ДИНАМИЧЕСКИЙ МОНИТОРИНГ NDVI В АГРОНОМИЧЕСКИХ ИСПЫТАНИЯХ АГРО КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА

2023

Толық мәтін Ашық қол жеткізу: Gold Метадеректер (CSL-JSON)
DOI 10.51452/kazatu.2023.2(117).1386
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Ежегодно возрастающая численность населения планеты требует внедрения высоких технологий в сельское хозяйство для повышения количества урожая. Одним из перспективных направлений является применение беспилотных летательных аппаратов со специализированным полезными нагрузками и специализированными программными обеспечениями, которые могут применяться для решения различных задач, таких как создание электронных карт полей, инвентаризация сельхозугодий, обработка посевов пестицидами для борьбы с вредными вредителями, оперативный мониторинг состояния посевов, оценка всхожести сельскохозяйственных культур, охрана сельхозугодий и т.д. Динамический мониторинг NDVI (Normalized Difference Vegetation Index) в агрономических испытаниях агрокультур является важным инструментом для повышения качества и эффективности сельскохозяйственного производства. В данной работе рассматривается применение беспилотных летательных аппаратов для мониторинга NDVI в агрокультурах, таких как кукуруза, пшеница и ячмень. Методика мониторинга NDVI позволяет определять зоны с высокой и низкой плотностью растительности, что может быть использовано для оптимизации расхода удобрений и воды, а также для предотвращения роста сорняков. Полученные данные могут быть использованы для принятия важных решений в области сельского хозяйства и повышения урожайности.