Двадцать третья международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXIII.B.499
Параметризация модели WOFOST на больших территориях с помощью адаптированной карты почв РСФСР В.М. Фридланда
Плотников Д.Е. (1), Подгорнова Е.Н. (1), Мешалкина Ю.Л. (2)
(1) Институт космических исследований РАН, Москва, Россия
(2) МГУ имени М.В. Ломоносова, факультет почвоведения, Москва, Россия
В целях развития методов и систем дистанционной оценки состояния сельскохозяйственных культур в рамках международного научно-исследовательского проекта МинОбрНауки «Использование данных спутникового мониторинга для укрепления продовольственной безопасности и повышения устойчивости сельскохозяйственного сектора в условиях изменения климата» для моделирования фенологии и прогнозирования урожайности сельскохозяйственных культур в различных эколого-климатических сценариях используется имитационная модель WOFOST (WOrld FOod STudies). Необходимой частью набора входных параметров являются определяемые гранулометрическим составом гидрофизические характеристики почв, усваиваемые моделью. При этом на больших территориях эта информация в данный момент доступна только из данных FAO (продукт HWSD v2), однако для территории России этот источник не является надёжным из-за отсутствия должной верификации и низкого тематического качества.
Карта почв под редакцией Фридланда масштаба 1:2500000 охватывает практически всю территорию России за исключением новых территорий. На ней выделяются контуры выдела по принципу преобладающего на нём почвенного типа. Для каждого контура имеется название подстилающей породы, что позволяет судить о содержании фракций в профиле. В основе карты лежат результаты множества локальных полевых исследований, выполненных сетью почвенных институтов, благодаря чему была достигнута высокая тематическая точность для территории России. Легенда карты максимально адаптирована к почвенному покрову России и адекватно отражает его сложность и специфику, характерную для российских территорий. Но в то же время, отсутствие информации о грансоставе усложняет интерпретацию этих данных для формата WOFOST и других моделей подобного вида. По этой причине для адаптации карты Фридланда применялась методика экспертного сопоставления, которая заключалась в присвоении выделу наиболее подходящего варианта из набора исходных почвенных классов WOFOST с учётом множества факторов, включая гранулометрический состав, тип почв, особенности горизонтов и другие характеристики. Это позволило адаптировать почвенную карту России для работы с моделью на больших территориях.
Для параметризации WOFOST также использовались многолетние климатические данные (продукты NCEP и FLDAS), включая минимальную и максимальную суточную температуру воздуха, скорость ветра, количество осадков, количество нисходящей солнечной радиации и атмосферное давление, а также статистические данные Росстат об урожайности сельскохозяйственных культур на уровне районов Российской Федерации. Параметризация культуры для моновыдельных районов происходила в три этапа – сначала настраивались фенологические параметры, затем параметры фотосинтеза, и, наконец, параметры распределения ассимилятов. Оптимизация параметров происходила на различных этапах с помощью алгоритма Брента, метода Нелдера-Мида и метода дифференциальной эволюции. Для оценки точности использовалась подвыборка из контрольных лет, в качестве метрик использовались знаковые и абсолютные ошибки оценки урожайности, а также R2.
Исследование выполнено при поддержке Министерства науки и высшего образования Российской Федерации (соглашение № 075-15-2024-663, уникальный идентификатор 13.2251.21.0264).
Ключевые слова: имитационное моделирование, WOFOST, урожайность, фенология
Литература:
- Плотников Д.Е., Бойматов Ю.Ш., Ёлкина Е.С. и др. Оценка эффективности мультисезонных моделей машинного обучения для оперативного распознавания озимых культур на больших территориях // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 5. С. 116-129. DOI: 10.21046/2070-7401-2024-21-5-116-129.
- Плотников Д.Е., Хвостиков С.А., Барталев С.А. Метод автоматического распознавания сельскохозяйственных культур на основе спутниковых данных и имитационной модели развития растений // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 131-141. DOI: 10.21046/2070-7401-2018-15-4-131-141.
- Савин И.Ю., Барталев С.А., Лупян Е.А., Толпин В.А., Медведева М.А., Плотников Д.Е. Спутниковый мониторинг воздействия засухи на растительность (на примере засухи 2010 года в России) // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 150-162.
- Середа И.И., Денисов П.В., Трошко К.А. и др. Уникальные условия развития озимых культур, наблюдаемые по данным спутникового мониторинга на европейской территории России в октябре 2020 г. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 304-310. DOI: 10.21046/2070-7401-2020-17-5-304-310.
- Страшная А.И., Барталев С.А., Максименкова Т.А. и др. Агрометеорологическая оценка состояния озимых зерновых культур в период прекращения вегетации с использованием наземных и спутниковых данных на примере Приволжского федерального округа // Труды Гидрометеорологического научно-исследовательского центра Российской Федерации. 2014. № 351. С. 85-107.
- Толпин В.А., Барталев С.А., Ёлкина Е.С. и др. Информационная система VEGA-GEOGLAM — инструмент разработки методов и подходов использования данных спутникового дистанционного зондирования в интересах решения задач глобального сельскохозяйственного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 183-197. DOI: 10.21046/2070-7401-2019-16-3-183-197.
- Трошко К.А., Денисов П.В., Лупян Е.А. и др. Особенности состояния зерновых культур в регионах европейской части России и Сибири в июне 2021 г. по данным дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 325-331. DOI: 10.21046/2070-7401-2021-18-3-325-331.
Технологии и методы использования спутниковых данных в системах мониторинга