Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών

Από RemoteSensing Wiki

Μετάβαση σε: πλοήγηση, αναζήτηση

Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών Πρωτότυπος τίτλος:Διαχρονική Παρακολούθηση Καλλιεργειών με Δορυφορικά Δεδομένα Sentinel-2 και Ανάλυση Χρονοσειρών

Συγγραφείς: Ουζούν Μεμέτ

Δημοσιεύθηκε:2020 Σύνδεσμος πρότυπου κειμένου: https://dspace.lib.ntua.gr/xmlui/handle/123456789/51896


Διάγραμμα 1: δείκτες NDVI για το σύνολο δεδομένων, έτη 2017-2019, χωρίς τα προβληματικά γεωτεμάχια
Διάγραμμα 2: σύγκριση ιδανικής καμπύλης NDVI για το σύνολο δεδομένων, έτη 2017-2019, με και χωρίς τα προβληματικά γεωτεμάχια

Εισαγωγή

Στην παρούσα εργασία εξετάστηκαν και εφαρμόστηκαν μαθηματικά μοντέλα ανάλυσης χρονοσειρών σε δορυφορικά δεδομένα, με σκοπό την αναγνώριση του είδους των καλλιεργειών τηλεπισκοπικά. Η μελέτη αφορούσε τις εξής καλλιέργειες: βαμβάκι, καλαμπόκι, ηλίανθο, ρύζι, σιτάρι και μηδική. Ως περιοχή μελέτης ορίστηκαν 6 νομοί στη Βόρεια Ελλάδα και ο νομός Καρδίτσας, για τους οποίους τα δεδομένα ελέγχου είτε παραχωρήθηκαν από τον ΟΠΕΚΕΠΕ (2017), είτε συλλέχθηκαν από το εργαστήριο τηλεπισκόπησης (2018, 2019). Στόχος της εργασίας ήταν η παραγωγή χρονοσειρών που αφορούσαν τις καλλιέργειες βαμβακιού, καλαμποκιού, ηλίανθου, ρυζιού, σιταριού και μηδικής με χρήση δορυφορικών δεδομένων Sentinel 2. Επειδή ένας από τους στόχους της εργασίας ήταν η εξερεύνηση εργαλείων που είναι διαθέσιμα ελεύθερα για σκοπούς τηλεπισκόπησης, η λήψη των δορυφορικών δεδομένων έγινε μέσω της πλατφόρμας ‘Google Earth Engine’. Τα απαραίτητα δορυφορικά δεδομένα αντλήθηκαν μέσω της πλατφόρμας, χωρίς να χρειαστεί να γίνει οποιαδήποτε λήψη εικόνων τοπικά.


Μεθοδολογία

Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A). Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές. Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.

Η διαδικασία συλλογής των δεδομένων του δορυφόρου Sentinel-2, πραγματοποιήθηκε διαδικτυακά μέσω της πλατφόρμας ‘Google Earth Engine’. Αναπτύχθηκε κώδικας στη γλώσσα προγραμματισμού ‘JavaScript’ για την άντληση των δεδομένων των εικόνων σε μορφή πινάκων και όχι ολόκληρες οι εικόνες. Τα δεδομένα Sentinel 2 ήταν ατμοσφαιρικά διορθωμένα κατά τη διάθεση τους (L2A). Στη συνέχεια υπολογίστηκε, στη γλώσσα προγραμματισμού Python, ο δείκτης βλάστησης NDVI για όλα τα διαθέσιμα δεδομένα, ώστε να χρησιμοποιηθεί για την παρατήρηση του κύκλου των καλλιεργειών. Όσον αφορά τη διαδικασία της ανάλυσης, ορίστηκαν οι διάφορες δοκιμές που θα πραγματοποιούνταν και στη συνέχεια, διαχωρίστηκαν τα δεδομένα αναλόγως. Για το χωρικό διαχωρισμό χρησιμοποιήθηκε η πληροφορία του tile της εικόνας απ’ όπου προέρχονταν τα δεδομένα. Μετά το διαχωρισμό των δεδομένων, υπολογίστηκε ο μέσος όρος του δείκτη NDVI από όλα τα πολύγωνα της κάθε διαθέσιμης ημερομηνίας για κάθε καλλιέργεια και πραγματοποιήθηκε γραμμική παρεμβολή στα δεδομένα για αναγωγή των παρατηρήσεων NDVI σε επίπεδο ημέρας. Προκειμένου να γίνει σύγκριση των παρατηρήσεων, απεικονίστηκε σε κοινό διάγραμμα κάθε άθροισμα εποχικότητας με την αντίστοιχη τάση των δεδομένων, ενώ τελευταίο στάδιο της ανάλυσης των δεδομένων απετέλεσε ο εντοπισμός των δέκα αγροτεμαχίων με την καλύτερη και τη χειρότερη προσαρμογή στο μέσο δείκτη NDVI, για διάφορες δοκιμές. Στα παρακάτω διαγράμματα, συγκρίνονται οι ιδανικές καμπύλες του δείκτη NDVI για κάθε σύνολο δεδομένων, η οποία ιδανική καμπύλη προέκυψε από το άθροισμα της εποχικότητας και της τάσης του εκάστοτε συνόλου δεδομένων. Η κόκκινη καμπύλη αφορά το σύνολο των δεδομένων για τα τρία έτη μελέτης, ενώ η πράσινη καμπύλη αφορά το σύνολο δεδομένων χωρίς τα αγροτεμάχια που δεν έγινε ορθή ανάπτυξη της καλλιέργειας, για την καλλιέργεια βαμβακιού.


