Концептуальна модель геоiнформацiйної системи для сiльського господарства
DOI:
https://doi.org/10.24144/2616-7700.2019.2(35).149-155Ключові слова:
Геоiнформацiйна система, фотографiї посiвiв, iндекс вегетацiїАнотація
Концептуальна модель геоiнформацiйної системи для сiльського господарства. Зростання населення та вимог до якостi харчування є причиною загострення боротьби за обмеженi земельнi ресурси. Актуальним є рацiональне використання земель для збереження та збiльшення їх продуктивностi i пiдтримки життя в екосистемах. Планування використання земельних ресурсiв є одним iз ключових iнструментiв для ефективного використання земельних ресурсiв. Важливими пiдзадачами планування використання земельних ресурсiв є монiторинг стану посiв та прогнозування їх врожайностi.
Розробцi концептуальної моделi геоiнформацiйної системи для сiльського господарства, яка розв’язує цi пiдзадачi, присвячене дане дослiдження. Розглянуто монiторинг врожайностi як систему спостереження та вимiрювання за станом зростання сiльськогосподарських культур, враховуючи метеорологiчнi, агрометеорологiчнi, фенологiчнi та iншi показники на основi аналiзу зображень часових рядiв, отриманих в результатi фотографування посiвних площ, з метою оцiнювання та прогнозування потенцiйної врожайностi культури. Розглянуто методи для кiлькiсного оцiнювання рослинного покриву використовуючи простий кiлькiсний показник фотосинтетичної активної бiомаси. Розглянуто методи розрахунку нормованого диференцiйного вегетацiйного iндексу. Сформульовано три основнi задачi геоiнформацiйної системи для сiльського господарства: розрахунок значень показникiв часового ряду NDVI на основi знiмкiв, розрахунок показникiв якостi земельних ресурсiв на основi апрiорної iнформацiї про дiлянку та прогнозування показникiв в наступнi моменти часу. Базуючись на сформульованi задачi пропонується трьохмодульна концептуальна модель геоiнформацiйної системи. Концептуальна модель визначає функцiї кожного iз модулiв та показує iнформацiйнi взаємодiї мiж модулями.
Посилання
Silva, J. G. D. (2015). Revised World Soil Charter. Rome, FAO. Retrieved from http://www.fao.org/3/a-i4965e.pdf
Ziadat, F, Bunning, S. & Pauw E. D. (2018). Land resource planning for sustainable land management. Rome, FAO. Retrieved from http://www.fao.org/3/a-i5937e.pdf
Little, M. (2018). Machine Learning in NASA’s Earth Science Division. Advanced Information Systems Technologies (AIST). Retrieved from https://esto.nasa.gov/files/AIST/AIST_AC_loudAnalytics180221v1short.pdf
FAO. (2008). WINDISP: Map and image display and analysis software. Retrieved from ftp://ftp.fao.org/Public/GIEWS/windisp/Windisp35en.pdf
About ArcGIS. The mapping and analytics platform. Retrieved from http://www.esri.com/software/arcgis
Joia, A. D., & Duncan, M. (2015). What is ”Precision Agriculture” and why is it important. Retrieved from https://soilsmatter.wordpress.com/2015/02/27/what-is-precision-agricultureand-why-is-it-important/
Reed, B. C., White, M., Brown, J. F. (2003). Remote Sensing Phenology. In: Phenology: An Integrative Environmental Science. Schwartz M. D. (eds.). Tasks for Vegetation Science, 39, Springer, Dordrecht, 365–381, https://doi.org/10.1007/978-94-007-0632-3_23
Eerens, H., Haesen, D., Rembold, F., Urbano, F., Tote, C., & Bydekerke, L. (2014) Image time series processing for agriculture monitoring. Environmental Modelling and Software, 53, 154–162, https://doi.org/10.1016/j.envsoft.2013.10.021
Huang, M. (2019). Review of monitoring and forecasting tools of the crop yield. Management of development of complex systems, 38, 161–167, https://doi.org/10.6084/m9.figshare.9788696
Huang, M., & Vatskel, V. (2019). Digital image analysis technologies for decision support systems in agricultural. Management of development of complex systems, 37, 164–167, https://doi.org/10.6084/m9.figshare.9783227
Petitjean, F., Inglada, J., & Gan¸carski, P. (2012). Satellite image time series analysis under time warping. IEEE Trans. Geosci. Remote Sens. 50(8). 3081–3095.
Drone data collection and analytics for agriculture. Quantify plant and soil health, improve productivity and maximize field output. Retrieved from https://www.precisionhawk.com/agriculture
Verbesselt, J., Hyndman, R., Newnham, G., & Culvenor, D. (2010). Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment, 114(1), 106–115.
Earth Observation. Retrieved from http://www.fao.org/giews/earthobservation/index.jsp
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 М. Хуан, Є. Є. Шабала
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
