facebook
twitter
vk
instagram
linkedin
google+
tumblr
akademia
youtube
skype
mendeley
Wiki
Global international scientific
analytical project
GISAP
GISAP logotip
Перевод страницы
 

УСОВЕРШЕНСТВОВАНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР В ПРОГРАММНОМ ПРОДУКТЕ LAND VIEWER

УСОВЕРШЕНСТВОВАНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР В ПРОГРАММНОМ ПРОДУКТЕ LAND VIEWER
Марина Подлипная, аспирант

Луганский национальный аграрный университет, Украина

Подлипная Марина Петровна, аспирант

Колодий Павел Петрович, доцент, кандидат экономических наук

Львовский национальный аграрный университет, Украина

Участник первенства: Национальное первенство по научной аналитике - "Украина";

Открытое Европейско-Азиатское первенство по научной аналитике;

Рассмотрены новые возможности, при оценке состояния посевов сельскохозяйственных культур и прогнозирования урожайности, используя данные дистанционного зонирования Земли. Наряду с надземной информацией, как показывают многочисленные исследования ранее, большинство параметровпроростання, развития сельскохозяйственных посевов могут быть восстановлены и использованы из спутниковых снимков. Благодаря программному продукту LAND VIEWER, который предоставляет возможность, получать снимки из спутников Landsat 4,5,7,8, Sentinel-2 и Modis позволит усовершенствованию модели и оценки потенциала биомассы сельскохозяйственных культур. Получение данные дистанционного зонирования, в выбранный период вегетации, отображают состояния посевов сельскохозяйственных культур по фазам вегетации (ход фотосинтеза) в культурах. На различных уровнях развития, по величине вегетационного индекса NDVI, хорошо отражается сезонный ход фотосинтеза сельскохозяйственных культур, что связано с надземной биомассой. Представлены результаты в действующей модели  прогнозирования урожайности культур. Усовершенствованная модель прогнозирования позволяет значительно повысить экономическую эффективность проведённых исследований, предоставит точность данных о физиологических процессах сельскохозяйственных культур, урожайности, а также обеспечит оперативность получения данных исследуемого объекта.

Keywords: land viewer, Landsat 4,5,7,8, Sentinel-2,Modis, programmatic interface, NDVI.

 

Постановка проблемы. Исторически сложилось, что роль сельского хозяйства в Украине очень большая, значительные территории заняты сельскохозяйственными угодьями. 

Планирование количества выращивания культур и прогнозирование урожайности сельскохозяйственных культур в рыночных условиях продолжает оставаться актуальной задачей в процессе организации рационального использования сельскохозяйственных угодий[7].

Использование программного продукта landviewerв обработке геопространственных данных дает возможность получить комплекс операций со снимками, который позволяет извлекать из них информацию для модели прогнозируемого урожая сельскохозяйственных культур (пшеница озимая, рапс озимый, кукуруза на зерно, подсолнух). С помощью сервиса landviewer, предоставленного Американской компанией EOS Data Analytics, которая специализирующейся на анализе и обработке больших ГИС-данныхв науках касающиеся Земли, позволяет бесплатно получать спектрозональные снимки, архивы которых постоянно накапчиваются Landsat4,5,7,8, Sentinel-2, сканер Modisспутника Тerra.

Анализ предыдущих научных исследований. Исследованием потенциала биомассы  в Украине занимаются Гелетуха Г.Г., Кудря С.О., Сухін Є.І. и др. Значительный практический опыт по применению Геоинформационный технологий в Украине в различных отраслях у ГНПП «Геосистема». Для комплексной оценки действующей динамической модели прогнозирования урожайности сельскохозяйственных культур с использованием данных дистанционного зонирования требует детального изучения, что даст реально оценить возможность в целом.

Цель статьи. Усовершенствовать модель в динамике физиологических процессов растений для прогнозирования урожая сельскохозяйственных культур с помощью многогранных возможностей программного продукта landViewer и факторов влияния природных условий на них. Обеспечить объективной, достоверной информацией экологических условий, состояния агроэкосистем. Усилить возможности повешения качества изображения для спутников с разными техническими характеристиками для реализации поставленной цели.

Изложение основного материала. Данные дистанционное зондирование Земли (ДЗЗ) используется для получения оперативной информации для объективной оценки состояния сельскохозяйственных  культур (количественных и качественных показателей изменений посевов, получения сведенья о проведении обработок средствами химизации) на больших площадях. Использования данных наземной деятельности выступает дополнительным условием для  эффективного дешифрования аэрокосмических данных[1].

