Геоинформационные технологии в управлении состоянием сельскохозяйственных полей

Современное состояние общества оценивается уровнем развития и применение информационных технологий в различных сферах деятельности человека. Геоинформационные технологии сыграли значительную роль в развитии общества [4,5]. Широкое внедрение геоинформационных технологий заметно улучшило качество жизни и повысило эффективность управления за счет точности принятия решений в государственном управлении и в частном бизнесе. На прошедшем в апреле 2016г международном ГИС-форуме «Интеграция геопространства — будущее информационных технологий»¹ были представлены материалы более 70 докладчиков и 300 участников. Докладчиками выступали руководители и ведущие специалисты государственных учреждений в области космических технологий, сельского хозяйства, градостроительства, нефтегазового сектора, лесного хозяйства, водных путей сообщения, недропользования, экологии, опасных экзогенных² процессов и антропогенных³ факторов. Усилиями ученых — участников ГИС-форума представлена объективная информация применения геоинформацинных технологий для улучшения качества жизни людей. «Выявлены основные опасности использования несертифицированных методик и нелицензионного программного обеспечения. Обоснована целесообразность использования автоматизированных систем» [2]. На ГИС-форуме представлены инновационные технологии, основанные на интегрированных серверных геоинформацинных решениях, а также проекты по созданию «Единого информационного пространства геоданных»⁴ на базе отечественной облачной платформы.

Изменения в законодательстве об использовании космических съемок Земли из космоса (Постановление Правительства РФ № 1254 «О внесении изменений в «Положение о получении и предоставлении геопространственной информации (№ 326 от 28 мая 2007г.») позволили публично использовать данные дистанционного зондирования в различных сферах хозяйствования. Постановлением Правительства РФ № 1390 «О публичном использовании данных дистанционного зондирования Земли из космоса, получаемых с зарубежных космических аппаратов и российских космических аппаратов гражданского назначения» разрешено использование данных дистанционного зондирования (ДДЗ) в соответствии с законодательством РФ. Данное Постановление снимает все ограничения на использование и опубликование ДДЗ Земли. Такое изменение в законодательстве позволяет использовать космические данные свободно, они не являются секретными или документами для служебного пользования (ДСП), поэтому на законодательном уровне могут использоваться для различного назначения. С появлением свободно доступных данных ДЗЗ и лицензионного программного обеспечения с открытым исходным кодом появляются уникальные возможности. Одной из востребованных возможностей является  всепогодный мониторинг сельскохозяйственной деятельности.

Основной проблемой человечества является необходимость постоянного повышения количества сельскохозяйственных культур на душу населения.  Для того, чтобы повысить урожайность сельскохозяйственных культур требуется применение технологий, включающих постоянный мониторинг состояния посевов. Для управления полями и повышения общей эффективности агропроизводства требуется применение космических технологий в сельском хозяйстве. Для проведения анализа состояний сельхозкультур на посевных площадях целесообразно применение специализированного программного обеспечения (ПО). На примере ПО «Геоаналитика. Агро» рассмотрим основные преимущества использования программного обеспечения для проведения анализа состояний посевов. Программное обеспечение «Геоаналитика. Агро⁵» — облачный геоинформационный веб-сервис, предназначенный для информационного сопровождения состояния сельхоз культур и принятия управленческих решений в области сельского хозяйства. Основными преимуществами использования программного обеспечения «Геоаналитика. Агро» для мониторинга состояния сельскохозяйственных культур, является:

1. автоматизированный ввод данных дистанционного зондирования (ДДЗ);
2. автоматизированный ввод метеоданных;
3. автоматизированная обработка данных ДДЗ (оценка биомассы, интенсивность фотосинтеза, влагосодержание растений);
4. создание карт метео-параметров (статистический анализ температуры, давления, влажности, а также их производных – облачности, количества осадков, направление и силы ветра и т.д.);
5. создание цифровой модели рельефа (ЦМР) для задач сельского хозяйства (расчеты уклонов, длин склонов, эрозийной опасности, движения почв и т.д.);
6. создание карт вегетативного состояния сельхоз культур (фазы вегетации);
7. использование механизмов геоинформационного моделирования для задач принятия решений в части определения времени сбора урожая, территорий первого и последующих сборов урожая для получения максимальной прибыли.

Дополнительно, технологии информационной поддержки принятия решений в области сельского хозяйства обеспечивают:

1. сбор и обработку данных;
2. хранение данных и их актуализацию;
3. тематическую обработку данных;
4. публикацию данных;
5. интеллектуальный анализ данных;
6. визуализацию данных с целью поддержки принятия решений.

