DOI: 10.24411/2619-0761-2020-10017 УДК 528.8.04
ИСПОЛЬЗОВАНИЕ МНОГОЗОНАЛЬНЫХ КОСМИЧЕСКИХ СНИМКОВ ДЛЯ ЦЕЛЕЙ ГЕОИНФОРМАЦИОННОГО МОНИТОРИНГА И АНАЛИЗА ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК _СЕЛЬСКОХОЗЯЙСТВЕННОГО ЗЕМЛЕПОЛЬЗОВАНИЯ*_
Зарубин О .А. * Ларина А.В, Саулин В.А, Шабайкина В.А.
Национальный исследовательский Мордовский государственный университет им. Н.П. Огарева, г. Саранск, Россия
*E-mail: oieg-zarubin@iist.ru
Аннотация. В статье проанализированы концептуальные основы системы геоинформационного мониторинга сельскохозяйственного землепользования, функционирующей в Российской Федерации. На современном этапе развития науки и практики использование географических информационных систем при автоматизированном дешифрировании многозональных космических снимков является важнейшим инструментом для принятия верных управленческих решений в области землеустройства, оптимизации сельскохозяйственного землепользования и информационным базисом для оперативного мониторинга, оценки состояния сельскохозяйственных культур, прогнозирования их урожайности.
Рассмотрены возможности применения многозональных космических снимков Landsat-8 для целей геоинформационного мониторинга и анализа пространственных данных, необходимых для обеспечения сельскохозяйственного землепользования. В качестве источника данных дистанционного зондирования Земли (ДЗЗ) использована библиотека географического портала Геологической службы Соединенных Штатов Америки. Работы выполнены в ГИС ArcGIS. Апробация методик анализа пространственных данных осуществлена на примере научно-исследовательского тестового полигона «Чеберчинка», расположенного в лесостепи эрозионно-денудационных равнин Приволжской возвышенности в административных границах Республики Мордовия.
Авторами в статье реализованы методика предварительной обработки многозональных космических снимков и алгоритмы их классификации (с обучением и без обучения) для моделирования структуры сельскохозяйственного землепользования на базе концепции Land Cover, являющейся частью программы стран Европейского союза «Coordination of information on the environment» (CORINE). Для оценки состояния сельскохозяйственных культур выполнен расчет нормализованного разностного вегетационного индекса (NDVI, Normalized Difference Vegetation Index). Проведены анализ динамики изменения биомассы в течение вегетационного периода и количественная оценка неоднородности индекса NDVI за 2018 г. по результатам расчета показателей для различных видов сельскохозяйственных культур: клевер, кукуруза, пшеница, рапс, рожь, ячмень.
Ключевые слова: многозональные космические снимки, пространственные данные, метаданные, ГИС, вегетационный индекс, NDVI, сельское хозяйство, Landsat-8.
Введение.
ационализация территориальной организации системы сельскохозяйственного землепользования является одним из важнейших условий устойчивого эколого-социально-экономического развития регионов [1]. В соответствии с задачами, сформу-
лированными в Стратегии пространственного развития Российской Федерации на период до 2025 года [2], развитие территорий сельских поселений и межселенных территорий - одна из приоритетных задач государства и общества при ответе на современные вызовы.
© ®
Содержимое этой работы может использоваться в соответствии с условиями лицензии Creative Commons Attribution 4.0. Любое дальнейшее распространение этой работы должно содержать указание на автора (ов) и название работы, цитирование в журнале и DOI.
Очевидно, что ее решение основано на глубоком анализе региональных и локальных природно-социально-производственных систем, особенностей хозяйственного (сельскохозяйственного, селитебного и др.) освоения, выработке эффективных решений в сфере оптимизации структуры землепользования, ведения сельского хозяйства, градостроительного освоения. Такая постановка вопроса требует наличия мощной информационной основы принятия управленческих решений, интегрирующей разноотраслевую пространственно распределенную информацию.
В условиях развития цифровой экономики в России особое значение для сельского хозяйства имеет совершенствование методов анализа пространственных данных, совершенствование методик обновления и верификации имеющихся метаданных о пространственных объектах, выступающих территориальной основой сельскохозяйственного землепользования. Опыт региональных исследований [3...5 и др.] показывает, что разработка комплексного свода данных об организации системы землепользования целесообразно на базе создания практико-ориентированных ГИС, реализующих возможности получения, хранения, интерпретации и распространения знаний о почвенно-земельных, минерально-сырьевых, водных, лесных, биологических и других ресурсах. При этом региональная информационная система, интегрирующая отраслевые исследования в области оптимизации землепользования, должна включать три основных блока [4, 6]: 1) ГИС; 2) систему анализа данных ДЗЗ; 3) геопортальную модель. Проектирование такой информационной системы предполагает: 1) разработку и обоснование концептуальной модели геоинформационного обеспечения оптимизации системы регионального землепользования; 2) разработку методологии и методов тематического картографирования структуры землепользования на основе обработки и анализа данных ДЗЗ; 3) проектирование и обновление баз пространственно-распределенных данных, электронных аналитических и синтетических карт в структуре региональной ГИС, формирующих банк пространственно распределенных данных
системы землепользования; 4) разработку эффективного решения визуализации и распространения информации - проектирование геопортала как пользовательско-ориентированного web-проекта.
В Российской Федерации значительная часть обозначенных задач решается в рамках системы мониторинга земель, являющейся частью государственного экологического мониторинга. Общие принципы данного механизма устанавливаются в статье 67 Земельного кодекса Российской Федерации от 25.10.2001 г. № 136-Ф3 [7], детализируются Постановлением Правительства Российской Федерации от 09.08.2013 г. № 681 [8], приказом Министерства экономического развития Российской Федерации от 26.12.2014 г. № 852 [9], приказом Министерства сельского хозяйства Российской Федерации от 24.12.2015 г. № 664 [10] и другими документами.
