CC BY
246
СПУТНИКОВЫЙ МОНИТОРИНГ СОСТОЯНИЯ ПОСЕВОВ И ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР НА ЮГЕ ЗАПАДНОЙ СИБИРИ
Елена Юрьевна Сахарова
Сибирская государственная геодезическая академия, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, аспирант кафедры физической геодезии и дистанционного зондирования СГГА, тел. (383)222-33-07, e-mail: elena.saharova27@gmail.com
Любовь Александровна Сладких
Сибирский центр ФГБУ "НИЦ "Планета", 630099, Россия, г. Новосибирск, ул. Советская, 30, ведущий специалист, тел. (383)222-33-07, e-mail: sla@rcpod.siberia.net
Михаил Геннадьевич Захватов
Сибирский центр ФГБУ "НИЦ "Планета", 630099, Россия, г. Новосибирск, ул. Советская, 30, заведующий отделом НИР, тел. (383)334-45-42, e-mail: zahvatov@rcpod.ru
В статье представлена технология проведения оперативного спутникового мониторинга состояния посевов на юге Западной Сибири, применяемая в СЦ ФГБУ "НИЦ "Планета". Представлены возможности использования данных дистанционного зондирования Земли для решения ряда сельскохозяйственных задач и прогнозирования урожайности зерновых культур.
Ключевые слова: дистанционное зондирование, мониторинг состояния
сельскохозяйственных культур, прогнозирование урожайности, вегетационный индекс.
SATELLITE MONITORING OF CROP CONDITIONS AND YIELD FORECASTING IN THE SOUTH OF WESTERN SIBERIA
Elena Yu. Sakharova
Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., a postgraduate student of department of Physical Geodesy and Remote Sensing SSGA, tel. (383)222-33-07, e-mail: elena.saharova27@gmail.com
Lyubov A. Sladkikh
Siberian State Research Center "Planeta" (SRC "Planeta"), 630099, Russia, Novosibirsk, Sovetskaya St., leading expert, tel. (383)222-33-07, e-mail: sla@rcpod.siberia.net
Mikhail G. Zakhvatov
Siberian State Research Center "Planeta" (SRC "Planeta"), 630099, Russia, Novosibirsk, Sovetskaya St., head of department of Research Development, tel. (383)222-33-07, e-mail: zahvatov@rcpod.ru
In the article technology of operational satellite monitoring of crop conditions in the south of Western Siberia applied in the Siberian State Research Center "Planeta" is presented. Possibilities of using remote sensing data for solving agricultural tasks and yield forecasting are shown.
Key words: remote sensing, monitoring of the agricultural crop conditions, yield forecasts, vegetation index.
Современные средства дистанционного зондирования Земли позволяют получать высокооперативную и достоверную информацию о состоянии сельскохозяйственных культур. Благодаря устойчивому функционированию таких спутниковых систем как Terra, Spot и Landsat появилась возможность использования многолетних рядов данных регулярных измерений. Совместное использование спутниковых измерений растительного покрова, метеорологических данных, статистических данных об урожайности и космических изображений позволило создать технологию непрерывного оперативного мониторинга состояния посевов и прогнозирования урожайности на юге Западной Сибири. Технология мониторинга состояния посевов включает в себя два взаимосвязанных направления: прогноз урожайности яровой пшеницы и оценка состояния посевов зерновых культур. Объектами исследования на данный момент времени являются сельскохозяйственные угодья Новосибирской, Кемеровской, Омской областей и Алтайского края.
Для охвата больших территорий используется информация с американского спутника Terra (спектрорадиометр MODIS). Пространственное разрешение используемого вида данных составляет 250 м, ширина, полосы съемки в 2300 км позволяет получать изображение интересующей территории до нескольких раз в сутки, что обеспечивает мониторинг состояния посевов на обширных территориях. В программном комплексе ArcGIS по информации с КА Landsat (пространственное разрешение - 30 м) выполняется построение векторных слоев, отражающих план размещения полей в тестовых хозяйствах. Поля в хозяйствах поделены на рабочие участки, внутри которых расставлены реперные точки (рис. 1). Все реперные точки введены в базу данных и используются в дальнейшем для съема значений индексов вегетации по каждому рабочему участку полей, а также для выполнения оценки состояния посевов по трем градациям, принятым в агрометеорологии.
