Wykorzystanie danych satelitarnych do oceny redukcji plonów upraw ozimych w wyniku oddziaływania suszy rolniczej

Wzrastająca populacja ludności oraz zmiany klimatyczne wymuszają zmiany na sektorze rolnym, którego zadaniem jest zapewnienie bezpieczeństwa żywnościowego. FAO przewiduje, że produkcja żywności musi zwiększyć się o 70 % przed 2050 r. Jednak rolnictwo narażone jest na wiele niekorzystnych zjawisk atmosferycznych, spośród których najbardziej powszechnym, a jednocześnie najbardziej złożonym jest susza. W pracy podjęto się zadania zbadania możliwości oceny wpływu suszy na plony na podstawie danych satelitarnych niskorozdzielczych i wysokorozdzielczych. Dotychczasowe prace prezentowały metody oceny wystąpienia suszy oraz badania jej natężenia na podstawie danych satelitarnych, jednakże nie obejmowały analizy i oceny skutków suszy w postaci redukcji plonów z wykorzystaniem tychże danych. Na podstawie dogłębnej analizy literatury z zakresu: teledetekcji satelitarnej i jej zastosowania w rolnictwie oraz agrometeorologii, postawiono trzy główne pytania badawcze: PB1: Czy możliwe jest monitorowanie suszy rolniczej na poziomie pola uprawnego z zastosowaniem wyłącznie danych satelitarnych?; PB2: Czy tę metodę można zastosować na innym obszarze? Oraz PB3: Czy możliwy jest pomiar skutków suszy rolniczej na podstawie danych satelitarnych? (iii). Na podstawie tak postawionych pytań badawczych, sformułowano następujące hipotezy badawcze: HB1: Monitorowanie suszy w skali pola uprawowego, wyłącznie na podstawie danych satelitarnych jest możliwe; HB2: Poprzez wykorzystanie danych satelitarnych możliwe jest opracowanie modelu, który różnicuje efekt oddziaływania suszy na polach o odmiennych warunkach glebowych oraz HB3: Wyniki modelu szacowania skutków suszy na podstawie danych satelitarnych można wyrazić jedynie poprzez procent redukcji plonu w stosunku do plonu optymalnego dla danego, dowolnego pola. Za obszar badawczy przyjęto: 88 pól pszenicy ozimej, zlokalizowanych w 6 województwach, o łącznej powierzchni 2779,27 ha, zaś obiektem pracy są pszenica ozima i susza (rolnicza). Przyjęto metodykę badań obejmującą dziesięć głównych etapów: Pozyskanie danych satelitarnych: Sentinel 2 oraz MODIS (I); Zebranie danych źródłowych uzupełniających (II); Znormalizowanie danych meteorologicznych względem 8-dniowych okresów (III); Obliczenie terminów faz fenologicznych pszenicy ozimej (IV); Obliczenie wskaźnika DISS dla wybranych pól (V); Wybór wskaźników wegetacyjnych użytecznych do monitorowania kondycji upraw rolniczych oraz obliczenie tych wskaźników na podstawie danych Sentinel 2 (VI); Analiza wystąpienia suszy i jej wpływu na plony na podstawie danych satelitarnych o niskiej (VII) oraz wysokiej rozdzielczości przestrzennej (VIII); Opracowanie modeli redukcji plonów na podstawie danych satelitarnych (IX) oraz Walidacja uzyskanych modeli (X). W pracy opracowano 3 modele oceny redukcji plonów pszenicy ozimej w skutek suszy na podstawie danych satelitarnych. Pierwszy model opracowano za pomocą regresji wielorakiej na podstawie niskorozdzielczych danych satelitarnych a także danych meteorologicznych. Uzyskano niezadowalającą dokładność modelu (R = 0,55) dlatego podjęto decyzję o przeprowadzeniu analizy z zastosowaniem Algorytmu Levenberga-Marquardta. Przy zastosowaniu tej metody uzyskano model umożliwiający ocenę redukcji plonów z dokładnością 82,8 %. W związku z tym, że powyższe modele oparte były na danych satelitarnych niskorozdzielczych, zdecydowano o opracowaniu modelu na podstawie danych o wyższej rozdzielczości – danych satelity Sentinel 2. Opracowano model regresji wielorakiej wykorzystujący sumę wartości wskaźników RECI oraz PVR oszacowanych dla okresów krytycznych dla wzrostu pszenicy ozimej. Uzyskano model o zadowalającej dokładności (r = 0,60). Prowadzone w ramach niniejszej rozprawy badania nad oceną wpływu suszy na plony pszenicy ozimej wykazały przydatność danych satelitarnych, zarówno niskorozdzielczych jak i wysokorozdzielczych do szacowania redukcji plonów pszenicy ozimej, wynikających z niekorzystnych warunków wzrostu upraw.