Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 128-139
Особенности обработки аэрокосмических снимков для оптимизации геостатистических исследований внутриполевой изменчивости в задачах точного земледелия
В.П. Якушев
1 , В.М. Буре
1, 2 , О.А. Митрофанова
1, 2 , Е.П. Митрофанов
1, 2 , С.Ю. Блохина
1 1 Агрофизический научно-исследовательский институт, Санкт-Петербург, Россия
2 Санкт-Петербургский государственный университет, Санкт-Петербург, Россия
Одобрена к печати: 29.06.2021
DOI: 10.21046/2070-7401-2021-18-4-128-139
Благодаря развитию информационных технологий, а также методов дистанционного зондирования Земли (ДЗЗ) вычислительные возможности и объёмы исходной информации значительно расширяются. Как следствие, возникает проблема обработки аэрокосмических снимков высокого разрешения, связанная с избыточностью данных, поскольку 1 га поля соответствует до 4 млн пикселей. В связи с этим целесообразно предварительно уменьшить и определить оптимальный объём данных снимка высокого разрешения, необходимых для решения задач точного земледелия с целью сокращения времени выполнения вычислений и повышения их эффективности. В работе представлен подход к оценке целесообразности перехода к технологиям прецизионного внесения агрохимикатов, основанный на вариограммном анализе внутриполевой изменчивости оптических характеристик растений. Как показали результаты анализа, при использовании изображения с разрешением 10 см/пиксель целесообразно учитывать только 0,5–1 % от общего числа пикселей (с равномерным распределением точек на снимке). Представленный подход может быть использован для решения других задач с применением геостатистического анализа оптических показателей, рассчитанных по тому или иному набору пикселей в зависимости от пространственного разрешения аэрокосмических снимков.
Ключевые слова: точное земледелие, геостатистика, внутриполевая изменчивость, обработка изображений, избыточность информации, дистанционное зондирование, SAGA GIS
Полный текстСписок литературы:
- Блохин Ю. И., Якушев В. В., Блохина С. Ю., Петрушин А. Ф., Митрофанова О. А., Митрофанов Е. П., Двирник А. В. Современные решения для формирования опорной информации с целью повышения точности определения агрофизических свойств почвы по спутниковым данным // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 164–178. DOI: 10.21046/2070-7401-2020-17-4-164-178.
- Бондур В. Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исслед. Земли из космоса. 2014. № 1. С. 4–16.
- Якушев В. П., Жуковский Е. Е., Якушев В. В. Вариограммный анализ для обоснования технологий точного земледелия // Вест. РАСХН. 2009. № 3. С. 16–20.
- Якушев В. П., Буре В. М., Митрофанова О. А., Митрофанов Е. П. Применение методов геостатистики для анализа целесообразности перехода к технологиям дифференцированного внесения агрохимикатов // Вестн. Санкт-Петербургского ун-та. Прикладная математика. Информатика. Процессы управления. 2020. Т. 16. № 1. С. 31–40.
- Acevedo-Opazo C., Tisseyre B., Guillaume S., Ojeda H. The potential of high spatial resolution information to define within-vineyard zones related to vine water status // Precision Agriculture. 2008. V. 9. No. 5. P. 285–302.
- Adjorlolo C., Mutanga O. Integrating remote sensing and geostatistics to estimate woody vegetation in an African savanna // J. Spatial Science. 2013. V. 58. No. 2. P. 305–322.
- Arshad M., Zhao D., Khongnawang T., Triantafilis J. A systematic evaluation of multisensor data and multivariate prediction methods for digitally mapping exchangeable cations: A case study in Australian sugarcane field // Geoderma Regional. 2021. V. 25. e00400.
- Bzdega K., Zarychta A., Urbisz A., Szporak-Wasilewska S., Ludynia M., Fojcik B., Tokarska-Guzik B. Geostatistical models with the use of hyperspectral data and seasonal variation — A new approach for evaluating the risk posed by invasive plants // Ecological Indicators. 2021. V. 121(5). 107204.
- Cambardella C. A., Moorman T. B., Novak J. M., Parkin T. B., Karlen D. L., Turko R. F. Konopka A. E. Field-scale variability of soil properties in central Iowa soils // Soil Science Society of America J. 1994. V. 58. No. 5. P. 1501–1511.
- Castrignano A., Belmonte A., Antelmi I., Quarto R., Quarto F., Shaddad S., Sion V., Muolo M. R., Ranieri N. A., Gadaleta G., Bartoccetti E., Riefolo C., Ruggieri S., Nigro F. A geostatistical fusion approach using UAV data for probabilistic estimation of Xylella fastidiosa subsp. pauca infection in olive trees // Science of the Total Environment. 2021. V. 52. 141814.
- Eldeiry A. A., Garcia L. A. Comparison of ordinary kriging, regression kriging, and cokriging techniques to estimate soil salinity using LANDSAT images // J. Irrigation and Drainage Engineering. 2010. V. 136. No. 6. P. 355–364.
