MONITORING OF AGRICULTURAL RESOURCES ON MULTITEMPORAL ERS-2\SAR
- Authors: Yevtyushkin A.V.1, Bryksin V.M.1, Rychkova N.V.2
-
Affiliations:
- Baltic Federal University named after I. Kant
- Barnaul Institute of Law
- Issue: Vol 14, No 5 (2013)
- Pages: 79-82
- Section: Articles
- URL: https://journals.eco-vector.com/2712-8970/article/view/503762
- ID: 503762
Cite item
Full Text
Abstract
The features of the recognition of the species composition of crops in the analysis of multi-temporal radar images ERS-2.Architecture of plants and projective covering of the soil significantly differ for various crops, both during active growth, and during withering of leaves that raises possibility of division of types of crops on radar images.To correct the errors of the dynamic modeling crop productivity it is offered to undertake correction of leaf area index according to satellite data.
Full Text
Разработка методов применения оптических и радарных данных ДЗЗ для мониторинга состояния аграрных ресурсов в период вегетации, использования этих данных для коррекции имитационной модели биопродуктивности является актуальной проблемой [1-5]. Необходимо разработать высокоточную методику оценки по радарным изображениям листового индекса (LAI) пропашных культур, самовосстанавливающихся степных агроценозов и мелколесий на заброшенных землях. Достаточно изучена связь листового индекса с коэффициентом обратного рассеяния радаров для лесных территорий [6]. Однако, для полей с зерновыми культурами с небольшим проективным покрытием значительный вклад в обратное радарное рассеяние вносит неоднородность механического состава, влажности и диэлектрической проницаемости верхнего слоя почвы [4; 7]. Оценка по всепогодным радарным изображениям листового индекса LAI в границах пропашных полей также позволит выполнять прогнозирование урожайности зерновых культур на основе модели биопродуктивности EPIC [5]. Листовой индекс, оцененный по спутниковым данным, необходим для корректировки расчетов листового индекса по математической модели, накапливающей погрешности вследствие недостоверных данных по агрофизическим свойствам почвы и ежедневным метеоданным. Для растительных покровов диапазон LAI, может изменяться от менее 1 для пустынь, до 8 для дождевых тропических лесов. В модели EPIC потенциальное ежедневное изменение в сухой биомассе зависит от листового индекса (LAI) и солнечной радиации (RA): dBp = 0,000 5 · BE · RA · (1 - e-065*LAI), где BE - коэффициент преобразования энергии к биомассе. Ежедневное приращение листового индекса (dLAI) ограничивается коэффициентом стресса (Reg), который определяется как минимальная величина из водного, температурного или азотного стресса: dLAI = dLAIT(LAImx, LAI, HU) · Reg, где dLAIT - теоретическая функция приращения исходя из максимально возможного листового индекса (LAImax), текущего индекса (LAI) и накопленной суммы температур за период роста (HU). Листовой индекс LAI рассчитывается как функция суммы эффективных температур, стрессов и стадий развития культуры. От появления до начала увядания листьев, LAI оценивается по формуле LAIj = LAIh + dLAI, где j - день прогноза; j-1 - предыдущий день. Урожайность зерна (YLD) рассчитывается пропорционально итоговой биомассе наземной части: YLD = HI · max(BIOM), где HI - индекс урожайности, определяемый экспериментально. Возможно наземное подспутниковое инструментальное измерение и спутниковая оценка индекса LAI [5]. Наиболее достоверным считается алгоритм MOD15 для обработки данных радиометра MODIS. В нем предлагается кусочно-линейная зависимость LAI от NDVI. Индекс NDVI рассчитывается по алгоритму MOD13. При прогнозировании урожайности выполняются ежедневные расчеты биопродуктивности зерновых культур по модифицированной методике EPIC с корректировкой расчетных значений листового индекса на основе спутниковой оценки вегетационного и листового индексов [5]. Периодичность коррекции должна составлять не менее двух раз с учетом разреженной облачности на период до начала спада листового индекса связанного с естественным увяданием листового покрова зерновых культур. На основании расчетов по модели прогнозируются биологическая урожайность культур и оптимальные сроки начала уборки в разрезе районов или субъекта федерации. В 2005-2007 гг. в период с мая по октябрь Европейским космическим агентством (ESA) планировались витки ERS-2 для съемки сельскохозяйственной зоны Западной Сибири для обеспечения проекта Cat-1 ID-3158. В 2008 и 2010 гг. ESA проводило миссии по кросс-интерферометрической тандемной съемке Земли на основе ERS-2\SAR и ENVISAT\ASAR. При тандемной съемке спутники сканируют одну и ту же территорию земной поверхности с интервалом в 30 мин, что позволяет исключить временную декорреляцию 80 Раздел 1. Радиолокационная поляриметрия и интерферометрия. Радиометрия земных покровов и строить точные ЦМР. Во время этой миссии увеличивалось число повторных пролетов ERS-2 на зерносеющие регионы Западной Сибири и юга европейской части России. За 2005-11 гг. накоплен архив из 76 тыс. кадров ERS-2\SAR на территорию России с числом повторных съемок на отдельные территории 40-50. Данные ERS-2\SAR и MODIS принимались Центре ДЗЗ ЮНИИИТ на антенные комплексы ОПТЭКС и ТНА-9 на всю зону радиовидимости. Переобработка накопленных архивных данных ERS-2\SAR и MODIS за 2005-2010 гг. позволит разработать методику оценки LAI зерновых культур по калиброванным радарным данным аналогично