Использование современных ГИС-технологий позволяет оценивать точные размеры пахотных земель и их продуктивность, динамику сокращения сельскохозяйственных земель и вывода их из разряда сельхозугодий; выявлять негативные почвенные процессы; обнаруживать признаки поражения культур; проводить мониторинг чрезвычайных ситуаций

Продолжение. Начало см. в Пространственные данные №4 (2008)

В.Н. Темников (Главный вычислительный центр Минсельхоза России)Использование данных ДЗЗ при проведении переписи земель сельскохозяйственного назначения
А.В. Столпаков (Главный вычислительный центр Минсельхоза России)
А.А. Полищук (Главный вычислительный центр Минсельхоза России)

В.Н. Темников

А.В. Столпаков

А.А. Полищук

Выборочное уточнение контуров сельхозугодий. Для быстро развивающихся регионов, где характерным является значительное изменение границ сельскохозяйственных угодий, потребовалось обновление картографических материалов по космическим снимкам высокого разрешения, полученным непосредственно перед переписью. Использование таких данных для картографирования всех сельскохозяйственных угодий требует значительных материальных затрат, поэтому может применяться только для сильно устаревших материалов или регионов, которые представляют особый интерес.

На рис. 1 приведен пример изображения со спутника IRS на территорию АО «Приморское» (2003 г., разрешение 5 м), которое потребовалось для обновления созданных границ сельхозугодий. На рис. 2 показан пример выходных материалов — карта границ сельхозугодий АО «Приморское», имеющая пространственную привязку и предназначенная для дальнейшего использования в процессе спутникового мониторинга.

Полевые измерения. Для некоторых тестовых хозяйств проводились полевые измерения координат границ сельхозугодий. Для этого использовались высокоточные средства спутникового позиционирования. Возможно, в дальнейшем эту практику следует распространить более широко для точного определения границ угодий с целью внедрения методов так называемого прецезионного (точного) земледелия. Суть его заключается в том, что через определенные промежутки времени проводится точное картографирование конкретных полей с отбором проб почвы. На основе этих данных можно создавать карты распределения различных параметров почвы по полю, которые далее учитываются, например, при автоматическом внесении удобрений с применением приемников спутникового позиционирования, установленных на сельскохозяйственных машинах.

Рис. 1. Выборочное уточнение границ полей по снимкам высокого разрешения

Применение данных
Важным этапом выполняемых работ является определение современного состояния сельскохозяйственных угодий путем обработки архивных и текущих космических снимков низкого и среднего разрешения, полученных со спутников NOAA и Terra. При этом используются подготовленные цифровые картографические материалы, а также автоматические, полуавтоматические и ручные процедуры, которые позволяют по изображениям растительной зеленой массы, характеризуемой вегетационным индексом, определять земли, вовлеченные в сельскохозяйственный оборот. В основу положена сравнительная оценка динамики изменения вегетационного индекса растительной зеленой массы в течение года и за достаточно продолжительный период времени.

Рис. 2. Карта границ сельхозугодий АО «Приморское»

Одновременно это позволяет выявлять земли, выведенные по тем или иным причинам из сельскохозяйственного оборота, контролировать этот процесс на основе объективных данных, получаемых с помощью космических средств наблюдения.

Снимки со спутников NOAA и Terra доступны практически ежедневно и за счет невысокого разрешения обеспечивают покрытие значительных по площади территорий. Кроме данных оперативной съемки, которые автоматически поступают в ГВЦ Минсельхоза России, имеется массив цифрового материала, накопленного с 1998 г., который также может быть использован для анализа и обработки.

На рис. 3, 4 приведены примеры оперативных и архивных спутниковых изображений для АО «Приморское» и показана динамика изменения вегетационного индекса (NDVI) для различных видов использования земель.

Рис. 3. Динамика вегетационного индекса в 2003–2004 гг. (АО «Приморское»)

Изучая изменение вегетационного индекса в различные месяцы года, можно определить, какие сельскохозяйственные культуры выращиваются на поле, поскольку процессы роста и созревания различных сельскохозяйственных культур имеют свои особенности, выражающиеся в распределении объема зеленой массы во времени.

Рис. 4. Динамика вегетационного индекса в 2004 г. (АО «Приморское»)

На рис. 5 представлены вегетационные индексы для озимой пшеницы, ярового ячменя и многолетних трав в сентябре, ноябре 2003 г. и в марте, мае, июне, июле 2004 г., которые отражают наиболее характерное чередование смен растительного покрова в процессе его роста и созревания.

