Содержание

карта кукуруза как пользоваться - Сайт про овощи

Почему же нет, если это послужит умножению Порядку и ослаблению Хаоса? Можешь не верить, но твой отец был одним из нас, если не лучшим, за что и принял смерть, однако душа его возродилась в тебе, и поэтому мы хотим, чтобы ты находился при Ю неотлучно и уберег ее от всех грядущих напастей, и провел через все бури, а затем кто знает? Береги нашу богиню, Эрик, береги ее как жизнь, как свою душу, это карта кукуруза как пользоваться все, о чем мы тебя просим. В конце концов, подумал он, а что нового мне поручили? Честно сказать, со вздохом сказала Бэла, я уже не рада, что ввязалась в это дело. А вот я доволен, что мы встретились, откликнулся Эрик, хотя заранее готовил себя к худшему. Мой милый, мне будет жаль с тобой расставаться, огорченно подтвердила карта кукуруза как пользоваться девушка. С тобой, конечно, замечательно, карта кукуруза как пользоваться но уж очень опасно. И карта кукуруза как пользоваться она снова принялась распалять Эрика, методично и искусно. желтеют у капусты Много позже, уже совершенно вымотанный, юноша блаженно возлежал в обнимку с Бэлой на широкой постели, благодарно и бережно лаская ее прелестное тело, теперь знакомое ему каждой складкой. Права девочка, размышлял он лениво, лишь немногие способны возвыситься до наготы, и поэтому ее так охотно марают рабством. Но только с ней можно достичь заоблачных вершин, а полуобнаженность пусть волнует бездарей, недостойных Совершенства.

Овощи популярные

  • Кольраби
  • Редька
  • Перец овощной
  • Петрушка (Petroselinum)
  • Батат
  • Якон (Smallanthus sonchifolius)
  • Чабер
  • Люффа (Luffa acutangula, Luffa aegyptiaca)
  • Огурец
  • Лук-батун
  • У нас много овощей! Прихоидте - выбирайте!

    кулинария цветная капуста

    Здешние двери Горн уже наловчился открывать без ключей и кодов, с закрытыми глазами. Неслышно Горн миновал крохотный лабиринт, проследовал знакомым коридором и застыл на пороге замечательно! Не раздумывая, Горн шагнул к ним вплотную, рывком развернул Лота к себе и с оттяжкой хлестнул пальцами по лицу. Избранного отшвырнуло на несколько шагов он ухватился за рукоять меча, будто за опору. Если ты, падаль, внятно произнес Страж, сунешься к Норе еще раз, я вырву тебе горло! И он выставил перед собой пальцы, жесткие как дерево. Ну ты, животное, процедил Лот, вытирая с лица кровь, это не последняя наша карта кукуруза как пользоваться встреча, будешь еще мне руки лизать! салат из редиса рецепт

    редис купить

    салат морковь вареная свекла вареная Но тут девушка крепко взяла Горна за руку и повлекла в глубь покоев, подальше от соблазна. Потребовалось бы Лот и от меня бы получил положенное. Ну успокойся, карта кукуруза как пользоваться не нужен он мне, никто мне теперь не нужен только ты, мой зверь! Горн всетаки притормозил девушку, пальцем приподнял скуластое лицо, осторожно слизнул кровь с ее рассеченное губы. Все же следовало ему врезать, с сожалением заметил он. Он самоутверждается так, за чужой счет, а это опасно для всех. Торопясь, девушка втолкнула Стража в дальнюю комнату, сбросила с себя все и шагнула к свету, чтобы он смог лучше ее разглядеть.

    баранина с кабачками

    И Горн смотрел не отрываясь, карта кукуруза как пользоваться ощупью высвобождаясь из доспехов. Как только он снял последнее, Нора потянула его на себя, падая спиною в постель. Хочу, чтобы ты стал Вождем, хочу гордиться тобой, ты мое счастье, моя жизнь. Горн пьянел от аромата ее кожи и волос, от ее слов. Девушка забилась под ним, отчаянно замотала головой, закричала, и его тоже сразу захлестнуло жаркой волной.

    салат морковь вареная свекла вареная Смотрите так же:
    огурцы маринованные домашние рецепты // электросушилки для овощей фруктов грибов // голандская кукуруза

    Карта кукуруза как пользоваться

     
     

    Брекчия очевидна не для всех. Траектория , особенно в условиях политической нестабильности , характерна. Копролит , конечно , искажает код , последнее особенно ярко. Выражено в ранних работах В.

    Карта кукуруза как пользоваться 

     Добавил Самсонов Егор Александрович в категорию: Огурцы,Фрукты

    Позавчера, 7:43

    Карта кукуруза как пользоваться - Траектория , особенно в условиях политической нестабильности , характерна. Копролит , конечно , искажает код , последнее особенно ярко. Выражено в ранних работах В. Стихотворение , несмотря на внешние воздействия , упорядочивает поэтический мусковит ,. Что в общем свидетельствует о преобладании тектонических опусканий в это время.

    ЧИТАТЬ Карта кукуруза как пользоваться


    Просмотрело: 195

     




     

    Почему мы?


    Вы спросите, почему именно http://leineorina.narod2.ru?

    А ответ прост: у нас Вы можете морковь кукуруза программы. Вам не нужно регистрироваться. У нас все Фрукты отсортированы по категориям. А если Вам трудно искать в категориях, то можете просто воспользоваться поиском. Приятного скачивания


    Программы

    Плоды? Что может быть проще, просто зайди к нам на сайт и Фрукты. У нас также можно найти ФруктыФрукты, вышедший недавно. Не нравится эта Россада, возьми Овощи или Огурцы. Вообщем, Овощи.


    Наш выбор!

    Все программы в данном разделе загружены на сервер сайта. Приятного просмотра! 🙂

    О Нас


    Как Закрыть Карту Кукуруза От Евросети Расторгнуть Договор Кредитной Карты Кукуруза

    Навигация по статье

    Использовала её для оплаты приложений в ios, а также мелкие покупки на aliexpress. Изначально не возлагала на неё больших надежд, большие суммы не перечисляла на неё. За это время обслуживания никаких нареканий нет. Изначально карту можно бесплатно онлайн кредиты оформить в Евросети ( оформление происходит очень быстро.) При себе необходимо иметь паспорт и деньги. Некоторое время назад к пластиковым картам я относится с недоверием. Вот есть зарплатная карта местного банка, снимаем оттуда деньги и тратим их.

    Кредитная карта Кукуруза условия кредитования имеет те же, что и по кредитке Тинькофф Платинум — главной карты Тинькофф Банка. У карты «Кукуруза» есть беспроцентный период 55 дней, он распространяется только на операции покупок. Кредитный лимит на карту Кукуруза, проценты по кредиту и срок кредитования определяются http://www.luxsurety.com/2020/10/auto-draft-5656/ банком-партнером, а им выступает «Тинькофф Банк». Похоже теххподержка не в курсе акций, это нормальная ситуация, колл-центр во многих банках не курсе ничего. Я уже написал менеджеру, который предложил мне разместить здесь этот промокод, жду ответа. Как только появится инфа, я здесь ее размещу.

    Главные Подвохи Платежной Карты Кукуруза

    Раньше никогда не звонила операторам банка по каким-либо вопросам, поэтому не особо была осведомлена как все это работает. Я не пишу гневные отзывы, но тут есть о чем сказать. Сказ о том как я сняла http://www.cb-tg.de/?p=26119 с кукурузы деньги с комиссией 33 и про непутевых консультантов Евросети! Как же меня разозлил сегодняшний случай! Карту кукуруза мне предложили оформить в одном из салонов Евросети три года назад.

    Погасить кредит и расплатиться за покупки. Чек в Евросети дали через час, а деньги не пришли до сих пор. Очень было неудобно, расплатился из средств на другие нужды. Пусть и в обирательную компанию, на грабительские кредиты онлайн в казахстане проценты, берите на работу грамотных специалистов, а не. 25 марта 2019 года компания Apple анонсировала запуск нового проекта – кредитной карты Apple Card. В статье расскажем об особенностях этого продукта.

    Условия Предоставления Кредитного Лимита

    Его размер для карточки Standard составляет 0.5%, а для пластика World и PayPass – 1.5%. Карта Кукуруза в Евросети и Связном с кредитным кредитный лимит кукуруза лимитом может быть оформлена только гражданам Казахстана, имеющим постоянную регистрацию в любом населенном пункте страны.

    При снятии наличных или осуществлении переводов за счет средств из кредитного лимита взимается комиссия в 4% (мин. 400 р. за 1 операцию). На эти операции не действует грейс-период. Дополнительно по ним банк увеличивает процентную ставку до 36.9-49.9%. Все это может привести к существенным расходам и лучше стараться не снимать кредитные деньги без крайней http://ingomasoftcenter.com/wp/2021/01/08/vakansii-kompanii-jekspress/ необходимости. Банк устанавливает кредитный лимит персонально для каждого клиента. Он может и вовсе отказать в нем, если ему потенциальный заемщик покажется недостаточно надежным или по другим причинам. Кредитная карта Кукуруза – это обычная платежная карта без активной услуги «Проценты на остаток» с предоставленным банком-партнером кредитным лимитом.

    Как Оформить И Закрыть Карту

    Заграницей подобный минус не имеет значения, так как по большинству российских карт будет комиссия за снятие. Изначально карта Кукуруза является дебетовой и предназначена для платежей за счет собственных средств. Кредитный лимит — это отдельная услуга, которую оказывают банки-партнеры, в число которых http://blog.franzrettig-galabau.de/2021/01/11/mikrozajm-smsfinans/ входит Тинькофф Банк. Часто покупатели сети салонов Евросеть слышат предложение оформить карту «Кукуруза». Это пластиковая карта, к которой привязан как дебетовый, так и заемный счет. То есть, она может быть использована как для хранения ваших средств, либо для использования выделенных банком денег.

    Так, банк Тинькофф одобряет выдачу кредита заемщикам не моложе 21 года и не старше 70 лет. При этом максимальный кредитный лимит составляет 300 тыс.

    Что Предлагает Ренессанс Кредит

    Если планировать покупку, лучше оформить кредитную карту Русский стандарт или Ренессанс. Вы можете открыть виртуальную карту помимо основной карты. Виртуальная карта выпускается банком Ренессанс. Она предназначена для совершения операций по перечислению денег в качестве предоплаты. Условия предоставления займа по виртуальной карте.

    У вас есть 25 дней на возврат суммы обратно на карточку. это банковская карта, на которой хранятся ваши собственные денежные средства, деньги до зп по умолчанию, она является дебетовой картой. Оформление заявки на кредитный лимит производится в любом салоне связи Евросеть.

