- •Введение
- •Сельскохозяйственные задачи, решаемые с помощью данных дистанционного зондирования
- •Использование вегетационных индексов
- •Прогноз урожайности
- •Определение состава сельскохозяйственных культур
- •Использование радиолокационных данных
- •Обзор сервисов космического мониторинга – Cropio, Вега
- •Сервис Вега Про
- •Заключение
- •Список источников
- •Государственная информационная система мониторинга земель сельскохозяйственного назначения Краснодарского края
Прогноз урожайности
Прогнозная оценка урожайности текущего сезона строится на основе сравнения с релевантными параметрами прошлых лет (NDVI, температура, осадки, солнечная радиация) и исторических данных по урожайности, полученных из статистических источников. [8]
В статье [9] освещен прогноз урожая риса с использованием радиолокационной информации.
Точная и своевременная информация о росте риса и прогнозе его урожайности помогает правительствам и другие заинтересованным сторонам проводить экономическую политику, предвидеть и координировать усилия по оказанию помощи в случае природной катастрофы, и обеспечивает основу для страхового решение оценки рисков потери урожая из риса. Это стало возможным благодаря использованию радиолокатора с синтезированной апертурой в сочетании с технологиями моделирования урожая.
Технология прогноза урожая риса включает два ключевых модуля: MAPscale-Rice и ORYZA2000. Первый позволяет преобразовать спутниковые радиолокационные данные в такие продукты как площадь под рисом, начало сезона, фенологическая фаза, листовой индекс LAI. Второй модуль позволяет по этим данным получать непосредственно оценку урожая.
Индекс листовой поверхности (leaf area index, LAI) определяется как общее покрытие земельного участка одной стороной поверхности листьев. LAI сильно связан с такими процессами как суммарное испарение, затенение почвы, фотосинтез, опад листьев и др. Полученное с помощью ДДЗ значение LAI позволяет моделировать эти процессы. LAI очень важен для оценки урожайности. Для зерновых приводится следующее соотношение
Урожай (кг/га)=1571,2*ln(LAI)+2033,6 [7]
Рис. 3. Схема обработки данных для оценки урожая
В среднем достигнутая точность прогнозных данных по сравнению с фактическими составила 85% или 702 кг/га.
Применение моделей биологической продуктивности растений в сочетании с космическими радиолокационными снимками среднего пространственного разрешения позволяет достоверно оценивать валовые сборы основных зерновых культур на региональном уровне в Западной Сибири [2].
Определение состава сельскохозяйственных культур
Дешифрирования сельскохозяйственных угодий имеет свои особенности. Одним из основных свойств сельскохозяйственных объектов является их быстрая сезонная физиономическая изменчивость. Каждое растение в течение вегетационного периода проходит несколько фаз развития. Фенологическое развитие сельскохозяйственных культур приводит к существенным изменениям их отражательной способности. Ход её изменения у разных растений различен и является надежным дешифровочным признаком. Поэтому применение снимков, полученных в разные сроки, позволяет разделить культуры, физиономически сходные на одинаковой стадии развития (и поэтому не разделяющиеся на одном снимке), но имеющие разные сроки прохождения фаз развития.
Для разделения культур на группы, играющие различную роль в севооборотах (непропашные колосовые, пропашные, многолетние травы и т. д.) необходимо проведение съемки несколько раз в период вегетации: весной, летом, осенью. Ранние осенние снимки позволяют убранные озимые и яровые зерновые колосовые отделить от пропашных, находящихся ещё в различных фазах вегетации. Сочетание весенних и осенних снимков дает возможность определить долю чистых паров, ранневесенние снимки – разделить озимые и яровые культуры. Чистые пары на летних снимках любого срока изображаются как голая почва. [5].
Занятые пары на весенних и раннелетних снимках изображаются также, как и поля под сельскохозяйственными культурами, а за месяц до посева озимых культур их распахивают и они изображаются на позднелетних снимках как обнаженная почва. На осенних снимках на них видны восходы озимых культур. Поля под зяблевой вспашкой на позднелетних и осенних снимках изображаются как голая почва.
Чтобы определить состав сельскохозяйственных культур обычно проводят классификацию [10]. Она может быть контролируемой, то есть с обучающей выборкой или неконтролируемой без неё. Методы классификации зависят от данных. Разработаны специальные методы для упрощения многозональных снимков, классификации гиперспектральных снимков, полнополяризационных радиолокационных данных. Используют даже марковские модели.