Использования материалов космической съемки для отображения достоверных данных о состоянии сельскохозяйственных культур, с учетом экологических условий и оценки площадей, прогнозирования урожайности и мониторинга, представлена уникальная возможность в программном продукте Land Viewer. Использовать программу сегодня, намного легче, чем было это раньше[5]. На протяжении последних 5-ти месяцев разработчики усовершенствовали программу и наполнили  архивы ценными данными (снимки полученные из космоса):  

  • - с 1982 - 1992 года спутника Landsat4;
  • - с 1992 по 2013 года спутника Landsat5;
  • - с 1999 года спутника Landsat7;
  • - с 2013 - 2017 года спутника Landsat8;
  • - с 2013- 2017  года сканер Modisспутника Тerra;
  • - с 2013 - 2017 год спутника Sentinel-2.

Программный продукт Land Viewer требует регистрацию пользователя, но очень удобен для работы. Нужно выбрать орбитальное изображение из спутника, который будет лучше отображать исследуемую территорию и визуализировать его на снимке. 

В снимках содержится подробная информация о характеристиках сельскохозяйственных культур, что позволяет сохранять нужные для работы данные. Для доступа к данным, не нужно устанавливать различное программное обеспечения, под разные спутники и скачивать объёмные архивы снимков за определенный период. Благодаря таким возможностям исследование гарантирует точность подобранных исходящих данных[5].

Усовершенствованная модель прогнозирования урожайности сельськохозяйстенных культур возможна путем замены параметров базовой модели, на параметры предлагаемые набором вложения Band Combinations. Выбрав нужный спутник, из предлагаемых программой, нужно проанализировать их характеристики для достижения поставленной задачи исследования. СпутникиLandsat 8 и Sentinel 2 отличаются своим разрешением полученных снимков 30 м и 10 м на пиксель соответственно[4]. Спутник Landsat 8 получает данные, используя два наборы инструментов: Operational Land Imager (OOO) и Thermal Infra Red Sensor (TIRS). Первый набор получает изображение в 9 диапазонах видимого мира и близкого инфракрасного излучения (ИЧ), второй набор, - в 2 диапазонах далекого (теплового) ИК[2]. Диапазон 5 измеряет ближний инфракрасный спектр. Эта часть спектра особенно важна для вычисления вегетационного индекса, поскольку вода у здоровых растений отображает ее. Один из самых распространенных индексов для решения задач, использующих количественные оценки растительного покрова, позволяют нам измерять степень здоровья растений точнее, чем если бы мы просто оценивали видимую зелень находясь на исследуемой территории[3].Для позитивного результанта исследований нужнопроанализировать изображения в других диапазонах. Для моделирования физиологических процессов растений нужно задействовать спектр з  индексом NDVI (Normalized Difference Vegetation Index. Это нормализованный относительный индекс растительности — простой количественный показатель количества фотосинтетической активной биомассы (вегетационный индекс) [4]. Разные участки, коротковолнового ИК или SWIR (shortwave infrared), позволяют отличать сухую землю и влажную, а также снег и воду что очень важно в период вегетации культур. С помощью радиолокационных данных спутника Sentinel-2 возможно достичь высоким разрешением снимков. В видимой, инфракрасной зоне (VNIR) и коротковолнового инфракрасного (SWIR) зонах спектра, которые включают у себя 13 спектральных каналов, что гарантирует отображение отличий в состоянии растительности, в том числе и временные изменения, а также сводит к минимуму влияние на качество съемки. Увеличение ширины полосы обзора, рядом с высокой повторяемостью съемок, позволят отслеживать процессы которые быстро изменяются. Например, интенсивный рост сельскохозяйственных культур. Важно так же для прогнозирования изменение характера роста или дозревания растительности в течение вегетационного периода на территории исследования на примере Винницкой области. Оснастка оптико-электронных мультиспектрального сенсором для съемок с разрешением от 10 до 60 м в видимой, ближней инфракрасной (VNIR) и коротковолнового инфракрасного (SWIR) зонах спектра, которые включают у себя 13 спектральных каналов что гарантирует отображение отличий в состоянии растительности, в том числе и временные изменения, а также возводит к минимуму влияние на качество съемки атмосферы. На первом этапе исследования нужно установить дистанционные измерения с началом периода вегетации сельскохозяйственных культур (пшеница озимая, рапс озимый).Для оценки потенциала биомассы этих культур выбираем спутник, который лучше отражает видимость и четкость изображения. В программном продукте Land Viewer задаем точки координат исследуемой территории с помощью вложения Band Combinations [8], формируем снимок комбинации Agriculture. Снимок спутника Sentinel 2 хорошо отображает прорастания сельскохозяйственных культур состоянием на 03.05.2017 года (рис.1).

