Геоинформационное картографирование сельскохозяйственной растительности

Размещено на http://www.allbest.ru/

Оглавление

• Введение
• 1. Сельскохозяйственная растительность как объект исследования. Принципы и подходы к картографированию растительности
• 2. Изучение видовой структуры сельскохозяйственной растительности на основе спутниковой информации
• 2.1 Физические основы дистанционного зондирования
• 2.2 Спектральные отражательные свойства посевов сельскохозяйственных культур
• 2.3 Основные виды космических изображений, применяемые для картографирования сельскохозяйственных посевов
• 3. Обзор существующего опыта использования ГИС и данных ДЗЗ для мониторинга посевов сельскохозяйственных культур
• 3.1 Отечественный опыт исследования сельскохозяйственной растительности космическими методами
• 3.2 Обзор зарубежных достижений в области обработки спутниковой информации для изучения структуры и динамики сельскохозяйственных культур
• 3.2.1 Применение данных ДЗЗ для повышения эффективности сельского хозяйства в США
• 3.2.2 Применение данных ДЗЗ для повышения эффективности сельского хозяйства в странах ЕС
• 3.2.3 Применение данных ДЗЗ для повышения эффективности сельского хозяйства в КНР
• 3.2.4 Применение данных ДЗЗ для повышения эффективности сельского хозяйства в странах СНГ
• Заключение
• Список использованных источников

Введение

Сельское хозяйство во все времена играло огромную роль в жизни человека. Это подтверждается и сегодня, когда земли сельскохозяйственного пользования являются стратегическим ресурсом любого государства, определяющим продовольственную безопасность населения.

В условиях трудного становления цивилизованных рыночных отношений в аграрном секторе существенно возрастает роль информированности и ситуационной осведомленности лиц, ответственных за принятие управленческих решений. Рано или поздно перед руководителями встает вопрос о поиске источника оперативного получения актуальной пространственной информации о состоянии и использовании сельскохозяйственных земель. Среди развивающихся направлений информатизации аграрного сектора, использующих пространственные данные, можно выделить технологии точного земледелия, диспетчеризации транспорта, создание геоинформационных систем сельскохозяйственных предприятий. Однако все наиболее важное значение приобретают технологии космического мониторинга сельскохозяйственных земель на различных уровнях управления.

Сельскохозяйственное производство не является статичным. Каждый год меняются севообороты, высеваются новые культуры. В той или иной степени руководитель или агроном сталкивается с необходимостью осуществления мониторинга годового цикла своего сельскохозяйственного производства. Современное производство сельхозпродукции требует от производителей быть максимально информированными о характеристиках своих земельных ресурсов и текущем состоянии посевов сельскохозяйственных культур, что подтверждает необходимость использования космических технологий в сфере сельского хозяйства.

Среди преимуществ систем космического мониторинга можно выделить:

- оперативность - актуальные космические снимки могут быть получены в течение суток после размещения заказа на осуществление съёмки;

- объективность - информация, получаемая по космическим снимкам, является объективной и отображает действительную картину состояния сельскохозяйственных земель и посевов;

- единовременность и периодичность - современные спутниковые системы дистанционного зондирования Земли (ДЗЗ) осуществляют съемку с заданной периодичностью в течение всего сельскохозяйственного сезона;

- единообразие - данные космической съёмки представляют собой однородную, стандартизированную информацию, пригодную для автоматизированной обработки;

- обзорность - современные спутниковые системы ДЗЗ позволяют получать единовременную съёмку на огромных площадях, что обеспечивает единовременность наблюдений на производственных участках, расположенных на значительном отдалении друг от друга;

- комплексность - решение широкого круга прикладных задач сельского хозяйства.

Внедрение технологий космического мониторинга сельскохозяйственных земель позволит в свою очередь:

1) минимизировать затраты, связанные с наземными обследованиями состояния сельскохозяйственных земель и почв;

2) повысить осведомленность о состоянии посевов и почв;

3) своевременно обнаруживать и предотвращать негативное воздействие природного, антропогенного и техногенного характера на сельскохозяйственные земли;

4) сократить затраты на внесение удобрений;

5) систематизировать и структурировать данные о севооборотах, урожайности, содержании органических веществ, азота в почве и возможности из простого совмещения с данными других информационных ресурсов.

Цель данной работы - изучить возможности применения космических снимков для целей сельского хозяйства, а также доказать целесообразность их использования путем рассмотрения существующих систем космического мониторинга различных стран мира.

Исходя из поставленной цели, перед нами стоят следующие задачи:

- определить сферы применения космических снимков в сельском хозяйстве, найти преимущества и недостатки их использования;

- изучить особенности дешифрирования видового состава сельскохозяйственной растительности;

- рассмотреть системы космического мониторинга для сельского хозяйства в различных странах мира.

Работа состоит из введения, трёх глав, заключения и списка использованных источников.

1. Сельскохозяйственная растительность как объект картографирования. Принципы и подходы к картографированию растительности

Интенсивное вовлечение в хозяйственный оборот значительных минерально-сырьевых и топливно-энергетических ресурсов в XX в. вызвало множество экономических, технических, социальных и экологических проблем. Одной из наиболее существенных является продовольственная проблема. Продовольственное обеспечение занимает главенствующее положение в создании благоприятных условий для полноценной жизни людей в любом регионе мира. Не исключением является и Республика Беларусь, где сельское хозяйство является одной из важнейших отраслей экономики.

Для определения оптимального соотношения производимых на месте и завозимых продуктов необходима многообразная пространственно-содержательная информация о природных, социальных, экономических условиях и ресурсах о современном состоянии сельского хозяйства данного региона, его функционировании и взаимосвязях с окружающей средой. Такую информацию предпочтительно иметь в систематизированной, сопоставимой и наглядной форме - в виде сельскохозяйственных карт [4].

