Применение данных дистанционного зондирования в задачах сельского хозяйства реферат

Обновлено: 02.07.2024

В настоящее время благодаря современным аэросъемкам и зондированию Земли из космоса стало реальным комплексное познание земной поверхности, прогнозирование природных ресурсов, изучение состояния и изменения окружающей среды и организация мониторинга важнейших природных сред. Применение дешифрирования позволяет составить оперативные карты мониторинга, необходимые для корректировки агротехнических и мелиоративных мероприятий и прогноза урожайности посевов сельскохозяйственных культур.

Ключевые слова

ЗЕМЕЛЬНЫЕ РЕСУРСЫ, АГРОЛАНДШАФТ, ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ, АЭРО И КОСМИЧЕСКИЕ СНИМКИ, СЕЛЬСКОЕ ХОЗЯЙСТВО

Текст научной работы

Методы дистанционного зондирования представляют собой быстродействующие автоматизированные системы сбора и обработки информации о земельных ресурсах. Внедрение этих методов в сельское хозяйство создало новые возможности изучения природно-сельскохозяйственных (агроландшафтных) систем. По материалам дистанционного зондирования можно изучать структуру и динамику агроландшафтных систем, выявлять позитивные и негативные стороны сельскохозяйственного воздействия на природу, решать задачи агроландшафтного мониторинга [1].

Исследования территориальной организации природно-сельскохозяйственных комплексов по аэро- и космическим снимкам направлены на решение задач рационального землеустройства, региональной и локальной дифференциации систем ведения сельского хозяйства, мелиорации земель, проектирования культурных агроландшафтных систем. Агроландшафтные системы — это результат взаимодействия человека и освоенной им природы. Поэтому их следует рассматривать как единую систему взаимосвязи природных компонентов и сельскохозяйственной деятельности. Агроландшафтная система является открытой: она развивается под влиянием природной и социально- экономической среды и поставляет за свои пределы сельскохозяйственную продукцию и другие продукты функционирования.

При управлении такой системой необходимо сохранить ее в границах динамического равновесного состояния, т.е. не нарушить сложившиеся формы, направления и объемы веществом и энергией. Для этого важно соблюдать оптимальные пропорции между различными угодьями (лесными, пахотными, пастбищными), что позволит защитить систему от деградации и разрушения [2]. В последнее время одними из основных методов управления являются регулирование и контроль за состоянием агроландшафтных систем с помощью методов дистанционного зондирования. По аэро- и космическим снимкам можно проанализировать положительные и отрицательные моменты прямых и обратных связей системы и дать оценку оптимальности использования земельных ресурсов на момент съемки. Благодаря дистанционным методам управление становится оперативным и помогает внести корректировку в организацию дальнейшего развития системы.

Дистанционные методы исследования природных ресурсов открыли новый этап в агроландшафтном картографировании. На снимках непосредственно отражаются не только физиономичные природные компоненты или виды сельскохозяйственных угодий, но и агроландшафтные системы в целом. С использованием снимков сроки разработки агроландшафтных карт, особенно в слабоизученных районах, сокращаются в 3-5 раз. Одновременно повышается их надежность и достоверность. Поэтому в настоящее время все методические и практические разработки по изучению агроландшафтных систем должны быть основаны на использовании разнообразных (сканерных, фотографических; многозональных; черно-белых, цветных, синтезированных; аэро- и космических) материалов дистанционного зондирования [3]. При дистанционном агроландшафтном картографировании исходным моментом является составление ландшафтной карты на исследуемую территорию, которая должна быть основана на системном подходе и отражать внутри- и межландшафтные взаимосвязи. Она является центральной в серии карт прикладного содержания и служит основой для построения покомпонентных карт (почвенных, геоботанических и др.). На основании составленных карты и анализа данных сельскохозяйственного использования земель осуществляют агроландшафтное картографирование и агропроизводственную оценку земель. Объектом агроландшафтного картографирования являются агрогеосистемы.

