Міське сільське господарство — як складова концепції енергоефективної громади

Автор(и)

  • Наталія Анатоліївна Пасічник Національний університет біоресурсів і природокористування МОН України, Ukraine https://orcid.org/0000-0002-2120-1552
  • Олександр Григорович Тараріко Інститут агроекології і природокористування НААН, Ukraine https://orcid.org/0000-0002-5132-0157
  • Надія Олександрівна Ясінська Президія Національної академії аграрних наук України, Ukraine https://orcid.org/0000-0001-8100-019X
  • Олексій Олександрович Опришко Національний університет біоресурсів і природокористування МОН України, Ukraine https://orcid.org/0000-0001-6433-3566

DOI:

https://doi.org/10.33730/2077-4893.1.2022.255191

Ключові слова:

фітомаса міста, кількість фітомаси, дистанційний моніторинг

Анотація

Для населення урбанізованих територій критично важливими стають питання якості та різноманітності доступних харчових продуктів, екологічної безпеки та гарантій сталого енергозабезпечення. Частина урбанізованих територій не може використовуватись безпосередньо для виробництва харчових продуктів з екологічних причин, проте цілком придатна для виробництва енергії з біомаси. Для створення стратегій переробки органічної біомаси з міських насаджень парків та скверів потрібно визначитись з інструментарієм для отримання та інтерпретації даних щодо наявної та перспективної кількості біомаси в містах, що і становило мету нашої роботи. Дослідження за допомогою безпілотних засобів здійснювали в ботанічному саду Національного університету біоресурсів і природокористування України, з використанням мультиспектральної сенсорної системи Slantrange 3Р з платформи БПЛА промислового типу. Дослідження скверів та газонів міста проводили з використанням архіву супутникових знімків у видимому діапазоні високої роздільної здатності — 0,5 м/піксель — та спеціалізованого сервісу аграрного призначення EO Browser із роздільною здатністю знімків у 10 м/піксель. Моніторинг парку з використанням комплексу Slantrange 3Р, із спеціалізованим програмним забезпеченням SlantView, дав змогу ідентифікувати крони дерев та трав’яне покриття, водночас розрізнити ліани не вдалося. Найкращі результати ідентифікації для комплексу Slantrange було отримано для червоного та інфрачервоного каналів вимірювання. За використання даних супутникового моніторингу відмічена можливість ідентифікації біомаси дерев та кущів відбувається в умовах посухи, коли трава на газонах страждає більше, ніж дерева і кущі, очевидно, завдяки розвиненій кореневій системі. Відмічено, що супутникова зйомка зазвичай здійснюється під різними кутами і, відповідно, фіксуються як дахи, так і частково стіни будівель, а відповідно, саме така зйомка є більш придатною для оцінки біомаси перспективного вертикального озеленення за допомогою ліан.

Біографії авторів

Наталія Анатоліївна Пасічник, Національний університет біоресурсів і природокористування МОН України

кандидат сільськогосподарських наук, доцент

Олександр Григорович Тараріко, Інститут агроекології і природокористування НААН

доктор сільськогосподарських наук, професор, академік НААН

Надія Олександрівна Ясінська, Президія Національної академії аграрних наук України

кандидат сільськогосподарських наук

Олексій Олександрович Опришко, Національний університет біоресурсів і природокористування МОН України

кандидат технічних наук, доцент

Посилання

Drebot, O.I., Bendasiuk, O.O., Vysochanska, M.Ya. & Shchavinska, A.L. (2021). Kontseptualni aspekty pidvyshchennia enerhoefektyvnosti ahropromyslovoho kompleksu v umovakh staloho rozvytku [Conceptual aspects of improving the energy efficiency of agricultural complex in conditions of sustainable development]. Ahroekolohichnyi zhurnal — Agroecological journal, 1, 182–188. DOI: https://doi.org/10.33730/2077-4893.1.2021.227257 [in Ukrainian].

Poulsen, M.N., McNab, P.R., Clayton, M.L. & Neff, R.A. (2015). A systematic review of urban agriculture and food security impacts in low-income countries. Food Policy, 55, 131–146. DOI: https://doi.org/10.1016/j.foodpol.2015.07.002 [in English].

Appolloni, E et al. (2021). The global rise of urban rooftop agriculture: A review of worldwide cases. Journal of Cleaner Production, 296, 126556. DOI: https://doi.org/10.1016/j.jclepro.2021.126556 [in English].

Dudnyk, A. et al. (2019). Intelligent control system of biotechnological objects with fuzzy controller and noise filtration unit. International Scientific-Practical Conference on Problems of Info communications Science and Technology (PIC S&T) (рр. 586–590). Kharkiv. Ukraine. DOI: http://doi.org/10.1109/INFOCOMMST.2018.8632007 [in English].

Lysenko, V., Bolbot, I. & Lendel, T. (2019). Enerhoefektyvna systema keruvannia elektrotekhnolohichnym kompleksom promyslovykh teplyts [Energy efficient system of electrotechnological complex control in industrial greenhouse]. Technical Electrodynamics, 2, 78–81. DOI: http://doi.org/10.15407/techned2019.02.078 [in Ukrainian].

Joimel, S. et al. (2016). Physico-chemical characteristics of topsoil for contrasted forest, agricultural, urban and industrial land uses in France. The Science of The Total Environment, 545–546, 40–47. DOI: https://doi.org/10.1016/j.scitotenv.2015.12.035 [in English].

Enzai, Du et al. (2022). Anthropogenic and climatic shaping of soil nitrogen properties across urbanrural-natural forests in the Beijing metropolitan region. Geoderma, 406, 115524. DOI: https://doi.org/10.1016/j.geoderma.2021.115524 [in English].