модели STEP [7]. Многовременной мониторинг развития посевов зерновых культур требует разработку методов проведения синхронных подспутниковых измерений биометрических параметров в течение быстропротекаю-щих фенологических периодов развития посевов с учетом разрешающей способности спутниковых сенсоров, наземных спектрофотометров, измерителей листового индекса, метеоусловий на момент съемки. В связи с разнообразием агроклиматического потенциала зерносеющих регионов и обширностью сельскохозяйственных угодий становится актуальной задача разработки методов мониторинга и прогнозирования урожайности зерновых культур с использованием данных метеорологических и радарных спутников с учетом агрофизических особенностей почв и развития растений. Полевые наблюдения зерновых культур для дешифрирования данных ERS-2 с точной геопривязкой проводились в 2006-2010 гг. на полях Кулундинской опытной станции и опытных полях АНИИСХ СО РАСХН [8]. Цветовой RGB синтез из амплитудных кадров ERS-2\SAR, 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, стерня и естественная нераспаханная степь, используемая под пастбище. Снимки за октябрь позволяют контролировать осеннюю вспашку почвы и ход уборки подсолнечника, убираемого по агротехнике возделывания культуры в Западной Сибири при наступлении заморозков с целью повышения маслично-сти. Локально выпавшие на сухую почву осадки при сильном ветре вносят искажение в снимки ERS-2 в виде светлых полос. Сильнее этот эффект проявляется на засоленных почвах и наблюдался на убранных полях с минимальным проективным покрытием и однородной структурой шероховатостей на всей площади полей в 2005-2008 гг. на осенних снимках ERS-2 в регионах Восточного Зауралья, Северного Казахстана и Степного Алтая Цветосинтезирванные изображения MODIS с разрешением 250м и ERS-2\SAR за разные даты съемки отображают многообразие фенофаз развития зерновых культур в различных агроклиматических зонах юга Западной Сибири. Различия связаны с различными сроками сева, неравномерностью выпадения осадков по территории в летние месяцы, плодородием почвы, соблюдения агротехники и севооборотов, засоренностью полей. Достоверно выделяются группы полей засеянных одной культурой и паровые поля. Разновременные данные всепогодного космического радара ERS-2\SAR среднего разрешения позволяют определить видовой состав культур с точностью до поля в дождливые годы с большим числом облачных дней. Для различных агроклиматических зон требуется привлечение информации с тестовых полей и экспертных оценок по размещению возделываемых культур. Применение модифицированной динамической модели биологической продуктивности растений EPIC в сочетании с космическими снимками позволяют достоверно оценивать урожайность основных зерновых культур на региональном уровне. Технология предполагает использование архивных оптических и радарных космоснимков за предыдущие годы для определения в различных агроклиматических зонах региона тестовых полей достаточной площади и конфигурации для расчета на период вегетации зерновых культур в текущий год вегетационного и листового индексов. Перспективно развитие данной технологии с использованием радаров SENTINEL-1A\B, с периодичностью обзора 12 сут для одного спутника и 6 суток при двух спутниках. Данные ERS-2 получены по проекту ESA Cat-1 ID 3158 «Agricultural applications of remote sensing in West Siberia».×
About the authors
A. V. Yevtyushkin
Baltic Federal University named after I. Kant
Email: AYEvtyushkin@kantiana.ru
14 Nevskiy st., Kaliningrad, 236041, Russia
V. M. Bryksin
Baltic Federal University named after I. Kant14 Nevskiy st., Kaliningrad, 236041, Russia
N. V. Rychkova
Barnaul Institute of Law
Email: polkovnik@buimvd.ru
49 Chkalov st., Barnaul, 656038, Russia
References
- Bouman B. A. M., Uenk D. Crop classification possibilities with radar in ERS-1 and JERS-1 configuration // Remote Sensing of Environment. 1992. Vol. 40, iss. 1. P. 1-13.
- Blaes X., Vanhalle L., Defourny P. Efficiency of crop identification based on optical and SAR image time series // Remote Sensing of Environment. 2005ю Vol. 96. Issue 3-4, pp. 352-365.
- Ulaby F., Allen C., Eger G., Kanemasu E. Relating the microwave backscattering coefficient to leaf area index // Remote Sensing of Environment. 1984, V.14, iss. 1-3. P. 113-133.
- An Agroecological Modeling Approach to Explain ERS SAR Radar Backscatter of Agricultural Crops / B. A. M. Bouman, D. W. G. van Kraalingen, W. Stol, H. J. C. van Leeuwen // Remote Sensing of Environment. 1999. Vol. 67, iss. 2. P. 137-146.
- Брыксин В. М., Евтюшкин А. В., Рычкова Н. В. Прогнозирование урожайности зерновых культур на основе данных дистанционного зондирования и моделирования биопродуктивности // Известия Алтай. гос. ун-та. 2010. № 1/2 (65). С. 89-93.
- Boreal forest LAI retrieval using both optical and microwave data of ENVISAT / T. Manninen, P. Stenberg, M. Rautiainen // Proc. of the IGARSS’05 Symp. 2005. Vol. 7. P. 5033-5036.
- Evolutionary bi-objective optimization of a semiarid vegetation dynamics model with NDVI and σ0 satellite data / S. Mangiarotti, P. Mazzega, L. Jarlan // Remote Sensing of Environment. 2008. Vol. 112, iss. 4. P. 13651380.
- Мониторинг зерновых культур на юге Западной Сибири по данным MODIS и ERS-2 / В. М. Брыксин, А. В. Евтюшкин, Г. А. Кочергин, Н. В. Рычкова // Современные проблемы дистанционного зондирования Земли из космоса. 2007. Т. 4, № 2. С. 183-188.