Агроландшафтные системы по своей структуре состоят из двух взаимодействующих блоков (подсистем): природного и сельскохозяйственного. По материалам дистанционного зондирования можно дешифрировать свойства как первого, так и второго блоков системы. Результаты этого двустороннего дешифрирования взаимно дополняют друг друга и дают важный материал для оценки агропроизводственного достоинства земель. Природный блок агроландшафтной системы — это главный носитель ресурсовоспроизводящих и средообразующих функций системы. Его дешифрирование является более трудной задачей по сравнению с распознаванием характеристик сельскохозяйственного блока, так как природные свойства системы, как правило, маскируются результатами сельскохозяйственного производства (особенно на пахотных землях, где естественная растительность замещена культурной).

В аэрокосмическом ландшафтоведении существует особое направление — индикационное (дешифрирование какого-либо скрытого от наблюдателя компонента по другим компонентам — индикационным). В индикационном ландшафтоведении установилось представление о делении компонентов ландшафта из физиономичные (доступные визуальному наблюдению и аэрокосмическому фотографированию) гео- ботанические и геоморфологические особенности систем и трудно- наблюдаемые, скрытые, требующие для своего исследования различных специальных средств и методов: геологические условия, почвенный покров, климат [4]. При дешифрировании природного блока индикация основана на растительных индикаторах. Часто индикатором природного блока служит сельскохозяйственный блок. Сельскохозяйственные преобразования природных комплексов дешифрируются преимущественно с помощью прямых признаков. Наиболее простой задачей является распознавание различных видов сельскохозяйственных угодий. Одним из сложных моментов дешифрирования сельскохозяйственного блока является распознавание различных видов сельскохозяйственных культур и состояния посевов [5]. Наиболее информативными в этом отношении являются многозональные цветные, особенно синтезированные материалы съемок в летний период. Многозональная съемка дает возможность создавать определенные спектральные образы посевов.

Таким образом, дистанционное зондирование дает богатый материал для изучения и оценки природного и сельскохозяйственного блоков агроландшафтных систем. В последнее время для изучения динамических характеристик геосистем в основном стали использовать материалы дистанционного зондирования. При изучении динамики пользуются методом индикационного дешифрирования. Индикаторами динамики являются различные признаки агроландшафтных систем, которые с определенной достоверностью указывают на изменение во времени их состава и структуры. Наибольшей динамической информативностью обладают данные многократной съемки, производимой с метеорологических и ресурсных спутников. Однако даже один космический снимок благодаря большой обзорности может давать ценную информацию о динамических изменениях агроландшафтной системы.

Проблема дешифрирования динамики — одна из главных в агроландшафтном мониторинге. Основной задачей этого мониторинга является получение сведений о деградации сельскохозяйственных земель с целью поиска путей рационального использования земельных ресурсов в сельском хозяйстве в соответствии с требованиями адаптивного земледелия.

Работа содержит 1 файл

Статья_Агропрофи_сокращенная_1.docx

О перспективах использования данных дистанционного зондирования Земли из космоса для решения задач сельского хозяйства

Мышляков Сергей Геннадьевич,

Ведущий специалист по тематической обработке

данных дистанционного зондирования Земли,

Данные дистанционного зондирования Земли (ДЗЗ) находят все более широкое применение для принятия управленческих решений в сельском хозяйстве. К числу наиболее приоритетных и динамично развивающихся сфер применения данных ДЗЗ относятся космический сельскохозяйственный мониторинг, управление сельскохозяйственным землепользованием и агрострахование. Расширяя перечень приоритетных направлений, необходимо отметить ряд задач, которые решаются в сельском хозяйстве с применением данных ДЗЗ. К таковым задачам относятся:

Картографирование сельскохозяйственных угодий и прилегающих территорий, создание опорных планов и атрибутивных баз данных. Создание и актуализация карт сельскохозяйственных земель, в т.ч. неучтенных обрабатываемых земель.
Мониторинг изменения границ посевных площадей.
Мониторинг состояния посевов на основе расчета вегетационных индексов.
Оценка продуктивности сельскохозяйственных культур и прогноз урожайности сельскохозяйственных культур.
Картографирование характеристик почвенного покрова земель сельскохозяйственного назначения, уточнение и обновление существующих почвенных и агрономических карт на основе материалов актуальной космической съемки.
Выявление и картографирование участков деградации земель (рисунок 1).

