Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

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 текст

Список литературы:

  1. 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.
  2. Бондур В. Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации // Исслед. Земли из космоса. 2014. № 1. С. 4–16.
  3. Якушев В. П., Жуковский Е. Е., Якушев В. В. Вариограммный анализ для обоснования технологий точного земледелия // Вест. РАСХН. 2009. № 3. С. 16–20.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. Matheron G. Principles of geostatistics // Economic Geology. 1963. V. 58. No. 8. P. 1246–1266.
  19. Mercer W. B., Hall A. D. The experimental error of field trials // J. Agricultural Science. 1911. V. 4. P. 107–132.
  20. 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.
  21. Oliver M. A. An overview of geostatistics and precision agriculture // Geostatistical applications for precision agriculture. Netherlands: Springer, 2010. P. 1–34.
  22. 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.
  23. 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.
  24. 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.
  25. 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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. 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.
  31. 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.
  32. 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.
  33. 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.
  34. 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.
  35. 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.