Рис. 5. Динамика вегетационного индекса для различных культур и земель (АО «Приморское»)

На космических снимках оттенки зеленого цвета характеризуют разную массу зеленых растений (чем гуще зеленый цвет, тем больше растительной массы). Оттенки желто-коричневого цвета свидетельствуют о фактическом отсутствии растительности (после уборки урожая или для чистых паров).

Так, в сентябре 2003 г. поле еще окрашено в зеленые тона, что означает наличие растительности в фазе созревания, а в ноябре уже имеет желто-коричневую гамму, что соответствует полностью убранному урожаю. Далее этот цвет поля сохраняется, следовательно, мы имеем чистый пар в течение 2004 г. Отсутствие каких-либо оттенков зеленого говорит о периодической обработке поля в целях борьбы с сорняками.

Для озимой пшеницы в сентябре 2003 г. поле окрашено в желто-коричневую гамму, что означает полное отсутствие растительности. В ноябре поле окрашивается в зеленые тона, что соответствует ранним всходам озимых культур. С марта по май 2004 г. интенсивность зеленых тонов возрастает, что отражает дальнейшее увеличение зеленой массы. В июне интенсивность зеленого цвета уменьшается, что соответствует созреванию зерна и пожелтению растений, уменьшению их зеленой массы, хотя общая масса увеличивается. В июле поле приобретает желто-коричневую гамму — урожай убран.

Для ярового ячменя в сентябре и ноябре 2003 г. и в марте 2004 г. поле имеет желто-коричневый цвет, соответствующий отсутствию зеленых растений. В мае и июне 2004 г. поле увеличивает интенсивность зеленого, что соответствует росту растений и началу созревания, а в июле интенсивность падает, что соответствует созреванию, пожелтению и уборке урожая яровых культур.

Для многолетних трав на всех шести снимках поле имеет незначительно меняющиеся оттенки зеленого и темно-зеленого, что идентифицирует его как поле под многолетними травами.

На рис. 6, 8 показаны примеры алгоритмов распознавания сельскохозяйственных культур и границ обрабатываемых площадей. На рис. 9, 10 представлены примеры карт обрабатываемых земель для разных территорий РФ.

Рис. 6. Анализ временных рядов вегетационного индекса NDVI и маска обрабатываемых площадей

На рис. 7 приведен пример совместной обработки полученных данных и ведомственной статистической информации. Для каждого субъекта РФ по набору основных сельскохозяйственных культур строятся ряды изменения вегетационного индекса по архивным и оперативным данным. Это позволяет найти похожую форму изменения индекса в прошлом (так называемый год-аналог) и использовать для анализа статистическую информацию по нему.

Рис. 7. Прогнозирование урожайности на основе анализа спутниковой информации по году-аналогу

Заключение
Использование современных ГИС-технологий позволяет оценивать точные размеры пахотных земель, в том числе используемых под озимые и яровые посевы, динамику сокращения сельскохозяйственных земель и вывода их из разряда сельхозугодий, продуктивность пахотных земель; выявлять негативные почвенные процессы (изменение механического и химического состава, засоление, снижение содержания гумуса, распространение засух, опустынивание); обнаруживать признаки поражения культур; проводить мониторинг чрезвычайных ситуаций (пожары, паводки, заморозки).

Рис. 8. Калибровка алгоритмов распознавания по космическим снимкам

В результате хозяйствующие субъекты и органы управления агропромышленного комплекса (АПК) федерального, регионального и местного уровней могут получать оперативную информацию о состоянии сельхозугодий и динамике созревания зерновых и иных культур, что позволит повысить эффективность производственной деятельности и качество принимаемых управленческих решений. С этой информацией логично увязываются вопросы страхования сельскохозяйственного производства, обоснованное принятие решений по объемам страховых взносов и выплат пострадавшим хозяйствам.

Рис. 9. Автоматизированный расчет площадей для Абинского района Краснодарского края

При поддержке Минсельхоза России и Федеральной службы государственной статистики России создается систематически обновляемый фонд федеральных информационных ресурсов о наличии и состоянии сельхозугодий с привязкой объектов землепользования к местности, что является новым направлением информационного обеспечения деятельности по производству и управлению в АПК России. Эти ресурсы могут использоваться всеми заинтересованными федеральными ведомствами, службами и агентствами.

Рис. 10. Автоматизированный расчет площадей для Жуковского района Калужской области