Институты
enruTat
Войти в ЭИОС
Войти в ЭИОС
Абитуриенту
Студенту
Об университете
Наука

ОЦЕНОЧНЫЕ ПРИЗНАКИ ВИНОГРАДОПРИГОДНЫХ ЗЕМЕЛЬ ПО СПЕКТРАЛЬНЫМ ПАТТЕРНАМ

Орлов В.А., Лукьянов А.А.
DOI 10.12737/2073-0462-2023-29-37Странницы 29-37
КЛЮЧЕВЫЕ СЛОВА
виноградниквиноградарствовегетационные спектральные индексыструктура почвытерруарпаттернсила роста куста
СПИСОК ПРОЦИТИРОВАННЫХ ИСТОЧНИКОВ
  1. О виноградарстве и виноделии в Российской Федерации: Федеральный закон от 27.12.2019 N 468-ФЗ (ред. от 02.07.2021) URL: http://publication.pravo.gov.ru/Document/View/0001201912280016 (дата обращения: 17.08.2022).
  2. Орлов В.А., Лукьянов А.А. Элементы цифровизации виноградных насаждений на основе геоинформационной системы // Плодоводство и виноградарство Юга России. 2022. № 73 (1) С. 14–27. doi: 10.30679/2219-5335-2022-1-73-14-27.
  3. Организация работы с данными наземных и дистанционных наблюдений для решения задач дистанционного мониторинга виноградников / Е.А. Рыбалко, Н.В. Баранова, Е.А. Лупян и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13 (1). С. 79–92. doi: 10.21046/2070-7401-2016-13-1-79-92.
  4. A soil quality index using Vis-NIR and pXRF spectra of a soil profile / G. Gozukara, M. Acar, E. Ozlu, et al. // Catena. 2022 Vol. 211. 105954. URL: https://www.sciencedirect.com/science/article/abs/pii/S0341816221008122 (дата обращения: 01.07.2022). doi: 10.1016/j.catena.2021.105954.
  5. Soil classification of multihorizontal profiles using support vector machines and vis-NIR spectroscopy / S. Chen, W. Ma, D. Xu, et al. // Pedometrics: Wageningen 2017. P. 56. URL: https://hal.science/hal-01606621 (дата обращения: 10.07.2022).
  6. Minařík R., Žížala D., Juřicová A. Creation of detailed soil properties maps of the Czech Republic based on national legacy data and digital soil mapping // EGU General Assembly 2020. EGU2020-18480. doi: 10.5194/egusphere-egu2020-18480. URL: https://meetingorganizer.copernicus.org/EGU2020/EGU2020-18480.html (дата обращения: 12.07.2022). doi: 10.5194/egusphere-egu2020-18480.
  7. Digital Soil Mapping - An Introductory Perspective / P. Lagacherie A.B. McBratney, M. Voltz, et al. // The European Journal of Soil Science (EJSS). 2007. Vol. 58. No. 5. P.1217–1218. doi: 10.1111/j.1365-2389.2007.00943_6.x.
  8. Organic Matter Modeling at the Landscape Scale Based on Multitemporal Soil Pattern Analysis Using RapidEye Data / G. Blasch, D. Spengler, S. Itzerott, et al. // Remote Sensing. 2015. № 7 (9). P. 11125–11150. doi: 10.3390/rs70911125.
  9. Regional mapping of soil organic matter content using multitemporal synthetic Landsat 8 images in Google Earth Engine / C. Luo, X. Zhang, X. Meng, et al. // CATENA. 2022. Vol. 209, P. 1. 105842. URL: https://www.sciencedirect.com/science/article/abs/pii/S0341816221007001?via%3Dihub (дата обращения: 15.08.2022). doi: 10.1016/j.catena.2021.105842.
  10. Reynolds A., Willwerth J. Spatial variability in Ontario Riesling vineyards: I. Soil, vine water status and vine performance // OENO One. 2020. № 54. P. 311–333. doi: 10.20870/oeno-one.2020.54.2.2401.
  11. Bamberger U. Wasserdefizit im Boden – Folgen für den Wein? // Deutsches Weinbaujahrbuch. 2008. Verlag Ulmer, Stuttgart, S. 130–133.
  12. The use of proximal soil sensor data fusion and digital soil mapping for precision agriculture / W. Ji, V. Adamchuk, S. Chen, et al. // Pedometrics. 2017. HAL Id: hal-01601278. URL: https://hal.science/hal-01601278 (дата обращения: 17.02.2022)
  13. Устойчивость сортов винограда к засухе / Н.И. Ненько, И.А. Ильина, В.С. Петров и др. // Вестник Российской сельскохозяйственной науки. 2019. № 5. С.40–45. doi: 10.30850/vrsn/2019/5/40-45.
  14. Remote sensing, yield, physical characteristics, and fruit composition variability in Cabernet Sauvignon vineyards / B. Sams, R.G.V. Bramley, L. Sanchez, et al. // American Society for Enology and Viticulture. 2022. №73(2). P. 93-105. doi: 10.5344/ajev.2021.21038.
  15. Шукилович А.Ю., Федотова Е.В., Маглинец Ю.А. Применение сенсора MODIS для оперативного мониторинга земель сельскохозяйственного назначения // Журнал Сибирского федерального университета. Cерия: техника и технологии. 2016. С. 1035–1044. doi: 10.17516/1999-494X-2016-9-7-1035-1044.
  16. Влияние факторов среды ампелоценоза на формирование качественных показателей вина / А.А. Лукьянов, М.В. Антоненко, Ю.В. Гапоненко и др. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 112. С. 1224–1235.
  17. Майбородин С.В. Изменение показателей продуктивности и плодоносности виноградных насаждений в зависимости от применения различных агротехнических приемов // Вестник НГАУ (Новосибирский государственный аграрный университет). 2022. № 2 (63). С. 33–38. doi: 10.31677/2072-6724-2022-63-2-33-38.
  18. Mathematical Models of Leaf Area Index and Yield for Grapevines Grown in the Turpan Area Xinjiang, China / L. Su, W. Tao, Y. Sun, et al. // Agronomy. 2022. 12(5):988. URL: https://www.mdpi.com/2073-4395/12/5/988 (дата обращения: 04.09.2022). doi: 10.3390/agronomy12050988.
ДЛЯ ЦИТИРОВАНИЯ
Орлов В.А., Лукьянов А.А. ОЦЕНОЧНЫЕ ПРИЗНАКИ ВИНОГРАДОПРИГОДНЫХ ЗЕМЕЛЬ ПО СПЕКТРАЛЬНЫМ ПАТТЕРНАМ // Вестник Казанского государственного аграрного университета стр. 29-37. DOI:10.12737/2073-0462-2023-29-37