1. ТЗ
  2. Всі випуски
  3. Випуск 1, Номер 1, 2025
  4. Оцінка стану посівів за допомогою індексів рослинності ndvi та evi на основі супутникових даних sentinel-2 – два кейса досліджень

Оцінка стану посівів за допомогою індексів рослинності ndvi та evi на основі супутникових даних sentinel-2 – два кейса досліджень

ТЗ.
2025;
Випуск 1, Номер 1
: cc. 28 - 37
Автори:
  1. Борис Четверіков
  2. Христина Бурштинська
  3. Любов Бабій
  4. Назар Грицьків
  5. Алла Гуніна
  6. А. Козак
1
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
2
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
3
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
4
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
5
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»
6
Кафедра фотограмметрії та геоінформатики, Національний університет «Львівська політехніка»

Мета. Дослідження спрямоване на оцінку стану сільськогосподарських посівів за допомогою супутникових знімків Sentinel-2 для двох груп аграрних ділянок, розташованих у Львівській та Тернопільській областях. Основною метою є визначення просторово-часової динаміки вегетаційних індексів NDVI (Normalized Difference Vegetation Index) та EVI (Enhanced Vegetation Index), що дає змогу виявити стресові ділянки рослинного покриву, а також загальний рівень здоров’я культур протягом вегетаційного періоду. Методи. У дослідженні застосовано методи дистанційного зондування Землі (ДЗЗ), фотограмметрії та геоінформаційного аналізу. Вхідні дані – мультиспектральні знімки із супутника Sentinel-2 – було оброблено за допомогою вебплатформи Google Earth Engine. На етапі попередньої обробки виконано маскування хмарності, фільтрацію даних за якісними критеріями, нормалізацію зображень та обчислення вегетаційних індексів. Застосовані алгоритми дали змогу здійснити точне зонування територій за ступенем розвитку рослинності. Результати. У результаті обробки супутникових знімків за 2024 рік із щомісячною періодичністю отримано серію карт, що відображають просторовий розподіл NDVI та EVI. Аналіз динаміки показав суттєві відмінності у стані рослинності між двома регіонами, а також у межах окремих полів. Виявлено локалізовані зони зі зниженими значеннями індексів, що можуть свідчити про наявність стресових чинників, таких як посуха, надмірне зволоження, шкідники чи помилки агротехнічних заходів. Зіставлення результатів індексного аналізу з польовими даними дало змогу верифікувати точність супутникових спостережень та особливості застосування індексів NDVI та EVI  для аналізу стану посівів. Практична значущість. Результати дослідження мають безпосереднє практичне застосування у сфері точного землеробства. Зокрема, побудовані карти розподілу NDVI та EVI можуть використовувати агрономи, фермери та агрокомпанії для оперативного моніторингу стану посівів, виявлення проблемних зон на ранніх стадіях розвитку культур, оптимізації агротехнічних заходів (наприклад, внесення добрив, іригації чи боротьби зі шкідниками), а також для планування сівозмін та оцінки ефективності застосованих технологій. Застосування супутникових знімків значно скорочує потребу у трудомістких польових обстеженнях, забезпечуючи більш точні, об’єктивні та регулярні дані про стан рослинності на великих територіях. Такий підхід сприяє підвищенню ефективності агровиробництва, економії ресурсів та зменшенню негативного впливу на довкілля.

