Wykorzystanie syntezy danych satelitarnych Sentinel-1 i Sentinel-2 do opracowania map zmiennego nawożenia azotem rzepaku ozimego

• Autorzy: Michalski Michał , Turos Przemysław , Buszke Bartosz , Malinowski Radek , Rybicki Marcin , Stankiewicz Mateusz

Warianty tytułu

EN

Using synthesis of Sentinel-1 and Sentinel-2 satellite data to develop maps of variable nitrogen fertilization of winter oilseed rape

• Języki publikacji: PL

Abstrakty

PL

Monitorowanie upraw w trakcie sezonu wegetacyjnego stanowi podstawę planowania zabiegów agrotechnicznych w rolnictwie precyzyjnym. Opiera się ono zazwyczaj na wykorzystaniu multispektralnych danych satelitarnych, których dostępność jest często ograniczona przez występowanie chmur. Powoduje to potrzebę sięgnięcia po inne rozwiązania, a jednym z nich jest wykorzystanie niezależnych od zachmurzenia satelitarnych danych radarowych. Celem prezentowanego badania było opracowanie map aplikacyjnych zmiennego nawożenia azotem rzepaku ozimego, poprzez modelowanie wskaźnika pokrycia liściowego (Leaf Area Index-LAI) z wykorzystaniem danych Sentinel-1 (S-1) i Sentinel-2 (S-2). Użyte dane teledetekcyjne i dane in-situ zebrano podczas dwóch sezonów wegetacyjnych z różnych regionów w Polsce. Współczynnik wstecznego rozpraszania obliczony na podstawie S-1 został zastosowany jako dane wejściowe do modelowania wskaźnika LAI z wykorzystaniem kilku technik regresji. Ze względu na charakterystykę zobrazowań radarowych, LAI było szacowane jako wartość średnia dla pojedynczego pola osiągając najlepsze wyniki dla algorytmu Random Forest (R2=0.85; RMSE=0.41). W celu zwiększenia precyzji wymaganej przy zabiegach agrotechnicznych wykorzystano zależność pomiędzy LAI wyznaczonym na podstawie ostatniego dostępnego bezchmurnego zdjęcia S-2 i LAI modelowanym przy użyciu S-1. Pozwoliło to na uzyskanie przestrzennego zróżnicowania w obrębie pola do poziomu piksela 10 m×10 m dla okresu z zachmurzeniem. Przygotowana w procesie syntezy danych S-1 i S-2 mapa LAI pozwoliła oszacować dotychczas pobraną przez rzepak ilość azotu. Na tej podstawie dostosowano dawkę nawozu do aktualnych potrzeb roślin oraz opracowano mapę aplikacyjną. Badanie wykazało potencjał i użyteczność syntezy danych S-1 i S-2 do opracowywania map aplikacyjnych zmiennego nawożenia, gdyż umożliwia ich tworzenie również w okresie niedostępności aktualnych danych optycznych. Proponowana metoda może stanowić uzupełnienie dla rozwiązań stosowanych obecnie w rolnictwie precyzyjnym.

EN

Regular crop monitoring during a vegetation season is necessary to make right decisions in precision agriculture. It is usually based on multispectral satellite data but their use is often limited by cloud cover. This problem can be reduced by applying data from synthetic aperture radar (SAR) satellite sensors that operate independently of cloudiness. The aim of this study was to develop maps of variable nitrogen fertilization for winter oilseed rape, by modelling Leaf Area Index (LAI) using Sentinel-1 (S-1) and Sentinel-2 (S-2) data. Satellite and in-situ data were collected for several fields during two growing seasons in various regions of Poland. Backscattering coefficients derived from S-1 were used as input to the LAI estimation process using different regression techniques. Due to the characteristics of radar imagery, LAI was estimated as an average value for a single field achieving the best results with a Random Forest algorithm (R2=0.85; RMSE=0.41). In order to increase the precision required for agrotechnical treatments, the relationship between LAI calculated using the latest available cloudless S-2 image and LAI derived from S-1 was established. That allowed for spatial differentiation of LAI values within a field at the level of 10×10 m pixel for the clouded period. LAI map prepared in the process of synthesis allowed to estimate the amount of nitrogen taken up so far by winter oilseed rape. Using this information, the dose of fertilizer was adjusted to the current needs of plants in the prepared application maps of variable fertilization. This study showed the potential and usefulness of the S-1 and S-2 data synthesis for developing maps of variable fertilization, as it enabled their creation also in the period of unavailability of optical data. The method can become a complement to the current solutions in precision agriculture.

