Материалы 17-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса», Москва, ИКИ РАН, 2019 год

(http://conf.rse.geosmis.ru)

Оценка проективного покрытия растительности агроэкосистем по данным Sentinel-2

Терехин Э.А. (1)
(1) Белгородский государственный национальный исследовательский университет, Белгород, Россия
Анализ проективного покрытия зеленой фитомассой является одной из ключевых задач при оценке состояния растительности агроэкосистем. В рамках проведенного исследования был выполнен анализ эффективности спутниковых данных с сенсора Sentinel-2 MSI для оценки величин проективного покрытия аграрной растительности. Для сопоставления была использована выборка его фактических значений, полученная на основе данных с агроэкосистем, типичных для лесостепной зоны. С фактическими значениями проективного покрытия были сравнены его величины, измеренные по данным Sentinel-2A и MODIS (MOD13Q1). Также были изучены возможности данных Sentinel для анализа вариабельности проективного покрытия в пределах контуров обрабатываемых полей.
Выборка фактических величин проективного покрытия включала свыше 200 значений, которые были измерены в процессе наземных исследований на аграрных полях с различными типами посевов. Полевые исследования проводились в разные сроки вегетационного периода на территории Белгородской области, расположенной на юге Среднерусской возвышенности.
Для вычисления проективного покрытия на основе спутниковых данных использовали три различных способа, для которых была осуществлена оценка эффективности. Первый способ состоял в пересчете значений NDVI, измеренных по данным Sentinel, в величины проективного покрытия с использованием ранее предложенной зависимости (Терехин, 2016). Второй способ аналогичен первому, но основан на данных MOD13Q1. Третий способ состоял в вычислении проективного покрытия по данным Sentinel-2 на основе алгоритма, использующего обученную нейронную сеть. Он реализован в программном обеспечении SNAP (Sentinel Application Platform).
Коэффициент корреляции между фактическими и дистанционно измеренными величинами по данным Sentinel (пересчет из значений NDVI) составил 0,9 для сроков начала августа, 0,76 – для сроков конца августа и 0,84 для периода конца октября. Для значений проективного покрытия, рассчитанных по данным Sentinel с использованием алгоритма из SNAP, коэффициент корреляции в эти временные срезы составил 0,91, 0,74 и 0,84.
Оценка величин проективного покрытия по данным Sentinel для конкретных аграрных угодий показала, что расчетные средние значения, наряду с коэффициентом вариации, достоверно отражают сезонное изменение растительного покрова на полях с разными типами культур: соей, кукурузой, подсолнечником, многолетними травами. В периоды наибольшего проективного покрытия зеленой фитомассой посевы характеризуются максимальной однородностью и наименьшими величинами коэффициента вариации. Вследствие созревания посевов коэффициент вариации начинает расти, что обусловлено появлением на полях участков с разным проективным покрытием.
Сравнение картограмм проективного покрытия для агроэкосистем Белгородской области, вычисленных на сроки конца августа, показало, что его территориальные особенности, оцененные на основе данных Sentinel и MODIS, во многом аналогичны. При этом значения, измеренные по MODIS, чаще являлись завышенными в сравнении с фактическими величинами.

Исследование выполнено за счет гранта Российского научного фонда (проект № 18-77-00049)

Ключевые слова: проективное покрытие, зеленая фитомасса, агроэкосистемы, вегетационные индексы, Sentinel, MODIS

Дистанционное зондирование растительных и почвенных покровов

455