CC BY
3УДК 629.054
МЕТОДИКА ВАЛИДАЦИИ РЕЗУЛЬТАТОВ СПУТНИКОВОГО ИЗМЕРЕНИЯ СОЛЕНОСТИ ПОЧВЫ НА БАЗЕ ИНДЕКСОВ SAVI И VSSI
Ш. Ю. Гейчайлы1, Т. Н. Амирова2
1 Бакинский государственный университет, Баку, Азербайджанская Республика
2 Национальное аэрокосмическое агентство Азербайджана, Баку, Азербайджанская Республика
Аннотация. Разработана новая методика валидации результатов спутниковых измерений солености почвы с использованием спутниковых оценок индексов SAVI и VSSI. Предложен новый индекс солености почвы в виде линейной взвешенной суммы экспоненциальных функций этих индексов. Показано, что предлагаемый новый индекс имеет экстремум в виде минимума от сигнала в диапазоне red. Наличие такого минимума исключает необходимость поиска на тестовом участке почвы с достаточно высокой проводимостью при проведении валидации полученных больших оценок индексов SAVI и VSSI.
Ключевые слова: соленость почвы, валидация, спутниковые измерения, проводимость, спектральный индекс
Для цитирования: Гейчайлы Ш. Ю., Амирова Т. Н. Методика валидации результатов спутникового измерения солености почвы на базе индексов SAVI и VSSI // Аэрокосмическая техника и технологии. 2024. Т. 2, № 3. С. 176-184. DOI 10.52467/2949-401X-2024-2-3-176-184. EDN FRYTQO
VALIDATION METHODOLOGY OF THE RESULTS OF SATELLITE MEASUREMENTS OF SOIL SALINITY BASED ON THE SAVI AND VSSI INDICES
S. Yu. Goychayli1, T. N. Amirova2
1 Baku State Univeristy, Baku, Azerbaijan Republic
2 Azerbaijan National Aerospace Agency, Baku, Azerbaijan Republic
Abstract. A new methodology for validating the results of satellite measurements of soil salinity using satellite estimates of the SAVI and VSSI indices has been developed. A linear weighted sum of exponential functions of these indices has been proposed as a new soil salinity index. It has been shown that the proposed new index has an extremum in the form of a minimum of the signal in the red range. The presence of such a minimum eliminates the need to search for soil with a sufficiently high conductivity on the test site when validating the obtained large estimates of the SAVI and VSSI indices.
Keywords: soil salinity, validation, satellite measurements, conductivity, spectral index
© Гейчайлы Ш. Ю., Амирова Т. Н., 2024
For citation: Goychayli S. Yu., Amirova T. N. Validation methodology of the results of satellite measurements of soil salinity based on the SAVI and VSSI indices. Aerospace Engineering and Technology. 2024. Vol. 2, no. 3, pp. 176-184. DOI 10.52467/2949-401X-2024-2-3-176-184. EDN FRYTQO (In Russian)
Введение
Хорошо известно, что в целях ирригации используются водные ресурсы рек, озер или грунтовые воды. При этом неправильный выбор технологических режимов проведения ирригации и неучет малой глубины нахождения грунтовых вод может привести к обратному эффекту, т. е. засолению земель. Такой путь засоления является косвенным механизмом, приводящим к обогащению почвы солями. Прямой путь засоления почвы - это широкое применение различных химических веществ при проведении мелиоративных работ. Очевидно, что ирригационные мероприятия также приводят к загрязнению и тех водных ресурсов, в которые вливаются использованные ирригационные воды [1-3].