Słowa kluczowe

PL

LAI; uczenie maszynowe; dane satelitarne; Sentinel-1; Sentinel-2; mapa aplikacyjna

EN

LAI; machine learning; satellite data; Sentinel-1; Sentinel-2; VRA map

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2023
• Tom: T. 21, z. 1(100)
• Strony: 31--47
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Michalski Michał

• Wasat, ul. Trzy Lipy 3, 80-172 Gdańsk

autor

Turos Przemysław

• Topologic Consulting, ul. Ołówkowa 43a, 03-001 Warszawa

autor

Buszke Bartosz

• Wasat, ul. Trzy Lipy 3, 80-172 Gdańsk

autor

Malinowski Radek

• Wasat, ul. Trzy Lipy 3, 80-172 Gdańsk

• https://orcid.org/0000-0001-9195-3330

autor

Rybicki Marcin

• Wasat, ul. Trzy Lipy 3, 80-172 Gdańsk

autor

Stankiewicz Mateusz

• Wasat, ul. Trzy Lipy 3, 80-172 Gdańsk

Bibliografia

• Boori, M. S., Choudhary, K., Paringer, R., Sharma, A. K., Kupriyanov, A., & Corgne, S., 2019: Monitoring crop phenology using NDVI time series from Sentinel 2 satellite data. 5th Int Conf on Frontiers of Signal Processing (ICFSP) 2019: 62-66.
• Campos-Taberner, M.; García-Haro, F.J.; Busetto, L.; Ranghetti, L.; Martínez, B.; Gilabert, M.A.; Camps-Valls, G.; Camacho, F.; Boschetti, M., 2018: A Critical Comparison of Remote Sensing Leaf Area Index Estimates over Rice-Cultivated Areas: From Sentinel-2 and Landsat-7/8 to MODIS, GEOV1 and EUMETSAT Polar System. Remote Sens. 10, 763.
• Caballero, G., Pezzola, A., Winschel, C.; Casella, A., Sanchez Angonova, P., Orden, L., et al., 2022: Quantifying Irrigated Winter Wheat LAI in Argentina Using Multiple Sentinel-1 Incidence Angles. Remote Sensing 14, 5867.
• Harfenmeister, K., Spengler, D., Weltzien, C., 2019: Analyzing Temporal and Spatial Characteristics of Crop Parameters Using Sentinel-1 Backscatter Data. Remote Sensing 11, 1569.
• Mandal, D., Kumar, V., Bhattacharya, A., Rao, Y., McNairn, H., 2018: Crop Biophysical Parameters Estimation with a Multi-Target Inversion Scheme using the Sentinel-1 SAR Data. " IGARSS 2018” - IEEE International Geoscience and Remote Sensing Symposium, 6611–6614.
• Meier, U., 1997: Growth stages of mono- and dicotyledonous plants. Blackwell WissenschaftsVerlag.
• Ndikumana, E., Ho Tong Minh, D., Dang Nguyen, H.T., Baghdadi, N., Courault, D., Hossard, L., et al., 2018: Estimation of Rice Height and Biomass Using Multitemporal SAR Sentinel-1 for Camargue, Southern France. Remote Sensing 10, 1394.
• Pahlmann, I., Böttcher, U., Henning Kage, H., 2017: Developing and testing an algorithm for sitespecific N fertilization of winter oilseed rape. Computers and Electronics in Agriculture, Volume 136, 228-237.
• Podleśna, A., 2014: Potrzeby pokarmowe i nawożenie rzepaku ozimego. Studia i raporty Instytutu Uprawy Nawożenia i Gleboznawstwa, Zeszyt 37(11), 111-125.
• Rozporządzenie Rady Ministrów z dnia 31 stycznia 2023 r. w sprawie "Programu działań mających na celu zmniejszenie zanieczyszczenia wód azotanami pochodzącymi ze źródeł rolniczych oraz zapobieganie dalszemu zanieczyszczeniu", Dz. U. 2023 poz. 244
• Ting, D., 2017: The impact of Leaf Area Index on rainfall interception and the potential to estimate it using Sentinel-1 observations. Masters thesis, University of Twente, The Netherlands. http://essay.utwente.nl/83328/ (dostęp: 31.10.2023)