Бесплатный автореферат и диссертация по наукам о земле на тему

Методы обработки данных спутниковых наблюдений MODIS для мониторинга пахотных земель

ВАК РФ 25.00.34, Аэрокосмические исследования земли, фотограмметрия

Автореферат диссертации по теме "Методы обработки данных спутниковых наблюдений MODIS для мониторинга пахотных земель"

УДК 528 8 На правах рукописи

ииао58007

Нсиштадг Игорь Анатольевич

МЕТОДЫ ОБРАБОТКИ ДАННЫХ СПУТНИКОВЫХ НАБЛЮДЕНИЙ МОШЗ ДЛЯ МОНИТОРИНГА ПАХОТНЫХ ЗЕМЕЛЬ

25 00 34 - «Аэрокосмические исследования Земли, фотограмметрия»

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва-2007

003058007

Работа выполнена в Институте космических исследований РАН

Научный руководитель - кандидат технических наук

Барталсв Сергей Александрович

Официальные оппоненты доктор технических наук, профессор

Гук Атександр Петрович,

кандидат геолого-минералогических наук Добрецов Николай Николаевич

Ведущая организация - Научно-исследоватечьский центр космической

гидрометеорологии «Планета»

Защита диссертации состоится 24 мая 2007 года в 15 час на заседании диссертационного совета Д 212 251 02 в Сибирской государственной геодезической академии по адресу 630108, г Новосибирск, ул Плахотного, 10

С диссертацией можно ознакомиться в библиотеке Сибирской государственной геодезической академии

Автореферат разослан » апреля 2007 г

Ученый секретарь диссертационного совета

Середович В А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы Исследование возможностей дистанционного мониторинга окружающей среды со спутников активно ведется на протяжении последних десятков лет научными группами и организациями многих стран Развитие приборов дистанционного зондирования (ДЗ) привело к расширению возможностей по оперативному глобальному наблюдению окружающей среды Данные дистанционного зондирования (ДЦЗ) используются для обнаружения и оценки последствий пожаров, контроля лесных вырубок, мониторинга изменений границ природных экосистем, контроля землепользования и других приложений Важным направлением исследований является разработка систем мониторинга сельскохозяйственных (с -х) земель

В России по причинам экономического характера последние 20-30 лет происходят значительные изменения в землепользовании Значительные площади, ранее используемые для с -х производства, выводятся из оборота, изменяется структура использования пахотных земель Существует потребность в объективной информации о происходящих изменениях в использовании земель с -х назначения В настоящее время наблюдение за использованием земель ведется Федеральной службой государственной статистики, главным образом, методом статистического наблюдения Однако информация собирается только в обобщенном виде и не ведется достаточный контроль достоверности Таким образом, существующая система сбора информации об использовании с -х земель не может быть признана полностью отвечающей современным требованиям

В то же время наблюдение за динамикой использования с -х земель является необходимым элементом системы регулирования агропромышленного комплекса Для решения задачи мониторинга с -х земель Главный вычислительный центр Министерства сельского хозяйства России и Институт космических исследований Российской академии наук (ИКИ РАН) ведут совместную разработку национальной системы спутникового мониторинга с -х земель России Важным элементом разрабатываемой системы является получение информации о наличии и использовании пахотных земель Такая информация должна включать в себя данные о пространственном размещении используемых пахотных земель (ИПЗ) и посевов с -х культур, а также данные оперативного мониторинга состояния посевов

Особый интерес для получения оценок использования с -х земель представляет использование ДДЗ В условиях необходимости обеспечения регулярного мониторинга на большой территории, спутниковая съемка является практически безальтернативным источником данных Важным преимуществом спутниковой съемки также является оперативность, объективность и независимость получаемой информации К числу факторов, сдерживавших до недавнего времени развитие практических систем мониторинга, относятся ограниченная доступность данных съемки, отсутствие необходимых программно-технических средств, недостаточное развитие методов тематической обработки спутниковых изображений Появившиеся в последние годы спутниковые системы делают ДДЗ качественно более доступными для пользователей Наибочее применимыми к задаче мониторинга с -х земель оказываются данные среднего разрешения, которые обеспечивают достаточную разрешающую способность и высокую периодичность съемки В качестве основного источника данных для разрабатываемой системы мониторинга была выбрана съемочная система Terra-MODIS Прибор MODIS, установленный на борту спутника Terra, ведет съемку поверхности Земли с ежедневной периодичностью и пространственным разрешением 250 м (в надир) в каналах 620-670 нм и 841-876 нм и 500-1000 м в остальных каналах видимого, инфракрасного и теплового диапазонов Однако эффективное использование данных невозможно без соответствующих методов предварительной и тематической обработки

С учетом имеющегося мирового опыта, уровня развития современных систем спутникового мониторинга и вычислительной техники, представляется перспективной разработка автоматизированных технологий обработки и анализа данных спутниковых наблюдений Необходимость широкого охвата территории при мониторинге с -х земель, и, как следствие, обработка большого массива ДДЗ, требуют разработки методов, минимизирующих участие экспертов в процессе тематической интерпретации данных На разработку именно таких, в максимальной степени автоматизированных методов и были направлены исследования

Состояние и динамика использования пахотных земель являются важным вопросом современной экологии Изменения в использовании пахотных земель ведут к изменениям микроклимата, ландшафта, влияют на объемы эмиссии углекислого газа Забрасывание пахотных земель, имевшее место во всех регионах России в последние

десятилетия, может сопровождаться их деградацией, снижением плодородия почв, занесением При этом стихийный характер забрасывания усложняет задачу наблюдения и контроля за использованием земель Нерациональное землепользование, такое, например, как несоблюдение правил севооборота, ведет к истощению почв, длительному снижению плодородия Таким образом, существует необходимость в объективных методах контроля за землепользованием, причем как на уровне отдельных аграрных регионов, так и на уровне страны в целом

Учитывая важное экологическое, экономическое и социальное значение сельского хозяйства в России, имеющийся недостаток объективной, оперативной, достоверной информации об использовании пахотных земель, можно утверждать, что развитие методов спутникового мониторинга пахотных земель России стоит в ряду приоритетных задач, что и определяет актуальность представленной диссертационной работы

Цель и задачи исследования Целью проведенных исследований являлась разработка методов, алгоритмов и автоматических технологий использования данных спутниковых наблюдений для решения задач мониторинга пахотных земель Для достижения данной цели были решены следующие научные задачи

- проведение анализа особенностей и задач информационного обеспечения

агропромышленного сектора России и разработка на его основе требований к структуре и характеристикам системы спутникового мониторинга пахотных земель,

- разработка алгоритмов предварительной обработки данных наблюдений

съемочной системой МОГЛЭ и формирования наборов спутниковых данных, очищенных от влияния облачного и снежного покровов,

- разработка автоматических алгоритмов детектирования некоторых видов с -х

культур и чистого пара по данным МСЮ1Э,

- разработка автоматических алгоритмов детектирования ИПЗ с использованием

многолетних временных серий данных \10DIS,

- разработка программного обеспечения (ПО) для предварительной и тематической

обработки данных МОИТЭ в интересах решения задач с -х мониторинга,

- проведение анализа получаемых результатов и оценка их достоверности с использованием опорной и справочной информации из независимых источников

Научная новизна. В диссертационной работе впервые предложен метод анализа многолетних временных рядов ДДЗ для выявления используемых пахотных земель Автором предложены новые признаки для распознавания по ДДЗ используемых пахотных земель, некоторых видов с -х культур и чистого пара, основанные на анализе межгодовой и сезонной динамики значений перпендикулярного вегетационного индекса Разработанный на основе указанных признаков метод распознавания используемых пахотных земель включает предложенную автором процедуру автоматической региональной настройки пороговых значений классификатора Разработанные автоматические методы впервые позволили по данным спутниковых наблюдений получить информацию о пространственном размещении используемых пахотных земель России на национальном уровне

Основные результаты диссертационной работы:

- разработан автоматический метод предварительной обработки данных прибора

МСЮВ для формирования очищенных от влияния облачности и снежного покрова спутниковых изображений в интересах сельскохозяйственного мониторинга,

- разработаны автоматические методы тематической обработки временных серий

данных прибора МСЮК для детектирования озимых культур, подсолнечника и чистого пара,

- разработан автоматический метод обработки многолетних временных серий

данных прибора МСШ18 для выявления и оценки площадей ИПЗ,

- на основе разработанных методов получены независимые фактические данные о

наличии, пространственном размещении и площадях ИПЗ в основных сельскохозяйственных регионах России Практическая значимость. Разработанные автором методы предварительной обработки ДДЗ позволили получать композитные изображения, свободные от влияния облачности и других мешающих факторов Построенные изображения используются в различных приложениях ДЗ Разработанный метод детектирования ИПЗ позволил

потупить независимые оценки наличия ИПЗ во всех основных с -х регионах России Данные о наличии ИПЗ были использованы при проведении Всероссийской сельскохозяйственной переписи 2006 года в качестве объективного, независимого источника данных Созданные методы для детектирования с -х культур были использованы для получения данных о пространственном размещении посевов озимых культур и подсолнечника, а также участков чистого пара для территории Ростовской области Результаты работы являются составной частью разрабатываемой национальной системы мониторинга с -х земель Полученные автором результаты были использованы при выполнении научных проектов, в том числе, поддержанных Российским фондом фундаментальных исследований (РФФИ 04-07-90263-в)

