Using SAR Data for Monitoring of Agricultural Crops in the South of the Russian Far East

封面

如何引用文章

全文:

详细

The use of SAR data to monitoring agricultural crops is a promising area of research designed to complement existing methods and technologies based on the analysis of multispectral images. The main advantages of vegetation indices calculated from SAR data include their sensitivity to the polarimetric properties of the backscatter intensity, its scattering characteristics, and independence from cloud cover. This is especially important for the territory of the south of the Russian Far East, whose monsoon climate provides humid and cloudy weather during the period when crops gain maximum biomass. For arable lands in the Khabarovsk Territory and the Amur Region, a total of 64 Sentinel-1 SAR images were obtained from May to October 2021. For each date, the values of the DpRVI, RVI, VH/VV indices were calculated and time series were constructed for the entire observation period for individual fields (342 fields in total). NDVI time series were constructed from Sentinel-2 multispectral images using a cloud mask. The characteristics of time series extremes were calculated for different types of arable land: soybeans, oats, and fallows. It was shown that for each crop the seasonal curves DpRVI, RVI, VH/VV had a characteristic appearance. It was found that the DpRVI demonstrated the highest stability – the coefficients of variation of the seasonal variation of DpRVI were significantly lower than those for RVI and VH/VV. It was also revealed that the similarity between the curves of these indices remained for regions quite distant from each other - the Khabarovsk Territory and the Amur Region. The main characteristics of the seasonal variation of time series of radar indices were calculated in comparison with NDVI - the magnitude of the maximum, the date of the maximum and the values of the coefficient of variation for these indicators. It was found, firstly, that the values of these indicators in different regions are similar to each other; secondly, the variability of the maximum and the day of the maximum for DpRVI is lower than for RVI and VH/VV; thirdly, the variability of the maximum and the day of the maximum for DpRVI is comparable to NDVI. Thus, time series of radar indices DpRVI, RVI, VH/VV for the main types of agricultural lands in the south of the Far East have distinctive features and can be used in classification problems, yield modeling and crop rotation control.

作者简介

A. Verkhoturov

Computing Center of the Far Eastern Branch of the Russian Academy of Sciences (CC FEB RAS)

Email: andrey@ccfebras.ru
Kim Yu Chen St. 65

A. Stepanov

Far Eastern Research Institute of Agriculture (FEARI)

Email: stepanfx@mail.ru
Clubnaya St. 13

L. Illarionova

Computing Center of the Far Eastern Branch of the Russian Academy of Sciences (CC FEB RAS)