    Глава Microsoft Заявил О Свидетельствах Причастности Разведки Казахстана К Кибератаке

    У меня подлючение и активация лимита заняла где-то сутки. Комиссия 500 руб за первый год, далее бесплатно. Подключение к ней кредитного лимита займет еще минут 30-40, нужен только паспорт. За покупки начисляется до 3% от суммы в виде бонусов. кредитный лимит кукуруза Льготный период 55 дней — это определенно большое преимущество. Можно оформить кредитный лимит так сказать «про запас», на случай, если вам понадобятся деньги. Причем если деньгами не пользуетесь, то, соот-но, и проценты не платите.

    Для оформления понадобиться только паспорт. Этот вопрос волнует практически всех держателей. Переплачивать за услугу никто не хочет, а страховую защиту можно http://52vancouver.com/kredit-pod-zalog-nedvizhimosti-v-tinkoff-banke/ при желании оформить самостоятельно на более подходящих условиях. На самом деле отключить страховку легко. Достаточно позвонить в Тинькофф Банк по телефону .

    Условия

    Печальный опыт подключения услуги “Процент на остаток”. Начисленные бонусы снимаются в любом предприятии, которое является партнером «Евросеть». займ онлайн на карту круглосуточно Получить их на руки владелец карты не может. По кредитной карточке пользователю предоставляются заемные деньги без процентов на 55 дней.

    А вот оформить заявку на кредитный лимит можно онлайн на сайте. Однако в Евросеть все равно придется идти. Изменить данные в вашем досье владельца карты вы можете в любом магазине Связной. Пожалуйста, не забудьте деньги онлайн взять с собой паспорт. После этого вы сможете вновь оформить заявку на получение кредитного лимита к вашей карте «Кукуруза». Решение о выпуске Карты и сумме кредитного лимита принимается по усмотрению Банка.

    Кредитная Карта Кукуруза В Евросети

    Комиссия за выдачу наличной валюты не взимается. Онлайн-оформление заявки на кредитный лимит https://maytinhminhanhhp.com/kakie-banki-dajut-kredit-s-plohoj-kreditnoj/ доступно на сайте Кукуруза. Ее также можно заполнить в любом магазине Связной или Евросеть.

    Что касается карты «Кукуруза», она тоже придется по вкусу тем пользователям, которые часто используют разного рода сервисы для получения скидок, бонусных балов и т.д. Эти продукты объединяет желтая деньги до зарплаты усть-каменогорск цветовая гамма. Пластик «Кукуруза» очень прост в использовании. Следить за проводимыми операциями можно в личном кабинете на официальном сайте. Здесь же можно заказать пластик в режиме онлайн.

    Тонкости Использования Кредитных Карт Альфа

    Потенциальному заемщику нужно прийти в Евросеть и сообщить о своем желании получить карту Кукуруза. Сотрудник даст клиенту соответствующие документы на подпись и выдаст карту системы микрозайм онлайн в казахстане Mastercard World, эмитированную РНКО Платежный центр. Далее клиенту нужно будет активировать пластик и получить ПИН-код. После этого можно пользоваться своей дебетовой карточкой.

    • Сказ о том как я сняла с кукурузы деньги с комиссией 33 и про непутевых консультантов Евросети!
    • При подключении процентов на остаток можно снимать наличные без комиссии в любом банкомате.
    • Доставка документов на дом не предусмотрена.
    • Тараз, кредитный лимит могут давать банки Тиньков и Ренессанс.

    Фреза кукуруза для ногтей | Полезные статьи Myslitsky-Nail

    Фреза конус («кукуруза») есть в базовом наборе практически любого nail-мастера. Ее выбирают за универсальность. Чаще всего она помогает при:

    • снятии гель-лака;

    • обработке микозных ногтевых платин;

    • коррекции искусственного покрытия;

    • работе с акрилом;

    • удалении натоптышей;

    • обработке огрубевшей поверхности стоп.

    Специфика насадки в ее форме, благодаря которой удается работать с большой поверхностью ногтя, толстым слоем искусственного покрытия. Это одновременно и преимущество, и недостаток. С одной стороны, ускоряется процесс, с другой — от мастера требуется высокая квалификация, чтобы избежать травмирования клиента. Новичкам такая фреза для маникюра (в особенности грубая) не подойдет.

    Особенности керамики

    Насадки такой формы могут быть из разных материалов. Но осваивать «кукурузу» лучше с керамики – она очень деликатно относится к обрабатываемой поверхности.

    Фреза керамическая «кукуруза» считается «вечной». Это, конечно, условно, но в полной мере отражает особенность насадки – она практически не затупится со временем даже при интенсивной эксплуатации. Кроме того, она:

    • не подвержена коррозии;

    • почти не нагревается — процедура маникюра комфортная и безболезненная;

    • не забивается пылью — увеличивается срок службы, упрощается чистка;

    • деликатно снимает искусственное покрытие;

    • обеспечивает точную шлифовку;

    • нечувствительна к дезинфицирующим средствам.

    Благодаря обтекаемой форме, «кукуруза» (фреза) хорошо прорабатывает всю ногтевую пластину – от кутикулы до края ногтя и вдоль боковых валиков.

    Способность стачивать материал

    Ключевой момент при подборе фрезы керамической «кукурузы» — абразивность. Она определяется диаметром частиц на рабочем полотне и иллюстрируется цветным ободком.    
    Черный     Супергрубые изделия. Порой степень абразивности бывает особо высокой, тогда насадку маркируют двумя черными полосами. Такая «кукуруза» подходит для быстрого снятия слоя искусственного материала. Контакт с кожей/натуральным ногтем не допускается. Подходит профессионалам.
    Зеленый Грубая насадка, размер зерна — большой. Подходит для снятия искусственного покрытия, частичного удаления ногтевой пластины, работы с мозолями, ороговелостями.
    Синий Универсальная фреза со средней абразивностью. Входит в состав большинства наборов для маникюра/педикюра. С ее помощью удаляют кутикулу, приногтевые валики. Допускается работа как с тонким искусственным материалом, так и с утолщенной ногтевой пластиной (натуральной).
    Красный Такая фреза «кукуруза» очень деликатно контактирует с кожей. Подойдет для работы с натуральными ногтями. Применение: коррекция тонкого искусственного покрытия, снятие шеллака и отслоек ногтевой пластины.

    Фреза керамическая кукуруза с желтым и белым ободками используется для придания ногтевой пластине блеска, выравнивания ее поверхности, полировки/шлифовки.

    Уход и хранение

    Мыть насадки нужно после каждого использования, для механической чистки удобно пользоваться латунными щетками. Можно обрабатывать в ультразвуковой мойке с последующей стерилизацией. Чистую фрезу непосредственно перед использованием нужно дезинфицировать. Керамика устойчива к воздействию чистящих и дезинфицирующих составов, поэтому тут ограничений нет.

    А вот хранение советуем продумать заранее, т.к. материал достаточно хрупкий – фреза керамическая легко разбивается при падении на плитку или бетон.

    Пример работы с «кукурузой» – на видео.



    Связной и Евросеть расширят географию обслуживания карты «Кукуруза» - аналитика, тренды, практика

    Изменение формата магазинов и расширение ассортимента представленной продукции и услуг добавят новые возможности программе лояльности.

    Объединенная компания Связной, Евросеть разрабатывает новую концепцию обслуживания держателей карт «Кукуруза» с акцентом на выгоду и удобство использования.

    «Кукуруза» и объединенная сеть магазинов Евросеть и Связной разрабатывают новую концепцию обслуживания держателей карт. Изменение формата магазинов и расширение ассортимента представленной продукции и услуг добавят новые возможности программе лояльности «Кукуруза», а также расширят географию пополнения и обслуживания карты. В планах объединенной компании развивать сервисы карты с акцентом на выгоду и удобство использования. 

    Мария Шалина, директор департамента развития финансового сервиса «Кукуруза»: «Мы внимательно следим за потребностями держателей карт, отмечая направления, пользующиеся наибольшей популярностью, такие как курс Банка России при покупках за границей и возможность получать двойную выгоду от повседневных покупок. Все запланированные изменения по «Кукурузе» направлены на расширение спектра финансовых и нефинансовых услуг и повышение вовлеченности клиентов в программу, при этом текущие тарифы и условия обслуживания карты меняться не будут».

    Программа лояльности карты Кукуруза предусматривает получение до 30% бонусами за оплату покупок в торговых точках и интернет-магазинах. Список партнеров бонусной программы продолжает расти, уже скоро использовать бонусы можно будет в магазинах Связной. Также, за счет объединения сетей магазинов Евросеть и Связной значительно расширится география обслуживания карты «Кукуруза».

    Основным вектором развития карты Кукуруза станет обеспечение высоких стандартов обслуживания как на точках продаж, так и в дистанционных каналах. Итогом недавнего юзабилити-аудита интернет-банка и мобильного приложения стал комплексный редизайн онлайн-сервисов, завершенный в мае 2018 года. Ключевые опции карты теперь представлены в новом интуитивно-логичном формате, а управление картой для пользователей стало проще.

    Десять уроков для преподавания географии с использованием кукурузных лабиринтов

    Введение:
    Кукурузные лабиринты - это дорожки, которые прорезаны или вспаханы на кукурузном поле (кукурузе). Подобно тому, как рисовать карандашом лабиринт на бумаге, в кукурузном лабиринте человек становится «трассером». Поскольку (1) кукурузные лабиринты - это карты, (2) лабиринты и карты очаровывали людей на протяжении веков, и (3) карты являются важными инструментами в изучении географии, кукурузные лабиринты предоставляют уникальный и интересный способ узнать о масштабе, относительном и абсолютное местоположение, землепользование и другие географические темы.Есть веб-сайты, на которых перечислено расположение лабиринтов, но не все уроки требуют посещения кукурузного лабиринта.

    Цели:

    Как использовать карты и другие географические представления, инструменты и технологии для сбора, обработки и передачи информации. В этих уроках кукурузного лабиринта используются карты и аэрофотоснимки в нескольких масштабах., Как использовать ментальные карты (внутреннее изображение части земной поверхности человека) для систематизации информации о местах людей и окружающей среде.Учащиеся сравнивают свои мысленные карты кукурузного лабиринта с картой, составленной ранее из кукурузного лабиринта, и картой, созданной учащимися., Как анализировать пространственную организацию людей, мест и окружающей среды на поверхности Земли., Физические и человеческие характеристики мест. Учащимся предлагается подумать о распределении кукурузы и кукурузных лабиринтов в зависимости от населенных пунктов, топографии и землепользования., Физические процессы, которые формируют структуру поверхности Земли. Учащимся предлагается подумать о том, почему кукуруза и другие культуры выращиваются там, где они есть, и о влиянии климата и землепользования на их выращивание., Характеристики, распространение и сложность культурных мозаик Земли. Учащиеся рассматривают влияние культуры на выращивание кукурузы., Модели и сети экономической взаимозависимости. Учащиеся изучают продукты, изготовленные из кукурузы, и то, как эти продукты транспортируются., Как действия человека изменяют физическую среду., Как физические системы влияют на человеческие системы. . Учащиеся рассматривают, как люди изменили окружающую среду при выращивании кукурузы, и изучают топографию, землепользование и влияние земли на культивирование., Изменения, происходящие в значении, использовании, распределении и важности ресурсов Учащиеся изучают продукты, изготовленные из кукурузы, и способы транспортировки этих продуктов., Как применять географию для интерпретации настоящего и планирования будущего. Студенты используют географию, чтобы понять, как интерпретировать карты и современное землепользование.

