Спутники по наблюдению за Землей (Earth Observation Satellites, EO) уже давно опекают нас с орбиты. Они отслеживают динамику изменения климата, уровень загрязнения океанов пластиком, способствуют локализации и борьбе с последствиями катастроф техногенного и природного характера.
Обострившаяся проблема нехватки пищи заставила по-новому взглянуть на еще одну важную роль EO-спутников — поддержки агропромышленного сектора. Сегодня спутниковые технологии мониторинга помогают контролировать уровень урожайности, проводить плановую ирригацию посевных земель, вовремя замечать опасность засухи и появления вредителей, тем самым обеспечивая сохранение урожая.
EO-спутники: от истоков к современности
Первым запущенным для изучения Земли спутником стал общий проект NASA и Департамента по сельскому хозяйству США. Проект получил название TIROS-1 — метеорологический спутник, запущенный 1 апреля 1960 года, главным образом предназначался для осуществления метеорологических наблюдений с орбиты. Другой, более фундаментальной целью TIROS-1 было стремление NASA продемонстрировать саму возможность целевого использования подобных космических аппаратов на орбите для осуществления мониторинга нашей планеты.
TIROS-1 стал первой демонстрацией того, что впоследствии получит название «Точное земледелие» (Precision Agriculture). Метод позволял определять состояние рельефа, оценивать уровень плодородности почвы и осуществлять мониторинг погодных условий. Новый спектр возможностей косвенно свидетельствовал о том, что в будущем подобные спутники могут принести большую пользу при проведении аграрных работ. Особенно кстати они будут там, где большая площадь либо труднодоступность исследуемых земель не позволяют провести грамотную оценку их основных показателей с Земли.
Сегодня спутниковые мониторинговые компании готовы выводить на орбиту целые созвездия EO-спутников, призванных отслеживать общее состояние полей и лесных массивов с возможностью обновления информации каждые сутки. Компактные и малогабаритные, они способны разместить на своих спутниковых шинах датчики и оптические камеры для предоставления наиболее полной картины состояния посевных полей в любой точке земного шара.
Компания EOS Data Analytics, которая к 2025 году планирует вывести на низкую околоземную орбиту свою группировку из семи оптических спутников EOS SAT, кажется, достигла идеального соотношения по показателям легкости и многозадачности своих мониторинговых спутников. Вес малогабаритного EOS SAT-1, который компания планирует запустить в начале 2023 года, составляет всего 178 кг. На нем размещаются два оптических датчика DragonEye, способных производить съемку в 11 спектральных диапазонах (следующие спутники группировки увеличат этот показатель до 13).
По оценкам EOSDA, каждый спутник из будущего созвездия SAT сможет покрывать до 1 млн кв. км, а охват всей спутниковой группировки после ее вывода на орбиту составит от 8,6 до 9,4 млн кв. км (с возможностью расширения зоны покрытия до 12 млн кв. км).
Спустя всего 62 года с момента запуска TIROS-1 человечество вплотную подошло к тому, чтобы осуществлять постоянный мониторинг 100% посевных земель 20 наиболее развитых аграрных стран мира.
Спектральное зондирование посевных земель
Говоря о процессе спутникового мониторинга, следует подчеркнуть, что речь идет не только об обычном оптическом наблюдении из космоса за процессом роста урожая. Наиболее ценный ресурс точного земледелия — методология дистанционного спутникового зондирования земной поверхности с помощью датчиков разного типа. Подобный вид EO позволяет получить изображения земной поверхности в разных электромагнитных спектрах. Такие спектры не воспринимает человеческий глаз или обычная оптическая камера, однако именно в них кроется большая часть важной информации, связанной с процессом вегетации.
Наиболее распространенным среди критериев оценки уровня озеленения с орбиты является нормализованный индекс разницы растительности (Normalized Difference Vegetation Index, NDVI). Индекс дает представление об интенсивности озеленения сканируемых земель, вплоть до определения общего состояния здоровья зеленых участков. Спектральный анализ, на котором основан NDVI, позволяет заметить самые незначительные нюансы процесса вегетации, связанные с недостатком влаги, наличием болезней и других негативных факторов, влияющих на уровень озеленения.