Апробация Результаты работы докладывались на 10 российских и международных конференциях, а также на научных семинарах ИКИ РАН и Института безопасности и защиты граждан (Institute for Protection and Security of the Citizen JRC EC) Ha 31 -ом Международном симпозиуме по дистанционному зондированию окружающей среды (31st International Symposium on Remote Sensing of Environment 2005) автором получена награда за лучший стендовый доклад в секции «Сельское хозяйство» В 2005 г автор награжден первой премией в номинации «Лучшая научная работа Института» в конкурсе научных работ ИКИ РАН

Публикации. По результатам исследования опубликовано 18 печатных научных

работ

Структура и объем диссертации. Диссертация состоит из введения, четырех разделов, заключения и списка литературы Объем диссертации составляет 162 страницы, включая 47 рисунков, 10 таблиц и 3 приложения

Введение

1 Анализ требований к функциональной структуре и характеристикам системы спутникового мониторинга пахотных земель России

11 Особенности сельскохозяйственного производства и основные задачи мониторинга пахотных земель

1 2 Возможности приборов дистанционного зондирования со спутников для решения задач мониторинга сельскохозяйственных земель

1 3 Обзор существующего опыта использования данных дистанционного зондирования со спутников для мониторинга сельскохозяйственных земель

1 4 Требования к функциональной структуре и характеристикам системы спутникового мониторинга сельскохозяйственных земель

Выводы к первому разделу

2 Методы предварительной обработки данных МСШК для мониторинга сельскохозяйственных земель

2 1 Формирование базы данных спутниковых наблюдений для мониторинга сельскохозяйственных земель

22 Алгоритмы предварительной обработки данных МСЮК

23 Анализ результатов использования алгоритмов предварительной обработки данных моэга

Выводы к второму разделу

3 Классификация некоторых типов сельскохозяйственных посевов по спутниковым данным МСЮК

3 1 Предварительная классификация типов земного покрова в интересах сельскохозяйственного мониторинга

32 Анализ характеристик объектов наблюдения при дистанционном зондировании сельскохозяйственных земель

33 Алгоритмы выявления по данным МСЮК участков чистого пара, озимых культур и подсолнечника

34 Оценка достоверности результатов классификации сельскохозяйственных посевов по данным М0018

Выводы к третьему разделу

4 Выявление и оценка площадей используемых пахотных земель России по спутниковым данным МООГЭ

4 1 Метод выявления используемых пахотных земель по временным сериям данных \10DIS

42 Анализ достоверности результатов выявления пахотных земель России по данным МОБШ

43 Сбор, хранение, распространение данных спутниковых наблюдений и программная реализация алгоритмов обработки данных МОБК

Выводы к четвертому разделу

Заключение

Библиографический список

Приложения

Все основные результаты получены автором лично Автор самостоятельно разработал все описанные методы обработки данных, осуществил их программную реализацию, получил и проанализировал представленные результаты

Большую поддержку в подготовке работы оказали научный руководитель, заведующий лабораторией ИКИ РАН к т н С А Барталев и заместитель директора ИКИ РАН д т н Е А Лупян Автор выражает свою особую признательность Е В Щербенко и Т С Ховратович за критические замечания и поддержку по ходу подготовки работы Автор искренне благодарен своим коллегам, сотрудникам отдела информационных технологий спутникового мониторинга ИКИ РАН

СОДЕРЖАНИЕ РАБОТЫ Во Введении обоснована актуальность рассматриваемой темы Сформулированы основные цели и задачи исследования, показана научная новизна и практическая значимость работы

Первый раздел «Анализ требований к функциональной структуре и характеристикам системы спутникового мониторинга пахотных земель России» В разделе анализируются текущее состояние и развитие сельского хозяйства России По результатам анализа статистических данных показано, что за последние 30 лет были заброшены значительные площади пахотных земель, а также изменилась структура использования посевных площадей Описывается существующая система наблюдения за с -х землями, дается анализ ее ограничений и обосновывается необходимость разработки системы спутникового мониторинга с -х земель Приводятся требования к создаваемой системе мониторинга с -х земель Показано, что ДДЗ со спутников могут быть основным источником данных для ведения мониторинга

Дан обзор существующего опыта использования ДДЗ в применении к задачам мониторинга пахотных земель Описаны возможности действующих приборов ДЗ различного разрешения в приложении к решению различных задач мониторинга с -х земель В разделе приводятся технические характеристики современных приборов, наиболее подходящих для задач мониторинга пахотных земель Анализ исследований говорит о том, что из современных систем дистанционного зондирования Земли (ДЗЗ) наиболее применимы для мониторинга обширной территории России системы среднего разрешения Такие системы позволяют получать данные с ежедневной периодичностью и достаточным пространственным разрешением (250-500 м) Наиболее подходящей в настоящее время для использования в указанных целях признана спутниковая система Terra-MODIS

Описываются действующие глобальные и национальные системы мониторинга с -х производства Наиболее известные из таких систем FEWS (США), MARS (ЕС), GIEWS (ФАО) Все эти системы в различной степени используют ДДЗ наряду с другими источниками данных (метеоданные, социо-экономическая информация) Результатом работы систем мониторинга является оперативная информация о прогнозируемом урожае основных культур, оценка риска нехватки продовольствия в различных регионах

мира Результаты прогнозирования помогают при принятии решений в области продовольственной безопасности, оказания продовольственной помощи, регулирования производства с-х продукции

К числу первоочередных задач создаваемой в России системы спутникового мониторинга с -х земель относятся

- выявление используемых пахотных земель за период 2001-2005 гг ,

- ежегодная оценка площадей пахотных земель, оставленных под паром,

- ежегодная оценка посевных площадей

Приводится структура системы спутникового мониторинга пахотных земель России, включающая подсистемы получения данных, обработки данных и распространения результатов обработки (рис 1) Ядром подсистемы обработки данных должен стать набор методов предварительной и тематической обработки поступающих ДДЗ Эти методы должны в максимальной степени автоматизировать процесс обработки, что является крайне важным в силу обширной территории мониторинга и большого объема используемых ДДЗ

Данные среднего разрешения МОС.'Э

Система хранения архивацияг каталогизация данных спутниковых наблюдений

Данные высокого разрешения (.«^аММ, ЕТМ+

Система предварительной обработки данных построение композитных изображений МОО/Б

а

Тематическая обработка данных построение карт посевов, карты используемых пахотных земель

Веб-интерфейс доступа к каталогу хранения данных

Распространение результатов

- ееб-интерфейс доступа

- ГИС-данные

Рисунок 1 - Структурная схема системы спутникового мониторинга с -х земель

Второй раздел «Методы предварительной обработки данных МСЮК для мониторинга сельскохозяйственных земель» Эффективное использование данных МСЮ18 невозможно без развитых методов и ПО предварительной обработки Такая обработка позволяет снизить объем данных и повысить их информативность В разделе дано подробное описание технических характеристик съемочной системы МОБК и особенностей распространения данных Геологической службой США (ЦБОЗ) Для проведения мониторинга были выбраны продукты МОБ090(2К, М00090НК, МСЮМввАО, МОСОЭСЭТ, содержащие данные измерений коэффициента спектральной яркости (КСЯ) в красном и ближнем инфракрасном (ИК) каналах (используются для мониторинга растительности), а также в голубом и среднем ИК каналах (для детектирования облачного и снежного покрова) В ИКИ РАН был сформирован архив данных съемки за период 2002-2005 гг на территорию всех аграрных регионов России Архив также постоянно пополняется актуальными данными в оперативном режиме

В разделе описан используемый перпендикулярный вегетационный индекс (РУ1) Указанный индекс рассчитывается как расстояние от данной точки до линии почв в пространстве измерений КСЯ в красном (ЛЛ 620-670 нм) и ближнем ИК (Я2, 841-876 нм) диапазонах Выражение для линии почв

Л2 = 1,47* Л1 + 0,01 (1)

было получено экспериментально по данным спектрального отражения открытой почвы различного уровня яркости Таким образом, РУ1 вычисляется как

РК/ = -0,83 * Л1 + 0,56 * Л2 - 0,005 (2)

Приведены примеры временных рядов РУ1, построенных для различных с -х культур по регулярным данным съемки в течение вегетационного периода (ВП) (рис 2)

Разработанная методика предварительной обработки спутниковых данных позволяет строить набор производных информационных продуктов для дальнейшего тематического анализа Первый этап обработки данных включает в себя отделение пикселов, заведомо непригодных для использования в силу больших зенитных углов визирования На втором этапе происходит выявление на изображении участков облачного и снежного покровов, теней от облаков Алгоритм детектирования облачности и снега является пороговым и основывается на использовании КСЯ в голубом и среднем

ИК каналах Непосредственно для классификации используются КСЯ в голубом канале и нормализованный разностный индекс снега

Л3-Я6

(3)

МВБ! = -

ЛЗ + Д6,

где КЗ и Кб - измерения КСЯ в голубом (459-479 нм) и среднем ИК (1 628-1 652 нм) каналах (рис 3)

т озо

/ 1

/ \ \ ^ озимая пшеница яровой ячмень —подсолнечник чистый пар

У1 \

^! Ж

\\ \

\ к. » *

3 окт Дата

Рисунок 2 - Примеры динамики значений РУ1 для различных с -х культур и чистого пара в течение вегетационного периода

Для мониторинга с -х земель были построены композитные изображения с периодом 8 дней При рассмотрении временного ряда композитных изображений в ряду значений КСЯ данного пиксела могут встречаться однократные аномальные «выбросы», обусловленные различиями условий освещения и наблюдения, остаточным влиянием облаков, снега или теней при проведении съемки Для сглаживания временного ряда КСЯ каждого пиксела применяется алгоритм медианной фильтрации Результатом предварительной обработки являются сформированные за заданный период композитные изображения, которые затем используются для тематического анализа Разработанное ПО проводит автоматическую обработку данных в соответствии с разработанными алгоритмами

Чистая поверхность 04

ЫРЭ!

