Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 5. С. 114-125
Спутниковая оценка ретроспективной даты сева яровых культур на основе нейросетевой модели и рядов данных высокого временного разрешения прибора КМСС
Д.Е. Плотников
1 , П.А. Колбудаев
1 , Е.С. Ёлкина
1 , Е.А. Дунаева
2 1 Институт космических исследований РАН, Москва, Россия
2 Научно-исследовательский институт сельского хозяйства Крыма, Симферополь, Россия
Одобрена к печати: 17.10.2025
DOI: 10.21046/2070-7401-2025-22-5-114-125
Представлена оценка информативности рядов мультиспектральных спутниковых данных прибора КМСС (Комплекс многозональной спутниковой съёмки) ежедневного временного разрешения и агроклиматических индикаторов данных реанализа NCEP (англ. National Centers for Environmental Prediction) для дистанционного определения ретроспективной даты сева яровых культур с помощью нейросетевой модели Bi-LSTM (англ. Bi-Directional Long Short-Term Memory). Исследование включает в себя серию экспериментов для сравнения эффективности мультисезонных и мультимодальных нейросетевых моделей, использующих многолетние спутниковые, агроклиматические и полевые данные за сезоны вегетации 2018–2022 гг. для территории Курской области и Республики Крым. Лучшей оказалась мультисезонная мультимодальная модель, обученная по данным за пять сезонов вегетации с ошибкой MAE (англ. mean absolute error), равной 4,2 дня, при этом ошибка не зависела от типа культуры, что говорит в пользу обобщающих способностей модели. Кроме этого, модель была апробирована для неизвестной для неё территории (Оренбургская область) и сезона вегетации (2023), для чего был создан информационный продукт даты сева с пространственным разрешением 60 м, и средняя абсолютная ошибка оценки даты составила 5,8 дня. Необходимо дальнейшее исследование генерализующей способности мультисезонной модели с подключением дополнительных сезонов вегетации.
Ключевые слова: LOWESS, КМСС, LSTM, мультисезоная модель, яровые культуры, дата сева
Полный текстСписок литературы:
- Гаврилюк Е. А., Плотникова А. С., Плотников Д. Е. Картографирование наземных экосистем Печоро-Илычского заповедника и его окрестностей на основе восстановленных мультивременных спутниковых данных Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 5. С. 141–153. DOI: 10.21046/2070-7401-2018-15-5-141-153.
- Дунаева Е. А., Плотников Д. Е., Хвостиков С. А. и др. Использование данных дистанционного зондирования для ранней диагностики наступления засушливых условий // Таврический вестн. аграрной науки. 2019. № 4(20). С. 28–45. DOI: 10.33952/2542-0720-2019-4-20-28-45.
- Ёлкина Е. С., Плотников Д. Е. Построение серий NDVI высокого временного разрешения по данным Landsat для оценки тридцатилетней динамики используемой пашни // 11-я Международ. науч. конф. «Региональные проблемы дистанционного зондирования Земли». Красноярск: СФУ, 2024. С. 155–159.
- Ёлкина Е. С., Плотников Д. Е., Дунаева Е. А. Обнаружение возможности дистанционного распознавания орошаемых земель Республики Крым на основе спектрально-временных и температурных признаков // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 5. С. 379–386. DOI: 10.21046/2070-7401-2024-21-5-379-386.
- Жуков Б. С., Кондратьева Т. В., Полянский И. В. Межгодовой тренд чувствительности камер комплекса многозональной спутниковой съёмки КМСС-М на КА «Метеор-М» № 2 по результатам полётной калибровки в 2015–2020 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 1. С. 53–60. DOI: 10.21046/2070-7401-2021-18-1-53-60.
- Лупян Е. А., Прошин А. А., Бурцев М. А. и др. Система «Вега-Science»: особенности построения, основные возможности и опыт использования // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 9–31. DOI: 10.21046/2070-7401-2021-18-6-9-31.
- Лупян Е. А., Прошин А. А., Бурцев М. А., Толпин В. А. Система «ВЕГА-Science»: возможности работы с данными спутниковых наблюдений Земли для решения научных и прикладных задач // Земля и Вселенная. 2025. № 1–2(361–362). С. 66–85. DOI: 10.7868/S0044394825010050.
