Fenologie zemědělských plodin dle multispektrálních dat Sentinel-2

Jakub Fér

Bachelor's thesis

Crops phenology as derived from multispectral data of Sentinel-2

Abstract:

Dálkový průzkum země hraje v zemědělství stále větší roli. V České republice však tento trend zaostává za některými vyspělejšími státy. V ČR neexistuje aktuální databáze pěstovaných plodin, pro výzkum krajinného pokryvu, zdravotního stavu plodin, fenologie plodin atd., je tedy nutné získávat data přímo od majitelů, či správců pozemků, což je pro větší zájmová území komplikované a neefektivní. Druhou možností je spoléhat na různé klasifikační metody, jejich přesnost je ovšem závislá na mnoha faktorech, které nemusí být uživateli vždy známy. Tato práce popisuje spektrální vývoj zemědělských plodin na pozemcích společnosti Kalenská Zemědělská a.s., které se nacházejí v Královehradeckém kraji, v katastrálních územích Horní Kalná, Dolní Kalná, Slemeno v Podkrkonoší a Klášterská Lhota, a celková rozloha pozemků je přibližně 1045 ha. V průběhu roku 2021 sleduje vývoj indexů NDVI a SAVI pro dané plodiny a jejich souvislost s fenologií, a porovnává přesnosti řízené klasifikace v různých měsících. Výsledky ukázaly, že u širokořádkových plodin (kukuřice, čirok), vzhledem k náchylnosti na erozi a další negativní vlivy, je popsání vývoje vegetačních indexů v průběhu sezóny velmi obtížné a výsledky pro tyto plodiny nebyly průkazné. U ječmene, ovsa a řepky výsledky byly více konzistentní a fenologie těchto rostlin může být prostřednictvím vybraných vegetačních indexů dobře sledována. Samotné rozdíly mezi NDVI a SAVI se ukázaly být zanedbatelné. Co se týče přesnosti řízené klasifikace, pro klasifikaci všech plodin najednou, se jako nejvýhodnější jevil měsíc červenec, kdy hodnota indexu shodnosti Kappa byla 0,60. Rovněž byla testována klasifikace na základě kompozitu složeného z rastrů hodnot NDVI pro jednotlivé měsíce, ta dosáhla nejvyšší celkové přesnosti, index Kappa zde dosáhl přibližně 0,68. Rovněž se jeví jako nejvýhodnější pro odlišení ječmene a ovsa.

Abstract:

Remote sensing is playing an increasingly important role in agriculture. In the Czech Republic, however, this trend is lagging behind some more developed countries. There is no up-to-date database of cultivated crops in the Czech Republic, so for research on landcover, crop health, crop phenology, etc. it is necessary to obtain data directly from land owners or managers, which is complicated and inefficient for larger areas of interest. The other option is to rely on various classification methods, but their accuracy depends on many factors that may not be always known to the user. This paper describes the spectral development of agricultural crops on the land of the company Kalenská Zemědělská a.s., located in the Hradec Králové region, in the cadastral areas of Horní Kalná, Dolní Kalná, Slemeno v Podkrkonoší and Klášterská Lhota. Total area of the land is approximately 1045 ha. It monitors the temporal patterns of the NDVI and SAVI indices for the crops and their relationship with phenology during 2021, and compares the accuracy of the supervised classification in different months. The results showed that for broad row crops (maize, sorghum), due to their susceptibility to erosion and other negative influences, describing the evolution of vegetation indices over the season is very difficult and the results for these crops were not conclusive. For barley, oats and rape, the results were more consistent and the phenology of these crops can be well monitored through the selected vegetation indices. The differences between NDVI and SAVI alone proved to be negligible. Regarding the accuracy of the supervised classification, the month of July appeared to be the most suitable for classifying all crops at once, with a Kappa index of agreement value of 0.60. A classification based on a composite of raster NDVI values for each month was also tested and achieved the highest overall accuracy, with a Kappa index of approximately 0.68. It also appears to be the most suitable for distinguishing between barley and oats.

Keywords

klasifikace plodin, SAVI, Sentinel-2, fenologie, zemědělství, dálkový průzkum Země, vegetační indexy, NDVI

Keywords

remote sensing, phenology, agriculture, crop classification, vegetation indicies, NDVI, SAVI, Sentinel-2

Language used: Czech

Date on which the thesis was submitted / produced: 31. 3. 2022

Thesis defence

• Supervisor: doc. Ing. Petra Šímová, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Bachelor programme:
Geographic Information Systems and Remote Rensing in Environmental Sciences