Использование радиолокационных данных для мониторинга состояния посевов сельскохозяйственных культур на юге Дальнего Востока России
Ключевые слова:
данные дистанционного зондирования Земли, Дальний Восток, мониторинг сельскохозяйственных земель, радиолокационные вегетационные индексы, вариабельность, пахотные земли, сельскохозяйственная культура, временной рядАннотация
Использование радиолокационных спутниковых данных в мониторинге сельскохозяйственных культур является перспективным дополнением методов и технологий, базирующихся на анализе мультиспектральных изображений. К основным достоинствам радиолокационных вегетационных индексов относится их чувствительность к поляриметрическим свойствам принимаемого сигнала, а также независимость от облачности. Это особенно важно для территории юга российского Дальнего Востока, муссонный климат которого обеспечивает влажную и облачную погоду в период набора сельскохозяйственными культурами максимальной биомассы. Для оценки возможностей радиолокационных спутниковых данных на примере пахотных земель Хабаровского края и Амурской области были проанализированы 64 снимка космического аппарата Sentinel-1 за период наблюдений с мая по октябрь 2021 года. Для каждого снимка были рассчитаны значения индексов DpRVI, RVI, VH/VV и построены временные ряды для всего периода наблюдений по отдельным полям (всего 342 поля). По мультиспектральным снимкам Sentinel-2 с использованием маски облачности были построены временные ряды NDVI. Были рассчитаны характеристики экстремумов временных рядов для разных типов пахотных земель: сои, овса, и залежи. Показано, что для каждой сельхозкультуры кривые сезонного хода DpRVI, RVI, VH/VV имели характерный вид. Установлено, что индекс DpRVI продемонстрировал наиболее высокую устойчивость – коэффициенты вариации сезонного хода DpRVI были существенно ниже показателей для RVI и VH/VV. Также было выявлено, что сходство между сезонным ходом индексов сохранялось для удаленных друг от друга регионов – Хабаровского края и Амурской области. Были рассчитаны основные характеристики сезонного хода временных рядов радиолокационных индексов в сравнении с NDVI – величина максимума, дата наступления максимума и вариабельность этих показателей. Установлено, во-первых, что значения этих показателей в разных регионах схожи между собой; во-вторых, вариабельность максимума и дня наступления максимума для DpRVI ниже, чем для RVI и VH/VV; в-третьих, вариабельность максимума и дня наступления максимума для DpRVI сопоставима с NDVI. Таким образом, можно сделать вывод о том, что временные ряды радиолокационных индексов DpRVI, RVI, VH/VV для основных типов сельскохозяйственных земель Дальнего Востока имеют отличительные особенности и могут быть использованы в задачах классификации, моделирования урожайности и контроля севооборота.
Литература
2. Fisette T., Rollin P., Aly Z., Campbell, L., Daneshfar, B., Filyer, P., Smith A., Davidson A., Shang J., Jarvis I. AAFC annual crop inventory // Second International Conference on Agro-Geoinformatics (Agro-Geoinformatics). 2013. pp. 270–274.
3. Лупян Е.А., Барталев С.А., Толпин В.А., Жарко В.О., Крашенинникова Ю.С., Оксюкевич А.Ю. Использование спутникового сервиса ВЕГА в региональных системах дистанционного мониторинга // Современные проблемы дистанционного зондирования земли из космоса. 2014. Т. 11. № 3. С. 215–232.
4. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Бриль А.А., Егоров В.А., Жарко В.О., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Миклашевич Т.С., Плотников Д.Е., Радченко М.В., Стыценко Ф.В., Сычугов И.Г., Толпин В.А., Уваров И.А., Хвостиков С.А., Ховратович Т.С. Система «Вега-Science»: особенности построения, основные возможности и опыт использования // Современные проблемы дистанционного зондирования земли из космоса. 2021. Т. 18. № 6. С. 9–31.
5. Денисов П.В., Трошко К.А., Лупян Е.А., Толпин В.А. Возможности и опыт использования информационной системы ВЕГА-PRO для мониторинга сельскохозяйственных земель // Вычислительные технологии. 2022. Т. 27. № 3. С. 66–83.
