Monitoring and predicting crop growth and analysing agricultural ecosystems by remote sensing

Tämän artikkelin alussa arvioidaan muutamia satelliittikaukokartoituksen uusimpia sovelluksia maataloudessa ja lopussa esitellään japanilais-suomalainen yhteistyöhanke Aretie Science Project. LANDSAT/ TM-satelliittikuva-aineistoa voidaan käyttää maataloustuotannon seurannassa, sillä kuvien spektri/s...

Full description

Bibliographic Details
Main Authors: Akiyama, Tsuyoshi, Inoue, Y., Shibayama, M., Awaya, Y., Tanaka, N.
Format: Article in Journal/Newspaper
Language:English
Finnish
Published: Agricultural Research Centre of Finland 1996
Subjects:
Ka
Online Access:http://jukuri.luke.fi/handle/10024/445377
Description
Summary:Tämän artikkelin alussa arvioidaan muutamia satelliittikaukokartoituksen uusimpia sovelluksia maataloudessa ja lopussa esitellään japanilais-suomalainen yhteistyöhanke Aretie Science Project. LANDSAT/ TM-satelliittikuva-aineistoa voidaan käyttää maataloustuotannon seurannassa, sillä kuvien spektri/spatiaalinen tarkkuus on hyvä. Erittely- ja kartoitustekniikat ovat kehittyneet niin paljon, että viljalajit voidaan erottaa toisistaan 80 % tarkkuudella. Satelliittiaineiston avulla on arvioitu sadon biomassaa, esimerkiksi lehtialaa sekä kuiva- ja tuorepainoa, ja ennustettu viljasatoa erilaisia laajaspektrisiä kasvillisuusindeksejä käyttäen. Myös ravinteiden ja veden puutteen aiheuttamaa stressiä on onnistuttu analysoimaan. Aretic Science Projectissa seurattiin boreaalisia metsäalueita LANDSAT-satelliittiaineiston avulla. Subarktisen pohjakasvillisuuden spektriominaisuuksiin perustuvia fenologisia muutoksia mitattiin nelikanavaisella spektroradiometrillä. Käännekohdat vuodenaikaisissa lähes-infrapuna- ja punaheijastumissa saattavat osoittaa kasvun päättymistä ja ruskan alkua. LANDSAT/TM data, which are characterized by high spectral/spatial resolutions, are able to contribute to practical agricultural management. In the first part of the paper, the authors review some recent applications of satellite remote sensing in agriculture. Techniques for crop discrimination and mapping have made such rapid progress that we can classify crop types with more than 80% accuracy. The estimation of crop biomass using satellite data, including leaf area, dry and fresh weights, and the prediction of grain yield, has been attempted using various spectral vegetation indices. Plant stresses caused by nutrient deficiency and water deficit have also been analysed successfully. Such information may be useful for farm management. In the latter half of the paper, we introduce the Arctic Science Project, which was carried out under the Science and Technology Agency of Japan collaborating with Finnish scientists. In this project, monitoring ...