Wykorzystanie syntezy danych satelitarnych Sentinel-1 i Sentinel-2 do opracowania map zmiennego nawożenia azotem rzepaku ozimego
Streszczenie
Celem prezentowanego badania było opracowanie map aplikacyjnych zmiennego nawożenia azotem rzepaku ozimego, poprzez modelowanie wskaźnika pokrycia liściowego (Leaf Area Index - LAI) z wykorzystaniem danych Sentinel-1 (S-1) i Sentinel-2 (S-2). Użyte dane teledetekcyjne i dane in-situ zebrano podczas dwóch sezonów wegetacyjnych z różnych regionów w Polsce. Współczynnik wstecznego rozpraszania obliczony na podstawie S-1 został zastosowany jako dane wejściowe do modelowania wskaźnika LAI z wykorzystaniem kilku technik regresji. Ze względu na charakterystykę zobrazowań radarowych, LAI było szacowane jako wartość średnia dla pojedynczego pola osiągając najlepsze wyniki dla algorytmu Random Forest (R2 = 0.85; RMSE = 0.41). W celu zwiększenia precyzji wymaganej przy zabiegach agrotechnicznych wykorzystano zależność pomiędzy LAI wyznaczonym na podstawie ostatniego dostępnego bezchmurnego zdjęcia S-2 i LAI modelowanym przy użyciu S-1. Pozwoliło to na uzyskanie przestrzennego zróżnicowania w obrębie pola do poziomu piksela 10 m × 10 m dla okresu z zachmurzeniem. Przygotowana w procesie syntezy danych S-1 i S-2 mapa LAI pozwoliła oszacować dotychczas pobraną przez rzepak ilość azotu. Na tej podstawie dostosowano dawkę nawozu do aktualnych potrzeb roślin oraz opracowano mapę aplikacyjną.
Badanie wykazało potencjał i użyteczność syntezy danych S-1 i S-2 do opracowywania map aplikacyjnych zmiennego nawożenia, gdyż umożliwia ich tworzenie również w okresie niedostępności aktualnych danych optycznych. Proponowana metoda może stanowić uzupełnienie dla rozwiązań stosowanych obecnie w rolnictwie precyzyjnym.
Przesłano 16.11.2023; Zaakceptowano 22.12.2023; Opublikowano 29.12.2023
Słowa kluczowe:
Pełny tekst:
PDFBibliografia
Boori, M. S., Choudhary, K., Paringer, R., Sharma, A. K., Kupriyanov, A., & Corgne, S., 2019:
Monitoring crop phenology using NDVI time series from Sentinel 2 satellite data. 5th Int Conf
on Frontiers of Signal Processing (ICFSP) 2019: 62-66.
Campos-Taberner, M.; García-Haro, F.J.; Busetto, L.; Ranghetti, L.; Martínez, B.; Gilabert, M.A.;
Camps-Valls, G.; Camacho, F.; Boschetti, M., 2018: A Critical Comparison of Remote Sensing
Leaf Area Index Estimates over Rice-Cultivated Areas: From Sentinel-2 and Landsat-7/8 to
MODIS, GEOV1 and EUMETSAT Polar System. Remote Sens. 10, 763.
Caballero, G., Pezzola, A., Winschel, C.; Casella, A., Sanchez Angonova, P., Orden, L., et al., 2022:
Quantifying Irrigated Winter Wheat LAI in Argentina Using Multiple Sentinel-1 Incidence
Angles. Remote Sensing 14, 5867.
Harfenmeister, K., Spengler, D., Weltzien, C., 2019: Analyzing Temporal and Spatial
Characteristics of Crop Parameters Using Sentinel-1 Backscatter Data. Remote Sensing 11,
Mandal, D., Kumar, V., Bhattacharya, A., Rao, Y., McNairn, H., 2018: Crop Biophysical Parameters
Estimation with a Multi-Target Inversion Scheme using the Sentinel-1 SAR Data. " IGARSS
” - IEEE International Geoscience and Remote Sensing Symposium, 6611–6614.
Meier, U., 1997: Growth stages of mono- and dicotyledonous plants. Blackwell Wissenschafts-
Verlag.
Ndikumana, E., Ho Tong Minh, D., Dang Nguyen, H.T., Baghdadi, N., Courault, D., Hossard, L.,
et al., 2018: Estimation of Rice Height and Biomass Using Multitemporal SAR Sentinel-1 for
Camargue, Southern France. Remote Sensing 10, 1394.
Pahlmann, I., Böttcher, U., Henning Kage, H., 2017: Developing and testing an algorithm for sitespecific
N fertilization of winter oilseed rape. Computers and Electronics in Agriculture, Volume
, 228-237.
Podleśna, A., 2014: Potrzeby pokarmowe i nawożenie rzepaku ozimego. Studia i raporty Instytutu
Uprawy Nawożenia i Gleboznawstwa, Zeszyt 37(11), 111-125.
Rozporządzenie Rady Ministrów z dnia 31 stycznia 2023 r. w sprawie "Programu działań mających
na celu zmniejszenie zanieczyszczenia wód azotanami pochodzącymi ze źródeł rolniczych oraz
zapobieganie dalszemu zanieczyszczeniu", Dz. U. 2023 poz. 244
Ting, D., 2017: The impact of Leaf Area Index on rainfall interception and the potential to estimate
it using Sentinel-1 observations. Masters thesis, University of Twente, The Netherlands.
http://essay.utwente.nl/83328/ (dostęp: 31.10.2023)