Оценка состояния сельскохозяйственных посевов Краснодарского края по данным дистанционного зондирования: методика и результаты

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата географических наук

Оценка состояния сельскохозяйственных посевов Краснодарского края по данным дистанционного зондирования: методика и результаты

Специальность 25.00.23 - физическая география, биогеография, география почв и геохимия ландшафтов

Кузнецов Константин Владимирович

Краснодар - 2013

Работа выполнена на кафедре геоинформатики географического факультета Кубанского государственного университета

Научный руководитель: Доктор географических наук Погорелов Анатолий Валерьевич

Официальные оппоненты: Доктор географических наук, заведующий кафедрой географии Московского государственного университета геодезии и картографии (МИИГАиК) Братков Виталий Викторович

Кандидат географических наук, начальник территориального центра мониторинга и прогнозирования чрезвычайных ситуаций (Краснодарский край) Ткаченко Юрий Юрьевич

Ведущая организация: Кафедра картографии и геоинформатики Московского государственного университета им. М.В. Ломоносова



ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Для Краснодарского края, занимающего ведущее место по производству многих видов растениеводческой продукции в Российской Федерации, дальнейшее развитие растениеводства имеет стратегическое значение. Такому развитию при современных условиях хозяйствования способствует мониторинг состояния сельскохозяйственных посевов и земель, направленный, судя по существующим техническим разработкам, на решение целого ряда задач. Среди них - не только определение состояния озимых колосовых в разные периоды вегетации, оценка всхожести, засоренности, установление режима внесения удобрений, но и прогнозирование урожайности. Благодаря совершенствованию технологий дистанционного зондирования Земли, постоянно расширяются потенциальные возможности оперативной оценки состояния сельскохозяйственных культур на региональном и местном уровнях.

Вместе с тем, степень внедрения упомянутых технологий в Краснодарском крае явно не отвечает хозяйственной значимости растениеводства. Проблема действенного применения технологий дистанционного зондирования в сельскохозяйственной практике остается актуальной. Это относится к региональному и локальному уровням. В этом смысле территория Краснодарского края - не исключение. Необходимы соответствующие разработки, ориентированные на местную географическую специфику растениеводства.

В настоящее время использование результатов дешифрирования спутниковых снимков в отдельных хозяйствах сдерживается отсутствием таких разработок. Кроме того, некоторые задачи требуют самостоятельных исследований. Так, для субъектов сельскохозяйственной деятельности и управленческих структур АПК края важными задачами являются своевременное установление локальных пространственных аномалий в распределении посевов (в масштабе отдельного поля), особенно в ранневесенний период вегетации, а также идентификация сельскохозяйственных культур по данным спутниковых снимков. Своевременное решение этих задач должно способствовать оптимизации использования земельных ресурсов в Краснодарском крае, а в технологическом смысле - научному обоснованию применения материалов дистанционного зондирования в сельскохозяйственной деятельности.

Таким образом, в теоретическом плане актуальность настоящего исследования определяется необходимостью разработки методического обеспечения для мониторинга состояния сельскохозяйственных посевов региона. В практическом аспекте актуальность работы связана с достижением нового уровня информационного обеспечения растениеводства, базирующегося на материалах дистанционного зондирования Земли и ГИС-технологиях.

Объект исследования - сельскохозяйственные посевы на территории Краснодарского края. Предмет исследования - методологические и прикладные аспекты применения данных дистанционного зондирования для оперативной оценки состояния сельскохозяйственных посевов.

Цель исследования - разработка и реализация научно-методических основ оперативной оценки состояния сельскохозяйственных посевов по материалам спутниковых снимков, прежде всего, в части определения локальной пространственной структуры посевов. Для достижения цели в работе поставлены и решены следующие задачи:

Проанализировать и обобщить литературные, фондовые и прочие материалы, характеризующие применение спутниковых данных для мониторинга сельскохозяйственных посевов и земель, в том числе с использованием вегетационных индексов.

Разработать метод автоматизированной ранговой оценки полей по признаку локальной (не)равномерности распределения фитомассы с использованием вегетационного индекса по данным спутниковых снимков на дату съемки.

Разработать метод расчета площади неблагоприятных участков сельскохозяйственных посевов на основе приемов нечеткой классификации.

Разработать и проанализировать эффективность предложенных способов распознавания различных сельскохозяйственных культур по данным спутниковых снимков.

Создать картографическое web-приложение для отображения показателей сельского хозяйства Краснодарского края.

