Кореляція супутникового індексу площі листкової поверхні (LAI) з фактичною врожайністю
DOI:
https://doi.org/10.36023/ujrs.2023.10.3.238Ключові слова:
індекс площі листкової поверхні LAI, фактична врожайність сільськогосподарських культур, кореляція, супутникові даніАнотація
Основною метою цієї статті було дослідити кореляцію між фактичною врожайністю сільськогосподарських культур та індексом площі листкової поверхні (LAI) за супутниковими даними Sentinel-2. Для цього було зроблено наступні кроки. 1) Зібрано набір даних фактичної врожайності для 2364 полів в Україні (зокрема, у Вінницькій, Хмельницкій та Черкаській областях), що представлений наступними сільськогосподарськими культурами: кукурудза, соя, соняшник, озима пшениця, озимий ріпак та озимий ячмінь. 2) Створено набір даних індексу листкової поверхні (LAI) за супутниковими даними Sentinel-2 за період 2016-2018 рр. відповідно до наявної фактичної врожайності. 3) Попередня обробка LAI. Просторове усереднення значень індексу листкової поверхні по полю. Часова інтерполяція/екстраполяція значень LAI для заповнення пробілів у часових рядах (створення регулярного часовогу ряду з інтервалом 1 день) з використанням 4 методів: лінійна інтерполяція, інтерполяція сплайном, LOCF («останнє спостереження перенесено вперед») та інтегрована модель авторегресії – ковзного середнього (ARIMA). Згладжування динаміки часових рядів з використанням функції локальної поліноміальної регресії (LOESS) з різним ступенем згладжування. Осереднення значень LAI у часі. 4) Кореляція фактичної врожайності та LAI для всіх можливих варіантів попереднього опрацювання LAI.
В результаті проведеного аналізу не було виявлено сильний кореляційний зв’язок (найвищий коефіцієнт кореляції для кукурудзи – 0,4; для сої – 0,52; для соняшнику – 0.39, для озимого ячменю – 0,86; для озимого ріпаку – 0,54 та для озимої пшениці – 0,5). Спостерігається залежність коефіцієнтів кореляції та кількості сільськогосподарських полів (8 полів озимого ячменю мають сильний коефіцієнт кореляції – 0,86, а 998 полів соняшнику мають слабкий коефіцієнт кореляції – 0,39). Середній коефіцієнт кореляції для всіх культур становить близько 0,5. Таким чином, лінійна модель прогнозування врожайності, з використанням в якості предиктора лише індекса площі листкової поверхні (LAI), отриманого з Sentinel-2, не буде ефективною (на основі розглянутих випадків). Саме тому, на нашу думку, кращим способом використання LAI в аспекті прогнозування майбутньої врожайності є його асиміляція у біофізичні моделі.
В результаті проведеного аналізу не було виявлено сильний кореляційний зв’язок (найвищий коефіцієнт кореляції для кукурудзи – 0,4; для сої – 0,52; для соняшнику – 0.39, для озимого ячменю – 0,86; для озимого ріпаку – 0,54 та для озимої пшениці – 0,5). Спостерігається залежність коефіцієнтів кореляції та кількості сільськогосподарських полів (8 полів озимого ячменю мають сильний коефіцієнт кореляції – 0,86, а 998 полів соняшнику мають слабкий коефіцієнт кореляції – 0,39). Середній коефіцієнт кореляції для всіх культур становить близько 0,5. Таким чином, лінійна модель прогнозування врожайності, з використанням в якості предиктора лише індекса площі листкової поверхні (LAI), отриманого з Sentinel-2, не буде ефективною (на основі розглянутих випадків). Саме тому, на нашу думку, кращим способом використання LAI в аспекті прогнозування майбутньої врожайності є його асиміляція у біофізичні моделі.
Посилання
Aboelghar, M., Arafat, S., Saleh, A., Naeem, S., Shirbeny, M., & Belal, A. (2010). Retrieving leaf area index from SPOT-4 satellite data. Egyptian Journal of Remote Sensing, 13, 121–127.
Aboelghar, M., Arafat, S., Abo Yousef, M., El-Shirbeny, M., Naeem, S., Massoud, A., & Saleh, N. (2011). Using SPOT data and leaf area index for rice yield estimation in Egyptian Nile delta. The Egyptian Journal of Remote Sensing and Space Science, 14, 81–89.
Asner, G. P., Scurlock, J. M. O., Hicke, J. A. (2003). Global synthesis of leaf area index observations: Implications for ecological and remote sensing studies. Glob. Ecol. Biogeogr., 12, 191–205.
Baret, F., Guyot, G. (1991). Potentials and limits of vegetation indices for LAI and APAR assessment. Remote. Sens. Environ., 35, 161–173.
