CC BY
0Ькеква/этальный - ГрарНЫЙВвСТ H ИК
научно-практический /^Ъ „г г .„
журнал а Ж СеверногоКавказа
УДК 631.585:633.2.03:528.88 Дата поступлениястатьивредакцию:16.10.2023
DOI: 10.31279/2949-4796-2023-15-52-32-38 П ринята . пувликрции. С7С1.2023
С. А. Олейник, Т. С. Лесняк, С. А. Проказин, Д. Б. Литвин Oleinik S. A., Lesnyak T. S., Prokazin S. A., Litvin D. B.
ПРИМЕНЕНИЕ СПУТНИКОВЫХ ТЕХНОЛОГИЙ ДЛЯ ЭФФЕКТИВНОГО РАЗВИТИЯ ПАСТБИЩНОГО ЖИВОТНОВОДСТВА
APPLICATION OF SATELLITE TECHNOLOGIES FOR THE EFFECTIVE DEVELO PMENT OF PASTURE LIVESTOCK FARMING
Цель работы - определить возможности применения снимков, полученных со спутниковых сервисов для изучения растительного покрова естественных пастбищных угодий. Работа проводилась на пастбищных участках Ипатовского района в условиях СПК «Племзавод Вторая Пятилетка». Дистанционные методы оценки территории сельскохозяйственного назначения являются развивающимся направлением не только в агрономии, но и в животноводстве, а именно пастбищном. В работе для обработки снимков, полученных со спутниковых сервисов, применяли инструменты сервисов OpenStreetMap и Satellite, а также Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3.
С помощью инструментов обработки изображений, полученных со спутниковых систем, были определены границы исследуемых пастбищ, а также проведено условное разделение пастбищ на четыре класса в зависимости от спектральных характеристик растительного покрова. В результате проведенных полевых выездов контактным методом с применением ручного датчика GreenSeeker был определен вегетационный индекс NDVI изучаемых участков. Рассчитанный нормализованный вегетационный индекс NDVI отражает объективность проведенной кластеризации. Полученные данные позволят более объективно составлять технологические карты выпаса животных с наименьшими временными и материальными затратами.
Ключевые слова: пастбище, мониторинг, спутник, плодородие, вегетационный индекс, растительный покров, классификация.
The goal of the work was to determine the possibilities of using images obtained from satellite services to study the vegetation cover of natural pastures. The work was carried out on pasture plots of the Ipatovsky district in the conditions of the agricultural production complex «Plemzavod Vtoraya Pya-tiletka». Remote methods for assessing agricultural territory are a developing area not only in agronomy, but also in livestock farming, namely pasture farming. In the work, to process images obtained from satellite services, we used tools from the OpenStreetMap and Satellite services, as well as Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3.
Using image processing tools obtained from satellite systems, the boundaries of the studied pastures were determined, and the pastures were conditionally divided into four classes depending on the spectral characteristics of the vegetation cover. As a result of field trips, the NDVI vegetation index of the studied areas was determined by contact method using a GreenSeeker hand-held sensor. The calculated normalized vegetation index NDVI reflects the objectivity of the clustering performed. The data obtained will make it possible to more objectively draw up technological maps for animal grazing with the least time and material costs.
Key words: pasture, monitoring, satellite, fertility, vegetation index, vegetation cover, classification.
