Use of ICE index for satellite monitoring of irrigation massifs and land condition

Cover Page

Cite item

Full Text

Abstract

Background. Globally, about half of the world's crops are cultivated under irrigation, which affects the climate of the fields and can also increase the comfort of the environment for humans. The development of satellite technologies has opened up opportunities for rapid and low-cost monitoring of the Irrigation Cooling Effect (ICE). This area of research is in its infancy, which predetermines the relevance of identifying the current trend of its development.
Purpose. To analyze scientific literature in the field of ICE satellite index use for irrigated lands monitoring, to identify main directions of development and research centers.
Materials and methods. Information from the Scopus and RSCI databases was used as the main source of information. The case study demonstrates the relationship between ICE and NDVI for the XUAR irrigated area in the PRC.
Results. Analysis of primary literature sources has shown that at present ICE is used mainly to assess the cooling effect of irrigated crop and its water consumption, the cooling effect of urban vegetation, and to assess the impact of land cover change on local and regional climate. The main research centers are scientific organizations of China and the USA, which is confirmed by the number of scientific publications and amount of their citations. A promising direction is the use of ICE for operational satellite monitoring of crops (including rain-fed crops).
Conclusion. Thus, ICE can be regarded as a useful complement to the NDVI index commonly used in satellite crop monitoring, which causes the increasing use of this index in the world, especially for irrigated land monitoring.

About the authors

Igor Yu. Savin

Federal Research Center “V.V. Dokuchaev Soil Science Institute”

Email: savin_iyu@esoil.ru
ORCID iD: 0000-0002-8739-5441
SPIN-code: 5132-0631
Scopus Author ID: 7003650252
ResearcherId: H-8117-2013

Academician of RAS, Dr. Sc. (Agriculture), Chief Researcher

Russian Federation, 7, bld.2, Pyzhevsry per., Moscow, 119017, Russian Federation

Alexey G. Terekhov

Institute of Information and Computing Technologies, Ministry of Education and Science of the Republic of Kazakhstan

Email: info@ipic.kz
ORCID iD: 0000-0003-3209-1333
SPIN-code: 7929-1104
ResearcherId: V-4393-2017

Dr. Sc. (Technical), Chief Researcher

 

Kazakhstan, 125, Pushkin Str., Almaty, 050010, Kazakhstan

Ravil I. Mukhamedie

K.I. Satpayev Kazakh Research Technical University
Almaty, 050000, Kazakhstan

Author for correspondence.
Email: r.mukhamediev@satbayev.university
ORCID iD: 0000-0002-3727-043X
SPIN-code: 9847-9470
ResearcherId: X-1461-2019