Анализ нормативно-правовой базы осуществления мониторинга земель показывает, что его информационное обеспечение во многом основывается на использовании триады, обозначенной выше: ГИС - система анализа данных ДЗЗ - геопортальное решение.
В области мониторинга земель сельскохозяйственного назначения в соответствии с Федеральным законом от 29.12.2006 г. № 264-ФЗ [11] и Постановлением Правительства Российской Федерации от 07.03.2008 г. № 157 [12] создана система государственного информационного обеспечения в сфере сельского хозяйства (СГИО СХ). Посредством применения информаци-онно-телеком-муникационных технологий осуществляется автоматизированный сбор, хранение, обработка, анализ и экспорт данных, взаимодействие с другими государственными информационными системами. Помимо этого, с 2018 г. в стране функционирует Единая федеральная информационная система о землях сельскохозяйственного назначения и землях, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий (ЕФИС ЗСН) [13], предназначенная для информационного сопровождения Министерства сельского хозяйства Российской Федерации и профильных государственных структур и организаций.
Федеральные информационные системы, обеспечивающие мониторинговые процессы в сфере сельскохозяйственного землепользования, в ряде субъектов Российской Федерации дополняются собственными разработками, ориентированными на оптимизацию сельского хозяйства (рис. 1). В настоящее время актуальной остается задача взаимодействия баз данных таких
региональных систем с ЕФИС ЗСН в части состава, формата, механизмов обработки и визуализации мониторинговых показателей. В большинстве субъектов работа региональных информационных систем сочетается с геопортальным решением, обеспечивающим дифференциацию пользовательского доступа к контенту.
Рис. 1. Внедрение региональных информационных систем мониторинга земель в субъектах Российской Федерации
Так, по оценкам Министерства сельского хозяйства Российской Федерации [14] Республика Мордовия одной из первых успешно внедрила собственную региональную информационную систему в практику принятия управленческих решений в сфере оптимизации сельского хозяйства. С 2016 г. в регионе функционирует геопортальный сервис Геоаналитического центра управления АПК Республики Мордовия (http:// agrogis.e-mordovia.ru). Основной целью создания геосервиса является реализация агро-производственного потенциала республики. В основе функционирования информационной системы лежит принцип верификации имеющихся данных ЕГРН, отражение системы фактического землепользования, реально сложившейся в ходе хозяйственного освоения природно-социально-производственных систем региона.
Региональные геоинформационные системы мониторинга земель значительно различаются по структуре, функциональным возможностям, архитектурным и интерфейсным решениям, что зависит от особенностей систем сельскохозяйственного землепользования, а также от специфики работы регионального органа управления агропромышленным комплексом, агрохимслужбы. Несмотря на это, проведенный обзор показывает, что в работе сервисов выделяются два ключевых направления: 1) оперативный мониторинг неиспользуемых сельскохозяйственных угодий, отслеживание динамики вывода/ввода земельных участков в сельскохозяйственный оборот; 2) учет, инвентаризация, систематизация и оперативное обновление метаданных (площадь, вид угодий, классификационные единицы почвенного покрова, агрохимические параметры,
возделываемые культуры, динамика всходов озимых/яровых культур и др.) в пределах пространственных объектов - сельскохозяйственных землепользований.
Основная часть. Для решения обозначенных задач одним из основных источников формирования баз пространственно распределенных данных являются материалы ДЗЗ - многозональные и гиперспектральные космические снимки. В проведенном исследовании с использованием ГИС-технологий предпринята попытка отработки ряда методик тематической обработки многозональных космических снимков Landsat-8 для целей картографирования структуры сельскохозяйственного землепользования и мониторинга состояния сельскохозяйственных угодий. Архивные материалы ДЗЗ получены с официального сайта геологической службы США (https://glovis.usgs.gov). Их обработка была произведена в программе ArcGIS 10.2.2. Ранее данные многозональные космические снимки зарекомендовали себя при решении сходных задач картографирования сельскохозяйственного землепользования [3] и мониторинга состояния растительного покрова населенных пунктов
[15, 16].
Практика региональных исследований [3, 4, 17 и др.] показывает, что в основе
реализации методик обработки данных ДЗЗ при решении прикладных задач заложена их апробация на системе тестовых полигонов, отличающихся хорошей изученностью и репрезентативностью ландшафтных характеристик, параметров землепользования. Т акой подход призван обеспечить релевантный характер интерпретируемых результатов и возможность масштабирования в условиях региона.
В настоящей статье такая задача решалась на базе тестового научно-исследовательского полигона «Чеберчинка» - одной из территорий, используемых в Мордовском университете для отработки и верификации существующих и разработанных технологий дешифрирования многозональных космических снимков [17]. Полигон расположен в северной лесостепи Приволжской возвышенности; охватывает почти всю территорию Дубенского, юго-восточную часть Атяшевского и северовосточную часть Большеберезниковского муниципальных районов Республики Мордовии (рис. 2). Визуальный анализ космических снимков в естественных цветах показывает, что для территории наиболее характерны высокая сельскохозяйственная и селитебная освоенность. Лесные массивы дешиф р и руются фрагментарно.
Рис. 2. Географическое положение научно-исследовательского полигона «Чеберчинка»
На предварительном этапе снимки Land-sat-8 были радиометрически скорректированы (откалиброваны) с помощью пересчета безразмерного нормализованного значения DN (Digital Number) в отражательную способность (reflectance). Вычисления были проведены в два этапа согласно методике, рекомендуемой Геологической службой США [18].