Олейник Сергей Александрович -
доктор сельскохозяйственных наук, профессор базовой кафедры частной зоотехнии, селекции и разведения животных
ФГБОУ ВО «Ставропольский государственный
аграрный университет»
г. Ставрополь
РИНЦ SPIN-код: 4916-7317
Тел.: 8-918-770-31-72
E-mail: soliynik60@gmail.com
Лесняк Татьяна Сергеевна -
кандидат сельскохозяйственных наук, доцент
кафедры кормления животных и общей биологии
ФГБОУ ВО «Ставропольский государственный
аграрный университет»
г. Ставрополь
РИНЦ SPIN-код: 3534-7476
Тел.: 8-962-460-42-09
E-mail: alexandrova_026@inbox.ru
Проказин Сергей Александрович -
магистрант института ветеринарии и биотехнологий ФГБОУ ВО «Ставропольский государственный аграрный университет» г. Ставрополь
Oleinik Sergey Aleksandrovich -
Doctor of Agricultural Sciences, Professor of the Basic Department of Private Animal Science, Selection and Breeding Animals
FSBEI HE «Stavropol State Agrarian University» Stavropol
RSCI SPIN-code: 4916-7317 Tеl.: 8-918-770-31-72 E-mail: soliynik60@gmail.com
Lesnyak Tatyana Sergeyevna -
Candidate of Agricultural Sciences, Associate Professor of the Department of Feeding Animals and General Biology
FSBEI HE «Stavropol State Agrarian University» Stavropol
RSCI SPIN-code: 3534-7476
Теl.: 8-962-460-42-09
E-mail: alexandrova_026@inbox.ru
Prokazin Sergey Aleksandrovich -
graduate student of the Institute of Veterinary and Biotechnology
FSBEI HE «Stavropol State Agrarian University» Stavropol
грарныи вестник
Северного Кавказа
№ 4(52), 2023
Тел.: 8-962-006-72-72 E-mail: prokazinser@gmail.com
Литвин Дмитрий Борисович -
кандидат технических наук, доцент,
доцент кафедры математики
ФГБОУ ВО «Ставропольский государственный
аграрный университет»
г. Ставрополь
РИНЦ SPIN-код: 5718-2819
Тел.: 8-918-793-14-86
E-mail: litvin-372@yandex.ru
Теl.: 8-962-006-72-72 E-mail: prokazinser@gmail.com
Litvin Dmitry Borisovich -
Candidate of Technical Sciences,
Associate Professor, Associate Professor
of the Department of Mathematics
FSBEI HE «Stavropol State Agrarian University»
Stavropol
RSCI SPIN-code: 5718-2819 Теl.: 8-918-793-14-86 E-mail: litvin-372@yandex.ru
Дистанционные методы мониторинга территорий, такие как космическая съемка, аэросъемка с применением беспилотных летательных аппаратов и GPS, являются действующими инструментами для изучения растительного покрова и динамики его развития. Перечисленные методы дают возможность получить широкий спектр информации о состоянии растительности, ее распределении и динамике, что позволяет агроинженерам и ученым в данной области делать обоснованные решения в области использования земель сельскохозяйственного назначения и составлять прогностические модели их использования [1, 2].
Спутниковые сервисы предоставляют информацию, которая помогает определить характеристики растительного покрова на определенной территории. Эта информация включает тип растительности, ее ботанический состав, высоту и плотность. Также можно узнать выход биомассы и продуктивность площадного объекта, изучив эти характеристики.
Современные инструменты и сервисы позволяют следить за изменениями в структуре и динамике растительного покрова, которые могут быть вызваны различными факторами, такими как изменение климата, выпас животных или другие абиотические воздействия [3-5].
Для проведения детальных исследований и получения информации о структуре и характеристике растительного покрова на небольших участках лучше использовать аэросъемку, позволяющую дать более объективную оценку изучаемого объекта [6].
Также аэросъемка позволяет использовать данные для построения трехмерной модели растительности, что является неотъемлемой частью для разработки стратегий управления и сохранения природных ресурсов [7].
Еще одним инструментом в изучении и мониторинге растительного покрова являются GPS-технологии. Данные технологии позволяют составлять более точные карты растительности, также отслеживать перемещения не только людей, но и животных, что помогает выявить причины изменения структуры и динамики растительности. GPS-трекинг может использоваться в составлении прогностических моделей с использованием информации о миграции животных, что в свою очередь может влиять на распределение и состояние растительности [8-10].
В целом применение дистанционных методов является ключевым инструментом для изучения, мониторинга и управления растительным покровом. Они предоставляют обширную информацию о состоянии и динамике растительности, что позволяет принимать обоснованные и эффективные решения в области природопользования, охраны природы и устойчивого развития сельскохозяйственных территорий [11].
Цель исследования - определить возможности применения снимков, полученных со спутниковых сервисов, для изучения растительного покрова естественных пастбищных угодий.
Исследования естественных пастбищных угодий проводились в условиях племенного хозяйства СПК «Племзавод Вторая Пятилетка» Ипатовского района Ставропольского края.
Климат на территории хозяйства резко континентальный с амплитудой колебаний максимальных и минимальных температур воздуха летом до +42 °C. Среднегодовая сумма осадков составляет 320-412 мм и нарастает по мере передвижения от северо-восточной части района к юго-западной.
Территориально хозяйство относится к категории засушливых районов. Лето продолжительное, жаркое, сухое со среднемесячной температурой июля +28 °C. Осень теплая и продолжительная, но заморозки очень часты. В летнее время восточный ветер приносит раскалённый воздух среднеазиатских пустынь. С ним связаны засухи и пылевые бури, начинающиеся при скорости ветра 15-20 м/с. Засухи и суховеи различной интенсивности - типичное явление для пастбищ Юга России; летом бывает 85-100 суховейных дней.