Dr. Sc. (Technical), Professor

Kazakhstan, 22, Satpayev Str., 22, Almaty, 050043, Kazakhstan

References

  1. Abaev, N. N., Sagatdinova, G. N., Maglinets, Yu. A., Amirgaliiev, E. N., Savin, I. Yu., & Terekhov, A. G. (2023). Satellite monitoring of winter leaching of arable land from secondary salinization on the example of the "Golodnaya Steppe" irrigation area (Kazakhstan). Current Problems of Remote Sensing of the Earth from Space, 20(3), 152-163. https://doi.org/10.21046/2070-7401-2023-20-3-152-163 EDN: https://elibrary.ru/GWEJTE
  2. Savin, I. Yu. (2020). Spatial aspects of applied soil science. Bulletin of the V.V. Dokuchaev Soil Institute, 101, 5-18. https://doi.org/10.19047/0136-1694-2020-101-5-18 EDN: https://elibrary.ru/XOVGZT
  3. Skvortsov, A. A. (1964). Irrigation of agricultural fields and microclimate. Leningrad: GIMIZ. 277 p.
  4. Terekhov, A. G. (2020). Satellite diagnostics of changes in agricultural water supply of the Xinjiang Uygur Autonomous Region of the PRC based on the surface cooling effect of irrigated farmland based on data from 2002 to 2019. Current Problems of Remote Sensing of the Earth from Space, 17(7), 131-141. https://doi.org/10.21046/2070-7401-2020-17-7-131-141 EDN: https://elibrary.ru/MTQRDA
  5. Terekhov, A. G., Abaev, N. N., & Maglinets, Yu. A. (2021). Satellite monitoring of the state of the Amu Darya oases during the period from 2003 to 2020 based on the analysis of the cooling effect of the territories as a result of their irrigation. Current Problems of Remote Sensing of the Earth from Space, 18(5), 123-132. https://doi.org/10.21046/2070-7401-2021-18-5-123-132 EDN: https://elibrary.ru/VVWEGH
  6. Akinyemi, F. O., Ikanyeng, M., & Muro, J. (2019). Land cover change effects on land surface temperature trends in an African urbanizing dryland region. City and Environment Interactions, 4, 100029. https://doi.org/10.1016/j.cacint.2020.100029 EDN: https://elibrary.ru/QDKYQU
  7. Albaladejo-García, J. A., Alcon, F., & Martínez-Paz, J. M. (2020). The Irrigation Cooling Effect as a Climate Regulation Service of Agroecosystems. Water, 12, 1553. https://doi.org/10.3390/w12061553 EDN: https://elibrary.ru/DZTZTW
  8. Allen, M. A., Roberts, D. A., & McFadden, J. P. (2021). Reduced urban green cover and daytime cooling capacity during the 2012-2016 California drought. Urban Climate, 36, 100768. https://doi.org/10.1016/j.uclim.2020.100768 EDN: https://elibrary.ru/RRXUZZ
  9. Asrar, G., Fuchs, M., Kanemasu, E. T., & Hatfield, J. L. (1984). Estimating Absorbed Photosynthetic Radiation and Leaf Area Index from Spectral Reflectance in Wheat. Agron. J., 76, 300-306. https://doi.org/10.2134/agronj1984.00021962007600020029x
  10. Batchelor, C., Hoogeveen, J., Faurès, J. M., & Peiser, L. (2016). Water accounting and auditing - A sourcebook. FAO WATER REPORTS 43. Rome: FAO, 232 p.
  11. Chen, P. Y., Fedosejevs, G., Tiscareño-LóPez, M., & Arnold, J. G. (2006). Assessment of MODIS-EVI, MODIS-NDVI and VEGETATION-NDVI Composite Data Using Agricultural Measurements: An Example at Corn Fields in Western Mexico. Environ Monit Assess, 119, 69-82. https://doi.org/10.1007/s10661-005-9006-7 EDN: https://elibrary.ru/ITUORM
  12. Coleman, R. W., Stavros, N., Hulley, G., & Parazoo, N. (2020). Comparison of thermal infrared-derived maps of irrigated and non-irrigated vegetation in urban and non-urban areas of southern California. Remote Sensing, 12(24), 4102. https://doi.org/10.3390/rs12244102 EDN: https://elibrary.ru/VGPQQE
  13. Döll, P. (2009). Vulnerability to the impact of climate change on renewable groundwater resources: A global-scale assessment. Environ. Res. Lett., 4, 035006. https://doi.org/10.1088/1748-9326/4/3/035006 EDN: https://elibrary.ru/OMQJVH
  14. Dong, J., Pang, Z., Lin, S., Zhang, X., Xie, Z., Ren, P., Zhang, X., & Yuan, W. (2024). Cotton lands induced cooling effect on land surface temperature in Xinjiang, China. Agricultural and Forest Meteorology, 351, 110004. https://doi.org/10.1016/j.agrformet.2024.110004 EDN: https://elibrary.ru/BAUECQ
