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

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

Разработка метода прогнозирования урожайности сои на региональном уровне с использованием данных дистанционного зондирования Земли

Степанов А.С. (1)
(1) Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровск, п.Восточный-1, Россия
Соя является приоритетной культурой сельского хозяйства Дальнего Востока, оценочные значения урожайности которой на уровне субъектов Федерации используются в посевной кампании, планировании и регулировании как внутреннего рынка, так и экспортных операций. К основным критериям, которым должна удовлетворять прогнозная модель, относятся, во-первых, достаточная точность модели, во-вторых, возможность как можно более раннего прогнозирования без критического ухудшения точности модели, в-третьих, доступность и полнота данных для моделирования. В последнее время, для прогнозирования урожайности сельхозкультур, все чаще применяются спутниковые данные, основным преимуществом которых является оперативность, объективность и ширина охвата территории. В общем виде, разработанный подход к прогнозированию урожайности сои можно представить в следующем виде. На первом этапе формируется динамический ряд по урожайности сои за предшествующий многолетний период. Для расчетов региональной урожайности сельхозкультуры используются численные значения посевных площадей и валового сбора сои в регионах. Если динамический ряд является неоднородным, то дополнительно проводится верификация и фильтрация данных. В качестве параметров прогнозной модели рассматриваются показатели, полученные с помощью системы Вега-Science: вегетационный индекс NDVI, а также метеорологические характеристики. Для нормализованных значений NDVI для каждой территории с применением метода Левенберга-Марквардта осуществляется расчет параметров аппроксимирующей функции Гаусса. В дальнейшем, с использованием гауссианы, по значениям еженедельных композитов NDVI с 19-20 до 32 календарной недели с возрастающей степенью точности может быть спрогнозирован максимум текущего года. На следующем этапе для прогнозирования урожайности строятся регрессионные модели, где в качестве одной или нескольких независимых переменных рассматриваются годовой максимум NDVI и интегральные климатические характеристики. По данным 2007-2017 гг. была построена прогнозной модели и проведена оценка ее точности для разных регионов Дальнего Востока. Было установлено, что максимальные значения еженедельных композитов NDVI, рассчитанных по маске пахотных полей, для юга Дальнего Востока приходились на 30-32 календарные недели. Ошибка прогнозирования в 2018 г. находилась в диапазоне от 2,3% до 7,3%. Ошибка определения максимума NDVI не превышала 10% при раннем прогнозировании, и зависела от календарной недели, выбранной для расчета максимума. Погрешность определения максимума NDVI в 28-32 календарную неделю, что соответствует июлю месяцу, не превышала 4%. Разработанная модель позволит прогнозировать урожайность сои с использованием значений еженедельных композитов NDVI пахотных земель, полученным по данным MODIS. В исследовании применялись результаты обработки данных дистанционного зондирования Земли, полученные посредством информационной системы Вега-Science (Толпин и др., 2014), а также ресурсы Центра коллективного пользования “ИКИ-Мониторинг” (Лупян и др., 2015) и ЦКП «Центр данных ДВО РАН» (Sorokin et al., 2017).

Ключевые слова: соя, урожайность, Дальний Восток, сельское хозяйство, регрессионная модель, дистанционное зондирование, NDVI, климатические характеристики
Литература:
  1. Лупян Е.А., Прошин А.А., Бурцев М.А., Балашов И.В., Барталев С.А., Ефремов В.Ю., Кашницкий А.В., Мазуров А.А., Матвеев А.М., Суднева О.А., Сычугов И.Г., Толпин В.А., Уваров И.А. Центр коллективного пользования системами архивации, обработки и анализа спутниковых данных ИКИ РАН для решения задач изучения и мониторинга окружающей среды // Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т.12. №5. С. 247–267.
  2. Толпин В.А., Лупян Е.А., Барталев С.А., Плотников Д.Е., Матвеев А.М. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. 2014. Т. 27. № 7(306). С. 581–586.
  3. Sorokin A.A., Makogonov S.I., Korolev S.P. The Information Infrastructure for Collective Scientific Work in the Far East of Russia // Scientific and Technical Information Processing. 2017. V. 4. P. 302–304.

Дистанционное зондирование растительных и почвенных покровов

450