В качестве объективно наблюдаемых данных о текущем состоянии пастбищ использовались мультиспектральные снимки космических спутников дистанционного зондирования Земли Copernicus Sentinel-2 Европейского космического агентства (ESA) за август 2023 года, так как температура окружающей среды в данный месяц была наивысшей на протяжении года [12].
Для составления базовой карты исследуемой местности были использованы сервисы OpenStreetMap, являющейся открытой площадкой по предоставлению картографических данных с использованием спутниковых снимков Satellite.
Ежеква^альньт « ГрарНЫй ВеСТНИК
научно-практический /т _г г
журнал _ /^СеверногоКавказа
Для выделения различных типов растительного покрова и анализа их характеристик использовались данные с динамических карт земного покрова Copernicus Globall_anx °ovxr Layers: CG0H-LC100 Collev-ic>o3 с разрашенаем 100 метров. Обработка данных проводилась на платформе aoogleEorthEngine с исполсаова-нием геопространственного анализа [13].
Опредеозтхе ахгетацаоннх-х тедекса NDVI проводили хутем обработки спектральных ха-
рактеристик выделенных пастбищных участков по полученным снимкам.
Изучаемая территория располагается в засушливой агроклиматической зоне, для исследованиябылвыбран времени ой отрезок с наивысшей температурой окружающей ореды. Среевяч лчмвератураза август 2023 года составила 34 °С, характеристика осадков а течеотт месяца ^тведона ва графике (рис. 1).
Рисунок 1 - Характеристика осадковвтечениеавгуста2023 г
Анализ графика свидетельствует о засуш- хорошее, среднее, плохое и солончаки. Внеся
ливом периоде в указанной местности. Об- координаты исследуемых участков на платфор-
лачность была низкая, что позволило получить ме OpenStreetMap, получили карту с. Большая
снимки высокогокачества. Джалга, далее полигон, в пределах которой
Проведя контактное изучение естественных провели условную классификацию, создали
пастбищных угодий хозяйства, выбрали четыре многоугольники, соответствующие выбранным
участка, которые разделили условно на классы: участкам (рис. 2).
Рисунок2 - Карта изучаемойтерритории
Для лучшей работы был применен инстру- Чтобы ограничить пространственную об-мент «маска», позволяющий наглядно выделить ласть, подлежащую классификации, оставили изучаемые объекты (рис. 3). в пределах полигона только участки с травяни-
A
грарныи вестник
Северного Кавказа
№ 4(52), 2023
стой растительностью (Herbaceous vegetation). К этому классу относят растения без ултойчиво-го стебля или надземных побегов и без четкой тсеудой стряктсуы. Древессс-кяссартиковыя покров составляет менее 10 % (рис. 4).
В своих исследованиях С. С. Шинкарен-ео и С. А. Ворсалев -оскрываюй воволаностс платформы MODIS (англ. Moderate Resolution Imaging Spectroradiometer) по обработке спутниковых снимков изучаемой территории [14].
%
о
л
Малая джал га
Большая Джалга
О
о
my classes
0 good
' middle
2bad
T
< т
Рисунок 3 - Карта изучаемой территории с применением маскирующего слоя
Land Cover Classification
I {0 Unknown ) ■ (20. 'Shrubs')
(30 Herbaceous vegetation1) (40 CuNivated and mar aged regetat on i agriculture')
1(50 Urbanbuill up'.i
(60 Ear;/sparse gelation') (TO Snow and ice') I (SO Permanefllwaterbodies') I (90 Herbaceous weiland1)
Рисунок 4 -Классификациярастительногопокрова
Ькеква/этальный - ГрарНЫй ВеСТНИК
научно-практическии /Vi C г
журнал ГШ.Северного Кавказа
Для этой цели воспользовались коллекцией глобального земного покрова Copernicus Global Land Cover Laceos: PG0S-0C100 Collection 3, не-ляющейся официальным продуктом Copernicus Global LandCHervice (CO
ступ к этому набору данных о растительном покрове полностью онерыт -рис. р).
После выбора интересующего растительного покровапоявляетнс гозмгжносто для колее углублен ногосзуоесеосректоапкчр|х характеристик пастбищных кормов, которое позволит проводить кластеризацию по бстаонческоеу с о ставу. Н. Р. Муратова и Н. Э. Бекмухамедов в своих исследовсеаон исучгли риски оегродации пастбищных участков на основе спутниковых снимков и вычаеосссгвегоерцеончых кодексов рре1 и SAVI, рассчитаньыхподоеьымМ001Р [1С].