Первые идеи сельскохозяйственного картографирования как самостоятельного направления социально-экономической картографии были сформулированы в 40-50-е годы в работах М.И.Никишова, А.Я.Ракитникова, Ю.Г.Саушкина. В последующий период эти идеи были развиты А.П.Золовским, И.Ю.Левицким, Т.А.Соловцовой, В.П.Шоцким, Я.И.Вровским, Л.Ф.Январевой и др. Общие теоретические и методические основы комплексного регионального атласного картографирования достаточно хорошо разработаны в трудах К.А.Салищева, Н.Н.Баранского, А.И.Преображенского, И.П.Заруцкой, В.Г.Чуркина, О.А.Евтеева и др. [15]

Основными источниками для составления карт сельского хозяйства уже долгое время являются картографические материалы землеустройства и данные статистического учета, получаемые ежегодно для сельскохозяйственных предприятий и сосредотачиваемые на уровне областей в управлениях Национального статистического комитета.

В целом, сельское хозяйство картографируется в ряде аспектов. Наиболее важным их них являются условия производства: природные и социально-экономические. В связи с этим в отечественной картографии сложились два направления: картографирование сельского хозяйства в его тесной связи с природной средой и картографирование экономической стороны сельскохозяйственной деятельности.

Одной из основных групп карт сельского хозяйства являются карты условий его развития. Они включают карты, характеризующие состояние земель как ресурса производства. Их дополняют карты климатических условий ведения сельского хозяйства: обеспеченности растений влагой и теплом, температурного режима, явлений, опасных для сельского хозяйства - пыльных бурь, засух, эрозий почв и т.д. Среди социально-экономических условий выделяют обеспеченность сельского хозяйства трудовыми ресурсами и энергией. К экономическим условиям относятся показатели насыщения хозяйства техникой или в показателях нагрузки на единицу техники [16].

Следующую основную группу карт сельского хозяйства образуют карты общей характеристики сельскохозяйственного производства. К ним принадлежат карты организации сельского хозяйства, раскрывающие особенности форм собственности сельскохозяйственных предприятий. Также к этой группе относятся карты земельных угодий, которые обладают высокой географической детализацией изображения и составляются в максимально крупных масштабах. На них указываются все виды угодий, а также их состояние и местная специфика: эродированность, засоленность, заболоченность и др.

Карты земельных угодий в свою очередь являются базовыми для многих сельскохозяйственных карт: размещения отдельных культур, видов скота, сельскохозяйственного использования земель и т.д. Общую характеристику сельскохозяйственного производства завершают карты экономических показателей: специализации хозяйства, стоимость производственных фондов, объёма продукции, уровня товарности и интенсивности сельского хозяйства.

Многообразны карты отраслей сельского хозяйства, группирующиеся по двум основным направлениям: земледелия и животноводства. Среди их характеристик выделяют: размещение культур и поголовья скота, структуры посевных площадей и стада. Для земледелия эти характеристики дополняются картами агроклиматических условий произрастания, сортового состава, фаз и этапов органогенеза культур; для животноводства - картами породного состава скота. Важное значение играют карты урожайности культур, продуктивности животных, а также себестоимости производства единицы продукции, выхода продукции животноводства на 100 га сельскохозяйственных угодий и т.д. [4]

Итоговые характеристики сельскохозяйственного производства отражаются в ряде синтетических и типологических карт, таких как карты сельскохозяйственного производства земель, производственных типов сельскохозяйственных предприятий и сельскохозяйственного районирования.

Стоит отметить, что при региональном картографировании сельского хозяйства широко используются полевые исследования, позволяющие выявлять системы использования земель и их связи с социальными и природными условиями и дающие возможность непосредственного сбора и контроля данных первичного учета сельского хозяйства. Также возможно использование экспедиционных методов, включающих в себя маршрутные и ключевые обследования хозяйств по специально разработанной программе [5].

В последние десятилетия в Беларуси и за рубежом опубликовано значительное число сельскохозяйственных карт и атласов. Однако существующая традиционная система сбора информации о состоянии сельскохозяйственных земель в ряде стран мира, опирающаяся на данные комитетов государственной статистики, не может быть призвана полностью объективной и отвечающей современным требованиям по уровню полноты, достоверности и оперативности получаемых данных. Мировой опыт убедительно подтверждает, что использование материалов дистанционного зондирования позволяет существенно усовершенствовать методы оперативного мониторинга состояния посевов и прогноза урожайности [7].

Космические снимки для сельскохозяйственных целей стали использоваться с 1969 г., когда была составлена карта юго-запада США по снимкам с космических кораблей Geminy и Apollo для анализа использования земель. Впоследствии в применении космических методов для сельского хозяйства выделилось несколько рядов направлений:

1) определение состава и состояния посевов сельскохозяйственный культур, оценка биомассы, прогноз урожайности и разработка для этого автоматизированных сельскохозяйственных информационных систем;

2) изучение и оценка пастбищных ресурсов;

3) инвентаризация и картографирование земельных угодий, изучение динамики сельскохозяйственного использования земель;

4) контроль за проведением агротехнических мероприятий;

5) изучение систем земледелия, типов организации сельскохозяйственной территории [4].

Состав культур выявляется по материалам многозональных съёмок или повторных съёмок в течение сезона вегетации, или на основе использования как многозональной, так и многовременной информации, что повышает надежность дешифрирования. Разделение сельскохозяйственных культур по многозональным сканерным снимкам выполняется с использованием известных характеристик спектральной отражательной способности культур или на основе анализа эталонных участков с известными культурами, причем основные зерновые культуры выявляются с очень высокой точностью. Наиболее разработана методика опознавания посевов пшеницы, кукурузы, сои [9].

