Моніторинг Врожаю Цукрової Тростини В Бразилії
Бразилія є головним експортером цукру, який постачає близько 50% всього цукру у світі. Сільськогосподарські підприємства та фермери виробляють продукцію з цукрової тростини. Ця культура також використовується для виробництва етанолу – поновлюваного виду палива.
У цьому кейсі ми розглянемо, як команда EOS Data Analytics виконала індивідуальний проєкт з моніторингу врожаю цукрової тростини для бразильської компанії.
Огляд: Виробництво Цукру В Бразилії
Сільськогосподарські підприємства країни почали переходити від ручного, застарілого, дорогого та екологічно шкідливого передзбирального спалювання (спалювання всього листя і верхівок цукрової тростини, крім цукроносних стебел) до “зеленого” збирання тростини. Цей альтернативний підхід передбачає використання машин з вентиляторами для очищення стебел від листя і верхівок, щоб біомаса залишалася на землі та сприяла відновленню ґрунту. Завдяки такому переходу фермери можуть оптимізувати польові роботи та збирання врожаю протягом усього року, включаючи сезон дощів. Прискорення процесу виробництва цукру є особливо актуальним з огляду на зростаючий попит на продукти харчування та збільшення споживання цукру. Однак нові методи вирощування цукрової тростини та її збирання потребують впровадження технологій, які б дозволили оцінювати виробництво та здійснювати безперервний моніторинг сільськогосподарських угідь для своєчасного виявлення змін.
Завдання: Знайти Альтернативу Трудомістким І Дорогим Інспекціям Полів І Наземному Моніторингу Врожаю
Для моніторингу врожаю в масштабах регіону або країни необхідний метод, який дасть змогу обійти обмеження, властиві моніторингу за допомогою дронів, і недоліки наземного моніторингу врожаю у вигляді дорогого обслуговування навігаційного обладнання сільськогосподарської техніки. Застосування супутникових даних для відстеження ходу збирання врожаю на великих площах полів цукрової тростини може стати розумною альтернативою. Визначення термінів збору врожаю на рівні поля – один з подібних проєктів, який EOS Data Analytics виконала для бразильського замовника.
Рішення: Моніторинг Термінів Збору Врожаю Та Розрахунок Прибраних Площ За Допомогою Супутникових, Метео- Та Агрономічних Даних
Фахівці EOSDA визначили дати збору врожаю і розрахували прибрані площі для бразильської компанії, яка потребувала цієї інформації для планування та оптимізації логістичних операцій. Виробник цукру управляє полями в штаті Сан-Паулу, на який припадає 60% виробництва цукрової тростини в країні.
Команда працювала над пілотним проєктом у 2019-2020 роках, використовуючи записи, починаючи з 2018 року (рік посадки цукрової тростини на проаналізованих полях).
Розроблення алгоритмів для моніторингу збирання цукрової тростини було обґрунтовано унікальністю культури та різницею в ознаках збирання порівняно із зерновими культурами.
Цукрову тростину висаджують двічі на рік: взимку (серпень-вересень) і влітку (лютий-квітень) у дуже вологий ґрунт. Рослина росте протягом одного або півтора року. У більшості випадків фермери збирають урожай цукрової тростини в зеленому стані та в сухі періоди взимку, коли концентрація сахарози в рослинах найвища.
Було розроблено два незалежні алгоритми на основі дерев рішень; алгоритм 1 був розрахований на аналіз часового ряду мультиспектральних оптичних даних Sentinel-2, а алгоритм 2 використовувався для аналізу часового ряду радарних даних супутника Sentinel-1 у поєднанні з оптичними даними.
EOSDA Crop Monitoring
Отримайте доступ до супутникових знімків з високою роздільною здатністю – керуйте полями ефективно!
Рішення використати обидва типи супутникових даних було обґрунтовано їхніми властивостями і частковою доступністю оптичних даних.
Оптичні дані – гарний вибір, оскільки цукрова тростина прибирається зеленою. Також до плюсів можна віднести частоту повторних відвідувань території супутником (кожні п’ять днів) і високу чутливість коефіцієнтів відбиття в спектральних каналах до змін рослинності на полях. Недоліком оптичних знімків є те, що хмарність і туман не дають змоги зчитувати спектральні характеристики різних каналів, що застосовуються в аналізі. Саме в таких випадках на допомогу приходять радарні дані. Більш того, радарні супутникові знімки відкривають перед нами більше вікно можливостей, оскільки ми можемо визначити, як змінюється текстура поля. Наприклад, після збору врожаю на полі залишаються ділянки коренів (пожнивні рештки), але їхня висота та структура вже інші. Недоліком використання радарних даних є довгий інтервал повторних прольотів над територієї, а саме 10-12 днів.
