Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 2. С. 120-133
Мониторинг посевов сельскохозяйственных культур южной части Дальнего Востока в 2021–2023 гг. по данным Sentinel-2
А.С. Степанов
1 , Е.А. Фомина
2 , А.Л. Верхотуров
2 , Л.В. Илларионова
2 1 Дальневосточный научно-исследовательский институт сельского хозяйства, Хабаровск, Россия
2 Вычислительный центр ДВО РАН, Хабаровск, Россия
Одобрена к печати: 10.02.2025
DOI: 10.21046/2070-7401-2025-22-2-120-133
Постоянный мониторинг пахотных земель на основе данных дистанционного зондирования Земли является в настоящее время обязательным условием эффективного управления сельским хозяйством на уровне региона. В частности, планируемая выручка и рентабельность агропромышленного комплекса непосредственно зависит от своевременных оценок отклонения в развитии посевов, стратегии посевной кампании, выявления неиспользуемых земель. Для южной части Дальнего Востока пространственно-временная вариативность дистанционных характеристик посевов недостаточно изучена, что осложняет получение эталонных временных рядов индексов вегетации, использующихся в системе спутникового мониторинга. Были получены данные спутника Sentinel-2 в 2021–2023 гг. для пахотных земель Хабаровского края и Амурской области. Для каждого пикселя построены аппроксимированные с помощью ряда Фурье временные ряды NDVI (англ. Normalized Difference Vegetation Index) в период с 1 мая по 31 октября. Рассчитаны средние значения NDVI на каждый день вегетационного периода для сои, овса, ячменя, пшеницы, гречихи, кукурузы и залежи. Установлено, что кривые сезонного хода для классов сои, зерновых, гречихи, кукурузы и залежи имели характерную форму, при этом были схожими в Хабаровском крае и Амурской области. В период с 2021 по 2023 г. определены средние значения максимума, дня наступления максимума, коэффициентов вариации для всех классов. Выявлены достоверные различия в величине максимума и в дате его достижения для посевов сои в Хабаровском крае и Амурской области. Для неиспользуемых пахотных земель значимых региональных различий в характеристиках временных рядов выявлено не было. Высокие значения коэффициентов вариации NDVI зерновых культур во второй половине августа были обусловлены особенностями севооборота (подсев многолетних трав), что предполагает выделение подклассов посредством кластерного анализа для эффективного мониторинга состояния посевов зерновых. Было установлено, что день наступления максимума вегетации гречихи приходился либо на середину июля, либо на начало сентября, что обусловлено разными сроками сева. В целом использование временных рядов NDVI по данным Sentinel-2 с аппроксимацией рядом Фурье позволяет решать основные задачи мониторинга сельхозкультур юга Дальнего Востока, такие как идентификация и оценка отклонений в развитии посевов, выявление залежных земель, контроль севооборотов. При этом для классов зерновые и гречиха при построении эталонных временных рядов NDVI было предложено провести предварительную кластеризацию.
Ключевые слова: мониторинг, Дальний Восток, NDVI, временной ряд, вариативность, сельское хозяйство
Полный текстСписок литературы:
- Кашницкий А. В., Лупян Е. А., Плотников Д. Е., Толпин В. А. Анализ возможности использования данных различного пространственного разрешения при проведении мониторинга объектов // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 2. С. 60–74. DOI: 10.21046/2070-7401-2023-20-2-60-74.
- Клыков А. Г., Тимошинова О. А., Муругова Г. А. Формирование урожайности, технологических и биохимических качеств зерна гречихи в условиях Приморского края // Дальневосточный аграрный вестн. 2020. № 4(56). С. 32–35. DOI: 10.24411/1999-6837-2020-14045.
- Пинясова Е. В., Павлова Е. В. Анализ распределения индекса NDVI на посевной площади пашни Республики Хакасия по данным дистанционного зондирования Земли // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 3. С. 121–130. DOI: 10.21046/2070-7401-2024-21-3-121-130.
- Плотников Д. Е., Миклашевич Т. С., Барталев С. А. Восстановление временных рядов данных дистанционных измерений методом полиномиальной аппроксимации в скользящем окне переменного размера // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 2. С. 103–110.