Технология появилась еще в восьмидесятых годах прошлого века и базировалась на визуальном определении фотосинтеза — процесса поглощения растениями видимого света. Во время активного поглощения света при фотосинтезе растения отражают во внешнюю среду большое количество света в ближнем инфракрасном диапазоне (БИКС). Знание о разном отражении света в инфракрасном диапазоне легло в основу создания индекса NDVI, позволяющего определять наиболее зеленые участки нашей планеты, используя методы дистанционного зондирования.
Индекс NDVI находится в шкале от -1 до 1, где максимальное значение, равное единице — это свечение, отражаемое от абсолютно здоровых, густорастущих растений. Показатели от 0 до -1 свидетельствуют о наличии серьезных проблем, характерных для больных или увядающих культур. Как правило, на спектральном снимке эти числовые показатели выражены в виде определенного цвета: зеленый свидетельствует об удовлетворительном состоянии растений, а желтый и красный — о наличии нездоровых или увядающих листьев.
Картирование подобной информации используется для карт плодородности. Это позволяет спутниковым компаниям, осуществляющим орбитальный мониторинг, создавать целые реестры интерактивных карт NDVI, что может оказаться особо полезным, если фермеру необходимо сделать правильный выбор при приобретении новых земельных участков с плодородной почвой или просто проверить состояние собственных культур, не посещая ферму.
Отметим, что NDVI — это не универсальный индекс вегетации, полезный на всех стадиях процесса земледелия. Сегодня множество других гиперспектральных данных и индексов, основанных на различных параметрах, помогают анализировать целый комплекс данных, связанных с вегетативным циклом. Гиперспектральные узкополосные данные способны предоставить информацию касательно типа почвы и ее насыщенности влагой, оценить уровень хлорофилла в листьях и составить индекс их площади, идентифицировать посевные культуры по их спектральному следу и вовремя сигнализировать об очагах возникновения колоний вредителей и заболеваний растений.
Раскладывая спутниковое изображение на спектры, перед нами предстает наиболее полная картина из чувствительных параметров, работа с которыми напрямую влияет на будущий урожай. Однако, для того чтобы полностью раскрыть потенциал аграрного спутникового мониторинга, необходимо не только наблюдать, но и производить грамотный анализ полученных данных. Сейчас подобный анализ все чаще совершается компьютерными системами, использующими алгоритмы искусственного интеллекта (Artificial intelligence, AI).
Умное прогнозирование на всех этапах фермерской деятельности
Большинство манипуляций с полученными данными, их анализ и создание графиков прогнозирования урожайности происходит уже на Земле, с помощью алгоритмов машинного обучения. При прогнозировании урожайности нейронная сеть использует комплексный подход, включающий оперирование как информацией, предоставленной спутниками, так и сведениями о состоянии почвы, переданными с датчиков, установленных непосредственно на территории фермы.
Сегодня AI дополняет общую картину, полученную в процессе спутникового мониторинга в таких сферах, как:
- Прогнозирование урожайности.
- Прогнозы относительно заболеваний и наличия вредителей.
- Прогнозирование потребности водной ирригации посевных земель.
- Выявление областей почвы с высоким потенциалом урожайности.
- Прогнозирование динамики изменения с момента получения последнего изображения.
- Создание логистических маршрутов для более быстрого сбора урожая.
- Прогноз и оценка прибыли.
Создавая компьютерные модели, спутниковые компании способны рассчитывать уровень биопродуктивности различных культур. Оценка биопродуктивности помогает понять, какая именно из выращиваемых на ферме культур обладает наибольшей биомассой репродуктивных органов, иными словами, более урожайна. Полученная информация может быть использована для планирования будущей посевной кампании с уклоном на выращивание наиболее доходных видов агрокультур.