- Плотников Д. Е., Колбудаев П. А., Барталев С. А., Лупян Е. А. (2018а) Автоматическое распознавание используемых пахотных земель на основе сезонных временных серий восстановленных изображений Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 112–127. DOI: 10.21046/2070-7401-2018-15-2-112-127.
- Плотников Д. Е., Хвостиков С. А., Барталев С. А. (2018б) Метод автоматического распознавания сельскохозяйственных культур на основе спутниковых данных и имитационной модели развития растений // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 131–141. DOI: 10.21046/2070-7401-2018-15-4-131-141.
- Плотников Д. Е., Колбудаев П. А., Лупян Е. А. Автоматический метод субпиксельной географической привязки спутниковых изображений КМСС-М на основе актуализируемого эталона низкого пространственного разрешения // Компьютерная оптика. 2022. Т. 46. № 5. С. 818–827. DOI: 10.18287/2412-6179-CO-1098.
- Плотников Д. Е., Бойматов Ю. Ш., Ёлкина Е. С. и др. Оценка эффективности мультисезонных моделей машинного обучения для оперативного распознавания озимых культур на больших территориях // Современные проблемы дистанционного зондирования Земли из космоса. 2024. Т. 21. № 5. С. 116–129. DOI: 10.21046/2070-7401-2024-21-5-116-129.
- Плотников Д. Е., Чжоу Ц., Колбудаев П. А. и др. Разработка и оценка индекса листовой поверхности LAI растительного покрова России на основе разноугловых наблюдений КМСС (Метеор-М) и нейросетевой инверсии модели PROSAIL // Компьютерная оптика. 2025. Т. 49. № 3. С. 504–518. DOI: 10.18287/2412-6179-CO-1621.
- Плотникова А. С., Хамедов В. А., Архипцева Е. А. и др. Обзор российских геоинформационных сервисов природоохранной тематики на основе открытого программного обеспечения // Геоинформатика. 2024. № 4. С. 4–20. DOI: 10.47148/1609-364X-2024-4-4-20.
- Подольская Е. С. Геоинформационные технологии в интеллектуальных системах как дисциплина в программе подготовки студентов по специальности «Картография и геоинформатика» // Геодезия и картография. 2024. № 8. С. 51–60. DOI: 10.22389/0016-7126-2024-1010-8-51-60.
- Полянский И. В., Жуков Б. С., Кондратьева Т. В. и др. Комплекс многозональной спутниковой съёмки среднего разрешения для гидрометеорологических космических аппаратов // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 6. С. 83–92. DOI: 10.21046/2070-7401-2019-16-6-83-92.
- Пономарев Е. И., Харук В. И., Якимов Н. Д. Результаты и перспективы спутникового мониторинга природных пожаров Сибири // Сибирский лесной журн. 2017. № 5. С. 25–36.
- Савин И. Ю., Барталев С. А., Лупян Е. А., Толпин В. А., Медведева М. А., Плотников Д. Е. Спутниковый мониторинг воздействия засухи на растительность (на примере засухи 2010 года в России) // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 150–162.
- Середа И. И., Денисов П. В., Трошко К. А. и др. Уникальные условия развития озимых культур, наблюдаемые по данным спутникового мониторинга на европейской территории России в октябре 2020 г. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 304–310. DOI: 10.21046/2070-7401-2020-17-5-304-310.
- Страшная А. И., Барталев С. А., Максименкова Т. А. и др. Агрометеорологическая оценка состояния озимых зерновых культур в период прекращения вегетации с использованием наземных и спутниковых данных на примере Приволжского федерального округа // Тр. Гидрометеорол. научно-исследоват. центра Российской Федерации. 2014. № 351. С. 85–107.
- Толпин В. А., Барталев С. А., Ёлкина Е. С. и др. Информационная система VEGA-GEOGLAM — инструмент разработки методов и подходов использования данных спутникового дистанционного зондирования в интересах решения задач глобального сельскохозяйственного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 183–197. DOI: 10.21046/2070-7401-2019-16-3-183-197.