I I

Облачность

КЗ

;01

! Облачность

Полупрозрачная облачность

Чистая поверхность Чистая поверхность

Рисунок 3 - Выделение в двумерном пространстве Д5-М357 пикселов изображения, соответствующих «чистой поверхности»

Временные ряды КСЯ, построенные по разработанным композитным изображениям, в меньшей степени зашумлены, не имеют аномальных «выбросов» и, таким образом, пригодны для последующего тематического анализа По сравнению со стандартными композитными изображениями (МСЮ09(51), распространяемыми \JSGS, построенные композитные изображения имеют в среднем на 15 % лучшее пространственное разрешение Разработанное ПО позволяет гибко изменять параметры алгоритмов для применения в конкретных приложениях, что открывает путь к использованию композитных изображений не только для мониторинга с -х земель, но и в других приложениях ДЗ

Третий раздел «Методы классификации некоторых типов сельскохозяйственных посевов по спутниковым данным МООК» Одной из задач мониторинга с -х земель является детектирование и оценка площадей посевов различных культур В качестве вспомогательного продукта на территорию 56 субъектов РФ была построена маска земель, заведомо не являющихся пахотными Под термином «маска» здесь и далее понимается полученное в результате обработки данных спутниковых наблюдений растровое изображение, каждому пикселу которого присвоен соответствующий определенному тематическому классу цифровой код Построенная маска заведомо непахотных земель включает в себя следующие типы земного покрова «хвойные леса», «лиственные леса», «болота», «солончаки», «открытые пески», «лишенные

13

растительности земли», «водные объекты», «крупные населенные пункты», «овражно-балочная сеть», «высокогорные территории», «овраги», «удаленные территории», «плавни» Алгоритмы классификации этих классов являются пороговыми и основаны на априорных знаниях об отражательной способности различных типов земного покрова Также были использованы дополнительные источники данных цифровая модель рельефа, данные детектирования ночных огней спутниковой системой DMSP Несмотря на то, что данная маска является далеко не полной, ее использование позволяет значительно уменьшить (в среднем на 60 %) объем обрабатываемых данных на дальнейших этапах тематического анализа

Представлены методы детектирования посевов озимых культур, подсолнечника и чистого пара для территории Ростовской области Выбор указанных классов определяется их преобладанием в структуре севооборота Ростовской области, как одного из основных тестовых регионов спутникового мониторинга Методика детектирования основывается на использовании в качестве признаков значений вегетационного индекса (ВИ) в периоды, отвечающие условию наибольших отличий заданного класса от других типов растительности

Совместно с данными спутниковых наблюдений MODIS проанализированы данные о фактическом размещении посевов в одном из сельхозпредприятий (СПК «Приморский») Азовского района Ростовской области Обоснован выбор оптимальных сроков наблюдения отдельных культур для их отделения от остальной растительности

Алгоритм детектирования озимых культур использует значения PVT в период сева и осенней вегетации Введем для заданного пиксела следующие обозначения pviplouge -

минимальное значение PVI за период 1 сентября - 1 октября текущего года, pvi ^ -

медиана значений PVI за период 1 ноября - 31 декабря текущего года Выбранные и указанные выше временные интервалы являются характерными периодами сева и осеннего развития озимых культур в рассматриваемом регионе К классу «озимые культуры» отнесем пикселы, для которых выполняются следующие условия

Рwinter_plouge ^ Р^^ growth ^ Рwinter_growth >

(4)

где Р winter _plouge И Рwinter _ growth являются предварительно выбранными экспертным путем

значениями

Алгоритм детектирования подсолнечника использует значения PVI в период сева и цветения Так как динамика развития подсолнечника в разные годы зависит от метеорологических условий (рис 4), были использованы дополнительные данные метеонаблюдений о среднесуточных температурах воздуха для оценки дат сева и цветения подсолнечника Согласно принятому алгоритму классификации, к классу «подсолнечник» относятся пикселы, удовлетворяющие следующей совокупности условий

PVlptauge < Psurfloи er _ plonge И pvisr0Mh / pvimax_

reg Psunßo wer _ growth » (5)

где Psunflower_Р1още и Р¡„»flower_srm,,h - задаваемые экспертным путем пороговые значения, pviplmge - значение PVI данного пиксела в период сева, pvimax reg- нормировочный коэффициент, характеризующий интенсивность развития растительности в данном регионе в текущем году, pvigmMh - значение PVI данного пиксела в период набора

максимальной фитомассы посевами подсолнечника Величина нормировочного коэффициента Pvlmax_reg рассчитывалась для текущего года в данном районе следующим образом

PVln,

>=х , (6) где К - количество всех пикселов, входящих в данный район, - максимальное

значение РУ1 за год в у-ом пикселе

01янв 3. нив ОЭмар 02 апр 03 май 02 и юн ОЗиюл 02авг 02 сен 02 окт 02 ноя 02 дек 1

Рисунок 4 - Динамика значений РУГ для полей подсолнечника в разные годы

Алгоритм детектирования чистого пара использует значения РУ1 за период весенне-летней вегетации Используется признак

где N - число измерений РУ1 за период с 1 марта по 1 сентября текущего года, /т, -значение РУ1 для заданного пиксела в ¡-ом композитном изображении спутниковых данных, начиная от 1 марта К классу «чистый пар» относятся пикселы, соответствующие условию

где P/atiow является фиксированным предварительно выбранным экспертным путем значением

Совокупная посевная площадь детектируемых классов составляет около 50 % всей посевной площади В силу использования севооборота (ротации культур) за несколько лет на каждом поле ИПЗ хотя бы один раз высаживалась одна из детектируемых культур или поле оставлялось под паром Это позволяет использовать построенные маски озимых культур, подсолнечника и чистого пара для оценки площади всех ИПЗ Ростовской области К ИПЗ был отнесен каждый пиксел, хотя бы раз за период 20012004 гг отнесенный к озимым культурам, подсолнечнику, чистому пару, что позволило построить маску ИПЗ на территорию Ростовской области

Было проведено сравнение полученных результатов с данными государственной статистики При сравнении с данными государственной статистики по административным районам расхождение в площадях, занятых различными культурами составило 30 % При сравнении данных о площади используемых пахотных земель - 13 %

При этом, при сравнении на уровне отдельных классов может наблюдаться как пропуск посевов, так и ложное детектирование Анализ данных полевых наблюдений позволил понять причины расхождений Пропуск посевов озимых культур вызван, главным образом, недостаточным развитием посевов озимых культур к окончанию осенней вегетации, что может быть в свою очередь вызвано поздним севом или плохими метеорологическими условиями конкретного года К ложному детектированию посевов озимых культур может приводить развитие сорной растительности на полях, не засеянных какой-либо культурой Ошибки в детектировании подсолнечника могут быть

(7)

(В)

вызваны близостью динамики его развития с другими яровыми культурами, главным образом, кукурузой

Четвертый раздел «Выявление и оценка площадей используемых пахотных земель России по спутниковым данным М001Б» Основной задачей исследований, описанных в разделе, являлась разработка метода выявления ИПЗ по многолетним временным сериям данных МОБК При этом выдвигались требования по максимальной автоматизации и региональной адаптивности метода для применения его на всей территории России с учетом имеющихся региональных различий. В основу метода детектирования ИПЗ были положены следующие особенности развития с -х растительности

- в силу проведения агротехнических мероприятий для с -х культур характерен

более короткий ВП, чем для естественной растительности,

- вследствие ротации видов с -х культур существуют значительные различия

межгодовой динамики объема фитомассы для с -х полей, что проявляется в соответствующей динамике ВИ (рис 5)

Рисунок 5 - Пример многолетней динамики значений РУ1 для пахотных земель (а) и естественной растительности (Ь)

Первым этапом разработанного метода является автоматизированное построение обучающей выборки Такая выборка представляет собой пикселы, заведомо относящиеся к классу «ИГО» (выборка А) или «непахотные земли» (выборка V), которые могут быть использованы для обучения классификатора Обучающие выборки были построены на основе анализа корреляций между годовыми временными рядами ВИ для каждого пиксела Для с -х культур в силу ротации характерны низкие значения корреляции, в то время как для естественной растительности характерны высокие значения коэффициентов корреляции На втором этапе на основе анализа временного ряда ВИ данного пиксела оценивалась продолжительность ВП Рассмотрим минимальный ВП за четыре года

cL,„ = min d, (я\

F1 2, ,4 1 » W

где j - номер года и d - продолжительность ВП в данном пикселе в j-ом году

Построенный таким образом признак позволяет классифицировать все пикселы на два класса «ИПЗ» и «непахотные земли» Однако при классификации целесообразно использование не заранее заданные, а регионально-адаптированные пороговые значения, так как характерные для с -х и естественной растительности значения ВП меняются в зависимости от климатических условий региона Получить эти характерные значения можно, используя построенные ранее обучающие выборки Для каждого пиксела рассмотрим окно со стороной L и центром в данном пикселе Обозначим Ел,ал -соответственно среднее значение и стандартное отклонение величины dmn, рассчитанные для всех пикселов выборки А, лежащих в рассматриваемом окне Величины Ev,<jv имеют аналогичный смысл, но рассчитаны по пикселам выборки V Полученные значения ЕА,стА,Еу,аг дают оценку характерного ВП для данного региона для с -х и естественной растительности Величина L должна быть достаточно большой, чтобы на результат не оказывал влияние локальный ландшафт, и в тоже время достаточно малой, чтобы использовались данные только из близкой по климатическим условиям территории, в работе было использовано значение L=I00 км Локальные элементы ландшафта (балки, лесополосы, поймы рек и т д ) имеют характерные размеры в единицы и десятки километров Для минимизации влияния локального ландшафта необходимо выбирать окно возможно большего размера, но таким чтобы внутри окна 18