Рис. 1. Схема полей ОАО "Черновское" Кочковского района
Прогноз урожайности яровой пшеницы на территории Новосибирской области в СЦ ФГБУ "НИЦ "Планета" осуществляется с 2005 года. Для расчета прогноза урожайности яровой пшеницы используется программный комплекс SDIM (System of Databases and Imitating Modeling), который реализует американскую модель биопродуктивности EPIC (Erosion Productivity Impact Calculator, автор Dr.Williams). Адаптация модели биопродуктивности к агроклиматическим условиям Западной Сибири выполнялась Югорским НИИ информационных технологий на основе использования метеоданных и данных о фактической урожайности культур за 20 лет. [1, 2]
Основным параметром для расчета прогноза урожайности в программном комплексе SDIM служит индекс вегетации (NDVI), кроме этого в программный комплекс вводятся климатические характеристики: максимальная температура воздуха, минимальная температура воздуха, суммарные суточные осадки, относительная влажность воздуха, средняя скорость ветра, суммарная солнечная радиация.
По перечисленным выше агроклиматическим параметрам создана база данных по 32 метеостанциям Новосибирской области за период с 1985 года по текущий год. В соответствии с агроклиматическим районированием Новосибирской области было выбрано 15-19 административных районов. В каждом районе взято два и более тестовых хозяйств, всего выбрано 70 тестовых хозяйств с различным уровнем землепользования. Предварительный прогноз урожайности считается в конце июня, окончательный - 20 июля, в период с 15 по 20 августа дается корректировка прогноза [3]. Ошибка прогнозов за период с 2005 по 2011 годы по хозяйствам в среднем составляет 11%, средняя ошибка по районам - 14% (табл. 1).
Таблица 1
Результаты прогнозирования урожайности яровой пшеницы за 2005-2011
годы
Годы Средняя оправдываемость прогнозов, %
2005 2006 2007 2008 2009 2010 2011
Кол-во административных районов 15 15 17 18 19 19 19
Кол-во хозяйств 26 30 36 38 50 36 56
Кол-во полей в хозяйствах 161 201 236 229 277 181 528
Оправдываемость прогноза в хозяйствах, % 88 82 97 84 90 97 87 89,3
Среднерайонный прогноз (кол-во районов) - - 6 16 30 30 30
Оправдываемость среднерайонной урожайности, % - - 85 84 88 87 85 85,8
На рис. 2 представлены тренды статистической и расчетной урожайности по хозяйствам Новосибирской области с разной
интенсивностью земледелия.
Ирмень факт
Ирмень прог —Кремл фа кт
-А-Кремл прог
Таскаевсфакт
Таскаевс прог
Юженскоефак т
Юженское прог________
Годы
Рис. 2. Тренды статистической и расчетной урожайности пшеницы для отдельных хозяйств Новосибирской области
В ходе работы определились факторы, которые в той или иной степени влияют на точность посчитанного прогноза:
• прежде всего, это сорняки на полях, которые дают ложный прирост значений КОУ1;
• большой процент облачных покрытий (малое количество съемов);
• дымовые шлейфы лесных пожаров;
• неблагоприятные погодные условия уборки, которые влекут за собой потери урожайности и снижение качества зерна.
