Описание проекта

Оглавление

  1. 1 Введение
  2. 2 Рабочий план проекта
  3. 3 Рабочие пакеты
    1. 3.1 WP2: Сбор полевых и спутниковых данных
    2. 3.2 РП3: Распознавание озимой пшеницы
    3. 3.3 WP4: Биофизические параметры посевов
    4. 3.4 WP5: Модификация WOFOST
    5. 3.5 WP6: Создание базы данных для моделирования
    6. 3.6 WP7: Демонстрация
  4. 4 Ожидаемый эффект

 

Введение

Информация о прогнозеурожая и производства сельскохозяйственных культур на больших территориях имеет важное значение для государственных служб, занимающихся импортом и экспортом продовольственных культур, для агентств, занимающихся продовольственной помощью и для международных организаций с мандатом по мониторингу мирового производства продуктов питания и торговли . В 2007 году дисбаланс в мировом производстве сельскохозяйственной продукции из-за неурожая во многих странах Мира вызвал значительный рост цен на сельскохозяйственные продукты. Эти события вызвали широкую озабоченность по поводу глобального сельскохозяйственного производства. Совсем недавно (февраль 2011) Продовольственная и сельскохозяйственная организация (ФАО) предупредила о возможном снижении импорта озимой пшеницы в Китае , что может сильно повлиять на цены на многие сельскохозяйственные товары. Более того, повышенный спрос на молочные продукты, мясо и продукты биотоплива, которые требуют зерновых и масличных культур, будут все больше конкурировать со спросом на продовольственные культуры. На этом фоне необходимость глобальной системы мониторинга для сельскохозяйственного производства является бесспорной и включена в приоритетные темы для GEO .

В Европе, необходимость мониторинга сельскохозяйственного производства и прогнозирование урожайности уже давно признано и осуществляется на основе технологии MARS прогнозирования урожая (MCYFS), используемой Объединенным исследовательским центром ЕС (ОИЦ). Сельскохозяйственный мониторинг также встроен в GMES инициативе Европейского союза в качестве одного из основных направлений. Более того, сельскохозяйственный мониторинг также является одним из направлений мониторинга ГМЕС в рамках FP7 проекта geoland2.

MCYFS традиционно сосредоточена на Европе, западной части России, странах Магриба и Турции для мониторинга сельскохозяйственного производства, а также отдельных регионов в Африке для обеспечения продовольственной безопасности. В последнее время деятельность MCYFS расширяется на мониторинг сельскохозяйственных культур во всей России, Центральной Азии, Китае и некоторых странах. Это расширение MCYFS по отношению к России, Центральной Азии и Китаю имеет свои последствия, поскольку эти регионы, как правило, характеризуются более континентальным климатом с суровыми условиями зимы и теплым и сухим летом.

Особенно зимой, озимые культуры страдают от длительного периода низких температур в зимний период. Особенностью выращивания озимой пшеницы является то, что ее рост начинается осенью и продолжается весной после периода покоя зимой. Таким образом, условия в осенне-зимний период оказывают значительное влияние на специфику роста культуры весной и, таким образом, оказывают значительное влияние на окончательную урожайность сельскохозяйственных культур. В большинстве моделей, используемых для оперативного моделирования роста озимой пшеницы, влияние осени и зимних условий на вегетацию плохо учитывается или не учитывается вообще.  Кроме того, модель развития пшеницы, которая используется в MCYFS ( WOFOST ) была откалибрована для европейских условий и не приспособлена для континентального климата. Особенно моделирование повреждения зимой культур в настоящее время должным образом не включены в WOFOST. Эта проблема игнорируются при моделировании в Европе с учетом относительно мягкого климата и моделирование там начинается с 1 января, а не в фактическую дату сева.

Помимо того, что относительно небольшое число моделей включает моделирование зимних условий, последствия повреждения морозом также трудно смоделировать на региональном уровне по нескольким причинам:

  1. трудность в определении зависимостей и параметров гибели культуры в зимнее время из-за ограниченности экспериментальных данных;
  2. пространственная и временная изменчивость факторов, влияющих на гибель культуры зимой: продолжительность и тяжесть низких температур и продолжительность и глубина снежного покрова, которые противодействуют воздействию мороза.

Данные дистанционного зондирования дают возможность получить информацию о ключевых параметрах роста культур с высоким пространственным разрешением. В этом случае данные дистанционного зондирования могут быть использованы для объективной оценки состояния пшеницы после зимнего периода покоя. Кроме того, данные дистанционного зондирования могут быть использованы для создания маски озимой пшеницы, особенно в районах с относительно однородными почвенно-растительным покровом, как и в случае многих областей России.

