Использование спутниковых снимков для мониторинга сельскохозяйственных территорий (на примере вычисления индекса растительности для юго-восточных территорий Краснодарского края)

Сельскохозяйственные ландшафты – наиболее распространенные среди антропогенных комплексов. К ним относятся пашни, сады, плантации и сеяные луга, травяно-кустарниковые пастбища и луга антропогенного происхождения. Выделяют три основных типа сельскохозяйственных ландшафтов: полевой, садовый, лугово-пастбищный.

Полевой тип ландшафта характеризуется ежегодной перепашкой почвенного слоя с внесением в него удобрений и созданием искусственных фитоценозов. Если учесть, что общий объем пахового слоя составляет около 4 тыс. км, то его перепашка огромный, геологических масштабов, процесс по перемещению вещества [4].

Одной из стандартных «подложек» для отображения объектов, процессов и событий является картографическая информация. Одна из ее разновидностей – спутниковые или космические снимки, или более корректно, данные дистанционного зондирования, поскольку они могут быть получены не только из космоса, но и, например, с аппаратов воздушного базирования [1].

Сельскохозяйственные ландшафты играют огромную роль в жизни человека. Являясь продуктом деятельности человек, данные территории обеспечивают работой и продовольствием местной население, а уровень урожайности напрямую влияет на экономическую ситуацию в стране. Вполне естественно, что сельскохозяйственные территории требуют постоянного мониторинга своего состояния.

Существует большое количество способов наблюдения за состоянием агроладшафтов, начиная от ингредиентного мониторинга, и заканчивая дистанционными методами. К таким дистанционным методам и относится использование материалов аэрокосмической съемки. Основным отличием между аэрофотосъемкой и спутниковыми изображениями площадь «зафиксированной» территории.

Технологии космического мониторинга позволяют эффективно отслеживать различные аспекты сельскохозяйственной деятельности. Съемки из космоса обеспечивают проведение инвентаризации сельскохозяйственных земель, выполнение оперативного контроля состояния посевов на различных стадиях, позволяют выявлять процессы деградации земельных ресурсов, определять потенциальные угрозы для посевов и решать многие другие задачи агропромышленного комплекса [3].

Один и инструментов оценки состояния сельскохозяйственных территорий является индекс 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. Вычисляется по следующей формуле:

№И -

NIR - RED

NIR + RED

Согласно этой формуле, плотность растительности (NDVI) в определенной точке изображения равна разнице интенсивностей отраженного света в красном и инфракрасном диапазоне, деленной на сумму их интенсивностей [2].

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 растительный покров от прочих природных объектов [3].

Данного рода индекс был рассчитан для территории юго-восточной части Краснодарского края (рисунок 1). За основу были взяты снимки Landsat 8, находящиеся в диапазоне 4 и 5 каналов.

Рисунок – 1 Расчет индекса NDVI для территории юго-востоной части Краснодарского края

По итогу всей работы была получена вегетационная модель югозападных район Краснодарского края. Эта технология отлично показала себя в качестве анализатора уровня растительности на сельскохозяйственных территориях, отталкиваясь от этого, можно сказать, что NDVI также позволяет эффективно оценить уровень урожайности сельскохозяйственных плантаций, а также выявить потенциальные пожароопасные зоны.