Spatial patterns of crops in Russia

封面

如何引用文章

全文:

详细

Information about spatial distribution of agricultural crops in Russia exists only in the form of statistical data aggregated at the level of regions or farms, which does not make it possible to obtain data about the actual distribution of crops. Attempts to use satellite data for mapping of individual crops have not yet been successful either. We have attempted to disaggregate statistical data on crop areas using map of ploughed soils in Russia, information on crop rotations, and assessment of suitability of land for cultivation of specific crops. An analysis was conducted for the 28 most common crops in Russia. Maps of the distribution of these crops in the country were constructed. The maps give an idea of the geography of crops in Russia and can be used to improve approaches to satellite mapping and monitoring of crop areas in the country.

作者简介

Igor Savin

V.V. Dokuchaev Soil Science Institute; RUDN University

编辑信件的主要联系方式.
Email: savin_iyu@esoil.ru
ORCID iD: 0000-0002-8739-5441

Academician of the Russian Academy of Sciences, Doctor of Agricultural Sciences, Head of Department of Genesis, Geography, Classification and Digital Soil Mapping, V.V. Dokuchaev Soil Science Institute; Professor, Department of Environmental Management, Institute of Environmental Engineering, Peoples’ Friendship University of Russia

7/2 Pyzhyovskiy lane, Moscow, 119017, Russian Federation; 8 MiklukhoMaklaya st., Moscow, 117198, Russian Federation

Sergey Avetyan

V.V. Dokuchaev Soil Science Institute; Lomonosov Moscow State University

Email: avetyan-serg@mail.ru
ORCID iD: 0000-0002-3435-9092

Candidate of Biological Sciences, Senior Researcher, Department of Genesis, Geography, Classification and Digital Soil Mapping, V.V. Dokuchaev Soil Science Institute

7/2 Pyzhyovskiy lane, Moscow, 119017, Russian Federation

Ekaterina Shishkonakova

V.V. Dokuchaev Soil Science Institute

Email: shishkonakova_ea@esoil.ru
ORCID iD: 0000-0003-4396-2712

Candidate of Geographical Sciences, Senior Researcher, Department of Genesis, Geography, Classification and Digital Soil Mapping

7/2 Pyzhyovskiy lane, Moscow, 119017, Russian Federation

Arseny Zhogolev

V.V. Dokuchaev Soil Science Institute

Email: zhogolev_av@esoil.ru
ORCID iD: 0000-0003-2225-7037

Candidate of Agricultural Sciences, Researcher, Department of Genesis, Geography, Classification and Digital Soil Mapping