Katsevych, V.V. (2020). Ahroekolohichni osoblyvosti mikromorfolohii tekhnozemiv [Agroecological features of technozems micromorphology]. Ahroekolohichnyi zhurnal — Agroecological journal, 4, 38–46. DOI: https://doi.org/10.33730/2077-4893.4.2020.219444 [in Ukrainian].

Shahsavar M.M. et al. (2021). Constructing a smart framework for supplying the biogas energy in green buildings using an integration of response surface methodology, artificial intelligence and petri net modelling. Energy Conversion and Management, 248, 114794. DOI: https://doi.org/10.1016/j.enconman.2021.114794 [in English].

Keyu, Bao et al. (2022). Bottom-up assessment of local agriculture, forestry and urban waste potentials towards energy autonomy of isolated regions: Example of Réunion. Energy for Sustainable Development, 66, 125–139. DOI: https://doi.org/10.1016/j.esd.2021.12.002 [in English].

Clauser, N.M., Felissia, F.E., Area, M.C. & Vallejos, M.E. (2021). A framework for the design and analysis of integrated multi-product biorefineries from agricultural and forestry wastes. Renewable and Sustainable Energy Reviews, 139, 110687. DOI: https://doi.org/10.1016/j.rser.2020.110687 [in English].

Zablodsky, M.M., Klendiy, P.B. & Klendiy, G.Y. (2020). Vplyv podribnennia solomy na intensyvnist vykhodu biohazu [Effect of chopping straw on the intensity of biogas output]. Enerhetyka i avtomatyka — Energy and Automation, 6, 5–14. DOI: http://dx.doi.org/10.31548/energiya2020.06.005 [in Ukrainian].

Jie, Ma et al. (2021). Spatial variation analysis of urban forest vegetation carbon storage and sequestration in built-up areas of Beijing based on i-Tree Eco and Kriging. Urban Forestry and Urban Greening, 66, 127413. DOI: https://doi.org/10.1016/j.ufug.2021.127413 [in English].

Lysenko, V. et al. (2020). Phytomonitoring in the phytometrics of the plants. E3S Web of Conferences, 154, 07012. DOI: http://doi.org/10.1051/e3sconf/202015407012 [in English].

Zięba-Kulawik, K. et al. (2021). Monitoring of urban forests using 3D spatial indices based on LiDAR point clouds and voxel approach. Urban Forestry and Urban Greening, 65, 127324. DOI: https://doi.org/10.1016/j.ufug.2021.127324 [in English].

Jayathunga, S., Owari, T. & Tsuyuki, S. (2018). The use of fixed–wing UAV photogrammetry with LiDAR DTM to estimate merchantable volume and carbon stock in living biomass over a mixed conifer–broadleaf forest. International Journal of Applied Earth Observation and Geoinformation, 73, 767–777. DOI: https://doi.org/10.1016/j.jag.2018.08.017 [in English].

Alvarez-Vanhard, E., Corpetti, T. & Houet, T. (2021). UAV & satellite synergies for optical remote sensing applications: A literature review. Science of Remote Sensing, 3, 100019. DOI: https://doi.org/10.1016/j.srs.2021.100019 [in English].

Pasichnyk, N. et al. (2021). Technologies for Environmental Monitoring of the City. 2021 IEEE 16th International Conference on the Experience of Designing and Application of CAD Systems (CADSM) (pp. 40–43). Lviv. Ukraine. DOI: http://doi.org/10.1109/CADSM52681.2021.9385213 [in English].

Mahdianpari, M. et al. (2021). Smart solutions for smart cities: Urban wetland mapping using very-high resolution satellite imagery and airborne LiDAR data in the City of St. John’s, NL, Canada. Journal Environ Manage, 280, 111676. DOI: https://doi.org/10.1016/j.jenvman.2020.111676 [in English].

Adamu, B. et al. (2021). Evaluating the accuracy of spectral indices from Sentinel-2 data for estimating forest biomass in urban areas of the tropical savanna. Remote Sensing Applications: Society and Environment, 22, 100484. DOI: https://doi.org/10.1016/j.rsase.2021.100484 [in English].

Magre, J.M. et al. (2019). How urban green management is influencing passerine birds’ nesting in the Mediterranean: A case study in a Catalan city. Urban Forestry and Urban Greening, 41, 221–229. DOI: https://doi.org/10.1016/j.ufug.2019.03.012 [in English].

Gao, Zю (2021). Drivers of spontaneous plant richness patterns in urban green space within a biodiversity hotspot. Urban Forestry and Urban Greening, 61, 127098. DOI: https://doi.org/10.1016/j.ufug.2021.127098 [in English].

Dolia, M. et al. (2019). Information Technology for Remote Evaluation of after Effects of Residues of Herbicides on Winter Crop Rape. 3rd International Conference on Advanced Information and Communications Technologies (AICT) (pp. 469–473). Lviv. Ukraine. DOI: https://doi.org/10.1109/AIACT.2019.8847850 [in English].

Yaokai, L., Xihan, M., Haoxing, W. & Guangjian, Y. (2012). A novel method for extracting green fractional vegetation cover fromdigital images. Journal of Vegetation Science, 23, 406–418. DOI: https://doi.org/10.2307/23251074 [in English].

Run, Y. et al. (2021). Early detection of pine wilt disease using deep learning algorithms and UAV-based multispectral imagery. Forest Ecology and Management, 497, 119493. DOI: https://doi.org/10.1016/j.foreco.2021.119493 [in English].

##submission.downloads##

Опубліковано

2022-02-14

Номер

Розділ

Статті