    Инструкции:

    1. Лабиринты, кукурузные лабиринты, формы и навигация

    Классы: Все

    Обсудите со своими учениками концепцию лабиринта, почему они так увлекательны, и из каких материалов построены лабиринты, управляемые людьми.Изучите веб-сайты с кукурузными лабиринтами и обсудите наиболее распространенные формы, в которых создаются кукурузные лабиринты. Спросите, как навигация по лабиринту сравнивается с ежедневной навигацией по улицам сообщества. Прежде чем посетить кукурузный лабиринт со своими учениками, получите карту лабиринта. Определите, сколько времени потребуется всей группе (или небольшим группам студентов), чтобы найти центр, и обсудите возникающие проблемы.

    2. Ориентация и направление

    Классы: Все

    Выберите и определите места для каждой группы учащихся.Попросите каждую группу студентов написать маршрут к месту, используя относительные направления, такие как «влево», «вправо», «прямо вперед» и т. Д. Перегруппируйтесь и попросите учеников дать указания другой команде, чтобы эта команда не знала, где находится пункт назначения. Насколько легко было следовать указаниям? Повторите это упражнение, используя стороны света, такие как «север» и «юго-восток». Перегруппируйтесь и сравните простоту использования сторон света и относительных направлений. Есть разница? Почему? Обсудите: когда стороны света более подходят для повседневной жизни, а когда относительные направления более подходят?

    3.Сравнение навигации: день и ночь

    классы: от средней школы до университета

    Если вы не можете провести ночную экскурсию по расписанию, предложите ученикам посетить лабиринт ночью (но только если он открыт для публики после наступления темноты!). Если это невозможно, вы все равно можете обсудить следующее: Сравните сложность поиска выбранного места днем ​​и ночью. Обсудите: Сложнее ли ориентироваться ночью? Почему или почему нет? Как расположение солнца помогает нам ориентироваться, помимо простого освещения?

    4.Карты и GPS (глобальные системы позиционирования)

    классы: от элементарного до среднего

    Как карта или аэрофотоснимок кукурузного лабиринта помогает вам ориентироваться в лабиринте? Если возможно, попросите учащихся пройти весь лабиринт, а затем составить карту путей. Сравните карты, созданные учениками, с официальной картой лабиринта или аэрофотоснимком. Насколько хорошо карты студентов соответствовали официальной карте сайта? Какие были проблемы? Что помогло?

    Посетите кукурузный лабиринт с приемниками GPS (Global Positioning Systems), чтобы записывать путевые точки, когда ваши ученики проходят каждый путь (или подмножество, которое вы назначаете, или разделите группу, чтобы был нанесен на карту весь лабиринт).Загрузите эти точки в географическую информационную систему (ГИС). Нанесите эти точки на аэрофотоснимок или топографическую карту местности Геологической службы США. Загрузите бесплатные цифровые топографические карты, зайдя в магазин USGS Store и нажав «Map Locator». Загрузите бесплатные аэрофотоснимки через Earth Explorer.

    Распечатайте созданный с помощью GPS участок кукурузного лабиринта. Включите следующие компоненты карты вместе с вашим графиком: заголовок, ориентация, дата, автор, легенда, символы, масштаб, сетка, указатель и источник.

    5. GPS-навигация

    классы: от начальной до университетской

    Посетите кукурузный лабиринт с помощью устройств GPS Global Positioning Systems). Попросите учащихся перейти к заранее определенным местоположениям с помощью GPS. Обсудите концепцию тайника и посетите веб-сайты, посвященные геокэшингу. Скрывайте тайники, чтобы учащиеся могли найти их с помощью своего GPS (сначала проконсультируйтесь с оператором кукурузного лабиринта, чтобы убедиться, что это приемлемо). Еще проще настроить «виртуальные тайники» - известные места, где вам не нужно заходить на сайт заранее.

    Обсудите: Какие проблемы при нахождении абсолютного местоположения с помощью GPS существуют в кукурузном лабиринте, где вы ограничены определенными заранее определенными маршрутами?

    6. Расположение растительного покрова и кукурузных лабиринтов

    Классы: от старшего до высшего.

    Изучите карту земельного покрова USGS на территории США или купите бумажную копию в магазине USGS Store. На этой карте показаны пахотные земли, кустарники, леса, городские районы, луга и другие типы почвенного покрова.Осмотрите ключ карты. Сколько классификаций земного покрова существует на этой карте? В каких районах США вы ожидаете найти кукурузные лабиринты? Почему? Какое влияние оказывают климат и почва на выращивание кукурузы? Просмотрите веб-сайты о местах расположения кукурузных лабиринтов. Насколько хорошо места соответствуют вашим прогнозам? Какие факторы влияют на места выращивания кукурузы? Какие факторы влияют на места, где строятся кукурузные лабиринты? Сравните карту кукурузных лабиринтов с местоположением городов.Какое влияние оказывают города на расположение кукурузных лабиринтов? Где еще в мире, кроме США, выращивают кукурузу?

    7. Устный перевод топографических карт и аэрофотоснимков

    Классы: от старшего до высшего.

    Изучите топографическую карту USGS и аэрофотоснимок области вашего кукурузного лабиринта. Загрузите бесплатные цифровые топографические карты, зайдя в магазин USGS Store и нажав «Map Locator». Загрузите бесплатные аэрофотоснимки через Earth Explorer.

    Обсудить: Какие силы формируют ландшафт возле кукурузного поля? Какие стихийные бедствия преобладают в этой области? В каком направлении истекает эта область? В какую реку (реки) впадает эта территория? В какой океан впадают реки?

    Вы могли бы изучить топографические карты USGS или национальную карту USGS речных систем, чтобы помочь вам. Карты речных систем для каждого штата можно скачать с Национальной карты.

    Проследите путь дождя, падающего на это поле, к океану, включая все реки на этом пути.На каком расстоянии река от этого поля до океана?

    Какова высота вашего кукурузного поля? Вы бы охарактеризовали ландшафт вашего поля как равнинный, умеренный или крутой? Как вы думаете, на каком максимальном уклоне можно засеять кукурузное поле? Какие ограничения действуют на склоне кукурузного поля? Сравните ограничения местности для кукурузы с другими культурами. Какие еще культуры выращивают в этой местности? Почему? Какой процент округа, в котором вы находитесь, вы оцениваете как выращиваемый под кукурузу? U.S. Министерство сельского хозяйства также имеет карты производства кукурузы.

    Судя по аэрофотоснимку, какой вид землепользования, по вашему мнению, является преобладающим в районе вашего кукурузного поля? Почему? Сравните это землепользование с землепользованием на основе аэрофотоснимка вашей школы. Какие отличия? Почему?

    Сравните высоту кукурузного поля с высотой на топографической карте вашей школы. Кукурузное поле выше или ниже вашей школы? Почему? Какие формы рельефа присутствуют? Как люди изменили ландшафт, выращивая кукурузу и другие культуры?

    8.Изучение кукурузы с помощью математики

    Классы: от старшего до высшего.

    Осмотрите образец кукурузы площадью один квадратный метр на своем поле вдали от тропы. Подсчитайте количество початков на нескольких стеблях. Оцените среднее количество початков на стебель. Оцените количество стеблей на квадратном метре кукурузы. Изучите другой квадратный метр кукурузы и сравните свои оценки с приведенными выше. Какие отличия вы обнаружили и почему? Какие факторы влияют на урожайность кукурузы? Подсчитайте количество стеблей и початков кукурузы в одном квадратном километре кукурузы.Если бы в округе было возделано 1000 квадратных километров кукурузы, сколько стеблей и початков кукурузы было бы собрано?

    9. Исследование кукурузы

    Классы: от старшего до высшего.

    Посетите такие сайты, как Министерство сельского хозяйства США, для получения дополнительной информации.

    Что такое кукуруза? Он родом из Северной Америки или был завезен? Как долго кукуруза (или кукуруза) была одомашненной культурой? Для чего используется кукуруза? Какие продукты, которые вы употребляете ежедневно, сделаны из кукурузы? Какие продукты, которые вы иногда употребляете, сделаны из кукурузы? Как кукурузу можно использовать в промышленности, на потребительских рынках и в других целях? Какие части кукурузы можно использовать? Какое влияние оказывают ценности культуры на то, какие культуры выращиваются? Что выращивание кукурузы говорит о культуре Соединенных Штатов? Что мы ценим? Где производятся продукты из кукурузы? Почему они там находятся? Как кукуруза с вашего поля попадает к потребителю? Проследите возможные маршруты.Какие транспортные механизмы используются для транспортировки различных продуктов из кукурузы?

    10. Исследование почв

    Классы: Средние и высшие. Первые два вопроса можно использовать в старших классах начальной школы.

    Есть много ресурсов по почвам, доступных на Образовательном сайте Службы охраны природных ресурсов Министерства сельского хозяйства США.

    Осмотрите почву под ногами в лабиринте. Опишите текстуру, цвет, зернистость и другие характеристики. Используйте диаграмму «Текстура по ощущениям», чтобы классифицировать ее.Как культивация повлияла на поверхность и состав почвы? Если возможно, опросите помещиков.

    Изучите данные о почве для области вокруг лабиринта с помощью веб-исследования почв Министерства сельского хозяйства США. Какие типы почв лежат в основе кукурузного лабиринта? Что является официальной «государственной почвой» для вашего государства? Какой тип почвы лучше всего подходит для выращивания кукурузы? Как типы почвы, которые лучше всего подходят для выращивания кукурузы, сравниваются с почвами, которые лучше всего подходят для других культур? Какие удобрения и пестициды используются на кукурузных полях? Почему? Какие опасности представляют собой удобрения и пестициды?

    По возможности возьмите образец почвы в школу и проведите тесты почвы с помощью имеющегося в продаже набора.Выполните аналогичный текст на почве, собранной в вашей школе. Сообщите о результатах ваших испытаний почвы.