На первом этапе по формуле (1) было рассчитано земное спектральное отражение pX ' без поправки на солнечный угол:
pX' = Mp xQcal + Ap, (1)
где Mp - коэффициент мультипликативного масштабирования отражения для спектрального канала; Qcal - значение DN пикселя изображения уровня обработки L1 (исходный растр); Ap - аддитивный масштабный коэффициент отражения для спектрального канала.
Далее по формуле (2) рассчитывались значения яркости, выраженные через отражательную способность pX:
pX = pX' / sin (Ose), (2)
где Ose - угол падения солнечных лучей.
Задача инвентаризационного картографирования структуры землепользования полигона решалась на основе составления карты Land cover, концепция которой реализуется странами Евросоюза в программе CORINE [19].
Для моделирования пространственных объектов (структуры землепользования) научно-исследовательского полигона выполнялись следующие операции:
- экспертное определение потенциального количества классов землепользований. Предварительное визуальное дешифрирование проводилось на основе космических снимков высокого пространственного разрешения, скаченных с соответствующим файлом привязки с сервиса Sas.Planet. Всего программа CORINE предусматривает 44 класса земной поверхности на трех иерархических уровнях. При картографировании необходимо проводить предварительный анализ потенциального числа типологических единиц землепользования, чтобы избежать отнесения пикселей с близкими спектральными параметрами к разным классам;
- выбор спектральных каналов снимка (создание синтезированного изображения). В качестве основной выбрана комбинация каналов 6-5-4 (в позициях R-G-B). В ходе предыдущих экспериментов [3] установлено, что такая комбинация позволяет наиболее уверенно детектировать пространственные конфигурации сельскохозяйственных угодий и антропогенных поверхностей (населенные пункты, дорожная сеть);
- выбор алгоритма классификации снимка и реализация процедуры дешифрирования. В работе апробированы алгоритмы без обучения (ISODATA) и с обучением (метод максимального подобия). Для реализации второго алгоритма был заранее определен набор эталонных участков, однозначно интерпретируемых при визуальном анализе космических снимков высокого пространственного разрешения;
- тематическая интерпретация классов. Выделены следующие классы землепользования согласно терминологии СОЯШЕ: искусственная поверхность (застройка населенных пунктов, дорожная сеть); пашня; гетерогенные сельскохозяйственные районы (многолетние культуры, лугово-пастбищные комплексы); лиственные, хвойные и см еш анные леса; внутренние воды (водоемы и водотоки) (рис. 3);
- векторизация конечного растра.
Анализ полученных моделей показывает,
что физиономичные классы землепользования детектируются не всегда уверенно. Так, искусственные поверхности при классификации без обучения определяются с большими ошибками, что связано, вероятно, с невысокой плотностью застройки в населенных пунктах, расположенных на территории полигона. Эффективнее данный класс дешифрируется при обучении выборки: увереннее выделяется не только структура жилой застройки, но и дорожная сеть. Более точно проводятся границы между классами лиственных лесов и сельскохозяйственных областей.
С другой стороны, трудноразличимые на снимках естественных цветов неглубокие водные объекты уверенно выделяются при автоматизированном дешифрировании. Это связано с наличием в выборке каналов красного и инфракрасного диапазонов,
обеспечивающих разграничение растительных сообществ, гидроморфных геокомплексов и водных объектов.
Последующие эксперименты должны быть направлены на экстраполяцию полученного опыта за счет увеличения перечня классов сельскохозяйственного и иного землепользований, не представленных на территории полигона.
Большинство технологических решений по изучению параметров растительного покрова на базе многозональных космических снимков основываются на расчете вегетационных индексов - формализованных выражений, где в качестве переменных выступают яркостные характеристики каналов. Вычисление большинства индексов основано на особенностях отражательной способности растений в красном и ближнем инфракрасном диапазонах спектра [20, 21]. С увеличением фитомассы в границах пикселя значения яркости растут в ближней инфракрасной зоне и снижаются в красной.
Для геоинформационного мониторинга посевов сельскохозяйственных культур использован один из наиболее распространенных вегетационных индексов - NDVI,
Использование инструментальных
методик обработки данных ДЗЗ для целей картографирования сельскохозяйственного землепользования позволяет не только анализировать границы классов земной пов е р х ности, но и проводить оперативный тематический мониторинг состояния сельскохозяйственных культур обновлять метаданные пространственных объектов.
предложенный в 1973 г. J.W. Rouse, R.H. Haas, J .A. Schell, D.W. Deering. Значения индекса варьируются в интервале от - 1 до 1. Чем в ыше расчетное значение, тем больше фитомасса, регистрируемая в пределах пикселя. В работе использовалась традиционная ф ор мула (3) его вычисления [20, 21]:
NDVI = (NIR - Red)/(NIR + Red), (3)
где NIR - отражение в ближней инфракрасной области спектра; RED - отражение в красн ой области спектра.
Расчет вегетационного индекса производился для посевов сельскохозяйственных культур в пределах границ научно-исслед овательского полигона «Чеберчинка» по материалам архивных многозональных снимков за 2018 г. Для анализа выбраны
М- > ¡fcj
at
- V. ÄF
и
%
Космический снимок
' V'>
N
• 1
If*" ■
♦ .