Методика дешифрирования разновременных снимков опирается на знание временного хода спектральной яркости культур или на многолетние фенологические данные о развитии культур, сроках прохождения основных фаз развития с учётом метеорологических условий года съёмки.

Состояние посевов - сомкнутость, пятнистость, пожелтение в связи с засухой, полегание, повреждение вредителями - возможно по снимкам высокого разрешения. Оценка состояние посевов по снимкам в тепловом диапазоне и радиолокационным снимкам позволяет судить о степени изреженности посевов, недостатке воды в растениях.

Космические снимки пригодны для изучения растительности пастбищ и их инвентаризации. Выполняется оценка биомассы пастбищной растительности прерий США и саванн Африки на основе картографирования вегетационного индекса; по космическим снимкам на основе их компьютерной обработки проводится инвентаризация и составляются карты оленьих пастбищ Канады, Аляски, Гренландии. В Средней Азии отработана методика оценки состояния пастбищ по снимкам с метеорологических спутников, используемым для определения оптимальных маршрутов перемещения скота.

Снимки высокого разрешения обеспечивают составление карт сельскохозяйственных угодий, земельно-кадастровых карт, фотопланов землепользования в масштабах до 1:25000. Возможность периодического повторения космических съёмок позволяет решить вопрос о регулярном обновлении карт земельных угодий, что крайне важно в связи с их быстрым устареванием. Создаются обзорные карты земельных угодий по результатам их эталонного дешифрирования на снимках в различных природных и сельскохозяйственных районах, выявлены признаки разных типов сельскохозяйственных земель, а также использовалось районирование территории по структуре изображения, характерной для различных типов сельскохозяйственных земель [2].

Таким образом, информация космических снимков не ограничивается оперативными сведениями о состоянии посевов сельскохозяйственных культур, а включает широкий круг вопросов, таких, как форм территориальной организации сельского хозяйства, применяемые системы земледелия, производственная направленность хозяйств, что дает проводить многосторонний анализ особенностей сельскохозяйственного производства обширных территорий.

2. Изучение видовой структуры сельскохозяйственной растительности на основе спутниковой информации

2.1 Физические основы дистанционного зондирования

При дистанционных методах исследования информация о любом объекте переносится к регистрирующему прибору с помощью электромагнитных волн. Электромагнитное излучение относится к наиболее важным посредникам при дистанционных наблюдениях окружающей среды и представляет собой единственную форму переноса энергии в открытом космосе [9].

Последовательность электромагнитных волн, классифицированная по их длинам, называется спектром электромагнитных волн. Большинство современных аэрокосмических методов основано на использовании оптических и ультракоротких радиоволн с длиной от 0,3 мкм до 3 м.

Участок оптических волн (0,001 - 1000 мкм) включает ультрафиолетовый, видимый и инфракрасный диапазоны. В ультрафиолетовом диапазоне выделяют ближнюю, среднюю и дальнюю области. Видимый диапазон, в котором глаз способен выделять цветовые различия, делят на семь цветовых зон со следующими названиями цветов: фиолетовый, синий, голубой, зеленый, желтый, оранжевый и красный. Диапазон инфракрасного излучения разделяют на поддиапазоны: ближний, средний и дальний [20]. Характеристика границ участков оптических волн приведена в таблице 2.1.1.

Таблица 2.1

Характеристика границ диапазонов оптических волн [9]

Участок спектра, охватывающий ультракороткие радиоволны, принято разбивать на диапазон миллиметровых, сантиметровых, дециметровых, и метровых радиоволн. Сантиметровые и дециметровые волны часто объединяют в диапазон радиоволн сверхвысоких частот [9].

Излучение, падающее на какой-либо объект, определенным образом взаимодействует с ним: некоторая часть излучения отражается, другая - поглощается и рассеивается внутри объекта, третья - пропускается. Доли отраженного, поглощенного, рассеянного и пропущенного лучистых потоков оцениваются соответствующими коэффициентами, которые по закону сохранения энергии всегда в сумме дают единицу.

Для объектов суши наиболее важным является отраженное излучение. В настоящее время аэрокосмические исследования основаны на многих различных характеристиках предметов земной поверхности, таких как коэффициент интегральной яркости, индикатриса отражения, яркостный контраст и др. Значительное место в аэрокосмических исследованиях занимает изучение коэффициента спектральной яркости объектов, который характеризует величину отраженного потока излучения в заданном направлении по сравнению с упавшим потоком для определенного узкого диапазона спектра.

Основным путем изучения спектральной отражательной способности является экспериментальный, при котором производят абсолютные или относительные измерения спектральной яркости объектов при помощи фотоэлектрических спектрометров. При относительном спектрометрировании полученные данные сравниваются со спектральной яркостью эталона, в качестве которого служат материалы с хорошо известными и стабильными во времени оптическими характеристиками (гипсовые пластинки, молочные стёкла и др.) [20].

Спектрометрические исследования могут выполняться в различных условиях. Лабораторные спектрометрические измерения небольших по размеру образцов выполняют для выявления зависимости отражательной способности, например, почвы от содержания гумуса, механического состава, влажности и т.д. Во время учебной студенческой поездки в Германию в марте 2014 года белорусским студентам был продемонстрирован принцип работы лабораторного спектрометра (рисунок 2.1), при помощи которого производится спектрометрический анализ растительности и горных пород (Германский научно-исследовательский центр геофизических исследований, Потсдам).

