Артем Беленков, Панорама Консалтинг (Украйна), Яна Липийска, Геодетект ЕООД
Земята заема особено важно място в селското стопанство. Най-ценното за селскостопанското производство е плодородната почва. Почвата е главният фактор, който осигурява отглеждането на определено количество конкретна продукция. Главните въпроси на съвременния аграрен отрасъл са свързани със запазване и повишаване плодородието на почвата, повишаване на добивите и по-нататъшно увеличаване производството на селскостопанските култури.
Важно значение за съхраняване плодородието на почвата и рационалното земеползване има правилният сеитбооборот. Сеитбооборотът способства за попълване и по-добро използване на хранителните вещества на почвата и подобренията, повишаване и поддържане на благоприятни физични свойства, защита на почвата от водна и ветрова ерозия, предпазване разпространението на плевели, болести и вредители по селскостопанските култури. В резултат на добре проведения и научнообоснован сеитбооборот значително се повишават плодородието на почвата и добивите от селскостопанските култури. При използване на стандартни наземни методи контролът на сеитбооборота е значително затруднен. Поради това за тези цели е необходимо използване на съвременни методи като дистанционни изследвания на Земята (ДИЗ) от космоса и геонформационни технологии.
Космическите снимки, получени в различните диапазони на електромагнитния спектър на излъчване, се разглеждат като най-обективен и оперативен източник на информация за състоянието на растителността и активно се използват за решаване на широк кръг от задачи в селското стопанство по цял свят. При космическия мониторинг тази информация може да се получава за една и съща територия с необходимата периодичност, което позволява да се следи за плодородието на земеделските земи. За ефективното използване на данните от мониторинга при изучаване на почвената покривка, са необходими теоретични и методични разработки за анализ на показателите на плодородието по космически снимки.
По-долу са разгледани възможности за практическо използване на данните от ДИЗ за изучаване на някои фактори, влияещи на плодородието на почвата.
Като изходни данни за изследването са използвани:
– мултиспектрални данни, получени от сензора OLI (Operational Land Imager) на космическия апарат (KA) Landsat 8от 14.06.2013 и 30.06.2013 г.;
– схема на полетата със селскостопански култури на стопанство в Полтавска област (Украйна);
– данни за сеитбооборота на това стопанство за 2010-2013 г.
Използват се продуктите, разработени от Конструкторско бюро (КБ) „Панорама” (Москва, Русия).
На първият етап от работата с програмата ГИС „Карта 2011“ е създадена векторна карта на полетата със селскостопанските култури, отчитайки данните от сеитбооборота. На всяко земеделско поле в базата данни със семантична информация са присвоени характеристики, съответстващи на посевите в периода 2010-2013 г. (фиг.1). Картата на полетата е наложена върху импортираните в ГИС „Карта 2011“ изображения, получени с KA Landsat 8 от 14.06.2013 и 30.06.2013 г.
Фиг.1. Векторна карта на полетата със селскостопански култури с информация за посевите за периода 2010-2013 г.
Изображенията с KA Landsat 8са много подходящи за автоматично дешифриране на земната повърхност, в частност на земеделските земи. Главното им предимство е, че са със свободен достъп. Освен това с появяването на KA Landsat 8,който бе изведен в орбита на 13 февруари 2013 г., се появиха нови възможности за анализ, в сравнение с данните, получени с KA Landsat 7. В снимачната апаратура, използвана в KA Landsat 8,са добавени нови спектрални канали. Особено ценен за анализ на спътникови изображения е спектралният канал 9 с наименованието „перести облаци”, покриващ тясната ивица дължини на вълните от 1,380 до 1,390 мкм. Не са много КА, които регистрират тази област от спектъра, понеже тя почти изцяло се поглъща от атмосферата. Предимството на данните, получени от KA Landsat 8в този диапазон е в това, че най-ярките обекти, видими на космическата снимка, или имат добра отражателна способност, или се намират извън атмосферата. Така в този диапазон са видими само облаците, които обикновено представляват проблем при космическите снимки. Поради размитите им контури те лошо се различават в другите диапазони, а изображенията, получени през тях, могат да имат значителни изкривявания. Следователно с помощта на данните, получени от OLI KA Landsat 8лесно може да се проследи един от факторите, влияещи на резултата от дешифрирането – „метеорологични условия в момент на снимка”.
Следващият етап е определянето по космически снимки на участъците – селскостопански полета с различни култури. Технологията за определяне на тези участъци е основана на метода на контролируемата класификация. За нейната реализация е разработен и интегриран в базовата версия на ГИС „Карта 2011“ програмен модул за обработка на мултиспектрални космически снимки.
За тестови участъци са избрани полета, на които растат зимна пшеница и соя. Първо се обработват участъците, засети със зимна пшеница, тъй като тази селскостопанска култура има добри отражателни характеристики и резултатите от обработката на нови космически снимки лесно може да се сравнят с данните, получени в период, когато на полетата освен зимни култури нищо друго не е расло.
Съгласно информацията от сеитбооборота, в стопанството има само пет полета, на които расте зимна пшеница. Три от тях са приети за еталон при автоматичното разпознаване. Опирайки се на статистическите данни и построените по космически снимки хистограми (фиг.2.) на трите полета, избрани за еталони, са определени общите диапазони от спектралните отражателни характеристики на пикселите от снимките на 14 и 30 юни 2013 г. за всеки от шестте спектрални канала на камерата OLI KA Landsat 8. (фиг.3.) Получените резултати са необходими за по-нататъшно определяне по други космически снимки на участъци, на които расте зимна пшеница.
