Ko dod un kā darbojas sava lauka, dārza vai meža novērošana no satelīta ?
Satelīts dod iespēju attālināti iegūt informāciju par veģetāciju, augsnes mitrumu, ūdens pietiekamību augos, augsnes struktūru u.c. lauksaimniecībā un mežsaimniecībā izmantojamās zemes raksturlielumiem, kas var palīdzēt lēmumu pieņemšanā. No satelīta iegūtie attēli un dati par attiecīgās teritorijas spējām absorbēt vai atstarot saules dažāda garuma gaismas viļņus dod iespēju veikt teritorijas novērtējumu gan ar matemātiskās apstrādes metodēm, gan vizuāli – t.i. apskatīt savu lauku gan, kā to redz cilvēka acs, gan ar datorprogrammu palīdzību attēlojot datus ar krāsu gammu. Latviski metodiku datu iegūšanai un atspoguļošanai no satelīta (vai arī drona) sauc par Attālināto zondēšanu ( Angl. Remote Sensing )
Satelīta datus var izmantot arī pierādot nelabvēlīgu laika apstākļu, piemēram salnu ietekmi uz dārzu.
Satelītu izmantošana un zemes attālinātā zondēšana – priekšvēsture
Mēģinājumi novērtēt Zemi “no augšas” ar foto attēlu palīdzību, kā arī atrast likumsakarības analizējot zemes novērojumus dažādu gaismas viļņu garumos sākās ar pirmo satelītu palaišanu 20.g.s. 50 gadu beigās. 1972.g. ASV uzsāka zemes novērošanas programmu “Landsat” , kuras ietvaros tika palaists Landsat1 satelīts. Lai standartizētu iegūtos datus un pielāgotu tos praktiskai izmantošanai tika izstrādāta analīzes metodika, kas balstās uz teritorijas, kurai satelīts lido pāri, spējām absorbēt vai atstarot dažāda garuma gaismas viļņus.
Priekšstatu par planētas virsmu var gūt ar foto attēlu palīdzību apskatot zemi cilvēka acij redzamā gaismā. Tomēr daudz vairāk informācijas var gūt no datiem, ko sniedz cilvēka acij neredzamie gaismas spektri. Lai šo informāciju atspoguļotu ir izstrādāta virkne raksturlielumu – indeksu, kas raksturotu planētas veģetāciju, augsni, jūras un okeānus, urbāno vidi, meteo apstākļus un citus raksturlielumus, atbilstoši attiecīgās nozares vajadzībām. Veicot šo datu analīzi, var noteikt, kā mainās planētas veģetācija, analizēt globālās sasilšanas ietekmi, jūru un okeānu stāvokli, veikt mežu platību analīzi, identificēt mežu ugunsgrēku izcelsmes vietas, identificēt urbāno piesārņojumu, un gūt daudz citu datu par mūsu zemi .
Lauksaimniecības un mežsaimniecības vajadzībām praktiska ir izrādījusies Veģetācijas analīzes metodika, kurā izmanto tā sauktos Veģetācijas indeksus. Plašāk izmantotais veģetācijas indekss ir NDVI (Normalized difference vegetation index ), ko sāka plašāk pielietot 70-to gadu sākumā (Vairāk informācijas par indeksiem un to nozīmi sk. zemāk)
2014.gadā Eiropas Savienībā, Zemes novērošanas Kosmosa programmas ietvaros, sāka darboties Kopernikus (Copernicus) programma. Tās ietvaros orbītā ir palaisti vairāki tā sauktie Sentinel satelīti ar dažādām novērošanas misijām. Lauksaimniecības nozaru un zinātniskās izpētes vajadzībām galvenokārt tiek izmantoti dati no Sentinel-2 satelītu pāra Sentinel-2 L2A misijas, ka ir speciāli pielāgots lauksaimniecības datu vākšanai.
Kopumā pasaulē šobrīd darbojas vairāki zemes novērošanas projekti, ko veic gandrīz katra valsts, kas ir spējusi palaist orbītā satelītu, kā arī privātās struktūras. Lielākā daļa programmu ir ar ierobežotu pieeju datiem vai arī par tiem ir jāmaksā, vai arī pieeja ir tikai ierobežotam datu apjomam.
LAA AgriSat piedāvājumā ir iekļauti Copernicus misijas publiski pieejamie dati, kā arī dažādu pētniecisko organizāciju un entuziastu izstrādātas metodes to apstrādei un attēlošanai zemkopim saprotamā formā.
