Мониторинг фенологического развития сельскохозяйственной растительности на основе анализа временных рядов спутниковых данных Modis

Бесплатный доступ

К настоящему времени разработано множество методов оценки состояния и фенологического развития посевов по временным рядам спутниковых данных. Большинство из них эффективны только при использовании наземных полевых измерений. В статье представлен новый метод определения времени начала и конца вегетационного периода посевов сельскохозяйственных культур. Данный метод основан на комплексном анализе отражательных-Normalized Difference Vegetation Index (NDVI) и излучательных - Land Surface Temperature (LST) характеристик растительности. Изучены особенности фазовых портретов агрофитоценозов, построенных в двумерном пространстве значений LST и NDVI. Выполнен анализ фенологической изменчивости агрофитоценозов в периоды вегетации 2006, 2016-2017 гг. на юге Красноярского края и Республики Хакасия. Выявлены отличия фазовых портретов агрофитоценозов от других видов растительности в пространстве (LST, NDVI). Показана возможность определения времени и длительности фенологических состояний агрофитоценозов, особенностей перехода из одного состояния в другое.

Еще

Период вегетации, дистанционное зондирование, фенология, сельскохозяйственные культуры

Короткий адрес: https://readera.ru/146279379

IDR: 146279379   |   DOI: 10.17516/1999-494X-0080

Список литературы Мониторинг фенологического развития сельскохозяйственной растительности на основе анализа временных рядов спутниковых данных Modis

  • Tao F., Zhang S., Zhang Z. Spatiotemporal changes of wheat phenology in China under the effects of temperature, day length and cultivar thermal characteristics, Europ. J. Agronomy, 2012, 43, 201-212.
  • Brown M.E, K.M. de Beurs, Marshall M. Global phenological response to climate change in crop areas using satellite remote sensing of vegetation, humidity and temperature over 26 years, Remote Sensing of Environment, 2012, 126, 174-183.
  • Zeng L., Wardlow Brian D., Wang R., Shan J., Tadesse T., Hayes M., Li D. A hybrid approach for detecting corn and soybean phenology with time-series MODIS data, Remote Sensing of Environment, 2016, 18, 237-250.
  • ZhangX., Friedl M.A., Schaaf C.B., Strahler A.H., Hodges J.C.F., Gao F., Reed B.C., HueteA. Monitoring vegetation phenology using MODIS, Remote Sensing of Environment, 2003, 84 (3), 471-475.
  • Satir O., Berberoglu S. Crop yield prediction under soil salinity using satellite derived vegetation indices, Field Crops Research, 2016, 192, 134-143.
  • Zhang X., Mark A.F., Crystal B.S., Alan H.S., John C.F.H., Gao F., Bradley C.R., Alfredo H. Monitoring vegetation phenology using MODIS, Remote Sensing of Environment, 2003, 84, 471-475.
  • Hmimina G., Dufrêne E., Pontailler J.-Y., Delpierre N., Aubinet M., Caquet B., A. de Grandcourt, Burban B., Flechard C., Granier A., Gross P., Heinesch B., Longdoz B., Moureaux C., Ourcival J.-M., Rambal S., L. Saint André, Soudani K. Evaluation of the potential of MODIS satellite data to predict vegetation phenology in different biomes: An investigation using ground-based NDVI measurements, Remote Sensing of Environment, 2013, 132, 145-158.
  • Verma M., Friedl M.A., Finzi A., Phillips N. Multi-criteria evaluation of the suitability of growth functions for modeling remotely sensed phenology, Ecological Modelling, 2016, 323, 123-132
  • Reed B.C., Brown J.F., VanderZee D., Loveland T.R., Merchant J.W., Ohlen D.O. Measuring phenological variability from satellite imagery, Journal of Vegetation Science, 1994, 5, 703-714.
  • Pan Y., Li L., Zhang J., Liang S., Zhu X., Sulla-Menashe D. Winter wheat area estimation from MODIS-EVI time series data using the Crop Proportion Phenology Index, Remote Sensing of Environment, 2012, 119, 232-242.
  • Fisher J. I., Mustard J. F., Vadeboncoeur M. A. Green leaf phenology at Landsat resolution:scaling from the field to the satellite, Remote Sensing of Environment, 2006, 100 (2), 265.
  • Ahl D.E., Gower S.T., Burrows S.N., Shabanov N.V., Myneni R.B., Knyazikhin Y. Monitoring spring canopy phenology of a deciduous broadleaf forest using MODIS, Remote Sensing of Environment, 2006, 104, 88-95.
  • Fisher J.I., Mustard J.F., Cross-scalar satellite phenology from ground Landsat and MODIS data, Remote Sensing of Environment, 2007, 109 (3), 261-273.
  • Cao R., Chen J., Shen M., Tang Y. An improved logistic method for detecting spring vegetation phenology in grasslands from MODIS EVI time-series data, Agricultural and Forest Meteorology, 2015, 200, 9-20.
  • White M.A., Thornton P.E., Steven W.R. A continental phenology model for monitoring vegetation responses to interannual climatic variability, Global Biogeochemical Cycles, 1997, 11, 217-234.
  • White M.A., Nemani R.R. Canopy duration has little influence on annual carbon storage in the deciduous broadleaf forest, Global Change Biology, 2003, 9, 967-972.
  • White M.A., Nemani R.R. Real-time monitoring and short-term forecasting of land surface phenology, Remote Sensing of Environment, 2006, 104, 43-49.
  • Kim S., Kang S., Lim J.-H., Chun J.-H., Sung J.-H. Regional parameterization of canopy onset models using MODIS and flowering onset data, Ecological Modelling, 2012, 247, 190.
  • Suzuki R., Nomaki T., Yasunari T. West-east contrast of phenology and climate in northern Asia revealed using a remotely sensed vegetation index, International Journal of Biometeorology, 2003, 47, 126-138.
  • Медведева М.А., Барталёв С.А., Лупян Е.А., Матвеев А.М., Толпин В.А., Пойда А.А. Возможности оценки момента наступления вегетационного сезона на основе спутниковых и метеорологических данных, Современные проблемы дистанционного зондирования Земли из космоса, 2008, 5 (2), 313-321.
  • Deering D.W. Rangeland reflectance characteristics measured by aircraft and spacecraft sensors. Ph.D. Dissertation, Texas A & M University, College Station, TX, 1978, 338.
Еще
Статья научная