климатические параметры были постоянны Существенное изменение климатических параметров можно наблюдать на расстояниях измеряемых сотнями километров Например, при использовании климатических моделей размер шага регулярной сетки составляет обычно 1 °

Данный пиксел отнесем к классу «ИГО», если для него выполнены условия

(9)

и пиксел не принадлежит к маске заведомо непахотных земель, построение которой описано в третьем разделе Таким образом, каждый пиксел классифицируется на основе того, какую веаичину имеет ВП для обучающих выборок А и V в близком данному пикселу регионе

Построенная маска ИПЗ покрывает территорию 56 субъектов РФ Проверка результатов классификации проводилась путем сравнения с данными государственной статистики (по субъектам РФ) и с данными визуального дешифрирования снимков высокого разрешения При сравнении с данными государственной статистики по регионам РФ среднее различие площадей ИПЗ с данными спутникового детектирования составило 18 % (рис 6)

кв км

Рисунок 6 - Иллюстрация сравнение результатов детектирования ИПЗ по дат МСЮ18 с данными государственной статистики по субъектам РФ

Для проведения независимой проверки полученных результатов были использованы снимки Landsat-TM/ETM+ с пространственным разрешением 30 м, покрывающие всю территорию спутникового мониторинга Была построена регулярная сетка из 492 контрольных точек с шагом в один градус по долготе и широте В ходе визуального анализа спутниковых изображений Landsat- ТМ/ЕТМ+ из всех контрольных точек были выбраны только точки, относящиеся к классу «ИПЗ» Сравнение результатов автоматического детектирования ИПЗ по данным MODIS и визуального анализа изображений Landsat-TM/ETM+ показало, что число правильно классифицированных контрольных точек составило 446 (91 % от общего объема выборки) Анализ ошибок показывает, что случаи ошибочного детектирования пахотных земель крайне редки (2 точки), а характерной ошибкой является пропуск пахотных земель (44 точки) Ошибка при классификации вызвана, по-видимому, тем, что в северных субъектах ВП как естественной растительности, так и с -х культур, довольно короткий и может не иметь значимого различия

В разделе также описывается принципиальная схема обработки и хранения данных Описаны особенности программной реализации алгоритмов предварительной и тематической обработки, а также доступа к результатам мониторинга с использованием Интернет-технологий

Заключение Представленная диссертационная работа содержит результаты исследований и научных разработок автора, направленных на решение актуальных задач мониторинга сельскохозяйственных земель по данным дистанционного зондирования Земли со спутников

Разработанные методы предварительной обработки данных MODIS позволяют регулярно в автоматическом режиме формировать очищенные от влияния облачного и снежного покрова композитные изображения земной поверхности Созданная автоматическая технология предварительной обработки спутниковых данных MODIS дала возможность сформировать пополняемый архив композитных изображений на территорию аграрных регионов России за период с 2002 года по настоящее время

Разработанные автоматические методы и алгоритмы тематического анализа временных рядов данных наблюдений, получаемых съемочной системой MODIS, были использованы для выявления различных типов сельскохозяйственных посевов на

региональном уровне В частности, апробация разработанных методов на территории Ростовской области позволила выявить участки и провести многолетнюю оценку площадей посевов озимой пшеницы, подсолнечника, а также полей чистого пара

На основе использования данных многолетних спутниковых наблюдений съемочной системой МСЮШ был разработан регионально адаптивный автоматический алгоритм детектирования используемых пахотных земель Созданный метод позволил выявить по данным МСШК используемые пахотные земли на территории 56 субъектов Российской Федерации, включающих 92 % посевной площади страны

Проведенное с использованием материалов наземных обследований, данных государственной статистики и независимого визуального анализа ДДЗ высокого разрешения сравнение позволило оценить качество полученных результатов Среднее расхождение полученных по результатам обработки данных МС®18 площадей используемых пахотных земель с данными государственной статистики по субъектам РФ составило 18 % Сравнение полученных результатов об используемых пахотных землях с материалами дешифрирования спутниковых изображений высокого пространственного разрешения для систематической выборки, включающей 492 контрольных участка и охватывающей все аграрные регионы России, показало совпадение в 91 % случаев

Полученные автором результаты используются при разработке Информационной системы сельскохозяйственного мониторинга Минсельхоза РФ, а также при выполнении ряда нау чно-исследовательских работ ИКИ РАН в области картографирования и оценки динамики наземных экосистем Северной Евразии Данные о наличии и пространственном размещении используемых пахотных земель нашли применение при проведении Всероссийской сельскохозяйственной переписи 2006 года

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Нейштадт И А Организация системы сбора и обработки спутниковых данных для мониторинга сельскохозяйственных районов [Текст] / С А Барталев, Д М Ершов Е А Лупян, А А Мазуров, Н Н Мельник, И А Нейштадт, А А Прошин, В Н Темников, Е В Флитман // Тез Всеросс конф «Современные проблемы дистанционного зондирования Земли из космоса», Москва, ИКИ РАН, 2003 - С 26

2 Нейштадт И А Алгоритмы анализа данных Terra-MODIS для мониторинга сельскохозяйственных земель [Текст] / И А Нейштадт, С А Барталев // Тез Конф молодых ученых, поев Дню космонавтики, Москва, ИКИ РАН, 2004 - С 22

3 Нейштадт И А Алгоритмы анализа данных спутниковых наблюдений Terra-MODIS для мониторинга сельскохозяйственных земель [Текст] / И А Нейштадт, С А Барталев, Д М Ершов, Е А Лупян, И Ю Савин // Сб науч статей Межд науч -техн конф , поев 225-летию МИИГАиК, М Геоинформатика, 2004 - С 205-209

4 Нейштадт И А Дистанционная оценка параметров сельскохозяйственных земель по спутниковым данным спектрорадиометра MODIS [Текст] / С А Барталев, Е А Лупян, И А Нейштадт, И Ю Савин // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред Е А Лупяна, О Ю Лавровой, М GRANPpolygraph, 2005 -С 228-236

5 Нейштадт И А Система автоматизированного сбора, обработки и распространения спутниковых данных для мониторинга сельскохозяйственных земель [Текст] / С А Барталев, М А Бурцев, Д В Ершов, В Ю Ефремов, В В Ильин, Е А Лупян, А А Мазуров, Н Н Мельник, И А Нейштадт, А А Полищух, А В Столпаков, А А Прошин, В А Темников, Е В Флитман // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред Е А Лупяна, ОЮ Лавровой, М GRANP polygraph, 2005 - С 140-148

6 Нейштадт й А Оценка площадей посевов сельскохозяйственных культур по данным дистанционного зондирования [Текст] / И А Нейштадт, С А Барталев // Тез Конф молодых ученых, поев вопросам исследования и использования космического пространства в интересах фундаментальных наук, Москва, ИКИ РАН, 2005 - С 30

7 Neyshtadt I Remote sensing applications for agriculture monitoring in the Northern Eurasia / Bartalev S, Loupian E, Neyshtadt I, Savin I // Proceedings of 31st International Symposium on Remote Sensing of Environment, Saint-Petersburg, 2005 P 24-26

8 Neyshtadt I Monitoring of vegetation dynamics m Northern Eurasia using time-senes data from VEGETATION and MODIS satellite sensors / Bartalev S, Egorov V, Kuryatmkova T, Loupian E, Neyshtadt I, Uvarov I // Abstract for Western Pacific Geophysics Meeting (AGU) m July 24-27, 2006, Beijing, Chma

9 Нейштадт И А Классификация некоторых типов сельскохозяйственных посевов в южных регионах России по спутниковым данным М0015 [Текст] / С А Барталев, Е А Лупян, И А Нейштадт, И Ю Савин // Исследование Земли из космоса, 2006 -№3 -С 68-75

10 Нейштадт И А Метод выявления используемых пахотных земель по данным дистанционного зондирования со спутников [Текст] / С А Барталев, Е А Лупян, И А Нейштадт // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред Е А Лупяна, О Ю Лавровой, М «Азбука-2000», 2006 - Т 2 - С 271-280

11 Нейштадт И А Построение архива спутниковых данных для анализа динамики растительности [Текст] / М А Бурцев, А А Мазуров, И А Нейштадт, А А Прошин // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред Е А Лупяна, О Ю Лавровой, М «Азбука-2000», 2006 — Т 1 — С 170-174

12 Нейштадт И А Построение безоблачных композитных спутниковых изображений МСШ18 дня мониторинга растительности [Текст] / И А Нейштадт // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред ЕА Лупяна, О Ю Лавровой, М «Азбука-2000», 2006 - Т 2 - С 359-365