 

Рисунок 1. Рост сельскохозяйственныхкультур (пшеница озимая, рапс озимый).

 

С рисунка 1 отчетливо видно состояние исследуемых культур (пшеница озимая, рапс озимый), площади посевов отображают листовую поверхность благодаря вегетационному индексу яровых культур NDVI. Так же отображается вегетационный индекс пехотных земель на участках красного и розового цвета, где еще не проросли культуры. Существенные сведения  индекса пахотных земель дает возможность оценить вместимость влаги в почве, благодаря этому можно спрогнозировать развитие культур в дальнейшем, например через 32 дня. Влажность почвы отражается красным и розовым цветом в зависимости от емкости влаги в ней. На этом исследованном участке, полноценное содержание влаги, что даст возможности развитие культуры в дальнейшем листовой поверхности. После перезимовки состояние озимых культур преимущественно оценивается по различиям в цвете здоровых и погибших растений. По данному объекту исследования можно сделать выводы о благоприятных условиях развития посевов.

Оценить эту же местность, для повторного контроля листовой поверхности, можно с помощью снимка Sentinel 2. Фаза «колошения» или «цветения» у зерновых культур, состоянием на 17.06.2017года (рис.2).

 

Рисунок 2. Фаза «колошения» или «цветения» у зерновых культур.

 

Поскольку вода в листьях здоровых растений отражает ее, один из самых распространенных индексов для решения задач, использующих количественные оценки растительного покрова, позволяют нам измерять степень здоровья растений точнее, чем если бы мы просто оценивали видимую зелень. Мы получаем индексы NDVI - простой количественный показатель количества фотосинтетической активной биомассы (вегетационный индекс). Наглядно видим распределение растительности, контуры становятся четкими, ярче. На угодьях исследованной территории растут культуры соответственно уровня участка спектра вегетационного индекса, то есть показателя количества фотосинтетической активной биомассы. Уровень увеличился сравнительно с предыдущим снимком, за 32 дня. Исследуем рост сельскохозяйственных культур, которые имеют высокий экономический потенциал пшеница озимая, рапс озимый, кукуруза на зерно, подсолнух. 

На участках красного и розового цвета отображены пахотные земли с незначимой площадью листовой поверхности культуры (кукуруза на зерно, подсолнух). Так же хорошо видно динамику роста листовой поверхности (сезонный ход интенсивности фотосинтеза сельскохозяйственных культур) что позволяет использовать значения вегетационных индексов. Прослеживается динамика фотосинтеза в сельскохозяйственных культурах. Идентификация различных групп культур дает возможность создать модель прогнозирования  стремительного нарастания биомассы в течение весенне-летнего периода. Контроль о состоянии сельскохозяйственных посевов дает возможность оценки сходства, раннее прогнозирование характеристик урожайности исследуемых культур на базе текущего состояния посевов. Базовая модель формирования урожая сельскохозяйственных культур включает важный процесс фотосинтеза (дыхания и роста). Урожайность растений в первую же очередь зависит от размеров ассимилирующей поверхности культуры (листовой индекс) в период вегетации и от интенсивности фотосинтеза растения. Ход листового индекса кукурузы, подсолнуха NDVI (Normalized Difference Vegetation Index — нормализованный относительный индекс растительности, показывает что в начальный период темпы роста культур снижает интенсивность фотосинтеза.

Основная роль обработки данных Band Combinations  заключается в индексах, что генерируются по запросу пользователя в режиме реального времени. Проверить снимок из двух спутников очень легко решить удачный ли он для проекта.

Оценивания информативности гиперспектральных аэрокосмических снимков позволяет прогнозировать возможность различных комбинаций спектральных каналов сенсоров при расширении тематических задач, а также оптимизировать состав информативных спектральных каналов, улучшая же показатели качества и оперативности интерпретации материалов в целом[6].

