Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 61-72
Технология совместного анализа временных рядов изображений интерферометрической когерентности Sentinel 1 и вегетационного индекса по данным Sentinel 2 для мониторинга сельскохозяйственных полей
Т.Н. Чимитдоржиев
1, 2 , А.В. Дмитриев
1 , П.Н. Дагуров
1 1 Институт физического материаловедения СО РАН, Улан-Удэ, Россия
2 Научно-исследовательский институт аэрокосмического мониторинга «АЭРОКОСМОС», Москва, Россия
Одобрена к печати: 22.06.2020
DOI: 10.21046/2070-7401-2020-17-4-61-72
В работе на примере тестового участка в Республике Бурятия представлены возможности комплексного использования радарных изображений в C-диапазоне длин волн и спектрозональных оптических снимков для мониторинга земель в сельскохозяйственном обороте. Для оценки динамики пахотных земель и сельскохозяйственных культур использованы временные ряды радиолокационных данных интерферометрической когерентности и изображений вегетационного индекса MSAVI. Интерферометрическая когерентность получена по данным спутникового радиолокатора Sentinel 1 с периодичностью 12 дней с 04.04.2019 по 25.10.2019. Вегетационный индекс рассчитан по мультиспектральным снимкам Sentinel 2 в безоблачную погоду. При помощи кластерного анализа временных рядов изображений интерферометрической когерентности выделены три класса полей: пашни под парами с несколькими минимумами когерентности в период изменения поверхностной структуры поля и сельскохозяйственные поля со схожей динамикой когерентности в вегетационный период с двумя различными 12-дневными периодами локальных минимумов в период посевной обработки. По аналогии с когерентностью при помощи алгоритма кластеризации ISODATA и с применением «маски» пахотных полей временной ряд изображений MSAVI был сегментирован на три класса: пашни под парами и два класса полей с максимальными значениями индекса порядка 0,3 и 0,4. Сравнительный анализ временных рядов когерентности и индекса вегетации был выполнен по данным после 22 мая, чтобы исключить время посевной с аномальными значениями когерентности. Обнаружена отрицательная корреляция порядка –0,8 между значениями когерентности и индексом вегетации для полей с сельскохозяйственными культурами после посева и до уборки урожая. Полученные результаты позволяют рассмотреть технологию оценки интерферометрической когерентности сельскохозяйственных полей как некоторую альтернативу традиционному анализу динамики значений вегетационных индексов для мониторинга и оценки состояния посевов.
Ключевые слова: интерферометрическая когерентность, вегетационный индекс, временные ряды, сельскохозяйственные поля
Полный текстСписок литературы:
- Дмитриев А. В., Чимитдоржиев Т. Н., Гусев М. А., Дагуров П. Н., Емельянов К. С., Захаров А. И., Кирбижекова И. И. Базовые продукты зондирования Земли космическими радиолокаторами с синтезированной апертурой // Исслед. Земли из космоса. 2014. № 5. С. 83–91.
- Чимитдоржиев Т. Н. Графическое обоснование применимости методики вычисления вегетационных индексов для обработки радарной интерферометрической когерентности // Исслед. Земли из космоса. 2007. № 3. С. 53–58.
- Якушев В. П., Дубенок Н. Н., Лупян Е. А. Опыт применения и перспективы развития технологии дистанционного зондирования Земли для сельского хозяйства // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 11–23.
- Chimitdorzhiev T. N., Dagurov P. N., Bykov M. E., Dmitriev A. V., Kirbizhekova I. I. Comparison of ALOS PALSAR interferometry and field geodetic leveling for marshy soil thaw/freeze monitoring, case study from the Baikal lake region, Russia // J. Applied Remote Sensing. 2016. V. 10. No. 1. id. 016006. 12 p.
- Defourny P., Bontemps S., Bellemans N., Cara C., Dedieu G., Guzzonato E., Savinaud M. Near real-time agriculture monitoring at national scale at parcel resolution: Performance assessment of the Sen2-Agri automated system in various cropping systems around the world // Remote Sensing of Environment. 2019. V. 221. P. 551–568.
- Harfenmeister K., Spengler D., Weltzien C. Analyzing Temporal and Spatial Characteristics of Crop Parameters Using Sentinel 1 Backscatter Data // Remote Sensing. 2019. V. 11. No. 13. id. 1569. 30 p.
- Khabbazan S., Vermunt P., Steele-Dunne S., Ratering Arntz L., Marinetti C., van der Valk D., Iannini L., Molijn R., Westerdijk K., van der Sande C. Crop monitoring using Sentinel 1 data: A case study from the Netherlands // Remote Sensing. 2019. V. 11. No. 16. id. 1887. 8 p.
- Muzalevskiy K. V. Temperature dependence of the backscattering coefficient measured by ALOS PALSAR during cooling and heating of tundra topsoil // J. Radio Electronics (Zhurnal Radioelektroniki). 2019. No. 11. id 621.369.9 . 7 p.
- Pepe A., Calò F. A review of interferometric synthetic aperture RADAR (InSAR) multi-track approaches for the retrieval of Earth’s surface displacements // Applied Sciences. 2017. V. 7. No. 12. id. 1264. 39 p.
- Pulella A., Aragão Santos R., Sica F., Posovszky P., Rizzoli P. Multi-temporal Sentinel 1 backscatter and coherence for rainforest mapping // Remote Sensing. 2020. V. 12. No. 5. id. 847. 17 p.
- Rabus B., When H., Nolan M. The Importance of Soil Moisture and Soil Structure for InSAR Phase and Backscatter, as Determined by FDTD Modeling // IEEE Trans. Geoscience and Remote Sensing. 2010. V. 48. No. 5. P. 2421–2429.
- Qi J., Chehbouni A., Huete A. R., Kerr Y. H., Sorooshian S. A modified soil adjusted vegetation index // Remote Sensing of Environment. 1994. V. 48. No. 2. P. 119–126.
- Koetz B. Sentinels for Agricultural Monitoring: Sen4CAP — Concept and Goals. ESA, 2018. 51 p. URL: http://esa-sen4cap.org/sites/default/files/Sen4CAP_1stEvidence_DirectPaymentCommittee_March2018.pdf (accessed 17.06.2020).
- Tonooka H., Tachikawa T. ASTER cloud coverage assessment and mission operations analysis using Terra/MODIS cloud mask products // Remote Sensing. 2019. V. 11. No. 23. id. 2798. 18 p.
- Wang S., Lu X., Chen Z., Zhang G., Ma T., Jia P., Li B. Evaluating the feasibility of illegal open-pit mining identification using InSAR coherence // Remote Sensing. 2020. V. 12. No. 3. id. 367. 15 p.
- Weiss M., Jacob F., Duveiller G. Remote sensing for agricultural applications: A meta-review // Remote Sensing of Environment. 2020. V. 236. id. 111402. 19 p.
- Whelen T., Siqueira P. Time-series classification of Sentinel 1 agricultural data over North Dakota // Remote Sensing Letters. 2018. V. 9. No. 5. P. 411–420.
- Xue F., Lv X., Dou F., Yun Y. A review of time-series interferometric SAR techniques: a tutorial for surface deformation analysis // IEEE Geoscience and Remote Sensing Magazine. 2020. V. 8. No. 1. P. 22–42.
- Zwieback S., Hensley S., Hajnsek I. Assessment of soil moisture effects on L-band radar interferometry // Remote Sensing of Environment. 2015. V. 164. P. 77–89.