Полевое спектрометрирование проводится в целях определения спектральных коэффициентов яркости отдельных объектов и геосистем низших рангов. Также в полевых условиях возможно изучение суточной и сезонной динамики отражательной способности природных объектов, влияние погодных и условий наблюдения.

Аэроспектрометрирование выполняется с самолета или вертолета для изучения более крупных и менее однородных объектов - сельскохозяйственных полей, водоемов и т.д.

Принципиальная особенность космического спектрометрирования заключается в том, что спектрометр, установленный на космическом аппарате, регистрирует суммарное излучение земной поверхности и атмосферы. Поэтому одной из задач космического спектрометрирования является изучение влияния атмосферы на оптические характеристики земных объектов [20].

На знании спектральной яркости основаны не только способы и приемы получения и обработки аэрокосмических снимков, но и автоматическое распознавание объектов. Поэтому изучение спектральной отражательной способности различных объектов и геосистем различных таксономических рангов представляет собой одну из задач аэрокосмических методов.

2.2 Спектральные отражательные свойства посевов сельскохозяйственных культур

Спектральные отражательные свойства посевов культурных растений зависят от множества факторов, наиболее важные из которых: оптические свойства листа; геометрия покрова, индекс листовой поверхности (LAI) и угловое распределение листьев; отражательная способность почвы; угол освещения и угол наблюдения; атмосферное пропускание и другие.

Доказано, что для культурных растений на стадии вегетации листья являются основными рассеивающими элементами. Однако на ранних стадиях роста, когда плотность растительного покрова мала, отражение в значительной степени зависит от почвы [18].

В видимой области спектра листья обладают относительно низкой отражательной способностью: всего 2-3% падающего излучения отражается от поверхностного (кутикулярного) слоя листьев, а остальная часть проникает внутрь листа, где вступает во взаимодействие с его внутренними компонентами. Такая низкая отражательная способность обусловлена поглощением света пигментами листа. Хлорофилл поглощает значительную часть падающей энергии в синей (0,45 мкм) и красной областях (0,67 мкм) спектра [10].

В ближней ИК-области наблюдается возрастание отражательной способности листьев до 40-50%. Высокое отражение и пропускание в зоне «инфракрасного плато» (0,7-1,3 мкм) объясняются многократными отражениями во внутренней структуре мезофилла из-за различий в показателях преломления оболочек клеток и внутриклеточных воздушных полостей. В силу многократного отражения и пропускания происходит увеличение отражательной способности слоев листьев в ИК-области. По мере роста листьев число межклеточных воздушных полостей в мезофилле увеличивается и отражательная способность листьев в видимой области спектра снижается, а в ближней ИК-области возрастает. При старении листа отражение света в видимой области повышается из-за потери хлорофилла, а в ближней ИК-области снижается. В средней ИК-области спектра (1,3-2,6 мкм) на отражательную способность зеленой растительности оказывают значительное влияние полосы поглощения воды около 1,4; 1,9 и 2,7 мкм [20].

Часть излучения, не поглощаемая пигментами или водой или обратно рассеиваемая, проходит сквозь лист. В диапазоне 0,7-1,35 мкм это составляет примерно 50% падающего излучения. В диапазоне выше 2,7 мкм и дальнего ИК отдельные листья и весь фитоценоз, ведут себя подобно черным телам. В микроволновом диапазоне 0,1-100 см сельскохозяйственные объекты с высоким коэффициентом покрытия ведут себя подобно черным излучателям.

Исследования, проведенные В.Б. Малышевым в 1989 году, показали, что основными фитометрическими параметрами, влияющими на величину коэффициента спектральной яркости (КСЯ) растительного покрова, являются общее проективное покрытие, суммарный вес биомассы и общая листовая поверхность, а наиболее оптимальными для определения перечисленных параметров по величине КСЯ являются спектральные интервалы 0,44-0,47; 0,55-0,58; 0,67-0,68; 0,72-0,73 мкм [11].

Спектральная отражательная способность посевов огородных и полевых культур подвержена значительным изменениям в зависимости от сезона года и стадии вегетации. Поэтому все кривые отражения посевов сельскохозяйственных культур можно объединить в следующие группы, представляющие определенные типы.

Для первого типа средняя кривая отражения обладает резко выраженным максимумом в желто-зеленных лучах (длина волны (л) - около 550 нм), который типичен для большинства растительных видов. По обе стороны от этого максимума кривая опускается, причем более круто в направлении фиолетового конца спектра и, наоборот, в меньшей степени в противоположном направлении, где она остается расположенной немного выше. В инфракрасной области спектра, начиная с л=700 нм, кривая круто поднимается вверх, и при л=850 нм достигает максимума. Природные образования, относящиеся к этому типу, обладают ярко-зеленой окраской, что подтверждается зеленым цветом окраски у большинства сельскохозяйственных культур в период с посева до созревания культуры.

Второй тип характерен для сельскохозяйственных культур в период созревания, совпадающего с исчезновением зеленой окраски и появлением золотисто-желтого света. Средняя кривая отражения для этого типа круто поднимается вверх от фиолетового к красному концу спектра, причем значение коэффициента яркости возрастает от 0.082 до 0.216. Около л=600 нм, т.е. в оранжевых лучах, наблюдается выпуклость на кривой - максимум. В инфракрасной зоне спектра кривая продолжает подниматься, причем при л=830 нм коэффициент яркости достигает 0.386. Такой же тип характерен и для соломы различных злаков.