Darbības principi un datu apstrādes metodes
Ka minēts iepriekš, satelīta datu atspoguļošanai pamatā tiek izmantoti indeksi – tie ir aprēķināti lielumi, kas atspoguļo novērojamās teritorijas spēju absorbēt vai atstarot dažāda garuma gaismas viļņus. Vērojot un salīdzinot savu lauku vai dārzu dažādos datumos pēc indeksu vērtībām atsevišķos lauka sektoros, var secināt par izmaiņām veģetācijā, apūdeņošanas nepieciešamību, minerālvielu trūkumu un citām izmaiņām laukā vai dārzā. Indeksu vērtības tiek atspoguļotas uz lauka/dārza kartes ar dažādu krāsu gammu.
Lauksaimniecībā un mežsaimniecībā populārakie ir tā sauktie Veģetācijas indeksi – NDVI, EVI, SAVI mitruma novērtējuma indeksi MI un MSI, kā arī daži citi specifiski indeksi, kas izstrādāti konkrētai teritorijai vai vajadzībai. Piemēram, skatoties uz lauku caur filtru, kas atspoguļo Mitruma stresa indeksu (MSI) vai Mitruma indeksu (MI) var secināt, kurā lauka daļa ir ūdens trūkums. Savukārt salīdzinot veģetācijas indeksus NDVI, EVI, SAVI u.c., pēc vērtību atšķirībām, ( var atspoguļot gan ar skaitliskām vērtībām, gan krāsu gammu) laika periodā var secināt par problēmu rašanos kādā lauka daļā. Piemēram, ja skatoties caur NDVI vērtības atspoguļojošu krāsu skalu, kāda lauka daļa, kas bija tumši zaļa, kļuvusi gaišāk zaļa, tas nozīmē, ka tajā vietā samazinājies veģetācijas indekss un ieteicams šai vietai pievērst uzmanību, lai noskaidrotu cēloni. Par izmainām laukā var spriest to apskatot arī dabīgajā gaismā vai citiem filtriem. (Sk.piemērus zemāk)
NDVI indeksa aprēķina piemērs
NDVI (angl. – Normalized difference vegetation index ) atspoguļo saules gaismas atstarošanas / absorbcijas proporciju infrasarkanās gaismas (IR no angļu Infra Red) un cilvēka acij redzamās sarkanās gaismas spektros. Indeksu aprēķina pēc formulas:
NDVI=(NIR – Red) / (NIR + Red)
Kur
NIR- (Near Infra Red) Infrasarkanās gaismas atstarošana (%),
Red- sarkanās (redzamās) gaismas atstarošana (%) .
!Jāņem vērā, ka dažādu misiju satelīti nosaka NDVI vērtību nedaudz atšķirīgos viļņu garumos. Piemēram ES kosmosa aģentūras misijas Copernicus gadījumā standarta aprēķinam lieto šādu formulu:
NDVI (Sentinel 2) = (B8 – B4) / (B8 + B4)
B(X) apzīmē dažādus viļņu garumus ko standartā lietot satelīta novērojumiem.
Formulas pamatā ir princips, kas balstās uz novērojumiem, ka veselīgs augs ar augstu hlorofila saturu absorbē redzamo gaismu , īpaši sarkanās gaismas spektrā, bet atstaro zaļās un infrasarkanās gaismas viļņus. Jo vairāk hlorofila un veselīgāka lapas struktūra jo augstāka būs NDVI vērtība. NDVI vērtība ir robežās no 1 līdz (-1). Pozitīvas NDVI vērtības kopumā pieņemts interpretēt sekojoši :
| NDVI vērtība (kas ir >0) | Interpretācija |
|---|---|
| <0.1 | Kaila zeme, bez veģetācijas |
| 0.1 – 0.2 | Gandrīz nav augu valsts seguma |
| 0.2 – 0.3 | Ļoti neliels augu segums |
| 0.3 – 0.4 | Neliels augu segums vai zems hlorofila saturs pie normāla augu seguma (neveselīgi augi) vai vājš augu segums ar augstu hlorofilu |
| 0.4 – 0.5 | Neliels – vidējs augu segums vai vai vidēji zems hlorofila saturs pie normāla augu seguma (neveselīgi augi, sākušās izmaiņas augu struktūrā) vai vidēji intensīvs augu segums ar augstu hlorofilu |