13 Нейштадт И А Структура и функциональные возможности информационной системы ТегтаМоЛе для поддержки спутникового мониторинга бореальных экосистем [Текст] / И А Уваров, С А Барталев, В А Егоров, Е А Лупян, И А Нейштадт, Т С Ховратович // Сб науч статей «Современные проблемы дистанционного зондирования Земли из космоса» под ред Е А Лупяна и О Ю Лавровой, М «Азбука-2000», 2006 - Т 2 - С 375-379

14 Нейштадт И А Построение карты пахотных земель по данным дистанционного зондирования [Текст] / И А Нейштадт, С А Барталев // Тез Конф молодых ученых, поев вопросам исследования и использования космического пространства в интересах фундаментальных наук, Москва, ИКИ РАН, 2006 - С 37

15 Нейштадт И А Оценка возможности использования данных Тегга-МОР18 для картографирования растительности России [Текст] / И А Уваров, И А Нейштадт, С А Барталев // Тез Конф молодых ученых, поев вопросам исследования и

использования космического пространства в интересах фундаментальных наук, Москва, ИКИ РАН, 2006 - С 39

16 Нейштадт И А Опыт использования и перспективы развития системы спутникового мониторинга сельскохозяйственных земель МСХ РФ [Текст] /ЮМ Акаткин, С А Барталев, Н Н Мельник, Е А Лупян, И А Нейштадт, Д В Ляпинков, А В Столпаков, В Н Темников, В А Толпин, Е В Флитман // Тез Четвертой откр всерос конф «Современные проблемы дистанционного зондирования Земли из космоса», Москва ИКИ РАН, 2007 - С 3

17 Нейштадт И А Разработка методов мониторинга пахотных земель России по данным спутниковых наблюдений радиометром М0013 [Текст] / И А Нейштадт, С А Барталев, Е А Лупян, Е В Щербенко // Тез Четвертой откр всерос конф «Современные проблемы дистанционного зондирования Земли из космоса», Москва ИКИ РАН, 2007 - С 222

18 Нейштадт И А Использование данных МОБК для оценки состояния сельскохозяйственных культур на основе межгодовой динамики [Текст] / С А Барталев, М А Бурцев, Е А Лупян, А А Мазуров, И А Нейштадт, А А Прошин, В А Толпин // Тез Четвертой откр всерос конф «Современные проблемы дистанционного зондирования Земли из космоса», Москва ИКИ РАН, 2007 — С 201

Подписано в печать 18 04 2007 г Исполнено 19 04 2007 г Печать трафаретная

Заказ № 378 Тираж 150 экз

Типография «11-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш , 36 (495)975-78-56 www autoreferat ru

Содержание диссертации, кандидата технических наук, Нейштадт, Игорь Анатольевич

Сокращения на русском языке

Сокращения на английском языке

Определения

Введение

Раздел 1. Анализ требований к функциональной структуре и характеристикам системы спутникового мониторинга пахотных земель России

1.1 Особенности сельскохозяйственного производства и основные задачи мониторинга пахотных земель

1.2 Возможности приборов дистанционного зондирования со спутников для решения задач мониторинга сельскохозяйственных земель

1.3 Обзор существующего опыта использования данных дистанционного зондирования со спутников для мониторинга сельскохозяйственных земель

1.4 Требования к функциональной структуре и характеристикам системы спутникового мониторинга сельскохозяйственных земель 44 Выводы к первому разделу 50 Раздел 2. Методы предварительной обработки данных МОБК для мониторинга сельскохозяйственных земель

2.1 Формирование базы данных спутниковых наблюдений для мониторинга сельскохозяйственных земель

2.2 Алгоритмы предварительной обработки данных М001Б

2.3 Анализ результатов использования алгоритмов предварительной обработки данных М0018 73 Выводы к второму разделу 81 Раздел 3. Классификация некоторых типов сельскохозяйственных посевов по спутниковым данным МОБК 83 3.1 Предварительная классификация типов земного покрова в интересах сельскохозяйственного мониторинга

3.2 Анализ характеристик объектов наблюдения при дистанционном зондировании сельскохозяйственных земель

3.3 Алгоритмы выявления по данным MODIS участков чистого пара, озимых культур и посевов подсолнечника

3.4 Оценка достоверности результатов классификации сельскохозяйственных посевов по данным MODIS 109 Выводы к третьему разделу 114 Раздел 4. Выявление и оценка площадей используемых пахотных земель России по спутниковым данным MODIS

4.1 Метод выявления используемых пахотных земель по временным сериям данных MODIS

4.2 Анализ достоверности результатов выявления пахотных земель России по данным MODIS

4.3 Сбор, хранение, распространение данных спутниковых наблюдений и программная реализация алгоритмов обработки данных MODIS 135 Выводы к четвертому разделу 139 Заключение 141 Библиографический список 143 Приложение А. Список опубликованных работ по теме диссертации 153 Приложение Б. Список докладов на конференциях по теме диссертации 156 Приложение В. Стандартные продукты спутниковых данных MODIS

Сокращения на русском языке

ВИ - Вегетационный индекс

ВП - Вегетационный период

ГИС - Географическая информационная система

ДЗ - Дистанционное зондирование

ДДЗ - Данные дистанционного зондирования

ДЗЗ - Дистанционное зондирование Земли

ЕКА - Европейское космическое агентство

ЕС - Европейский Союз

ИК - Инфракрасный

ИКИРАН - Институт космических исследований Российской академии наук

ИПЗ - Используемые пахотные земли

КСЯ - Коэффициент спектральной яркости

К(Ф)Х - Крестьянское (фермерское) хозяйство

ЛПХ - Личное подсобное хозяйство

МСУ-Э - Многоспектральное сканирующее устройство экспериментальное)

МСХ - Министерство сельского хозяйства

ООН - Организация Объединенных Наций

ПО - Программное обеспечение

ПСА - Панхроматическая съемочная аппаратура

РДСА - Съемочная аппаратура распределенного доступа

Росстат - Федеральная служба государственной статистики

РФ - Российская Федерация с.-х. - сельскохозяйственный

ФАО - Организация по продовольствию и сельскому хозяйству при ООН

Сокращения на английском языке

AVHRR - Advanced Very High Resolution Radiometer

Усовершенствованный радиометр очень высокого разрешения

DAAC - Distributed Active Archive Center

Центр хранения и распространения данных

DCW - Digital Chart of the World

Цифровая карта мира

DEM - Digital Elevation Model

Цифровая модель рельефа

DG AIDCO - Directorate General Europe Aid Co-Operation Office Дирекция помощи (EC)

DLT - Digital Linear Tape

Магнитная лента с цифровой записью

DMSP - Defense Meteorological Satellite Program

Программа Министерства обороны США по запуску и поддержке метеорологических спутников

ЕС - European Commission

Европейская комиссия

ENVISAT - Environmental Earth-Observing Satellite (ESA) Природоресурсный спутник (ЕКА)

EOS - Earth Observation System

Система наблюдения Земли со спутников (НАСА)

EPIC - Erosion Productivity Impact Calculator

Модель биопродуктивности растений

ERTS - Earth Resources Technology Satellite

Спутник для исследования природных ресурсов

ESA - European Space Agency

Европейское космическое агентство

ЕТМ - Enhanced Thematic Mapper

Усовершенствованный тематический картограф

Yj Enhanced vegetation index

Улучшенный вегетационный индекс рдд Foreign Agricultural Service

Иностранная сельскохозяйственная служба Министерства сельского хозяйства США

Fraction of the Photosynthetic Active Radiation Доля фотосинтетически активной радиации

Global Data Assimilation System Глобальная система консолидации данных

The UNFAO Global Information and Early Warning System Глобальная система информирования и раннего оповещения о недостатке продовольствия ФАО Global Agricultural Monitoring

Проект глобального сельскохозяйственного мониторинга (США)

Global Land Cover 2000 Карта наземных экосистем Global Monitoring for Food Security

Проект глобального мониторинга для обеспечения продовольственной безопасности (ЕКА)

Joint Research Center

Объединенный научный центр Европейской комиссии

Hierarchical Data Format Иерархический формат данных

Leaf area index

Индекс (площадь) листовой поверхности

Land Remote-Sensing Satellite

Спутник дистанционного зондирования Земли

Monitoring Agriculture through Remote Sensing Techniques Проект мониторинга сельского хозяйства с использованием технологий дистанционного зондирования (ЕС)

Medium Resolution Imaging Spectrometer Спектрорадиометр среднего разрешения

Moderate Resolution Imaging Spectroradiometer Спектрорадиометр среднего разрешения

Multi-Spectral Scanner Многоспектральный сканер

National Aeronautic and Space Agency

Национальное агентство по космосу и аэронавтике

Nansen International Environmental and Remote Sensing Centre

Международный центр по окружающей среде и дистанционному зондированию им. Ф.Нансена

NDVI - Normalized Difference Vegetation Index

Нормализованный разностный вегетационный индекс

NOAA - National Oceanic and Atmospheric Administration

Национальная администрация по океану и атмосфере (США)

NPOESS - National Polar-Orbiting Operational Environmental Satellite System

Национальная система ресурсных полярноорбитальных спутников (США)

PECAD - The USDA Production Estimates and Crop Assessment Division

Отдел министерства сельского хозяйства США по оценке производства сельскохозяйственной продукции

PVI - Perpendicular Vegetation Index

Перпендикулярный вегетационный индекс

ТМ - Thematic Mapper

Тематический картограф

UNFAO - The Food and Agriculture Organization of the United Nations Организация по продовольствию и сельскому хозяйству при ООН

USAID - United States Agency for International Development

Агентство международного развития правительства США

USGS - United States Geological Survey

Геологическая служба США

Определения

Композитное изображение - Растровое изображение, каждому пикселу которого присвоено значение физической величины, полученное после предварительной обработки набора данных спутниковых наблюдений за фиксированный период времени.