В качестве исходных данных настоящего исследования использованы снимки коммерческих микроспутников RapidEye для удаленного мультиспектрального зондирования с пространственным разрешением 6,5 м (на даты 12.07.2009, 28.04.2010, 02.05.2010, 13.06.2010); данные спутника Landsat 5 TM разрешением 30 м (сентябрь 2008 г. - октябрь 2010 г.); векторные данные (границы сельскохозяйственных полей) со сведениями о хозяйствах, предоставленные Министерством сельского хозяйства и перерабатывающей промышленности Краснодарского края; кадастровые данные; статистические сборники по АПК края (2005-2010 гг.).

Диссертация написана на основании исследований автора в 2010-2013 гг., а также материалов, полученных в результате творческого сотрудничества с Министерством сельского хозяйства и перерабатывающей промышленности Краснодарского края. Лично автором выполнена обработка спутниковых снимков и векторных границ полей, рассчитаны вегетационные индексы, выполнен анализ распределения посевов в исследуемых районах, создано картографическое web-приложение. С непосредственным участием автора разработаны методика определения локальной неравномерности посевов, а также аппарат автоматизированного расчета статистических показателей.

При разработке методических и теоретических основ диссертации особое значение имели работы, посвященные теоретическим обоснованиям вегетационных индексов (А.С. Черепанов, О.С. Токарева, R.D. Jackson, R.E. Crippen и др.), применению их для оценки состояния сельскохозяйственных посевов (R. Benedetti, D. Jiang, A.K. Prasad, В.А. Толпина, В.Н. Антонова и др.), распознаванию вида сельскохозяйственных культур по спутниковым данным (A.J.W. De Wit, M. Turker, C. Conrad, С. Кохан, С.А. Барталев), нечеткой классификации (A.B. McBratney, J.C. Bezdek, J.J. DeGruijter, А.В. Погорелов и др.).

В ходе исследования реализован комплекс дистанционных (спутниковая съемка) и камеральных методов. В процессе обработки и анализа материалов применены методы ГИС-картографирования, статистики, нечеткой классификации. Основу программного обеспечения составили продукты ArcInfo, ArcGIS Server (Esri, США), ENVI (США), BoundarySeer (США), Microsoft Visual Studio 11 (США).

Научная новизна обусловлена оригинальными подходами к оценке состояния сельскохозяйственных посевов по данным спутниковых снимков.

Обоснована и реализована методика автоматизированной ранговой оценки состояния сельскохозяйственных полей по показателям локальной (не)равномерности посевов.

Разработана методика количественной оценка состояния посевов, опирающаяся на использование методов нечеткой классификации и позволяющая выделять дефектные участки на полях с расчетом их площади.

Предложены методы идентификации сельскохозяйственных культур (метод пороговых значений индекса NDVI и метод классификации с обучением).

Исследована сезонная динамика индекса NDVI для различных сельскохозяйственных культур, полей под паром, а также озимых и яровых культур.

Создано web-приложение для картографической визуализации показателей АПК Краснодарского края.

Все результаты оценки состояния сельскохозяйственных посевов на исследуемой территории по данным спутниковых снимков, полученные посредством предлагаемых методов, являются новыми по существу.

На защиту выдвигаются следующие разработки и результаты:

Метод автоматизированной ранговой оценки полей по признаку локальной (не)равномерности распределения фитомассы с использованием индекса NDVI по данным спутниковых снимков.

Метод расчета площади дефектных участков сельскохозяйственных посевов, основанный на нечёткой классификации.

Результаты оценки локальной (не)равномерности сельскохозяйственных посевов в границах полей для тестовых районов края (Абинский, Крымский, Северский, Славянский, Староминской, Тимашевский).

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

Результаты распознавания различных сельскохозяйственных культур по данным спутниковых снимков.

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 «Vмda 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.

сельскохозяйственный посев дистанционное зондирование



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.

На основе рассмотренных комбинаций выделено четыре класса, отражающих степень (не)равномерности распределения фитомассы в границах поля. Для случая распределения, близкого к нормальному (рис. 2 д), предусмотрен ещё один класс. Контроль экстремальных значений, способных привести к ошибкам классификации (ранжирования), осуществлялся посредством специального скрипта VBA.