| 0.5 – 0.6 | Vidēji intensīvs augu valsts segums ar vidēju hlorofila saturu vai arī attiecīgi intensīvāks segums ar mazāk hlorofilu vai mazāk hlorofila un vidēji intensīvs segums. Normāla , veselīga lauka apakšējā robeža (atkarīgs arī kura sezonas posmā ir veikts novērojums) |
| 0.6 – 0.7 | Vidējas – augstas intensitātes augu valsts segums ar vidēju – augstu hlorofila saturu vai arī attiecīgi intensīvāks segums ar mazāk hlorofilu vai mazāk hlorofila un augstākas intensitātes segumu. Normāls veselīgs lauks vai dārzs Latvijas apstākļiem . |
| 0.7 – 0.8 | Intensīvs augu valsts segums ar augstu hlorofila saturu. Normāls, veselīgs lauks vai dārzs |
| 0.8 – 0.9 | Ļoti intensīvs augu valsts segums ar augstu hlorofila saturu. Normāls, veselīgs lauks vai dārzs |
| 0.9 – 1.0 | Super intensīvs augu valsts segums ar augstu hlorofila saturu (piemēram Lietus meži Brazīlijā), vai arī iespējama kļūda mērījumos dēļ atmosfēras traucējumiem vai cita iemesla dēļ |
Negatīvas NDVI vērtības nozīmē, ka apakšā visdrīzāk ir ūdens, sniegs, mākoņi, mitra klinšaina zeme .
Radītāji NDVI 0.5-0.9 var variēt dažādām kultūrām un to var ietekmēt vairāki faktori piem. atmosfēras piesārņojums, sezona, augsnes atstarot spēja u.c. Šo faktoru ietekme, īpaši dārzkopībā, vēl ir samēra maz pētīti. Dažādām kultūrām ir raksturīgas dažādas NDVI vērtības, piemēram graudu laukā salīdzinot ar ābeļdārzu “veselīguma” radītājs var stipri atšķirties indeksa vērtības ziņā. Lai iegūtu pēc iespējas precīzākus datus, bez vispārpieņemtā NDVI indeksa ir izstrādāti dažādi uzlaboti indeksi, (EVI, SAVI u.c., sīkāk sk. zemāk) kur aprēķinos ņemti vērā iepriekšminētie faktori. Galvenais veids šo datu izmantošanā ir – ja novērotajā teritorijā kādā sektorā vērtība dažu dienu vai novērojumu laikā mainās vairāk par 0.05-0.1 vienībām, šai vietai ir vērts pievērst uzmanību, lai saprastu cēloni.
Līdzīgi aprēķina un izmanto arī citus veģetācijas indeksus piem. EVI, SAVI u.c. Arī citās nozarēs izmantotie indeksi tiek aprēķināti līdzīgi, izmantojot nozares vajadzībām raksturīgus gaismas viļņu diapazonus un izstrādājot attiecīgu aprēķinu metodiku .
Kopumā vizuālos datu atspoguļojumus no Satelīta var iedalīt 2 nosacītās grupās :
1. Attēli dabīgajā gaismā vai redzamās gaismas spektros.
Tie ir attēli, kas pēc būtības ir “foto no apmēram 780 km augstuma”, t.i. it kā zemi kāds fotografētu atrodoties uz satelīta. Apstrādājot attēlus ar attiecīgu datorprogrammu ir iespējams mainīt kādas krāsas intensitāti, lai labāk akcentētu atsevišķas detaļas , piemēram padarīt attēlu tumšāku/gaišāku, mainīt kontrastu, uzsvērt kādu krāsu utt.
Piemērs. Dobeles DI eksperimentalais dārzs no Sentinel-2 2024.g.30.jūnijā.
Attēls dabīgajā gaismā
Attēls ar optimizētu kontrastu
Attēls ar akcentētu sarkanās un zaļās gaismas spektra daļu
Attēls ar akcentētu infrasarkanās un zilās gaismas spektra daļu
2. Indeksu vērtību slāņi uz attēla.
Šajā gadījumā par pamatu tiek ņemta karte vai attiecīgās teritorijas foto un uz tā ar datora palīdzību “uzklāts” indeksa vērtību slānis jeb filtrs. Piešķirot katrai vērtībai kādu krāsu ir iespējams iegūt indeksa vērtību karti.
Piemērs. Tas pats Dobeles DI eksperimentālais dārzs no Sentinel-2 2024.g.30.jūnijā. Uz attēla “uzklātas” dažādu indeksu vērtības.