Маска - Полученное в результате обработки данных спутниковых наблюдений растровое изображение, каждому пикселу которого присвоен соответствующий определенному тематическому классу цифровой код.

Пар - Поле севооборота, не занимаемое посевами в течение всего (или части) вегетационного периода и содержащееся в рыхлом и чистом от сорняков состоянии.

Пашня - Вид земельных угодий,стематически обрабатываемых и используемых для возделывания-х. культур.

Поле (сельскохозяйственное) - Встемевооборота - пашня под посев или засеянный-х. культурами участок земли.

Введение Диссертация по наукам о земле, на тему "Методы обработки данных спутниковых наблюдений MODIS для мониторинга пахотных земель"

Исследование возможностей дистанционного мониторинга окружающей среды со спутников активно ведется на протяжении последних десятков лет научными группами и организациями различных стран. Развитие приборов дистанционного зондирования (ДЗ) привело к расширению возможностей по оперативному глобальному наблюдению окружающей среды. Данные дистанционного зондирования (ДДЗ) используются для обнаружения и оценки последствий пожаров, контроля лесных вырубок, мониторинга изменений границ природных экосистем, контроля землепользования и целого ряда других приложений. Важным направлением исследований является разработка систем мониторинга сельскохозяйственных (с.-х.) земель.

В России по причинам экономического характера последние 20-30 лет происходят значительные изменения в землепользовании. Значительные площади, ранее используемые для сельскохозяйственного производства, выводятся из оборота, изменяется структура использования пахотных земель. Существует потребность в объективной информации о происходящих изменениях в использовании земель с.-х. назначения. В настоящее время наблюдение за использованием земель ведется Федеральной службой государственной статистики (Росстат), главным образом, методом статистического наблюдения. Однако информация собирается только в обобщенном виде и не проводится достаточный контроль её достоверности. Таким образом, существующая система сбора информации об использовании с.-х. земель не может быть признана полностью отвечающей современным требованиям.

В то же время наблюдение за динамикой использования с.-х. земель является необходимым элементом системы регулирования агропромышленного комплекса. Для реализации задачи мониторинга с.-х. земель Главный вычислительный центр Министерства сельского хозяйства России (ГВЦ МСХ РФ) и Институт космических исследований Российской академии наук (ИКИ

РАН) ведут совместную разработку системы спутникового мониторинга с.-х. земель России, призванную обеспечить получение объективной информации об их использовании. Важным элементом разрабатываемой системы является получение информации о наличии и использовании пахотных земель. Такая информация должна включать в себя данные о пространственном размещении используемых пахотных земель (ИПЗ) и посевов с.-х. культур, а также данные оперативного мониторинга состояния посевов. Таким образом, система направлена на обеспечение заинтересованных пользователей информацией о площадях пахотных земель и посевов различных типов, их продуктивности, оперативной информацией о состоянии посевов.

Особый интерес для получения оценок использования с.-х. земель представляет применение ДДЗ. В условиях необходимости обеспечения регулярного мониторинга данные спутниковой съемки являются практически безальтернативным источником данных. Важным преимуществом спутниковой съемки также является оперативность, объективность и независимость получаемой информации. К числу факторов, сдерживавших до недавнего времени развитие практических систем мониторинга, можно отнести ограниченную доступность данных современных спутниковых систем, отсутствие необходимых программно-технических средств, недостаточное развитие методов тематической обработки спутниковых изображений. Появившиеся в последние годы спутниковые системы делают ДДЗ качественно более доступными для пользователей, однако эффективное использование ДДЗ невозможно без соответствующих алгоритмов предварительной и тематической обработки.

Разработка методов обработки ДДЗ для мониторинга с.-х. земель позволит существенно повысить точность и объективность информации об их использовании. Это также является важным шагом к созданию обзорных карт землепользования по ДДЗ. С учетом имеющегося мирового опыта, уровня развития современных систем спутникового мониторинга и вычислительной техники, представляется перспективной разработка автоматизированных

10 технологий обработки и анализа данных спутниковых наблюдений. Такие технологии являются важным шагом на пути создания системы мониторинга с.-х. земель России.

Необходимость широкого охвата территории при мониторинге с.-х. земель, и, как следствие, обработка большого массива ДДЗ, требуют минимизации участия экспертов в процессе тематической интерпретации данных. На разработку именно таких, в максимальной степени автоматизированных алгоритмов обработки ДДЗ, и были направлены исследования в рамках представленной диссертационной работы.

Состояние и динамика использования пахотных земель являются важным вопросом современной экологии. Изменения в использовании пахотных земель ведут к изменениям микроклимата, ландшафта, влияют на объемы эмиссии углекислого газа. Забрасывание пахотных земель, имевшее место практически во всех регионах России в последние десятилетия, как правило, сопровождается их деградацией, эрозией, резким снижением плодородия почв, зарастанием древесно-кустарниковой растительностью. При этом стихийный характер забрасывания усложняет задачу наблюдения и контроля за использованием сельскохозяйственных земель. Нерациональное землепользование, связанное, например, с несоблюдением правил сельскохозяйственного севооборота, может приводить к истощению почв, и, как следствие, к длительному снижению плодородия земель. Таким образом, существует необходимость в объективных методах контроля за землепользованием, причем как на уровне отдельных аграрных регионов, так и на уровне страны в целом.

Учитывая важное экологическое, экономическое и социальное значение сельского хозяйства в России, имеющийся недостаток объективной, оперативной и достоверной информации об использовании пахотных земель, можно утверждать, что развитие методов спутникового мониторинга пахотных земель России стоит в ряду приоритетных задач, что и определяет актуальность представленной диссертационной работы.

Цели и задачи исследований. Целью проведенных в рамках диссертационной работы исследований являлась разработка методов, алгоритмов и автоматических технологий использования данных спутниковых наблюдений для решения задач мониторинга пахотных земель. Достижение данной цели потребовало решения следующих научных задач:

- проведение анализа особенностей и задач информационного обеспечения агропромышленного сектора России и разработка на его основе требований к структуре и характеристикам системы спутникового мониторинга пахотных земель;

- разработка алгоритмов предварительной обработки данных наблюдений съемочной системой МСЮ18 и формирования наборов спутниковых данных, очищенных от влияния облачного и снежного покровов;

- разработка автоматических алгоритмов детектирования некоторых видов с.-х. культур и чистого пара по данным МСЮ18;

- разработка автоматических алгоритмов детектирования ИПЗ с использованием многолетних временных серий данных МСЮ18;

- разработка программного обеспечения (ПО) для предварительной и тематической обработки данных МСЮ18 в интересах решения задач с.-х. мониторинга;

- проведение анализа получаемых результатов и оценка их достоверности с использованием опорной и справочной информации из независимых источников.

Результаты исследований, проведенных автором, позволяют сформулировать следующие защищаемые положения.

Научная новизна. В диссертационной работе впервые предложен метод анализа многолетних временных рядов ДДЗ для выявления используемых пахотных земель. Автором предложены новые признаки для распознавания используемых пахотных земель, некоторых видов с.-х. культур и чистого пара, основанные на анализе межгодовой и сезонной динамики перпендикулярного вегетационного индекса. Разработанный на основе указанных признаков метод распознавания используемых пахотных земель включает предложенную автором процедуру автоматической региональной настройки пороговых значений классификатора. Разработанные автоматические методы впервые позволили по данным спутниковых наблюдений получить информацию о пространственном размещении используемых пахотных земель России на национальном уровне.

Основные результаты диссертационной работы:

- разработан автоматический метод предварительной обработки данных прибора М(Ю18 для формирования очищенных от влияния облачности и снежного покрова спутниковых изображений в интересах сельскохозяйственного мониторинга;

- разработаны автоматические методы тематической обработки временных серий данных прибора М001Б для детектирования озимых культур, подсолнечника и чистого пара;

-разработан автоматический метод обработки многолетних временных серий данных прибора МОЭ18 для выявления и оценки площадей ИПЗ;

- на основе разработанных методов получены фактические данные о наличии, пространственном размещении и площадях ИПЗ в основных сельскохозяйственных, регионах России.

Практическая значимость. Разработанные автором методы предварительной обработки ДДЗ позволили получать композитные изображения, свободные от влияния облачности и других мешающих факторов. Построенные изображения используются в различных приложениях ДЗ. Разработанный метод детектирования ИПЗ позволил получить независимые оценки наличия ИПЗ во всех основных с.-х. регионах России. Данные о наличии ИПЗ были использованы при проведении Всероссийской сельскохозяйственной переписи 2006 года в качестве объективного, независимого источника данных. Созданные методы для детектирования с.-х. культур были использованы для получения данных о пространственном размещении посевов озимых культур и подсолнечника, а также участков чистого пара для территории Ростовской области. Результаты работы являются составной частью разрабатываемой национальной системы мониторинга с.-х. земель. Полученные автором результаты были использованы при выполнении научных проектов, в том числе, поддержанных Российским фондом фундаментальных исследований (РФФИ 04-07-90263-в).

