Μοντέλο καλλιέργειας για την αξιολόγηση του υδατικού στρες στη ξηρική σόγια με Εικόνες Landsat

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Μοντέλο καλλιέργειας για την αξιολόγηση του υδατικού στρες στη ξηρική σόγια με Εικόνες Landsat

Εισαγωγή

Η περιεκτικότητα ενός είδους σε νερό αποτελεί το σημαντικότερο παράγοντα για την ορθή καλλιέργειά του. Η σόγια, τα τελευταία 20 χρόνια, έχει αποτελέσει τη βασικότερη καλλιέργεια στην Αργεντινή και καλύπτει εκτάσεις 19.800.000 εκταρίων. Στο μεγαλύτερο τμήμα της, εμφανίζονται περίοδοι ακανόνιστων βροχοπτώσεων γεγονός που αποτελεί εμπόδιο για τις καλλιέργειες. Στο συγκεκριμένο άρθρο γίνεται μια προσπάθεια να ποσοτικοποιηθεί το επίπεδο ξηρασία, χρησιμοποιώντας δείκτες που βασίζονται στα ποσοστά κατακρήμνισης και εξατμισοδιαπνοής. Ο πιο βασικός είναι ο δείκτης ελλείμματος νερού καλλιέργειας (CWSI) και χρησιμοποιείται για τον προγραμματισμό των αρδεύσεων. Ο CWSI υπολογίζεται από τη διαφορά θερμοκρασίας μεταξύ θερμοκρασίας υπό σκιά και θερμοκρασίας αέρα, ενώ οι τιμές του κυμαίνονται από 0 έως 1, όπου 0 υπάρχει μηδενικό υδατικό στρες και 1 υπάρχει το μέγιστο.

Μεθοδολογία

Η περιοχή μελέτης βρίσκεται στη περιοχή Κόρδοβας στην Αργεντινή, όπου κυριαρχούν οι καλλιέργειες σόγιας και καλαμποκιού λόγω των κλιματικών συνθηκών και της εποχικότητας των βροχοπτώσεων. Σε αυτή τη περιοχή, η σόγια καλλιεργείται με τη χρήση διαγονιδιακών ποικιλιών ανθεκτικών στο glyphosate. Τα δεδομένα αποκτήθηκαν καθ’ όλη τη διάρκεια της καλλιέργειας (από τις 10/05/2010 έως τις 04/14/2011), από 14 αγροτεμάχια ανά 15 μέρες. Για κάθε δειγματοληψία καταγράφηκαν δεδομένα κάλυψης γης με βλάστηση, υγρασίας του εδάφους και φαινολογίας. Για τη συγκεκριμένη εργασία χρησιμοποιήθηκαν 9 δορυφορικές εικόνες, 5 από το δορυφόρο Landsat 7 και 4 από το δορυφόρο Landsat 5. Και οι δύο δορυφόροι είχαν χωρική ανάλυση 30 μέτρων ενώ η ραδιοµετρική και φασματική ανάλυση έγινε σε ορατές και υπέρυθρες ζώνες. Πιο συγκεκριμένα η ανάλυση έγινε στο κόκκινο και στο κοντινό υπέρυθρο για τον προσδιορισμό του δείκτη βλάστησης NDVI και της θερμικής υπέρυθρης ακτινοβολίας. Η ταξινόμηση έγινε σε δύο κατηγορίες: πράσινη βλάστηση και έδαφος, με τη μέθοδο της μέγιστης πιθανοφάνειας. Για την εκτίμηση της υγρασίας του εδάφους πραγματοποιήθηκαν 4 επαναλήψεις περιεκτικότητας με βαρυμετρική μέθοδο σε βάθος 0,05, 0,20, 0,40 και 0,80 μέτρων. Επίσης η ηλιακή ακτινοβολία, η μέγιστη και η ελάχιστη θερμοκρασία και η ταχύτητα του ανέμου μετρήθηκαν από τον μετεωρολογικό σταθμό Pilar.

Αποτελέσματα

Στην εικόνα 1 φαίνονται 9 διαγράμματα που απεικονίζουν τη σχέση μεταξύ του δείκτη βλάστησης NDVI και της θερμοκρασίας εδάφους LST για κάθε χρονική περίοδο που αντιπροσωπεύουν οι λήψεις των αεροφωτογραφιών. Όπως διακρίνεται η σχέση των δύο μεταβλητών είναι τραπεζοειδούς μορφής, εκτός από την 01/29/2011 όπου η

σχέση είναι τριγωνική (λαμβάνοντας υπόψη την περιοχή του NDVI). Η διαφορετική κατανομή των σημείων στα διαγράμματα υποδηλώνει την ύπαρξη ευρέος φάσματος υγρασίας εδάφους και βλάστησης στη περιοχή μελέτης.
Εικόνα 1. Τα αποτελέσματα των ξηρών (κόκκινα) και υγρών (μπλε) άκρων για κάθε εποχιακή εικόνα στη περιοχή μελέτης

Συμπεράσματα

Στο συγκεκριμένο άρθρο παρουσιάζονται τρεις τύποι δεικτών που αντιπροσωπεύουν το υδατικό στρες των καλλιεργειών σόγιας και αναλύονται οι σχέσεις τους με το δείκτη ξηρότητας θερμοκρασίας-βλάστησης, TVDI. Τα αποτελέσματα των σχέσεων του δείκτη βλάστησης NDVI με τη θερμοκρασία εδάφους LST αποκαλύπτουν προσωρινή αλλαγή υγρών και ξερών άκρων. Η αποτύπωση των σχέσεων παρουσιάζει τραπεζοειδή μορφή, γεγονός που δείχνει ότι ο TVDI θα έχει παρόμοια ευαισθησία σε όλο το εύρος του NDVI. Η χρήση ενός απλού μοντέλου προσομοίωσης καλλιέργειας, που υπολογίζει την υγρασία του εδάφους με ακρίβεια, επέτρεψε να ληφθούν δείκτες για τις τιμές του υδατικού στρες ώστε να συγκριθούν με το TVDI. Καταλήγοντας στο βασικό συμπέρασμα, ο δείκτης TVDI, όπως καταγράφεται από εικόνες Landsat, είναι ικανός να παρουσιάσει τις συνθήκες υδατικού στρες της σόγιας κατά τη περίοδο καλλιέργειάς της, στη κεντρική γεωργική ζώνη της Κόρδοβας στην Αργεντινή.

Πηγή:

S. Sayago, G. Ovand, & M. Bocco (2017). Landsat images and crop model for evaluating water stress of rainfed soybean. Remote Sensing of Environment, 198, 30-39

Προσωπικά εργαλεία