Оценка состояния сельскохозяйственных посевов краснодарского края по данным дистанционного зондирования: методика и результаты (стр. 4 )

Рис. 5. Сезонная динамика индекса NDVI для озимой пшеницы и озимого ячменя на территории Северского района в 2008-2009 гг.

При распознавании культур заданы пороговые значения, определяющие верхнюю и нижнюю границу наиболее вероятных значений индекса NDVI. Нижняя граница (j1) и верхняя граница (j2) порога значений рассчитывалась следующим образом:

и , (3)

где – среднее значение индекса NDVI, – среднее значение амплитуды.

Распознавание озимых и яровых культур осуществлялось по двум снимкам Landsat (28.04.2009 и 10.08.2009). Автоматический алгоритм распознавания озимых и яровых построен на двухуровневом сравнении рассчитанных значений индекса по разным снимкам на полях исследуемой территории. Точность распознавания оценивалась по площади правильно распознанных культур. В Абинском районе точность распознавания озимых культур составила 82%, яровых ­– 77%, в Крымском районе соответственно – 76% и 71%, а в Тимашевском районе – 80% и 75%.

Рис. 6. Сезонная динамика индекса NDVI для различных культур и полей под паром на территории Северского района в 2009 г.

Для распознавания видов культур использовались три снимка. Анализировались типичные для края сельскохозяйственные культуры – рис, подсолнечник, кукуруза, а также многолетние травы. Несмотря на установленные пороговые значения индекса NDVI для подсолнечника и кукурузы, надежно идентифицировать эти культуры не удалось. Причина – подобие сезонного хода их вегетационных индексов (рис. 5). Из рассматриваемых культур наилучшим образом идентифицируются посевы риса. Это связано с особенностями выращивания культуры, которые требуют известных условий орошения. Результаты распознавания представлены в таблице 5.

Таблица 5

Точность распознавания культур способом пороговых значений, %

Район	Озимые	Яровые	Рис	Многолетние травы	Поля под паром
Абинский	82	77	87	46	65
Крымский	76	71	-	40	61
Тимашевский	80	75	-	28	-
Староминский	85	78	-	38	-

Альтернативный способ распознавания сельскохозяйственных культур описан в разделе 4.2. Применен метод классификации с обучением при автоматическом дешифрировании космических снимков. Классификация проводилась в пакете ENVI. Для её выполнения необходимо задать области интереса, выступающие в качестве репрезентативных однородных фрагментов, на основе которых проводится идентификация прочих объектов. Для определения эталонов использованы 6 видов сельскохозяйственных культур: рис, озимая пшеница, озимый ячмень, кукуруза, подсолнечник, озимый рапс, а также многолетние травы.

Как показала экспериментальная классификация, лучше всего распознаются озимые культуры, точность распознавания которых в разных районах составила 84-91%. Надежность дешифрирования отдельных культур заметно ниже (табл. 7). Благодаря упомянутым особенностям выращивания достаточно точно идентифицировались посевы риса (94%).

Таблица 6

Точность распознавания культур способом эталонов, %

Район	Озимые	Яровые	Рис	Многолетние травы	Поля под паром
Абинский	91	55	94	34	60
Крымский	84	58	-	44	54
Тимашевский	81	61	-	53	-
Староминский	84	52	-	60	-

Обобщая, отметим, что методом классификации с обучением получены более точные результаты при распознавании риса и озимых культур.

Глава 5. Web-картографический ресурс для анализа

АПК Краснодарского края

Исследование динамики и территориальной дифференциации сельскохозяйственных показателей предполагает наличие доступной региональной аналитической информации, в том числе соответствующих карт. Заключительная глава посвящена созданию рабочего картографического web-приложения для визуализации показателей сельского хозяйства Краснодарского края.

В разделе 5.1 дан краткий обзор технических средств информационных систем социально-экономического мониторинга. Приведены примеры различных информационных картографических ресурсов, построенных на основе готовых картографических серверов, либо разработанных с нуля и изначально адаптированных к специальным задачам.