На современном этапе развития общества более востребованным является интеллектуальный анализ данных, который включает в себя анализ агроэкологических условий произрастания сельхоз культур, дистанционного мониторинга состояния сельхозугодий, продуктивность произрастающей растительности. Исходными данными для интеллектуального анализа являются:

1. Космические снимки (различные оптико-электронные и радарные снимки пространственного и спектрального разрешения);
2. Метеоданные (данные многолетних и оперативных метеорологических наблюдений сети стационарных станций);
3. Цифровая модель рельефа (рельеф местности, полученный по наземным измерениям и дистанционным съемкам);
4. Пользовательские данные (карты границ хозяйствования, проекты землеустройства, пробы почв и информация о структуре почвенного покрова, агрохимические обследования почв и  их изменения во времени);
5. Информация кадастра недвижимости (контуры полей, участков, границы и межи);
6. Карты фактического использования земель (структуры посевных площадей, темпов роста урожая);
7. Карты условий зимовки растений (снежный покров, вымерзание, вымокание, усыхание, выветривание);
8. Карты локальных условий произрастаний растительности (расчетные показатели: топографический индекс влажности, эрозийная опасность, экспозиции сколов).

Удобным инструментом отображения исходных данных для интеллектуального анализа является предоставление пользователю результатов интеллектуального анализа в картографической, графической и отчетной (буквенно-цифровой) форме [8]. Интенсивность развития бизнеса в области сельского хозяйства связана с высокой производительностью произрастания растительности, а именно с оценкой состояния посевов с точностью на 1 кв. сантиметр. Большая часть почв земной поверхности не является плодородной. Повышение продуктивности сельскохозяйственных земель зависит в основном от трех составляющих:

1. интенсивного применения удобрений,
2. расширения орошаемых площадей,
3. внедрения современных технологий [7].

Для повышения производительности произрастания сельскохозяйственных культур, особенно на малых площади сельхозугодий, требуется производить детализацию состояния сельскохозяйственной растительности по следующим параметрам:

1. плотность произрастания растительности, следовательно, быстрое реагирование на изменение состояния посевов и своевременное проведение агротехнических работ;
2. наличие концентрации неоднородности полей, следовательно, быстрое выявление проблемных участков земли и своевременное проведение точечного орошения и дифференцированного внесения удобрений;
3. наличие ФАР (фотосинтез-активность-растение), следовательно, быстрое определение зон затемнения или отсутствия солнечной энергии в теневых зонах, а также дополнительный анализ рельефа местности, как следствие оптимизация размещения культур;
4. вегетация, определение вегетационного состояния растительности, следовательно, определение периода сбора урожая, определение очередности сбора урожая на одном посевном участке, и как следствие повышение общей урожайности полей.

Повышение производительности произрастания сельскохозяйственных культур требует применения современных технологий управления полями, а именно:

• регулярного дистанционного точечного (на 1 кв. сантиметр) контроля состояния посевов с определенной периодичностью;
• оперативного реагирования на изменения состояний посевов и проведение агротехнических работ;
• оптимизацию возделывания земель, а также общее снижение себестоимости работ за счет применения в сельском хозяйстве космических технологий.

Использование космических технологий в сельским хозяйстве, предполагает использование данных дистанционного зондирования (ДДЗ) со спутника Sentinel 1. Спутник разработан компанией “Thales Alenia Space”. На борту космических аппаратов “Sentinel 1” установлена радиолокационная аппаратура с синтезированной апертурой C-SAR (разработка компании “Astrium”), которая обеспечивает всепогодную, а также круглосуточную поставку космических снимков. Съемка выполняется в С-диапазоне (длина волны 6 см). Скорость передачи данных на наземный сегмент – 300 Мбит/с.

Рисунок 1. Фотография спутника Sentinel 1, схема режимов съемки, таблица соответствия режимов съемки полосе обзора, пространственному разрешению в продольном и азимутальном направлениях, и поляризации.

Пример расшифровки режима съемки Interferometric Wide Swath Mode и данных таблицы соответствия режимов съемки полосе обзора, пространственному разрешению в продольном и азимутальном направлениях, и поляризации при пространственном разрешение 20*5 м (в продольном и азимутальном направлении)

1. Угол съемки 29-46°
2. Двойная поляризация (HH+HV, VH+VV, HH, VV)
3. Полоса захвата 250 км
4. Периодичность съемки – 5-12 дней

 

Наличие и использование радиолокационных снимков в интересах сельского хозяйства способствует усилению информационной поддержки принятия решений в части управления полями. Свободно распространяемые радарные данные ДЗЗ со спутника Sentinel 1 могут быть полезными для сельского хозяйства т.к. способствуют определению состава посевов сельскохозяйственных культур и космическому радиолокационному мониторингу состояния посевов сельскохозяйственных культур. Интерактивное представление технических данных (радиолокационных снимков, данных дистанционного зондирования, разверток изображений, радарных снимков, спектральных составляющих, мультивременных композитах и т.д.) в общей базе данных технической документации актуализирует информацию. «Наличие ссылок и взаимосвязей между техническими данными обеспечивает надежность и валидность информации⁶» — таким образом, доказана эффективность объединения различных технических данных в общей базе данных интерактивной документации, материалы исследований представлены в диссертации С.В. Веретехиной [3]. Исследования возможности использования радарных снимков Sentinel 1 для решения задач сельского хозяйства представлены в работах руководителя отдела тематической обработки данных ДЗЗ компании «Совзонд»  Мышлякова С. Г⁷. По данным исследований компании «Совзонд»  использование радарных снимков Sentinel 1 имеет свои преимущества и недостатки, а именно:

 

Таблица 1. Преимущества и недостатки использования радарных снимков Sentinel 1 для решения задач сельского хозяйства

№ п/п	Преимущества использования радарных снимков Sentinel 1	Недостатки использования радарных снимков Sentinel 1
1	Независимость от погодных условий	Сложность обработки
2	Независимость от освещенности	Сложность тематической интерпретации
3	Чувствительность к биофизическим (влажность, биомасса) и структурно- геометрическим особенностям почвенно-растительного покрова	Зашумленность данных
4		Влияние рельефа
5		Негативное влияние шероховатости поверхности

 

При наличии, как недостатков, так и преимуществ, использования радарных снимков Sentinel 1 для решения задач сельского хозяйства требуется отметить современный подход использования радиолокационных данных для задач сельского хозяйства. Современные методики обработки радарных снимков Sentinel 1 позволяют решить основную проблему: провести точный анализ сельскохозяйственной растительности, т.е. по данным отраженного радиосигнала различать пшеницу,  рожь, ячмень и др. схожим по структуре и внешнему виду растений. Схожесть по внешнему виду перечисленных культур можно увидеть на рисунке 2.

 

Рисунок 2. Фотография схожих по структуре и внешнему виду сельхоз культур (пшеницы, ржи, ячменя)

 

С целью проведения точного определения схожих по структуре и внешнему виду сельскохозяйственных культур компания «Совзонд» предлагает технические решения, а именно:

1. Оценить возможности различных поляриметрических режимов съемки;
2. Разработать методологию обработки радиолокационных данных ДЗЗ в С-диапазоне для задач картографирования землепользования и мониторинга параметров сельскохозяйственной растительности;
3. Оценить возможности мультивременной классификации посевов сельскохозяйственных культур;
4. Проанализировать: какое количество разновременных снимков необходимо и достаточно для классификации посевов;
5. Определить оптимальный угол визирования для радарных снимков;
6. Определить степень влияния орбиты на результирующие изображения (восходящая или нисходящая);
7. Изучение сигнатур (эталонных выборок) для различных сельскохозяйственных культур;
8. Сопоставление сигнатур, собранных по радарным снимкам с сигнатурами, собранными по оптическим снимкам.

Обобщенные выводы включают:

1. Обоснована возможность классификации сельскохозяйственных культур, базируясь лишь на данных с двойной поляризацией;
2. Точность классификации свыше 70% достигается при использовании 5 разновременных снимков, свыше 80% достигается при использовании 7 разновременных снимков;
3. Двойная поляризация VV+VH лучше, чем двойная поляризация HH+HV;
4. Лучшие результаты классификации культур достигаются по летним снимкам (к августу – более 80%);
5. Полная поляризация актуальна для детектирования стебельных культур (зерновые, кукуруза);
6. Корреляция с NDVI⁸, измеренному по снимкам RapidEye⁹ и по данным полевых измерений (наивысшая у рапса и бобовых). Вычисляется по следующей формуле:

где,
NIR — отражение в ближней инфракрасной области спектра
RED — отражение в красной области спектра

Расчет NDVI базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6-0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области (0,7-1,0 мкм) находится область максимального отражения клеточных структур листа. То есть высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной области спектра и большему в инфракрасной. Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов. Использование же не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений как различия в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и пр.

 

Рисунок 3. Участки характеристической кривой отражения растительности (усредненной), используемые для расчета NDVI c помощью данных MODIS

NDVI может быть рассчитан на основе любых снимков высокого, среднего или низкого разрешения, имеющим спектральные каналы в красном (0,55-0,75 мкм) и инфракрасном диапазоне (0,75-1,0 мкм). Алгоритм расчета NDVI встроен практически во все распространенные пакеты программного обеспечения, связанные с обработкой данных дистанционного зондирования (Arc View Image Analysis, ERDAS Imagine, ENVI, Ermapper, Scanex MODIS Processor, ScanView и др.).

 

7. Поляризация VH в некоторой степени подходит для моделирования NDVI на ранних стадиях вегетации

В результате полученных данные со спутника Sentinel 1(ESA) при уровне обработки GRD, режимы поляризации VV и VH, периоде наблюдений за 2015 год, территория наблюдений – Новониколаевский район Волгоградской области¹⁰.

Рисунок 4. Интенсивность сигнала в поляризации VV и VH

Для определения состояния схожих по структуре и внешнему виду сельхоз культур (пшеницы, ржи, ячменя) требуется проведение дополнительной обработки снимков в программном обеспечении. После обработки в программном обеспечении отображение сельскохозяйственных культур на мультивременных композитах при различной поляризации представлены на рисунке 5.

Поляризация VV: R – 30.05.2015 G – 18.05.2015 B – 06.05.2015

Поляризация VH: R – 29.07.2015 G – 23.06.2015

Рисунок 5. Отображение сельскохозяйственных культур на мультивременных композитах при различных поляризациях

Из рисунка 5 видно, что занимаемые сельхозугодия засеяны озимой пшеницей, ячменем, подсолнечником, донником, льном масленичным, сорго, часть земель оставлены под пар. По интенсивности цвета отображения сельскохозяйственных культур на мультивременных композитах, можно увидеть, как в период с мая по июль месяцы меняется вегетация¹¹ растительности.

Описанная выше технология постоянного мониторинга состояния посевов даёт возможность ведения более эффективного бизнеса за счет:

• высокой точности определения состояния схожих по структуре и внешнему виду сельхоз культур,
• точности обработки данных до 1 кв. сантиметра,
• уменьшения общей стоимости управления полями в силу свободного использования доступных данных дистанционного зондирования, наличия широкого спектра отечественного лицензионного программного обеспечения с открытым исходным кодом.

Обеспечение общества объективной информацией о состоянии окружающего мира способствует улучшению качества жизни людей, повышению эффективности управленческих решений в бизнесе и государственном управлении [1]. Ведущим российским интегратором в области геоинформационных технологий и космического мониторинга является российская компания «СОВЗОНД».

___________

¹ Международный GIS-Forum- http://www.gisforum.ru/ru/#program

² Экзогенные процессы — физические и химические процессы, происходящие на земной поверхности или в самых верхних слоях земной коры под воздействием воды и воздуха, снега и льда, солнечного излучения или в результате деятельности живых организмов.

³ Антропогенные факторы — результат деятельности человека, приводящий к изменению среды обитания.

⁴ Единое информационное пространство геоданных – геоинформационная платформа на аппаратно-программных мощностях ОАО «Ростелеком», предназначенная для создание отраслевых сервисов для мониторинга деятельности в сельском хозяйстве, лесном комплексе, недропользовании, экологии  и т.д.

⁵ «Геоаналитика. Агро[5]» — сервис компании «Совзонд», обеспечивающий комплексное предоставление информации, предназначенный для поддержки принятия решений в аграрном секторе на различных уровнях. управления и бизнес-администрирования (отдельные поля, сельскохозяйственные предприятия, муниципальные образования и субъекты РФ),

⁶ Валидность — основные параметры определения качества информации, полученной в результате проведения эмпирического исследования. Под надежностью подразумевается определенная гарантия, что полученный результат правильно отражает изучаемую действительность. Валидностью (обоснованностью) информации называется подтверждение (доказательство), что исследовались (измерялись) именно те явления, которые предполагалось исследовать.

⁷ Компания «Совзонд» е-mail: sovzond@sovzond.ru. www.sovzond.

⁸ NDVI (Normalized Difference Vegetation Index) — нормализованный относительный индекс растительности — простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова. http://gis-lab.info/qa/ndvi.html

⁹ Снимки высокого пространственного разрешения, получаемые со спутников RapidEye, являются ценным источником детальной информации о выращиваемых сельскохозяйственных культурах.

¹⁰ Данные о севооборотах за 2015 год предоставлены Владимиром Сальниковым (ООО «Волгогелиопром») -Международный GIS-Forum- http://www.gisforum.ru/ru/#program

¹¹ Вегетация — период времени, когда растение начинает свой рост и развитие, и заканчивает созреванием и сбором урожая.