- Fairfield S. H. An empirical law describing heterogeneity in the yield of agricultural crops // J. Agricultural Science. 1938. V. 28. No. 1. P. 1–23.
- Herrero-Langreo A., Gorretta N., Tisseyre B., Gowen A., Xu J. L., Chaix G., Roger J. M. Using spatial information for evaluating the quality of prediction maps from hyperspectral images: A geostatistical approach // Analytica Chimica Acta. 2019. V. 1077. P. 116–128.
- Ikuemonisan F. E., Ozebo V. C., Olatinsu O. B. Geostatistical evaluation of spatial variability of land subsidence rates in Lagos, Nigeria // Geodesy and Geodynamics. 2020. V. 11. P. 316–327.
- Kim J., Kim S., Ju C., Son H. I. Unmanned aerial vehicles in agriculture: a review of perspective of platform, control, and applications // IEEE Access. 2019. V. 7. P. 105100–105115.
- Leroux C., Tisseyre B. How to measure and report within-field variability: a review of common indicators and their sensitivity // Precision Agriculture. 2019. V. 20. No. 3. P. 562–590.
- Li Y., Shi Z., Wu C., Li F., Li H. Optimised spatial sampling scheme for soil electrical conductivity based on variance quad-tree (VQT) method // Agricultural Sciences in China. 2007. V. 6. No. 12. P. 1463–1471.
- Matheron G. Principles of geostatistics // Economic Geology. 1963. V. 58. No. 8. P. 1246–1266.
- Mercer W. B., Hall A. D. The experimental error of field trials // J. Agricultural Science. 1911. V. 4. P. 107–132.
- Moral F. J., Terrуn J. M., Da Silva J. M. Delineation of management zones using mobile measurements of soil apparent electrical conductivity and multivariate geostatistical techniques // Soil and Tillage Research. 2010. V. 106. No. 2. P. 335–343.
- Oliver M. A. An overview of geostatistics and precision agriculture // Geostatistical applications for precision agriculture. Netherlands: Springer, 2010. P. 1–34.
- Park N. W., Kyriakidis P. C. A geostatistical approach to spatial quality assessment of coarse spatial resolution remote sensing products // J. Sensors. 2019. V. 2019. 7297593.
- Pringle M. J., McBratney A. B., Whelan B. M., Taylor J. A. A preliminary approach to assessing the opportunity for site-specific crop management in a field, using yield monitor data // Agricultural Systems. 2003. V. 76. No. 1. P. 273–292.
- Roudier P., Tisseyre B., Poilve H., Roger J. M. Management zone delineation using a modified watershed algorithm // Precision Agriculture. 2008. V. 9. No. 5. P. 233–250.
- Roudier P., Tisseyre B., Poilve H., Roger J. M. A technical opportunity index adapted to zone-specific management // Precision Agriculture. 2011. V. 12. No. 1. P. 130–145.
- Shit P. K., Bhunia G. S., Maiti R. Spatial analysis of soil properties using GIS based geostatistics models // Modeling Earth Systems and Environment. 2016. V. 2. P. 107.
- Song X., Wang J., Huang W., Liu L., Yan G., Pu R. The delineation of agricultural management zones with high resolution remotely sensed data // Precision Agriculture. 2009. V. 10. No. 6. P. 471–487.
- Tisseyre B., McBratney A. B. A technical opportunity index based on mathematical morphology for site-specific management: An application to viticulture // Precision Agriculture. 2008. V. 9. No. 1–2. P. 101–113.
- Viggiano M., Busetto L., Cimini D., Di Paola F., Geraldi E., Ranghetti L., Ricciardelli E., Romano F. A new spatial modeling and interpolation approach for high-resolution temperature maps combining reanalysis data and ground measurements // Agricultural and Forest Meteorology. 2019. V. 276–277. 107590.
- Wang Q., Atkinson P. M., Shi W. Indicator cokriging-based subpixel mapping without prior spatial structure information // IEEE Trans. Geoscience and Remote Sensing. 2015. V. 53. No. 1. P. 309–323.
- Webster R., Oliver M. A. Geostatistics for environmental scientists. 2nd ed. N. Y.: John Wiley and Sons, Ltd, 2007. 330 p. DOI: 10.1002/9780470517277.
- Wu X., Peng J., Shan J. E., Cui W. Evaluation of semivariogram features for object-based image classification // Geo-spatial Information Science. 2015. V. 18. No. 4. P. 159–170.
- Yang B., Tong S. T. Y., Fan R. Sharpening land use maps and predicting the trends of land use change using high resolution airbone image: A geostatistical approach // Intern. J. Applied Earth Observation and Geoinformation. 2019. V. 79. P. 141–152.
- Yue A., Zhang C., Yang J., Su W., Yun W. E., Zhu D. Texture extraction for object-oriented classification of high spatial resolution remotely sensed images using a semivariogram // Intern. J. Remote Sensing. 2013. V. 34. No. 11. P. 3736–3759.
- Zakeri F., Mariethoz G. A review of geostatistical simulation models applied to satellite remote sensing: Methods and applications // Remote Sensing of Environment. 2021. V. 259. 112381.