Планирование и мониторинг агротехнических, противоэрозионных и других мероприятий, связанных с сельскохозяйственным производством.

Во всем мире космические технологии прочно вошли в практику управления сельскохозяйственным производством на разных уровнях администрирования. В нашей стране технологии дистанционного зондирования Земли в сельском хозяйстве только начинают занимать положенную им нишу. Вместе с тем в России уже имеются положительные результаты использования космической съемки в сельском хозяйстве.

Отсутствие в нашей стране зрелых рыночных механизмов в сельском хозяйстве, отсутствие класса фермеров как такового сдерживают интенсивное внедрение космических технологий в аграрный сектор. Производители сельскохозяйственной продукции и руководители администраций в силу ряда причин не могут или не хотят внедрять подобные технологии у себя в хозяйствах. Речь даже не идет о развертывании систем дистанционного мониторинга в области, районе или отдельном хозяйстве, а просто о банальном использовании в своей деятельности пространственной информации, получаемой при помощи удаленных геосервисов сельскохозяйственной направленности.

В то же время необходимо отметить тенденцию, что сегодня практически все работы, так или иначе связанные с космическим сельскохозяйственным мониторингом сопровождаются созданием тематических геоинформационных проектов (созданием тематических ГИС) и тематических геопорталов. Все это способствует публичному доступу сельхозпроизводителей, фермеров и иных лиц, ответственных за принятие решений к актуальным и достоверным данным, всесторонне описывающим аспекты использования сельскохозяйственных земель.

Помимо космической съемки существуют и другие технологии дистанционного зондирования: традиционная аэросъемка, а также съемка с беспилотных летательных аппаратов. Интенсивно развиваются технологии спутникового позиционирования и навигации. Выбор того или иного метода получения информации всецело зависит от поставленной задачи. Однако данные космической съемки обладают рядом специфических преимуществ, выгодно отличающих ее от других технологий. К преимуществам использования технологий ДЗЗ в сельском хозяйстве относятся:

Оперативность. Современные спутниковые снимки могут быть поставлены в кратчайшие сроки (вплоть до суток). При этом они поставляются заказчику в предварительно обработанном виде и не требуют дополнительной обработки для визуального восприятия и дешифрирования. Т.е. сразу после получения их легко можно интегрировать в ГИС. Возможно заранее спланировать съемку на конкретную дату или серию съемок.
Достоверность. Снимки предоставляют нам априорно достоверную информацию, в отличие от противоречивых и не всегда соответствующих действительности данных сельскохозяйственной статистики.
Единообразие. Снимки для мониторинга поступают как правило с одного и того же откалиброванного сенсора. Т.е. для их дешифрирования (в том числе и с применением автоматизированных алгоритмов) не требуется производить каких-либо сложных преобразований, направленных на улучшение их взаимной сопоставимости. Важным моментом является также простота фотограмметрической обработки, по сравнению с данными аэросъемки.
Единовременность и повторяемость. Современные космические съемочные системы высокого и сверхвысокого разрешения могут осуществлять съемку с периодичностью до суток. Так, например космические аппараты RapidEye позволяют ежесуточно снимать любой участок поверхности Земли с разрешением 6,5 м.
Пространственный охват. Ни один другой способ дистанционного получения данных не обеспечивает столь широкого пространственного охвата, сохраняя при этом высокие изобразительные качества.
Решение прикладных задач. Наличие большого количества спутниковых систем, выполняющих съемку в видимых, инфракрасных, тепловых и радиолокационных диапазонах позволяют осуществлять мониторинг многих параметров, таких как всхожесть и созревание культур, тип культур, агротехнические мероприятия, использование земель, подверженность засухам, плодородие почвы и многих других.

