Совместный российско-индийский проект между институтом KIAAR и ИКИ РАН направлен на развитие методов дистанционного мониторинга плантаций сахарного тростника на территории Южной Индии. Достаточно малое количество научных публикаций на эту тему обусловлено спецификой региона: длительным отсутствием спутниковой информации в оптическом диапазоне длин волн из-за многомесячного муссонного сезона, чрезвычайно малыми размерами полей (средний размер 0.2-0.5 га), спектрально-временной неоднородностью класса сахарного тростника (сорта с длительностью созревания 12, 14 и 18 месяцев), множество частных землевладений, отсутствие механизмов сбора достоверной статистической информации (Formaggio et al. 2010, Junior et al. 2017, Schultz et al. 2015). Для решения задач проекта и мониторинга плантаций чрезвычайно малого размера могли быть использованы спутниковые данные только высокого пространственного разрешения серии Sentinel. Российским коллективом были разработаны новые методы восстановления безоблачных спутниковых мультиспектральных и радарных изображений высокого пространственного разрешения в условиях продолжительной облачности, методы автоматического распознавания плантаций сахарного тростника на территории Южной Индии и дистанционной оценки состояния растений тростника с определением количества связанного азота и воды в листьях и стеблях.
В течение безмуссонных периодов сезонов 2018-2020 годов был собран значительный объем геоботанической, фенологической и биофизической информации о растениях сахарного тростника и других культур, расположенных на территории региона исследования в округах Багалкот и Белгаум индийского штата Карнатака. Результаты комплексных наземных обследований нескольких сотен полей позволили решить ключевые задачи проекта, включая распознавание плантаций сахарного тростника, оценку информативности вегетационных индексов для оценки состояния растений и определение количества азота и воды в листьях сахарного тростника.
В проекте получил развитие созданный в ИКИ РАН метод локальной взвешенной регрессии полиномами LOESS (Cleveland, 1979) для восстановления временных серий безоблачных спутниковых наблюдений без использования масок облачности минуя стадию создания промежуточных композитных изображений (Плотников и др., 2020). Указанный метод использует сезонную временную серию всех доступных значений целевого индикатора (вегетационного индекса или измерений в отдельном канале), а в качестве метрики весов используются преобразованные значения нормализованного разностного индекса снега и облачности NDSI, который чувствителен к наличию мешающих факторов, в том числе, облачности и теней от неё. В результате безоблачные сезонные временные серии ежедневных значений дистанционных индикаторов состояния растений (таких как NDVI, GNDVI, NDWI, NDDI, MCARI) по данным прибора MSI (Sentinel-2) были построены на территорию тестового региона в Индии с пространственным разрешением 10-20 метров и были использованы для распознавания плантаций сахарного тростника и дистанционного контроля водообеспечения и азотного питания плантаций.
С целью развития автоматизированных методов картографирования плантаций сахарного тростника были оценены возможности непараметрических классификаторов и мультиспектральной информации прибора MSI. Был разработан подход для картографирования посевов сахарного тростника на основе Random Forest с последовательным обучением по разносезонным наземным данным, в результате чего были получены ежемесячные карты размещения плантаций сахарного тростника на территорию региона исследования.
Кроме этого, коллективом проекта был проведено исследование синхронных дистанционных и лабораторных измерений количества воды и азота в растениях сахарного тростника, в котором характеристики растительности оценивались одновременно в лаборатории KIARR и по данным измерений спутниковых приборов MSI и OLI\TIRS (Landsat-8) в течение нескольких месяцев мониторинга. Для этого подспутникового эксперимента были задействованы 8 полей института KIAAR, занятые сахарным тростником в период конца 2019-начала 2020 года, 4 из которых были участвовали в эксперименте с контролем дефицита воды (четыре страты с нормой полива от 25% до 100% с шагом 25%), и 4 других (с аналогичным шагом стратифицирования) – в эксперименте с контролем дефицита азота. Анализ результатов эксперимента позволил построить регрессионные модели для спутниковой оценки количества азота и воды на основе спутниковых данных Senintel-2 с пространственным разрешением 20 метров. Разработанные модели позволяют обеспечить оперативный спутниковый мониторинг дефицита азота и воды в растениях сахарного тростника на основе одномоментных снимков с пространственным разрешением 20 метров, а созданные на их основе карты предписаний (prescription maps) дают возможность местным сельскохозяйственным производителям принимать информированные решения при управлении плантациями.
Проект выполнен при поддержке РФФИ, № 18-55-45023 ИНД_а с использованием ресурсов ЦКП "ИКИ-Мониторинг" (Лупян и др, 2015).