Третий тип, как и предыдущий, характеризуется постепенным поднятием средней кривой отражения в направлении от фиолетового к красному концу спектра. Однако, в отличие от второго типа, она имеет более пологий вид, а значение среднего коэффициента яркости возрастает с 0.053 до 0.106. Следовательно, на всем протяжении спектра кривая расположена значительно ниже, чем в предыдущем случае. Таким образом, образования данного типа отличаются от образований второго типа меньшей яркостью и обладают более буровато-серой окраской. В инфракрасной области спектра отражательная способность также повышается, причем коэффициент яркости при л=830 нм достигает максимального значения, равного 0.276. К данному типу относятся поля после снятия урожая (жнивье), а также погибшие растения [10]. Графики спектральных кривых для различных типов представлены на рисунке 2.2.

Рисунок 2.2 График спектральной кривой отражения сельскохозяйственных культур в различные периоды вегетации: 1 - для первого типа, 2 - для второго типа, 3 - для третьего типа [10]

Стоит отметить, что представленные графики в большей степени относятся к посевам зерновых культур (пшеница, овёс, ячмень, рожь). Что касается остальных сельскохозяйственных культур, то у них наблюдаются небольшие отклонения графика спектральной кривой отражения вследствие различного окраса плодов и листьев, а также различий в сроках прохождения вегетационных фаз развития. В основном, данные отклонения выражаются в виде отсутствия резко выраженного максимума в желто-зеленой зоне спектра (что характерно для кукурузы, вики, подсолнечника, помидоров и др.) [10].

Подробная характеристика для каждой культуры изложена в таблице 2.2.

Таблица 2.2

Характеристика спектральных отражательных способностей различных сельскохозяйственных культур [10]

Геометрия (структура) растительного покрова характеризует расположение в покрове отдельных рассеивающих (поглощающих) элементов (главным образом листьев) и определяет перенос излучения внутри покрова и от него. Пространственное расположение листьев растений зависит от их видов, способов возделывания и условий окружающей среды. Геометрия растительных покровов очень сложна, однако было установлено, что для оценки их отражательных свойств особо важны три физических параметра - индекс LAI, проективное покрытие и угловое распределение листьев (LAD). Индекс LAI равен общей односторонней площади листьев, приведенной к единице площади почвы, или произведению средней площади листа на объемную плотность листьев. Проективное покрытие (сомкнутость покрова) - процентная доля почвы, закрытая растительностью при вертикальном наблюдении. LAD представляет собой кумулятивную функцию распределения частот встречаемости углов, основанную на возможных распределениях, существующих в природе. Выделены четыре основных класса растительности по преимущественной ориентации листьев: планофилы - горизонтальная ориентация; эректофилы - вертикальная ориентация; плагиофилы - выраженная наклонная ориентация и экстремофилы - менее выраженная наклонная ориентация [3].

Также было доказано, что отражение, пропускание и поглощение излучения определяются как концентрацией пигментов и воды, так и клеточной структурой листа. Эти физиологические и морфологические факторы связаны с типом листа, стадией развития, степенью старения и наличием стресса [11].

На основе операций со спектральными диапазонами данных дистанционного зондирования, использующих комбинации значений яркости в определенных каналах, рассчитываются разнообразные индексные показатели. Последние позволяют классифицировать растительность и оценивать ее физические параметры. Данные показатели называют вегетационными индексами.

Существует более 150 разновидностей вегетационных индексов, которые делят на относительные, использующие идею о том, что все изовегетационные линии сходятся в одной точке (RVI, NDVI. DVI, IPVI), и перпендикулярные, использующие идею о том, что все изовегетационные линии идут параллельно почвенной линии (PVI, WDWI, TVI, SAVI) [11].

Наиболее популярным и широко применяемым вегетационным индексом является нормализованный разностный индекс растительности (Normalized Difference Vegetation Index - NDVI). Он рассчитывается по формуле:

,

где: - коэффициент отражения в ближней инфракрасной зоне;

- коэффициент отражения в красной спектральной зоне [15].

Расчет индекса NDVI основывается на двух наиболее стабильных (не зависящих от прочих факторов) участках кривой спектральной отражательной способности растений. На красную зону спектра (0,62-0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную зону (0,75-1,3 мкм) - максимальное отражение энергии клеточной структурой листа. То есть, высокая фотосинтетическая активность (связанная, как правило, с большой фитомассой растительности) ведет к более низким значениям коэффициентов отражения в красной зоне спектра и большим значениям в ближней инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять растительность от прочих природных объектов. Использование нормализованной разности между максимумом и минимумом отражения увеличивает точность измерения, позволяя уменьшить влияние таких явлений, как различия в освещенности снимка, облачности, дымки, поглощения радиации атмосферой и прочие. Индекс может принимать значения от -1 до 1. Отрицательные значения фиксируют отсутствие фитомассы (вода, снег, лед, искусственные материалы и т.д.), а для растительности индекс NDVI принимает положительные значения: густая растительность (0,7), разреженная растительность (0,5), открытая почва (0,025).

На данный момент у индекса NDVI появилось несколько модификаций, позволяющих уменьшать влияние различных помехообразующих факторов, например, отражение от почвенного слоя - SAVI, поглощение аэрозолями атмосферы - ARVI. Также существует усовершенствованный индекс EVI, опирающийся на NDVI и корректирующий помехообразующие факторы [11].

2.3 Основные виды космических изображений, применяемые для картографирования сельскохозяйственных посевов

С первых лет освоения космического пространства одной из приоритетных была задача дистанционного наблюдения Земли. Первые регулярные изображения были получены с борта американского спутника ERTS-1 (позднее переименован в Landsat-1) в 1972 г. В настоящее время существует ряд спутниковых систем, созданных различными странами и направленных на исследование природных ресурсов. Получаемые со спутников данные ДЗЗ используются в различных приложениях мониторинга Земли, в том числе, в интересах изучения состояния сельскохозяйственных земель. Наиболее широко используются для мониторинга растительности материалы ДЗЗ в видимой, ближней ИК и средней ИК зонах электромагнитного спектра. Спутниковые изображения в этих зонах спектра позволяют эффективно отделять зеленую растительность от других типов земного покрова [11].