При этом следует отметить, что стоимость данных ДЗЗ зачастую оказывается ниже, чем при использовании альтернативных источников пространственных данных.

Ограничением для космической съемки является облачность. Однако, например, при использовании радиолокационных данных, фактор облачности не является помехой – сигналы, посылаемые радаром, установленном на спутнике, не чувствительны к наличию облаков.

Безусловно, не все желаемые показатели можно прямым или косвенным образом проследить из космоса. Поэтому, при организации систем дистанционного сельскохозяйственного мониторинга целесообразно создавать информационно-аналитические системы, основанные на использовании данных ДЗЗ, статистического учета, ГИС и веб-технологий удаленного доступа к данным. Удачным примером такого симбиоза современных информационных технологий является упомянутая выше Государственная информационная система мониторинга земель сельскохозяйственного назначения Краснодарского края.

Отдельно следует остановиться на технологиях мониторинга сельскохозяйственных культур. Все они в той или иной степени базируются на использовании вегетационных индексов, самым популярным из которых является NDVI (Normalized differenced vegetation index, рисунок 4). Он основан на особенностях отражения тканями листа растительности электромагнитной радиации в красном и ближнем инфракрасном диапазонах электромагнитного спектра. Обладая космическими снимками в указанных диапазонах (а ими оснащены практически все современные съемочные системы, осуществляющие спектрозональную съемку) и проведя несложные математические расчеты можно получить изображения, по которым можно сделать ряд выводов о характере вегетации. Каждая сельскохозяйственная культура обладает собственными особенностями вегетации и характеризуется своими фенологическими фазами развития. Благодаря этому, по сезонному ходу NDVI, полученному в результате анализа разновременных снимков, удается отдешифрировать многие виды культур, выделить необрабатываемые поля и участки с открытой почвой. Кроме этого, имеется возможность на ранних стадиях выявить неблагоприятные воздействия на культурную растительность (болезни, сорняки, влияние засухи, вымокания и т.п.).

Сегодня в России все больше регионов начинают проявлять интерес к технологиям космического дистанционного зондирования для решения сельскохозяйственных задач. Многие департаменты и министерства, как федерального, так и регионального уровней осознают необходимость финансирования проектов, связанных с применением данных ДЗЗ в аграрном секторе. Эффект от внедрения данных технологий связан с повышением осведомленности ответственных за принятие решений лиц, совершенствованием сельскохозяйственного землепользования, рациональным распоряжением финансами и материально-техническими ресурсами, уменьшением коррумпированности отрасли за счет открытой и объективной информации. Все это, в итоге, способствует формированию цивилизованных рыночных отношений в аграрном секторе и продовольственной безопасности страны.

Сельскохозяйственное изучение территории – одно из эффективных направлений использования космической информации. Круг вопросов, решение которых возможно по космическим снимкам, включает как задачи оперативного получения информации о составе и состоянии сельскохозяйственных культур, потенциальной урожайности, болезнях и повреждениях посевов вредителями и т. д., так и задачи инвентаризации земельных ресурсов, оценки биомассы, изучения динамики сельскохозяйственного использования земель. [5].

Достоинство дистанционных материалов – однородность и сравнимость на обширные территории, большая обзорность, современность и перманентность – являются решающими для вышеназванных задач.

В реферате была предпринята попытка широко осветить тему, показав как принципы, заложенные в системы комического мониторинга сельскохозяйственных культур так и их конкретные реализации.

Сельскохозяйственные задачи, решаемые с помощью данных дистанционного зондирования

Системы космического мониторинга сельскохозяйственных угодий в большинстве случаев основаны на вегетационном индексе растительности, который позволяет отслеживать динамику развития сельскохозяйственных культур [13].

Отклонение вегетационного индекса от нормы сообщает о диспропорциях в развитии сельскохозяйственных культур, что свидетельствует о необходимости дополнительных сельскохозяйственных работ на этих участках. Это могут быть проблемы с поливом, большое количество сорняков, повреждение растений вредителями и др.

