Мониторинг сенокосных полей по геоботаническим, наземным спектрометрическим и спутниковым данным

Аннотация

Проведена оценка возможности мониторинга сенокосных угодий на основе различных спектральных вегетационных индексов (NDVI, ClGreen, NDRE, NDMI), рассчитанных по спутниковым данным Sentinel-2 в течение вегетационного сезона 2018 г. Геоботанические исследования и данные наземной спектрофотометрии проводились одновременно в одно и то же время суток и использовались как дополнительный этап мониторинга сенокошения. Показана возможность распознавания сенокосных угодий и определения даты сенокошения по наземным и спутниковым спектрометрическим данным. Отмечено падение величины индексов (NDVI, ClGreen, NDRE, NDMI) в дату сенокошения (25.07.2018 г.). Подтверждена достоверность возможности дешифрирования сенокосных полей по индексу NDVI. Показано, что даты сенокошения, определенные по спутниковым данным, хорошо согласуются с наземными датами сенокошения (25 июля и 27 августа). Построены карты пространственного распределения индекса NDVI сенокосных полей по спутниковым данным Sentinel-2 за даты (18 июня, 10 июля и 27 августа). Полученные карты позволяют выявлять сенокосные поля и дату сенокошения на больших территориях.

Об авторах

И. Ю. Ботвич

Институт биофизики СО РАН

Автор, ответственный за переписку.
Email: irina.pugacheva@mail.ru
Россия, Красноярск

Н. А. Кононова

Институт биофизики СО РАН

Email: irina.pugacheva@mail.ru
Россия, Красноярск

Д. В. Емельянов

Институт биофизики СО РАН

Email: irina.pugacheva@mail.ru
Россия, Красноярск

Т. И. Письман

Институт биофизики СО РАН

Email: irina.pugacheva@mail.ru
Россия, Красноярск

Список литературы

  1. Ботвич И.Ю., Письман Т.И., Кононова Н.А., Шевырногов А.П. Сезонная динамика растительности залежных земель Красноярской лесостепи по наземным и спутниковым данным // Исслед. Земли из космоса. 2018. № 6. С. 39–51.
  2. Ерошенко Ф.В., Барталев С.А., Лапенко Н.Г., Самофал Е.В., Сторчак И.Г. Возможности дистанционной оценки состояния и степени деградации природных кормовых угодий // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 7. С. 53–66.
  3. Кононова Н.А., Ларько А.А, Емельянов Д.В., Ботвич И.Ю. Оценка состояния сенокосных земель красноярского края на основе наземной спектрометрии // Вестник КрасГАУ. 2019. № 2. С. 31–37.
  4. Кострова Ю.Б., Костров Б.В. Использование дистанционного зондирования земли в целях повышение эффективности сельскохозяйственного производства // Вестник РГАТУ, 2010. № 3. С. 88–90.
  5. Лапенко Н.Г., Ерошенко Ф.В., Сторчак И.Г., Дудченко Л.В., Шестакова Е.О. Деградационные процессы в степных сообществах и данные дистанционного зондирования Земли // Достижения науки и техники АПК. 2018. Т. 32. № 10. С. 50–53. https://doi.org/10.24411/0235-2451-2018-11011
  6. Ларько А.А., Ботвич И.Ю., Емельянов Д.В., Кононова Н.А. Оценка состояния сенокосных угодий на основе наземной и спутниковой спектрометрии // Вестник КрасГАУ. 2020. № 2. С. 11–17. https://doi.org/10.36718/1819-4036-2020-2-11-17
  7. Родионова А.В., Тебердиев Д.М. Продуктивность долголетнего сеяного сенокоса и плодородие дерново-подзолистых почв // Успехи современной науки. 2017. Т. 1. № 10. С. 178–182.
  8. Barnes E.M., Clarke T.R., Richards S.E., Colaizzi P.D., Haberland J., Kostrzewski M., Lascano R.J. Coincident detection of crop water stress, nitrogen status and canopy density using ground based multispectral data // In Proceedings of the Fifth International Conference on Precision Agriculture, Bloomington, MN, USA.2000. V. 1619.
  9. Bayat B., Tol C., Verhoef W. Remote Sensing of Grass Response to Drought Stress Using Spectroscopic Techniques and Canopy Reflectance Model Inversion // Remote Sens. 2016. 8. 557. https://doi.org/10.3390/rs8070557
  10. Bretas I.L., Valente D.S.M., Silva F.F., Chizzotti M.L., Paulino M.F., D’Áurea A.P., Paciullo D.S.C., Pedreira B.C., Fernanda H.M. Chizzotti F.H.M. Prediction of aboveground biomass and dry-matter content in Brachiaria pastures by combining meteorological data and satellite imagery// Grass and Forage Science. 2020. https://doi.org/10.1111/gfs.12517
  11. Erunova M.G., Simakina A.S., Yakubailik O.E. Smart analysis of agricultural land use with NDVI at Kuraginskoye agricultural experimental production facility // IOP Conf. Series: Earth and Environmental Science 677. 2021. 032105. https://doi.org/10.1088/1755-1315/677/3/032105.
  12. Gao B.C. A Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space // In SPIE’s 1995 Symposium on OE, Aerospace Sensing and Dual Use Photonics.1995. V. 2480.
  13. Gitelson A.A., Vina A., Ciganda V., Rundquist D.C., Arkebauer T.J. Remote estimation of canopy chlorophyll content in crops // Geophys Res Lett. 2005. 32: L08403. https://doi.org/10.1029/2005GL022688
  14. Gitelson A.A., Gritz U., Merzlyak M.N. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves // J. Plant Physiol. 2003. 160: 271–82.
  15. Kolecka N., Ginzler C., Pazur R., Price B., Verburg P. H. Regional Scale Mapping of Grassland Mowing Frequency with Sentinel-2 Time Series // Remote Sens. 2018. 10. 1221. https://doi.org/10.3390/rs10081221
  16. Pisman T.I., Shevyrnogov A.P., Larko A.A., Botvich I.Y., Emelyanov D.V., Shpedt A.A., Trubnikov Y.N. The Information Content of Spectral Vegetation Indices in the Interpretation of Satellite Images of Cultivated Fields // Biophys. 2019. 64(4). P. 588–592.
  17. Richter R.,Schläpfer D. Atmospheric/Topographic Correction for Satellite Imagery: ATCOR-2/3 UserGuide”, DLR IB 565-01/11, Wessling, Germany, 2011. (https://sentinel.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-2a/algorithm).
  18. Rouse J.W., Haas R.H., Scheel J.A., Deering D.W. Monitoring Vegetation Systems in the Great Plains with ERTS // Proceedings, 3rd Earth Resource Technology Satellite (ERTS) Symposium. 1974. V. 1. P. 48–62.

Дополнительные файлы


© И.Ю. Ботвич, Н.А. Кононова, Д.В. Емельянов, Т.И. Письман, 2023