Важнейшей характеристикой получаемых данных ДЗЗ является пространственное разрешение. Доступные материалы ДЗЗ можно разделить на четыре категории в соответствии с величиной пространственного разрешения: данные низкого разрешения (более 50 м), среднего разрешения (10-50 м), высокого разрешения (1-10 м), сверхвысокого разрешения (менее 1 м) [21].

Данные низкого разрешения находят широкое применение в мониторинге суши и океана. Эти данные отличает высокая доступность (свободное распространение или низкая стоимость) и возможность наблюдения всей поверхности Земли с периодичностью около одних суток. К широко используемым данным низкого пространственного разрешения относятся изображения, получаемые съемочной системой AVHRR, установленной на борту спутников серии NOAA, а также съемочной системой Vegetation со спутника SPOT-5.

Прибор AVHRR обеспечивает проведение съемки Земли в шести спектральных каналах с разрешением 1,1 км при наблюдении в надир. Так как одновременно на орбите функционируют несколько спутников NOAA, периодичность съемки любой территории составляет несколько часов. Передаваемые данные могут быть приняты в оперативном режиме на стандартные антенны, а архивные данные съемки свободно распространяются рядом правительственных ведомств и научных организаций.

Прибор Vegetation установлен на борту французского спутника SPOT-5 и ведет съемку в четырех спектральных каналах с разрешением при наблюдении в надир 1,15 км. Отличительной особенностью прибора является лучшая по сравнению с AVHRR геометрическая точность совмещения спектральных каналов (0,1 км) и разновременных изображений (0,3 км). Данные съемки свободно доступны для использования в научных целях и распространяются через Интернет с задержкой три месяца. Съемка прибором SPOT/Vegetation ведется, начиная с марта 1998 года [6].

Перспективными считаются космические изображения, полученные со спутника Terra MODIS (Moderate Resolution Imaging Spectroradiometer), проводящего съемку поверхности Земли с пространственным разрешением 250-500 м. Снимки, получаемые с данного спутника, имеют 36 спектральных зон, которые охватывают диапазон с длинами волн от 0,4 до 14,4 мкм. Съемка в двух зонах - красной (620-670 нм) и ближней ИК (841-876 нм) - ведется с разрешением 250 м, в пяти зонах видимого и ближнего инфракрасного диапазона - с разрешением 500 м, а в остальных диапазонах (от 0,4 до 14,4 мкм) - 1000 м с ежедневной регулярностью. Данные спутника Terra MODIS распространяются в свободном доступе.

Помимо прибора MODIS на космических аппаратах серии Terra устанавливается аппаратный комплекс ASTER, который позволяет проводить съемку в 14 диапазонах с пространственным разрешением до 15 м [15].

Съемку поверхности Земли со средним разрешением ведет целый ряд спутниковых систем. Наиболее широко используемой является серия спутников Landsat, на которых последовательно устанавливались приборы MSS (Landsat-1, 2, 3, 4, 5), TM (Landsat-4, 5) и ETM+ (Landsat-7) [11]. Наиболее современный из данной серии спутников Landsat-8 оснащен набором инструментов Operational Land Imager (OLI) и имеет девять каналов съемки в диапазоне 0,43-12,50 мкм. Пространственное разрешение в видимых и инфракрасных каналах составляет 30 м, разрешение панхроматического изображения -- 15 м и разрешение термального канала - 100 м. Данные, полученные с Landsat-8, распространяются в свободном доступе в онлайн-режиме.

Похожие характеристики имеет космический аппарат ЕО-1, принадлежащий США. Данный спутник несет на своем борту приборы ALI, Hyperion и LAC, которые позволяют заниматься съемкой в спектральном диапазоне 0,43-2,35 мкм и получать снимки с пространственным разрешением до 10 м. Стоит отметить, что данная спутниковая система широко используется для целей сельского хозяйства: с ее помощью выполняется не только картографирование сельскохозяйственных культур, но и оценка засоренности пахотных земель, выявление болезней и вредителей агрокультур и т.д. [21]

Еще одной спутниковой системой, ведущей съемку для сельскохозяйственных целей, является группировка спутников RapidEye. Она включает в себя 5 мини-спутников, которые предназначены для решения мониторинговых задач во многих отраслях. Однако параметры космических аппаратов RapidEye особенно подходят для их использования в сельском хозяйстве ввиду возможности съемки в спектральном канале red-edge (крайний красный). Данный канал оптимально подходит для наблюдений и измерений регистрации состоянии растительного покрова. Помимо крайнего красного диапазона съемка ведется еще в четырех спектральных зонах в диапазоне 0,44-0,88 мкм с пространственным разрешением до 5 м, что позволяет получать снимки высокого пространственного разрешения.

Космическая съемка с высоким пространственным разрешением снимков для целей сельского хозяйства ведется рядом спутников азиатского производства: CARTOSAT-2 (Индия), ТН-2 (Китай) и ALOS (Япония) [19].

Прибор наблюдения Земли МСУ-Э, последовательно действовавший на ряде российских спутников (Ресурс-О, Ресурс-О1 и Метеор-3М), обеспечивает проведение съемки с разрешением около 40 м в трех спектральных каналах диапазона 0,5-0,9 мкм. Съемочная аппаратура действующего в настоящее время российского спутника Монитор-Э обеспечивает проведение съемки в четырех каналах спектрального диапазона 0,5-0,9 мкм при ширине полосы захвата 160 км. Данные предполагается распространять для удовлетворения потребностей российских государственных потребителей, а также другим заинтересованным потребителям на коммерческой основе [11].