Как отмечается в работе [4], засоление почв каждый год приводит к уменьшению общей площади сельскохозяйственных земель на 1-2 %. Явление засоления земель растет как во времени, так и в пространстве, охватывая обширные территории многих стран. Как результат, возникает насущная необходимость проведения широкомасштабных работ по мониторингу состояния сельскохозяйственных земель. Проведение такой работы традиционными методами лабораторного анализа требует больших людских или материальных затрат [4]. По этой причине широко развивается практика оценки степени засоленности почв с использованием спутниковых методов оптического дистанционного зондирования [5-7]. Вместе с тем, засоление почвы является динамическим событием, связанным как природными явлениями (увеличение уровня воды морей, мус-сонные дожди, приливы вод и др.), так и антропогенной деятельностью. Согласно [8], уже в 2016 г. приблизительно 45 млн га сельскохозяйственных земель были засолены. Спутниковый мониторинг уровня засоленности земель основывается на том, что засоление почвы приводит к изменению цвета, текстуры, формы почвенного покрытия Земли. В работах [9, 10] показана пригодность данных LANDSAT для контроля уровня засоленности почвы. В работах [11, 12] на базе данных Landsat TM и ETM+ составлена карта экологической уязвимости земель. Аналогичные работы проводились также на базе данных полученных со спутников QuickBird, I KONOS, на борту которых была установлена спектральная аппаратура высокого разрешения [13, 14].
Описанное подтверждает необходимость организации контроля засоленности земельных и водных ресурсов, вовлеченных в сельскохозяйственную деятельность. Далее рассматриваются вопросы организации контроля засоленности почв методами дистанционного зондирования с применением бортовых мульти и гиперспектральных исследований земельных участков. Всякие результаты
дистанционных измерений должны быть валидированы, т. е. сопоставлены с результатами параллелльно проводимых наземных контактных измерений.
Как отмечено выше, для валидации результатов дистанционных спутниковых данных используются данные наземных измерений электрической прводимости почвы. При этом может быть использован ряд спектральных индексов, характеризующих степень солености почвы. Некоторые из этих индексов приведены в таблице [8]. Следует отметить, что общим недостатком результатов дистанционных измерений является приближенность получаемых при этом данных. Причина этому - влияние атмосферы, методическая погрешность и инструментальная погрешность.
Спектральные индексы, характеризующие степень солености почвы
Индекс Формула Источник
Нормализованный разностный индекс солености (N051) NDSI = (red - NlR)/(red + NIR) Khan и др. (2001)[15]
Нормализованный разностный вегетационный индекс (ЫОУ1) NDVI = (NIR - red)/(red + NIR) Khan и др. (2001)[15]
Почвенно отрегулированный вегетационный индекс (БАУ1) SAVI = (1 + L)NIR -ved —— + NIR + red Alhammadi и Glenn (2008) [16]
Вегетационный индекс солености почвы (УББ!) VSSI = Igreen - 5(red + NIR) Dehni и Lounis (2015)[17]
Вместе с тем суммарная погрешность вычисления любого вегетационного индекса, как и результата измерения электрической проводимости почвы, может быть представлена в виде суммы систематической и случайной погрешностей. В этом смысле всякое сопоставление результатов наземных и бортовых дистанционных измерений естественно приводит к уменьшению влияния случайных погрешностей, которые суммируются геометрически. Дублирование такого сопоставления с использованием двух индексов в принципе может привести к дальнейшему повышению точности проводимого сопоставления, т. е. валидации бортовых и наземных данных. При этом особый интерес представляет случай такого сопоставления не раздельно, в отдельности с этими индексами, а путем формирования линейной взвешенной суммы этих индексов и сопоставления результата измерения электрической прводимости почвы с синтезированным новым индексом. Эффект такого сопоставления может быть значительно увеличен, если синтезированный индекс будет обладать экстремумом. В таком случае всякая величина наземных данных будет дважды сопоставляться, и в результате не возникнет необходимость в получении дополнительных данных о величине электрической проводимости почвы.
Целью настоящей статьи является анализ условий сопоставления результатов полевых валидационных измерений с данными дистанционного зондирования путем синтеза нового синтеза, являющегося линейной взвешенной суммой известных индексов. Помимо указанного преимущества линейно взвешенного ин-
декса, этот индекс обладает дополнительным преимуществом, заключающимся в экстремальном свойстве индекса, т. е. наличием минимума от некоторого аргумента, что позволяет оперировать относительно большими измерительными сигналами, т. е. высоким отношением сигнал - шум.