Фиг.2. Примери за анализ на данните.
Фиг.3. Таблица на определените на общи диапазони за трите полета, избрани за еталони.
На основата на получените общи диапазони със спектрални отражателни характеристики бе извършено попикселно отделяне на участъците с такива характеристики на отражение, т.е. отделени са всички полета, на които в този момент е растяла зимна пшеница. Построяването на маски бе извършено по три видими спектрални канала на камерата OLI – 2, 3 и 4 (фиг.4.), тъй като инфрачервените канали за дадените цели се оказаха неинформативни. Отделянето на участъците по описаната технология бе извършено както за снимката от 14 юни, така и за тази от 30 юни 2013 г.
Фиг.4. Построяване на маски за зададени пиксели по три видими спектрални канала на камерата OLI.
Важен момент при обработката на по-късната снимка (30 юни 2013 г.) е наличието на гъст дим и облачност в района на изследването, поради което данните, получени по някои еталонни полета, не бяха отчетени при обработката. Резултатът от класификацията по двете космически снимки е показан на фиг.5.
Фиг.5. Резултат от класификацията на участъци по тип селскостопански култури. Вляво участъци, отделени по снимката от 14 юни 2013 г., и вдясно – по снимката от 30 юни 2013 г.
Резултатите от класификацията на участъците по тип селскостопански култури на снимките с камерата OLI KA Landsat 8 показаха, че разработеният метод е подходящ за проследяване на правилността на сеитбооборота. Така например на фиг. 6 е видно, че поле № 9, на което по план е посят пролетен ечемик, се класифицира като участък, на който расте зимна пшеница. Поле № 2, на което също е бил посят пролетен ечемик, има спектрални характеристики на отражение на пикселите, които не съответстват на зимна пшеница. Следователно може да се каже, че на поле № 9 е била посята зимна пшеница, което не съответства на заявения план. По този начин е възможно практически да се следи сеитбооборота по данни от ДИЗ с използване на геоинформационни технологии.
Фиг.6. Възможни несъвпадения в сеитбооборота. Със стрелки е показано полето, на което по план е трябвало да бъде посят пролетен ечемик.
Трябва да се отбележи, че при провеждане на такива оценки е необходимо да се помни, че крайните показатели на разпознаване на селскостопанските култури по космически снимки съществено зависят от множество фактори: състоянието на растението в момента на снимката, неговата вегетационна фаза, природните условия и т.н. Следователно преди да се започне работа, трябва да се получи информация за растителността, наземната обстановка и други показатели, които да бъдат отчетени при провеждане на класификацията. В противен случай резултатите могат да не съответстват на действителността.
Предложената методика позволява разпознаването на различни селскостопански култури по снимки, получени от камера OLI KA Landsat 8, да се следи за динамиката на посевите, да се осъществява контрол върху някои показатели, които съществено влияят на почвата и нейното плодородие, също да се наблюдава за състоянието на порастване на филизите. Резултатите от анализа показват, че в процеса на разпознаване е необходимо да се отчитат редица фактори, от които зависят спектралните отражателни характеристики на растителността.
Следващата стъпка е публикуване на резултатите от мониторинга на земеделските земи по данни от ДИЗ на тематични геопортали. Слоевете с пространствени данни се предоставят на клиентите във вид на геоуслуги. Поддържат се протоколите на Open GIS Consortium: WMS, WMTS, WFC и WCS.
КБ „Панорама” разработи ГИС „Панорама Мини” версия 11.12.10. Новата версия включва средства за автоматизирано създаване на приложни XSD-схеми за публикуване на геопространствени данни в Интернет. Схемата се създава на базата на класификатори, описващи видовете обекти (featureMember), техните атрибути (метаданни за обектите), формата и диапазона на приеманите стойности, координатна информация и др., съхранявани във формат GML (XML) или geoJSON.
Приложните схеми могат да се проектират и с помощта на класификаторите, достъпни свободно на сайта на КБ „Панорама”. Тези класификатори са изготвени в съответствие с нормативните документи за даденото направление (наземна, морска и въздушна навигация, териториално планиране, съобщения, селско стопанство, картография, геология, горско стопанство, извънредни ситуации и др.).
В менюто „файл” на новата версия са включени командите за импорт/експорт на данни във формати GML (XML) и geoJSON по създадените схеми. Това позволява както предварителното тестване на създадените схеми за пълнота и коректност, така и съответствието между условните знаци и изискванията на нормативните документи. Възможна е и обратна настройка на класификатора (имена на обекти и атрибути, състав и стойности на атрибутите и др.) спрямо документите и стандартните XSD схеми с проверка за коректност на формираните данни и тяхното символизиране с условни знаци. Готовите схеми могат да се прилагат в GIS WebService SE и GIS WebServer SE за изграждане на информационни системи, обединяващи мобилни и настолни клиенти, използващи общ интерфейс за публикуване на пространствени данни. Приложните схеми могат да се използват и за автоматизирано формиране на структури от геоданни, използващи сървърна база данни (PostgreSQL, MS SQL Server, Oracle) и програми като ГИС Сървър и SpatialDB Service SE на операционни системи Linux и Windows.