Нами применен второй подход. В разделе 5.2 описана разработка картографического web-приложения на базе технологии ArcGIS Server. Средой разработки выступил программный пакет Microsoft Visual Studio 11. В качестве тематического наполнения приложения использовались статистические данные региональных сборников, содержащие сельскохозяйственные показатели; а также наши результаты исследований. Применен объектно-ориентированный скриптовый язык программирования JavaScript с модульной библиотекой Dojo. Интерфейс приложения создавался на основе языка разметки web-документов HTML, а также формального языка описания внешнего вида web-документов CSS.

Основным элементом web-приложения служит карта. Подготовка карты выполнялась в ArcMap, где были настроены условные обозначения элементов карты, размеры шрифтов и цвета подписей, табличные данные. Проект ArcMap публиковался как картографический сервис на ArcGIS Server. Для web-приложения созданы несколько проектов, предназначенные для использования в качестве слоев (границы районов, границы земельных участков и пр.).

Элементы изменения картографического наполнения web-приложения представлены двумя меню, а также кнопками переключения базовых слоев (карта и спутниковый снимок). Слои представляют собой сервисы Esri: World Street Map и World Imagery. Первое меню меняет отображаемые сервисы приложения: границы районов Краснодарского края, границы исследуемых посевов, границы посевов по культурам отдельно, а также отображает результаты оценки неравномерности посевов. Второе меню загружает векторные границы районов края с атрибутивной статистической информацией по сельскому хозяйству. Для обеспечения наглядности границы отображаются в соответствии с разработанной системой графических переменных, кроме того при изменении пунктов меню динамически меняется легенда карты и её содержание. Для усиления информативности отображаемых данных в информационном окне к текстовым атрибутивным данным могут быть добавлены анимированные диаграммы, характеризующие количественные показатели.

ЗАКЛЮЧЕНИЕ

В ходе проведенных исследований достигнута основанная цель диссертации – разработана и реализована методика оперативной оценки состояния сельскохозяйственных посевов по материалам спутниковых снимков, прежде всего, в части определения локальной пространственной структуры посевов.

Полученные результаты охватывают методические и собственно содержательные аспекты исследования:

1.  Разработана методика автоматизированной оценки локальной (не)равномерности распределения фитомассы (посевов) на сельскохозяйственных полях по вегетационному индексу на основе данных дистанционного зондирования (спутниковых снимков) на дату съемки, позволяющая выполнить качественную оценку посевов. Установлено, что определение локальной (не)равномерности посевов целесообразно проводить в периоды, соответствующие фазам вегетации колосовых, в которые наблюдается наибольшее количестве хлорофилла в клетках, а именно в период выхода в трубку до фазы цветения. В данные периоды применение методики, основанной на вычислении индекса NDVI, дает наилучшие результаты при оценке сельскохозяйственных посевов.

2.  Проверка методики выполнялась в тестовых районах, отражающих характерные агроклиматические условия Краснодарского края. По результатам исследования 2009-2010 гг. наилучшее состояние посевов озимой пшеницы в целом наблюдалось в Тимашевском, Староминском и Славянском районах, удовлетворительное – в Абинском и Крымском районах. Больше всего полей с неудовлетворительным распределением посевов, т. е. со значительной площадью дефектных участков, выявлено в Северском районе.

3.  На основе нечеткой классификации по данным спутниковых снимков разработана методика, позволяющая выделять дефектные участки полей с расчетами соответствующей площади. Экспериментально показано, что границы этих участков целесообразно устанавливать с переменной вероятностью (75%, 85% и 95%) принадлежности к классу дефектные участки. Так, площади таких участков посевов озимой пшеницы в Северском районе на дату съемки (02.05.2010) с вероятность принадлежности 75%, 85% и 95% составили соответственно 37,64 км2 , 30,77 км2 и 13,1 км2.