Целями этого проекта являются адаптация и улучшение существующего подхода MCYFS для применения в регионах с континентальным климатом, с акцентом на озимую пшеницу. Эти усовершенствования должны привести к улучшению количественного прогнозирования урожайности озимой пшеницы. WOFOST будет использоваться в качестве основы для моделирования роста озимой пшеницы. Данные MODIS и MERIS, Terra и Aqua, вместе с данными Ресурс-ДК и КМСС будет использоваться в качестве источника данных дистанционного зондирования, необходимые для моделирования роста урожая в соответствии с соответствующей европейской и российской  технологиями их обработки и анализа.

Рабочий план проекта

Наше исследование будет проходить в три частично перекрывающихся этапов. Первый этап будет включать в себя комплекс работ, направленных на WP2 выбора площадок представитель тестирования и сбора полевых данных и изображений дистанционного зондирования, который будет использован в качестве основы для разработки технологий. Испытательная площадка находится в "Тульской области", который удобно расположен в отношении логистики и инфраструктуры для сбора полевых данных. Одновременно в WP3 и WP4 обзор существующих подходов и методов получения культур параметров и культуры отображение из среднего разрешения дистанционного зондирования данные будут проанализированы (задачи 3.1 и 4.1). Второй этап (оставшихся задач WP3 и WP4) будет извлечь выгоду из этих достижений путем разработки методов озимой пшеницы параметры оценки и культур отображения на основе средне-спутниковые данные разрешения. Полевые данные из WP2 будет играть важную роль в оценке и подтверждении урожая карты и параметров поиска в локальном масштабе. Тем не менее, региональные модели, которые выходят из этих анализ должен также соответствовать общим и экспертных знаний. Необходимо соблюдать осторожность, чтобы включить и оценить изделия из geoland2 BioPar и УРОЖАЙ услуг на предмет их пригодности и эти выводы будут сообщены geoland2 консорциум для включения в их технологической линии. На третьем этапе (WP5, WP6, WP7) WOFOST модель будет адаптирована для использования урожая параметров на основе данных ДЗЗ. В WP5, распределения соответствующие параметры должны быть определены и (гео-) статистических методов должен быть настроен для работы с региональными изменчивости процессов и материалов, связанных с зимними убить. В WP6 базу данных для моделирования роста WOFOST урожай будет создана для тестовой зоне, а также работоспособность комбинированного моделирования и RS технологии для зимнего мониторинга пшеницы будет оцениваться. Наконец, в WP7 улучшения количественного прогнозирования и качественной оценки воздействия на морозе озимой пшеницы должна быть доказана. Предпочтительно, озимой пшеницы мониторинга службы должны быть запущены параллельно существующей MCYFS того, чтобы продемонстрировать услугу Agri4Cast единицу JRC и оценить их опыт с ним.



Рабочие пакеты

Проект разделен на шесть тематических рабочих пакетов и три дополнительных рабочих пакетов, связанных с управлением и распространения.

WP2: Сбор полевых и спутниковых данных

Тульской области была выбрана для сбора данных на местах по нескольким причинам. Во-первых, Тульской области является представителем озимой пшеницы производства региона в центральной части России. Во-вторых, регион находится в непосредственной близости к Москве и Обнинске, где ИКИ и AMI расположены который облегчает проведение полевых опытов. В-третьих, Тульской области характеризуется большим разнообразием почв (от подзолистых почв на севере до chernozemic почв на юге) и большая разница в сельскохозяйственных моделей растительного покрова: относительно небольших полей с расчлененным граничит с севера и крупных месторождений с прямыми границами на юге. Таким образом, три испытательных полигонов хороши представители природное разнообразие условий Тульской области и соседних регионов.

Задачи в этой Рабочий пакет:
  1. Чтобы выбрать представителя колхозов. Три представителя колхозы будут отобраны в тестовой зоне на основе информации, природных условий и агрономической практики выращивания зимой пшеницы.
  2. Полевые данные будут собираться для поля с озимой пшеницей в течение 3 колхозов перед полигоне в течение 2 сезона урожая. проводится для этих fields.Near 10 полей с озимой пшеницей будут отобраны в каждом колхозе. Следующие измерения будут собраны: календарь сельскохозяйственных культур и фенологии, индекс листовой поверхности, общая биомасса, спектральные характеристики, урожайность и агрономической практики.
  3. Сбор Ресурс-ДК данных. Ресурс-ДК данные по всем колхозам для всех дат измерений LAI будут собраны. Для того чтобы оценить вероятность получения спутниковых данных, соответствующих
  4. Создать БД с полевых наблюдений результаты и документы, которые описывают содержимое базы данных, неопределенность полевых измерений и другой соответствующей информации. DB с результатами полевых наблюдений будет создан в широко доступном формате, такие как базы данных Microsoft Access.

