Udnyttelse af rige satellitdata til at estimere afgrødeudbytte

Uden avanceret sensorteknologi, mennesker ser kun en lille del af hele det elektromagnetiske spektrum. Satellitter ser hele rækkevidden – fra højenergiske gammastråler, at synlige, infrarød, og lavenergimikrobølger. De billeder og data, de indsamler, kan bruges til at løse komplekse problemer. For eksempel, satellitdata bliver udnyttet af forskere ved University of Illinois for at få et mere komplet billede af afgrødeland og for at estimere afgrødeudbyttet i US Corn Belt.

"På steder, hvor vi måske kun ser den grønne farve i afgrøder, elektromagnetisk billeddannelse fra satellitter afslører meget mere information om, hvad der faktisk sker i planternes blade og endda inde i baldakinen. Udfordringen er, hvordan man udnytter denne information, " siger Kaiyu Guan, en miljøforsker ved U of I og hovedforfatteren på forskningen. "Brug af forskellige spektrale bånd og se på dem på en integreret måde, afslører rig information til forbedring af afgrødeudbyttet."

Guan siger, at dette arbejde er første gang, at så mange spektralbånd, herunder synlige, infrarød, termisk, og passiv og aktiv mikroovn, og baldakinfluorescensmålinger er blevet samlet for at se på afgrøder.

"Vi brugte en integreret ramme kaldet Partial Least-Square Regression til at analysere alle data sammen. Denne specifikke tilgang kan identificere fælles delt information på tværs af de forskellige datasæt. Når vi trækker den delte information ud fra hvert datasæt, hvad der er tilbage er den unikke information, der er relevant for vegetationsforhold og afgrødeudbytte."

Undersøgelsen afslører, at de mange satellitdatasæt deler fælles information relateret til afgrødebiomasse dyrket over jorden. Imidlertid, forskerne opdager også, at forskellige satellitdata kan afsløre miljøbelastninger, som afgrøder oplever i forbindelse med tørke og varme. Guan siger, at det udfordrende aspekt ved afgrødeobservation er, at kornet, hvilket er hvad afgrødeudbytte handler om, vokser inde i baldakinen, hvor det ikke er synligt fra oven. "Synlige eller nær-infrarøde bånd, der typisk bruges til afgrødeovervågning, er hovedsageligt følsomme over for den øvre baldakin, men giver kun få oplysninger om dybere vegetation og jordbundsforhold, der påvirker afgrødens vandstatus og udbytte, " siger John Kimball fra University of Montana, en langvarig samarbejdspartner med Guan og en medforfatter af papiret.

"Vores undersøgelse tyder på, at mikrobølgeradardataene på Ku-båndet indeholder enestående nyttig information om afgrødevækst, " siger Guan. "Udover biomasseinformationen, den indeholder også yderligere information forbundet med afgrødes vandstress på grund af den højere mikrobølgefølsomhed over for baldakinvandindhold, og mikroovn kan også trænge ind i baldakinen og se gennem en del af eller hele baldakinen. Vi finder også, at termiske bånd giver information om vand- og varmestress, " siger Guan. "Denne information fortæller os, når blade åbner eller lukker deres porer for at ånde og absorbere kulstof til vækst."

Medforfatter David Lobell fra Stanford University, hvem skabte ideen med Guan, siger, at udnyttelse af alle disse satellitdata sammen i høj grad øger kapaciteten til at overvåge afgrøder og afgrødeudbytte.

"Dette er en tidsalder med big data. Hvordan man giver mening i alle tilgængelige data, at generere nyttig information til landmænd, økonomer, og andre, der har brug for at kende afgrødeudbyttet, er en vigtig udfordring, " siger Guan. "Dette vil være et vigtigt værktøj. Og, selvom vi startede med US Corn Belt, denne ramme kan bruges til at analysere afgrødeland overalt på planeten."

Studiet, "De fælles og unikke værdier af optisk, fluorescens, termiske og mikrobølgesatellitdata til estimering af afgrødeudbytter i stor skala, " er offentliggjort i Fjernmåling af miljø . Værket blev initieret og designet af Kaiyu Guan fra U of I og David Lobell fra Stanford University. Det er medforfatter af et multi-institut team af Jin Wu (Brookhaven National Lab), John S. Kimball (University of Montana), Martha C. Anderson (USDA ARS), Steve Frolking (University of New Hampshire), Bo Li (University of Illinois), og Christopher R. Hain (NOAA).