Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 16–20 ноября 2020 г.

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

XVIII.F.526

Спутниковый мониторинг сахарного тростника в Южной Индии с помощью Sentinel-2 для оценки водообеспечения и азотного питания плантаций

Плотников Д.Е. (1), Ёлкина Е.С. (1), Барталев С.А. (1)
(1) Институт космических исследований РАН, Москва, Россия
Совместный российско-индийский проект между институтом KIAAR и ИКИ РАН направлен на развитие методов дистанционного мониторинга плантаций сахарного тростника на территории Южной Индии. Достаточно малое количество научных публикаций на эту тему обусловлено спецификой региона: длительным отсутствием спутниковой информации в оптическом диапазоне длин волн из-за многомесячного муссонного сезона, чрезвычайно малыми размерами полей (средний размер 0.2-0.5 га), спектрально-временной неоднородностью класса сахарного тростника (сорта с длительностью созревания 12, 14 и 18 месяцев), множество частных землевладений, отсутствие механизмов сбора достоверной статистической информации (Formaggio et al. 2010, Junior et al. 2017, Schultz et al. 2015). Для решения задач проекта и мониторинга плантаций чрезвычайно малого размера могли быть использованы спутниковые данные только высокого пространственного разрешения серии Sentinel. Российским коллективом были разработаны новые методы восстановления безоблачных спутниковых мультиспектральных и радарных изображений высокого пространственного разрешения в условиях продолжительной облачности, методы автоматического распознавания плантаций сахарного тростника на территории Южной Индии и дистанционной оценки состояния растений тростника с определением количества связанного азота и воды в листьях и стеблях.
В течение безмуссонных периодов сезонов 2018-2020 годов был собран значительный объем геоботанической, фенологической и биофизической информации о растениях сахарного тростника и других культур, расположенных на территории региона исследования в округах Багалкот и Белгаум индийского штата Карнатака. Результаты комплексных наземных обследований нескольких сотен полей позволили решить ключевые задачи проекта, включая распознавание плантаций сахарного тростника, оценку информативности вегетационных индексов для оценки состояния растений и определение количества азота и воды в листьях сахарного тростника.
В проекте получил развитие созданный в ИКИ РАН метод локальной взвешенной регрессии полиномами LOESS (Cleveland, 1979) для восстановления временных серий безоблачных спутниковых наблюдений без использования масок облачности минуя стадию создания промежуточных композитных изображений (Плотников и др., 2020). Указанный метод использует сезонную временную серию всех доступных значений целевого индикатора (вегетационного индекса или измерений в отдельном канале), а в качестве метрики весов используются преобразованные значения нормализованного разностного индекса снега и облачности NDSI, который чувствителен к наличию мешающих факторов, в том числе, облачности и теней от неё. В результате безоблачные сезонные временные серии ежедневных значений дистанционных индикаторов состояния растений (таких как NDVI, GNDVI, NDWI, NDDI, MCARI) по данным прибора MSI (Sentinel-2) были построены на территорию тестового региона в Индии с пространственным разрешением 10-20 метров и были использованы для распознавания плантаций сахарного тростника и дистанционного контроля водообеспечения и азотного питания плантаций.
С целью развития автоматизированных методов картографирования плантаций сахарного тростника были оценены возможности непараметрических классификаторов и мультиспектральной информации прибора MSI. Был разработан подход для картографирования посевов сахарного тростника на основе Random Forest с последовательным обучением по разносезонным наземным данным, в результате чего были получены ежемесячные карты размещения плантаций сахарного тростника на территорию региона исследования.
Кроме этого, коллективом проекта был проведено исследование синхронных дистанционных и лабораторных измерений количества воды и азота в растениях сахарного тростника, в котором характеристики растительности оценивались одновременно в лаборатории KIARR и по данным измерений спутниковых приборов MSI и OLI\TIRS (Landsat-8) в течение нескольких месяцев мониторинга. Для этого подспутникового эксперимента были задействованы 8 полей института KIAAR, занятые сахарным тростником в период конца 2019-начала 2020 года, 4 из которых были участвовали в эксперименте с контролем дефицита воды (четыре страты с нормой полива от 25% до 100% с шагом 25%), и 4 других (с аналогичным шагом стратифицирования) – в эксперименте с контролем дефицита азота. Анализ результатов эксперимента позволил построить регрессионные модели для спутниковой оценки количества азота и воды на основе спутниковых данных Senintel-2 с пространственным разрешением 20 метров. Разработанные модели позволяют обеспечить оперативный спутниковый мониторинг дефицита азота и воды в растениях сахарного тростника на основе одномоментных снимков с пространственным разрешением 20 метров, а созданные на их основе карты предписаний (prescription maps) дают возможность местным сельскохозяйственным производителям принимать информированные решения при управлении плантациями.
Проект выполнен при поддержке РФФИ, № 18-55-45023 ИНД_а с использованием ресурсов ЦКП "ИКИ-Мониторинг" (Лупян и др, 2015).

Ключевые слова: Сахарный тростник, спутниковый мониторинг, азот, водообеспечение, безоблачные изображения, Sentinel-2, Индия, random forest, LOESS
Литература:
  1. Formaggio A.R., Vieira M.A. , Rennó C.D., Mello M.P. Object-Based Image Analysis and Data Mining for mapping sugarcane with Landsat imagery in Brazil. The International Archives of the Photogrammetry // Remote Sensing and Spatial Information Sciences. 2010. Vol. XXXVIII-4/C7. P. 10–19.
  2. Junior C.C., Johann J.A., Antunes J. F.G. Mapping of sugarcane crop area in the Paraná State using Landsat/TM/OLI and IRS/LISS-3 images // Rev. bras. en. agríc. ambient. 2017. Vol. 21. No. 6. P. 427–432.
  3. Schultz B., Immitzer M. Self-Guided Segmentation and Classification of Multi-Temporal Landsat 8 Images for Crop Type Mapping in Southeastern Brazil // Remote Sensing. 2015. No. 7. P. 14482–14508.
  4. Cleveland W.S. Robust Locally Weighted Regression and Smoothing Scatterplots // Journal of the American Statistical Association, 1979, 74 (368): 829–836. doi:10.2307/2286407.
  5. Плотников Д.Е., Ёлкина Е.С., Дунаева Е.А., Хвостиков С.А., Лупян Е.А., Барталев С.А. Развитие метода автоматического распознавания озимых культур на основе спутниковых данных для оценки их состояния на территории Республики Крым // Таврический вестник аграрной науки. 2020. № 1(21). С. 64-83. DOI: 10.33952/2542-0720-2020-1-21-64-83.
  6. 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

Презентация доклада



Ссылка для цитирования: Плотников Д.Е., Ёлкина Е.С., Барталев С.А. Спутниковый мониторинг сахарного тростника в Южной Индии с помощью Sentinel-2 для оценки водообеспечения и азотного питания плантаций // Материалы 18-й Всероссийской открытой конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2020. C. 353. DOI 10.21046/18DZZconf-2020a

Дистанционное зондирование растительных и почвенных покровов

353