Anglicky: A review of data assimilation of remote sensing and crop models
Zdroj: Xiuliang, J., Lalit, K., Zhenhai, L., Haikuan, F., Xingang, X., Guijun, Y., Jihua, W. (2018). A review of data assimilation of remote sensing and crop models. European Journal of Agronomy, 92, 141-152. https://www.sciencedirect.com/science/article/pii/S1161030117301685
Klíčová slova: "modely růstu plodin, dálkový průzkum, proměnné stavu porostu, propojení dat, výnos."
Dostupný z: https://doi.org/10.1016/j.eja.2017.11.002
Včasný a přesný odhad výnosů plodin před sklizní je klíčový pro zemědělce jak na úrovni zemědělského podniku, tak i na úrovni národního hospodářství v oblasti potravin a jejich bezpečnosti. Modelování dynamické změny růstu plodin je velkou výzvou, protože umožňuje určit strategie managementu růstu zemědělských plodin za účelem získání co nejvyššího výnosu. Dálkový průzkum je často používán k poskytování informací o důležitých proměnných stavu porostu především na velkých výměrách pozemků až do úrovně regionů (výrobních oblastí či celého státu). Modely růstu plodin a technologie dálkového průzkumu jsou kombinovány a aplikovány pro odhad výnosů buď tedy v regionálním měřítku, nebo celosvětově, a jsou založeny na současném vývoji modelů plodin a možnostech metod dálkového snímání. Mnoho vědeckých studií se zabývá modely především za účelem odhadu proměnných o stavu porostu a vlastnostech půdy, které jsou založené na datech a informacích z dálkového průzkumu, a asimilací odhadovaných proměnných stavu porostu do modelů růstu plodin. Tento článek se zabývá historickým vývojem modelů růstu plodin, dává náhled do technologií dálkového průzkumu a nakonec objasňuje metody asimilace dat do růstových modelů. Studie také porovnává výhody a nevýhody různých metod asimilace dat dálkového průzkumu do růstových modelů (kalibrační metody, metody propojení a aktualizací). Podrobně analyzuje dopady různých zdrojů chyb na různé části řetězce asimilace dat a analyzuje, jak snížit jejich dopad na přesnost modelu. Nakonec poskytuje informace o užitečných metodách, které mohou být použity ke snížení chyb při asimilaci dat, a prezentuje další možnosti a směr vývoje v budoucnosti. Tento článek také dává kriticky podrobný přehled o nejnovějším vývoji a aplikacích modelů pro odhad výnosů plodin. Rešerše literatury ukazuje, že bylo vyvinuto mnoho nových senzorů umístěných na družicích a také užitečných metod pro odhad stavu porostu a vlastností půdy odvozených z dat dálkového průzkumu. V článku jsou také popsány nově navržené nebo modifikované modely růstu plodin pro zlepšení stavu simulovaných proměnných porostů a půdních vlastností. Stručně řečeno, asimilace dat dálkového průzkumu Země a modelů růstu plodin, které jsou založeny na nových technologiích a metodách, mají v budoucnu potenciál zlepšit přesnost odhadů proměnných stavu porostu, vlastností půdy a výnosu.
Příspěvek se zabývá pro nás vysoce aktuálním tématem v souvislosti s globální klimatickou změnou, protože poukazuje na možnosti využití především v zahraničí velmi využívaných modelů růstu plodin, které umožňují zachovat relativně vysoké výnosy i při nepříznivých podmínkách během vegetační sezóny. Současnému trendu nahrává i ta skutečnost, že máme v České republice volný přístup k družicovým snímkům programu Copernicus (či Landsat) a lze je tedy bez problémů propojit s modely růstu plodin
