Оценка состояния сельскохозяйственных посевов краснодарского края по данным дистанционного зондирования: методика и результаты (стр. 2 )

4.  Установленные закономерности сезонной динамики индекса NDVI для различных культур, полей под паром, а также озимых и яровых культур.

5.  Результаты распознавания различных сельскохозяйственных культур по данным спутниковых снимков.

6.  Web-приложение для картографической визуализации показателей сельского хозяйства Краснодарского края.

Практическая значимость работы характеризуется реализацией разработанных методик в Министерстве сельского хозяйства и перерабатывающей промышленности Краснодарского края (отдел информатизации и аналитических систем). По материалам исследования получен патент РФ на полезную модель.

Основные положения обсуждались на IV конференции молодых ученых «Геоинформационные технологии и космический мониторинг» (Ростов-на-Дону, 2011); международной научно-практической конференции «Геосистемы: факторы развития, рациональное природопользование, методы управления» (Туапсе, 2011); VIII международной научно-практической конференции «Věda a technologie: krok do budoucnosti» (Прага, 2012); 8-й международной научно-практической конференции «Образованието и науката на XXI век» (София, 2012); международной конференции «ИнтерКарто–ИнтерГИС-18: Устойчивое развитие территорий: теория ГИС и практический опыт» (Смоленск, Россия – St. Die des Vosges, France, 2012); заседаниях кафедры геоинформатики КубГУ.

По теме диссертации опубликовано 10 работ, в том числе 4 статьи в журналах из перечня изданий, рекомендованных ВАК; получен патент РФ на полезную модель.

Структура и объем работы. Диссертация состоит из введения, пяти глав и заключения. Общий объем рукописи составляет 157 страниц машинописного текста, включая 64 рисунков и 22 таблицы. Список использованной литературы содержит 143 наименования.

.

СОДЕРЖАНИЕ РАБОТЫ

Во введении отражены актуальность, цель и решаемые задачи исследования, его научная новизна и практическая значимость.

Глава 1. Растениеводство Краснодарского края:

территориальная организация

В разделе 1.1 дан краткий обзор растениеводства края. Краснодарский край в настоящее время занимает ведущее место по производству многих видов сельскохозяйственной продукции в Российской Федерации, особенно в области растениеводства. По объемам продукции сельского хозяйства практически во всех административных районах края растениеводство преобладает над животноводством. Посевная площадь Краснодарского края составляет 3,66 млн. га; посевы зерновых и зернобобовых культур занимают 2,20 млн. га, технических 0,81 млн. га, кормовых 0,52 млн. га.

В разделе 1.2 показаны результаты типологии муниципальных образований Краснодарского края по сельскохозяйственным показателям. Несмотря на сравнительно небольшую площадь, наблюдается заметная внутрирегиональная неоднородность в развитии районов края с изменением аграрной специализации. Для проведения типологии использован кластерный анализ по статистическим показателям. Выявлены характерные закономерности распределения кластеров. В распределении комплексных показателей растениеводства в пределах Краснодарского края отмечена явная зависимость от климатических, почвенных и ландшафтных условий. При типологии территории по показателям животноводства наблюдается мозаичное распределение, указывающее на фактор исторически сложившейся специализации.

В разделе 1.3 характеризуется сложившаяся структура растениеводства шести тестовых районов Краснодарского края (Абинский, Крымский, Северский, Славянский, Староминский и Тимашевский). Выполнен сравнительный анализ районов по валовому сбору, урожайности сельскохозяйственных культур и другим статическим показателям.

Глава 2. Технология дистанционного зондирования в аспекте

мониторинга сельскохозяйственных посевов

В разделе 2.1 описаны основные спутниковые системы, данные которых используются в мониторинге сельскохозяйственных земель. Освещены характеристики спутниковых снимков сканирующего радиометра AVHRR, спектрорадиометра MODIS, Landsat, SPOT, IRS-P6, RapidEye. Основное внимание уделено используемым в работе спутниковым данным Landsat 5 и RapidEye.

Вегетационные индексы и особенности их расчета рассматриваются в разделе 2.2. Известно около 160 различных вегетационных индексов, определяемых экспериментально, исходя из известных особенностей кривых спектральной отражательной способности растительности и почв. Наиболее известным и распространенным является нормализованный разностный индекс растительности (Normalized Difference Vegetation Index), рассчитываемый по формуле

, (1)

где – коэффициент отражения в ближней инфракрасной спектральной зоне, – коэффициент отражения в красной спектральной зоне. Расчет NDVI базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках кривой спектральной отражательной способности растений. Преимущество NDVI заключается в стандартизованной непрерывной дискретной шкале с диапазоном значений от -1 до 1. Кроме того, NDVI имеет самый широкий динамический диапазон из распространенных вегетационных индексов и лучшую чувствительность к изменениям в растительном покрове.