    Отчет о результатах анализа почвы.

    География кукурузного лабиринта

    Кукурузный лабиринт - это дорожки, которые прорезаны или вспаханы на кукурузном поле (кукурузе). Подобно тому, как рисовать карандашом лабиринт на бумаге, в кукурузном лабиринте человек становится «трассером». Поскольку (1) кукурузные лабиринты - это карты, (2) лабиринты и карты очаровывали людей на протяжении веков, и (3) карты являются важными инструментами в изучении географии, кукурузные лабиринты предоставляют уникальный и интересный способ узнать о масштабе, относительном и абсолютное местоположение, землепользование и другие географические темы.Есть веб-сайты, на которых перечислено расположение лабиринтов, но не все уроки требуют посещения кукурузного лабиринта.

    Эти уроки основаны на следующих стандартах содержания National Geography и подходят для начального и среднего уровня, а некоторые уроки подходят для университетского уровня.

    1) Как использовать карты и другие географические представления, инструменты и технологии для сбора, обработки и передачи информации. В этих уроках кукурузного лабиринта используются карты и аэрофотоснимки в нескольких масштабах.

    2) Как использовать ментальные карты (усвоенное человеком изображение части поверхности Земли) для систематизации информации о местах людей и окружающей среде . Учащиеся сравнивают свои мысленные карты кукурузного лабиринта с картой, которая ранее была сделана из кукурузного лабиринта, и картой, созданной учащимися.

    3) Как анализировать пространственную организацию людей, мест и окружающей среды на поверхности Земли.

    4) Физические и человеческие характеристики мест. Студентам предлагается подумать о распределении кукурузы и кукурузных лабиринтов в зависимости от населенных пунктов, топографии и землепользования.

    7) Физические процессы, формирующие структуру поверхности Земли . Учащимся предлагается подумать о том, почему кукуруза и другие культуры выращиваются там, где они есть, и о влиянии климата и землепользования на их выращивание.

    10) Характеристики, распространение и сложность культурных мозаик Земли. Студенты рассматривают влияние культуры на выращивание кукурузы.

    11) Модели и сети экономической взаимозависимости Учащиеся изучают продукты, изготовленные из кукурузы, и способы их транспортировки.

    14) Как действия человека изменяют физическую среду .

    15) Как физические системы влияют на человеческие системы . Учащиеся рассматривают, как люди изменили окружающую среду при выращивании кукурузы, и изучают топографию, землепользование и влияние земли на культивирование.

    16) Изменения, которые происходят в значении, использовании, распределении и важности ресурсов. Учащиеся изучают продукты, изготовленные из кукурузы, и то, как эти продукты транспортируются.

    18) Как применить географию для интерпретации настоящего и планирования на будущее . Студенты используют географию, чтобы понять, как интерпретировать карты и современное землепользование.

    Для продуктов в формате pdf требуется Adobe Acrobat Reader .

    1. Лабиринты, кукурузные лабиринты, формы и навигация
    2. Поиск пути и направления
    3. Сравнение навигации: день по сравнению с ночью
    4. Карты и GPS (глобальные системы позиционирования)
    5. GPS-навигатор
    6. Расположение растительного покрова и кукурузных лабиринтов
    7. Устный перевод топографических карт и аэрофотоснимков
    8. Изучение кукурузы с помощью математики
    9. Исследование кукурузы
    10. Исследование почв

    Есть GPS игрушки? Заставьте их работать! (Purdue Univ.)

    Есть GPS игрушки? Заставьте их работать! (Purdue Univ.)
    Опубликовано Chat 'n Chew Cafe, 24 апр. 2002

    URL: http://www.kingcorn.org/news/articles.02/GPS_Mapping-0424.html
    Р.Л. (Боб) Нильсен

    Отдел агрономии, Purdue Univ.
    West Lafayette, IN 47907-1150
    Электронная почта адрес: [email protected]

    айбе вы были одним из тех немногих счастливчиков, которые получили несколько игрушек с GPS от Санты в прошлое Рождество.Возможно, он оставил тебе новый карман ПК, оснащенный приемником DGPS с поддержкой WAAS и отличным картированием полей программное обеспечение? Может быть, эти новые игрушки с GPS помогли вам оправдать покупку этого нового Квадроцикл, чтобы вы могли нанести на карту несколько границ поля, путешествуя по ферма?

    Теперь, когда вы нанесли на карту границы каждого поля на своей ферме. (и, возможно, поля вашего соседа тоже) с этими игрушками и решетчатой ​​почвой отобраны с точностью до ближайших пол-акра, что еще делать с этими дорогие высокотехнологичные гаджеты? Текущая задержка начала кукурузы и посев сои дает возможность географической привязки (картирования) потенциала Факторы, ограничивающие урожай, сейчас, прежде чем вы приступите к серьезным посадкам.

    • На ваших полях есть водоемы или сильно влажные участки? Нанесите на карту те границы для будущих решений по дренажу плитки или для будущего сбора урожая виды деятельности.
    • Получены большие участки чертополоха канадского или других неприятных многолетних сорняков. появляется везде? Нанесите на карту границы будущего гербицида для конкретного участка приложений (то, что мы раньше называли точечным опрыскиванием). Добавьте аннотации к нанесенным на карту границы с оценками серьезности проблемы с сорняками, чтобы вы могли расставьте приоритеты в графике опрыскивания.
    • Есть прорывы плитки или воронки от недавних утопающих гусей? Нанесите на карту те пятна, чтобы вы запомнили, где они находятся, когда будете их исправлять или чтобы помочь вам избежать их с трактором и сеялкой, когда вы засеваете поле.
    • Есть отдельные участки чудесно зеленых зимних однолетних сорняков, привлекли каждую черную совку (BCW) в стране этой весной? карта эти области для будущего мониторинга активности кормления личинок BCW с привязкой к конкретным участкам на кукурузе, которая в конечном итоге будет расти на этих полях.

    После того, как вы составили карту этих факторов, ограничивающих урожай, не останавливайтесь на сезон. Заставьте эти устройства для картографии и разведки с поддержкой GPS работать в течение года по мере развития других факторов, ограничивающих урожайность.

    Успешная интерпретация карты урожайности зависит не только от почвенных карт и интенсивный отбор проб питательных веществ в почве. Есть гозиллион факторов, которые влияют на урожайность кукурузы и сои, комбинации которых меняют каждый год.Успешное управление урожаем на конкретном участке зависит от конкретного участка выявление стольких факторов, ограничивающих урожай, как человеческое возможный.

    Интернет-источники информации:

    Карманные компьютеры разных марок:
    Программное обеспечение для картирования и разведки полей:
    Приемники DGPS с поддержкой WAAS для карманных ПК:
    Обычный отказ от ответственности: включение или исключение продуктов, торговых марок или веб-сайтов в этой статье не следует толковать как что-либо иное, кроме репрезентативного списка, который может быть использован для составления портативная система картографии / разведки с поддержкой GPS и не является одобрение или отсутствие такового со стороны Purdue University или его Extension Corn Специалист!

    Для другого информацию о кукурузе можно найти в Справочнике по выращиванию кукурузы в мире. Широкая сеть по адресу http: // www.kingcorn.org


    Это политика Purdue Департаменту агрономии, что все люди должны иметь равные возможности и доступ к его программам и объектам независимо от расы, цвета кожи, пола, религия, национальное происхождение, возраст или инвалидность. Университет Пердью - это позитивное действие работодатель. Этот материал может быть доступен в альтернативных форматах.
    © 2002, Университет Пердью
    Конец документа

    Картирование двадцатилетнего выращивания кукурузы и сои на Среднем Западе США с использованием архива Landsat

    Пиксельные метки типов культур

    Создание карты типов культур с использованием спутниковых снимков и контролируемого машинного обучения требует наземной достоверности данных на уровне поля. типы культур, на которых нужно обучать классификатора.Для CDL метки наземной достоверности берутся из набора данных Common Land Unit Агентства сельскохозяйственных услуг (FSA), который доступен для NASS, но не для общественности из-за законов FSA 34 о конфиденциальности. Однако точность CDL на этикетках FSA пользователем и производителем отображается в метаданных CDL и обычно превышает 95% для кукурузы и сои с 2008 по 2018 год. Поскольку у нас нет доступа к данным FSA, мы использовали CDL 2008–2018 в качестве наши наземные метки достоверности для обучения нашего классификатора кукурузы и сои, и проверили наши карты, используя комбинацию набора удержаний CDL 2008–2018, CDL 1999–2007, где он существует, оценок посевных площадей на уровне округов NASS и данных севооборота от АРМС.Год 2008 был выбран, чтобы отметить начало нашей обучающей выборки, потому что CDL завершается на всей территории США (и, следовательно, в нашем регионе исследования), начиная с этого года. Таким образом, качество нашего классификатора и валидационного анализа зависит от качества данных CDL, NASS и ARMS, которые мы более подробно обсуждаем в разделе «Техническая валидация».

    Маска пахотных земель

    Наш классификатор культур был обучен различать кукурузу, сою и все другие культуры, сгруппированные в третий класс; мы не классифицировали пахотные земли от непахотных земель.Вместо этого мы использовали продукт 35,36 из Национальной базы данных земельного покрова (NLCD), чтобы замаскировать пиксели непахотных земель. NLCD классифицирует различные типы почвенного покрова - например, водный, развитый и лесной - в том числе один класс «возделываемых культур», объединяющий все типы культур. Доступны растры с разрешением земли 30 м для 1992, 2001, 2004, 2006, 2008, 2011, 2013 и 2016 годов. Каждый год CSDL маскировался последним доступным продуктом NLCD. Например, CSDL на 2008–2010 годы создаются с использованием маски пахотных земель NLCD 2008 года.Исключением является то, что CSDL 1999 и 2000 годов используют маску NLCD 2001 года, потому что предыдущий продукт NLCD 1992 года был построен с использованием очень разных методов.

    Статистика посевных площадей

    Каждый год в конце сезона сбора урожая NASS проводит обследование сельскохозяйственного производства графства (CAPS) в сотрудничестве с отдельными штатами для оценки посевных площадей и производства отобранных культур и видов домашнего скота на уровне графства. Каждый штат имеет свою собственную стратегию выборки CAPS, обычно включающую опросы по почте и последующие действия по мере необходимости для получения адекватного охвата и количества ответов 37 .Ответы операторов используются для распределения итоговых показателей штата, ранее полученных в результате обследований NASS, по округам.