"-Ч
• №-< \
.v; V„ /
Классификация без обучения
ЩМ Ж
/
vi
v.: , '". - Л". ■ , .':
Классификация с обучением
Условные обозначения
Классы фактического землепользования*
_ Уровень 1: 3 Лес и полуестественные области
I Уровень 2: 3.1 Леса Уровень 3: 3.1.1 Лиственные леса
^^ Уровень 1: 3 Лес и полуестественные области уровень 2: 3.1 Леса Уровень 3: 3.1.2 Хвойные леса
Уровень 1: 3 Лес и полуестественные области и Уровень 2: 3.1 Леса
Уровень 3: 3.1.3 Смешанные леса
Уровень 1:5 Водные объекты ^ Уровень 2: 5.1 Внутернние воды
Уровень 3: 5.1.1 Водотоки / 5.1.2 Водоемы
Уровень 1: 1 Искусственные поверхности ^^ Уровень 2: 1.1 Городская застройка /
1.2 Индустриальный, коммерческий и транспортный модули Уровень 3: 1.1.2 Разраженная городская застройка /
1.2.2 Дорожные и железнодорожные сети и связанные с ними земли
I- Уровень 1: 2 Сельскохозяйственные области
Уровень 2: 2.1 Пашня
Уровень 1: 2 Сельскохозяйственные области
Уровень 2: 2.4 Гетерогенные сельскохозяйственные районы
* Примечание. Интерпретация классов приведена в соответствии с программой CORINE
Рис. 3. Результаты проектирования карты фактического землепользования полигона «Чеберчинка» (фрагмент)
поля, на которых произрастают клевер, кукуруза, пшеница, рапс, рожь и ячмень.
Для анализа динамики биомассы были обработаны снимки за следующие даты вегетационного периода 2018 г.: 8 мая, 18 июня, 27 июля, 12 августа, 28 августа, 22 сентября. Выбор указанных временных дат связан с наличием материалов космофо-тосъемки на территории полигона в соответствующий период вегетации растительности.
Для визуализации индексной карты NDVI полученные значения классифицированы на 6 классов в цветовой гамме от крас-ног о до зеленого. Статистическая обработка в ы п о л н ена с помощью встроенного в ГИС ArcGIS модуля «Статистика». Полученные карты наглядно отражают изменение биомассы сельскохозяйственных культур в теч е н и е в егетационного периода 2018 г. ( р и с . 4 ) .
Рис. 4. Динамика вегетационного индекса тестовых полей полигона «Чеберчинка», 2018 г. (фрагмент)
Из шести полученных индексных изображений наименьшая степень вегетации характерна для 8 мая и 22 сентября (менее 0,1), наибольшая степень вегетации отмечалась 27 июля. На данную дату максимальной биомассой среди сельскохозяйственных культур характеризуются поля, занятые ячменем (0,69), а минимальной - рожью (0,40).
На представленных индексных картах NDVI пространственная неоднородность имеется как внутри границ, что обусловлено,
в перв у ю очередь, различием в биомассе, так и между отдельными выделами в разрезе сельскохозяйственных культур. Последний факт обусловливается различными условиями проведения опытов: неоднородностью почв, условиями гидроморфности и др. Для количественной оценки неоднородности NDVI по пикселям в границах полей были рассчитаны показатели статистики: среднее, минимальное и максимальное значения (табл. 1).
Таблица 1
Статистика NDVI сельскохозяйственных культур в пределах тестовых полей полигона «Чеберчинка»
08.05.2018 18.06.2018 27.07.2018
М а V Мт Мах М а V Мт Мах М а V Мт Мах
Клевер 0,06 0,02 33,3 0,01 0,10 0,35 0,09 25,7 0,04 0,59 0,65 0,08 12,3 0,36 0,83
Кукуруза 0,05 0,02 40,0 0,01 0,09 0,09 0,03 33,3 0,03 0,61 0,68 0,11 16,2 0,27 0,86
Пшеница 0,05 0,02 40,0 0,01 0,08 0,27 0,04 14,8 0,16 0,54 0,41 0,09 22,0 0,26 0,84
Рапс 0,04 0,01 25,0 0,01 0,07 0,26 0,09 34,6 0,10 0,72 0,59 0,13 22,0 0,32 0,87
Рожь 0,05 0,02 40,0 0,01 0,09 0,24 0,05 20,8 0,17 0,57 0,40 0,13 32,5 0,28 0,81
Ячмень 0,02 0,01 50,0 0,01 0,04 0,25 0,08 32,0 0,03 0,80 0,69 0,10 14,5 0,38 0,90
12.08.2018 28.08.2018 22.09.2018
М а V Мт Мах М а V Мт Мах М а V Мт Мах
Клевер 0,19 0,04 21,1 0,11 0,29 0,12 0,04 33,3 0,09 0,19 0,03 0,01 33,3 0,01 0,04
Кукуруза 0,25 0,04 16,0 0,09 0,35 0,18 0,03 16,7 0,07 0,25 0,03 0,01 33,3 0,01 0,06
Пшеница 0,15 0,03 20,0 0,11 0,33 0,11 0,02 18,2 0,08 0,23 0,02 0,01 50, 0,01 0,06
Рапс 0,23 0,07 30,4 0,12 0,41 0,17 0,05 29,4 0,08 0,29 0,04 0,01 25,0 0,02 0,08
Рожь 0,13 0,03 23,1 0,09 0,26 0,11 0,02 18,2 0,07 0,18 0,02 0,01 50,0 0,02 0,05
Ячмень 0,21 0,06 28,9 0,04 0,41 0,14 0,05 35,7 0,03 0,29 0,02 0,01 50,0 0 0,10
Зональная статистика NDVI для ячменя в наибольшей степени отличалась по полям по сравнению с остальными культурами. Эта разница может быть обусловлена неоднородностью почвенных условий. На 27 июля минимальные значения индекса характерны для полей, занятых светло-серыми лесными почвами (0,38), максимальные значения -темно-серыми лесными и черноземами (0,68 и 0,9 соответственно). Для остальных культур такая тенденция прослеживается в меньшей степени.