Для проведения дальнейшего исследования созревания посевов культур выбираем весенне летний период поскольку это дает возможность оценить полностью культуры, которые мы исследуем динамикойРис.3. оценим степень созревания сельскохозяйственных культур. Для облегчения визуальной задачи оператора, можно воспользоваться возможностью построения автоматического SPEKTRAL PROFILE культур в течение их роста и созревания.

Рисунок 3. SPEKTRAL PROFILE 

 

Имея снимки разного периода прорастания культур, можно оценить, как меняется спектральная фотосинтетическая активность биомассы растительности в течение вегетационного периода об их агротехническое состояние.

Резкое снижение спектральной яркости связано с созреванием озимых культур. Определение индекса нормализованной разницы для сельскохозяйственных культур изображено на рис. 3. Зерновые культуры имеют быстрый рост индекса от периода «кущения» к фазе колошения, что связано с динамикой накопления надземной биомассы. Значение индекса в ранневесенний период для группы культур очень зависит от даты посева, полноты всходов, коэффициента кущения, проективного укрытие.

Для озимой пшеницы наблюдалось варьирование индекса в зависимости от предшественника культуры. Высокий NDVI отмечено в озимой пшеницы, после гороха. Промежуточные значения характерны для культур после рапса, самые низкие - после кукурузы на силос. Аналогичную тенденцию имеет рапс озимый.

Для подсолнечника NDVI начинает существенно расти на протяжении летнего сезона (в период интенсивного роста листьев и в период образования корзины и до начала цветения у подсолнечника) и постепенно снижается в августе. Для кукурузы на зерно величина индекса достигает максимального значения в июле - августе. 

Оценить наглядно исследуемую территорию можно со спутника Landsat 8 состоянием на 17.08.2017года (рис.4). Четко прослеживается снижение спектральной яркости связано с созреванием культур и уборкой урожая пшеница озимая, рапс озимый. Видим проявления зависимости листового индекса кукурузы на зерно, подсолнуха от NDVI яровых культур. Это выражается в регрессивности уровня NDVI – созревания культур. Ход уровня NDVI отражает важнейшую закономерность роста растений, что в начальный период - темпы роста обозначают снижения  интенсивность фотосинтеза. Можно спрогнозировать высокою урожайность изучаемых сельскохозяйственных культур.

 

Рисунок 4. Рост и созревания сельскохозяйственных культур.

 

Для подтверждения достоверности исследования, проведенного на основе данных снимков спутников разного периода, для моделирования физиологических процессов растений в динамике прогнозирования урожайности сельскохозяйственных культур опираясь на статистические данные агропромышленного сектора Винницкой области по сбору урожая можно сделать выводи. Под урожай 2017 посеяно всего озимых культур на зерно по всем категориям хозяйств - 13776га, рапс на зерно - 3297га., озимых зерновых культур на зерно посеяно: пшеницы - 10479га. Винницкая областная государственная администрация по итогам сезонного сбора урожая прогнозирует, что в 2017 году урожай ранней группы зерновых культур составит 2,5мил. тонн, что на 19% больше, чем в 2016.Результаты по урожайности превысили ожидания. В среднем урожайность пшеницы 6,2 т/га при прогнозируемых 5,8 т/га. Кроме того на середину августа закончили уборку рапса (намолочено более 12 тыс.т). Поскольку было достаточное количество осадков и достаточное количество солнечных дней. Эти данные были основаны, на базе сбора информации находясь непосредственно на полях, где прорастают изучаемые сельскохозяйственные культуры[2].

Выводы: Применение геоинформационного метода дистанционного зонирования в исследовании усовершенствованной модели прогнозирования урожайности сельскохозяйственных культур показал высокое результаты. Величина  NDVI (Normalized Difference Vegetation Index) характеризует в  динамикефотосинтез сельскохозяйственных культур (пшеница озимая, рапс озимый, кукуруза на зерно, подсолнух). Благодаря полученным данным построен спектральный профиль, который характеризует показатели каждой культуры по мере их созревания. На территории Винницкой области  установлено зависимость листового индекса от его вегетационного индекса NDVI (сезонного хода фотосинтеза), что дало возможность спрогнозировать высокою урожайность культур в целом. Усовершенствованная модель прогнозирования о физиологических процессах сельскохозяйственных культур подтвердила на практике полученную высокую урожайность.  Предоставленная модель прогнозирования позволяет значительно повысить экономическую эффективность проведённых исследований, точность данных, а также обеспечит оперативность получения данных исследуемого объекта, без выезда на обширною территории местности.

