Автоматизация выявления аномалий развития вегетации растительности по спутниковым данным

Сегодня данные дистанционного зондирования Земли(ДЗЗ) все шире применяются для решении различных задач природопользования и способствуют расширению возможностей оперативного наблюдения за природными экосистемами и сельскохозяйственными землями. Использование геопространственных данных позволяет повысить оперативность получения оценочных характеристик сельскохозяйственных культур, а также обеспечить максимальный уровень объективности такой информации.
Для сельского хозяйства важным показателем развития культур являются аномалии отклонения от среднего уровня развития.
Для оценки состояния и выявления аномалий развития сельскохозяйственных культур чаще всего используют нормализованный относительный вегетационный индекс NDVI (Normalized Difference Vegetation Index), полученный по данным прибора MODIS спутника TERRA. Композиты безоблачного покрытия Украины обновляются раз в 16 дней с пространственным разрешением 250 метров.
Для повышения актуальности информации и обеспечения оперативности предоставления карт NDVI, авторами разработана система вычисления композитов NDVI для Украины каждые 8 дней. Для этого были использованы данные MOD09Q1.005 и MOD09A1.005 за восьмидневный период. С целью построения мозаики аномалии NDVI за период в 8 дней, было подсчитано среднее значение NDVI за 2000-2013 гг.
На основе этих данных вычисляется среднее значение NDVI для каждой точки территории Украины за 2000-2013 года, и выявляются аномалии развития сельскохозяйственных культур, как отклонение от среднего.
Для упрощения процесса обработки данных был разработан набор сценариев, которые обеспечивают автоматизированную загрузку, предварительную обработку и подсчет аномалий. Такой подход обеспечивает возможность автоматического выполнения всех необходимых действий, существенно уменьшает человеческие ресурсы и затраты времени. На сегодняшний день, все обработанные данные предоставляются пользователям в удобном виде и доступны на геопортале Института космических исследований НАН Украины и ГКА Украины [1-3].

1. Gallego, J. and Kravchenko, A.N. and Kussul, N.N. and Skakun, S.V. and Shelestov, A.Yu. Efficiency assessment of different approaches to crop classification based on satellite and ground observations // Journal of Automation and Information Sciences . — 2012. — vol. 44, no. 5. — P. 67–80.
2. Kussul, N, Skakun, S, Shelestov, A, Kravchenko, O, Gallego, J & Kussul, O. Crop area estimation in Ukraine using satellite data within the MARS project // IEEE International Geoscience and Remote Sensing Symposium, IEEE, Munich, Germany. — 2012. — P. 3756–3759.
3. Kravchenko, A.N. and Kussul, N.N. and Lupian, E.A. and Savorsky, V.P. and Hluchy, L. and Shelestov, A.Yu. Water resource quality monitoring using heterogeneous data and high-performance computations // Cybernetics and Systems Analysis. — 2008. — vol. 44, no. 4. — P. 616–624.