NDVI – Normalizētais veģetācijas indekss (angl. Normalized Difference Vegetation Index). Jo tumši zaļāka krāsa jo lielāka NDVI vērtība
EVI– (Enhanced Vegetation Index) filtrs– tā ir optimizēts NDVI ņemot vēra atmosfēras un zemes virsmas radītas korekcijas. Latvijas apstākļos tā varētu būt pat piemērotāka par NDVI jo dod detalizētāku informāciju par lauku. Ja salīdzina attēlus redzams ka dažās vietas, kas NDVI attēlā ir vienlaidus zaļas EVI redzama vērtību (krāsu) atšķirība. Tāpat kā NDVI arī EVI – jo tumši zaļāka krāsa jo lielāka EVI vērtība.
SAVI – Augsnei pielāgots veģetācijas indekss (Soil Adjusted Vegetation Index). Tāpat kā EVI šis pamatā ir NDVI indekss, kuram šai gadījumā pielietota korekcija, lai novērstu neprecizitātes, ko var radīt atstarošanās no augsnes. Dažādu kultūru izvērtējamam jāpiemeklē tāds indekss, kas vislabāk atspoguļo izmaiņas dažādos lauka sektoros.
BSI – Neauglīgas jeb kailas augsnes indekss (Baren soil index) atspoguļo visu veģetāciju zaļā krāsā un zemi bez apauguma sarkanā krāsā.
NDMI Mitruma atšķirības indekss ( Normalized Difference Moisture Index ) izmanto, lai uzraudzītu ūdens satura izmaiņas augu lapās. Indekss ir piemērots sausuma monitoringam, kā arī, lai noteiktu ūdens pietiekamību augos.
MSI – (Moisture Stress index) ir vienkāršots NDMI indekss, speciāli irigācijas vajadzībām. Indeksa vērtības tiek atspoguļotas ar 4 krāsām. Balta – sauss sektors, Gaiši zila- zems mitruma daudzums, Zila – vidējs mitruma daudzums, Tumši zila – pietiekošs mitruma daudzums
Tehnoloģiskās iespējas un ierobežojumi, kas jāņem vērā izmantojot Copernicus datus
Izšķirtspēja. Populārā Google maps satelīta attēlu izšķirtspēja lauku apvidū vidēji ir 1m2 (sk.attēlu zemāk) Satelītiem vai misijām, kas paredzēti lauksaimniecības zemju monitoringam parasti izšķirtspēja ir 3x3m (9m2) vai 5x5m(25m2) . Atsevišķos gadījumos 1.5 x 1.5 vai 2×2 m. Lai arī šāda izšķirtspēja nedod iespēju detalizēti apskatīt nelielas platības un piemēram augļu dārzā ar šādu izšķirtspēju nevarēs identificēt problēmu uz viena konkrēta koka, tomēr par lauka kopējo stāvokli tā dod pietiekošu informāciju, lai noteiktu problēmas vai vērtētu kādu lauka/ dārza sektora stāvokli. Attālinātās zondēšanas metodes vislabāk izmantot teritorijās sākot no 1 Ha.
Salīdzinājumam. Pa kreisi ir no Sentinel -2 misijas uzņemts attēļs ar izšķirtspēju 9m2 (pix=3x3m) 2024.g.30.jūnijā . Pa labi attēls no Google maps, uzņemts no Google satelīta kaut kad pavasarī, aptuveni posmā no 2020 – 2023 gadam, izšķirtspēja ap 1m2 (pix=1x1m)
Kā minēts iepriekš, satelītus zemes novērošanai ir palaidušas daudzas valstis un organizācijas. Ir satelīti kas spēj iegūt attēlus ar 10×10 cm izšķirtspēju. Tomēr lielākā daļa šādu datu nav publiski pieejami. Savukārt tie dati, kas ir pieejami, ir neregulāri un arī to izmaksas ir no 100+ EUR līdz vairākiem tūkstošiem EUR par attēlu. Katrā ziņā uz šo brīdi pieeja ļoti precīziem datiem nav izmantojama ikdienas monitoringā. Piemēram – nebūs labuma ja tiek iegūts attēls ar ļoti augstu izšķirtspēju, (pat tā ka var saskatīt atsevišķus zarus uz koka ), ja sezonas laikā pieejami tikai 2 šādi attēli. Iespējams, ka tehnoloģijām ar laiku attīstoties, arī ļoti augstas izšķirtspējas attēli kļūs pieejami patstāvīgam monitoringam.