Материалы и методы
В качестве частных спектральных индексов, сопоставимых с показателем электрической проводимостью почвы, рассмотрим индекс БАУ1 , который согласно [16] определяется следующим образом:
SAVI = (1 + L)NIR - ^ + NIR + red.
(1)
Также рассмотрим индекс VSSI, который согласно [17] определяется следующим образом:
VSSI = 2green - 5 (red + NIR). (2)
Регрессионные кривые зависимости между SAVI, VSSI и электрической проводимостью почвы ЕС показаны на рисунке [8].
а
б
10.00
Е 8.00
trt тз 6.00
*
(Л 4.00
гН
и ш 2.00
0.00
у = 7.40б1е'Э16* R1 = 0.6245 —
10.00
~ 8.00
¡/J" 6.00 и
•i! 4.00
ri
и
Ш 2.00
-0.20 0.00 0.20 0.40 0.60 0.80 SAVI
0.00
у = 72.859ег840г* R1 = 0.7149
♦ /
« ♦ < А
♦♦
♦___ 4 ♦ ♦
-2.50
-2.00
-1.50 VSSI
-1.00
-0.50
Регрессионные кривые зависимости между показателями ЕС и БАУ1 (а) и УББ1 (б)
Рассмотрим возможность формирования на базе БАУ1 и У5Б1 нового комплексного показателя электрической проводимости почвы ЕС0:
ЕС0 = к±у± + к2Уг, (3)
Уг = вг ехр(-Р2*1), (4)
У2 = аг ехр(а2х2), (5)
где кг, к2 - весовые функции,
кг + к2 = 1, (6)
= 7,4061; в2 = 9,16; аг = 72,859; а2 = 2,8802.
Индексы БАУ1 и УББ! в (4) и (5) обозначены соответственно как хг и х2. С учетом (1) и (2) имеем:
х1 _ NIRyi — redy2, (7)
_ Уз — Yired, (8)
1
где yi _ 2 + L; у2 _ -— 1; у3 _ Igreen — 5NIR; у4 _ 5.
C учетом (3)-(8) синтезированный спектральный индекс электрической проводимости почвы имеет вид:
ЕСо _ kifiiexpi—^iNIRyi — redy2)] + к2^ ехр^Суз — redy4)]. (9)
Таким образом, синтезированный индекс электрической проводимости (9) может быть использован в качестве параметра, характеризующего электрическую проводимость почвы для далнейшей валидации показателей спектральных измерений. Для этого сначала сам показатель ЕС0 должен быть откалибро-ван по реальной величине проводимости почвы в смысле выбора коэффициентов к1 и к2. Далее необходимо определить такую величину red, при которой ЕС0 достигает экстремума. Для этого вычислим:
= kiei[exp[—e2(NIRyi — гу2)]]в2У2 — ^[expfofo — У^)]}а2УА, (10) где z _ red.
Приравняв нулю правую часть (10) и осуществив некоторые преобразования и логарифмирование, получаем выражение для вычисления оптимальной величины red, при которой ЕС0 достигает экстремума:
, lnk3+k5 /11Ч
red _ —3—5 , (11)
к.4
^ _ k2a1a2~Y4 (12)
к4 _ в2У2 + a2Y4, (13)
к5 _ в2^IRyi + а2Уз. (14)
Легко показать, что при условии (11) ЕС0 достигает минимума. Для этого
Ci^EC
следует вычислить ^20 с учетом (9) и убедиться, что результатом является
всегда положительная величина.
Таким образом, предлагаемый показатель ЕС0 может быть использован в качестве дополнительного индекса или параметра для проведения дополнительных валидационных процедур. При этом порядок выбора весовых коэффициентов ki и к2 при заданной величине red следующий: при известных значениях ait a2, yi, у2, у3, у4, pi, в2 вычисляются к4 и к5, далее с учетом (11) и (12) вычисляется величина — _ a3. Затем решается система уравнений и находятся оптимальные значения ki и к2:
ki + к2 _ 1, к2 _ a3^i,
Оптимизация предложенного индекса может быть осуществлена в двух вариантах: заданы значения red, аг, а2, y1t у2, Уз, Y4, Pi, в2 и вычисляются к1 и к2 ; заданы а1, а2, у1, у2, у3, у4, в1, в2, k1, к3 и вычисляется значение red.