Динамика среднего значения NDVI рассмотрена по шести исследуемым сельскохозяйственным культурам (рис. 5). На рис. 5 приводится обобщенное значение для всех полей в разрезе соответствующей культуры. График сезонных изменений NDVI показывает, что начало активного прироста биомассы начинается у всех культур преимущественно в период с 8 мая по 18 июня. Наиболее позднее начало данного периода характерно для кукурузы. С 18 июня на графике наблюдается резкий прирост биомассы с максимальным значением 27 июля. На графике видно, что наибольшей биомассой среди сельскохозяйственных культур в этот период характеризуется ячмень, а наименьшей - рожь. С 12 августа происходит снижение значений вегетационного индекса в связи с наступлением фазы колошения, при которой содержание
хлорофилла сокращается, а также с началом сезонного сбора урожая. Таким образом, период основного прироста биомассы наблюдается с 18 июня до 12 августа.
Таким образом, индекс NDVI позволяет проследить динамику роста зеленой биомассы растений и ее снижение при созревании сельскохозяйственных культур за весь период вегетации. При этом данный показатель м о ж ет существенно варьироваться в пространстве, принимая различные значения на полях, занятых одной культурой. Получен-ны е в результате анализа сведения можно применить для дальнейших исследований по прогнозированию урожайности сельскохозяйственных культур.
Заключение. Современные тенденции нормативного правового обеспечения, опыт функционирования федеральных информационных ресурсов и региональных сервисов в с ф ере мониторинга сельскохозяйственного землепользования показывают, что в основе оперативного решения стратегических задач простр анственного развития территорий заложены геоинформационные и космические технологии, обеспечивающие обновление и верификацию метаданных. В связи с этим, стрежневая линия обеспечения принятия управленческих решений в области мониторинга сельскохозяйственных земель и форм ирования верифицированных инфраструктур пространственных данных в сфере
и 8 мая 18 июня 27 июля 12 августа 28 августа 22 сентября
Рапс 0,04 0,26 0,59 0,23 0,17 0,04
Рожь 0,05 0,24 0,4 0,13 0,11 0,02
Клевер 0,06 0,35 0,65 0,19 0,12 0,03
Кукуруза 0,05 0,09 0,68 0,25 0,18 0,03
Пшеница 0,05 0,27 0,41 0,15 0,11 0,02
Ячмень 0,02 0,25 0,69 0,21 0,14 0,02
Рис. 5. Динамика средних значений NDVI сельскохозяйственных культур в 2018 г.
сельскохозяйственного землепользования объединяет ГИС, систему обработки данных ДЗЗ и web-ориентированный ГИС-проект.
Узловая роль дешифрирования материалов ДЗЗ заключается в решении следующих принципиальных задач, получивших апробацию в настоящей работе: 1) инвентаризационное картографирование и оперативный мониторинг пространственной структуры землепользования в условиях процессов интенсивного хозяйственного освоения; 2) тематическое геоинформационное картографирование состояния сельскохозяйственных культур с целью формирования метаданных пространственных объектов.
* Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-37-70055.
Литература
1. Зарубин О.А. Территориальное планирование и землеустройство как механизмы ландшафтно-экологической оптимизации сельскохозяйственного землепользования [Эл. ресурс] // Современные проблемы территориального развития. 2020.№ 1.
2. Об утверждении Стратегии пространственного развития Российской Федерации на период до 2025 года [Эл. ресурс]: Распоряжение Правительства Российской Федера-
ции от 13 февраля 2019 г. № 207-р. URL: http://www.consultant.ru/document/ cons_doc_LAW_318094/006fb940f95ef67a1a3 fa7973b5a39f78dac5681/ (дата обращения: 04.05.2020).
3. Носонов А.М., Зинина Л.И., Тесленок С . А. , Иванова И.А., Макар С.В., Зарубин О.А. Инновационный потенциал сельского хозяйства России. Саранск: Изд-во НИ МГУ им. Н.П. Огарёва, 2019. 220 с.
4. Ямашкин А.А., Ямашкин С.А., Зарубин О.А., Фролов А.Н. Геоинформационное обеспечение ландшафтно-экологических исследований в оптимизации землепользования // В сб.: Структура, динамика и функционирование природно-социально-производ-ственных систем: наука и практика. 2018. С. 65-74.
5. Ямашкин А.А., Ямашкин С.А., Москалева С.А., Акашкина А.Г., Фролов А.Н. Геоинформационный мониторинг с о стоя ния природно-социально-производ-ственных систем для целей землеустройства // В сб.: Природа и общество: в поисках гармонии: сб. науч. статей конф. Смоленск: Изд-во Универсум, 2015. С. 182-188.
6. Ямашкин А.А., Фролов А.Н., Ямаш-кин С.А. Базовые геоинформационные ресурсы для оптимизации регионального землепользования // Международный научно -исследовательский журнал. 2016. № 11-2 (53). С. 85-88.
7. Земельный кодекс Российской Федерации [Эл. ресурс]: Федеральный закон от 25 октября 2001 г. № 136-Ф3 (ред. от 27 июня 2019 г.). URL: http://www.consultant.ru/ document/cons_doc_LAW_33773/ (дата обращения: 04.05.2020).
8. О государственном экологическом мониторинге (государственном мониторинге окружающей среды) и государственном фонде данных государственного экологического мониторинга (государственного мониторинга окружающей среды) (вместе с «Положением о государственном экологическом мониторинге (государственном мониторинге окружающей среды) и государственном фонде данных государственного экологического мониторинга (государственного мониторинга окружающей среды)») [Эл. ресурс]: Постановление Правительства Российской Федерации от 9 августа 2013 г. № 681 (ред. от 30 ноября 2018 г.). URL: http://www.consultant.ru/document/ cons_doc_LAW_150638/.
