Hidrológiai Közlöny, 2019 (99. évfolyam)
2019 / 4. szám
67 Nagy A. és társai: Mezőgazdasági aszály monitoring és aszály előrejelzés távérzékelt adatok alapján a Tisza vízgyűjtőn KÖVETKEZTETÉSEK A MODIS NDVI idősoros adatok, földhasználati és domborzat modellek termésadatokkal történő kalibrációjával új, távérzékelésre alapozott mezőgazdasági aszálymonitoring és termésveszteség becslő módszert fejlesztettünk ki, amellyel a betakarítás előtt 4-6 héttel elörejelezhető a búza és a kukorica lehetséges termésveszteségei. Az aszályok hatása a mezőgazdaságrajóval az aratási idő előtt meghatározhatóak, amely a közép-kelet-európai régióban az érdekelt feleknek kritikus az élelmezés biztonságot és kereskedelmet illetően. A mezőgazdasági aszálymonitoring és termés veszteség becslő módszer hozzájárulhat az aszállyal leginkább sújtott területek térbeli lehatárolásához elősegítve a beavatkozási lehetőségek pontosabb tervezését. Az aszály következményeként kialakuló lehetséges várható termés mennyiség csökkenésből eredő készletbizonytalanság hatásinak mérséklésére irányuló döntések előkészítésében is szerepet játszhat azáltal, hogy egyes területekre vonatkoztatva is számítható a lehetséges termésveszteség mértéke. Emellett az Országos Vízügyi Főigazgatóság által kidolgozott Operatív aszály- és vízhiánykezelő monitoring rendszert (Fiala és társai 2018) egészítheti ki, amely javítaná annak mezőgazdasági alkalmazhatóságát különösen, mivel a termésveszteség összekapcsolaható a tőzsdealapú aktuális árindexálással is (Tamás és társai 2015a). Ez egyben megoldás lenne a napjainkban folyamatosan vitatott öntözési beavatkozások megtérülési viszonyaira. A kutatásaink további tervezett iránya a talajtani adatok leskálázása, ezzel a VGT felszíni vízgyűjtőinek és a mezőgazdasági tábláknak (elsősorban a precíziós mezőgazdasági termelőket bevonva) valós idejű hidrológiai kapcsolatrendszerének kialakítása, amelyben a GINOP-2.3.3-15-2016-00028 számú Nemzetközi területi vízgazdálkodási és klíma adaptációs műszerközpont létrehozása című projekt nemzetközi színvonalú infrastruktúrát biztosít, és ehhez várjuk a téma iránt érdeklődő kutatókat közös munkára. KÖSZÖNETNYILVÁNÍTÁS A kutatást a GWP CEE és a WMO Közös Integrált Aszálymenedzsment Programja, valamint a TÁMOP 4.2.4. A/2- 11-1-2012-0001, Nemzeti Kivállóság Programnak” és a Komplex vidékgazdasági és fenntarthatósági fejlesztések kutatása, szolgáltatási hálózatának kidolgozása a Kárpátmedencében című projekt támogatta. Projekt azonosító szám: EFOP-3.6.2-16-2017-00001. IRODALOM Becker-Reshef /., Vermote, E., Lindeman, M, Justice, C. (2010). A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data. Remote Sens. Environ. 114: 1312— 1323. Búzás, F. (2017). 5. A búzatermesztés költség- és jövedelemviszonyai. Őstermelő, 21(5):54-58. Choi, M., Jacobs J.M., Anderson, M.C., Bosch, D.D. (2013). Evaluation of drought indices via remotely sensed data with hydrological variables. Journal of Hydrology, 476: 265-273. Dai, A., Trenberth, K.E., Qian, T. (2004). A Global Dataset of Palmer Drought Severity Index for 1870-2002: Relationship with Soil Moisture and Effects of Surface Warming. Journal of Hydrometeorology 5: 1117-1130. Gallego, J., Carfagna, E., Baruth B. (2010). Accuracy, Objectivity and Efficiency of Remote Sensing for Agricultural Statistics. Agricultural Survey Methods John Wiley & Sons, Ltd., West Sussex, United Kingdom 193-211. Gitelson, A.A., Vina, A., Arkebauer, T.J., Rundquist, D.C., Keydan, G., Leavitt B. (2003). Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophys. Res. Lett. 30: 1248. Gobron, N., Verstraete, M.M. (2009). Fraction of Absorbed Photosynthetically Active Radiation (FAPAR) Global Terrestrial Observing System NRC, Food and Agriculture Organization of the United Nations (FAO) Rome. 14. Fiala, K, Bart a, K, B enyhe, B., Fehérváry, L, Lábdy J., Sipos, Gy., Györffy, L. (2018). Operatív aszály- és vízhiánykezelő monitoring rendszer. Hidrológiai Közlöny 98. évf. 3. szám. pp. 14-24. Lobell, D. B. (2013). The use of satellite data for cop yield gap analysis. Field Crops Research 143: 56-64. Lobell, D. B., Ortiz-Monasterio, J.I., Lee A.S. (2010). Satellite evidence for yield growth opportunities in Northwest India. Field Crops Research 118: 13-20. McKee, T. B., Doesken, N.J., and Kleist, J. (1993). The relationship of drought frequency and duration to time scale. In: Preprints Eighth Conference on Applied Climatology, American Meteorological Society, Anaheim (Ca), 17-22 January 1993. AMS, 179-184. Moulin, S., Bondeau, A., Delecolle, R. (1998). Combining agricultural crop models and satellite observations: from field to regional scales. Int. J. Remote Sens. 19 1021-1036. Nagy, A., Tamás, J. (2013). Non-invasive water stress assessment methods in orchards. Communications in Soil Science and Plant Analysis, 44(01-04): 366-376. Nagy, A., Fehér, J., Tamás, J. (2018): Wheat and maize yield forecasting for the Tisza river catchment using MODIS NDVI time series and reported crop statistics. Computers and electronics in agriculture, 151:41 -49 DOI: 10.1016/j.compag.2018.05.035 Niemeyer, S. (2008). New drought indices. In: López- Francos A. (ed.) Drought management: scientific and technological innovations. Zaragoza: CIHEAM, 2008. p. 267-274. Options Méditerranéennes: Série A. Séminaires Méditerranéens; n. 80. 1. International Conference on Drought Management: Scientific and Technological Innovations, 2008/06/12-14, Zaragoza, Spain Reeves, M. C., Zhao, M., Running, S. W. (2005). Usefulness and limits of MODIS GPP for estimating wheat yield. Int. J. Remote Sens. 26: 1403-1421. Salamon, L., Tell, /., Kacz, K, Hegyi J. (2011). Növénytermesztési ágazatok ökonómiája. Debreceni Egyetem, Nyugat-Magyarországi Egyetem, Pannon Egyetem TÁMOP-4.1.2-08/1/A-2009-0010 projekt 88. Sellers, P. J. (1987). Canopy reflectance, photosynthesis, and transpiration. II. The role of