- Трошко К. А., Денисов П. В., Лупян Е. А. и др. Особенности состояния зерновых культур в регионах европейской части России и Сибири в июне 2021 г. по данным дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 325–331. DOI: 10.21046/2070-7401-2021-18-3-325-331.
- Хамедов В. А., Мазуров Б. Т. Разработка методических вопросов создания системы спутникового мониторинга состояния лесных экосистем в условиях воздействия нефтегазового комплекса территории Западной Сибири // Вестн. СГУГиТ (Сибирского гос. ун-та геосистем и технологий). 2015. № 3(31). С. 16–31.
- Шабанов Н. В., Барталев С. А., Ерошенко Ф. В., Плотников Д. Е. Развитие возможностей дистанционной оценки индекса листовой поверхности по данным MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 166–178. DOI: 10.21046/2070-7401-2018-15-4-166-178.
- Eklundh L., Jönsson P. TIMESAT: A software package for time-series processing and assessment of vegetation dynamics // Remote Sensing Time Series. Revealing Land Surface Dynamics. Ser. Remote Sensing and Digital Image Processing. V. 22. Springer, 2015. P. 141–158. DOI: 10.1007/978-3-319-15967-6_7.
- Guralnick R., Crimmins T., Grady E., Campbell L. Phenological response to climatic change depends on spring warming velocity // Communications Earth and Environment. 2024. V. 5. Article 634. DOI: 10.1038/s43247-024-01807-8.
- Hermosilla T., Wulder M. A., White J. C., Coops N. C. Land cover classification in an era of big and open data: Optimizing localized implementation and training data selection to improve mapping outcomes // Remote Sensing of Environment. 2022. V. 268. Article 112780. DOI: 10.1016/j.rse.2021.112780.
- Jain M., Srivastava A. K., Singh B. et al. Mapping smallholder wheat yields and sowing dates using micro-satellite data // Remote Sensing. 2016. V. 8. No. 10. Article 860. DOI: 10.3390/rs8100860.
- Jin Z., Azzari G., You C. et al. Smallholder maize area and yield mapping at national scales with Google Earth Engine // Remote Sensing of Environment. 2019. V. 228. P. 115–128. DOI: 10.1016/j.rse.2019.04.016.
- Liu Y., Diao C., Yang Z. CropSow: An integrative remotely sensed crop modeling framework for field-level crop planting date estimation // ISPRS J. Photogrammetry and Remote Sensing. 2023. V. 202. P. 334–355. DOI: 10.1016/j.isprsjprs.2023.06.012.
- Plotnikov D., Kolbudaev P., Matveev A. et al. Daily surface reflectance reconstruction using LOWESS on the example of various satellite systems // Proc. 2022 8th Intern. Conf. Information Technology and Nanotechnology (ITNT). IEEE, 2022. 5 p. DOI: 10.1109/ITNT55410.2022.9848630.
- Plotnikov D. E., Kolbudaev P. A., Matveev A. M. et al. Accuracy assessment of atmospheric correction of KMSS-2 Meteor-M #2.2 data over northern Eurasia // Remote Sensing. 2023. V. 15. No. 18. Article 4395. DOI: 10.3390/rs15184395.
- Stemkovski M., Bell J. R., Ellwood E. R. et al. Disorder or a new order: How climate change affects phenological variability // Ecology. 2023. V. 104. No. 6. Article e3846. DOI: 10.1002/ecy.3846.
- Waldner F., Schucknecht A., Lesiv M. et al. Conflation of expert and crowd reference data to validate global binary thematic maps // Remote Sensing of Environment. 2019. V. 221. P. 235–246. DOI: 10.1016/j.rse.2018.10.039.
- You X., Meng J., Zhang M., Dong T. Remote sensing based detection of crop phenology for agricultural zones in China using a new threshold method // Remote Sensing. 2013. V. 5. No. 7. P. 3190–3211. DOI: 10.3390/rs5073190.
- Zhang M., Abrahao G., Cohn A. et al. A MODIS-based scalable remote sensing method to estimate sowing and harvest dates of soybean crops in Mato Grosso, Brazil // Heliyon. 2021. V. 7. No. 7. Article e07436. DOI: 10.1016/j.heliyon.2021.e07436.