Использование данных статистической урожайности зерновых культур в тестовых хозяйствах (за период с 2001 по 2011 гг.) и накопленной базы измеренных значений КОУІ позволило разработать алгоритм оценки состояния посевов зерновых культур по трем градациям, принятым в агрометеорологии: хорошее состояние посевов, удовлетворительное и
плохое. Изначально были выбраны тестовые хозяйства с разным уровнем землепользования и на протяжении всего вегетационного периода были проведены измерения значений КОУ1 для выявления общих закономерностей развития культур. Оценка состояния посевов выполняется по четырем административным единицам Западно-Сибирского региона: Новосибирской, Омской, Кемеровской областям и Алтайскому краю. Поскольку в нашем регионе большой процент не- используемых земель, то на начальном этапе работы была поставлена задача выделения пашни. По информации с КА Landsat в программном комплексе ArcGIS были построены маски неиспользуемых земель Новосибирской, Томской, Кемеровской областей и Алтайского края [4].
На основе использования данных со спутника Тегга строится картина значений КОУІ для всего спутникового снимка, после чего изображение совмещается с масками облачности и неиспользуемых земель. Далее при помощи полученных ранее граничных значений КОУ1 все оставшиеся точки снимка разбиваются на три градации и окрашиваются в соответствующий цвет: зелёный, если значение в этой точке попало в интервал
соответствующий хорошему состоянию посевов; жёлтый -удовлетворительному; красный - плохому. Полученная карта-схема совмещается с векторными слоями, содержащими реки, водоёмы, административные границы и названия основных населённых пунктов. Результат данной работы представлен на рис. 3.
I I - удовлетворительное состояние посевов (50 %) Россия, 630099, г. Новосибирск
I I -хорошее состояние посевов (36%) 1еч\ж)222 3Ь07
I I - облачность, неиспользуемые земли Факс (383) 222-33-07
D-nuil: iivn'rtrcpod.ru http://invw.rc pod.ro
Рис. 3. Оценка состояния посевов зерновых культур, Новосибирская область (23.06.2013 г.)
Карты оценки состояния посевов строятся на каждый съем спутниковых данных, не экранированный облачностью, и позволяют получать в оперативном режиме оценку состояния посевов юга Западной Сибири с процентным соотношением каждой из трех градаций, от появления всходов до окончания вегетационного периода.
Использование спутниковых данных позволяет дополнить и облегчить трудоемкий процесс наземного сбора данных, повысить достоверность оценки посевов и упростить задачу мониторинга состояния сельскохозяйственных культур.
Применение технологии мониторинга состояния посевов и прогнозирования урожайности по данным дистанционного зондирования Земли перспективно для органов государственной власти, банковских структур, предоставляющих кредиты, страховых компаний, возмещающих ущерб сельхозпроизводителям при потере урожайности вследствие неблагоприятных погодных условий.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Брыксин В. М., Евтюшкин А. В. Оценка урожайности зерновых культур на основе данных дистанционного зондирования и модели биопродуктивности // ГЕО-Сибирь-2005. Науч. конгр. : сб. материалов в 7 т. (Новосибирск, 25-29 апреля 2005 г.). -Новосибирск: СГГА, 2005. Т. 5. - С. 218-223.
2. Брыксин В. М. Применение адаптированной модели биопродуктивности EPIC и космоснимков MODIS для прогнозирования урожайности зерновых культур на
территории Западной Сибири // Вестник НГУ. Серия: Информационные технологии. -Изд-во НГУ, 2007. - Том 5, вып. 1. - С. 20-26.
3. Антонов В. Н., Сладких Л. А. Мониторинг состояния посевов и прогнозирование урожайности яровой пшеницы по данным ДЗЗ // ГЕОМАТИКА №4, 2009. - С. 50-53.
4. Сапрыкин Е.И., Сладких Л.А., Пчельников Д.В. Оценка состояния посевов зерновых культур по данным дистанционного зондирования земли. // Информационные технологии, системы и приборы в АПК. Ч. 1: материалы 5-ой международной научнопрактической конференции «АГР0ИНФ0-2012» в 2 ч. (Новосибирск, 10-11 октября 2012 г.)/ Рос. акад. с.-х. наук, Сиб. регион. отд-ние, Сиб. физико-техн. ин-т аграр. проблем. -Новосибирск, 2012. - Часть 1 - С. 387-390.
© Е. Ю. Сахарова, Л. А. Сладких, М. Г. Захватов, 2014