Baghzouz, M., Devitt, D. A., Fenstermaker, L., Young, M. H. (2010). Monitoring Vegetation Phenological Cycles in Two Different Semi-Arid Environmental Settings using a Ground-Based NDVI System: A Potential Approach to Improve Satellite Data Interpretation. Remote. Sens., 2, 990–1013.
Broge, N., Leblanc, E. (2001). Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote. Sens. Environ., 76, 156–172.
Campos-Taberner, M., García-Haro, F., Camps-Valls, G., Muedra, G. A. G., Nutini, F., Crema, A., & Boschetti, M. (2016). Multitemporal and multiresolution leaf area index retrieval for operational local rice crop monitoring. Remote. Sens. Environ., 187, 102–118.
Charbonnier, F. (2013). Measuring and Modeling Light, Water and Carbon Budgets and Net Primary Productivity in a Coffee-based Agroforestry System of Costa Rica. Ph.D. Thesis, Université de Lorraine, Lorraine, France.
Chen, J. M., Black, T. A. (1992). Defining leaf area index for non-flat leaves. Plant Cell Environ., 15, 421–429.
Cleveland, W. S., Grosse, E., Shyu, W. M. (2017). Local regression models. In Statistical models in S. Routledge (pp. 309–376).
Curnel, Y., Wit, A. J. W., Duveiller, G., & Defourny, P. (2011). Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS Experiment. Agricultural and Forest Meteorology, 151, 1843–1855.
Deering, D. W. (1978). Rangeland Reflectance Characteristics Measured by Aircraft and Spacecraft Sensors. Ph. D. Thesis, Texas A&M Universtiy, College Station, TX, USA.
Dente, L., Satalino, G., Mattia, F., Rinaldi, M. (2008). Assimilation of leaf area index derived from ASAR and MERIS data into CERES-Wheat model to map wheat yield. Remote. Sens. Environ., 112, 1395–1407.
Fang, H., Liang, S., Hoogenboom, G. (2011). Integration of MODIS LAI and vegetation index products with the CSM–CERES–Maize model for corn yield estimation. Int. J. Remote Sens., 32, 1039–1065.
Fassnacht, K. S., Gower, S. T., MacKenzie, M. D., Nordheim, E. V., & Lillesand, T. M. (1997). Estimating the leaf area index of North Central Wisconsin forests using the landsat thematic mapper. Remote. Sens. Environ., 61, 229–245.
Féret, J.-B., Gitelson, A., Noble, S., Jacquemoud, S. (2017). PROSPECT-D: Towards modeling leaf optical properties through a complete lifecycle. Remote. Sens. Environ., 193, 204–215.
He, L., Wang, R., Mostovoy, G., Liu, J., Chen, J. M., Shang, J., Liu, J., McNairn, H., & Powers, J. (2021). Crop Biomass Mapping Based on Ecosystem Modeling at Regional Scale Using High Resolution Sentinel-2 Data. Remote Sensing, 13(4), 806, 1–23.
Hinkle, D. E., Wiersma, W., Jurs, S. G. (2003). Applied statistics for the behavioral sciences, 5th ed.; Boston, Mass. : Houghton Mifflin, USA.
Huete, A. (1988). A soil-adjusted vegetation index (SAVI). Remote. Sens. Environ., 25, 295–309.
Huete, A., Justice, C., van Leeuwen, W. (1996). MODIS Vegetation Index (MOD13), EOS MODIS Algorithm; Theoretical basis document; NASA Goddard Space Flight Center: Greenbelt, MD, USA.
Huete, A. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote. Sens. Environ., 59, 440–451.
Jarlan, L., Balsamo, G., Lafont, S., Beljaars, A., Calvet, J. C., & Mougin, E. (2008). Analysis of leaf area index in the ECMWF land surface model and impact on latent heat and carbon fluxes: Application to West Africa. J. Geophys. Res. Space Phys., 113, 113.
Jung, M., Reichstein, M., Ciais, P., Seneviratne, S. I., Sheffield, J., Goulden, M. L., Bonan, G., Cescatti, A., Chen, J., De Jeu, R. et al. (2010). Recent decline in the global land evapotranspiration trend due to limited moisture supply. Nature, 467, 951–954.
Kayad, A., Rodrigues, Jr. F. A., Naranjo, S., Sozzi, M., Pirotti, F., Marinello, F., Schulthess, U., Defourny, P., Gerard, B., & Weiss, M. (2022). Radiative transfer model inversion using high-resolution hyperspectral airborne imagery-Retrieving maize LAI to access biomass and grain yield. Field Crops Research, 282, 1–12.
Kryvobok, O., Kryvoshein, O., Adamenko, T. (2018). Peculiarities of technological adaptation of the cgms system for agricultural crops monitoring in Ukraine. Ukrainian hydrometeorological journal, 22, 64–79.
Kryvoshein, O., Kryvobok, O., Adamenko, T. (2020). Satellite-based system of area estimation for main agricultural crops of ukraine. Ukrainian hydrometeorological journal, 26, 78–90.