9. Об утверждении Порядка осуществления государственного мониторинга земель, за исключением земель сельскохозяйственного назначения [Эл. ресурс]: Приказ Министерства экономического развития Российской Федерации от 26 декабря 2014 г. № 852. URL: http://www.consultant.ru/document/ cons_doc_LAW_175349/ (дата обращения: 04.05.2020).
10. Об утверждении Порядка осуществления государственного мониторинга земель сельскохозяйственного назначения [Эл. ресурс]: Приказ Министерства сельского хозяйства Российской Федерации от 24 декабря 2015 г. № 664. URL: http:// www.consultant.ru/document/ cons_doc_LAW_195686/ (дата обращения: 04.05.2020).
11. О развитии сельского хозяйства [Эл. ресурс]: Федеральный закон от 29 декабря
2001 г. № 78-ФЗ (ред. от 25 декабря 2018 г.). URL: http://www.consultant.ru/document/ cons_doc_LAW_64930/ (дата обращения:
04.05.2020).
12. О создании системы государственного информационного обеспечения в сфере сельского хозяйства [Эл. ресурс]: Постановление Пр ав ительства Российской Федерации от 7 марта 2008 г. № 157 (ред. от 20 ноября 2018 г.). URL: http://www.consultant.ru/ document/cons_doc_LAW_75414/ (дата обращения: 04.05.2020).
13. О вводе в эксплуатацию единой федеральной информационной системы о землях сельскохозяйственного назначения и землях, используемых или предоставленных для ведения сельского хозяйства в составе земель иных категорий [Эл. ресурс]: Приказ Министерства сельского хозяйства России от 2 апреля 2018 г. № 130. URL: http:// www.consultant.ru/cons/cgi/online.cgi? req=doc&base=EXP&n=717686#03815496059 461918 (дата обращения: 04.05.2020).
14. Об использовании земель сельскохозяйственного назначения в Российской Федерации в 2017 году [Эл. ресурс]: государственный доклад. URL: http://mcx.ru/upload/ iblock/126/126b1552f6db8d71c3736a5a2354a6 98.pdf (дата обращения: 04.05.2020).
15. Кустов М.В., Зарубин О.А., Саулин В.А., Авдюшкина Ю.Н., Токарев А.А. Пространственно-временной анализ изменения состояния растительности по данным дистанционного зондирования Земли (на примере зоны строительства юго-западного шоссе в г. Саранск) // Современные проблемы территориального развития. 2018. № 3.
16. Кустов М.В., Зарубин О.А., Саулин В.А. Анализ состояния растительности на основе вычисления вегетационных индексов по данным дистанционного зондирования Земли (на примере городского округа Саранск) // В сб.: XLVI Огарёвские чтения: сб . науч. трудов по итогам конф. Саранск: Изд-во Мордов. ун-та, 2018. С. 126-129.
17. Ямашкин А.А., Ямашкин С.А., Кликунов А.А., Акашкина А.Г., Шукшин Ю.С. Применение ГИС в анализе морфологической структуры ландшафтов // Вестник Удмуртского университета. Серия Биология. Науки о Земле. 2013. № 3. С. 115-122.
18. Landsat 8 (L8) : data users handbook. Sioux Falls: USGS, 2019. 106 p.
19. Büttner G., Manakos I., Braun M. Corine Land Cover and Land Cover Change Products. Springer, 2014. 55-74 p.
20. Черепанов А.С., Дружинина Е.Г. Спектральные свойства растительности и вегетационные индексы // Геоматика. 2009. № 3 (4). С. 28-32.
21. NDVI: Теория и практика. URL: http:gis-lab.info/qa/vi.html (дата обращения 06.03.2020).
Контактные данные:
Зарубин Олег Александрович, эл. почта: oieg-zarubin@iist.ru Ларина Алена Викторовна, эл. почта: iarina2705@yandex.ru Саулин Василий Александрович, эл. почта: sauiin11@maii.ru Шабайкина Виктория Александровна, эл. почта: shabaykinav@yandex.ru
© Зарубин О.А., Ларина А.В., Саулин В.А., Шабайкина В.А., 2020
THE USE OF MUL TIZONE SA TELLITE IMAGERY FOR THE PURPOSE OF GEOINFORMA TION MONITORING AND ANAL YSIS OF SPA TIAL CHARACTERISTICS OF AGRICULTURAL LAND USE
O.A. Zarubin*, A.V. Larína, V.A. Saulin, V.A. Shabaikina
National Research Ogarev Mordovia State University, Saransk, Russia
*E-mail: oleg-zarubin@list.ru
Abstract. The conceptual basis of the system of geoinformation monitoring of agricultural land use of the Russian Federation is analyzed in the article. The use of geographical information systems for the automated decoding of multizone satellite imagery is an essential tool for making correct management decisions in the field of land management, optimizing agricultural land use and an information basis for operational monitoring, assessing the state of crops, and predicting their productivity at the present stage of development of science and practice.
The possibilities of using Landsat-8 multi-zonal satellite images for the purposes of geoinformation monitoring and analysis of spatial data are considered. They are necessary to ensure agricultural land use. The library of the geographic portal of the Geological Survey of the United States of America was used as a source of Earth Remote Sensing data. The work was performed in GIS ArcGIS. The testing of spatial data analysis techniques was carried out using the Cheberchink research and development test site as an example. The territory is located in the forest-steppe of erosion-denudation plains of the Volga Upland in the administrative borders of the Republic of Mordovia.