Використання оптичних даних. Для визначення дат збору врожаю з використанням часових рядів оптичних даних із супутника Sentinel-2 фахівці проаналізували знімки, розрахувавши індекс NDVI, оскільки спектральне віддзеркалення зеленої рослинності, пожнивних решток і ґрунту без рослинності відрізняється. Значення індексу поступово збільшуються впродовж росту рослин і різко зменшуються після збирання врожаю. З огляду на те, що поля цукрової тростини прибирають частинами (по 5-10 га), великі поля було розділено на квадратні ділянки, щоб зниження значень індексу було більш помітним.
Найточніші оцінки прибраних площ на місяць було отримано за період з березня по серпень 2018 року, коли відсоток хмарних пікселів становив менше 45% від площі зображень.
Використання даних SAR. Радарні знімки можна використовувати для уточнення дат збору врожаю, які було визначено на основі оптичних даних, і, як уже зазначалося раніше, для уточнення дат збору врожаю в разі, коли камери оптичних супутників не здатні зафіксувати спектральні характеристики необхідних каналів через високу хмарність.
Для моніторингу врожаю за даними SAR ми використовували часові ряди когерентності, сформовані на основі знімків Sentinel-1 IW SLC. Низька когерентність відповідає періоду, коли тривають збиральні роботи. Когерентність швидко зростає після завершення збирання врожаю через голий ґрунт або рідку рослинність.
Окрім супутникових даних, команда використовувала агрокалендар (дати посіву цукрової тростини) і погодні дані, оскільки їхнє спільне використання дає змогу отримати точніший результат.
Для розрахунку розмірів прибраних полів фахівці використовували векторну карту, що містить полігони, кожен з яких відповідав певній ділянці, і виявили зміни в межах полів, використовуючи супутникові знімки цих полів.
У разі потреби ми можемо застосувати цю технологію, щоб зафіксувати часткове збирання врожаю на полі.
Результат: Визначено Статус, Терміни Збору Врожаю Та Прибрану Площу 30 Полів
Команда підготувала цифрову векторну мапу із зазначенням 30 визначених полів, розділених на 574 ділянки, статусу збору врожаю, прибраної площі та дат збирання для кожного з них. Загальна площа спостережуваних полів становила 3745 га. Прибрані території, визначені шляхом візуальної інтерпретації, збігаються з результатами алгоритму на основі оптичних даних (алгоритм 1) на 97%; збіг з алгоритмом на основі радарних і оптичних даних (алгоритм 2) становить 90%.
При роботі з оптичними даними вчені домоглися вищої точності у визначенні дат збирання врожаю через те, що інтервал повторних відвідувань території супутником Sentinel-2 був коротшим (5 днів), ніж у супутника Sentinel-1 (10-12 днів). Таким чином, використання даних, отриманих як оптичними, так і радарними супутниками, було обґрунтоване.
Після закінчення пілотного проєкту 2020 року клієнт попросив проконтролювати хід збиральних робіт в іншій провінції.
Про автора:
Наталія Іванчук отримала ступінь магістра з прикладної математики в Національному університеті водного господарства та природокористування. Вона є авторкою понад 60 наукових публікацій, монографій та інших наукових праць.
Експертиза Наталії та її постійне бажання вчитися і вдосконалювати свої навички програмування (C++, C#, JS, Python) надзвичайно корисні для EOS Data Analytics.
Oстанні статті
Вирощування Батату: Посадка, Догляд Та Збирання
Хоча процес вирощування батату є досить прости, для успішного розвитку культури та отримання рясного урожаю треба враховувати важливі особливості вирощування батату.
Вирощування Винограду: Як Садити, Доглядати Та Збирати Врожай
Традиції поєднуються з сучасними технологіями вирощування винограду. Вікова мудрість забезпечує правильну обрізку винограду, а супутники відстежують стрес лози та керують підживленням.
EOSDA Crop Monitoring: Запущено Конструктор Карт
Завдяки новій функції користувачі EOSDA Crop Monitoring тепер можуть використовувати дані про врожайність зі своєї техніки для оптимізації використання ресурсів та продуктивності посівів.