Подобную задачу в 2021 году успешно реализовала компания EOS Data Analytics, оценив уровень биопродуктивности культур для агропромышленного сектора Казахстана. Для этого была создана биофизическая модель, использовавшая данные о продуктивности сухого вещества (Dry matter Productivity, DMP), открытую информацию программы по спутниковому мониторингу Copernicus Global Land Service и метеоданные, полученные от NASA Power. После того как модель была откалибрована, она сумела определить самые благоприятные сроки посева и сбора урожая для пяти основных видов культур, выращиваемых в Казахстане, а также сделала предсказание того, какая из них будет наиболее урожайной в текущем сезоне.
Особую пользу от внедрения в анализ технологий машинного обучения получает промышленное сельское хозяйство, так как метод дает фермеру (или главному управляющему фермы) наглядное представление о динамике роста как сельскохозяйственных культур, так и бизнес-экосистемы фермы. Это позволяет вовремя вносить коррективы для достижения больших показателей урожайности, и как следствие — увеличения дохода.
Анализ данных, полученных от спутникового мониторинга, помогает не только фермерам, но и страховым компаниям, осуществляющим страхование на земельном рынке. Тенденция особенно популярна в США и Австралии, где страховые компании пользуются спутниковыми данными для отслеживания растущей тенденции к возникновению засухи. Спутниковые снимки активно применяются и для оценки ущерба, нанесенного ферме в случае природных катаклизмов, таких как наводнения или торнадо.
Автоматизация и комплексный подход
Неверно полагать, что один лишь спутниковый мониторинг и анализ полученных снимков способны гарантировать успех сельхозпредприятию. Любая технология приносит пользу только при наличии соответствующей инфраструктуры, которая сумеет подстраиваться под полученную информацию. Иными словами, спутниковые данные, свидетельствующие о необходимости проведения переменной ирригации посевных земель, будут попросту бесполезными, если на ферме отсутствует автоматизированная система опрыскивания с переменной нормой внесения.
То же касается и оценки качества почвы с датчиков, расположенных на Земле. Если спутниковый мониторинг и покажет вам проблемы на конкретных участках фермы, без детального химического анализа почвы на месте эта информация не даст полного понимания проблемы. Именно поэтому активно развивающиеся технологии аграрного ЕО настойчиво указывают фермерам на необходимость своевременной модернизации собственной фермы.
В ряде случаев картина спектральных данных, полученных со спутника, нуждается в дополнении с помощью воздушной разведки, которая сегодня все чаще проводится с участием беспилотников и дронов. Отличным примером здесь является компания Precision Hawk, которая задействует ресурс беспилотников для более детальной оценки геопространственных данных, полученных от спутников. Компания позволяет своим пользователям самостоятельно ставить необходимые задачи для дронов через приложение на смартфоне. На некоторых современных фермах беспилотники не только проводят доразведку, но и подключаются к процессу обработки посевных земель напрямую.
Источник: Suwin/Shutterstock
В конечном счете вопрос успеха при использовании данных спутникового мониторинга упирается в уровень цифровизации и автоматизации фермы. Внедрение подобных технологий с нуля — всегда долгий процесс, требующий привлечения не только финансов, но и квалифицированных кадров, способных работать с полученной информацией.
Превентивные меры: вклад EO в сохранение экологии
Помимо внешних политических факторов, глубинная первопричина нынешнего пищевого кризиса по-прежнему кроется в продолжающейся регрессии экологической ситуации в мире. Увеличение выброса CO2 прогнозируемо ведет к повышению средней температуры на планете. Это приводит к увеличению уровня засухи и расширению областей, на которых это происходит. Некогда плодородные земли превращаются в безжизненную саванну.
