Satelitarna identyfikacja i monitorowanie upraw na potrzeby statystyki rolnictwa

Image result for igik logoZnalezione obrazy dla zapytania gus logo

Satelitarna identyfikacja i monitorowanie upraw na potrzeby statystyki rolnictwa (SATMIROL)

Projekt finansowany przez Narodowe Centrum Badań i Rozwoju; (GOSPOSTRATEG1/381705/13/NCBR/2018)

Kierownik projektu: Artur Łączyński (GUS), ze strony IGiK: dr Jędrzej Bojanowski

Konsorcjum: IGiK, Centrum Badań Kosmicznych PAN, Główny Urząd Statystyczny

Okres realizacji projektu: 01.01.2019 – 31.12.2021

Cele projektu

Celem głównym projektu było udoskonalenie identyfikacji i monitorowania upraw rolnych na potrzeby statystyki rolnictwa. Nastąpiło to poprzez budowę i wdrożenie w Głównym Urzędzie Statystycznym innowacyjnego systemu, który na podstawie danych satelitarnych z programu Copernicus dostarcza informacji o powierzchni upraw w skali kraju oraz prognozie plonów.

Osiągnięcie celu głównego projektu zostało zrealizowane poprzez następujące działania:

  1. wypracowanie strategii budowy systemu do identyfikacji i monitorowania upraw w oparciu dane satelitarne COPERNICUS,
  2. opracowanie algorytmów identyfikacji upraw na danych satelitarnych (odpowiedzialne Centrum Badań Kosmiczny PAN),
  3. opracowanie algorytmów do satelitarnego monitorowania wzrostu roślin oraz prognozowania plonów w trakcie sezonu wegetacyjnego,
  4. przetestowanie opracowanych algorytmów w badaniu pilotażowym,
  5. rozbudowę infrastruktury IT w GUS,
  6. wdrożenie algorytmów uwzględniających modernizację infrastruktury,
  7. optymalizację procesów przetwarzania danych satelitarnych.

Mapowanie upraw bazuje na wykorzystaniu danych radarowych Sentinel-1. Predyktorami wykorzystanymi do prognozowania plonów są dane meteorologiczne i agrometerologiczne oraz dane satelitarne Sentinel-3. W wyniku prac projektowych stworzony został system, który między innymi pozwala na: wykorzystanie danych satelitarnych, zwiększenie wykorzystania danych z rejestrów administracyjnych, szybsze uzyskanie danych docelowych, opracowanie danych o uprawach rolnych na niskim poziomie agregacji i w ujęciu przestrzennym oraz uzyskanie danych o uprawach rolnych z przetworzonych zdjęć satelitarnych z pominięciem pracochłonnego przygotowania i przeprowadzenia badania ankietowego.

Wdrożenie systemu SATMIROL i wykorzystanie jego wyników jest ważnym aspektem w rozwoju badań prowadzonych w obszarze statystyki rolnictwa. Prace podjęte w Głównym Urzędzie Statystycznym wprowadzają w badaniach statystycznych innowacyjne metody zbierania i prezentacji danych. Utworzenie pionierskiego systemu identyfikacji i monitorowania upraw rolnych umożliwia pozyskanie i prezentację danych w ujęciu przestrzennym, na które nie pozwalają poprzednio stosowane metody zbierania danych. Nowa metoda uzyskiwania danych pozwala na prezentowanie ich na wszystkich poziomach podziału administracyjnego kraju. Wymiernym efektem wprowadzenia systemu jest obniżenie kosztów badań statystycznych między innymi poprzez wyeliminowanie części kosztów związanych z ankietowaniem.