Рис. 2. Распределение значений выборки NDVI при A < 0 и E > 0 (а), A < 0 и E < 0 (б), A > 0 и E > 0 (в), A > 0 и E < 0 (г), близкое к нормальному закону при E ~ 0 и A ~ 0 (д)

В распределении фитомассы на поле (полигоне) по степени равномерности установлены следующие ранги (табл. 1):

Таблица 1

Ранговая шкала на основе показателя равномерности распределения U в выборке NDVI

U	Соотношение A и E	Название класса
1	A < 0 и E > 0	Оптимальное распределение
2	A < 0 и E < 0	Хорошее распределение
3	E ~ 0 и A ~ 0	Удовлетворительное распределение
4	A > 0 и E > 0	Неудовлетворительное распределение
5	A > 0 и E <0	Критическое распределение



На рисунке 3.10 представлена классификация полей озимой пшеницы на основе полученного показателя U.

Рис. 3. Классификация полей озимой пшеницы по показателю равномерности распределения фитомассы (Северский район, 05.02.2010)

В разделе 3.3 описаны результаты расчета локальной равномерности U на полях шести исследуемых районов: Абинском, Крымском, Северском, Славянском, Староминском, Тимашевском. Исследовалось распределение колосовых и технических культур на даты съемки: 12.07.2009, 28.04.2010, 02.05.2010, 13.06.2010. Так, на дату 02.05.2010 распределение озимой пшеницы (фаза выхода в трубку) в разных районах заметно различается (табл. 2, 3). Наилучшее состояние посевов в целом отмечено в Тимашевском, Староминском и Славянском районах при 76-68% площади посевов с оптимальным распределением на полях; удовлетворительное - в Абинском и Крымском районах. Больше всего полей с неудовлетворительным распределением посевов озимой пшеницы выявлено в Северском районе (14,5% площади под озимой пшеницей).



Таблица 2

Оценка посевов озимой пшеницы по степени равномерности распределения на полях, %

Районы	Оптимальное	Хорошее	Удовлетворительное	Неудовлетворительное	Критическое
Северский	47,4	13,3	17,1	8,9	13,3
Абинский	45,1	29,1	23,5	11,5	1,4
Крымский	67,6	11,5	9,4	2,2	9,3
Тимашевский	75,7	7,9	4,8	5,0	6,6
Староминский	69,9	21	4,6	3,9	2,7
Славянский	68,4	13,2	3,9	0	14,5

Анализ распределения озимого ячменя по состоянию на 02.05.2010 по данным разных районов (табл. 3) подтверждает действенность предлагаемого способа оценки равномерности посевов по индексу NDVI.

Таблица 3

Оценка посевов озимого ячменя по степени равномерности распределения на полях, %

Районы	Оптимальное	Хорошее	Удовлетворительное	Неудовлетворительное	Критическое
Северский	41,3	15,2	13	5,4	25,1
Крымский	43,8	6,3	18,8	4,5	4,0
Тимашевский	73,9	6,8	4,5	6,8	8,0
Славянский	80,0	4,0	4,0	8,0	4,0

На основе полученных результатов необходимо отметить, что определение равномерности посевов наиболее целесообразно проводить в фазы развития колосовых, в которые наблюдается наибольшее количество хлорофилла в клетках, а именно в период от выхода в трубку до фазы цветения. В данные периоды применение методики дает наилучшие результаты.

Следующий логический шаг оценки пространственной изменчивости фитомассы (посевов) - автоматизированный расчет площади участков с дефектными посевами. Своевременное выделение таких участков на ранней стадии созревания той или иной культуры дает возможность проведения мероприятий по их устранению, включая локальный пересев озимых. Попутно при накоплении сведений о распределении этих участков возможно установление причин их образования. К дефектным отнесем участки с относительно низкой для данной фазы развития удельной фитомассой у определенной культуры. Раздел 3.4 посвящен методике расчета площади таких дефектных посевов по данным распределения NDVI.

На практике локализация участков упирается в проблему размытости их границ, что отвечает представлениям нечёткой классификации. Поэтому предлагаемый алгоритм расчетов площади базируется на методах нечёткой классификации, ориентированных на получение классов, элементы которых внутри класса предельно однородны, но максимально отличаются от элементов других классов. Использована программа BoundarySeer, реализующая при осуществлении нечёткой классификации метод кластеризации k-means. Данный метод разбивает множество элементов на заранее известное число кластеров k. Алгоритм работает так, чтобы минимизировать дисперсию на точках каждого класса:

(2)

где k - число кластеров, - полученные кластеры, и - центры масс векторов. Поскольку множество полей с одной культурой представляет собой дискретное пространство, выделить границы автоматически средствами программы BoundarySeer затруднительно. Целесообразно проводить выделение этих границ с переменной вероятностью (75%, 85% и 95%) принадлежности к классу дефектных участков посевов. Пример локализации посевов с 85%-ной вероятностью принадлежности к классу дефектные участки иллюстрирует рисунок 4.