Пользователями технологий космического мониторинга сельскохозяйственных угодий являются [13]

· агрономы и сельское хозяйство (контроль с/х посевов, прогнозирование урожайности, оптимизация управленческих решений);

· владельцы бизнеса (оценка бизнес-перспектив, принятие разумных решений по капитальным вложениям и другим управленческим решениям);

· инвесторы и инвестиционные аналитики (оценка инвестиционного потенциала, помощь в принятия инвестиционных решений, обеспечение надежности прогнозов);

· страховые брокеры (проверка обращений клиентов, установление шкалы ставок и страховых премий, определение суммы выплат);

· сельскохозяйственные производители техники (интеграция решений в системы сельскохозяйственной техники);

· государственные и отраслевые организации, занимающиеся сельским хозяйством, продовольственной безопасностью и экологическими проблемами.

Кроме того данные космической съемки применяются для прогноза точной погоды на поле, что позволяет спланировать сельскохозяйственные работы [16]. Данные в микроволновом диапазоне позволяют оценивать температуру почвы, влажность с низким пространственным разрешением (километры). Также вегетационный индекс может служить в качестве раннего индикатора урожайности (рис. 1), что поможет фермерам принять правильные маркетинговые решения.

Рис. 1. Сравнение хода вегетационного индекса в 2013 и 2012 г. [17]

Использование вегетационных индексов

Для характеристики растительного покрова используют различные вегетационные индексы (VI, NDVI, EVI), которые получают на основе анализа спектральной яркости в красной и ближней инфракрасной зонах [6].

Основное предположение по использованию вегетационных индексов состоит в том, что некоторые математические операции с разными каналами ДЗЗ могут дать полезную информацию о растительности. Это подтверждается множеством эмпирических данных. Второе предположение - это идея, что открытая почва на снимке будет формировать в спектральном пространстве прямую линию (почвенная линия). Почти все распространенные вегетационные индексы используют только соотношение красного – ближнего инфракрасного каналов, предполагая, что в ближней инфракрасной области лежит линия открытой почвы. Подразумевается, что эта линия означает нулевое количество растительности.

Первым индексом растительности (1972 г.) на основе отражения был индекс коэффициентов отражения (RatioVI, RVI), который рассчитываеся как [6]

В 1974 г. этот индекс был улучшен и назван как разностный нормализованный вегетационный индекс растительности (NDVI).

Индекс может принимать значения от -1 до 1. На рис. 2 приведены карты NDVIс различной детальностью.

Рис. 2. Продукты iSAT0.8 м и iSAT 30 м. Первый хорошо подходит для оценки микровариаций в состоянии сельскохозяйственных культур, второй подходит для более мелкомасштабного зонирования [18]

Поскольку индексы RVIи NDVI не избавлены от влияния отражения света от почвы, в 1977 г. был предложен индекс растительности, основанный на понятии линии почвы, названный перпендикулярным индексом растительности (Perpendicular Vegetation Index –PVI), который определяется как ортогональное (перпендикулярное) расстояние между точкой, представляющей растительность на поле и линией почвы.

Индекс PVI имеет следующий диапазон значений:

Почвенный вегетационный индекс (Soil Adjusted VI, SAVI)

L=0 для наибольшего индекса облиствения

L=1 для наименьшего, оптимальное значение L=0,5

Вегетационный индекс устойчивый к влиянию атмосферы (AtmosphericallyResistant VI, ARVI)

Как правило, a=1. При малом покрытии растительности и неизвестном типе атмосферы a=0,5.