РП3: Распознавание озимой пшеницы

Основная цель этого Рабочий пакет является создание культуры маски с указанием местоположения озимой пшеницы на полях испытательная площадка для двух сельскохозяйственных сезонов. Близком к реальному времени классификации будет осуществляться с помощью среднего разрешения спутниковых данных (например, MODIS / MERIS типа), но эта классификация будет поддержан информацией о поле границы основе высокое разрешение спутниковых данных (например, Landsat TM, SPOT, Ресурс-ДК) .

  1. Чтобы сделать обзор существующих подходов по зимним признания пшеницы на основе спутниковых data.Based на обзор основных стратегии технологии компиляции будет доработан.
  2. Для сбора среднего разрешения спутниковых данных (MERIS, MODIS, КМСС) для тестовой зоне на 2 seasons.Daily спутниковые данные будут собраны в тестовой зоне на 2 сезона с данными полевых наблюдений. Если есть возможность предварительно обработаны MERIS данные будут запрошены у geoland2 основные услуги, чтобы избежать основных dataprocessing. В противном случае, предварительно обработанные MODIS данные будут использоваться по умолчанию NASA обработки chains.KMSS данные будут обрабатываться ИКИ РАН.
  3. Сравните удобство MERIS, MODIS, и КМСС данных для зимних признания пшеницы. Качество озимой пшеницы на основе признания MERIS, MODIS, и КМСС будут проанализированы и лучший тип данных будет выбрана для внедрения в технологии.
  4. Разработать технологию для оперативного отображения озимой пшеницы на основе средне-спутниковые данные резолюции и его калибровки на основе высокое разрешение спутниковых данных и полевых наблюдений технологии оперативного признания озимой пшеницы будет доработан. Поле данных наблюдений и Ресурс-ДК изображения будут использоваться для метода калибровки и проверки.
  5. Чтобы создать зимний урожай пшеницы маски для 2 сезона для тестовой зоне на основе разработанной технологии, в идеале объединения потенциальных взаимодополняемости с различными типами датчиков, используемых. Урожай маски будет создан, который будет использоваться в качестве вклада в БД озимой пшеницы для моделирования роста сельскохозяйственных культур и для получения временных рядов спутниковых листовым индексом.

WP4: Биофизические параметры посевов

Основная цель этого Рабочий пакет является выбор, калибровки, проверки и применять методологию для получения культур биофизических переменных со спутника временных рядов, как это предусмотрено MERIS, MODIS и КМСС. Упор будет сделан на извлечение урожай листовым индексом путем объединения моделирования радиационного переноса с поиска подходов таблице. Методология, которая будет использоваться на основе методов, разработанных в проекте циклопов и которые также используются в BioPar задачу в geoland2 проекта . Разница между MOCCCASIN и geoland2, является то, что в MOCCCASIN методология доработаны вывести оценки для озимой пшеницы на выбранных местах с озимой пшеницы полях. Задачи в этой Рабочий пакет:


  1. Сделать обзор существующих подходов по зимним поиска переменной пшеницы на основе спутниковых данных с акцентом на листовой индекс площади и часть крышки.
  2. Чтобы сравнить удобство MERIS, MODIS, и КМСС данных для зимнего поиска переменной пшеницы. Качества, перечисленные выше озимой пшеницы оценки параметров роста на основе MERIS, MODIS, и КМСС будут проанализированы и лучший тип данных будет выбрана для внедрения в технологии.
  3. Разработать технологию для оперативного применения алгоритмов поиска для озимой пшеницы на основе средне-спутниковые данные резолюции и его калибровки на основе высокое разрешение спутниковых данных и полевых наблюдений. Это приведет к временной ряд культур параметры для грубой пикселей, касающиеся озимой пшеницы. Для того чтобы определить сигнал возникающих озимая пшеница из почвы фона, NDVI профилей willbe используется для идентификации периоды, когда поля озимой пшеницы до сих пор отражения голой почве. Это еще больше быть откалиброван (после компенсации различий в спектральной чувствительности датчика) с высоким пространственным разрешением данные, где голой почве отчетливо видна. Поле данных наблюдений и Ресурс-ДК изображения будут использованы для калибровки и поверки.
  4. Чтобы создать базу данных, перечисленных выше озимой пшеницы параметры роста культур в течение 2 сезонов для тестовой зоне на основе разработанной технологии. Будет создана база данных, которая будет использоваться в качестве вклада в WOFOST модель культур для моделирования роста сельскохозяйственных культур.