  15. Fischer, G., van Velthuizen, H. T., Shah, M. M., & Nachtergaele, F. O. (2002). Global Agroecological Assessment for Agriculture in the 21st Century: Methodology and Results. IIASA Research Report. IIASA, Laxenburg, Austria: RR-02-02, 155 p.
  16. Gao, K., Santamouris, M., & Feng, J. (2020). On the cooling potential of irrigation to mitigate urban heat island. Sci. Total Environ., 740, 139754. https://doi.org/10.1016/j.scitotenv.2020.139754 EDN: https://elibrary.ru/IYNCII
  17. Hou, M., Tian, F., Zhang, T., & Huang, M. (2019). Evaluation of canopy temperature depression, transpiration, and canopy greenness in relation to yield of soybean at reproductive stage based on remote sensing imagery. Agric. Water Manag., 222, 182-192. https://doi.org/10.1016/j.agwat.2019.06.005
  18. Hou, M., Zhao, L., & Lin, A. (2023). Irrigation Cooling Effect on Local Temperatures in the North China Plain Based on an Improved Detection Method. Remote Sens., 15, 4571. https://doi.org/10.3390/rs15184571 EDN: https://elibrary.ru/NYVFOZ
  19. Kucera, D., & Jenerette, G. D. (2023). Urban greenness and its cooling effects are influenced by changes in drought, physiography, and socio-demographics in Los Angeles, CA. Urban Climate, 52, 101743. https://doi.org/10.1016/j.uclim.2023.101743 EDN: https://elibrary.ru/PKGLZP
  20. Kueppers, L. M., Snyder, M. A., & Sloan, L. C. (2007). Irrigation cooling effect: Regional climate forcing by land-use change. Geophys. Res. Lett., 34, L03703. https://doi.org/10.1029/2006GL028679
  21. Lawston, P. M., Santanello, J. A., Jr., Hanson, B., & Arsensault, K. (2020). Impacts of irrigation on summertime temperatures in the pacific northwest. Earth Interactions, 24(1), 1. https://doi.org/10.1175/ei-d-19-0015.1 EDN: https://elibrary.ru/BQTKUO
  22. Li, D., Chen, Y., Hu, T., Cui, Y., Luo, Y., Luo, H., & Meng, Q. (2020). Climate changes in the Lhasa River basin, Tibetan Plateau: Irrigation induced cooling along with a warming trend. Theor. Appl. Climatol., 140, 1043-1054. https://doi.org/10.1007/s00704-020-03146-y EDN: https://elibrary.ru/MLEQAS
  23. Li, M. (2024). Research on the effects of extreme heat exposure on human health. Theoretical and Natural Science, 29, 194-199. https://doi.org/10.54254/2753-8818/29/20240777 EDN: https://elibrary.ru/BQKVKA
  24. Li, Y., Guan, K., Peng, B., Franz, T. E., Wardlow, B., & Pan, M. (2020). Quantifying irrigation cooling benefits to maize yield in the US Midwest. Global Change Biology, 26(5), 3065-3078. https://doi.org/10.1111/gcb.15002 EDN: https://elibrary.ru/UQBZXM
  25. Li, Z.-L., Wu, H., Duan, S.-B., Zhao, W., Ren, H., Liu, X., Leng, P., Tang, R., Ye, X., Zhu, J., Sun, Y., Si, S., Liu, M., Li, J., Zhang, X., Shang, G., Tang, B.-H., Yan, G., & Zhou, C. (2022). Satellite Remote Sensing of Global Land Surface Temperature: Definition, Methods, Products, and Applications. Reviews of Geophysics., 61, e2022RG000777. https://doi.org/10.1029/2022RG000777 EDN: https://elibrary.ru/YASDOG
  26. Lin, Y., Li, X., Zhang, T., Chao, N., Yu, J., Cai, J., & Sneeuw, N. (2020). Water Volume Variations Estimation and Analysis Using Multisource Satellite Data: A Case Study of Lake Victoria. Remote Sensing, 12(18), 3052. https://doi.org/10.3390/rs12183052 EDN: https://elibrary.ru/OYXBLN
  27. Liu, J., Jin, J., & Niu, G.-Y. (2021). Effects of Irrigation on Seasonal and Annual Temperature and Precipitation over China Simulated by the WRF Model. Journal of Geophysical Research: Atmospheres, 126(10), e2020JD034222. https://doi.org/10.1029/2020jd034222 EDN: https://elibrary.ru/CKHLTN
  28. Liu, N., Zhao, X., Zhang, X., Zhao, J., Wang, H., & Wu, D. (2023). Remotely sensed evidence of the divergent climate impacts of wind farms on croplands and grasslands. Science of the Total Environment, 905, 167203. https://doi.org/10.1016/j.scitotenv.2023.167203 EDN: https://elibrary.ru/WMEXBO
  29. Lobell, D. B., Bonfils, C. J., Kueppers, L. M., & Snyder, M. A. (2008). Irrigation cooling effect on temperature and heat index extremes. Geophys. Res. Lett., 35, L09705. https://doi.org/10.1029/2008GL034145 EDN: https://elibrary.ru/MEZNKF

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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».