CC BY
140
УДК 625.72:634.93
ТЕХНОЛОГИИ СПУТНИКОВОГО МОНИТОРИНГА СОСТОЯНИЯ ПОСЕВОВ
С.С. Шинкаренко 12, к. с.-х. н., vnialmi@bk.ru Е.А. Малышко 2, l.malishko@yandex.ru гФНЦ агроэкологии РАН, г. Волгоград, РФ 2Волгоградский государственный университет, Волгоград, РФ
Условные обозначения
I I Граница исследуемого участка Месяц пожара | Март_
| Апрель
| Август
Сентябрь
Рисунок 3 - Ландшафтные пожары в северной части Волго-Ахтубинской поймы за 2017 год
Технологии спутникового мониторинга состояния сельскохозяйственных земель имеют широкое применение.
В статье рассматриваются технологии спутникового мониторинга посевных площадей на основе расчета зональной статистики NDVI по контурам отдельных полей. На первом этапе дешифрированием спутниковых снимков Sentinel-2 разрешением 10 м в программе QGIS был разработан слой-маска с границами полей Октябрьского района Волгоградской области.
Далее методами зональной статистики рассчита-
Современным и уже традиционным методом мониторинга сельскохозяйственных угодий на значительных площадях является применение спутниковой информации и геоинформационных систем. Технические возможности современных спутниковых систем дистанционного зондирования позволяют осуществлять глобальные наблюдения за состоянием посевов и протеканием всех стадий развития культур. При этом оценка и мониторинг состояния посевов базируются на определении спектральных отражательных характеристик
ны средние значения 16-ти дневного растра MODIS NDVI для каждого поля на шесть дат вегетационного периода. Разработанная геоинформационная система состояния посевных площадей позволит в дальнейшем проводить статистическую обработку сезонных и многолетних данных вегетационного индекса для каждого поля. Наличие таких наборов данных используется для разделения посевов по культурам, оценки их состояния и влияния на него различных факторов.
Ключевые слова: агроландшафт, точное земледелие, мониторинг, Волгоградская область, ГИС, ДЗЗ.
и расчете вегетационных индексов (NDVI, EVI, LAI и т.д.). Толчком к развитию этих направлений стал открытый доступ к спутниковой информации в начале 2000-х. В этот период в России активно начали формироваться научные школы и инфраструктура пространственных данных для картографирования состояния растительного покрова России и сопредельных стран на основе спутниковой информации разного разрешения. Кроме открытых архивов спутниковой информации в настоящее время доступны множество моделей для анализа состояния агро-
ландшафтов. Например, EPIC (Erosin-Productivity Impact Calculator), предназначенная для определения связи между эрозией и продуктивностью почв и позволяющая прогнозировать урожайность до уборки (Брыскин и др. 2014).
Модель SWAT (Soil and Water Assessments Tool) охватывает практически весь мир и содержит слои с границами водосборных бассейнов разного уровня, структурой землепользования, почвами, климатическими показателями и др. и позволяет рассчитывать поверхностный сток и смыв.
Сотрудниками КФУ разработан геопортал «Речные бассейны Европейской России», данные из которого свободно предоставляются в виде векторного слоя c исчерпывающей атрибутивной информацией: распаханность, морфометрические показатели, метеоданные, лесистость и др. [5].
Климатическая модель CRU TS содержит архив с данными о месячных суммах осадков, среднемесячной температуре и др. в ячейках растра 0,5х0,5° за период с 1901 г. по настоящее время.
В России одними из самых эффективных систем, интегрировавших массив пространственных данных, являются сервисы «ВЕГА-Science» и «ВЕ-ГА-PRO» ЦПК «ИКИ-Мониторинг», разработанные и поддерживаемые ИКИ РАН.
Материалы и методика исследований. В работе использованы цветовые композиты по данным спектрозональной съемки спутниковыми систем Landsat 5, 8 и Sentinel-2 пространственным разрешением 30 м и 10 м соответственно. Значения NDVI рассчитывались по 5 и 4 каналам Landsat 8 OLI после радиометрической калибровки, также использован информационный продукт MOD13Q1 NDVI разрешением 250 м. В настоящее время многие спутниковые данные и вычислительные ресурсы для их обработки находятся в открытом доступе. Кроме открытых источников использовались
данные центра коллективного пользования «ВЕ-ГА-Science» ИКИ РАН, направленного на создание единой технологической платформы информационных сервисов, обеспечивающих возможность удаленной работы пользователей с данными спутниковых наблюдений, результатами их обработки и сопутствующей информацией для решения задач мониторинга [1, 3].