 

Литература:

1. Антонов В.Н., Мониторинг состояния посевов и прогнозирования урожайности  озимой пшеницы по данным ДЗЗ – Геооматика, 2010, 3№5-6 с.

2. Бабич С. М. Методичні аспекти аналітичного опрацювання інформації при аерокосмічному моніторингу посівів // Cистемні дослідження та моделювання в землеробстві. — Київ: Нива, 1998. — 410 с.

3. Газетов Е.И., Мединец В.И., Сучков И.А. Методология комплексного использования ГИС, аэрофотосъемки и спутниковых снимков при обработке результатов мониторинга природной среды.

4. Kolodiy P. ;Podlipnay M. Practical implementation of land zoning distant geoinformational method as an effective tool of land use optimization, GEOGRAPHIC INFORMATION SYSTEMS CONFERENCE AND EXHIBITION ­ GIS ODYSSEY 2016,  Web of Science [v.5.23.2] 37­-142 P.

5. Pavel Kolodiy, Maryna Pidlypna The research of the agricultural land condition based on Landsat 8 and Sentinel-2 satellites data mergers. Geographic Information Systems Conference and Exhibition “GIS ODYSSEY 2017”

6. Калетнік Г.М.,Підлипна М.П. Янович В.М. Геоінформацйіний метод дистанцйного зонування землі на базі програмного забезпечення ERDAS IMAGINE, Техника, енергетика,транспорт АПК, Випуск 2,  5-11с.

7. Підлипна М.П. Патент на корисну модель «Геоінформаційний метод дистанційного зонування землі», 25.12.2015р.Бюлетень №24,UA 103624 U

8. [електронний ресурс] – режим доступу: https://vindaily.info/vinnytska-oblast-prohnozuye-zbir-2-5-mln-tonn-rannikh-zernovykh-vrozhayu-2017.html

0
Ваша оценка: Нет
Комментарии: 4

Сарсекова Дани

Уважаемые авторы! Представлена очень интересная и актуальная работа. Используя дистанционное зондирование Вы дает оценку многим качественным показателям изучаемых Вами сельскохозяйственных культур. У нас тоже ведутся работы по оценке продуктивности лесов с использованием ГИС-технологий, что действительно позволяет повысить экономическую эффективность проведённых исследований и получить точные данные. Поэтому хотелось бы пожелать творческих успехов в дальнейших Ваших исследованиях. С ув.Дани Сарсекова

Подлипная Марина Петровна

Спасибо большое, постараемся дальше искать новые подходи для решения сложных задач. Вам успехов в дальнейших исследованиях.

Подлипная Марина Петровна

Очень благодарны Вам, за высокую оценку. Продолжаем искать новые "горизонты" по исследованиям.

Симонян Геворг Саркисович

Уважаемая Марина Петровна и уважаемый Павел Петрович очерредной раз приветствую Ваше участие в конференциях МАНВО. Очередная интересная и отличная работа с использованием данных спутников имоделей котоиое позволяю прогнозировать урожайности. Моя оценка статьи высокая. С уважением Геворг Саркисович.
Комментарии: 4

Сарсекова Дани

Уважаемые авторы! Представлена очень интересная и актуальная работа. Используя дистанционное зондирование Вы дает оценку многим качественным показателям изучаемых Вами сельскохозяйственных культур. У нас тоже ведутся работы по оценке продуктивности лесов с использованием ГИС-технологий, что действительно позволяет повысить экономическую эффективность проведённых исследований и получить точные данные. Поэтому хотелось бы пожелать творческих успехов в дальнейших Ваших исследованиях. С ув.Дани Сарсекова

Подлипная Марина Петровна

Спасибо большое, постараемся дальше искать новые подходи для решения сложных задач. Вам успехов в дальнейших исследованиях.

Подлипная Марина Петровна

Очень благодарны Вам, за высокую оценку. Продолжаем искать новые "горизонты" по исследованиям.

Симонян Геворг Саркисович

Уважаемая Марина Петровна и уважаемый Павел Петрович очерредной раз приветствую Ваше участие в конференциях МАНВО. Очередная интересная и отличная работа с использованием данных спутников имоделей котоиое позволяю прогнозировать урожайности. Моя оценка статьи высокая. С уважением Геворг Саркисович.
Партнеры
 
 
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Would you like to know all the news about GISAP project and be up to date of all news from GISAP? Register for free news right now and you will be receiving them on your e-mail right away as soon as they are published on GISAP portal.