpoznawczych pojawiła się potrzeba prowadzenia rozpoznania w czasie rzeczywistym, dlatego też prowadzono badania nad wykorzystaniem wskaźników wegetacyjnych (jak np. NDVI) w celu wyróżnienia obiektów sztucznych z naturalnego tła. W artykule przedstawiono prace doświadczalne związanie z doborem odpowiednich scen hiperspektralnych dla wybranego wskaźnika wegetacyjnego. Analizy dokonano na podstawie obrazów hiperspektralnych roślin naturalnych i sztucznych. Istnieje potrzeba prowadzenia dalszych prac badawczych nad doborem optymalnego zakresu, w którym występują największe różnice pomiędzy charakterystykami odbiciowymi wyróżnianego obiektu i tła. Jednocześnie zastosowanie filtru elektrooptycznego VIS ograniczyło zakres badań do 400-720nm.

4

Comparison of several vegetation indices calculated on the basis of a seasonal SPOT XS time series, and their suitability for land cover and agricultural crop identification

Mróz M., Sobieraj A.

Technical Sciences / University of Warmia and Mazury in Olsztyn

|

2004

|

nr 7

39-66

EN

The fact that many vegetation indices have been proposed over last decades made specialists search for the most suitable vegetation index for a given remote sensing application. In this paper several vegetation indices have been compared and analyzed based on multispectral SPOT images taken for the same season (2003) and agricultural test area (Żuławy Wiślane). The suitability of vegetation indices was examined in terms of their further use for land cover/crop identification. The results show that there are no significant differences between simple and advanced indices, either for different land cover types or crops.

PL

Znaczna liczba zaproponowanych dotychczas w literaturze wskaźników roślinności skłania do poszukiwania najlepszego, najbardziej odpowiedniego wskaźnika do danego zastosowania teledetekcji. Porównano i zanalizowano wybrane wskaźniki obliczone na podstawie obrazów satelitarnych SPOT XS z jednego sezonu wegetacyjnego (2003) dla obszaru Żuław Wiślanych. Użyteczność wskaźników zbadano z punktu widzenia ich przydatności w identyfikacji upraw rolniczych i form pokrycia terenu. Wyniki wskazują, że nie ma znaczących różnic między prostymi i zaawansowanymi wskaźnikami roślinności, ani dla różnych typów pokrycia terenu, ani odmiennych upraw rolniczych.