Волгоградская область пока практически не охвачена векторными слоями в рамках этого сервиса (рис. 1), однако тематические растровые продукты представлены в полном объеме: спутниковые снимки, метеоданные, статистическая информация, карты растительности и сельскохозяйственных земель, сгоревших территорий, лесов и преобладающих пород и множество других данных. Геоинформационная обработка осуществлялась в программе QGIS.
Результаты и обсуждение. Обязательным этапом оценки состояния посевных площадей является разработка слоя-маски с актуальными границами полей. Для этого должны применяться спутниковые снимки разрешением не ниже среднего. Нами разработан такой слой (рис. 2) для Октябрьского района Волгоградской области (939 объектов) на основе визуального дешифрирования снимков Sentinel-2 и Landsat 8. Также по одиночным сценам с этих спутников могут быть дешифрированы типы землепользования в критические периоды развития зерновых культур, когда спектральные и текстурные особенности позволяют разделить все основные классы земель. Данные более низкого разрешения для этих целей не подходят, об этом свидетельствует отрицательный опыт проведения актуализации контуров полей с использованием MODIS, так как пиксели снимков с данного спект-рорадиометра могут перекрывать несколько полей и/или иметь размер больший, чем контур поля.
Рисунок 1 - Интерфейс сервиса «ВЕГА-Science»
Также одним из направлений спутникового мониторинга является распознавание неиспользуемых земель и возделываемых культур по спектральным характеристикам посевных площадей.
По значениям NDVI растрового слоя (как правило, продукт MOD13Q1) рассчитывается зональная статистика для каждого контура поля - средний, медианный, минимальный, максимальный NDVI и
стандартное отклонение в границах каждого поля.
Далее при наличии эталонов разных культур возможно разделение посевных площадей на основе статистической обработки сезонных показателей вегетационного индекса (рис. 3). Как правило, для этого применяют пошаговый дискриминантный анализ с включением [4].
Рисунок 2 - Фрагмент слоя-маски полей Октябрьского района
Сопоставление данных полевых наблюдений и спутниковой информации повышает точность при исследованиях состояния посевов: возможно сопоставление фактического состояния растительности и её спектрального отклика, с учетом не только информации о культурах на посевных площадях, но и сортов, фенофаз, агротехнических приемов и проективного покрытия в момент спутниковой съемки. Так, например, в результате сопоставления
NDVI и показателя фотосинтетической продуктивности (площади ассимиляционной поверхности) в Ставропольском крае установлено, что на ранних этапах органогенеза озимой пшеницы сортовые и технологические особенности практически не влияют на физиологические состояние посевов и спектральный отклик [2]. По данным NDVI возможен контроль всхожести, оценка ущерба от засух и пыльных бурь, заморозков и т.п.
Рисунок 3 - Сезонная динамика NDVI полей Октябрьского района в 2017 г. (а - 7 апреля, б - 9 мая, в - 10 июня, г - 12 июля, д - 14 сентября, е - 30 сентября)
Выводы. Несомненно, развитие систем мониторинга и открытый доступ к спутниковой информации являются отправной точкой для достаточно точного и экономически выгодного мониторинга на основе данных дистанционного зондирования. Этот подход позволяет решать ряд важнейших задач, таких как: наблюдение за фенофазами культур, контроль границ полей, анализ и оценка состояния посевов, вплоть до прогнозирования урожайности до уборки. В Волгоградской области спутниковый мониторинг состояния посевных площадей развит еще очень слабо, необходима разработка геоинформационных слоев посевных площадей, полевое эталонирование и апробация методов дистанционной оценки в природно-климатических условиях региона.
Литература:
1. Барталев С.А., Лупян Е.А. Исследования и разработки ИКИ РАН по развитию методов спутникового мониторинга растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. - 2013.
- Т. 10. - № 1. - С. 197-214.
2. Ерошенко Ф.В., Барталев С.А., Сторчак И.Г., Плотников Д.Е. Возможности дистанционной оценки урожайности озимой пшеницы на основе вегетационного индекса фотосинтетического потенциала. // Современные проблемы дистанционного зондирования Земли из космоса.
- 2016. - Т. 13. - № 4. - С. 99-112.
3. Савин И.Ю., Джан С., Шишконакова Е.А., Жоголев А.В., Габдуллин Б.С. Карта озимых культур сезона 2017 года, размещенная на сервисе ВЕГА: результаты выборочной
проверки качества. // Современные проблемы дистанционного зондирования Земли из космоса. - 2017. - Т. 14. -№ 4. - С. 125-131.
