Спутниковое зондирование сельскохозяйственных угодий с использованием Google Engine Earth

В условиях возрастающей антропогенной нагрузки на агроэкосистемы и обостряющейся проблематики глобальной продовольственной безопасности, непрерывный, высокоточный и оперативный мониторинг состояния сельскохозяйственных угодий приобретает статус ключевого требования агропромышленного комплекса. Традиционные методы полевых обследований, несмотря на свою детальность, зачастую характеризуются высокими временными и ресурсными затратами, ограниченной пространственной представительностью и неспособностью охватить обширные площади с необходимой периодичностью. Данные ограничения обусловливают нарастающую потребность в инновационных подходах, способных обеспечить получение своевременной и объективной информации для принятия обоснованных управленческих решений.
Дистанционное зондирование Земли представляет собой фундаментальный инструментарий, способный предоставить объективную и пространственно-распределенную информацию о динамике вегетационных процессов, влажности почв, температурных режимах и иных критически важных агрофизиологических параметрах (Владимиров и др., 2014). Однако обработка и интерпретация обширных массивов мультиспектральных спутниковых данных традиционными методами сопряжена с существенными вычислительными и временными издержками, что сдерживает их повсеместное внедрение в оперативную практику. В этом контексте облачные платформы, в частности Google Earth Engine (GEE, URL: https://developers.google.com/earth-engine/guides), выступают в качестве решения, обеспечивающего доступность и оперативность для анализа крупномасштабных геопространственных данных (Gorelick et al, 2017).
Несмотря на очевидные преимущества спутникового мониторинга и потенциал облачных платформ, существует потребность в разработке унифицированных и высокоэффективных алгоритмических комплексов, способных интегрировать разнородные спутниковые данные и обеспечивать их оперативную обработку для специфических задач агроменеджмента. Ключевая проблема заключается в создании адаптивных программных решений, которые могли бы автоматизировать рутинные процессы извлечения релевантной информации, особенно в условиях повсеместной облачности, характерной для многих аграрных регионов, и конвертировать эти данные в практически применимые показатели для точного земледелия. Недостаточность специализированных, гибко настраиваемых скриптов в GEE, ориентированных на специфику сельскохозяйственных исследований и обеспечивающих автоматизированный экспорт обработанных данных, определяет актуальность данного исследования.
Исследование основывается на данных Sentinel-2 и продуктах MODIS (MOD09A1, MOD09Q1, MOD11A2) (Huete et al, 2002). В рамках проекта разработаны GEE-алгоритмы для Sentinel-2, включающие расчет спектральных индексов (NDVI, EVI, LSWI) с табличным представлением, а также фильтрацию и экспорт облачно-очищенных снимков с заданным контролем облачности. Для продуктов MODIS реализованы модули, выполняющие маскирование дефектных пикселей, расчет NDVI и EVI (MOD09A1, MOD09Q1), извлечение температуры поверхности земли (MOD11A2), с последующим табличным выводом агрегированных временных рядов. Полученный функциональный инструментарий призван повысить эффективность агромониторинга и управления агропромышленным комплексом. Тестирование работы GEE-модулей проводилось по спутниковым данным сельскохозяйственных угодий ОПХ Минино ФИЦ КНЦ СО РАН.

«Исследование выполнено в рамках государственного задания Министерства науки и высшего образования РФ (проект № FWES-2021-0018)»