Расчет вегетационных индексов основан нас пект[аальных свойсаввх расти тельного покрова. Спектр красного квовк(Н,62-0,75 микрона) показывает максимальное поглощение рвтиацио хлорофьсьом, в то время как ближняя инфракрасная область (0,75-1,3 ми-в|^«кна) отсвжлет эелргию кь^^л^«^1^ 1е«^1х структуры листа. Это отношение позволяет точно от-деннвь растилррнс остн от других в^родных объектов.
Наиболее используемый вегетационный ин-цроне 0^0VI, который исг^ог^ьзук^тдтогаставле-ния прогностических моделей биологической пнрьлаьртнотти лрлхсккультур и пастбищных угодий.
Данные по °арчетом ивдехса NDVI пред-атавлнкл! не оисутраа.
Рисунок 5 - Значения индекса NDVIвзависимости от кластера пастбища
Полученные в результате обработки снимков со спутниковых сервисов показатели полностью сопоставимы с данными, полученными контактными методами в условиях полевых выездов, и подтверждают проведенную кластеризацию.
Использование снимков, полученных со спутниковых сервисов, является эффективным методом дистанционного зондирования и в последнее время становится все более распространенным. В режиме реального времени возможно получать визуальную картину высо-
кого разрешения изучаемых территорий больших площадей с высокой частотой обновления.
Таким образом, спутниковые снимки также могут использоваться для составления технологических карт выпаса пастбищных животных с учетом состояния растительного покрова на них и антропогенных факторов.
Исследование выполнено за счет гранта Российского научного фонда № 22-2620112, https://rscf.ru/project/22-26-20112/
Литература
1. Сайгин И. А., Барталев С. А., Стыцен-ко Ф. В. Развитие метода картографирования растительного покрова // Фундаментальные и прикладные космические исследования : материалы XIX конференции молодых ученых ИКИ РАН (Москва, 13-15 апреля 2022). Москва : ИКИ РАН, 2022. С.129-135.
2. Comparison of time-integrated NDVI and annual maximum NDVI for assessing grassland dynamics / J. Yan, G. Zhang, H. Ling,
References
1. Saigin I. A., Bartalev S. A., Stytsenko F. V. Development of a method for mapping vegetation // XIX Conference of Young Scientists «Fundamental and Applied Space Research». IKI RAS. (Moscow, April 13-15, 2022). Moskow, 2022. P. 129-135.
2. Comparison of time-integrated NDVI and annual maximum NDVI for assessing grassland dynamics / J. Yan, G. Zhang, H. Ling, F. Han // Ecological Indicators. 2022. V. 136. Art. № 108611.
грарныи вестник
Северного Кавказа
№ 4(52), 2023
F. Han // Ecological Indicators. 2022. V. 136. Art. № 108611.
3. Usage Experience and Capabilities of the VEGA-Science System / E. Loupian, M. Burtsev,
A. Proshin [et al.] // Remote Sensing. 2022. V. 14, № 1. Art. № 77.
4. Возможности и опыт использования информационной системы Вега-PRO для мониторинга сельскохозяйственных земель / П. В. Денисов, К. А. Трошко, Е. А. Лупян,
B. А. Толпин // Вычислительные технологии. 2022. Т. 27, № 3. С. 66-83.
5. Анализ возможности использования данных различного пространственного разрешения при проведении мониторинга объектов / А. В. Кашницкий, Е. А. Лупян, Д. Е. Плотников, В. А. Толпин // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20, № 2.
C. 60-74.
6. Верификация информации о местах произрастания сельскохозяйственных культур на основе среднего значения индекса NDVI на поле / А. В. Кашницкий, А. А. Антошкин, П. В. Денисов [и др.] // Региональные проблемы дистанционного зондирования Земли : материалы X Междунар. науч. конф. (Красноярск, 12-15 сентября 2023 г.) / науч. ред. Е. А. Ваганов. Красноярск, 2023. С.102-105.
7. Лупян Е. А. Разработка методов построения распределенных геоинформационных систем дистанционного мониторинга // Современные проблемы наук о Земле : материалы Всерос. науч. конф. (Москва, 11-15 апреля 2022 г.). Москва, 2022. С. 323-324.
8. Дистанционное зондирование пастбищ для прогнозирования продуктивности овец / В. И. Трухачев, С. А. Олейник, Т. С. Лесняк [и др.] // Известия Тимирязевской сельскохозяйственной академии. 2022. № 3. С. 129-137.
9. Трухачев В. И., Олейник С. А., Лесняк Т. С. Питательная ценность кормов и оценка вегетационного индекса в условиях пастбищного овцеводства // Вестник АПК Ставрополья. 2019. № 1 (33). С. 66-71.