Заключение
Сформулирована и решена задача разработки новой методики валидации результатов спутниковых измерений солености почвы с использованием спутниковых оценок индексов SAVI и VSSI. Синтезирован новый индекс солености почвы в виде линейной взвешенной суммы экспоненциальных функций этих индексов. Показано, что предлагаемый новый индекс имеет экстремум в виде минимума от сигнала в диапазоне red. Наличие такого минимума исключает необходимость поиска на тестовом участке почвы с достаточно высокой проводимостью при проведении валидации полученных больших оценок индексов SAVI и VSSI.
Конфликт интересов / Conflict of interests
Авторы заявляют об отсутствии конфликта интересов / The authors declare no conflict of interests.
Библиографический список
1. Tyagi N. K. Salinity Management: The CSSRI Experience and Future Research Agenda // Proceedings of the Jubilee Symposium (25-26 November 1996) at the Occasion of the Fortieth Anniversary of ILRl and Thirty-Fifth Anniversary of the ICLD, W. B. Snellen Ed. ILRl Wageningen. 1997. Pp. 17-26.
2. Singh N. T. Irrigation and soil salinity in the Indian subcontinent: past and present. Lehigh University Press, 2005. 404 p.
3. Begmatov I. A., Matyakubov B. Sh., Akhmatov D. E., Pulatova M. V. Analysis of saline land and determination of the level of salinity of irrigated lands with use of the geographic information system technologies // InterCarto. InterGIS. 2020. Vol. 26. Part 3. Pp. 309-316. DOI: 10.35595/2414-9179-2020-3-26-309-316, EDN: VANNGX
4. Lhissou R., Harti A., Chokmani K. Mapping soil salinity in irrigated land using optical remote sensing data // Eurasian journal of soil science. 2014. Vol. 3, № 2. Pp. 82-88.
5. Abbas A., Khan S., Hussain N. et al. Characterizing soil salinity in irrigated agriculture using a remote sensing approach // Physics and chemistry of Earth, Parts A/B/C. 2013. Vol. 55-57. Pp. 43-52. DOI: 10.1016/j.pce.2010.12.004
6. Douaoui A. K., Herve N., Walter C. Detecting salinity hazards within a semiarid context by means of combining soil and remote sensing data // Geodema. 2006. Vol. 134, Iss. 1-2. Pp. 217-230. DOI: 10.1016/j.geoderma.2005.10.009.
7. Bannari A., Guedon A. M., El-Harti A. et al. Characterization of slightly and moderately saline and sodic soils in irrigated agricultural land using simulated data of advanced land imaging (EO-1) sensor // Communications in soil science and plant analysis. 2008. Vol. 39, Iss. 19-20. DOI: 10.1080/00103620802432717
8. Nguyen K. A., Liou Y. A., Tran H. P. et al. Soil salinity assessment by using near-infrared channel and vegetation soil salinity index derived from Landsat 8 OLI data: a case study in the Tra Vinh Province, Mekong Delta, Vietnam // Progress in Earth and planetary science. 2020. Vol. 7, № 1. DOI: 10.1186/s40645-019-0311-0
9. Fan X., Liu Y., Tao J., Weng Y. Soil salinity retrieval from advanced multi-spectral sensor with partial least square regression // Remote Sensing. 2015. Vol. 7, № 1. Pp. 488-511. DOI: 10.3390/rs70100488
10. Zhang T., Qi J., Gao Y. et al. Detecting soil salinity with MODIS time series VI data // Ecological indicators. 2015. Vol. 52. Pp. 480-489. DOI: 10.1016/j.ecolind.2015.01.004
11. Abdul-Qadir A., Benni T. Monitoring and evaluation of soil salinity term of spectral response using Landsat images and GIS in Mesopotamian plain/Iraq // Iraqi Journal of Desert Studies.
