1 / 68

FAO Training in Crop Yield Forecasting ARMENIA

FAO Training in Crop Yield Forecasting ARMENIA. Crop Yield Forecasting Methodology Enhancement – Remote sensing Erevan 21 - 25 January 2013. Antoine DENIS Antoine.Denis@ulg.ac.be. Crop Yield Forecasting Methodology – Remote sensing Introduction to the training.

idalee
Download Presentation

FAO Training in Crop Yield Forecasting ARMENIA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. FAO Training in Crop Yield Forecasting ARMENIA Crop Yield Forecasting Methodology Enhancement – Remote sensing Erevan 21 - 25 January 2013 Antoine DENIS Antoine.Denis@ulg.ac.be

  2. Crop Yield Forecasting Methodology – Remote sensing Introduction to the training • General reminder of the project and CYFS • Objectives of the training • Planning of the training

  3. General reminder of the project and CYFS • Agro-meteorological component of the “EC/FAO Programme on Information Systems to Improve Food Security Decision-making… ” in Armenia. • Contribute to reduce food insecurity and poverty by improving the quality and sharing of information across institutions, and promoting evidence-based analyses and assessments. • Improve long term agro-meteorological forecasting and the dissemination of information to Marz Support Centres. • Enhance RS sensing approach of the CYFS

  4. Բերքատվության կանխատեսման մեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ* NDVI NDVI Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների *հեռադիտարկում (արբանյակային)

  5. Objectives of the training • TIMESAT software • METOP NDVI images • Complementary information for Agromet bulletin

  6. Crop Yield Forecasting Methodology – Remote sensing Planning of the training (cf. doc Word) • DAY 1 • Introduction • New (METOP & TIMESAT) • TIMESAT - introduction • DAY 2 • TIMESAT – automation and database production • WINDISP

  7. Crop Yield Forecasting Methodology – Remote sensing Planning of the training (cf. doc Word) • DAY 3 • CALIBRATION METOP – SPOT VGT • Accumulated NDVI computation • Real time CYFS • Boundaries • Maps and legend • DAY 4 • Complementary information for Agromet bulletin • General repetition for database production

  8. Crop Yield Forecasting Methodology – Remote sensing Planning of the training (cf. doc Word) • DAY 5 • Questions and answers

  9. Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

  10. Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

  11. 2. General process for NDVI images in CYFS

  12. Բերքատվության կանխատեսման մեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ NDVI NDVI Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով OLD METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների *հեռադիտարկում (արբանյակային)

  13. Բերքատվության կանխատեսման մեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ TIMESAT SPOT VEGETATION NDVI NDVI & METOP Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով NEW ! METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների *հեռադիտարկում (արբանյակային)

  14. Հեռադիտարկման ներկայացում

  15. ՀՀ տարածքի SPOT VEGETATION NDVI լուսանկարը

  16. Ժամանակի ընթացքում NDVI–ի դինամիկան դիտելը գրաֆիկի վրա.Օր.՝ 2001թ. Հայաստան

  17. NDVI SPOT VEGETATION NDVI image NIR: Ինֆրակարմիրին մոտ ճառագայթում (0,725 à 1 µm) Red: Կարմիր ճառագայթում (0,58 à 0,68 µm) Խիտ բուսականություն և ֆիտոսանիտարական լավ պայմաններ աբսորբցիայի աճ՝ կարմիր տիրույթում Բարձր NDVI Նոսր բուսականություն և/ կամ ֆիտոսանիտարական վատ պայմաններ :  աբսորբցիայի աճի բացակայություն կարմիր տիրույթում  Ցածր NDVI

  18. Տվյալների տեսակները։ լուսանկար կամ վեկտորային • NDVI պատկեր: • Պատկերացանց (տարածքի մեջ շարունակական) • Կիրառվում է որպես բույսերի վարքի մասին հիմնական տեղեկություն՝ ֆենոլոգիական տվյալների ստացման համար • Դիտարկվող տարածքի սահմանը: • Վեկտորային տվյալներ (կետ, գիծ և բազմանկյուն) • Կիրառվում է պատկերացանցի (ռաստրի) ինֆորմացիան հանրագումարի բերելու համար։ Օր.՝ մարզի սահմանները

  19. Տվյալների տեսակ՝ վեկտորային Հողօգտագործումը Հայաստանում Պայմ. նշաններ Հողօգտագործում Վարելահողեր Մշակաբույսեր Անտառ և թփուտներ Խոտհարքներ Արոտավայրեր ք. Երևան Սևանա լիճ

