Оценка урожайности люцерны с использованием комбинации данных Sentinel-2 и метеорологических данных

Люцерна посевная (Medicago sativa L.) является одним из важнейших кормовых растений для скота в мире. Эффективное управление посевами люцерны требует своевременной и точной оценки её урожайности. Так как люцерну часто собирают несколько раз в год и она быстро восстанавливается после скашивания, использование спутникового дистанционного зондирования, в частности данных спутников Sentinel-2, представляет собой многообещающий подход для мониторинга её состояния и продуктивности.

Методология

Для оценки урожайности люцерны использовались вегетационные индексы (ВИ) и метеорологические данные, собранные в Наварре (северная Испания) в течение двух сезонов (2020 и 2021 годов). Оценка урожайности проводилась на трёх фенологических стадиях: ранняя вегетация, поздняя вегетация и бутонизация.

1. Вегетационные индексы: Основными ВИ, использованными в исследовании, были нормализованный разностный вегетационный индекс (NDVI) и нормализованный разностный водный индекс (NDWI), которые позволяют оценить биомассу и содержание воды в растениях.

2. Метеорологические данные: Ключевыми метеорологическими переменными были минимальная температура и количество выпавших осадков.

3. Моделирование: Для создания моделей оценки урожайности применялись различные подходы, включая полиномиальную регрессию, алгоритм LASSO и случайный лес (RF). Эти методы позволили проанализировать влияние как визуальных индикаторов, так и метеорологических данных на урожайность.

Результаты

1. Эффективность комбинации данных: Независимо от выбранного статистического метода, использование только визуальных индикаторов или метеорологических данных не обеспечивало оптимальных результатов. Однако комбинация ВИ и метеорологических данных значительно улучшила точность оценки урожайности.

2. Модели и их показатели:
- Модель LASSO достигла наилучших результатов на стадии бутонизации с объяснённой дисперсией (R²) равной 0,61 и нормализованной среднеквадратичной ошибкой (nRMSE) 0,16.
- Модель случайного леса показала R² равное 0,44 и nRMSE 0,22 на поздней вегетационной стадии, а на ранней вегетационной стадии — R² 0,36 и nRMSE 0,24.

3. Ключевые переменные: Наиболее значимыми переменными для оценки урожайности оказались минимальная температура, количество осадков, NDVI и NDWI. Это подчеркивает важность как климатических факторов, так и состояния растений для точной оценки урожайности.

4. Сравнение моделей: Модель случайного леса обеспечила более точную оценку урожайности на ранних и поздних стадиях вегетации, в то время как модель LASSO была более эффективной на стадии бутонизации.

Полученные результаты показывают, что комбинация данных спутникового дистанционного зондирования и метеорологических данных может значительно улучшить оценку урожайности люцерны на различных фенологических стадиях. Это открывает новые возможности для дистанционного мониторинга полей с люцерной и разработки эффективных стратегий управления, начиная с ранних стадий развития растений. Модели, созданные в ходе исследования, могут быть использованы для предсказания урожайности и поддержки принятия управленческих решений, направленных на повышение продуктивности люцерны.


Исследование: Field Crops Research