Для определенных индексов существуют свои пороги чувствительности к разреженности растительности

Специально для MODIS на основе NDVI разработан индекс нового поколения EVI (Enhanced Vegetation Index –улучшенный вегетационный индекс): [14]

где nir, red, blue –скорректированные за атмосферу (по данным съёмки MODIS) значения отражательной способности в ближней инфракрасной, красной и голубой зоне (0.841-0.876, 0.620- 0.670 0.459 - 0.479 мкм); L – поправочный коэффициент, учитывающий влияние почвы; С1, С2 –коэффициенты, контролирующие вклад голубой зоны в коррекцию красной за рассеяние атмосферными аэрозолями. Новый индекс позволяет выделить больше градаций в районах с высокой зелёной биомассой и имеет преимущества для мониторинга растительности, поскольку влияние почвы и атмосферы в значениях EVI минимизировано.

В статье [12] выполнено исследование с целью определить, какие спектральные каналы наиболее подходят для характеристики отдельных биофизических параметров сельскохозяйственных посевов. Были проведены спектральные измерения отражательной способности хлопка, картофеля, сои, кукурузы и подсолнечника. Рассматриваемые характеристики включали биомассу, листовой индекс, высоту растения.

Установлено, что наиболее сильная взаимосвязь с характеристиками посевов наблюдалась в узких диапазонах красного (650-700 нм), зеленого (500-550 нм) и ближнего инфракрасного (900-940 нм). Центр чувствительности к влажности расположен в 982 нм.

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.

Использование радиолокационных данных

Преимущества съёмки в радиодиапазоне заключаются в возможности проводить исследования в условиях облачности, независимо от условий освещенности. Радиолокационные данные хорошо использовать для оценки состояния посевов и влажности почв.

В статье [8] показано использование данных SIR-Cи AIRSAR для оценки возможности радиолокационного зондирования для выделения различных видов растительности и оценки биомассы. Результаты показали, что комбинация Lи P диапазонов позволяет отличать сельскохозяйственные поля от других видов земель, а комбинация Lи C позволяет производить классификацию внутри сельскохозяйственных участков.

При оценке биомассы диапазон Pдает лучший результат для лесов и кустарников, L–для сельскохозяйственных культур с низкой плотностью, Lи C –для сельскохозяйственных культур с высокой плотностью.

В другой статье [11] приводится исследование корреляции данных в видимом, ближнем инфракрасном и микроволновом диапазоне с различными характеристиками сельскохозяйственных культур. Проводились полевые работы по определению влажности почвы, общего объема биомассы и высоты растений. Результаты показали, что использование радиолокационных данных в диапазонах C, L, Pвместе с оптическими улучшает классификацию по сравнению с использованием данных только в оптическом диапазоне. Оказалось, что радиолокационное зондирование позволяет лучше определять различие в высоте растений, чем биомассу. K диапазон и Cдиапазон чувствительны к вариациям высот небольших растений, в то время как Pдиапазон позволяет различать высокие и низкие растения.

Статья [2] посвящена дешифрированию типов сельскохозяйственных культур на юге Западной Сибири. Цветовой RGB синтез из снимков, выполненных в июне, июле и августе на одну и ту же территорию позволяет визуально разделять следующие культуры: подсолнечник, пшеница, кукуруза, просо. Не разделяются пшеница и овес, что связано с совпадением фенофаз развития культур. При включении в цветовой синтез снимков за май и сентябрь достоверно выделяются паровые поля, стерняи естественная нераспаханная степь, используемая под пастбище.

В статье [3] также приводится опыт дешифрирования сельскохозяйственнух культур по радиолокационным снимкам. В конце июня хорошо разделяются яровые культуры от озимых, а также озимая рожь от озимой пшеницы, кроме того, выделяются необрабатываемые земли и чистый пар;

Обзор сервисов космического мониторинга – Cropio, Вега

На основе интернет-источника [15] был составлена таблица, где сравниваются популярные системы спутникового мониторинга с/х угодий. На рис. 4. приведен интерфейс одного из сервисов.

Ключевые слова

ЗЕМЕЛЬНЫЕ РЕСУРСЫ, АГРОЛАНДШАФТ, ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ, АЭРО И КОСМИЧЕСКИЕ СНИМКИ, СЕЛЬСКОЕ ХОЗЯЙСТВО

Текст научной работы

Читайте также: