Оценка урожайности и мониторинг посевов зерновых культур по оптическим и радарным космоснимкам на
региональном уровне

В настоящее время развиваются два основных направления исследований в области мониторинга сельскохозяйственных
культур: математическое моделирование процессов роста и развития растений и изучение спектрально –
отражательных характеристик растительного покрова для определения оперативным образом физических параметров. Из
всех математических моделей формирования урожая предлагается использование динамических имитационных моделей
роста растений, которые дают возможность рассчитывать состояния культур с суточным периодом дискретности
процесса.
Тестирование модели EPIC показало, что существенными параметрами для роста «модели» яровой пшеницы являются
сроки сева, начальная влажность и гидрологические параметры почвы. В то же время такие параметры, как процент
гумуса и запас активного азота для условий Западной Сибири при заданных метеоданных являются лимитирующим
фактором второго порядка. Использование модели EPIC, которая является непрерывной имитационной моделью, и по
которой вычисляют основные параметры культуры (биомассу, листовой индекс, высоту растения и вес корневой
системы) на каждый день, позволяет сравнивать их с данными наземных измерений или ДЗЗ и вносить корректировки в
процесс моделирования.
Отличительными особенностями предлагаемого авторами способа прогнозирования (патент РФ №2379879, опубликован
27.01.2010) являются:
1) Замена листового индекса на день расчета по модели на листовой индекс LAI, вычисленный для данной территории
по спутниковому изображению. Дальнейший расчет листового индекса после дня коррекции выполняется с
использованием ежедневных метеорологических параметров.
2) Модификация блока входных данных по солнечной радиации в модели EPIC, замена экспериментально измеренных
значений приходящей коротковолновой фотосинтетическиактивной солнечной радиации на расчетные. При этом расчет
производится через относительную влажность воздуха, ежедневно измеряемую на всех метеостанциях Росгидромета.
3) Модификация блока теплового режима почвы в модели EPIC. Расчет максимальной температуры почвы проводится
через суммарную коротковолновую солнечную радиацию, а минимальной - через эффективное излучение атмосферы.
4) Дата начала уборки при расчетах определяется по двум критериям: по прекращению наращивания сухой биомассы
растений и по падению листового индекса в ноль.
5) Прогноз урожайности для различных культур на уровне административных районов или хозяйств выдается за 30-40
дней до начала уборки.
Точность оценки листового индекса и прогнозируемой урожайности зависит то числа проведенной космической съемки
в период прироста LAI, пространственного разрешения снимков, точности определения границ полей и видового
состава культур. Возникают задачи разработки методов: оценки LAI культур на основе спутниковых оптических и РСА
изображений среднего пространственного разрешения на уровне отдельного поля; экспертной оценки площадей полей;
оценки видового состава культур с использованием РСА данных.
Оперативный прием данных ERS-2\SAR в Югорском НИИ информационных технологий на зону радиовидимости приемной
антенны ТНА-9 выполнялся с 22.06.2005 до окончания работы КА на орбите 4.07.2011. Принято и архивировано более
76 тыс. кадров. Цветовой композит из повторных витков с периодом 35 суток позволил получить полное покрытие
зерносеющих регионов Урала и Западной Сибири в 2006 и 2010 гг., Европейской части России в 2005-2010 гг.
Достоверно дешифрируются яровые и озимые зерновые культуры, многолетние травы, кукуруза, подсолнечник, паровые
поля. Использование многовременных РСА изображений с повторяющихся орбит, полученных в различные фенологические
фазы развития сельскохозяйственных растений, повышает точность автоматической классификации по алгоритмам
IsoData и K-средних на уровне отдельных полей. Перспективно использование многовременных РСА изображений
среднего разрешения для картирования неоднородности посевов в границах каждого поля в технологии точного
земледелия.
Работа выполнена при поддержке гранта ESA Category-1 ID 3158 «Agricultural applications of remote sensing in
West Siberia».