2010. Vol. 2. № 2. Pp. 19-32.
12. Aldakheel Y. Assessing NDVI spatial pattern as related to irrigation and soil salinity management in Al-Hassa Oasis, Saudi Arabia // Journal of the Indian Society of Remote Sensing.
2011. Vol. 39. Pp. 171-180. DOI: 10.1007/s12524-010-0057-z
13. Setia R., Lewis M., Marschner P. et al. Severity of salinity accurately detected and classified on a paddock scale with high resolution multispectral satellite imagery // Land Degradation & Development. 2013. Vol. 24, Iss. 4. Pp. 375-384. DOI: 10.1002/ldr.1134
14. Albed A., Kumar L. Soil salinity mapping and monitoring in arid and semiarid regions using remote sensing technology:a review // Advances in remote sensing. 2013. Vol. 2. № 4. Pp. 373-385. DOI: 10.4236/ars.2013.24040
15. Khan N. M., Rastoskuev V. V., Shalina E. V., Sato Y. Mapping salt-affected soils using remote sensing indicators - a simple approach with the use of GIS IDRISI. Proceedings of the 22th Asian Conference on Remote Sensing, 5-9 November 2001, Singapore. 2001. 5 p.
16. Alhammadi M. S, Glenn E. P. Detecting date palm trees health and vegetation greenness change on the eastern coast of the United Arab Emirates using SAVI // International Journal of Remote Sensing. 2008. Vol. 29, № 6. Pp. 1745-1765. DOI: 10.1080/01431160701395195
17. Dehni A, Lounis M. Remote sensing techniques for salt affected soil mapping: application to the Oran region of Algeria // Procedia Engineering. 2012. Vol. 33. Pp. 188-198. DOI: 10.1016/j.proeng.2012.01.1193
Дата поступления: 25.06.2024 Решение о публикации: 15.07.2024
Контактная информация:
ГЕЙЧАЙЛЫ Шовги Юсифзия оглы - д-р техн. наук, профессор, консультант (Бакинский государственный университет, Азербайджанская Республика, AZ 1148, Баку, ул. З. Халилова, 23), [email protected]
АМИРОВА Туркан Назим гызы - аспирант, старший научный сотрудник (Национальное аэрокосмическое агентство Азербайджана, Азербайджанская Республика, AZ1115, Баку, ул. С. С. Ахундова, 1), [email protected]
References
1. Tyagi N. K. Salinity Management: The CSSRI Experience and Future Research Agenda. Proceedings of the Jubilee Symposium (25-26 November 1996) at the Occasion of the Fortieth Anniversary of ILRl and Thirty-Fifth Anniversary of the ICLD, W. B. Snellen Ed. ILRl Wageningen. 1997, pp. 17-26.
2. Singh N. T. Irrigation and soil salinity in the Indian subcontinent: past and present. Lehigh University Press, 2005, 404 p.
3. Begmatov I. A., Matyakubov B. Sh., Akhmatov D. E., Pulatova M. V. Analysis of saline land and determination of the level of salinity of irrigated lands with use of the geographic information system technologies. InterCarto. InterGIS. 2020. Vol. 26. Part 3, pp. 309-316. DOI: 10.35595/2414-9179-2020-3-26-309-316, EDN: VANNGX
4. Lhissou R., Harti A., Chokmani K. Mapping soil salinity in irrigated land using optical remote sensing data. Eurasian journal of soil science. 2014. Vol. 3, no. 2, pp. 82-88.
5. Abbas A., Khan S., Hussain N. et al. Characterizing soil salinity in irrigated agriculture using a remote sensing approach. Physics and chemistry of Earth, Parts A/B/C. 2013. Vol. 55-57, pp. 43-52. DOI: 10.1016/j.pce.2010.12.004
6. Douaoui A. K., Herve N., Walter C. Detecting salinity hazards within a semiarid context by means of combining soil and remote sensing data. Geodema. 2006. Vol. 134, Iss. 1-2, pp. 217-230. DOI: 10.1016/j .geoderma.2005.10.009.