Рис. 4. Выделение участков посевов на основе 85%-ной вероятности принадлежности к классу дефектные участки методом нечёткой классификации (Северский район, 05.02.2010)

Таким образом рассчитаны площади дефектных участков посевов озимой пшеницы в Северском районе для каждого поля в отдельности и всех полей в целом (табл. 4). С увеличением вероятности принадлежности к классу дефектных участков (от 75 до 95%) соответствующая площадь посевов озимой пшеницы закономерно уменьшается, достигая, тем не менее, на исследуемой территории на дату съемки 11,55% площади при вероятности 95%.

Таблица 4

Площадь дефектных участков посевов озимой пшеницы в Северском районе (05.02.2010)

Вероятности принадлежности, %	Площадь дефектных участков
	км2	%
75	37,64	33,09
85	30,77	27,05
95	13,14	11,55



Экспериментально установлено, что предлагаемый метод позволяет оперативно получить объективную оценку состояния посевов на территории края путем автоматизированной классификации, выделяя в границах полей дефектные участки посевов по признаку их пространственной (не)однородности и рассчитывая их площадь.

Глава 4. Использование спутниковых снимков для распознавания сельскохозяйственных культур

Использование данных дистанционного зондирования предоставляет широкие возможности в оперативном и независимом исследовании сельскохозяйственных посевов. Такого рода исследования не ограничиваются разнообразными оценками состояния посевов, но также способны решать проблему автоматизированного распознавания сельскохозяйственных культур.

В разделе 4.1 рассмотрен метод идентификации культуры, основанный на применении пороговых значений вегетационного индекса NDVI с использованием его рассчитанных эталонных значений для определенных сельскохозяйственных культур.

Анализируются сельскохозяйственные посевы Абинского, Крымского и Тимашевского районов. Эталонные значения определялись по данным Северского района. Выбранные территории располагаются в одном агроклиматическом районе Краснодарского края в его центральной части (Агроклиматический справочник, 1975). Территории свойственна синхронность фаз вегетации сельскохозяйственных культур, следовательно, и внутригодовая динамика индекса NDVI у соответствующих культур априори должна быть сопоставима. Для проверки этого предположения построены графики сопряженного внутригодового хода NDVI различных культур (озимой пшеницы, озимого ячменя, подсолнечника, риса, кукурузы, многолетних трав, а также для полей под паром) (рис. 5, 6).



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:

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.

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.

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.

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%).

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



СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Кузнецов К.В., Стебловский А.С. Типология 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. Кузнецов К.В., Липилин Д.А. 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. Погорелов А.В., Кузнецов К.В., Стебловский А.С. Метод 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. Погорелов А.В., Кузнецов К.В. Применение нечеткой классификации для оценки состояния сельскохозяйственных посевов по данным дистанционного зондирования. // Геология, география и глобальная энергия. Вып. 4. Астрахань, 2012, с. 170-175.

5. Кузнецов К.В., Стебловский А.С. Разработка 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. Погорелов А.В., Стебловский А.С., Кузнецов К.В. 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. Стебловский А.С., Кузнецов К.В. Обзор 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 К.В. Использование космических снимков для идентификации сельскохозяйственных культур (Краснодарский край) // Materiбly VIII mezinбrodni vмdecko - praktickб konference «Vмda a technologie: krok do budoucnosti - 2012». Dнl 32. Zemмdмlstvi. Zvмrolйkartvн: Praha. Publishing House «Education and Science» s.r.o. - P.39-44.

9. Кузнецов К.В. Нечеткая 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. Погорелов А.В., Кузнецов К.В., Стебловский А.С. Выделение 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.

11. Пат. 124788 Российская Федерация, МПК (2006.01) G01C 11/00, Геоинформационная система мониторинга земель / Погорелов А.В., Стебловский А.С., Кузнецов К.В.: заявитель и патентообладатель ФГБОУ ВПО «КубГУ». - №2012124139; опубл. 08.06.2012 г., Бюл. №4.

Размещено на Allbest.ru

...