Апробация. Результаты работы докладывались на 10 российских и международных конференциях, а также на научных семинарах ИКИ РАН и Института безопасности и защиты граждан (Institute for Protection and Security of the Citizen JRC ЕС). Ha 31-ом Международном симпозиуме по дистанционному зондированию окружающей среды (31 st International Symposium on Remote Sensing of Environment 2005) автором получена награда за лучший стендовый доклад в секции «Сельское хозяйство». В 2005 г. автор награжден первой премией в номинации «Лучшая научная работа Института» в конкурсе научных работ ИКИ РАН.

Публикации. По результатам исследования опубликовано 18 научных работ. Все основные результаты получены автором лично. Автор самостоятельно разработал все описанные методы обработки данных, осуществил их программную реализацию, получил и проанализировал представленные результаты.

Структура и объем диссертации. Диссертация состоит из введения, четырех разделов, заключения и списка литературы. Объем диссертации составляет 162 страницы, включая 47 рисунков, 10 таблиц и 3 приложения.

Заключение Диссертация по теме "Аэрокосмические исследования земли, фотограмметрия", Нейштадт, Игорь Анатольевич

Выводы к четвертому разделу

Создание карты пахотных земель России является одной из основных задач системы мониторинга с.-х. земель. Для построения карты пахотных земель России по ДДЗ требуются эффективные алгоритмы тематической обработки данных. При разработке таких алгоритмов необходимо обеспечить их независимость от региональных различий, почвенных, климатических и других условий ведения сельского хозяйства.

Представленный алгоритм детектирования ИПЗ основывается на особенностях динамики вегетации с.-х. культур. Положенные в основу метода априорные знания об особенностях развития с.-х. культур позволили разработать алгоритм адаптивный к различным регионам. Использование разработанного алгоритма позволило по данным четырехлетних спутниковых наблюдений прибором Тегга-МСЮШ выявить ИПЗ и оценить их площадь в с.-х. регионах России, совокупная посевная площадь в которых составляет 92 % всей посевной площади страны.

Было проведено сравнение полученных результатов с данными государственной статистики, с данными визуального анализа снимков высокого разрешения и с данными наземных наблюдений. Среднее расхождение площадей используемых пахотных земель с данными государственной статистики по субъектам РФ составило 18 %. Точность классификации в сравнении с данными визуального дешифрирования 492 точек составила 91 %.

Разработанная система сбора, обработки и распространения данных позволяет заинтересованным пользователям быстро получить доступ к необходимым данным. Выбранная программная реализация показала свою эффективность при обработке больших массивов данных. Веб-интерфейсы, разработанные в ИКИ РАН, дают возможность пользователю, не имеющему специализированного программного обеспечения, получить доступ к результатам предварительной и тематической обработки данных Тегга-МСЮ18.

Полученные данные о площадях и пространственном распределении пахотных земель необходимы для решения задач регулирования аграрного комплекса, а также для проведения фундаментальных научных исследований динамики биосферы и климата. Полученные результаты были использованы при проведении Всероссийской сельскохозяйственной переписи 2006 года (http://www.perepis2006.ru) в качестве независимого источника информации.

Заключение

Представленная диссертационная работа содержит результаты исследований и научных разработок автора, направленных на решение актуальных задач мониторинга сельскохозяйственных земель по данным дистанционного зондирования Земли со спутников.

Разработанные методы предварительной обработки данных МСЮ18 позволяют регулярно в автоматическом режиме формировать очищенные от влияния облачного и снежного покрова композитные изображения земной поверхности. Созданная автоматическая технология предварительной обработки спутниковых данных МСЮ18 дала возможность сформировать пополняемый архив композитных изображений на территорию аграрных регионов России за период с 2002 года по настоящее время.

Разработанные автоматические методы и алгоритмы тематического анализа временных рядов данных наблюдений, получаемых съемочной системой М(Ю18, были использованы для выявления различных типов сельскохозяйственных посевов на региональном уровне. В частности, апробация разработанных методов на территории Ростовской области позволила выявить участки и провести многолетнюю оценку площадей посевов озимой пшеницы, подсолнечника, а также полей чистого пара.

На основе использования данных многолетних спутниковых наблюдений съемочной системой МСЮ18 был разработан регионально адаптивный автоматический алгоритм детектирования используемых пахотных земель. Созданный метод позволил выявить по данным М(Ю18 используемые пахотные земли на территории 56 субъектов Российской Федерации, включающих 92 % посевной площади страны.

Проведенное с использованием материалов наземных обследований, данных государственной статистики и независимого визуального анализа ДДЗ высокого разрешения сравнение позволило оценить качество полученных результатов. Среднее расхождение полученных по результатам обработки

141 данных МСЮ18 площадей используемых пахотных земель с данными государственной статистики по субъектам РФ составило 18 %. Сравнение полученных результатов об используемых пахотных землях с материалами дешифрирования спутниковых изображений высокого пространственного разрешения для систематической выборки, включающей 492 контрольных участка и охватывающей все аграрные регионы России, показало совпадение в 91 % случаев.

Полученные автором результаты используются при разработке Информационной системы сельскохозяйственного мониторинга Минсельхоза РФ, а также при выполнении ряда научно-исследовательских работ ИКИ РАН в области картографирования и оценки динамики наземных экосистем Северной Евразии. Данные о наличии и пространственном размещении используемых пахотных земель нашли применение при проведении Всероссийской сельскохозяйственной переписи 2006 года.

Библиография Диссертация по наукам о земле, кандидата технических наук, Нейштадт, Игорь Анатольевич, Москва

1. Регионы России. Социально-экономические показатели. 2005: Стат. сб. // М: Росстат, 2006. 982 с.

2. Сельское хозяйство, охота и лесоводство в России: Стат. сб. // М.: Росстат, 2004. 478 с.

3. Агропромышленный комплекс России в 2004 году, Отв. за выпуск: Акаткин Ю.М., Езепчук B.C., Корсун А.П. // М.: Россельхоз, 2005. 577 с.

4. Карта земельных угодий СССР м. 1 : 4 000 000 // под ред. Л.Ф.Январевой, М.: ГУГК, 1989.

5. Андраско К., Сонген Б., Гитарский М. и др. Запасы и потоки углерода в лесном и земельном фондах России: инвентаризация и потенциал смягчения последствий климатических изменений // Доклад Института мировых ресурсов, 2005.

6. Замолодчиков Д.Г., Коровин Г.Н., Уткин А.И. и др. Углерод в лесном фонде и сельскохозяйственных угодьях России // М.: КМК, 2005.

7. Кондратьев К.Я., Козодеров В.В., Федченко П.П. Аэрокосмические исследования почв и растительности // Ленинград: Гидрометеоиздат, 1986. -226 с.

8. Кондратьев К.Я., Федченко П.П. Спектральная отражательная способность и распознавание растительности // Ленинград: Гидрометеоиздат, 1982. -216 с.

9. Рачкулик В.И., Ситникова М.В. Отражательные свойства и состояние растительного покрова // Ленинград: Гидрометеоиздат, 1981. 284 с.

10. Ackerman S.A., Strabala K.I., Menzel P.W. et al. Discriminating clear sky from clouds with MODIS // Journal of Geophysical Research, 1998. № 103. -P. 141-157.

11. Еремеев В.А., Мордвинцев И.Н., Платонов Н.Г. Современные гиперспектральные сенсоры и методы обработки гиперспектральных данных // Исследование Земли из космоса, 2003. № 6. - С. 80-90.143

12. Ефременко В.В., Чимитдориев Т.Н. Об использовании различных индексов вегетации в дистанционном зондировании экосистем // Исследование Земли из космоса, 1998. № 3. - С. 49-56.

13. Jackson R.D. Spectral indices in n-space // Remote Sensing of Environment, 1983.-№ 13.-P. 409-421.

14. Wiegand C. L., Richardson A. J., Escobar D. E. et al. Vegetation indices in crop assessments // Remote Sensing of Environment, 1991. -№ 35. P. 105-119.

15. Huete A., Justice C.O., Liu H. Development of vegetation and soil indices for MODIS-EOS // Remote Sensing of Environment, 1994. № 49. - P. 224-234.

16. Baret F., Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment// Remote Sensing of Environment, 1991. -№ 35. P. 161-173.

17. Huete A., Didan K., Miura T. et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices // Remote Sensing of Environment, 2002. -№ 83. P. 195-213.

18. Haboudane D., Miller J.R., Pattey E. et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision // Remote Sensing of Environment, 2004. -№90.-P. 337-352.

19. Steven M.D., Malthus J.T., Baret F. et al. Intercalibration of vegetation indices from different sensor systems // Remote Sensing of Environment, 2003. № 88. -P. 412-422.

20. Гарбузов Г.П., Повх В.И., Шляхова JI.A. Космический мониторинг сельскохозяйственных угодий Ростовской области // Исследование Земли из космоса, 2006. № 3. - С. 89-96.

21. Щербенко Е.В. Методика экспресс-оценки ущерба, наносимого сельскохозяйственным культурам паводками, с использованием данных космической съемки // Исследование Земли из космоса, 2002. № 6. -С. 70-80.

22. Seelan S.K, baguette S., Casady G.M. et al. Remote sensing applications for precision agriculture: A learning community approach // Remote Sensing of Environment, 2003. № 83. - P. 157-169.

23. South S., Qi J., Lusch D.P. Optimal classification methods for mapping agricultural tillage practices // Remote Sensing of Environment, 2004. № 91. -P. 90-97.