Συμπεράσματα

Όσον αφορά την καλλιέργεια βαμβακιού, παρατηρήθηκε εμφανής διαφορά στις παρατηρήσεις για το έτος 2017, το οποίο είναι πιθανό να οφείλεται στις λάθος καταχωρημένες εγγραφές που παρουσιάστηκαν στην συγκεκριμένη καλλιέργεια, ενώ στις δοκιμές που συμμετείχαν τα δεδομένα της περιοχής Έβρου, ο δείκτης NDVI ήταν αισθητά χαμηλότερος. Όσον αφορά την καλλιέργεια καλαμποκιού, η ανάπτυξη της καλλιέργειας παρατηρήθηκε από τα μέσα Μαΐου έως το πρώτο δεκαήμερο του Σεπτεμβρίου στο σύνολο των περιοχών που εξετάστηκαν. Στην περιοχή του Έβρου, ο κύκλος της καλλιέργειας παρουσίασε μικρή καθυστέρηση, το οποίο είναι πιθανό να οφείλεται στη διαφορά του κλίματος της περιοχής, σε σχέση με τις υπόλοιπες περιοχές μελέτης, ενώ οι υψηλότερες τιμές του δείκτη NDVI, παρατηρήθηκαν στα μέσα Ιουνίου και ήταν περίπου 0.80, όπου συμβαδίζει με το φαινολογικό κύκλο της καλλιέργειας στην Ελλάδα. Όσον αφορά την καλλιέργεια ηλίανθου, ο κύκλος ανάπτυξης της παρατηρήθηκε μέσω του δείκτη NDVI γύρω στις 15 Μαΐου έως το πρώτο δεκαήμερο του Αυγούστου, ενώ οι ψηλότερες τιμές στον δείκτη NDVI, παρατηρούνταν προς το τέλος Ιουνίου και ήταν περίπου 0.70. Η περίοδος ωρίμανσης του φυτού είχε μεγαλύτερη διάρκεια παρά η περίοδος ανάπτυξης σύμφωνα με τα μοντέλα των χρονοσειρών NDVI. Όσον αφορά την καλλιέργεια ρυζιού, παρατηρήθηκε χρονική διαφορά περίπου 20 ημερών, ανάμεσα στην ανάπτυξη των καλλιεργειών στην περιοχή Θεσσαλονίκης και στην περιοχή Έβρου. Στην περιοχή του Έβρου, η ορατή ανάπτυξη παρατηρήθηκε μετά τις 10 Ιουνίου έως τις 20 Οκτωβρίου, ενώ στην περιοχή Θεσσαλονίκης η διαδικασία ξεκινούσε περίπου 20 ημέρες νωρίτερα. Η μέγιστη τιμή του δείκτη NDVI που παρατηρήθηκε ήταν περίπου 0.90 στις αρχές Αυγούστου και διατηρήθηκε για αρκετές ημέρες σε ψηλά επίπεδα. Όσον αφορά την καλλιέργεια σιταριού, ο κύκλος της καλλιέργειας ξεκινά μεταξύ Δεκεμβρίου και Ιανουαρίου που συμβαδίζει με τις ημερομηνίες σποράς στην Ελλάδα. Η καλλιέργεια χρειάζεται 3 έως 4 μήνες ώστε να φτάσει στο μέγιστο επίπεδο χλωροφύλλης και στη συνέχεια για την ολοκλήρωση της ωρίμανσης χρειάζεται περίπου 1 μήνα, ενώ οι ψηλότερες τιμές δείκτη NDVI που παρατηρήθηκαν ήταν κοντά στο 0.65 Τέλος, όσον αφορά την καλλιέργεια μηδικής, δεν παρουσίασε συγκεκριμένη συμπεριφορά στην ανάπτυξη, ως προς το χρόνο, ενώ σε κάθε γεωτεμάχιο, η καλλιέργεια μπορεί να αναπτύσσεται για τουλάχιστον 3 χρόνια χωρίς να ξαναφυτευτεί. Αναλόγως με τη φροντίδα, το πότισμα και τη διάθεση του αγρότη ο αριθμός των κοπών μέσα στον χρόνο ποικίλει που καθιστά την μοντελόποίηση του NDVI αδύνατη.

Προσωπικά εργαλεία