/ А. М. Зейлигер, К. В. Музалевский, Е. В. Зинченко, О. С. Ермолаева> // Журн. радиоэлектрон. - 2023. -
№ 1. - Ст. 7 ; J. Radio Electron.,
DOI 10.30898/1684-1719.2023.1.8. - Библиогр.: 24. - Грант РФФИ №19-29-05261 «Картографическое моделирование влагозапасов почвенного покрова на основе комплексной геофизической влагометрии для целей цифрового орошаемого земледелия»
. - ISSN 1684-1719
Перевод заглавия: Using a neural network,
radar and multispectral optical data of Sentinel-1,2 for the moisture monitoring of vegetation covered soil
Аннотация: В данной работе проведен мониторинг пространственного распределения влажности поверхностного слоя агропочв тестового участка поля, покрытого растительностью, в Волгоградской области на основе данных радарной съемки спутника Sentinel-1 и мультиспектральной оптической съемки спутника Sentinel-2. Алгоритм восстановления влажности основан на применении нейронной сети для прогноза коэффициента отражения электромагнитной волны от почвенного покрова, с последующей инверсией во влажность почвы с использованием диэлектрической модели, учитывающей гранулометрический состав агропочвы. Входным параметром нейронной сети является отношение микроволнового радарного растительного индекса (рассчитанного на основе данных спутника Sentinel-1) к мультиспектральному оптическому индексу (рассчитанного на 8-11 каналах спутника Sentinel-2). Это отношение индексов обнаруживает существенно большую зависимость с влажностью почвы, чем с высотой растительности. Восстановленные значения влажности почвы сопоставлялись с влажностью отобранных образцов почвы, измеренных в лабораторных условиях термостатно-весовым методом. Предложенный метод позволяет с коэффициентом детерминации 0,435 и среднеквадратическим отклонением 2,4 % прогнозировать влажность почвы тестового участка, покрытого растительным покровом, относительно влажности почвы, измеренной контактным методом. Проведенное исследование создает научные основы новой всепогодной технологии мониторинга влажности агропочв как элемента системы точного земледелия.
In this article, a method for the moisture monitoring of vegetation covered soil was proposed using neural network,
radar and optical multispectral data of Sentinel-1,2. Test site was chosen in the Volgograd region at an agriculture field. The moisture retrieval algorithm is based on the use of a neural network to predict reflection coefficient of an electromagnetic wave from the soil, followed by inversion into soil moisture using a dielectric model that takes into account the soil texture. The input parameter of the neural network is the ratio of the microwave
radar vegetation index (calculated on the basis of Sentinel-1 data) to the multispectral optical index (calculated on 8-11 channels of the Sentinel-2). Such way calculated index reveals a significantly greater dependence on soil moisture than on vegetation height. The retrieved values of soil moisture were compared with the moisture content of in-situ selected soil samples, which were measured under laboratory conditions by the thermostatic-weight method. The proposed method with a determination coefficient of 0.435 and a standard deviation of 2.4 % allows predicting the soil moisture content of a test area covered with vegetation, relative to soil moisture measured in-situ. The conducted research creates the scientific basis for a new all-weather technology for remote sensing the moisture content of agricultural soils as an element of the precision farming system.
Смотреть статью,
РИНЦ,
Для получение полного текста обратитесь в библиотеку
Держатели документа: Саратовский государственный университет генетики, биотехнологий и инженерии им. Н.И. Вавилова, 410012, Саратов, пр-кт им. Петра Столыпина, 4, стр. 3
Институт физики им. Л.В. Киренского СО РАН, 660036, Красноярск, Академгородок, 50, стр. No 38
Всероссийский научно-исследовательский институт орошаемого земледелия, 400002, Волгоград, ул. им. Тимирязева, 9
Российский государственный аграрный университет МСХА им. К.А. Тимирязева, 127434, Москва, ул. Тимирязевская, 49
Доп.точки доступа: Зейлигер, А. М.; Музалевский, Константин Викторович; Muzalevskiy, K. V.; Зинченко, Е. В.; Ермолаева, О. С.