точне землеробство
індекс NDVI
індекс EVI
супутникові знімки Sentinel-2
моніторинг посівів
дистанційне зондування
  1. Dong T., Liu J., Shang J., Zhao B. (2020).  Mapping winter wheat with multi-temporal SAR and optical images: A case study in the North China Plain. Remote Sensing, 12(3), 456.
  2. Forkuor G., Conrad C., Thiel  M.,  Zoungrana  B., Tondoh J. E. (2014). Integration of optical and Synthetic Aperture Radar imagery for improving crop mapping in Northwestern Benin, West Africa. Remote Sensing,  6(7),  6472-6499.
  3. Gao F., Anderson M. C., Zhang X., Yang Z., Alfieri J. G., Kustas W. P., ... Dulaney W. (2020). Toward mapping crop progress at field scales through fusion of Landsat and MODIS imagery. Remote Sensing of Environment, 255, 112331.
  4. Hammond J., Dube T. (2024). Harmonized NDVI time- series from Landsat and Sentinel-2  reveal phenological patterns of diverse, small-scale cropping systems in East Africa. Remote Sensing Applications: Society and Environment, 35, 101230. DOI: https://doi.org/10.1016/j.rsase.2024.101230.
  5. Jin X., Kumar L., Li Z., Feng H., Xu X., Yang G. (2018). A review of data assimilation of remote sensing and crop models. European Journal of Agronomy, 92, 141-152.
  6. Jindain P., Thanawong P. (2020). Comparison of NDVI and multispectral imageries of Sentinel-2 for detection of abandoned paddy field: A case study of eastern Phayao province. The Journal of Spatial Innovation Development, 10(2), 1–12. URL: https://ph01.tci- thaijo.org/index.php/jsid/article/view/249556.
  7. Kalogeras  A.,  Bormpoudakis   D.,   Tsardanidis   I., Loka D. A., Kontoes C. (2025). Monitoring digestate application  on  agricultural  crops  using  Sentinel-2satellite  imagery.  arXiv  preprint  arXiv:2504.19996. URL: https://arxiv.org/abs/2504.19996.
  8. Kross A., McNairn H., Lapen D., Sunohara M., Champagne C. (2015). Assessment of RapidEye vegetation indices for estimation of leaf area index and biomass in corn and soybean crops. International Journal of Applied Earth Observation and Geoinformation,  34,  235-248.
  9. Lozano-Tello A., Siesto G., Fernández-Sellers M., Caballero-Mancera A. (2023). Evaluation of the use of the 12 bands vs. NDVI from Sentinel-2 images for crop identification. Sensors, 23(16), 7132. DOI: https://doi.org/10.3390/s23167132.
  10. Liu J., Pattey E., Miller J. R. (2010). Retrieval of leaf area index from  top-of-canopy digital photography over agricultural crops. Agricultural and Forest Meteorology,  150(11), 1485-1490.
  11. Meroni M., Rembold F., Verstraete M. M., Urbano F. (2020). A phenology-based method to derive biomass production anomalies for food security monitoring in the Horn of Africa. International Journal of Remote Sensing,  41(7),  2670-2689.
  12. Pan Z., Huang J., Zhou Q., Wang L., Cheng Y., Zhang H., ... Blackburn G. A. (2015). Mapping crop phenology using NDVI time-series derived from HJ-1A/B  data.  International  Journal  of  Applied  Earth Observation and Geoinformation, 34, 188-197.
  13. Rashid M. H., Rahman M. M., Islam M. T. (2024). Monitoring wheat area using Sentinel-2 imagery and in-situ spectroradiometer data in heterogeneous field conditions. Discover Agriculture, 2(1), 69. DOI: https://doi.org/10.1007/s44279-024-00069-4.
  14. Sakamoto T., Gitelson A. A., Wardlow B.  D., Wardlow B. D., Egbert S. L. (2010). A comparison of MODIS 250-m EVI and NDVI data for crop mapping: A case study for southwest Kansas. International Journal of Remote Sensing, 31(3), 805–830. DOI: https://doi.org/10.1080/01431160902897858.
  15. Verma S. B., Suyker A. E., Arkebauer T. J. (2007). An alternative method using remote sensing technology to assess crop phenology in maize and soybean. Agricultural and Forest Meteorology, 148(3), 396-406.
  16. Zhang X., Friedl M. A., Schaaf C. B., Strahler A. H. (2004). Climate controls on vegetation phenological patterns in northern mid- and high latitudes inferred from MODIS data. Global Change Biology, 10(7), 1133-1145.