Głównymi odbiorcami wyników projektu będą ministerstwa wraz z podległymi jednostkami, instytuty naukowe, wyższe uczelnie, jednostki samorządu terytorialnego, organizacje branżowe, rolnicy, a także studenci i pracownicy naukowi, którzy w swoich pracach wykorzystują informacje statystyczne. Realizacja projektu pozwoli na osiągnięcie korzyści ekonomicznych poprzez częściowe zastąpienie badań obecnie prowadzonych w ramach Programu Badań Statystycznych Statystyki Publicznej. Korzyści społeczne będą wynikały z udostępnienia danych lepszej jakości oraz w krótszym terminie, co pozwoli na skuteczniejszą ocenę sytuacji w rolnictwie i bieżące wspieranie działań skoncentrowanych na kluczowych kierunkach rozwoju rolnictwa i obszarów wiejskich. Wprowadzenie technik satelitarnych do systemu zbierania danych o uprawach przyczyni się do rozwoju potencjału innowacyjnego sektora kosmicznego działając na rzecz jak najszerszego wykorzystywania danych satelitarnych przez administrację publiczną. Realizacja projektu wynika z zaistniałych możliwości w zakresie wykorzystania nowych technologii cyfrowych determinujących rozwój innowacyjności i kreatywności w obszarze statystyki rolnictwa, jak również rozwoju współpracy jednostek naukowo-badawczych i Głównego Urzędu Statystycznego w ramach prowadzonych działań.

Opis najważniejszych prac IGiK

  • Wypracowanie strategii budowy systemu do identyfikacji i monitorowania upraw
  • Opracowanie metodologii szacowania kondycji roślin na podstawie zobrazowań satelitarnych oraz monitorowanie sytuacji kryzysowych i ekstremalnych
  • Wykonanie kalibracji danych MODIS (archiwalne) i Sentinel-3 (operacyjne) z zastosowaniem techni uczenia maszynowego: las losowy (random forest, RF), algorytm k najbliższych sąsiadów (k nearest neighbor, kNN), maszynę wektorów nośnych (suport vector machine, SVM) oraz sieci neuronowe (ANN).
  • Uruchomienie w Głównym Urzędzie Statystycznym systemu monitowania wzrostu i prognozowania plonów pszenicy ozimej, rzepaku ozimego i kukurydzy dla województw i gmin. Prognozowanie bazuje na danych optycznych i termalnych Sentinel-3 oraz agro-meteorologicznych z reanalizy klimatologicznej ERA-5.

Rysunek 1. Wykres gęstości wskaźników: NDVI, fAPAR, LST pozyskanych przez MODIS i Sentinel-3

Rysunek 2. Porównanie błędu kalibracji (RMSE) i naturalnej zmienności wskaźnika NDVI (wyrażonej jako dwa odchylenia standardowe). RF_D oznacza wybrany model Random Forest

Rysunek 3. Schemat systemu prognozowania plonów, strumienie danych i zastosowane oprogramowanie ("cdo" - Climate Data Operators v1.9.9 , R v4.1.1, Python v3.8.10). System jest w stanie przełączyć się z ERA-5 na dane z krajowej sieci meteorologicznej, a w przypadku promieniowania powierzchniowego na dane z EUMETSAT Satellite Application Facility for Climate Monitoring. 

Publikacje i prezentacje

Bojanowski J., Sikora S., Musiał J., Predicting crop yields with Copernicus and SAFs’ data for national agricultural statistics, EUMETSAT Meteorological Satellite Conference, Bucharest, Romania, 20-24 września 2021.

Bojanowski J.S., Woźniak E., Aleksandrowicz S., Bochenek Z., Dąbrowska-Zielińska K., Lewiński S.,  Malinowski R., Musiał J.P., Rybicki M., Sikora S., Milewski T., Mleczko M., Sas S., Łączyński A., Services for EO-based Statistical Information for Agriculture and Verification on Farmers Obligations under Common Agricultural Policy, 40th EARSeL Symposium European Remote Sensing-New Solutions for Science and Practice, 7-10 czerwca 2021.

Bojanowski J., Prognozowanie plonów rolnych z wykorzystaniem danych COPERNICUS na potrzeby krajowej statystyki, Wykorzystanie Danych Satelitarnych i Danych Programu Copernicus w Administracji i Sektorze Prywatnym, Warszawa, 31 marca-1 kwietnia 2021

Bojanowski J.S., Musiał J.P., Sikora S.,  Woźniak E., Rybicki M., Aleksandrowicz S., Malinowski Milewski T., Łączyński A., Burzykowska A., Services for Earth-Observation-based statistical information for agriculture, Conference on New Techniques and Technologies for Statistics, Brussels, Belgium, 9-11 marca 2021.

Musiał J., Bojanowski J., Satellite surveillance of agriculture:  BigData analysis using AWS, CREODIAS, and Google Earth  Engine cloud computing services leverages agricultural  monitoring for public administration, Data Science Summit 2020, Warsaw, Poland, 16 października 2020.