24. Cihlar J., Ly H., Xiao Q. Land cover classification with AVHRR multichannel composites in northern environments // Remote Sensing of Environment, 1996. -№58. -P. 36-51.

25. Hill J.M., Donald G.E. Estimating spatio-temporal patterns of agricultural productivity in fragmented landscapes using AVHRR NDVI time series // Remote Sensing of Environment, 2003. № 84. - P. 367-384.

26. Kerdiles H., Grondona M.O. Crop acreage subpixel estimation from NOAA-AVHRR data: A test study in the pampa region. Argentina // Proc. SPIE Int. Soc. Opt. Eng., 1995. Vol. 2314. - P. 371-382.

27. Gallego F.J. Remote sensing and land cover area estimation // International Journal of Remote Sensing, 2004. Vol. 25. - № 14. - P. 3019-3047.

28. Вандышева H.M., Василенко Г.И., Гуров А.Ф. и др. Мониторинг сельскохозяйственных земель на базе разномасштабных спутниковых данных // Исследование Земли из космоса, 2003. № 3. - С. 72-84.

29. Doraiswamy Р.С., Hatfield J.L., Jackson T.J. et al. Crop condition and yield simulations using Landsat and MODIS // Remote Sensing of Environment, 2004. -№92.-P. 548-559.

30. Doraiswamy P.C., Sinclair T.R., Hollinger S. et al. Application of MODIS derived parameters for regional crop yield assessment // Remote Sensing of Environment, 2005. № 97. - P. 192-202.

31. Xiao X., Boles S., Frolking S. et al. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images // Remote Sensing of Environment, 2006.-№ 100.-P. 95-113.

32. Xiao X., Boles S., Liu J. et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images // Remote Sensing of Environment, 2005. -№95.-P. 480-492.

33. Sakamoto Т., Yokozawa M., Toritani H. et al. A crop phenology detection method using time-series MODIS data // Remote Sensing of Environment, 2005. -№96.-P. 366-374.

34. Zhang X., Friedl M.A., Schaaf C.B. et al. Monitoring vegetation phenology using MODIS // Remote Sensing of Environment, 2003. № 84. - P. 471-475.

35. Евтюшкин А.В., Юшаков В.Н., Рычкова Н.В. Использование данных дистанционного зондирования для распознавания зерновых культур и коррекции моделей биопродуктивности // Известия Алтайского гос. ун-та, 2002.-С. 63-67.

36. Брыксин В.М., Евтюшкин A.B. Оценка урожайности зерновых культур на основе данных дистанционного зондирования и модели биопродуктивности // Сб. материалов научного Конгресса «ГЕО-Сибирь-2005», Новосибирск: СГГА, 2005.-С. 218-223.

37. Fritz S., Savin I., Massart M. et al. The use of MODIS data to derive acreage estimations: a case study in Rostov region of Russia // Proceedings of 31 ISRSE, Saint-Petersburg, 2005.

38. Savin I., Nègre T. Relative time NDVI mosaics as an indicator of crop growth // Proc. SPIE Int. Soc. Opt. Eng., 2003. Vol. 4879. - P. 100-107.

39. Савин И.Ю., Негрэ Т. О новом подходе к использованию NDVI для мониторинга состояния посевов сельскохозяйственных культур // Исследование Земли из космоса, 2003. № 4. - С. 91-96.

40. Архипкин О.П., Спивак Л.Ф., Нургалиев С.Г. и др. Дистанционная оценка площадей зерновых в Казахстане по данным гиперспектрального148радиометра MODIS // Исследование Земли из космоса. № 2, 2003. -С. 80-84.

41. Sultangazin U., Muratova N., Terekhov A. Northern Kazakhstan agriculture monitoring by Terra/MODIS // Proceedings of 31ISRSE, Saint-Petersburg, 2005.

42. Doraiswamy P., Muratova N., Sinclair Т. et al. Evaluation of MODIS data for assessment of regional spring wheat yield in Kazakhstan // Proceedings of Geoscience and Remote Sensing symposium IGARSS'02, 2002. Vol 1. -P. 487-490.

43. Agricultural monitoring meeting convened for the integrated global observations for land theme // Материалы семинара IGOL, Рим, 2006. 34 p.

44. Earth Observation System (EOS) Data Products Handbook, eds. King M.D., Closs J., Spangler S. et al. // Greenbelt Maryland: NASA Goddard Space Flight Center, 2003. Vol. 1.-258 p.

45. Earth Observation System (EOS) Data Products Handbook, eds. Parkinson C.L., Greenstone R. // Greenbelt, Maryland: NASA Goddard Space Flight Center, 2000.-Vol. 2.-253 p.

46. Friedl M.A., Mclver D.K., Hodges J.C.F. et al. Global land cover mapping from MODIS: algorithms and early results // Remote Sensing of Environment, 2002. -№83. -P. 287-302.

47. Guenther В., Xiong X., Salomonson V.V. et al. On-orbit performance of the Earth Observing System Moderate Resolution Imaging Spectroradiometer; first year of data // Remote Sensing of Environment, 2002. № 83. - P. 16-30.

48. Justice C.O., Townshend J.R.G., Vermote E.F. et al. An overview of MODIS Land data processing and product status // Remote Sensing of Environment, 2002.-№83.-P. 3-15.

49. Justice C.O., Vermote E., Townshend J.R.G. et al. The moderate resolution imaging spectroradiometer (MODIS): land remote sensing for global research // IEEE Transactions on Geoscience and Remote Sensing, 1998. Vol 36. - № 4. -P. 1228-1249.

50. Justice C.O., Townshend J. Special issue on the moderate resolution imaging spectroradiometer (MODIS): a new generation of land surface monitoring // Remote Sensing of Environment, 2002. № 83. - P. 1-2.

51. Xiong X., Chiang K., Esposito J. et al. MODIS on-orbit calibration and characterization // Metrología. № 40,2003. P. 89-92.

52. Kalvelage Т., Willems J. Supporting users through integrated retrieval, processing, and distribution systems at the Land Processes Distributed Active Archive Center // Acta Astronáutica. Vol. 56. - № 7. - P. 681-687.

53. Seong J.C., Mulcahy K.A., Usery E.L. The sinusoidal projection: a new importance in relation to global image data // The Professional Geographer, 2002. -№54.-P. 218-225.

54. Дейвис Ш.М., Ландгребе Д.А., Филлипс Т.Л. и др. Дистанционное зондирование: количественный подход // Пер. с англ. М.: Недра, 1983. -415 с.

55. Key J., Barry R.G. Cloud cover analysis with arctic AVHRR data // Journal of Geophysical Research, 1989.-Vol. 94.-№D15.-P. 18,521-18,535.

56. Rossow W.B. Measuring cloud properties from space: A review // Journal of Climate, 1989. -№2,-P. 201-203.

57. Rossow W.B., Gardner L.C., Lacis A.A. Global, seasonal cloud variations from satellite radiance measurements, I. Sensitivity of analysis // Journal of. Climate, 1989.-№2.-P. 419-458.

58. MODIS Level 1A Earth Location: Algorithm Theoretical Basis Document Version 3.0, eds. Nishihama M., Wolfe R., Solomon D. et al., 1997.

59. Hall D.K., Riggs G.A., Salomonson V.V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data // Remote Sensing of Environment, 1995. № 54. - P. 127-140.

60. Барталев C.A., Егоров B.A., Ильин B.O. и др. Синтез улучшенных сезонных изображений Северной Евразии для картографирования и мониторинга динамики растительности по данным SPOT-Vegetation. // Солнечно-земная физика. Выпуск 5 (118), 2004. С. 12-14.

61. Енюков И.С., Ретинская И.В., Скуратов А.К. Статистический анализ и мониторинг научно-образовательных интернет-сетей // М.: Финансы и статистика, 2004. 320 с.

62. Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. Аэрокосмические методы географических исследований // М.: Академия, 2004. 336 с.151

63. Зоидзе Е.К., Овчаренко Л.И. Сравнительная оценка сельскохозяйственного потенциала климата территории РФ и степени использования ее агроклиматических ресурсов // СПб.: Гидрометеоиздат, 2000. 75 с.

64. Агроклиматический справочник по Ростовской области // Ленинград: Гидрометеоиздат, 1961.

65. Справочник агронома по сельскохозяйственной метеорологии // Ленинград: Гидрометеоиздат, 1986.-340 с.

66. Бабушкин О.Л., Грингоф И.Г., Шамен A.M. Толковый словарь по сельскохозяйственной метеорологии // СПб.: Гидрометеоиздат, 2002. -470 с.

67. Третьяков Н.Н., Ягодин Б.А., Туликов A.M. Агрономия // М.: Академия, 2004.-480 с.

68. Площади, валовые сборы и урожайность сельскохозяйственных культур и многолетних насаждений // Краснодар: Краснодарстат, 2004.

69. Посевные площади, валовые сборы и урожайность сельхозкультур в хозяйствах всех категорий Ростовской области // Ростов-на-Дону: Ростовобластат, 2001; 2002; 2003; 2004.

70. Инструкция по заполнению формы федерального государственного статистического наблюдения № 29-сх «Сведения о сборе урожая сельскохозяйственных культур». Утверждена постановлением Госкомстата России от 26 сентября 2002 № 184.

71. Bartalev S.A., Belward A.S., Erchov D.V. et al. A new SPOT4-VEGETATION derived land cover map of Northern Eurasia // International Journal of Remote Sensing, 2003. Vol. 24. - № 9. - P. 1977-1982.