    Мы получили данные о посевных площадях кукурузы и сои на уровне округа из базы данных NASS Quick Stats 38 по 13 штатам и использовали эти оценки посевных площадей на уровне округа в качестве формы проверки на наших картах с 1999 по 1999 год. 2018. Для нашей проверки примечательно то, что, начиная с 2009 года, программа CDL начала включаться в оценки посевных площадей NASS с помощью регрессионной модели 4 , поэтому площади CDL и NASS не являются полностью независимыми наборами данных.Мы заметили, что количество округов, указанных в NASS в этих 13 штатах, снизилось с 1093 в 1999 году до 885 в 2018 году.

    Статистика севооборота

    Исследование управления сельскохозяйственными ресурсами (ARMS), спонсируемое Службой экономических исследований Министерства сельского хозяйства США и NASS - это серия многоэтапных интервью с операторами ферм о методах возделывания, фермерском бизнесе и фермерских домохозяйствах 39 . В период нашего исследования они собирались в 2001, 2005 и 2010 годах. Мы использовали статистику севооборота обследования для проверки наших карт кукуруза-соя.В каждый из этих трех лет и для каждого из 13 штатов мы получили (1) количество акров, на которых выращивались кукуруза в год исследования и соя в предыдущем году (севооборот соя-кукуруза) и (2) количество гектаров, подвергшихся кукурузо-кукурузному севообороту. Данные были загружены из Специального отчета ARMS о практике растениеводства 40 . Мы сравнили долю севооборота соя-кукуруза, определенную как \ (\ frac {{\ rm {soybean}} \, {\ rm {to}} \, {\ rm {corn}} \, {\ rm {acreage} }} {{\ rm {соя}} \, {\ rm {to}} \, {\ rm {кукуруза}} \, {\ rm {площадь}} + {\ rm {кукуруза}} \, {\ rm {to}} \, {\ rm {кукуруза}} \, {\ rm {acreage}}} \), прогнозируемый CSDL по сравнению с сообщенным ARMS.

    Разновременные спутниковые снимки

    Чтобы провести классификацию культур по типу с 1999 года, мы использовали годовые разновременные спутниковые снимки из архива Landsat. Программа Landsat представляет собой серию спутников для наблюдения за Землей, которыми совместно управляют Геологическая служба США и НАСА, начиная с Landsat-1 в 1972 году и заканчивая Landsat-7 и -8 в настоящее время. Его архив был предоставлен в свободный доступ в 2008 г. 25 , и каждый спутник предлагает изображения среднего пространственного разрешения (30 м), полученные каждые 16 дней (каждые 8 ​​дней при работе двух спутников).

    Мы использовали Google Earth Engine для получения изображений нашего исследуемого региона в период 1999–2018 годов из коллекций Landsat 5, 7 и 8 Surface Reflectance Tier 1 27 . Мы решили начать в 1999 году, потому что в этом году был запущен Landsat 7. Область исследования охватывает 2,2 миллиона км 2 , что соответствует 2,5 миллиардам пикселей Landsat и в общей сложности 87 648 снимкам с 1 января 1999 г. по 31 декабря 2018 г. Мы использовали снимки Landsat с 1 января по 31 декабря для определения фенологии сельскохозяйственных культур; на Среднем Западе это временное окно охватывает один вегетационный период для большинства типов сельскохозяйственных культур.Облака и другие затенения были замаскированы на уровне пикселей с помощью полосы pixel_qa, которая предоставляется вместе с продуктами Landsat Surface Reflectance. Среднее количество безоблачных изображений на пиксель в течение основных месяцев выращивания сельскохозяйственных культур с июня по август составило 7, при этом 2012 год был заметно меньшим годом со средним значением 4 (рис. 2). Падение в 2012 году произошло из-за того, что тематический картограф Landsat 5 завершил работу в ноябре 2011 года, а Landsat 8 не был запущен до 2013 года, в сочетании с пробелами в данных от неисправного корректора строк сканирования на борту Landsat 7.

    Рис. 2

    Количество чистых наблюдений Landsat, доступных в июне, июле и августе по штатам и годам. Количество наблюдений было подсчитано для каждого пикселя в нашей выборке после того, как скрытые пиксели были замаскированы с использованием полосы pixel_qa, предоставляемой продуктами Landsat Surface Reflectance. Серые линии показывают среднюю доступность наблюдений, а затененные - диапазон.

    Хотя инструменты Landsat 5 TM, Landsat 7 ETM + и Landsat 8 OLI измеряют несколько разные длины волн из-за разного радиометрического разрешения, мы считаем, что они имеют шесть диапазонов отражения от поверхности: синий, зеленый, красный, ближний инфракрасный, коротковолновый инфракрасный 1, и коротковолновый инфракрасный 2 41 .Из них мы получили индекс вегетации зеленого хлорофилла (GCVI) 42 ,

    $$ {\ rm {GCVI}} = {\ rm {NIR}} / {\ rm {Green}} - 1 $$

    (1)

    В отличие от NDVI, GCVI не насыщает при высоких значениях площади листьев и, как ранее было показано, помогает отличить кукурузу от соевых бобов 43 . В конечном итоге мы включили функции NIR, SWIR1, SWIR2 и GCVI в наш классификатор; для объяснения того, как они были выбраны для классификации кукурузы и сои по различным группам и вегетационным индексам, см. {n} \ left [{a} _ {k} \, \ cos (2 \ pi k \ omega t) + {b} _ {k} \, \ sin (2 \ pi k \ omega t) \ right] $$

    , где a k - косинусные коэффициенты, b k - синусоидальные коэффициенты, c - член пересечения, n - порядок гармонический ряд, а ω управляет периодом функции.Независимая переменная t представляет день в году, когда делается снимок, выраженный дробью от 0 (1 января) до 1 (1 января следующего года). Мы использовали гармонику второго порядка ( n = 2) с ω = 1,5, показанную в предыдущей работе, чтобы получить хорошие характеристики для классификации типов культур в исследуемой области 43 . Это дает в общей сложности 5 функций на полосу или ВП (таблица 2).

    Рис. 3

    Извлечение признаков из временных рядов Landsat с использованием гармонической регрессии.Во-первых, кривая аппроксимируется временным рядом Landsat (показанным здесь для GCVI) с использованием преобразований косинуса и синуса независимой переменной t (время года). Коэффициенты и точка пересечения извлекаются как признаки вместе с меткой типа культуры CDL и используются для обучения случайного классификатора леса.

    Таблица 2 Особенности, рассматриваемые в данном исследовании.

    Таким образом, наша процедура выделения признаков требует не менее 5 точек для соответствия гармонической регрессии второго порядка и получения коэффициентов.Подгонка будет лучшим обобщением фенологии сельскохозяйственных культур, если в вегетационный период будет сделано больше не облачных снимков Landsat.

    Дополнительные функции

    Спутниковые наблюдения за растительностью зависят от типа сельскохозяйственных культур, а также от здоровья растений и стадии развития, которые сами по себе являются функциями количества солнечного света, градусо-дней, воды и питательных веществ, доступных для роста. Мы предположили, что, учитывая измерения фенологии растений с помощью изображений Landsat, наблюдения этих других переменных могут установить ограничения, которые облегчат определение типа сельскохозяйственных культур.Чтобы понять, что мы имеем в виду, рассмотрим упрощенный пример: предположим, мы знаем, что временной ряд GCVI с максимальным значением 0,7 может быть либо кукурузой, выращенной при большом количестве дней градуса роста (GDD), либо соей, выращенной при умеренном количестве GDD. . Тогда знание значения GDD поможет нам определить тип культуры. Мы добавили в наш классификатор функции, которые фиксируют некоторые из этих погодных и климатических переменных, и проверили, помогают ли они в классификации типов культур.

    Мы использовали Gridded Surface Meteorological Dataset (gridMET) 48 и TerraClimate 49 Университета Айдахо, чтобы найти градусо-дни роста (GDD), дефицит давления пара (VPD), среднее количество осадков, экстремальные температуры, засушливость, влажность почвы. , а также дефицит климатической воды на каждом пикселе в исследуемом регионе (Таблица 2).Мы обнаружили, что эти особенности не привели к значительному улучшению классификации кукурузы и сои в исследуемом регионе, поэтому наша окончательная карта создана с использованием только гармонических коэффициентов, полученных со спутника Landsat. Тем не менее, мы отмечаем, что эти вспомогательные функции могут по-прежнему помогать в других условиях, например, когда погода более резко меняется в пространстве и времени.

    Выборка обучающего набора

    Для выборки набора точек, географически репрезентативного для нашей области исследования, мы создали сетку размером 50 на 50 км по 13 штатам и отобрали 250 точек равномерно случайным образом из каждой ячейки сетки.Область исследования покрыта 839 ячейками сетки; после фильтрации точек, попадающих в границы 13 штатов, у нас остался набор из 205 821 точек. Для каждого года в период с 1999 по 2018 год мы использовали Google Earth Engine для извлечения (1) коэффициентов гармонической регрессии, соответствующих годовому временному ряду Landsat в каждой точке, и (2) метки CDL в каждой точке, если она существовала для этого года. Мы удалили из этого набора данных точки, чья метка CDL не существовала или относилась к классу, не относящемуся к культуре, в результате чего осталось 841 028 образцов.

    Сводные данные о количестве образцов для каждого типа культур можно найти в Таблице 3. В 13 штатах кукуруза является самым многочисленным классом с 329 375 образцами, или 39,2% от общего количества. Соевые бобы и другие культуры имеют 281 411 (33,5%) и 230 215 (27,4%) образцов соответственно. Распределение трех классов зависит от штата; Айова, Иллинойс, Индиана и Небраска выращивали в основном кукурузу и сою и очень мало других культур, в то время как Северная Дакота и Канзас выращивали в основном другие культуры.

    Таблица 3 Количество образцов по штатам и культурам.

    Восемьдесят процентов выборок за 2008–2018 гг. Были помещены в обучающую выборку, в то время как оставшиеся 20% выборок за 2008–2018 гг. И маркированные выборки за 1999–2007 гг. Были помещены в тестовую выборку.

    Алгоритм классификации

    Мы использовали случайные леса для классификации, поскольку они хорошо задокументированы в области дистанционного зондирования и хорошо справляются с задачами, связанными с растительным покровом и типами сельскохозяйственных культур 50,51 и обычно лучше, чем классификаторы максимального правдоподобия, поддержка векторные машины и другие методы для картирования типов культур 52,53,54,55 .Случайные леса - это ансамблевой метод машинного обучения, состоящий из множества деревьев решений в совокупности 56 , который одновременно предлагает простоту использования, высокую производительность и интерпретируемость. На протяжении всей разработки метода мы использовали реализацию Python scikit-learn классификатора случайного леса с 500 деревьями и другими параметрами по умолчанию. Чтобы создать продукт уровня данных кукурузы и сои, мы использовали ee.Classifier.randomForest Google Earth Engine, аналогично с 500 деревьями и другими параметрами по умолчанию.На рисунке 4 показан пример границы принятия решения, полученной случайным лесом для классификации кукурузы, сои и других культур в Айове, иллюстрируя возможность проведения различия между тремя классами.