Email: illarionova_l@list.ru
Kim Yu Chen St. 65

参考

  1. Якушев В.П., Захарян Ю.Г., Блохина С.Ю. Состояние и перспективы использования дистанционного зондирования Земли в сельском хозяйстве // Современные проблемы дистанционного зондирования земли из космоса. 2022. Т. 19. № 1. С. 287–294.
  2. Fisette T., Rollin P., Aly Z., Campbell, L., Daneshfar, B., Filyer, P., Smith A., Davidson A., Shang J., Jarvis I. AAFC annual crop inventory // Second International Conference on Agro-Geoinformatics (Agro-Geoinformatics). 2013. pp. 270–274.
  3. Лупян Е.А., Барталев С.А., Толпин В.А., Жарко В.О., Крашенинникова Ю.С., Оксюкевич А.Ю. Использование спутникового сервиса ВЕГА в региональных системах дистанционного мониторинга // Современные проблемы дистанционного зондирования земли из космоса. 2014. Т. 11. № 3. С. 215–232.
  4. Лупян Е.А., Прошин А.А., Бурцев М.А., Кашницкий А.В., Балашов И.В., Барталев С.А., Бриль А.А., Егоров В.А., Жарко В.О., Константинова А.М., Кобец Д.А., Мазуров А.А., Марченков В.В., Матвеев А.М., Миклашевич Т.С., Плотников Д.Е., Радченко М.В., Стыценко Ф.В., Сычугов И.Г., Толпин В.А., Уваров И.А., Хвостиков С.А., Ховратович Т.С. Система «Вега-Science»: особенности построения, основные возможности и опыт использования // Современные проблемы дистанционного зондирования земли из космоса. 2021. Т. 18. № 6. С. 9–31.
  5. Денисов П.В., Трошко К.А., Лупян Е.А., Толпин В.А. Возможности и опыт использования информационной системы ВЕГА-PRO для мониторинга сельскохозяйственных земель // Вычислительные технологии. 2022. Т. 27. № 3. С. 66–83.
  6. Macelloni G., Paloscia S., Pampaloni P., Ruisi R., Dechambre M., Valentin R., Chanzy A., Prevot L., Bruguier N. Modelling radar backscatter from crops during the growth cycle // Agronomie. 2002. vol. 22. № 6. pp. 575–579.
  7. Blaes X., Defourny P., Wegmuller U., Della Vecchia A., Guerriero L., Ferrazzoli P. C-band polarimetric indexes for maize monitoring based on a validated radiative transfer model // IEEE Transactions on Geoscience and Remote Sensing. 2006. vol. 44. no. 4. pp. 791–800.
  8. McNairn H., Champagne C., Shang J., Holmstrom D., Reichert G. Integration of optical and Synthetic Aperture Radar (SAR) imagery for delivering operational annual crop inventories // ISPRS Journal of Photogrammetry and Remote Sensing. 2009. vol. 64. no. 5. pp. 434–449.
  9. Mercier A., Betbeder J., Baudry J., Le Roux V., Spicher F., Lacoux J., Roger D., Hubert-Moy L.. Evaluation of Sentinel-1 & 2 time series for predicting wheat and rapeseed phenological stages // ISPRS Journal of Photogrammetry and Remote Sensing. 2020. vol. 163. pp. 231–256.
  10. Li M., Bijker W. Potential of Multi-Temporal Sentinel-1A Dual Polarization SAR Images for Vegetable Classification in Indonesia // IEEE International Geoscience and Remote Sensing Symposium. 2018. pp. 3820–3823.
  11. Harfenmeister K., Itzerott S., Weltzien C., Spengler D. Detecting Phenological Development of Winter Wheat and Winter Barley Using Time Series of Sentinel-1 and Sentinel-2 // Remote Sensing. 2021. vol. 13(24). no. 5036.
  12. Bao X., Zhang R., Lv J., Wu R., Zhang H., Chen J., Zhang B., Ouyang X., Liu G.. Vegetation descriptors from Sentinel-1 SAR data for crop growth monitoring // ISPRS Journal of Photogrammetry and Remote Sensing. 2023. vol. 203(17). pp. 86–114.
  13. Kim Y., van Zyl J.J. A Time-Series Approach to Estimate Soil Moisture Using Polarimetric Radar Data // IEEE Transactions on Geoscience and Remote Sensing. 2009. vol. 47. no. 8. pp. 2519–2527.
  14. Trudel M., Charbonneau F., Leconte R. Using RADARSAT-2 polarimetric and ENVISAT-ASAR dual-polarization data for estimating soil moisture over agricultural fields // Canadian Journal of Remote Sensing. 2012. vol. 38. no. 4. pp. 514–527.
  15. Kumar S., Rao S., Sharma J. Radar Vegetation Index as an Alternative to NDVI for Monitoring of Soyabean and Cotton // Proceedings of the XXXIII INCA International Congress (Indian Cartographer). 2013. vol. 33. pp. 91–96.
  16. Nasirzadehdizaji R., Balik Sanli F., Abdikan S., Cakir Z., Sekertekin A., Ustuner M.. Sensitivity Analysis of Multi-Temporal Sentinel-1 SAR Parameters to Crop Height and Canopy Coverage // Applied Sciences. 2019. vol. 9(4). no. 655.
  17. Ratha D., Mandal D., Kumar V., McNairn H., Bhattacharya A., Frery A.C. A Generalized Volume Scattering Model-Based Vegetation Index From Polarimetric SAR Data // IEEE Geoscience and Remote Sensing Letters. 2019. vol. 16. no. 11. pp. 1791–1795.
  18. Mandal D., Ratha D., Bhattacharya A., Kumar V., McNairn H., Rao Y.S., Frery A.C. A Radar Vegetation Index for Crop Monitoring Using Compact Polarimetric SAR Data // IEEE Transactions on Geoscience and Remote Sensing. 2020. vol. 58. no. 9. pp. 6321–6335.
  19. Chang J.G., Shoshany M., Oh Y. Polarimetric Radar Vegetation Index for Biomass Estimation in Desert Fringe Ecosystems // IEEE Transactions on Geoscience and Remote Sensing. 2018. vol. 56. no 12. pp. 7102–7108.
  20. Periasamy S. Significance of dual polarimetric synthetic aperture radar in biomass retrieval: An attempt on Sentinel-1 // Remote Sensing of Environment. 2018. vol. 217. pp. 537–549.
  21. Mandal D., Kumar V., Ratha D., Dey S., Bhattacharya A., Lopez-Sanchez J. M., McNairn H., Rao Y.S. Dual polarimetric radar vegetation index for crop growth monitoring using Sentinel-1 SAR data // Remote Sensing of Environment. 2020. vol. 247. no. 111954.
  22. Sekertekin A., Marangoz A.M., Abdikan S. ALOS-2 and Sentinel-1 SAR data sensitivity analysis to surface soil moisture over bare and vegetated agricultural fields // Computers and Electronics in Agriculture. 2020. vol. 171. no. 105303.
  23. Ulaby F., Batlivala P., Dobson M. Microwave backscatter dependence on surface roughness, soil moisture, and soil texture: Part I-Bare soil // IEEE Transactions on Geoscience Electronics. 1978. vol. 16. no. 4. pp. 286–295.
  24. Дубровин К.Н., Степанов А.С., Верхотуров А.Л., Асеева Т.А. Идентификация сельскохозяйственных культур с использованием радарных изображений // Информатика и автоматизация. 2022. Т. 21. № 2. С. 405–426.
  25. Robertson L.D., Davidson A.A., McNairn H., Hosseini M., Mitchell S. Assessment of Multi-Frequency SAR for Crop Type Classification and Mapping // IGARSS-2019 IEEE International Geoscience and Remote Sensing Symposium. 2019. pp. 489–492.
  26. Dubrovin K., Stepanov A., Verkhoturov A. Cropland Mapping Using Sentinel-1 Data in the Southern Part of the Russian Far East // Sensors. 2023. vol. 23(18). no. 7902.

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».