The pre-processing technique for multizone satellite imagery and the algorithms for their classification (with and without training) were implemented by the authors in an article to model the structure of agricultural land use based on the Land Cover concept. This concept is part of the European Union's «Coordination of information on the environment» (CORINE) program. The calculation of the normalized differential vegetation index (NDVI, Normalized Difference Vegetation Index) was performed to assess the condition of crops. An analysis of the dynamics of changes in biomass and a quantitative assessment of the heterogeneity of the NDVI index were carried out according to the results of calculating indicators for various types of crops: clover, corn, wheat, rape, rye, barley. The calculations were carried out during the growing season of 2018.
Keywords: multizone satellite imagery, spatial data, metadata, GIS, vegetation index, NDVI, agriculture, Landsat-8.
References
1. Zarubin O.A. Territorial'noe planirovanie i zemleustrojstvo kak mekhanizmy landshaftno -ekologicheskoj optimizacii sel'skohozyajstven-nogo zemlepol'zovaniya [Spatial planning and land management as mechanisms for landscape -ecological optimization of agricultural land use] [El. resurs] // Sovremennye problemy territorial'nogo razvitiya. 2020. № 1. (rus)
2. Ob utverzhdenii Strategii prostranstven-nogo razvitiya Rossijskoj Federacii na period do 2025 goda [On approval of the Spatial Development Strategy of the Russian Federation for the period until 2025] [El. resurs]: Rasporyazhenie Pravitel'stva Rossijskoj Federacii ot 13 fevralya 2019 g. № 207-r. URL: http://www.consultant.ru/document/
cons doc LAW 318094/006fb940f95ef67a1a3
fa7973b5a39f78dac5681/ (data obrashcheniya: 04.05.2020). (rus)
3. Nosonov A.M., Zinina L.I., Teslenok S.A., Ivanova I.A., Makar S.V., Zarubin O.A. Innovacionnyj potencial sel'skogo hozyajstva Rossii [Innovative potential of Russian agriculture]. Saransk: Izd-vo NI MGU im. N.P. Og-aryova, 2019. 220 p. (rus)
4. Yamashkin A.A., Yamashkin S.A., Zarubin O.A., Frolov A.N. Geoinformacionnoe obespechenie landshaftno-ekologicheskih issle-dovanij v optimizacii zemlepol'zovaniya [Geoinformation support of landscape-ecological research in land use optimization] // V sb.: Struktura, dinamika i funkcionirovanie prirodno-social'no-proizvodstvennyh sistem: nauka i praktika. 2018. Pp. 65-74. (rus)
5. Yamashkin A.A., Yamashkin S.A., Moskaleva S.A., Akashkina A.G., Frolov A.N. Geoinformacionnyj monitoring sostoyaniya prirodno social'no proizvodstvennyh sistem dlya celej zemleustrojstva [Geoinformation monitoring of the state of natural social production systems for land management purposes] // V sb.: Priroda i obshchestvo: v poiskah garmonii: sb. nauch. statej konf. Smolensk: Izd-vo Universum, 2015. Pp. 182-188. (rus)
6. Yamashkin A.A., Frolov A.N., Yamashkin S.A. Bazovye geoinformacionnye resursy dlya optimizacii regional'nogo zem-lepol'zovaniya [Basic geoinformation resources for optimizing regional land use] // Mezhdu-narodnyj nauchno-issledovatel'skij zhurnal. 2016. № 11-2 (53). Pp. 85-88. (rus)
7. Zemel'nyj kodeks Rossijskoj Federacii [The Land Code of the Russian Federation] [El. resurs]: Federal'nyj zakon ot 25 oktyabrya 2001 g. № 136-FZ (red. ot 27 iyunya 2019 g.). URL: http://www.consultant.ru/document/ cons_doc_LAW_33773/ (data obrashcheniya: 04.05.2020). (rus)
8. O gosudarstvennom ekologicheskom monitoringe (gosudarstvennom monitoringe okruzhayushchej sredy) i gosudarstvennom fonde dannyh gosudarstvennogo ekologicheskogo monitoringa (gosudarstven-nogo monitoringa okruzhayushchej sredy) (vmeste s «Polozheniem o gosudarstvennom ekologicheskom monitoringe (gosudarstven-nom monitoringe okruzhayushchej sredy) i gosudarstvennom fonde dannyh gosudarstven-nogo ekologicheskogo monitoringa (gosudarstvennogo monitoringa okruzhayush-chej sredy)») [On state environmental monitoring (state environmental monitoring) and the state fund of state environmental monitoring data (state environmental monitoring) (together with the "Regulation on state environmental monitoring (state environmental monitoring) and the state fund of state environmental monitoring data (state monitoring environment) ")] [El. resurs]: Postanovlenie Pravitel'stva Rossijskoj Federacii ot 9 avgusta 2013 g. № 681 (red. ot 30 noyabrya 2018 g.). URL: http:// www.consultant.ru/document/ cons_doc_LAW_150638/. (rus)
9. Ob utverzhdenii Poryadka osushchestvleniya gosudarstvennogo moni-
toringa zemel', za isklyucheniem zemel' sel'skohozyajstvennogo naznacheniya [On approval of the State monitoring of land, with the exception of agricultural land] [El. resurs]: Prikaz Minis-terstva ekonomicheskogo razvitiya Rossijskoj Federacii ot 26 dekabrya 2014 g. № 852. URL: http://www.consultant.ru/document/ cons_doc_LAW_175349/ (data obrashcheniya: 04.05.2020). (rus)