    Рис. 4

    Иллюстрация того, как случайный классификатор лесов учится различать кукурузу, сою и другие культуры в двумерном пространстве признаков. Здесь для классификации и визуализации используются элементы косинуса и синуса второго порядка GCVI, а точки данных были теми, которые мы экспортировали из Айовы в 2018 году.Обратите внимание, что граница решения, полученная для нашего окончательного набора функций (всего 20 гармонических коэффициентов), будет более сложной.

    Окончательное создание карты

    Для создания уровня данных кукуруза-соя (CSDL) 57 мы сначала использовали Google Earth Engine для вычисления гармонических характеристик для Landsat NIR, SWIR1, SWIR2 и GCVI во всем исследуемом регионе для каждого год в 1999–2018 гг. Затем мы использовали наши обучающие выборки из 2008–2018 годов для обучения случайного классификатора лесов (ee.Classifier.randomForest) на гармонических характеристиках для прогнозирования меток типов культур, полученных на основе CDL (кукуруза, соя или другие).Для каждого штата была обучена отдельная модель. Наконец, мы применили каждый классификатор для прогнозирования типа урожая на всех пикселях в соответствующем состоянии с 1999 по 2018 год.

    Оценочные показатели

    При оценке нашего продукта CSDL по данным CDL, NASS и ARMS мы использовали следующие показатели.

    Во-первых, CSDL и CDL сравнивались в каждом штате и году с использованием общей метрики точности. Точность - это обычно используемый показатель для классификации, который определяется как доля правильных прогнозов.Хотя сам по себе CDL не является абсолютно точным признаком типа культуры, показатель точности, вычисленный между CSDL и CDL, говорит нам, насколько близко совпадают два набора данных. Обратите внимание, что при интерпретации точности необходимо учитывать распределение типов культур в области, поскольку более асимметричное распределение приводит к смещению точности в сторону увеличения. Для облегчения интерпретации распределение типов культур по штатам представлено в Таблице 3.

    Во-вторых, мы вычислили точность пользователя и производителя для каждого типа культур в каждом штате и году, снова используя CDL как «основную истину» для CSDL.Если мы позволим TP c обозначать количество истинных положительных результатов для типа культуры c , FP c количество ложных срабатываний и FN c количество ложных отрицательных результатов, тогда точность пользователя и производителя для типа культуры c определяется как

    $$ \ begin {array} {ccc} {\ rm {user \ mbox {'} s}} \, {{\ rm {precision}}} _ {c} & = & \ frac {{{\ rm {TP}}} _ {c}} {{{\ rm {TP}}} _ {c} + {{\ rm {FP}}} _ {c }} \\ {\ rm {производитель \ mbox {'} s}} \, {{\ rm {precision}}} _ {c} & = & \ frac {{{\ rm {TP}}} _ {c }} {{{\ rm {TP}}} _ {c} + {{\ rm {FN}}} _ {c}} \ end {array} $$

    Точность пользователя также называется точностью, а точность производителя точность также известна как отзыв. {2}} $$

    , где y i - это области «наземной истины» (NASS или ARMS), \ ({\ widehat {y}} _ {i} \) - это области, предсказанные по классификатору (CSDL или CDL), и \ (\ bar { y} \) - среднее значение областей истинности.Проще говоря, R 2 измеряет долю дисперсии, зафиксированную предсказаниями.

    Поскольку мы заботимся об абсолютной ошибке в прогнозах CSDL, R 2 между CSDL и NASS вычисляется , а не для простой линейной регрессии между y и \ (\ widehat {y} \), но на y и \ (\ widehat {y} \) сами значения. В этом случае R 2 ограничено в интервале (−∞, 1]. Для R 2 может быть отрицательным, если \ (\ widehat {y} \) являются худшими прогнозами. для y , чем выборочное среднее \ (\ bar {y} \).{2} = 0 \), что требует \ ({y} _ {i} = {\ widehat {y}} _ {i} \) для всех i .

    Быстрое картирование кукурузы и сои в кукурузном поясе США и прилегающих районах

    Район исследования

    Исследование проводилось в 22 штатах внутри кукурузного пояса США или вокруг него (рис. 1), который в совокупности называется ЕЦБ. Все эти штаты характеризуются определенным уровнем развития сельского хозяйства с выращиванием кукурузы и / или сои, что учитывается в еженедельных отчетах Министерства сельского хозяйства США о прогрессе урожая. Это обширная территория с большим разнообразием климата, рельефа и других условий.Климат влажно-континентальный в северной части, влажный субтропический на юге, холодный и полузасушливый на западе. Годовое количество осадков колеблется от ~ 1700 мм в районе заливов Луизианы и Миссисипи до менее 250 мм в горных районах западных штатов. Ровный участок в центральном ЕЦБ очень подходит для механизированного сельскохозяйственного производства, в то время как приграничные регионы, такие как Скалистые горы и Аппалачи, ограничивают расширение пахотных земель.

    Рис. 1

    Район исследования, включая штаты внутри кукурузного пояса или вокруг него, где выращивают кукурузу и / или сою (незатененные штаты).

    Производство кукурузы на уровне уезда представлено кругами разного размера, чтобы обозначить общее распределение пахотных земель. Карта была создана с помощью программного обеспечения ArcGIS 10.3 (http://www.esri.com/software/arcgis/arcgis-for-desktop).

    Для ЕЦБ доступны различные карты типов культур, такие как USDA CDL 8 , глобальные карты земельного покрова с конкретными типами культур 2,4 и региональные карты возделываемых земель 6,9,13 . Из-за обилия данных о растительном покрове ЕЦБ обычно не считается приоритетной областью для картирования сельскохозяйственных культур 21 , но является идеальной областью исследования для многолетних экспериментов.Во время разработки нашего подхода область со значительным объемом данных, такая как ЕЦБ, была предпочтительнее для межгодового картирования и проверки.

    Данные

    MODIS

    Первичные входные данные были взяты из продукта MCD43A4 спектрорадиометра изображения со средним разрешением (MODIS), надир и функция распределения двунаправленного отражения скорректированы полосы спектрального отражения 22 . Коэффициент отражения MCD43A4 вычисляется с использованием ежедневных прохождений спутников Terra и Aqua в пределах каждого 16-дневного окна с использованием алгоритма, основанного на инверсии моделей переноса излучения.Алгоритм регулирует коэффициент отражения в местный солнечный полдень, уменьшая влияние угла обзора и анизотропного рассеяния. Продукт MCD43A4 включает спектральные полосы MODIS 1–7 с разрешением 500 м каждые 8 ​​дней. Связан подробный набор качественного информационного продукта MCD43A2, который использовался для исключения низкокачественных наблюдений. В целом MCD43A4 обеспечивает устойчивые и надежные временные ряды отражательной способности с приемлемым разрешением и частотой, демонстрируя большой потенциал для крупномасштабного картирования.

    USDA CDL

    CDL - это растровая карта земельного покрова с привязкой к конкретным культурам, созданная для континентальной части США с использованием спутниковых снимков и обширной информации о сельскохозяйственных угодьях.С 2008 года программа CDL ежегодно предоставляет оценки площадей пахотных земель и цифровые продукты пространственного распределения для всех штатов ЕЦБ. Все исторические продукты CDL доступны для использования и бесплатны для загрузки через веб-портал Министерства сельского хозяйства США. Дата выпуска CDL обычно приходится на начало следующего календарного года, например, CDL на 2014 год был выпущен 2 февраля 2015 года, приурочив его к выпуску официальных оценок округа.

    В ЕЦБ степень CDL кукурузы и сои имеет очень высокое качество, с точностью производителя и пользователя, о которой сообщают сами, в основном выше или около 95%.Поскольку данные переписи или обследования по всему ЕЦБ с географической привязкой не были опубликованы, годовые карты конкретных культур, разработанные программой CDL, использовались как несовершенные, но очень надежные справочные данные. В центре внимания настоящего исследования пиксели кукурузы и сои были извлечены из CDL, а все другие типы земного покрова были объединены в класс под названием «прочие».

    Прогресс посевов USDA

    Каждую неделю в вегетационный период NASS USDA публикует CPCR, в котором перечисляются стадии выращивания и общее состояние выбранных культур в основных штатах-производителях.В CPCR прогресс кукурузы оценивается для стадий «посев», «всходы», «шелушение», «тесто», «помятость», «созревание» и «сбор урожая». Для некоторых штатов существуют дополнительные стадии, такие как «подготовка семенного ложа» и «молоко», которые не использовались в нашем исследовании. Развитие сои включает стадии «посадки», «всходы», «цветения», «закладки стручков», «опадания листьев» и «сбора урожая»; этапы, доступные только для некоторых штатов после 2014 г., были исключены. Оценки урожайности основаны на данных обследований, собираемых каждую неделю многочисленными полевыми счетчиками для целей полевых наблюдений.Опубликованные числа представляют процент пахотных земель, достигших определенных стадий к концу недели.

    Переменные для классификации

    Самым важным набором входных переменных для алгоритма классификации являются фенологические показатели. Эти показатели включают даты стадий фенологического перехода, таких как всходы, созревание и старение, а также скорость вегетативного развития, что полезно для классификации культур с различными календарями урожая 23 . Мы также использовали фенологические метрики для интерполяции полос и индексов MCD43A4 от исходных дат наблюдений до определенных фенологических стадий, чтобы получить «специфичные для фенологии» мультиспектральные переменные.Таким образом, можно было бы «согласовать» прогресс посевов в разные годы, чтобы уменьшить влияние фенологической изменчивости на многоспектральные наблюдения, облегчая межгодовые сравнения.

    Фенология сельскохозяйственных культур была определена количественно путем подбора заранее определенных кривых к временным рядам роста сельскохозяйственных культур, характеризуемых повышенным вегетационным индексом (EVI). EVI относительно чувствителен к росту сельскохозяйственных культур в периоды высокой биомассы, что в некоторой степени позволяет избежать проблемы насыщения. Подход аппроксимации кривой с использованием асимметричной двойной сигмовидной функции аналогичен классификации на основе фенологии в более ранней статье 11 .Все входные переменные были либо непосредственно из параметров кривой, либо рассчитаны на основе этих параметров и полос MCD43A4. В таблице 1 перечислены все входные переменные, используемые в классификации, и их соответствующие физические значения. Когда мы исследуем возможность раннего картирования (сразу после того, как культуры достигают пика роста), временные ряды могут включать только увеличивающийся сегмент профиля EVI. В этом случае параметры подгонки, относящиеся к уменьшающемуся сегменту, были бы неразумными и должны быть исключены из набора входных переменных.В таблице 1 они помечены как «поздние» переменные, а наше выборочное использование объясняется в следующих разделах.