7/2 Pyzhyovskiy lane, Moscow, 119017, Russian Federation

参考

  1. Dessart FJ, Rommel J, Barreiro-Hurlé J, Thomas F, Rodríguez-Entrena M; Espinosa-Goded M, et al. Farmers and the new green architecture of the EU common agricultural policy: A behavioural experiment. EU European Commission, Joint Research Centre. Report number: 30706, 2021. doi: 10.2760/718383
  2. Santeramo FG, Ramsey AF. Crop Insurance in the EU: Lessons and Caution from the US. EuroChoices. 2017; 16(3):34-39. doi: 10.1111/1746-692X.12154
  3. Savin IY, Kozubenko IS. Possibilities of satellite data usage in agricultural insurances. RUDN Journal of Agronomy and Animal Industries. 2018; 13(4):336-343. doi: 10.22363/2312-797X-2018-13-4-336-343
  4. Bindraban PS, Dimkpa C, Nagarajan L, Roy A, Rabbinge R. Revisiting fertilizers and fertilization strategies for improved nutrient uptake by plants. Biology and Fertility of Soils. 2015; 51:897-911. doi: 10.1007/ s00374-015-1039-7
  5. OECD/FAO. OECD-FAO Agricultural Outlook 2021-2030. Paris, France: OECD Publishing; 2021. doi: 10.1787/19428846-en
  6. WFP Evaluation. WFP Evaluation Communications and Knowledge Management Strategy (2021-2026). Available from: https://docs.wfp.org/api/documents/WFP-0000128399/download/?_ga=2.267109641.664769273.1626092810-432516319.1626092810&_gac=1.224919144.1626092810.Cj0KCQjw0K-HBhDDARIsAFJ6UGiNZbBpPz4sh8mGodTBzmJiWKGy8qMHAnQyzwrrHyGgY5jLX1byW78aArdLEALw_wcB [Accessed 12 May 2022].
  7. FAO. Special Report- 2020 FAO/WFP Crop and Food Security Assessment Mission (CFSAM) to the Republic of South Sudan. FAO. Report number: 3/2021. doi: 10.4060/cb4498en
  8. Atzberger C. Advances in remote sensing of agriculture: context description, existing operational monitoring systems and major information needs. Remote Sensing. 2013; 5:949-981. doi: 10.3390/rs5020949
  9. Rembold F, Atzberger C, Savin I, Rojas O. Using low resolution satellite imagery for yield prediction and yield anomaly detection. Remote Sens. 2013; 5:1704-1733. doi: 10.3390/rs5041704
  10. Wu B, Meng J, Li Q, Yan N, Du X, Zhang M. Remote sensing-based global crop monitoring: Experiences with China’s CropWatch system. International Journal of Digital Earth. 2014; 7(2):113-137. doi: 10.1080/17538947.2013.821185.
  11. Ennouri K, Kallel A. Remote Sensing: An Advanced Technique for Crop Condition Assessment. Mathematical Problems in Engineering. 2019; 9404565. doi: 10.1155/2019/9404565
  12. Xue J, Su B. Signifi Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. 2017; 1353691. doi: 10.1155/2017/1353691
  13. Zhang Y, Chipanshi A, Daneshfar B, Koiter L, Champagne C, Davidson A, et al. Effect of using crop specific masks on earth observation based crop yield forecasting across Canada. Remote Sensing Applications: Society and Environment. 2019; 13:121-137. doi: 10.1016/j.rsase.2018.10.002
  14. Miloserdov VV, Bespakhotny GV. Regional’noe planirovanie razvitiya sel’skogo khozyaistva [Regional planning of agricultural development]. Moscow: Ekonomika publ.; 1982. (In Russ.).
  15. Polyanskaya NA, Polyansky MV. Influence of climatic variations on manufacture of grain in the Russian Federation. Modern Problems of Science and Education. 2014; (5):383. (In Russ.).
  16. Federal State Statistics Service. Official Statistics. Available from: https://rosstat.gov.ru/folder/10705 [Accessed 12 May 2022]. (In Russ.).
  17. Earth Engine Data Catalog. FAO GAUL: Global Administrative Unit Layers 2015, Second-Level Administrative Units. Available from: https://developers.google.com/earth-engine/datasets/catalog/FAO_ GAUL_2015_level2 [Accessed 12 May 2022].
  18. Savin IY, Stolbovoy VS, Avetyan SA, Shishkonakova EA. Map of plowed soils of Russia. Dokuchaev Soil Bulletin. 2018; (94):38-56. doi: 10.19047/0136-1694-2018-94-38-56
  19. Ministry of Agriculture of the Russian Federation. Dokuchaev Soil Science Institute. Unique state registry of soil resources of Russia. Version 1.0. Collective monograph. Moscow; 2019. http://egrpr.esoil.ru Единый государственный реестр почвенных ресурсов России. Версия 1.0. Коллективная монография. Москва; 2019. http://egprr.esoil.ru
  20. FAO. A framework for land evaluation. FAO Soils bulletin 32. Rome: FAO; 1976.
  21. Ivanov AL, Savin IY, Egorov AV. Methodology of land resources assessment for agricultural production in Russia (at the example of hop cultivation). Dokuchaev Soil Bulletin. 2014; (73):29-94. (In Russ.). doi: 10.19047/0136-1694-2014-73-29-94
  22. Niklyaev VS. (ed.) Osnovy tekhnologii sel’skokhozyaistvennogo proizvodstva. Zemledelie i rastenievodstvo [Fundamentals of agricultural production technology. Farming and crop production]. Moscow: Bylina publ.; 2000. (In Russ.).
  23. University of Twente. Integrated Land and Water Information System (ILWIS). Available from: https://www.itc.nl/ilwis/ [Accessed 12 May 2022].
  24. Saraikin VA. Economic and structural changes in agricultural production in Russia for the period 2006-2016 (According to agricultural censuses). Economy of agricultural and processing enterprises. 2021; (1):16-23. (In Russ.). doi: 10.31442/0235-2494-2021-0-1-16-23
  25. Ivanov AL, Savin IY, Stolbovoy VS. The resource potential of Russian lands for crop farming. Doklady Akademii Nauk. 2017; 473(1):346-349. (In Russ.). doi: 10.7868/S 0869565217080175
  26. Tolpin VA, Balashov IV, Lupyan EA, Savin IY. «VEGA» Satellite-based service. Earth from Space. 2011; (9):32-37.
  27. Perez-Hoyos A, Rembold F, Kerdiles H, Gallego J. Comparison of global land cover datasets for cropland monitoring. Remote Sensing. 2017; 9(11):1118. doi: 10.3390/rs9111118
  28. Royer A, Genovese G. (eds.) Methodology of the MARS Crop Yield Forecasting System. Vol.3. Remote Sensing Information, Data Processing and Analysis. Luxembourg: OPOCE; 2004.
  29. Ozdogan M. The spatial distribution of crop types from MODIS data: Temporal unmixing using Independent Component Analysis. Remote Sensing of Environment. 2010; 114(6):1190-1204. doi: 10.1016/j. rse.2010.01.006
  30. You L, Wood S, Wood-Sichra U. Generating plausible crop distribution maps for Sub-Saharan Africa using a spatially disaggregated data fusion and optimization approach. Agricultural Systems. 2009; 99(2-3):126-140. doi: 10.1016/j.agsy.2008.11.003
  31. You L, Wood S. An entropy approach to spatial disaggregation of agricultural production. Agricultural Systems. 2006; 90(1-3):329-347. doi: 10.1016/j.agsy.2006.01.008
  32. Savin IY, Vernyuk YI, Isaev VA. Operative satellite monitoring of crops. Vestnik of the Russian agricultural science. 2014; (1):22-23. (In Russ.).

补充文件

附件文件
动作
1. JATS XML
下载


Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».