WP5: Модификация WOFOST

Основная цель этого Рабочий пакет является изменение WOFOST роста сельскохозяйственных культур имитационной модели для использования урожая биофизических переменных основе среднего разрешения данных ДЗЗ, для калибровки модели для русских условиях, расширить модель с компонентом для зимнего убить моделирования и разработки неопределенности, связанные с региональными моделирование озимой пшеницы замерзания использованием ансамбль подход. Задачи в этой Рабочий пакет:


  1. Чтобы изменить WOFOST модель культуры моделирования, чтобы иметь возможность скорректировать или модель будет изменен, чтобы включать следующие процессы:
    • Включите модуль для моделирования влияния зимнего убить на биомассу растений и индекс площади листьев. Работа будет использовать как можно больше компонентов, которые были созданы в рамках FP6 бесшовные проекта и которые встроены в обезьян (сельскохозяйственное производство и внешних симулятор) рамки.
    • Разрешить в режиме реального времени настройки параметров основе данных ДЗЗ:) Дата появления (или посева), б) Дата остановке роста до наступления зимы, в) Дата начала роста после зимы, г) Стоп даты моделирования (добычи), д) индекс листовой поверхности е) Дата таяния снега весной.
  2. Разработать неопределенности в региональных моделей мороза ущерб озимой пшеницы. Это будет расследовать неопределенностей, связанных с параметризацией зимний убить, а также пространственного распределения снежного покрова и глубина. Первые могут быть с учетом путем анализа литературы по распределениям параметров в зимний убить функции. Примеры порог температуры за ущерб, закалка и мороз, а также неопределенности в измерениях себя. Последнее может быть смоделирован путем генерации реализации через (индикатор) кригинга покрытия шоу и высоты снежного покрова, например, производные снежного покрова из продуктов LandSAF снежного покрова. Неопределенности могут быть распространены в модели культуры моделирования с использованием ансамбль подход.

WP6: Создание базы данных для моделирования

Основная цель этого Рабочий пакет является интеграция различных компонентов, разработанных в WP2-5 в озимой пшеницы системы мониторинга для Тульской области. Это будет включать составление базы данных для моделирования WOFOST роста культур, чтобы бежать, интеграция культур маски и RS биофизических параметров в системе, настройка ассимиляции данных, оценки и подтверждения вывода. Задачи в этой Рабочий пакет:


  1. Для создания векторного слоя полей, где озимая пшеница потенциально могут быть выращены в тестовой зоне. Векторный слой для тестовой области будет создан путем оцифровки пахотных участков на основе данных Ресурс ДК.
  2. Чтобы создать почву блока данных из базы данных. Почвы информации в виде почвенных карт и почвы описание будет собираться для тестовой зоне. Все почвы будут сгруппированы в почву физические классы в соответствии с WOFOST требованиям. Тогда каждый пахотного агрегата участок (см. задачу 6.1) будет назначена с доминирующей почвы физический номер класса и других параметров thedominant почве, которая необходима для WOFOST моделирования.
  3. Для создания метеорологических блока данных из базы данных. Ежедневно метеорологических параметров будут собраны (и / или расчетный) для 2-х лет и структурированные в соответствии с WOFOST требования к сети метеорологических станций, расположенных в тестовой зоне. Данные будут интерполированы от метеорологических станций для каждого пахотного агрегата участок (см. задачу 6.1).
  4. Для реализации региональной калиброванный WOFOST озимой пшеницы от WP5. Урожай параметры урожай файл будет скорректирован на основе знаний о региональных особенностях выращивания сельскохозяйственных культур и на основе данных полевых наблюдений.
  5. Для обработки входных спутниковых данных наблюдений в систему. Для реализации системных процедур для работы озимой пшеницы системы мониторинга и генерировать соответствующий выход из различий источников входных данных (почва, погода, урожай, спутник).