Спутник украинского производства Сич-2 был запущен в 2011 году. Он оснащен оптико-электронным сканером с тремя спектральными и одним панхроматическим каналами, сканером среднего инфракрасного диапазона и комплексом научной аппаратуры «Потенциал». Получаемые снимки имеют пространственное разрешение до 8,2 м и используются в основном для оценки состояния сельскохозяйственных угодий, а также для контроля уборки урожая [21].

В 2003 году Национальной академией наук Беларуси был разработан проект Белорусской космической системы дистанционного зондирования Земли (БКСДЗ), в ходе реализации которого в 2012 году состоялся запуск Белорусского космического аппарата (БКА) (рисунок 2.3).

Одной из важнейших областей применения данных БСКДЗ является контроль за землепользованием и сельскохозяйственным производством. БКА позволяет проводить съёмку в видимом диапазоне (0,46 - 0,86 мкм) в панхроматическом или мультиспектральном режиме. Разрешение съёмки в панхроматическом режиме составляет 2,1 м, а в мультиспектральном режиме - 10,5 м. Ширина полосы захвата составляет 20 км. Стоит отметить, что использование снимков с БКА было осложнено высокой облачностью, а также низкой периодичностью съемки (около 40 дней), что недостаточно для мониторинга [8].

Космические данные сверхвысокого разрешения для мониторинга растительности на региональном и национальном уровнях практически не используются. Такие данные в настоящее время невозможно получать с достаточно высокой периодичностью при одновременном обеспечении охвата больших территорий. Кроме того, важным фактором, сдерживающим широкое и регулярное использование спутниковых данных сверхвысокого разрешения, является их высокая стоимость и ограниченный доступ из-за режима секретности [11].

К данной категории космических аппаратов можно отнести ряд спутниковых систем азиатского производства: Resourcesat-2 (Индия), Kompsat-3 (Республика Корея), а также спутники серии WorldView (CША) и Pleiades (Франция) [19].

растительность сельскохозяйственный картографирование зондирование

3. Обзор существующего опыта использования ГИС и ДДЗ для мониторинга посевов сельскохозяйственных культур

3.1 Отечественный опыт исследования сельскохозяйственной растительности аэрокосмическими методами

Сельское хозяйство является важной отраслью национальной экономики Республики Беларусь. Развитие эффективной системы производства зерна - основы экспортной сельскохозяйственной продукции республики -- в условиях рыночной экономики предъявляет особые требования к оперативности и объективности информации, необходимой республиканским управляющим органам. Наличие государственных программ поддержки сельскохозяйственных производителей также стимулирует развитие методов объективного контроля параметров зернового производства. Широкие возможности использования спутниковых данных могут сыграть при этом важную роль. Опыт мировой практики показывает, что сельское хозяйство является одним из основных направлений использования спутниковой информации.

На сегодняшний день реально доступными для Республики Беларусь являются данные спутника серии Terra и Landsat, а также данные отечественной системы дистанционного зондирования [13]. В 2002 году на базе предприятия «Геоинформационные системы» был разработан программный комплекс оперативной оценки состояния посевов и урожайности сельскохозяйственных культур для территории Беларуси в разрезе областей (районов) на основе принимаемой информации, получаемой съемочной аппаратурой (MODIS) искусственного спутника Земли Terra.

Работа комплекса основана на достаточно распространенном методе сравнения динамики состояния растительности в различные годы и поиске года аналога. При этом комплекс использует статистические данные по уровню урожайности зерновых культур за предыдущие годы по отдельным районам и областям республики. Одним из используемых параметров при поиске года аналога является нормализованный вегетационный индекс NDVI, рассчитываемый по каждому принятому снимку Terra/MODIS.

При проведении анализа динамики NDVI в отдельном году во многих случаях может быть подобран год, в котором наблюдалась похожая динамика развития растительности. После этого статистическая информация о состоянии сельскохозяйственных культур и их урожайности может быть использована при построении оценок для текущего года [7].

Влияние существующих погрешностей, вносимых погодными условиями, сильной облачностью и дымкой, можно частично скорректировать использованием результирующих изображений NDVI за десять дней (декаду). Это позволяет избежать влияния случайных и некоторых систематических погрешностей.

В качестве выходной информации программный комплекс на выбор предлагает табличное и картографическое представление прогноза урожайности. Помимо этого, при работе комплекса строятся всевозможные графики зависимости индекса вегетации NDVI, а также прогнозируемой и фактической урожайности зерновых культур за разные годы по республике в целом и административным областям или районам.

Программный комплекс обладает достаточным быстродействием. Опытный пользователь выполняет весь цикл предварительной обработки (калибровка, геолокация, коррекция, трансформирование в заданную проекцию, формирование цветосинтезированного растрового изображения разрешением 250 м), а также получает прогнозную информацию с использованием комплекса менее чем за один час работы.

В настоящее время программный комплекс оперативной оценки состояния посевов и урожайности сельскохозяйственных культур для территории Беларуси в разрезе областей (районов) проходит опытную эксплуатацию в Государственном учреждении «Республиканский гидрометеорологический центр» в отделе агрометеорологических прогнозов. Результаты опытной эксплуатации программного комплекса показывают правильность его работы. Подтверждение прогноза урожайности на территории Республики Беларусь в 2006 г. в среднем составило 91,8%, в 2007 г. -- 92,5%, в 2008 г. -- 79,2%, в 2009 г. -- 88,7%.