- Степанов А. С., Фомина Е. А., Илларионова Л. В. и др. Аппроксимация временных рядов индексов вегетации (NDVI и EVI) для мониторинга сельхозкультур (посевов) Хабаровского края // Информатика и автоматизация. 2023. Т. 22. № 6. С. 1473–1498. DOI: 10.15622/ia.22.6.8.
- Терехин Э. А. Анализ спектрально-отражательных свойств залежных земель Среднерусской лесостепи по данным Sentinel-2 // Компьютерная оптика. 2023. Т. 47. № 2. С. 306–313. DOI: 10.18287/2412-6179-CO-1160.
- Терехов А. Г., Сагатдинова Г. Н., Мухамедиев Р. И. и др. Перспективы использования псевдоцветных композитов при анализе многолетних временных рядов спутниковых данных в задаче оценки состояния растительного покрова // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 6. С. 51–66. DOI: 10.21046/2070-7401-2023-20-6-51-66.
- Толпин В. А., Лупян Е. А., Барталёв С. А., Плотников Д. Е., Матвеев А. М. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосферы и океана. 2014. Т. 27. № 7. С. 581–586.
- Федотова Е. В., Маглинец Ю. А., Брежнев Р. В., Стародубцев А. И. Опыт прогнозирования урожайности сельскохозяйственных культур с использованием имитационных моделей // Вестн. КрасГАУ. 2020. Вып. 8. С. 43–48. DOI: 10.36718/1819-4036-2020-8-43-48.
- Хвостиков С. А., Барталев С. А. Построение эталонов сезонной динамики NDVI для основных сельскохозяйственных культур // Информац. технологии в дистанционном зондировании Земли — RORSE 2018: электрон. сб. ст. 16-й конф. Москва: ИКИ РАН, 2018. С. 55–59. DOI: 10.21046/rorse2018.55.
- Cao J., Zhang Z., Tao F. et al. Identifying the contributions of multi-source data for winter wheat yield prediction in China // Remote Sensing. 2020. V. 12. Article 750. DOI: 10.3390/rs12050750.
- de la Casaa A., Ovandoa G., Bressanini L. Soybean crop coverage estimation from NDVI images with different spatial resolution to evaluate yield variability in a plot // ISPRS J. Photogrammetry and Remote Sensing. 2018. V. 146. P. 531–547. DOI: 10.1016/j.isprsjprs.2018.10.018.
- Gong H., Cheng Q., Jin H., Ren Y. Effects of temporal, spatial, and elevational variation in bioclimatic indices on the NDVI of different vegetation types in Southwest China // Ecological Indicators. 2023. V. 154. Article 110499. DOI: 10.1016/j.ecolind.2023.110499.
- Hao P., Tang H., Chen Z. High resolution crop intensity mapping using harmonized Landsat-8 and Sentinel-2 data // J. Integrative Agriculture. 2019. V. 18. No. 12. P. 2883–2897. DOI: 10.1016/S2095-3119(19)62599-2.
- Jonsson P., Eklundh L. Seasonality extraction by function fitting to time-series of satellite sensor data // IEEE Trans. Geoscience and Remote Sensing. 2002. V. 40. No. 8. P. 1824–1832.
- Liu L., Cao R., Chen J. et al. Detecting crop phenology from vegetation index time-series data by improved shape model fitting in each phenological stage // Remote Sensing of Environment. 2022. V. 277. Article 113060. DOI: 10.1016/j.rse.2022.113060.
- Vorobiova N., Chernov A. Curve fitting of MODIS NDVI time series in the task of early crops identification by satellite images // Procedia Engeneering. 2017. V. 201. P. 184–195. DOI: 10.1016/j.proeng.2017.09.596.
- Yang Y. P., Luo J. C., Huang Q. T. Weighted double-logistic function fitting method for reconstructing the high-quality Sentinel-2 NDVI time series data set // Remote Sensing. 2019. V. 11. Article 18. DOI: 10.3390/rs11202342.