Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXI.F.175
Анализ и сравнительная характеристика временных рядов радарных вегетационных индексов сельскохозяйственных культур Дальнего Востока по данным Sentinel-1
Верхотуров А.Л. (1), Степанов А.С. (2), Фомина Е.А. (3)
(1) Хабаровский Федеральный исследовательский центр ДВО РАН, Хабаровск, Россия
(2) Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровск, п.Восточный-1, Россия
(3) Вычислительный центр ДВО РАН, Хабаровск, Россия
В настоящее время, с развитием спутниковых систем дистанционного зондирования Земли (ДЗЗ), появилась возможность эффективно проводить мониторинг и анализ состояния сельскохозяйственных культур на различных этапах стадии роста и развития. Использование данных мультиспектральной съемки в оптическом диапазоне длин волн и методы их обработки для такого рода задач получили широкое развитие в научном сообществе. Они являются важным элементом эффективного информационного обеспечения сельскохозяйственной отрасли. Однако, немалое внимание в последнее время, также уделено и методам обработки радиолокационных данных (SAR – Synthetic Aperture Radar). Отмечается, что каждая отдельная культура ведет себя по-разному во временной серии SAR изображений [1-3]. Это позволяет использовать временные ряды радарных индексов для мониторинга сельхозкультур, в том числе для идентификации, картографирования и оценки динамики их развития.
В работе выполнен анализ и сравнительная характеристика радарных вегетационных индексов сельскохозяйственных культур на территории Хабаровского края и Амурской области. По данным спутника Sentinel-1 за период с апреля по октябрь 2021 г. были построены временные ряды SAR изображений. Для каждого поля были вычислены радарные вегетационные индексы: отношение удельной эффективной площади рассеяния поляризаций VV к VH: σ0VV/σ0VH, RVI [4], и DpRVI [5]. Обработка временных рядов SAR проводилась с помощью нелинейных аппроксимирующих функций: ряд Фурье, двойная логистическая функция и функция Гаусса. По результатам статистического анализа выявлено, что для всех культур Хабаровского района и Амурской области наиболее устойчивым оказался индекс DpRVI. Отмечается, что коэффициент вариации в период набора максимума вегетации для σ0VV/σ0VH, RVI и DpRVI имеет значения: 10%, 8% и 5% соответственно. Проведенный анализ также продемонстрировал, что сезонный ход всех исследуемых культур для трех радарных индексов имеет отличительные особенности.
Исследования проводились при поддержке гранта Российского Научного Фонда № 23-76-00007: «Разработка научных методов и подходов устойчивого управления почвенными ресурсами на основе технологий дистанционного зондирования Земли (на примере юга Дальнего Востока)».
Ключевые слова: радарные вегетационные индексы, поля сельскохозяйственного назначения, временные ряды, аппроксимация
Литература:
- Blaes X., Defourny P., Wegmuller U., Della Vecchia A., Guerriero L., Ferrazzoli P. C-band polarimetric indexes for maize monitoring based on a validated radiative transfer model // IEEE Transactions on Geoscience and Remote Sensing. – 2006. – Vol. 44 (4). – Pp. 791-800.
- McNairn H., Champagne C., Shang J., Holmstrom D., Reichert G. Integration of optical and Synthetic Aperture Radar (SAR) imagery for delivering operational annual crop inventories // ISPRS Journal of Photogrammetry and Remote Sensing. – 2009. – Vol. 64 (5). – Pp. 434-449.
- Jiao, X., McNairn, H., et al. Integrating Sentinel-1 SAR and Sentinel-2 optical imagery with a crop structure dynamics model to track crop condition // International Journal of Remote Sensing. – 2022. – 43(17). – Pp. 6509-6537.
- Kim Y., van Zyl J. J. A Time-Series Approach to Estimate Soil Moisture Using Polarimetric Radar Data // IEEE Transactions on Geoscience and Remote Sensing. – 2009. – Vol. 47(8). – Pp. 2519-2527.
- Mandal D., Kumar V., Ratha D., Dey S., Bhattacharya A., Juan M. Lopez-Sanchez., McNairn H., Rao Y. S. Dual polarimetric radar vegetation index for crop growth monitoring using Sentinel-1 SAR data // Remote Sensing of Environment. – 2020. – Vol. 247. – Pp. 111954.
Дистанционное зондирование растительных и почвенных покровов
354