6. Macelloni G., Paloscia S., Pampaloni P., Ruisi R., Dechambre M., Valentin R., Chanzy A., Prevot L., Bruguier N. Modelling radar backscatter from crops during the growth cycle // Agronomie. 2002. vol. 22. № 6. pp. 575–579.
7. Blaes X., Defourny P., Wegmuller U., Della Vecchia A., Guerriero L., Ferrazzoli P. C-band polarimetric indexes for maize monitoring based on a validated radiative transfer model // IEEE Transactions on Geoscience and Remote Sensing. 2006. vol. 44. no. 4. pp. 791–800.
8. McNairn H., Champagne C., Shang J., Holmstrom D., Reichert G. Integration of optical and Synthetic Aperture Radar (SAR) imagery for delivering operational annual crop inventories // ISPRS Journal of Photogrammetry and Remote Sensing. 2009. vol. 64. no. 5. pp. 434–449.
9. Mercier A., Betbeder J., Baudry J., Le Roux V., Spicher F., Lacoux J., Roger D., Hubert-Moy L.. Evaluation of Sentinel-1 & 2 time series for predicting wheat and rapeseed phenological stages // ISPRS Journal of Photogrammetry and Remote Sensing. 2020. vol. 163. pp. 231–256.
10. Li M., Bijker W. Potential of Multi-Temporal Sentinel-1A Dual Polarization SAR Images for Vegetable Classification in Indonesia // IEEE International Geoscience and Remote Sensing Symposium. 2018. pp. 3820–3823.
11. Harfenmeister K., Itzerott S., Weltzien C., Spengler D. Detecting Phenological Development of Winter Wheat and Winter Barley Using Time Series of Sentinel-1 and Sentinel-2 // Remote Sensing. 2021. vol. 13(24). no. 5036.
12. Bao X., Zhang R., Lv J., Wu R., Zhang H., Chen J., Zhang B., Ouyang X., Liu G.. Vegetation descriptors from Sentinel-1 SAR data for crop growth monitoring // ISPRS Journal of Photogrammetry and Remote Sensing. 2023. vol. 203(17). pp. 86–114.
13. Kim Y., van Zyl J.J. A Time-Series Approach to Estimate Soil Moisture Using Polarimetric Radar Data // IEEE Transactions on Geoscience and Remote Sensing. 2009. vol. 47. no. 8. pp. 2519–2527.
14. Trudel M., Charbonneau F., Leconte R. Using RADARSAT-2 polarimetric and ENVISAT-ASAR dual-polarization data for estimating soil moisture over agricultural fields // Canadian Journal of Remote Sensing. 2012. vol. 38. no. 4. pp. 514–527.
15. Kumar S., Rao S., Sharma J. Radar Vegetation Index as an Alternative to NDVI for Monitoring of Soyabean and Cotton // Proceedings of the XXXIII INCA International Congress (Indian Cartographer). 2013. vol. 33. pp. 91–96.
16. Nasirzadehdizaji R., Balik Sanli F., Abdikan S., Cakir Z., Sekertekin A., Ustuner M.. Sensitivity Analysis of Multi-Temporal Sentinel-1 SAR Parameters to Crop Height and Canopy Coverage // Applied Sciences. 2019. vol. 9(4). no. 655.
17. Ratha D., Mandal D., Kumar V., McNairn H., Bhattacharya A., Frery A.C. A Generalized Volume Scattering Model-Based Vegetation Index From Polarimetric SAR Data // IEEE Geoscience and Remote Sensing Letters. 2019. vol. 16. no. 11. pp. 1791–1795.
18. Mandal D., Ratha D., Bhattacharya A., Kumar V., McNairn H., Rao Y.S., Frery A.C. A Radar Vegetation Index for Crop Monitoring Using Compact Polarimetric SAR Data // IEEE Transactions on Geoscience and Remote Sensing. 2020. vol. 58. no. 9. pp. 6321–6335.