10. Ob utverzhdenii Poryadka osushchestvleniya gosudarstvennogo monitoringa zemel' sel'skohozyajstvennogo naznacheniya [On approval of the Procedure for the implementation of state monitoring of agricultural lands] [El. resurs]: Prikaz Ministerstva sel'skogo hozyajstva Rossijskoj Federacii ot 24 dekabrya 2015 g. № 664. URL: http:// www.consultant.ru/document/ cons_doc_LAW_195686/ (data obrashcheniya: 04.05.2020). (rus)
11. O razvitii sel'skogo hozyajstva [On the development of agriculture] [El. resurs]: Federal'nyj zakon ot 29 dekabrya 2001 g. № 78-FZ (red. ot 25 dekabrya 2018 g.). URL: http:// www.consultant.ru/document/ cons_doc_LAW_64930/ (data obrashcheniya: 04.05.2020). (rus)
12. O sozdanii sistemy gosudarstvennogo informacionnogo obespecheniya v sfere sel'skogo hozyajstva [On the creation of a system of state information support in the field of agriculture] [El. resurs]: Postanovlenie Pravitel'stva Rossijskoj Federacii ot 7 marta 2008 g. № 157 (red. ot 20 noyabrya 2018 g.). URL: http://www.consultant.ru/document/ cons_doc_LAW_75414/ (data obrashcheniya: 04.05.2020). (rus)
13. O vvode v ekspluataciyu edinoj feder-al'noj informacionnoj sistemy o zemlyah sel'skohozyajstvennogo naznacheniya i zem-lyah, ispol'zuemyh ili predostavlennyh dlya vedeniya sel'skogo hozyajstva v sostave zemel' inyh kategorij [On the commissioning of a unified federal information system on agricultural lands and lands used or provided for farming as part of lands of other categories][El. resurs]: Prikaz Ministerstva sel'skogo hozyajstva Rossii ot 2 aprelya 2018 g. № 130. URL: http:// www.consultant.ru/cons/cgi/online.cgi? req=doc&base=EXP&n=717686#03815496059 461918 (data obrashcheniya: 04.05.2020). (rus)
14. Ob ispol'zovanii zemel' sel'sko-hozyajstvennogo naznacheniya v Rossijskoj Federacii v 2017 godu [On the use of agricultural land in the Russian Federation in 2017] [El. resurs]: gosudarstvennyj doklad. URL: http://mcx.ru/upload/
iblock/126/126b1552f6db8d71c3736a5a2354a6 98.pdf (data obrashcheniya: 04.05.2020). (rus)
15. Kustov M.V., Zarubin O.A., Saulin V.A., Avdyushkina Yu.N., Tokarev A.A. Pros-transtvenno-vremennoj analiz izmeneniya sos-toyaniya rastitel'nosti po dannym distancion-nogo zondirovaniya Zemli (na primere zony stroitel'stva yugo-zapadnogo shosse v g. Saransk) [Spatio-temporal analysis of changes in the state of vegetation according to remote sensing of the Earth (for example, the construction zone of the south-western highway in the city of Saransk)] // Sovremennye problemy territori-al'nogo razvitiya. 2018. № 3. (rus)
16. Kustov M.V., Zarubin O.A., Saulin V.A. Analiz sostoyaniya rastitel'nosti na osnove vychisleniya vegetacionnyh indeksov po dannym distancionnogo zondirovaniya Zemli (na primere gorodskogo okruga Saransk) [Analysis of the state of vegetation based on the calculation of vegetation indices according to
remote sensing of the Earth (for example, the city district of Saransk)] // V sb.: XLVI Ogaryovskie chteniya: sb. nauch. trudov po itogam konf. Saransk: Izd-vo Mordov. un-ta, 2018. Pp. 126-129. (rus)
17. Yamashkin A.A., Yamashkin S.A., Klikunov A.A., Akashkina A.G., Shukshin Yu.S. Primenenie GIS v analize morfolo-gicheskoj struktury landshaftov [The use of GIS in the analysis of the morphological structure of landscapes] // Vestnik Udmurtskogo universiteta. Seriya Biologiya. Nauki o Zemle. 2013. № 3. Pp. 115-122. (rus)
18. Landsat 8 (L8) : data users handbook. Sioux Falls: USGS, 2019. 106 p.
19. Büttner G., Manakos I., Braun M. Corine Land Cover and Land Cover Change Products. Springer, 2014. 55-74 p.
20. Cherepanov A.S., Druzhinina E.G. Spektral'nye svojstva rastitel'nosti i vege-tacionnye indeksy [Spectral properties of vegetation and vegetation indices] // Geomatika. 2009. № 3 (4). Pp. 28-32. (rus)
21. NDVI: Teoriya i praktika [NDVI: Theory and Practice]. URL: http:gis-vi.html (data obrashcheniya 06.03.2020).
Contacts:
Oleg A. Zarubin, oieg-zarubin@iist.ru Alyona V. Larina, iarina2705@yandex.ru Vasiiy A. Saul in, sauiin11@maii.ru Viktoriya A. Shabaikina, shabaykinav@yandex.ru
© Zarubin, O.A., Larina, A.V., Saulin, V.A., Shabaikina, V.A., 2020
Зарубин О.А., Ларина А.В., Саулин В.А., Шабайкина В.А. Использование многозональных космических снимков для целей геоинформационного мониторинга и анализа пространственных характеристик сельскохозяйственного землепользования // Вектор ГеоНаук 2020. Т.3. №2. С. 37-50. DOI: 10.24411/2619-0761-2020-10017.
Zarubin, O.A., Larina, A.V., Saulin, V.A., Shabaikina, V.A., 2020. The use of multizone satellite imagery for the purpose of geoinformation monitoring and analysis of spatial characteristics of agricultural land use. Vector of Geosciences. 3(2). Pp. 37-50. DOI: 10.24411/2619-0761-2020-10017.