Влияние орошения на эвапотранспирацию и продуктивность кукурузы по данным дистанционного зондирования земли

Цель работы – на основе комплексного анализа спутниковых данных (MODIS, Sentinel-2) и наземных метеорологических наблюдений количественно оценить влияние орошения на динамику эвапотранспирации, состояние вегетации и финальную урожайность кукурузы в условиях Тихорецкого района. Исследования проводились на двух производственных участках кукурузы: орошаемом (75 га) и богарном (95 га). Анализ охватывал период с 16 апреля по 31 октября 2025 г. Оценка водопотребления выполнялась по спутниковому продукту MOD16A2 (MODIS), позволяющему определить суммарную эвапотранспирацию (ET) с восьмидневной дискретностью. Динамика состояния посевов анализировалась по индексу NDVI на основе данных Sentinel-2. Обработка временных рядов выполнялась в платформе Google Earth Engine, пространственный анализ – в среде QGIS. Метеорологическая информация о количестве осадков получена из архива метеостанции Тихорецк (Rp5). За исследуемый период суммарное количество осадков составило 335,6 мм. Суммарная эвапотранспирация на богарном участке составила 291,0 мм, тогда как на орошаемом – 363,0 мм, что на 72 мм выше. Среднесезонное значение NDVI на орошаемом поле достигло 0,617 и превысило показатель богарного участка (0,351) на 75,7%. Фактическая урожайность на богаре составила 11,3 ц/га, тогда как расчетная урожайность на орошении – 19,86 ц/га, что соответствует прибавке 8,56 ц/га. Искусственное орошение обеспечило дополнительное эффективное водопотребление и позволило сохранить фотосинтетическую активность растений в условиях засушливого сезона, что привело к повышению урожайности кукурузы на 75,7%. Использование спутниковых данных и геоинформационных платформ подтвердило высокую эффективность для мониторинга водного баланса и оценки агрономической эффективности поливов.

1. Ториков В.Е., Дронов А.В., Ториков В.В. и др. Ценность кукурузы, сорговых культур и их урожайность в зависимости от приемов выращивания // Вестник Брянской государственной сельскохозяйственной академии. 2019. № 5 (75). С. 15-22. EDN: HPWMEH

2. Адамень Ф.Ф., Коковихин С.В., Сташкина А.Ф. Эффективность применения искусственного увлажнения с учетом метеорологических факторов при выращивании основных сельскохозяйственных культур в условиях Северного Причерноморья // Известия сельскохозяйственной науки Тавриды. 2023. № 33 (196). С. 34-43. EDN: ESFBTW

3. Чернявская С.А., Савченко ГИ., Данильченко Д.С. Анализ развития отрасли растениеводства в Краснодарском крае, Крыму, Астраханской области // Журнал прикладных исследований. 2025. № 6. С. 49-56

4. Гарманова Е.А., Айвазян Н.С., Ляховецкий А.М. Анализ использования земельных угодий в Краснодарском крае // Вестник науки. 2025. Т. 1, № 5 (86). С. 60-82. EDN: ELTTEY

5. Гумбаров А.Д., Долобешкин Е.В., Пасниченко П.Г., Карадаян Л.И. Эффективность применения комплексных мелиораций в условиях Краснодарского края //Дневник науки. 2019. № 3. С. 28-28

6. Jahangir M.H., Arast M. Remote sensing products for predicting actual evapotranspiration and water stress footprints under different land cover //Journal of Cleaner Production. 2020. Т. 266. Р. 121818

7. Degano M.F., Rivas R.E., Carmona F., Niclòs R., Sánchez J.M. Evaluation of the MOD16A2 evapotranspiration product in an agricultural area of Argentina, the Pampas region // The Egyptian Journal of Remote Sensing and Space Science. 2021. Т. 24, № 2. С. 319-328

8. Ronco E., Borgogno Mondino E.C. Aligning Evapotranspiration from MOD16A2. 061 Product to Ground Estimates in Piemonte (NW Italy): an analysis of temporal and spatial biases // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2025. Т. 48. С. 201-206

9. Bhaga T.D., Dub T., Shekede M.D., Shoko C. Investigating the effectiveness of Landsat-8 OLI and Sentinel-2 MSI satellite data in monitoring the effects of drought on surface water resources in the Western Cape Province, South Africa // Remote Sensing Applications: Society and Environment. 2023. Т. 32. С. 101037

10. Ma H. et al. Satellite canopy water content from Sentinel-2, Landsat-8 and MODIS: Principle, algorithm and assessment // Remote Sensing of Environment. 2025. Т. 326. С. 11480

11. Huang J. et al. Remotely sensed high-resolution soil moisture and evapotranspiration: Bridging the gap between science and society // Water Resources Research. 2025. Т. 61, № 5. С. e2024WR037929

12. Kaur H., Tyagi S., Mehta M., Singh D. Time series (2001/2002-2021) analysis of Earth observation data using Google Earth Engine (GEE) for detecting changes in land use land cover (LULC) with specific reference to forest cover in East Godavari Region, Andhra Pradesh, India // Journal of Earth System Science. 2023. Т. 132, № 2. С. 86

13. Feng S., Li W., Xu J., Liang T., Ma X., Wang W., Yu H. Land use/land cover mapping based on GEE for the monitoring of changes in ecosystem types in the upper Yellow River basin over the Tibetan Plateau // Remote Sensing. 2022. Т. 14, № 21. С. 5361

14. Леус Н.А., Кумпилов Р.А. Метеорологические космические системы России и мира: экономический эффект // Экономика космоса. 2025. Т. 4, № 14. С. 3-15

15. Ермолаева О.С., Зейлигер А.М., Буравчиков ДА. Идентификация орошаемых агроценозов по данным дистанционного зондирования земли с применением методов машинного обучения // Современные проблемы дистанционного зондирования земли из космоса. 2024. Т. 11. С. 178; EDN: JVLRVK

16. Зейлигер А.М., Доброхотов А.В., Ермолаева О.С., Котов Я.С. Сегментирование потока суточного суммарного испарения орошаемого производственного посева сои по модели METRIC и данным Landsat-8 // Современные проблемы дистанционного зондирования земли из космоса. 2025. Т. 22, № 2. С. 99-119.EDN: QQHEXZ