19. Chang J.G., Shoshany M., Oh Y. Polarimetric Radar Vegetation Index for Biomass Estimation in Desert Fringe Ecosystems // IEEE Transactions on Geoscience and Remote Sensing. 2018. vol. 56. no 12. pp. 7102–7108.
20. Periasamy S. Significance of dual polarimetric synthetic aperture radar in biomass retrieval: An attempt on Sentinel-1 // Remote Sensing of Environment. 2018. vol. 217. pp. 537–549.
21. Mandal D., Kumar V., Ratha D., Dey S., Bhattacharya A., Lopez-Sanchez J. M., McNairn H., Rao Y.S. Dual polarimetric radar vegetation index for crop growth monitoring using Sentinel-1 SAR data // Remote Sensing of Environment. 2020. vol. 247. no. 111954.
22. Sekertekin A., Marangoz A.M., Abdikan S. ALOS-2 and Sentinel-1 SAR data sensitivity analysis to surface soil moisture over bare and vegetated agricultural fields // Computers and Electronics in Agriculture. 2020. vol. 171. no. 105303.
23. Ulaby F., Batlivala P., Dobson M. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture: Part I-Bare soil // IEEE Transactions on Geoscience Electronics. 1978. vol. 16. no. 4. pp. 286–295.
24. Дубровин К.Н., Степанов А.С., Верхотуров А.Л., Асеева Т.А. Идентификация сельскохозяйственных культур с использованием радарных изображений // Информатика и автоматизация. 2022. Т. 21. № 2. С. 405–426.
25. Robertson L.D., Davidson A.A., McNairn H., Hosseini M., Mitchell S. Assessment of Multi-Frequency SAR for Crop Type Classification and Mapping // IGARSS-2019 IEEE International Geoscience and Remote Sensing Symposium. 2019. pp. 489–492.
26. Dubrovin K., Stepanov A., Verkhoturov A. Cropland Mapping Using Sentinel-1 Data in the Southern Part of the Russian Far East // Sensors. 2023. vol. 23(18). no. 7902.
Using SAR Data for Monitoring of Agricultural Crops in the South of the Russian Far East
Abstract
The use of SAR data to monitoring agricultural crops is a promising area of research designed to complement existing methods and technologies based on the analysis of multispectral images. The main advantages of vegetation indices calculated from SAR data include their sensitivity to the polarimetric properties of the backscatter intensity, its scattering characteristics, and independence from cloud cover. This is especially important for the territory of the south of the Russian Far East, whose monsoon climate provides humid and cloudy weather during the period when crops gain maximum biomass. For arable lands in the Khabarovsk Territory and the Amur Region, a total of 64 Sentinel-1 SAR images were obtained from May to October 2021. For each date, the values of the DpRVI, RVI, VH/VV indices were calculated and time series were constructed for the entire observation period for individual fields (342 fields in total). NDVI time series were constructed from Sentinel-2 multispectral images using a cloud mask. The characteristics of time series extremes were calculated for different types of arable land: soybeans, oats, and fallows. It was shown that for each crop the seasonal curves DpRVI, RVI, VH/VV had a characteristic appearance. It was found that the DpRVI demonstrated the highest stability – the coefficients of variation of the seasonal variation of DpRVI were significantly lower than those for RVI and VH/VV. It was also revealed that the similarity between the curves of these indices remained for regions quite distant from each other - the Khabarovsk Territory and the Amur Region. The main characteristics of the seasonal variation of time series of radar indices were calculated in comparison with NDVI - the magnitude of the maximum, the date of the maximum and the values of the coefficient of variation for these indicators. It was found, firstly, that the values of these indicators in different regions are similar to each other; secondly, the variability of the maximum and the day of the maximum for DpRVI is lower than for RVI and VH/VV; thirdly, the variability of the maximum and the day of the maximum for DpRVI is comparable to NDVI. Thus, time series of radar indices DpRVI, RVI, VH/VV for the main types of agricultural lands in the south of the Far East have distinctive features and can be used in classification problems, yield modeling and crop rotation control.
Опубликован
Как цитировать
Раздел
Copyright (c) Андрей Леонидович Верхотуров
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).