Skip to main content

Opazovanje suše v visoki ločljivosti z modeliranjem talnih in satelitskih podatkov

Opis

Projekt išče trajne rešitve za spremljanje suše, ki je ena izmed bolj pogostih naravnih nesreč pri nas in v tujini. V več fazah projekta smo:

  1. določili in analizirali najprimernejše in najstabilnejše indikatorje suše za območje Slovenije, ki temeljijo na optičnih satelitskih posnetkih;
  2. razvili metodo za združevanje satelitskih podatkov in talnih meritev za natančno določanje suše z visoko ločljivostjo na kmetijskih območjih;
  3. razvili prototipni sistem za celovito karakterizacijo suše kmetijskih območij na nacionalni ravni.

To smo dosegli s preučevanjem, vrednotenjem in izboljšanjem tehnik obdelave satelitskih podatkov, združevanjem posnetkov nizke in visoke ločljivosti (zgoščevanjem podatkov), združevanjem posnetkov in terenskih meritev, uporabo algoritmov strojnega učenja za iskanje statistično relevantnih spremenljivk in modelov za natančno označevanje prizadetih območij.

V nasprotju z ostalimi sistemi, ki uporabljajo posnetke starejših satelitov, smo uporabili posnete satelitov Sentinel, ki sodijo v najnovejšo generacijo satelitov. Prosto dostopne satelitske podatke smo v modelu integrirali s prosto dostopnimi talnimi meritvami na državni ravni, pri čemer model temelji na prilagoditvi najmodernejših tehnik strojnega učenja. Portal je pripravljen na sprejem rezultatov modelov za detekcijo suše, vendar je treba za operativno rabo trenutne modele za detekcijo suše na posameznih kmetijskih rastlinah še prilagoditi in izboljšati njihovo natančnost. Podatki lahko pripomorejo k delu upravljavcev z okoljskimi dobrinami, uslužbencev na področju varstva pred naravnimi nesrečami, odločevalcev ter znanstvenikov, ki proučujejo vplive na krajevne ekosisteme.


Faze projekta

Delo smo razdelili na pet delovnih paketov:

• DS 1: Pridobivanje in sinhronizacija podatkov,

• DS 2: Izdelava dolgočasovnega visokoločljivega podatkovnega niza,

• DS 3: Časovne vrste indikatorjev kmetijske suše,

• DS 4: Izdelava modela zaznavanja suše, ter

• DS 5: Ocena kakovosti rezultatov za operativno rabo.


Rezultati

  • CROCETTI, Laura – Matthias FORKEL – Milan FISCHER – František JUREČKA – Aleš GRLJ – Andreas SALENTINIG – Miroslav TRNKA – Martha ANDERSON – Ng WAI-TIM – Žiga KOKALJ –  Andreea BUCUR – Wouter DORIGO, 2020, Earth observation for agricultural drought monitoring in the Pannonian Basin (southeastern Europe) : current state and future directions. Regional environmental change 20, 17.
  • ČOŽ, Nejc, 2022, Višinska razlika do najbližjega vodotoka (HAND) – podatki za Slovenijo. V: BREG VALJAVEC, Mateja (ur.), et al. Sedanjost in prihodnost, Ljubljana: Založba ZRC, 119–128.
  • ČOŽ, Nejc – Peter PEHANI – Tatjana VELJANOVSKI – Žiga KOKALJ, 2020, Testing of the compositing algorithm for Sentinel-2 products. Tehnično poročilo, Ljubljana: ZRC SAZU.
  • ELER, Klemen – Urša PEČAN – Marina PINTAR – Jernej ŠIJANEC – Matjaž GLAVAN – Damijana KASTELEC – Žiga KOKALJ – Dominik VODNIK, 2018, Remote sensing of drought stressed maize in NE Slovenia - A multilayer data integration. V: BAEBLER, Špela (ur.), et al. 7th Slovenian Symposium on Plant Biology with International Participation. Ljubljana: Silva Slovenica Publishing Centre, Slovenian Forestry Institute, 6.
  • GRLJ, Aleš – Petra VOVK – Žiga KOKALJ, 2020, Zasnova in izvedba sušnega uporabniškega servisa. V: ZORN, Matija (ur.), et al. Domači odzivi na globalne izzive. Ljubljana: Založba ZRC, 35–46.
  • GRLJ, Aleš – Petra VOVK – Manca ŽEROVNIK – Žiga KOKALJ, 2020, DroughtWatch.
  • KANJIR, Urša – Nataša ĐURIĆ – Tatjana VELJANOVSKI, 2018, Sentinel-2 based temporal detection of agricultural land use anomalies in support of Common Agricultural Policy monitoring. ISPRS International Journal of Geo-Information 7, 10, 10.
  • KOKALJ, Žiga, 2019, Satellite data and agricultural drought conditions : predavanje. Univerzitet u Sarajevu, Građevinski fakultet, Odsjek za geodeziju, Institut za geodeziju i geoinformatiku.
  • KOKALJ, Žiga, 2021, How can EU Space data mitigate the impact of natural disasters on the agricultural sector?. EU Space data and services for the Western Balkans: applications in agriculture and emergency management and response.
  • KOSTOVSKA, Ana – Aleksandra RASHKOVSKA KOCEVA – Nikola SMIDJIEVSKI – Panče PANOV – Dragi KOCEV – Žiga KOKALJ, 2022, Comparison of machine learning models for drought prediction. Tehnnično poročilo, Ljubljana: ZRC SAZU, Bias Variance Labs.
  • MAST, Johannes, 2020, Demonstration code for super-resolution of Sentinel-2 images. Ljubljana: ZRC SAZU [Na spletu].
  • MAST, Johannes, 2020, Operational code for super-resolution of Sentinel-2 images. Ljubljana: ZRC SAZU [Na spletu].
  • SOMRAK, Maja, 2019, The rise of the machines : how machine intelligence is transforming science. V: BRUMEN, Jerneja (ur.), et al. Kam greš, tehnologija? : zbornik izvlečkov, Znanstvenoraziskovalni center SAZU. Ljubljana: Založba ZRC, 20.
  • STANČIČ, Liza – Krištof OŠTIR – Žiga KOKALJ, 2020, Fluvial gravel bar mapping with spectral signal mixture analysis. European journal of remote sensing 16.
  • PEHANI, Peter – Tatjana VELJANOVSKI – Žiga KOKALJ – Krištof OŠTIR, 2022, Šest let arhiva podatkov Sentinel-2 za Slovenijo. Geodetski vestnik 66, 2, 220–257.
  • VELJANOVSKI, Tatjana – Klemen ČOTAR – Aleš MARSETIČ, 2019, Large scale mosaicing and compositing of PROBA-V satellite images. Geodetski glasnik 53, 50, 5–18.
  • VOVK, Petra, 2019, Suša - podatkovna baza meteoroloških podatkov. Tehnično poročilo, Ljubljana: ZRC SAZU.
  • VOVK, Petra – Aleš GRLJ – Žiga KOKALJ, 2019, Razvoj suše 2018 skozi Sušni uporabniški servis ter obeti za 2019. Ljubljana.

Raziskovalni projekt

Ključne besede
indikatorji suše
kmetijska suša
visoka ločljivost
satelitski posnetki
daljinsko zaznavanje

Raziskovalna področja
Daljinsko zaznavanje T181