На ближайшее время запланирована модернизация данного программного комплекса в части расширения функциональных возможностей. Данная доработка позволит повысить достоверность и точность прогноза, а также выдать его на конкретный участок (сельсовет, поле или группу полей) [7].

В качестве исходных данных ДЗЗ в Беларуси также используются снимки, полученные со спутников Landsat TM и Landsat ETM. Эти снимки в настоящее время являются бесплатными, а доступ к ним организован через специальные web-сервисы Национальной геологической службы США (United States Geological Survey, USGS), такие как Earth Explorer и USGS Global Visualization Viewer. Периодичность съемки одной и той же территории спутниками Landsat составляет 16 дней [21]. На Геосервис USGS съемки выкладываются достаточно оперативно - с задержкой меньше месяца, что дает возможность выполнения исследования в текущем году. Спектрозональные космические снимки Landsat TM и Landsat ETM имеют среднее пространственное разрешение 30 м, в связи возникает вопрос о пространственной точности таких данных для мониторинга землепользования. Однако, как показывает практика, такой точности вполне достаточно. Это обусловлено достаточно большими размерами сельскохозяйственных полей в Беларуси, которые являются результатом коллективного землепользования в советское время.

Фактором, который усложняет использование снимков Landsat ETM (в отличие от снимков Terra/MODIS), является наличие «выбитых» полос, обусловленных сбоем в работе ПЗС-линейки, установленной на спутнике. Для устранения пустых полос на съемках используются алгоритмы автоматизированной экстраполяции по значениям соседних пикселей. Далее производят радиометрическую калибровку данных, создают композитные синтезированные образы на район работ и совмещают их с векторными картами полей в историческом проекте. В результате получается ряд временных спектрозональных изображений, по которым, при удачно подобранных вариантах RGB-синтеза и параметрам яркости и контраста, становится возможным выполнить визуальное дешифрование [13].

Дешифрование культур становится возможным даже по ограниченному ряду разновременных снимков. Например, при наличии четырех разновременных снимков, полученных в конце апреля, начале июня, конце июля и начале августа, можно осуществлять дешифрование озимых, яровых, пропашных культур и многолетних трав. В состав условного класса озимых культур в Беларуси входят озимые пшеница, рожь и тритикале. К условному классу яровых относятся ячмень, яровая пшеница, зернобобовые; к пропашным культурам принадлежат сахарная свекла и картофель, а к многолетним травам - кроме собственно посевов трав, также улучшенные луговые земли и пастбища.

Ограниченность ресурсов данных ДЗЗ по времени их получения не позволяет использовать какие-либо внешние библиотеки значений NDVI для каждой культуры и использовать их в качестве признаков дешифрования. Поэтому этап эталонирования заключается в простом обозначении на изображении эталонной области с заранее известной информацией об агрокультуре. Данные о сельскохозяйственных культурах по полям или рабочих участках берутся из книг истории полей, которые ведутся специалистами-агрономами в каждом хозяйстве. В книгах истории полей по каждому полю содержится информация о культурах-предшественниках и культурах, которые засеваются на текущий год. Чтобы избежать ошибок, вызванных неточностями книг истории полей, применяется визуальный контроль как непосредственно по самим значениям NDVI, так и по кривым спектральных яркостей. Для удобства эталонирования разновременные изображения NDVI синтезируются в многоканальный растр и визуализируются в виде RGB-комбинации. Еще лучший контроль качества эталонов обеспечивает построение спектральных кривых, позволяющих наглядно определить и исключить ошибочно выбранные эталоны в местах несоответствия данным книги истории полей с реальными посевами [13].

Точность дешифрования проверяется методом сравнения при выполнении полевых работ. При использовании ряда, состоящего из четырех разновременных снимков, точно дешифрируются 80-90% полей (контуров). Для контроля точности дешифрования в качестве операционной единицы используется именно поле или рабочий участок, а не пиксель или гектар. Это связано с тем, что дешифрование осуществляется в пределах маски сельскохозяйственной хозяйственных земель (пахотных, пастбищных и улучшенных луговых), и другие виды земель не оказывают влияние на результат дешифрования. Очевидно, что точность дешифрования может быть улучшена за счет уменьшения интервала между датами снимков. Это позволит более объективно сформировать дешифровочные признаки по значениям NDVI, более точно определить вегетационные характеристики классов сельскохозяйственных культур. Результатом работы являются карты, которые отражают реальную структуру посевных площадей хозяйства [13].

Появление Белорусской космической системы дистанционного зондирования Земли (БСКДЗ) открыло новые возможности при решении задач получения и обработки космических материалов.

Помимо БКА, БКСДЗ включает в себя аппаратно-программный комплекс приема данных (АПК-ПД), аппаратно-программный комплекс тематической обработки (АПК-ТО), аппаратно программный комплекс банка данных цифровых изображений местности (АПК-БДЦИМ) и др.

Задачей АПК-ПД является прием информации с БКА. Комплекс включает в себя 3 станции, которые обеспечивают прием и регистрацию информационных потоков не только с БКА, но и со спутников NOAA, Terra и Метеор-М №1.

АПК-ТО занимается обработкой получаемых данных дистанционного зондирования. В результате формируется конечная продукция - тематические карты, планы, фотокарты, фотопланы и сопутствующие документы. Технологии обработки в программных продуктах ENVI, ERDAS, PHOTOMOD позволяют решать ряд прикладных задач в интересах Министерства сельского хозяйства и продовольствия, Министерства по чрезвычайным ситуациям и др. Разработанные технологии, а также современные геоинформационные системы и системы принятия решений на основе ГИС реализованы с использованием NOAA, Terra, аналогов БКА (SPOT-5 и ALOS) и других аппаратов ДЗЗ оптического и микроволнового диапазона различного разрешения [8].