7. Bannari A., Guedon A. M., El-Harti A. et al. Characterization of slightly and moderately saline and sodic soils in irrigated agricultural land using simulated data of advanced land imaging (EO-1) sensor. Communications in soil science and plant analysis. 2008. Vol. 39, Iss. 19-20. DOI: 10.1080/00103620802432717
8. Nguyen K. A., Liou Y. A., Tran H. P. et al. Soil salinity assessment by using near-infrared channel and vegetation soil salinity index derived from Landsat 8 OLI data: a case study in the Tra Vinh Province, Mekong Delta, Vietnam. Progress in Earth and planetary science. 2020. Vol. 7, no. 1. DOI: 10.1186/s40645-019-0311-0
9. Fan X., Liu Y., Tao J., Weng Y. Soil salinity retrieval from advanced multi-spectral sensor with partial least square regression. Remote Sensing. 2015. Vol. 7, no. 1, pp. 488-511. DOI: 10.3390/rs70100488
10. Zhang T., Qi J., Gao Y. et al. Detecting soil salinity with MODIS time series VI data. Ecological indicators. 2015. Vol. 52, pp. 480-489. DOI: 10.1016/j.ecolind.2015.01.004
11. Abdul-Qadir A., Benni T. Monitoring and evaluation of soil salinity term of spectral response using Landsat images and GIS in Mesopotamian plain/Iraq. Iraqi Journal of Desert Studies. 2010. Vol. 2, no. 2, pp. 19-32.
12. Aldakheel Y. Assessing NDVI spatial pattern as related to irrigation and soil salinity management in Al-Hassa Oasis, Saudi Arabia. Journal of the Indian Society of Remote Sensing. 2011. Vol. 39, pp. 171-180. DOI: 10.1007/s12524-010-0057-z
13. Setia R., Lewis M., Marschner P. et al. Severity of salinity accurately detected and classified on a paddock scale with high resolution multispectral satellite imagery. Land Degradation & Development. 2013. Vol. 24, Iss. 4, pp. 375-384. DOI: 10.1002/ldr.1134
14. Albed A., Kumar L. Soil salinity mapping and monitoring in arid and semiarid regions using remote sensing technology: a review. Advances in remote sensing. 2013. Vol. 2, no. 4, pp. 373-385. DOI: 10.4236/ars.2013.24040
15. Khan N. M., Rastoskuev V. V., Shalina E. V., Sato Y. Mapping salt-affected soils using remote sensing indicators - a simple approach with the use of GIS IDRISI. Proceedings of the 22th Asian Conference on Remote Sensing, 5-9 November 2001, Singapore, 2001, 5 p.
16. Alhammadi M. S, Glenn E. P. Detecting date palm trees health and vegetation greenness change on the eastern coast of the United Arab Emirates using SAVI. International Journal of Remote Sensing. 2008. Vol. 29, no. 6, pp. 1745-1765. DOI: 10.1080/01431160701395195
17. Dehni A, Lounis M. Remote sensing techniques for salt affected soil mapping: application to the Oran region of Algeria. Procedia Engineering. 2012. Vol. 33, pp. 188-198. DOI: 10.1016/j.proeng.2012.01.1193
Date of receipt: June 25, 2024 Publication decision: July 15, 2024
Contact information:
Shovgy Yusifziya GOYCHAYLI - Doctor of Engineering Sciences, Professor, Consultant (Baku State Univeristy, Azerbaijan Republic, AZ1148, Baku, ul. Z. Halilov, 23), [email protected]
Turkan Nazim AMIROVA - Postgraduate Student, Senior Researcher (Azerbaijan National Aerospace Agency, Azerbaijan Republic, AZ1115, Baku, ul. S. S. Akhundova, 1), [email protected]
