151

  • Название журналаAgro ilm
  • Номер выпуска№3. 2020
  • Количество просмотров151
  • Ссылка в интернете
  • DOI
  • Дата создание в систему UzSCI30-09-2020
  • Количество прочтений142
  • Дата публикации02-06-2020
  • Язык статьиO'zbek
  • Страницы98-99
Ключевые слова
English

The article deals with the organization of monitoring of agricultural crops using modern digital technologies and remote sensing data by studying the experience of China, the European Union, the United States and other developed countries, and developed recommendations for conducting monitoring of agricultural crops in Uzbekistan using remote sensing. 
 

Ключевые слова
Русский

В статье рассмотрены вопросы организации мониторинга сельскохозяйственных культур с использованием современных цифровых технологий и материалов дистанционного зондирования путем изучения опыта Китая, Европейского союза, США и других развитых стран, разработаны рекомендации по проведению в Узбекистане мониторинг сельскохозяйственных культур с помощью дистанционного зондирования.

Ключевые слова
№ Имя автора Должность Наименование организации
1 Avezbayev S.. и.ф.д.,профессор ТИҚХММИ
2 Avezbayev O.. бош мутахассис Ўзбекистон Республикаси Қишлоқ хўжалиги вазирлиги
№ Название ссылки
1 1. Wu, Bingfang & Meng, Ji-hua & Li, Qiangzi & Yan, Nana & Du, Xin & Zhang, Miao. (2014). Remote sensing-based global crop monitoring: Experiences with China’s CropWatch system. International Journal of Digital Earth. 7. 10.1080/17538947.2013.821185.
2 2. Wu, B. F. 2000. ‘‘Operational Remote Sensing Methods for Agricultural Statistics.’’ Acta Geographica Sinica 55 (1): 2335.
3 3. Li, Congcong & Li, Hongjun & Li, Jiazhen & Lei, Yuping & li, Chunqiang & Manevski, Kiril & Shen, Yan-jun. (2019). Using NDVI percentiles to monitor real-time crop growth. Computers and Electronics in Agriculture. 162. 357-363. 10.1016/j.compag.2019.04.026.
4 4. Wolanin, Aleksandra & Camps-Valls, Gustau & Gómez-Chova, Luis & Mateo-Garcia, Gonzalo & Tol, C. & Zhang, Yongguang & Guanter, Luis. (2019). Estimating crop primary productivity with Sentinel-2 and Landsat 8 using machine learning methods trained with radiative transfer simulations. Remote Sensing of Environment. 225. 441-457.
5 5. Robinson, Nathaniel & Id, Brady & Allred, & Jones, Matthew & Moreno, Alvaro & Kimball, J. & Naugle, David & Erickson, Tyler & Richardson, Andrew & Thenkabail, Prasad & Kumar, Lalit & Mutanga, Onisimo. (2017). A Dynamic Landsat Derived Normalized Difference Vegetation Index (NDVI) Product for the Conterminous United States. Remote Sensing. 10.3390/rs9080863.
6 6. Seo, Bumsuk & Lee, Jihye & Lee, Kyung-Do & Hong, Sukyoung & Kang, Sinkyu. (2019). Improving remotely-sensed crop monitoring by NDVI-based crop phenology estimators for corn and soybeans in Iowa and Illinois, USA. Field Crops Research. 238. 113-128.
В ожидании