Apriņķojuma biežums. Atkarība no misijas un orbītas Sentinel satelīts pārlido konkrētu vietu reizi vairākās dienās. Līdz ar to jārēķinās, ka konkrētā lauka attēls būs pieejams ik pa dažām dienām. Salīdzinājumam – Google maps satelīta attēla karte tiek atjaunota vidēji reizi 2 gados.
Datu / attēla iegūšanas apstākļi. Pat ja satelīts veic datu ierakstu vai foto virs jūsu lauka, jāņem vērā meteo apstākļi konkrētajā brīdī. Piemēram kvalitatīva attēla iegūšanai mākoņu daudzumam jābūt līdz 30%. Pretējā gadījumā attēlā būs redzama tikai balta mākoņsega. Tāpat ir nozīme, kurā diennakts laikā satelīts atrodas virs konkrētā lauka. Piemēram Dobeles DI lauks 23.04.2024 izskatīsies šādi
Mākoņu sega un meteo apstākļi traucē arī datu iegūšanai indeksu aprēķiniem. Lai arī ir tehnoloģijas, kas spēj iegūt datus noteiktos gaismas viļņu spektros, neatkarīgi no meteo apstākļiem, tomēr tās ir noderīgas tikai ļoti lielu teritoriju analīzei un šobrīd tiek izmantotas pārsvarā klimata izmaiņu monitoringam. Ar laiku, attīstoties tehnoloģijām, iespējams tiks atrisināta arī datu iegūšana jebkuros laika apstākļos arī lauksaimnieku vajadzībām .
Monitorējamās kultūras specifika. Katrai kultūrai dažādos veģetācijas posmos ir sava specifika, tāpēc universālas metodes, kas ļautu vienas un tās pašus rādītāju (indeksu) vērtības attiecināt uz visām teritorijām nav. Lai arī pētījumi notiek jau vairākus gadu 10, tomēr vēl arvien ir daudz darāmā, lai izpētītu likumsakarības starp datiem, kas iegūti ar attālinātās zondēšanas (no satelīta, lidmašīnas vai drona) metodēm un tiešajiem novērojumiem uz zemes. Samērā labi ir izpētītas likumsakarības no liela apjoma viena veģetācijas tipa laukiem, piemēram viena tipa meži, graudaugu lauki daudzu 100 Ha platībā, zālāji vai līdzīgi objekti, kur ir lielas platības ar vienveidīgu kultūru un tipveida apstrādi. Augļu – ogu dārzi un atklātā lauka dārzeņi ir mazāk pētīti, jo šajos gadījumos likumsakarību atrašana ir daudz sarežģītāka.
KOPSAVILKUMS
Lai arī attālinātā zondēšana no Satelīta tiek pielietota jau vairāk kā 50 gadus, tomēr vēl ir daudz ko darīt tehnoloģiju attīstības un izpētes jomā. Dažādi zemes virsmu, okeānu un klimatu raksturojoši indeksi ir izstrādāti vairāki desmiti. Tomēr, vēl arvien ir salīdzinoši maz pētījumu par to precizitāti dažādos reālos lauka apstākļos. Analizējot savu lauku ar attālinātās zondēšanas metodēm jāņem vērā kā indeksus ietekmē reģiona specifika, atmosfēras īpatnības, augsnes struktūra, augu tips un suga, kā arī daudzi citi faktori.
Šai nolūkā ir izstrādāti dažādi indeksi un lauksaimniekam vai citam, kurš vēlas izmantot satelīta datus savā nozarē pašam ir jāizmēģina, kurš no tiem ir noderīgākais !!! Piemēram nobriedušam graudu laukam būs zemākas NDVI vērības, nekā zaļojošam ābeļdārzam, bet tas nenozīmēs, ka laukam noteikti ir problēmas. Sākotnējie novērojumi līdz šim parādījuši, ka augļu dārza analīzei piemērotāks ir EVI vai SAVI, bet piemēram krūmogulājiem, kas aug purvā labāk piemērots skats caur NDVI. Tas ko šobrīd droši var noteikt ir “izmaiņas“. Ja kādā teritorijas daļā parādās netipiska “krāsa” salīdzinot ar apkārtējo, ir vērts pievērst šai vietai uzmanību. Šeit būt darbs arī zinātniekiem izstrādājot Latvijai specifiskus veģetācijas indeksus , piem. NDVI (NDVILV).