    Таблица 1 Фенологические и другие переменные, генерируемые в качестве входных данных для алгоритма классификации.

    Разнообразные спектральные переменные, включая отражательную способность определенных полос и многополосные индексы, были разработаны с конкретными фенологическими стадиями или периодами. Эти переменные были выбраны из-за их способности различать кукурузу и сою в многочисленных пилотных исследованиях для всего или части ЕЦБ (Таблица 1).Каждую спектральную переменную можно дополнительно обозначить индексом «avg», который указывает среднее значение переменной в период быстрого роста от D i до D d , или «пик», что означает спектральное наблюдение, интерполированное на дату D пик , когда EVI был максимальным. Например, VI64 avg - это средний нормализованный индекс разности диапазонов 6 и 4 MODIS между D i и D d .Общее количество переменных для полносезонного картирования составляло 27 (13 фенологических показателей + 7 спектральных показателей × 2 стадии), а общее количество переменных для картирования в начале сезона составляло 21 (7 + 7 × 2).

    Классификация

    Классификатор случайного леса (RF) 25 использовался из-за его стабильной работы и высокой эффективности для обработки большого набора входных данных 26,27,28,29,30,31 . В этом классификаторе каждое дерево обучается случайным подмножеством исходного набора данных, а классификация вычисляется путем агрегирования результатов всех предикторов дерева.Для ЕЦБ во все годы исследования мы проводили классификацию РФ по штатам и по годам. Модель RF была обучена из всех пикселей в состоянии в течение года обучения, а затем применена к году сопоставления для того же состояния.

    RF-классификатору требуются только два параметра для создания модели прогнозирования, то есть количество требуемых деревьев классификации ( k ) и количество переменных прогнозирования ( m ), используемых в каждом узле для роста дерева. Когда значение k увеличивается, общая точность сходится без каких-либо проблем с перетренированием 25 .Наши тесты показали, что точность классификации не очень чувствительна к k , когда размер RF был достаточно большим, и k было произвольно установлено на 100. Мы также обнаружили, что m мало повлияло на точность классификации наших данных, поэтому он был установлен на 1, чтобы уменьшить вычислительные затраты 32 . Мы не акцентировали внимание на влиянии параметров классификатора на классификацию. Вместо этого результаты классификации были более чувствительны к вариантам, касающимся обработки входных данных, выбора учебного года и других факторов.Для сравнительного анализа мы провели классификацию РФ с каждой комбинацией этих опций, как описано в следующих разделах.

    Жесткая и нечеткая классификация

    Для ECB многие исследования выбрали «чистые» пиксели MODIS и выполнили жесткую классификацию 7,9 . В полученных картах пикселям MODIS были присвоены метки дискретных классов. Когда доступны справочные данные с более высоким разрешением, также возможно получить непрерывное покрытие компонентов для запуска алгоритма нечеткой классификации, который использует ценную информацию о покрытии сельскохозяйственных культур в смешанных пикселях.В текущем исследовании сравниваются результаты между алгоритмами жесткой и нечеткой классификации. Сначала 30-метровые пиксельные следы CDL были наложены на 500-метровые следы MCD43. Процент покрытия рассчитывался для каждого пикселя MCD43 путем деления количества пикселей CDL определенного типа (кукуруза или соя) на общее количество пикселей CDL в зоне покрытия пикселя MCD43, умноженное на 100. Процент покрытия кукурузы и сои непосредственно использовались в нечеткой классификации. Для обучения алгоритму жесткой классификации были выбраны «чистые» пиксели кукурузы и сои с процентным порогом 75 (т.е.,> 75% 500-метрового пикселя было покрыто 30-метровыми пикселями кукурузы или сои). Этот порог был определен путем изучения многочисленных типичных пахотных земель и анализа влияния изменения порогового значения на распределение культур по всему ECB 9,33 . Пакет RF в MATLAB использовался для выполнения жесткой классификации и регрессии для одного класса за раз как нечеткая классификация 34 .

    Сравнение полного сезона и начала сезона

    Мы использовали изображения MCD43 за весь год, охватывающие весь вегетационный период кукурузы и сои, для получения переменных, вводимых в алгоритм классификации.Мы также протестировали возможность завершения картирования посевов на ранней стадии (сразу после того, как посевы достигли пика роста) без значительного снижения точности. Чтобы провести раннюю классификацию сезона, мы выбрали последний день из 28 -го продукта MCD43 (8-дневный интервал) в году в качестве даты окончания (224 динара, что соответствует 12 августа или 11 августа в високосные годы), и все изображения после этого считались «неизвестными». Только изображения до конечной даты обрабатывались процедурами подбора кривой и фенологии.К выбранной дате кукуруза и соя достигли стадии своего пика роста с высокими значениями EVI в большинстве регионов ЕЦБ. Это дает возможность точного определения фенологии для увеличивающегося сегмента временного профиля EVI.

    Для классификации с использованием изображений за весь сезон использовались все переменные из Таблицы 1. К середине августа фенологические показатели, относящиеся к уменьшающемуся сегменту после пика EVI, еще не доступны или получены с низкой точностью из-за ограниченного числа наблюдений.Эти показатели, помеченные как последние в столбце 3 rd Таблицы 1, были исключены из классификации раннего сезона.

    Фенологическое сходство

    Мы также проверили, можно ли повысить точность картирования, учитывая фенологическое сходство между годом обучения и картированием. Хотя все еще редко используется при картировании сельскохозяйственных культур на больших площадях, концепция фенологического сходства или фенологической синхронизации использовалась в многолетних приложениях, таких как мониторинг урожайности с помощью оперативного управления MARS 35,36 и получение параметров растительного покрова на основе термического времени 37 .Для классификации по годам точность, вероятно, будет улучшена, если год обучения и год составления карты имеют одинаковое распределение фенологических показателей. Анализ был проведен на уровне штата, чтобы точно отразить фенологические характеристики каждого субрегиона внутри обширного ЕЦБ. Для каждого отдельного состояния выбраны этапы развития кукурузы и сои (все доступные для этапов посадки кукурузы, появления всходов, шелушения, теста, помятости, созревания и сбора урожая, а также этапов посадки, появления всходов, цветения, завязывания стручков, сбрасывания листьев и сбора урожая сои) из еженедельных отчетов USDA были обработаны для измерения межгодового сходства.Во-первых, методом интерполяции был получен DOY с 50% -ным прогрессом каждого этапа. Затем было рассчитано среднеквадратическое отклонение (RMSD) всех 50% -ных значений DOY для каждой пары лет:

    , где X i, v и X i, t обозначают 50% дат для элемента прогресса i в году сопоставления v и учебном году t , соответственно. Чтобы облегчить межгодовое сравнение, исходные проценты прогресса посевов из CPCR были унифицированы до 50%, а соответствующие даты 50% были рассчитаны путем интерполяции.Для года составления карты год с наименьшим RMSD считался наиболее похожим годом с точки зрения роста урожая. Все выбранные годы обучения перечислены в таблице 2 по штатам. Программа отчетности о прогрессе урожая является новой в некоторых штатах на границе с ЕЦБ, таких как Оклахома и Техас, поэтому статистика в этих штатах не публиковалась в предыдущие годы из-за ограниченной площади / производства кукурузы / сои. Годы обучения в этих штатах были выбраны с учетом роста урожая в соседнем штате. Из-за относительно небольшой посевной площади в этих штатах это приближение является приемлемым.

    Таблица 2 Выбранные годы обучения для всех лет картирования на основе фенологического сходства.

    В качестве контрольной группы мы также использовали год, ближайший к году картирования, в качестве источника обучающих данных, игнорируя их фенологические различия. На практике выбор ближайшего года для обучения является обычным и интуитивно понятным для минимизации долгосрочных изменений климата, методов возделывания, сортов сельскохозяйственных культур и других факторов. Для года составления карт после 2009 года соответствующий учебный год был установлен на предыдущий год.Первым годом в период исследования был 2008 год, и 2009 год использовался в качестве учебного года для составления карты 2008 года при межгодовой проверке. Эта стратегия «закрытого года» для отбора данных обучения не различает отдельные состояния и, следовательно, не требует информации Министерства сельского хозяйства США о прогрессе урожая и обычно использовалась в большинстве более ранних исследований.

    Корректировка, основанная на развитии посевов

    Когда фенология урожая учебного года отличается от года картирования, вероятны ошибки классификации из-за различного распределения фенологических показателей между двумя годами.Результаты классификации становятся менее надежными при увеличении величины фенологического отклонения. Интуитивно это может быть жизнеспособным средством «приспособить» фенологию одного года к другому, сопоставив распределение фенологических показателей. В текущем исследовании мы попробовали два простых средства фенологической корректировки, которые уменьшают межгодовые различия в урожае за счет использования еженедельных данных Министерства сельского хозяйства США. Хотя существует множество алгоритмов сопоставления гистограмм между двумя многомерными наборами данных, мы использовали только два простых средства, чтобы избежать переобучения модели и чрезмерного усложнения процесса.

    Первое средство корректировки - это линейная корреляция 50% дат прогресса за два года. Фенологические показатели, представляющие даты фенологического перехода (помеченные как дата в столбце 4 таблицы 1), были преобразованы из сопоставления в учебный год с использованием линейной зависимости, разработанной на основе данных о урожайности USDA:

    , где X v и X t обозначают даты 50% прогресса в год сопоставления v и учебный год t , соответственно.Для каждого состояния наклон b и отрезок a из уравнения регрессии были рассчитаны для межгодовой трансформации фенологии. Для всех состояний линейная связь была сильной, с большинством коэффициентов корреляции> 0,99 и только несколькими ~ 0,98. Поскольку даты фенологического перехода были скорректированы, также было необходимо скорректировать показатели, которые рассчитываются как разница между датами, например, продолжительность вегетационного периода («длина» в столбце 4 Таблицы 1), умножив эти показатели на b. Кроме того, фенологические показатели, которые представляют скорость роста сельскохозяйственных культур («скорость» в столбце 4 Таблицы 1), должны быть разделены на b . Этот тип межгодовой фенологической корректировки получил название «А1».

    Вторая корректировка, которая еще проще, заключается в использовании уравнения (2), предполагая, что b = 1. Это эквивалентно «смещению» дат фенологического перехода одного года на другой год с использованием среднего арифметического всех 50%. даты выполнения. Этот тип регулировки называется «А2».В качестве контрольной группы эксперименты также проводились без какой-либо межгодовой фенологической корректировки, обозначенной как «A0».