EO по-своему предлагает решать эту задачу, отчасти за счет умного распределения ресурсов, помогая избежать их перерасхода. В условиях масштабного земледелия неграмотное использование ресурсов не только больно бьет по карману агрария, но и плохо сказывается на качестве грунта. Ненормированное применение фунгицидов и других ядов в попытке решить проблему вредителей негативно отражается на состоянии почвы, снижая ее урожайность. Именно поэтому почвозащитное и ресурсосберегающее земледелие сегодня немыслимы без точной оценки уровня плодородия посевных площадей с орбиты. И EO предоставляет подобный ресурс.
Платформа EOS Crop Monitoring анализирует данные дистанционного зондирования полей за последние несколько лет и на основании этих снимков строит карты продуктивности посевных земель. Результаты этого анализа визуализируются на дисплее, указывая на наименее плодородные участки поля. Карты продуктивности от EOS Crop Monitoring позволяют фермеру более точно оценить общее состояние почвы и заняться ее оздоровлением еще до старта посевной кампании.
Защита экологии сегодня может стать не только приятным, но и прибыльным занятием. Некоторые крупные компании на углеродных рынках готовы платить за количество углерода, который может поглощать ваша ферма. Оценка коэффициента поглощения производится на основании данных, полученных посредством спутникового мониторинга. Одну тонну поглощенного углекислого газа можно конвертировать в углеродные кредиты (или квоты). Впоследствии фермеры могут продавать их крупным компаниям, деятельность которых связана с генерацией выбросов углекислого газа. Сегодня подобной спутниковой оценкой занимаются такие компании, как Perennial и Deveron.
Спутники положительно зарекомендовали себя и в решении одной из самых острых экологических проблем ХХI века — загрязнения океанов пластиком. Океанические течения способствуют распространению попавшего в воду пластика, иногда приводя к созданию настоящих мусорных островов, заметных даже из космоса.
Ученые-геологи и EO-компании активно работают над разработкой новых методологий спутникового обнаружения очагов загрязнения пластиком в океанах. Одним из авторов метода поиска макропластика в океанических водах является доктор Лорен Бирманн из Плимутской морской лаборатории в Великобритании. Бирманн разработала метод на основе алгоритма АІ для анализа изображений, полученных со спутника Sentinel-2.
Методология основана на все том же анализе ближнего инфракрасного спектра, который используется в точном земледелии. Однако, если в процессе спутникового мониторинга полей специалисты ищут очаги наличия хлорофилла, то методология доктора Бирманн работает от обратного — она ищет те участки у поверхности океана, где фотосинтез не наблюдается. Именно отсутствие светимости в диапазоне БИКС, характерном для водорослей, указывает на то, что видимое скопление материала на поверхности океана носит неорганическую природу, являясь скоплением пластика.
Если говорить об уже произошедших ЧС природного характера, то сегодня мониторинговые спутники вносят огромный вклад в работу служб экстренного реагирования. Они принимают участие в процессе локализации и оценки степени ущерба от природных катаклизмов и катастроф техногенного характера.
Изображение предоставлено Европейским Союзом Copernicus Sentinel Data
Сейчас спутниковый мониторинг позволяет контролировать все этапы процесса земледелия, начиная от посевной кампании и заканчивая сбором урожая. Во многом успешной интеграции технологии EO в фермерские хозяйства способствует все больший уровень открытости спутниковых данных и неуклонно растущее количество компаний, способных их предоставить. Развитие технологий спутникового мониторинга тоже вносит свой вклад в увеличение популярности ЕО: новые типы камер способны предоставлять фермерам изображения удивительной четкости, стирая грань между спутниковым снимком и аэрофотосъемкой в высоком разрешении.
Все больше становится очевидным, что именно технологии точного земледелия в будущем приведут к появлению качественно нового, более умного и экономичного подхода в ведении сельского хозяйства, позволяя выращивать лучше и больше, при этом избегая перерасхода ресурсов. И если 100 лет назад фермера сложно было представить без плуга, а 50 — без комбайна, то уже в недалеком будущем его деятельность будет невообразима без связи со спутником на орбите.