10. Чутчева Ю. В., Коротких Ю. С., Кири-ца А. А. Цифровые трансформации в сельском хозяйстве // Агроинженерия. 2021. № 5 (105). С. 53-58.
11. Информационное обеспечение современных систем земледелия в России / В. П. Якушев, В. В. Якушев, С. Ю. Блохина [и др.] // Вестник Российской академии наук. 2021. Т. 91, № 8. С. 755-768.
12. Buchhorn M., Lesiv M., Tsendbazar N.-E. [et al.] Copernicus Global Land Cover Layers - Collection 2. Remote Sensing. 2020;12(6):1044. https://doi.org/10.3390/rs12061044
13. Earth Engine Data Catalog // Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3. URL: https://developers. google.com/earth-engine/datasets/catalog/
3. Usage Experience and Capabilities of the VEGA-Science System / E. Loupian, M. Burtsev, A. Proshin [et al.] // Remote Sensing. 2022. V. 14, № 1. Art. № 77.
4. Possibilities and experience of using the Vega-PRO information system for monitoring agricultural lands / P. V. Denisov, K. A. Troshko, E. A. Lupyan, V. A. Tolpin // Computational technologies. 2022. T. 27, № 3. P. 66-83.
5. Analysis of the possibility of using data of different spatial resolutions when monitoring objects / A. V. Kashnitsky, E. A. Lupyan, D. E. Plotnikov, V. A. Tolpin // Modern problems of remote sensing of the Earth from space. 2023. T. 20, № 2. P. 60-74.
6. Verification of information about the places where agricultural crops grow based on the average value of the NDVI index in the field / A. V. Kashnitsky, A. A. Antoshkin, P. V. Denisov [et al.] // Materials of the X International Scientific Conference «Regional Problems of Remote Sensing of the Earth». Krasnoyarsk, September 12-15, 2023 / Scientific editor E. A. Vaganov. Krasnoyarsk, 2023. P. 102-105.
7. Lupyan E. A. Development of methods for constructing distributed geographic information systems for remote monitoring // All-Russian Scientific Conference «Modern Problems of Earth Sciences». April 11-15, 2022. Moscow. Theses, 2022. Pp. 323-324.
8. Remote sensing of pastures for forecasting sheep productivity / V. I. Trukhachev, S. A. Oleynik, T. S. Lesnyak [et al.] // Proceedings of the Timiryazev Agricultural Academy. 2022. № 3. P. 129-137.
9. Trukhachev V. I., Oleynik S. A., Lesnyak T. S. Nutritional value of feed and assessment of the vegetation index in conditions of pasture sheep farming // Agricultural Bulletin of Stavropol Region. 2019. № 1 (33). P. 66-71.
10. Chutcheva Yu. V., Korotkikh Yu. S., Kiritsa A. A. Digital transformations in agriculture // Agroengineering. 2021. № 5 (105). P. 53-58.
11. Information support for modern farming systems in Russia / V. P. Yakushev, V. V. Yakushev, S. Yu. Blokhina [et al.] // Bulletin of the Russian Academy of Sciences. 2021. T. 91, № 8. P. 755-768.
12. Buchhorn M., Lesiv M., Tsendbazar N.-E. [et al.] Copernicus Global Land Cover Layers - Collection 2. Remote Sensing. 2020;12(6):1044. https://doi.org/10.3390/rs12061044
13. Earth Engine Data Catalog [electronic resource] // Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3. URL: https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_ Landcover_100m_Proba-V-C3_G (date accessed: 01.09.2023).
14. Shinkarenko S. S., Bartalev S. A. Long-term dynamics of NDVI of arid pasture landscapes of European Russia and adjacent territories // Modern problems of remote
Ежеквартальный - грарный вестник
научно-практический /^Ъ „г г
журнал гж Севериого Кавказа
COPERNICUS_Landcover_100m_Proba-V-C3_G (дата обращения: 01.09.2023).
14. Шинкаренко С. С., Барталев С. А. Многолетняя динамика NDVI аридных пастбищных ландшафтов Европейской России и сопредельных территорий // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19, № 6. С. 108-123.
15. Муратова Н. Р., Бекмухамедов Н. Э., Малахов Д. Дистанционная оценка риска деградации пастбищ // Сельское, лесное и водное хозяйство. 2013. № 1. URL: https:// agro.snauka.ru/2013/01/872 (дата обращения: 13.11.2023).
sensing of the Earth from space. 2022. T. 19, № 6. P. 108-123.
15. Muratova N. R., Bekmukhamedov N. E., Malakhov D. Remote assessment of the risk of pasture degradation // Agriculture, forestry and water management. 2013. № 1. (date accessed: 13.11.2023).