4.  Распознавание сельскохозяйственных культур выполнялось методом пороговых значений индекса NDVI и методом классификации с обучением. Установлено, что метод классификации с обучением показал большую надежность результатов для отдельных видов культур, в то время как методу пороговых значений свойственны более точные результаты в целом. Наилучшие результаты отмечены при идентификации озимых культур с надежностью распознавания 91%, посевов многолетних трав (60%), озимого рапса (78%). Благодаря особенностям выращивания надежность распознавания посевов риса наиболее высокая (94%).

5.  Создано рабочее картографическое web-приложение для визуализации показателей сельского хозяйства Краснодарского края.

Список работ, опубликованных по теме диссертации:

В рекомендованных ВАК РФ журналах:

1.  , Стебловский муниципальных образований Краснодарского края по показателям развития сельского хозяйства // Вестник Северо-Кавказского государственного технического университета. Вып. 4 (29). Ставрополь: Сев.-Кав. гос. тех. ун-т, 2011. – С. 72-78.

2.  , Об использовании спутниковых снимков для распознавания сельскохозяйственных культур в Краснодарском крае // Вестник Северо-Кавказского государственного технического университета. Вып. 4 (33). Ставрополь: Сев.-Кав. гос. тех. ун-т, 2012. – С. 88-92.

3.  , , Стебловский оценки локальной неравномерности распределения сельскохозяйственных посевов по данным вегетационного индекса // Известия высших учебных заведений. Северо-Кавказский регион. Естественные науки. Вып. 2. Ростов-на-Дону: Южный федеральный ун-т, 2012. – 96-101.

4.  , Кузнецов нечеткой классификации для оценки состояния сельскохозяйственных посевов по данным дистанционного зондирования. // Геология, география и глобальная энергия. Вып. 4 . Астрахань, 2012, с. 170-175.

Кроме того, опубликованы работы:

5.  , Стебловский геоинформационной системы сельскохозяйственных показателей Краснодарского края // Географические исследования Краснодарского края: сб. научн. тр. Вып. 6. Краснодар: Кубан. гос. ун-т, 2011. – С. 255-258.

6.  , , Об оценке состояния сельскохозяйственных посевов в Краснодарском крае по данным спутниковой съемки // Сб. науч. статей по мат. II Междунар. науч.-практ. конф. «Геосистемы: факторы развития, рациональное природопользование, методы управления». Туапсе, 2011, с.321-322.

7.  , Кузнецов технических средств информационных систем социально-экономического мониторинга // Географические исследования Краснодарского края: сб. научн. тр. Вып. 6. Краснодар: Кубан. гос. ун-т, 2011. – С. 259-263.

8.  Кузнецов космических снимков для идентификации сельскохозяйственных культур (Краснодарский край) // Materiály VIII mezinárodni vědecko – praktická konference «Věda a technologie: krok do

budoucnosti - 2012». Díl 32. Zemědělstvi. Zvěrolékartví: Praha. Publishing House «Education and Science» s. r.o. – P.39-44.

9.  Кузнецов классификация как метод оценки состояния посевов сельскохозяйственных посевов в Краснодарском крае // Материали за 8-а международна научна практична конференция, «Образованието и науката на XXI век», – 2012. Том 41. География и геологи. София. «Бял ГРАД-БГ» ООД. – С. 36-40.

10.  , , Стебловский локальных пространственных аномалий в распределении посевов сельскохозяйственных культур по данным спутниковых снимков // Материалы международной конференции «ИнтерКарто-ИнтерГИС-18: Устойчивое развитие территорий: теория ГИС и практический опыт». Смоленск, 2012, с. 216-220.

Патент

11.  Пат. 124788 Российская Федерация, МПК (2006.01) G01C 11/00, Геоинформационная система мониторинга земель / , , : заявитель и патентообладатель ФГБОУ ВПО «КубГУ». – № 000; опубл. 08.06.2012 г., Бюл. №4.

ОЦЕНКА СОСТОЯНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПОСЕВОВ КРАСНОДАРСКОГО КРАЯ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ: МЕТОДИКА И РЕЗУЛЬТАТЫ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата географических наук