  20. Տվյալների տեսակ՝ վեկտորային ՀՀ վարչական բաժանումը

  21. Տվյալների տեսակ՝ վեկտորային Հողօգտագործման և վարչական բաժանումների ինտեգրացում Հողօգտագործման «ցորեն» դասի փոխհատումը ՀՀ մարզերի հետ (կարմիր)

  22. NDVIմեթոդաբանության ընդհանուր սկզբունքը (Քայլեր 3 - 4) NDVI ժամանակային շարք Հանրագումար ըստ ԴԵՏ–ի Ֆենոլոգիական պարամետրեր Աղյուսակների ստեղծում

  23. Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

  24. METOP Why using METOP? Very similar to SPOT VGT

  25. METOP What are METOP images ? & METOP website http://www.metops10.vito.be/index.html

  26. METOP How to get METOP images? Ordered at VITO and received by email and FTP delivery

  27. Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

  28. SPOT VEGETATION How to get SPOT VGT images? FREE VGT website (3 months old) & Ordered at ESA for real time and delivered by email and FTP

  29. Ներբեռնելանվճար SPOT VEGETATION NDVI-ը հետևյալ կայքից: http://free.vgt.vito.be/

  30. Ներբեռնելանվճար SPOT VEGETATION NDVI-ը հետևյալ կայքից: http://free.vgt.vito.be/

  31. SPOT VEGETATION NDVI - Եվրոպա

  32. Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images • TIMESAT input format: • BINARY : 2 dimensional spatial arrays • (≠ IDA format of WINDISP & VAST)

  33. Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images • SPOT VEGETATION : VGT EXTRACT : • Այս գործողությունը թույլ կտա: • Հանել NDVI պատկերները ZIP ֆայլերից (extract) • Եվրոպայի նկարներից ենթադասելՀայաստանի ԴԵՏ–ը (spatial subset) • Փոխակերպելպատկերները TIMESAT–ին համատեղելի ֆորմատի (format convert) • Հասանելիությունը: • VGT Extract–ը կարելի անվճար ներբեռնել • http://free.vgt.vito.be/ կայքից

  34. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

  35. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

  36. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

  37. SPOT VEGETATION NDVI - Հայաստան

  38. Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images • METOP extraction: • Unzip the « zip » folder • Delete non desired files (files otherthan « NDV… » files) • Images are in ENVI standard format (binary file + header), format compatible with TIMESAT

  39. Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images METOP header file

  40. Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

  41. Բերքատվության կանխատեսման մեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ TIMESAT SPOT VEGETATION NDVI NDVI & METOP Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով NEW ! METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների *հեռադիտարկում (արբանյակային)

  42. Smoothing of NDVI evolution curve Phenological parameters derivation http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html.

  43. TIMESAT Website & User’s manual http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html

  44. TIMESAT A program for Analysing Time-Series of Satellite Sensor Data By Jönsson Lars Eklundh

  45. TIMESAT Using time series of binary images files to produce NDVI temporal evolution curve

  46. TIMESAT Using auxiliary (quality) data to assign weights There are, of course, no general rules for converting ancillary data to weights associated with the values in the time series and the user of the TIMESAT program is encouraged to take an experimental approach and test different settings. • Large circles indicate clear conditions (w = 1), • Small circle indicate mixed conditions (w = 0.5), • No circle indicate clouds (w = 0). • From the figure it is seen that several of the negatively biased outliers are associated with cloudy conditions. By assigning zero weight to these values they will not influence the subsequent fitting.

  47. TIMESAT Preprocessing to suppress outliers

  48. TIMESAT Upper envelope adaptation • Fitted functions from a multi-step procedure. The thin solid line represent the • original NDVI data. • The thick line shows the fitted function from the first step. • The thick solid line displays the fit from the last step where the weights of the low data values have been decreased.

  49. TIMESAT 3 algorithm to smooth the signal 1. Adaptive Savitzky-Golay filtering The filter replaces each data value yi, i = 1, . . . ,N by a linear combination of nearby values in a window These values have to minimize a least-squares fit to a polynomial function width, n, of the moving window determines the degree of smoothing, but it also affects the ability to follow a rapid change. In TIMESAT the width n can be set by the user.

  50. TIMESAT Main features of the SPOT VEGETATION and METOP NDVI images database

More Related