<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Мыслыва Т. Н.</author>
     <author>Бушуева В. И.</author>
     <author>Волынцева В. А.</author>
    </authors>
   </contributors>
   <titles>
    <title>Оценка возможности использования данных дистанционного зондирования и цепей Маркова для прогноза развития растительного покрова</title>
   </titles>
   <keywords>
    <keyword>геоинформационные системы</keyword>
    <keyword>прогнозирование</keyword>
    <keyword>моделирование</keyword>
    <keyword>продуктивность</keyword>
    <keyword>фитомасса</keyword>
    <keyword>дистанционное зондирование</keyword>
    <keyword>растр</keyword>
    <keyword>вегетационный индекс</keyword>
    <keyword>матрица вероятности</keyword>
    <keyword>цепи Маркова</keyword>
   </keywords>
   <dates>
    <year>2020</year>
    <pub-dates>
     <date>2020-05-12</date>
    </pub-dates>
   </dates>
   <doi>10.29235/1817-7204-2020-58-2-176-184</doi>
   <journal>Известия Национальной академии наук Беларуси. Серия аграрных наук</journal>
   <abstract>В условиях глобальных климатических изменений актуальной является разработка надежных моделей, позволяющих получать достоверные прогнозы развития растений на основе комбинирования данных дистанционного зондирования Земли и статистического моделирования. Моделирование посредством цепей Маркова – эффективный и одновременно простой способ прогнозирования случайных событий, к которым относится и прогнозирование продуктивности фитомассы сельскохозяйственных культур. Данные дистанционного зондирования Земли, полученные со спутника Sentinel-2, с пространственным разрешением 10 м были использованы для вычисления величины вегетационного индекса NDVI и получения разновременных растров (2017–2019 гг.) c различной степенью развития растительного покрова. Для построения матрицы вероятности перехода из одного состояния в другое для различных уровней развития растительности использовались функциональные возможности геоинформационных систем, посредством которых выполнялась классификация растровых изображений, их преобразование в векторные слои и установление областей пересечения. Матрица вероятностей в дальнейшем использовалась для прогнозирования развития растительности с использованием в качестве предиктора марковской модели. Разработанная прогнозная модель была проверена на выполнимость теста χ2. Полученные результаты показали, что как смоделированные значения, так и фактическая площадь распределения растительности с различной степенью развития, определенная по имеющемуся растровому изображению за 2019 г., хорошо соотносятся между собой. Результаты исследования могут быть полезны при разработке методики прогнозирования и при непосредственном прогнозировании урожайности, прежде всего плотнопокровных сельскохозяйственных культур, а также для оценки продуктивности пастбищ и создания эффективных пастбищеоборотов.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/10942</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/10909</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