Liu, Y., Su, L., Wang, Q., Zhang, J., Shan, Y., & Deng, M. (2020). Comprehensive and quantitative analysis of growth characteristics of winter wheat in China based on growing degree days. Advances in Agronomy, 159, 237–273.
Ma, G., Huang, J., Wu, W., Zou, J., & Wu, S. (2013). Assimilation of MODIS-LAI into the WOFOST model for forecasting regional winter wheat yield. Mathematical and Computer Modelling, 58, 634–643.
Mourad, R., Jaafar, H., Anderson, M., & Gao, F. (2020). Assessment of leaf area index models using harmonized Landsat and Sentinel-2 surface reflectance data over a semi-arid irrigated. Remote Sens., 12(19), 3121.
Myneni, R. B., Hoffman, S., Knyazikhin, Y., Privette, J. L., Glassy, J., Tian, Y., Wang, Y., Song, X., Zhang, Y., Smith, G. R. et al. (2002). Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data. Remote. Sens. Environ., 83, 214–231.
Peng, X., Han, W., Ao, J., & Wang, Y. (2021). Assimilation of LAI derived from UAV multispectral data into the SAFY model to estimate maize yield. Remote Sensing, 13(6), 1094.
Reyes-González, A., Kjaersgaard, J., Trooien, T., Sánchez, D. G. R., Sánchez-Duarte, J. I., Preciado-Rangel, P., & Fortis-Hernandez, M. (2019). Comparison of Leaf Area Index, Surface Temperature, and Actual Evapotranspiration Estimated using the METRIC Model and In Situ Measurements. Sensors, 19, 1857.
Taugourdeau, S., Le Maire, G., Avelino, J., Jones, J. R., Ramirez, L. G., Quesada, M. J. Charbonnier, F., Gómez-Delgado, F., Harmand, J. M., Rapidel, B. et al. (2014). Leaf area index as an indicator of ecosystem services and management practices: An application for coffee agroforestry. Agric. Ecosyst. Environ., 192, 19–37.
Tewes, A., Hoffmann, H., Krauss, G., Schäfer, F., Kerkhoff, C., & Gaiser, T. (2020). New approaches for the assimilation of LAI measurements into a crop model ensemble to improve wheat biomass estimations. Agronomy, 10(3), 446.
Van den Hurk, B. J., Viterbo, P., & Los, S. O. (2003). Impact of leaf area index seasonality on the annual land surface evaporation in a global circulation model. J. Geophys. Res. Space Phys., 108, 108.
Viña, A., Gitelson, A., Nguy-Robertson, A. L., & Peng, Y. (2011). Comparison of different vegetation indices for the remote assessment of green leaf area index of crops. Remote. Sens. Environ., 115, 3468–3478.
Weiss, M., Baret, F. (2016). S2ToolBox Level 2 products: LAI, FAPAR, FCOVER, Version 1.1. In ESA Contract nr 4000110612/14/I-BG; INRA Avignon: Paris, France.
Yan, G., Hu, R., Luo, J., Weiss, M., Jiang, H., Mu, X., Xie, D., & Zhang, W. (2019). Review of indirect optical measurements of leaf area index: Recent advances, challenges, and perspectives. Agricultural and forest meteorology, 265, 390–411.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: автори зберігають авторські права та надають журналу право першої публікації на твір, одночасно ліцензований за міжнародною ліцензією Creative Commons Attribution License International CC-BY, що дозволяє іншим поділитися твором з підтвердженням авторства твору та первинною публікацією в цьому журналі.
Автори, направляючи рукопис у редакцію «Українського журналу дистанційного зондування Землі», погоджуються з тим, що редакції передаються права на захист і використання рукопису (переданого до редакції журналу матеріалу, в т. ч. такі об’єкти авторського права як фотографії автора, рисунки, схеми, таблиці тощо), в тому числі на відтворення у пресі та мережі Інтернет, на поширення, на переклад рукопису на будь-які мови, експорту та імпорту примірників журналу зі статтею авторів з метою розповсюдження, на доведення до загального відома. Зазначені вище права автори передають редакції без обмеження терміну і на території всіх країн світу без обмеження в т. ч. на території України.
Автори гарантують наявність у них виняткових прав на використання переданого редакції матеріалу. Редакція не несе відповідальності перед третіми особами за порушення даних авторами гарантій. За Авторами залишається право використання їх опублікованого матеріалу, його фрагментів і частин в особистих, у тому числи наукових і освітянських цілях. Права на рукопис вважаються переданими Авторами редакції з моменту підписання до друку випуску журналу, в якому він публікується. Передрук матеріалів, опублікованих у журналі, іншими фізичними та юридичними особами можливий тільки зі згоди редакції, з обов’язковим зазначенням випуску журналу, в якому було опубліковано матеріал.