В разделе 2.3 дан обзор основных работ по применению данных дистанционного зондирования в сельском хозяйстве. Список задач, на решение которых нацелены рассматриваемые исследования, достаточно широк. Среди них выделим картографирование и инвентаризацию угодий, разноуровневый (от регионов до отдельных полей) контроль всхожести посевов и их текущего состояния, отслеживание темпов уборки урожая различных культур, прогнозирование их урожайности, идентификация вида сельскохозяйственной культуры. Проведенный обзор публикаций в указанной области показал, что приоритетными направлениями в мониторинге сельскохозяйственных земель и посевов являются анализ текущего состояния посевов и прогнозирование урожайности.

Глава 3. Пространственная оценка состояния

сельскохозяйственных посевов

В разделе 3.1 рассматривается применение вегетационного индекса NDVI в растениеводстве для наблюдения за всхожестью культур, динамикой объема фитомассы, наступлением спелости, вообще состоянием растений в разные периоды вегетации. Пространственный анализ индекса способствует выявлению дефектных и повреждённых участков посевов.

Раздел 3.2 посвящен методике оценки локальной (не)равномерности распределения сельскохозяйственных посевов по данным вегетационного индекса. Неравномерность распределения посевов (фитомассы) на поле вызвана двумя группами факторов: естественными и техническими. Ставилась задача формализации локальной неравномерности фитомассы в пределах поля по данным вегетационного индекса. Такая формализация может быть достигнута посредством статистических оценок пространственного распределения с последующим ранжированием установленной степени неравномерности. В качестве источников исходной информации использованы снимки коммерческих микроспутников RapidEye, а также векторные данные границ полей. Предлагаемый анализ пространственного распределения индекса NDVI включает этапы:

1. Подготовка исходных материалов (спутниковых снимков и векторных данных) к извлечению необходимых параметров. На данном этапе проводится атмосферная коррекция исходных снимков в программе ENVI (модуль FLAASH). Векторные данные экспортируются в формат. shp, проверяется их привязка и топологическая корректность полигонов.

2. Определение значений вегетационного индекса NDVI для всей исследуемой территории. Для оценки NDVI используются данные 3-го и 5-го каналов съемки, соответствующие ближней инфракрасной и красной зонам спектра. Расчет выполнялся в пакете ArcInfo с помощью растрового калькулятора по формуле (1) .

Распределение средних значений NDVI на полях, даже в пределах одного хозяйства, бывает довольно пестрым (рис. 1), однако опираться в пространственных интерпретациях лишь на этот показатель не целесообразно, хотя бы потому, что он подвержен сильному влиянию экстремальных значений. Кроме этого, средние величины не позволяют оценивать изменчивость фитомассы внутри территориальной единицы.

Рис.1. Распределение среднего значения NDVI на полях озимой

пшеницы (Северский район, 05.02.2010)

Пространственное распределение фитомассы по данным снимка характеризуется статистическими показателями значения NDVI для каждого поля. Наиболее информативными показателями, на наш взгляд, являются эксцесс (E) и коэффициент асимметрии (A). Разработана модель автоматизации для облегчения трудоемкой подготовки табличных данных к дальнейшему расчету статистики в MS Excel. Автоматизация предполагает:

а) подготовку атрибутивных данных векторного слоя полей;

б) обрезку растрового объекта по векторному слою полей инструментом пространственного анализа «Extract by Mask» (модуль Spatial Analyst);

в) конвертацию полученного набора растров в таблицы. dbf. Для каждой ячейки полученных растровых объектов создаются точечные шейп-файлы при помощи инструмента конвертации «Raster To Point» (точки расположены в центрах соответствующих ячеек). Затем слой точек экспортируется в таблицы. dbf. Вычисление E и A выполнялось в MS Excel с последующим импортом в файл. xlsx таким образом, чтобы данные по каждому полю располагались в разных столбцах.

Для получения объективных оценок пространственного распределения предлагается использовать сочетание коэффициентов эксцесса E и асимметрии A. Данный синтетический показатель мы определили как показатель равномерности распределения в выборке (U). Приведем характерные (граничные) распределения значений NDVI в пределах поля.

Для ситуации, когда A < 0 и E > 0 (рис. 2 а), характерны наибольшие значения в выборке, а значит и наибольшее количество фитомассы. Для ситуации при A < 0 и E < 0 (рис. 2 б) характерно меньшее количество больших значений в выборке, но эти значения сдвинуты вправо, т. е. подобный случай характеризует поля с относительно большим количеством фитомассы, но меньшим, чем в первом случае. В третьем случае с A > 0 и E > 0 (рис. 2 в) при минимальном количестве фитомассы отмечаются наименьшие значения в выборке и сдвиг кривой распределения влево. При A > 0 и E < 0 (рис. 2 г) наблюдается сдвиг в сторону меньших значений, но распределение этих значений отражено пологой кривой, а это значит, что количество фитомассы в данной ситуации больше, чем в третьем, но меньше, чем в первом и втором случаях.