WP7: Демонстрация

Основная цель WP7 это запустить параллельно озимой пшеницы системы мониторинга Тульской губернии и базовых подхода, принятого в текущем MCYFS. Конечная цель этой Рабочий пакет должен иметь полу-производственную цепочку, параллельной обработки текущих MCYFS цепи и которые могут быть использованы для оценки зимних убивать и отрастания для тестовой зоне. Отзывы пользователей будет необходимо оценить систему как с европейской стороны (например, Agri4Cast единицу ОИЦ), а также Россия пользователи таких систем. Задачи в этой Рабочий пакет:


  1. Для работы озимой пшеницы системы мониторинга и анализа и визуализации его выход. Результаты озимой пшеницы система мониторинга будет баллотироваться в тестовой зоне для сезонов, где имеются данные и по сравнению с базовой системой (версия без EO ассимиляции данных и / или базовый MCYFS). Урожай озимой пшеницы прогноз будет сделан на основе регрессионного анализа между моделью результаты и статистические данные, выход на административном уровне района по историческим лет. Кроме того, качественная обратная связь пользователь будет искать на моделирование зимний убить влияние на ее полезность для анализа культур и прогнозирования.
  2. Для сбора отзывов пользователей на разработанного подхода для озимой пшеницы мониторинга. Учитывая небольшой размер проекта трудно организовать выделенный мастерской. Поэтому мы предлагаем организовать посвященный сессий под эгидой существующих соответствующих семинаров и / или совещаний пользователей (например, встреча КГМС эксперт организованный ОИЦ и соответствующих совещаниях ФАО, ГСО, и т.д.), где результаты могут быть представлены и обратную связь с пользователями может быть собраны.

Ожидаемый эффект

MOCCCASIN вносит свой ​​вклад в области 9.3.2 "Международное сотрудничество" по теме " SPA.2010.3.2-01 сотрудничества ЕС и России в ГМЕС ". Предложение и поэтому консорциум адреса ЕС-Россия Космическая Диалоги приоритет созданию тематических проектов с упором на сельское хозяйство для обмена знаниями, данными и продукцией. Кроме того, консорциум будет отвечать всем соответствующим цели, которые лежат в основе ПРОСТРАНСТВЕ вызов в целом, и эта деятельность, в частности:

  • Совместное использование американских, европейских и русских спутников в рамках GMES. Консорциум принимает и комплексного подхода к использованию данных наблюдения Земли из европейской, русской и американской датчиков для мониторинга сельскохозяйственного производства, сосредоточив внимание на озимой пшеницы. Воздействие: Повышение знаний и обмен знаниями о европейских / Россия спутниковых данных продуктов, а также подходы к моделированию урожая и моделирования. Такие знания должны способствовать техническое (охват, качество данных) и тематические оценки в связи с включением Россия датчиков в ГМЕС для повышения охвата GMES.
  • Совместная ЕС-Россия сотрудничества в этой теме имеет решающее значение при наличии необходимых знаний о сельском хозяйстве России (управление, сортов сельскохозяйственных культур) и климатических условий, при которых культур растут, который не доступен в Европе. Воздействие : Расширение сотрудничества и обмена знаниями между ЕС и Россия исследователей в области культуры моделирования, спутникового мониторинга на основе сельскохозяйственных культур и усвоение EO данных.
  • Вклад в землю ГМЕС оплаты услуг мониторинга ядро, на сельское хозяйство через методология развития. Проект направлен для устранения недостатков в знаниях о наблюдении за роста сельскохозяйственных культур и прогнозирование урожайности в более континентальным климатом которые в настоящее время не включены в выход MARS урожай системы прогнозирования и крышка ГМЕС службы мониторинга земель на сельское хозяйство. Воздействие: Улучшение методик оценки замерзания и зимне-убить в континентальном климате, который должен выгоду ГМЕС растительного покрова услуги мониторинга основных на сельское хозяйство.
  • Вклад в ГЕОСС сельскохозяйственного благо общества в области ориентации компонентов "Глобальное картографирование и мониторинг изменений в распределении площадей пахотных земель" и "Глобальный мониторинг сельскохозяйственного производства приводит к точной и своевременной отчетности национальной сельскохозяйственной статистики и точного прогнозирования недостатков в продукции растениеводства и поставка продуктов питания и содействия снижению рисков и повышению производительности труда в различных масштабах ». Воздействие: содействие развитию и совершенствованию аналитических инструментов и методов для сельскохозяйственной оценки риска (GEOSS целевая AG 07 02), относящиеся к зиме убить и заморозкам.
Будьте внимательны! Перевод текста находится в процессе уточнения.


Comments