4. Терехин Э.А. Распознавание залежных земель на основе сезонных значений вегетационного индекса NDVI // Компьютерная оптика. - 2017. - Т. 41, № 5. - С. 719-725.
5. Ermolaev O. P., Mal'tsev K. A., Ivanov M.A. Automated Construction of the Boundaries of Basin Geosystems for the Volga Federal District // Geography and Natural Resources. -2014. - Vol. 35. - No. 3. - P. 222-228.
CROP CONDITION MONITORING METHODS WITH REMOTE SENSING
12 S.S. Shinkarenko, K.S-Kh.N., 2 E.A. Malyshko
1FSC of Agroecology RAS, Volgograd, Russia 2Volgograd State University, Volgograd, Russia
Satellite monitoring technologies for agricultural land are widely used. The article discusses the technology of satellite monitoring of sown areas based on the calculation of the NDVI area statistics for the contours of individual fields. At the first stage, a layer mask with the borders of the fields of the Oktyabrsky district of the Volgograd region was developed according to interpretation of Sentinel-2 satellite images with a resolution of 10 m in the QGIS program. The average values of the 16-day MODIS NDVI raster for each field on six dates of the vegetation period were calculated with the methods of zonal statistics . The developed geo-information system of the state of sown areas allows to carry out statistical processing of seasonal and long-term data of the vegetation index for each field. This data set is used to separate areas by crop, assess their condition and the influence of various factors on it.
Key words: agrolandscape, precision agriculture, monitoring, Volgograd region, GIS, remote sensing.
УДК 631.5/445.51
СПОСОБЫ ОСНОВНОЙ ОБРАБОТКИ ЧЕРНОГО ПАРА ПРИ ВОЗДЕЛЫВАНИИ ОЗИМОЙ ПШЕНИЦЫ НА СВЕТЛО-КАШТАНОВЫХ ПОЧВАХ ВОЛГОГРАДСКОЙ ОБЛАСТИ
Е.А. Шевяхова, к.с.-х.н. - Нижне-Волжский НИИСХ - филиал ФНЦ агроэкологии РАН, Волгоград
С целью выявления наиболее эффективного ресурсосберегающего способа основной обработки почвы в условиях светло-каштановых почв Волгоградской области в 2016-2018 гг. на опытном поле Нижне-Волжского НИИСХ изучали различные способы основной обработки в трехпольном севообороте: черный пар - озимая пшеница - сафлор (яровая пшеница).
Наилучшая влагообеспеченность почвы к моменту посева озимой пшеницы отмечена по чизельной обработке орудием 0Ч0-5-40 (в среднем 13,3 мм в пахотном слое и 136,8 мм - в метровом слое).
К уборке фон с чизельной обработкой сохранил за собой преимущество в сохранении и рациональном использовании продуктивной влаги. Этот же вариант обеспечил максимальное количество нитратного азота как в начале, так и в конце вегетации озимой пшеницы.
Показатели подвижного фосфора и обменного калия также были выше на варианте с глубоким
чизельным рыхлением. Выявлено преимущество варианта с оборотом пласта в снижении количества сорного агроценоза в посевах озимой пшеницы.
Проведен анализ структурных элементов урожая озимой пшеницы: количество продуктивных стеблей, масса зерна с одного колоса, масса тысячи семян и урожайность.
В целом лучшие показатели по структуре и урожайности озимой пшеницы при различных вариантах основной обработки почвы дает фон с глубокой чизельной обработкой орудием ОЧО-5-40. Наибольшая урожайность отмечена также на варианте с чи-зельным рыхлением - 4,0 т/га.
В условиях сухостепной зоны Нижнего Поволжья лучший способ обработки почвы - чизельная глубокая обработка орудием 0Ч0-5-40 на глубину 0,320,35 м.
Ключевые слова: черный пар, обработка почвы, продуктивная влага, пищевой режим, озимая пшеница, урожайность.
Л имитирующим фактором получения высоких и стабильных урожаев зерновых культур в Нижнем Поволжье является величина запасов продуктивной влаги, накопление которой происходит главным образом за счет осенне-зимних осадков. В зависимости от применяемой системы и глубины обработки почвы накопление влаги протекает с разной интенсивностью. Известно, что лучшим предшественником под озимую пшеницу является черный пар, после которого ко времени посева
накапливается достаточное количество влаги для получения оптимальных всходов. Это доказывается многочисленными исследованиями научных институтов [1, 2].
Поэтому дальнейшее совершенствование способов основной обработки черного пара и уходных мероприятий за ним является одним из условий стабильной урожайности и увеличения производства зерна озимой пшеницы [3].
Многие научно-исследовательские учреждения