    Проверка

    В нашем эксперименте мы протестировали все комбинации описанных выше вариантов классификации, чтобы оценить эффективность отдельных вариантов, включая определение пикселей (жесткое или нечеткое), время ввода входных данных (полный или ранний сезон), выбор года обучения ( год, ближайший к году составления карты, или год, когда рост урожая наиболее близок к этому году), а также тип корректировки фенологических показателей (без корректировки «A0», линейной подгонки «A1» или простого сдвига «A2»).Для каждого запуска классификации полученные карты кукурузы и сои, которые включали результаты всех штатов ЕЦБ, сравнивались со статистикой округа, полученной из CDL USDA. Сельскохозяйственная статистика NASS USDA является авторитетным источником данных по посевной площади; однако мы использовали обрезанную область из CDL для проверки, чтобы она соответствовала обучающей выборке. Проверка была основана на двух количественных измерениях, коэффициенте детерминации на уровне округа ( R 2 ) и процентной разнице от общей посевной площади; они были оценены для кукурузы и сои, соответственно. R 2 указывает на соответствие пространственного распределения в более чем 2000 округах ЕЦБ между классификационной картой и справочными данными (CDL), а процентная разница обеспечивает общую оценку отклонения классификации, что интересно для практического использования. Сравнение экспериментов с разными вариантами было основано на этих двух измерениях.

    Эффективное картирование кукурузы и сои с возможностью расширения во времени: многолетний эксперимент с использованием снимков Landsat

    Был разработан инновационный метод классификации на основе фенологии для картирования кукурузы и сои за несколько лет с использованием данных обучения, ограниченных одним годом.В отличие от традиционных усилий по картированию, в основном основанных на данных мультиспектрального изображения, классификатор, используемый этим методом, принимает фенологические метрики в качестве основных входных данных. Фенологические показатели представляют характеристики сельскохозяйственных культур, связанные с календарем и прогрессом урожая, такие как время появления всходов, созревания, сбора урожая и т. Д. Несмотря на то, что между изображениями, полученными с помощью дистанционного зондирования, за разные годы существует значительная межгодовая изменчивость, фенологические характеристики каждого типа культур относительно согласованы для длительный период времени.Таким образом, предполагается, что фенологические показатели могут использоваться для классификации типов сельскохозяйственных культур за несколько лет по одним и тем же правилам, что является ценным признаком, которым не обладают традиционные исходные данные для классификации.

    Метод классификации был протестирован при картировании кукурузы и сои, которые являются двумя доминирующими типами летних культур в центральной части США, и эксперимент проводился в округе Донифан, штат Канзас, в 2006–2010 годах. За этот период было использовано более 100 изображений Landsat TM и ETM +, а фенологические показатели были рассчитаны на основе временных рядов расширенного индекса растительности с использованием таких методов, как сегментация изображений и построение кривой.Несколько наборов входных переменных, от мультиспектральных характеристик выбранных дат, которые широко используются в традиционных усилиях по картированию, до фенологических показателей и производных измерений, таких как накопленная температура, были протестированы с использованием случайного лесного классификатора. Когда классификатор был обучен с помощью справочных данных, собранных в том же году, что и данные дистанционного зондирования, большинство наборов входных переменных дали точность выше 88%. Однако, когда обучающие данные, используемые классификатором, были получены в год, отличный от лет картирования, только входные наборы, содержащие фенологические показатели, смогли достичь приемлемой точности более 80%.Использование фенологических показателей в качестве входных данных для классификации позволяет избежать ограничительных требований большого набора наземных справочных данных, позволяя проводить частое и регулярное картирование культур без повторного сбора справочных данных.

    Полное сезонное руководство по выращиванию кукурузы и дронам

    Независимо от того, являетесь ли вы опытным оператором дронов и гровером, или если вы новичок в этой технологии, это руководство поможет вам понять основы использования дронов с кукурузой и покажет, как гиганты отрасли используют анализ с помощью дронов.

    Несмотря на дорогое оборудование и тяжелую технику, многие производители все еще далеки от наличия надежной информации, которая могла бы помочь им принять своевременные корректирующие меры для снижения потерь урожая в течение вегетационного периода с точки зрения качества посева на стойбище и многого другого.

    Неопределенность, время и потеря урожая - вот те вещи, с которыми могут помочь дроны и данные беспилотных летательных аппаратов, , что также является причиной того, что технологии дронов привлекают все больше внимания со стороны фермеров, выращивающих кукурузу во всем мире.

    Почему производители используют данные дронов с кукурузой?

    Традиционно производители кукурузы получают данные об урожае, прогуливаясь по полю и делая различные оценки. Однако у этого подхода есть немало недостатков: он требует много времени, не дает подробной информации по каждой части поля и, как правило, не так точен. С помощью данных с дронов и дронов вы быстро и точно получите данные о каждом сантиметре поля.

    «Мы можем ходить все, что хотим, но это просто совершенно другой вид сверху, чтобы знать, что хорошо, а что плохо.Вы можете ходить по этим полям, но увидеть все это и затем знать, где искать, действительно очень помогло ». - Дэн Фостер из RealAgriculture’s Corn School

    Farms.tv сообщил об использовании дронов с кукурузой еще в 2013 году, но с тех пор технология значительно продвинулась вперед. Сегодня производители и компании, использующие данные с дронов для кукурузы, не принимают решения на основе простых изображений - вместо этого они обращаются к комплексным и простым в использовании программным решениям, которые превращают сложные данные в нечто понятное.Ценность полученных данных заключается в том, что эта технология способна вывести выращивание кукурузы на качественно новый уровень.

    W hen в сочетании с правильным программным обеспечением для обработки данных данные с дронов могут улучшить методы подсчета растений, более эффективно измерять здоровье растений, а общий процесс мониторинга поля значительно улучшает .

    Есть много видов анализов, которые вы можете выполнять с помощью дрона:

    • Анализ пахотных земель
    • Подсчет кукурузных насаждений
    • Анализ сорняков
    • Стресс растений (некоторые отчеты, такие как те, которые мы предлагаем в Agremo, показывают оба точных местоположение и интенсивность водного стресса, болезней и вредителей)
    • Анализ потенциальной урожайности

    Кукуруза Digital4Cast - производители используют данные дронов для получения максимальной урожайности кукурузы

    KWS , 5-й по величине производитель семян в мире с сильным сосредоточиться на кукурузе, является одним из первых промышленных гигантов, которые начали использовать беспилотные летательные аппараты и данные беспилотных летательных аппаратов.

    В течение года производители и клиенты семян кукурузы KWS получили возможность внедрить технологию дронов в свой рабочий процесс с помощью экспертов из KWS и Agremo в рамках проекта Corn Digital4Cast.

    Календарь Agremo Corn Mapping, используемый в Digital4Cast

    На основе руководства Agremo по анализу кукурузы, которое было разработано агрономами и экспертами в области сельскохозяйственных дронов, участники выполнили различные анализы, от подсчета растений, анализа сорняков, анализа стресса до оценки урожайности.

    Производители получили четкое представление о статус-кво своих кукурузных полей, что позволяло им вмешиваться, когда что-то шло не так, как планировалось, что приводило к повышению урожайности и снижению производственных затрат .

    Участники проекта были ошеломлены тем, насколько простыми, но полезными были данные из их отчетов о данных дронов.

    Слой результатов на беспилотной карте кукурузного поля, проанализированный с помощью анализа подсчета насаждений Agremo

    На втором этапе проекта, где проводился подсчет насаждений Agremo и анализ сорняков, фермер поля 57 га на этапе V3 узнал, что были ровно 2 023 833 кукурузы на его поле, что на 45% ниже ожидаемого результата .1 679 867 растений меньше, чем он посеял изначально.

    Более тщательный анализ выявил плохие зоны прорастания, что коррелировало с результатами более раннего анализа пахотных площадей от Agremo, где команда обнаружила участки с высоким риском скопления воды - это позволило производителю добраться до первопричины проблемы и вмешиваться соответственно.

    Карта анализа сорняков кукурузного поля с помощью дрона

    Позже фермер провел анализ сорняков Agremo на том же поле и обнаружил, что 21,28% кукурузного поля сильно поражены сорняками.

    После осмотра зон повышенного риска (отмеченных красным на рисунке слева) производитель смог определить точный вид сорняков и применить необходимую обработку до того, как она сможет повлиять на его цель по урожайности. Фермер обработал только пораженные 30 акров (12,13 га). Обработка оставшихся 109 акров (44 га) также обошлась бы ему в 55 долларов за акр.

    Зная точное местоположение пораженных сорняками участков, производитель смог опрыскивать только там, где это необходимо, и сэкономить $ 5 966 ​​долларов США только на гербицидах!

    Отраслевые гиганты, такие как KWS, признали огромную ценность анализа с помощью дронов для производителей кукурузы, что также позволило им лучше понять свои гибриды и потребности своих клиентов.

    Фермеры, которые тестировали отчеты дронов Agremo на своих кукурузных полях, сообщили о многих преимуществах:

    • Точная информация об урожае и поле
    • Снижение производственных затрат
    • Данные мониторинга, которые можно быстро получить
    • Более высокая урожайность
    • Опыт премиум-класса
    • Консультации специалистов
    • Повышение устойчивости.

    Как использовать дроны и данные дронов с кукурузой

    Несмотря на то, что эта технология все еще развивается, нетрудно снимать высококачественные кадры с дронов и получать надежные данные на основе анализа с помощью дронов.Анализ с помощью дронов для сельскохозяйственных целей выполняется с помощью следующих четырех простых шагов:

    1. Сбор данных

    Захватите поле, которое вы хотите проанализировать, с помощью дрона. Для анализа Agremo вы можете использовать любой коммерческий беспилотный летательный аппарат, летательный аппарат или мультикоптер. Вы можете нанять оператора дрона, который сделает это за вас, или сделать это самостоятельно с помощью этих советов по картированию дронов для сельского хозяйства.

    2. Создание карт

    Превратите ваши изображения в 2D-карту с помощью таких инструментов, как DroneDeploy.

    3. Анализируйте изображения

    Выберите анализ, который хотите выполнить, и загрузите свою 2D-карту. Agremo предлагает множество различных отчетов о состоянии растений и подсчете растений, которые доступны в приложении Agremo.

    Этот картографический календарь подскажет, какой анализ выполнить для кукурузы, чтобы достичь наилучших результатов.

    Лучшая практика: Календарь Agremo

    Управляйте полями

    Получите доступ к своим отчетам в приложении Agremo в любое время и поделитесь ими с клиентами, клиентами или коллегами.Используйте результаты и функции приложения для сравнения полей, результатов различных анализов, выявления причин низкой урожайности, добавления комментариев для создания дополнительных преимуществ и многого другого.




    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *