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

1. General reminder of the project and CYFS

2. Objectives of the training

3. Planning of the training

Crop Yield Forecasting Methodology – Remote sensing

Introduction to the training

• 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

General reminder of the project and CYFS

Բերքատվության կանխատեսմանմեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project)

NDVI

1 2 3

INPUTS

AMS ETP

Actual rainfall

S T A T I S T I C A

NOAA GAC

V A S T

Yield prediction model at

departmental level

OUTPUT

Temperature, RR, RH,… Yield prediction

model at national level

W I N D I S P

M A T L A B

Initial Water Holding Content

Soil Water Satisfaction Index

Water excess, deficit

Actual ETA

…

NDVI

INDEPENDENT VARIABLES

CROP YIELD DATA

Historical crop yield data at departmental level

Yield agregation at national level

METEO

Starting date

NDVI max

Time peak

…

Cumulated actual rainfall

Անկախփոփոխականներ

AGROMET SHELL (AMS)

Մուտք արվող

տվյալներ

Բերքատվությ ան

կանխատեսմ ան մոդել

երկրիմասշտաբով

Բերքատվության հանրագումար

երկրիմասշտաբով

Տեղումների իրական

ծավալը

NDVIՀԴ*

* հեռադիտարկում(արբանյակային)

Բերքատվությա ն տվյալներ

Նախկին տվյալներ ըստ

տարածաշրջանների

Ստացված արդյունք

(ելք)

Բերքատվությա ն

կանխատեսումտարածաշրջան

– ներիմասշտաբով

I. TIMESAT software

II. METOP NDVI images

III. Complementary information for Agromet

bulletin

Objectives of the training

DAY 1•Introduction

•New (METOP & TIMESAT)

•TIMESAT - introduction

DAY 2•TIMESAT – automation and database production

•WINDISP

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

Crop Yield Forecasting Methodology – Remote sensing

Planning of the training (cf. doc Word)

DAY 5 •Questions and answers

Crop Yield Forecasting Methodology – Remote sensing

Planning of the training (cf. doc Word)

Monday 21 January 2013

1.Introduction to the training

2.General process for NDVI images in CYFS (5 min)

3.Introduction to METOP satellite images (15 min)

4.Preparation of a continuous NDVI images times series with SPOT

VEGETATION and METOP images (30 min)

5.TIMESAT – an Introduction (2 h)

6.TIMESAT for extracting NDVI derived explanatory variable for CYFS

– (a step by step tutorial) (3 h)

Crop Yield Forecasting Methodology – Remote sensing

Content

Monday 21 January 2013

1.Introduction to the training

2.General process for NDVI images in CYFS (5 min)

3.Introduction to METOP satellite images (15 min)

4.Preparation of a continuous NDVI images times series with SPOT

VEGETATION and METOP images (30 min)

5.TIMESAT – an Introduction (2 h)

6.TIMESAT for extracting NDVI derived explanatory variable for CYFS

– (a step by step tutorial) (3 h)

Crop Yield Forecasting Methodology – Remote sensing

Content

2. General process for NDVI images in CYFS

Բերքատվության կանխատեսմանմեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project)

NDVI

1 2 3

INPUTS

AMS ETP

Actual rainfall

S T A T I S T I C A

NOAA GAC

V A S T

Yield prediction model at

departmental level

OUTPUT

Temperature, RR, RH,… Yield prediction

model at national level

W I N D I S P

M A T L A B

Initial Water Holding Content

Soil Water Satisfaction Index

Water excess, deficit

Actual ETA

…

NDVI

INDEPENDENT VARIABLES

CROP YIELD DATA

Historical crop yield data at departmental level

Yield agregation at national level

METEO

Starting date

NDVI max

Time peak

…

Cumulated actual rainfall

Անկախփոփոխականներ

AGROMET SHELL (AMS)

Մուտք արվող

տվյալներ

Բերքատվությ ան

կանխատեսմ ան մոդել

երկրիմասշտաբով

Բերքատվության հանրագումար

երկրիմասշտաբով

Տեղումների իրական

ծավալը

NDVI

ՀԴ

* հեռադիտարկում(արբանյակային)

Բերքատվությա ն տվյալներ

Նախկին տվյալներ ըստ

տարածաշրջանների

Ստացված արդյունք

(ելք)

Բերքատվությա ն

կանխատեսումտարածաշրջան

– ներիմասշտաբով

OLD METHOD

Բերքատվության կանխատեսմանմեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project)

NDVI

1 2 3

INPUTS

AMS ETP

Actual rainfall

S T A T I S T I C A

NOAA GAC

V A S T

Yield prediction model at

departmental level

OUTPUT

Temperature, RR, RH,… Yield prediction

model at national level

W I N D I S P

M A T L A B

Initial Water Holding Content

Soil Water Satisfaction Index

Water excess, deficit

Actual ETA

…

NDVI

INDEPENDENT VARIABLES

CROP YIELD DATA

Historical crop yield data at departmental level

Yield agregation at national level

METEO

Starting date

NDVI max

Time peak

…

Cumulated actual rainfall

Անկախփոփոխականներ

AGROMET SHELL (AMS)

Մուտք արվող

տվյալներ

Բերքատվությ ան

կանխատեսմ ան մոդել

երկրիմասշտաբով

Բերքատվության հանրագումար

երկրիմասշտաբով

Տեղումների իրական

ծավալը

ՀԴ

* հեռադիտարկում(արբանյակային)

Բերքատվությա ն տվյալներ

Նախկին տվյալներ ըստ

տարածաշրջանների

Ստացված արդյունք

(ելք)

Բերքատվությա ն

կանխատեսումտարածաշրջան

– ներիմասշտաբով

NEW ! METHOD

SPOT VEGETATION

NDVI

& METOP

Հեռադիտարկմաններկայացում

ՀՀ տարածքի SPOT VEGETATION NDVI լուսանկարը

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

NDVI

)(

)(

REDNIR

REDNIRNDVI

NIR: Ինֆրակարմիրին մոտ ճառագայթում (0,725 à 1 µm)

Red: Կարմիր ճառագայթում (0,58 à 0,68 µm)

Խիտ բուսականություն և ֆիտոսանիտարական լավպայմաններ աբսորբցիայի աճ՝ կարմիրտիրույթում Բարձր NDVI

Նոսր բուսականություն և/ կամ ֆիտոսանիտարական վատպայմաններ :

աբսորբցիայի աճի բացակայություն կարմիր տիրույթում Ցածր NDVI

SPOT VEGETATION NDVI image

1. NDVI պատկեր:

• Պատկերացանց ( տարածքի մեջ շարունակական)

• Կիրառվում է որպես բույսերի վարքի մասին

հիմնական տեղեկություն՝ ֆենոլոգիական տվյալների

ստացման համար

2. Դիտարկվող տարածքիսահմանը:

• Վեկտորային տվյալներ (կետ, գիծ և բազմանկյուն)

• Կիրառվում է պատկերացանցի

(ռաստրի) ինֆորմացիան հանրագումարի բերելու

. համար։ Օր ՝ մարզիսահմանները

Տվյալների տեսակները։ լուսանկար կամ վեկտորային

Տվյալների տեսակ՝վեկտորային

Հողօգտագործու մը

Հայաստանում. Պայմ

նշաններ

Հողօգտագործում

Վարելահողե

ր

Մշակաբույս

եր

Անտառ ևթփուտներ

Խոտհարքներ

Արոտավայրեր

. ք Երևան

Սևանա լիճ

Տվյալների տեսակ՝վեկտորային

ՀՀվարչականբաժանումը

Տվյալների տեսակ՝վեկտորային Հողօգտագործման և վարչական

բաժանումների ինտեգրացում

Հողօգտագործման« » ցորեն դասի

փոխհատումը ՀՀ մարզերի հետ (կարմիր)

NDVI մեթոդաբանության ընդհանուր սկզբունքը ( Քայլեր 3 - 4)

NDVI ժամանակայինշարք

Ֆենոլոգիական պարամետրեր Աղյուսակների ստեղծում

Հանրագումար ըստ–ԴԵՏ ի

Monday 21 January 2013

1.Introduction to the training

2.General process for NDVI images in CYFS (5 min)

3.Introduction to METOP satellite images (15 min)

4.Preparation of a continuous NDVI images times series with SPOT

VEGETATION and METOP images (30 min)

5.TIMESAT – an Introduction (2 h)

6.TIMESAT for extracting NDVI derived explanatory variable for CYFS

– (a step by step tutorial) (3 h)

Crop Yield Forecasting Methodology – Remote sensing

Content

Why using METOP?

METOP

SPOT_VGT METOP

Spatial resolution 1 km 1 km

N° images per year 36 36

Years available 1999 – 2013 or 2014 2008 - 2022

Number of complete year available in 2012

14 5

Very similar to SPOT VGT

What are METOP images ?

&

METOP website

http://www.metops10.vito.be/index.html

METOP

How to get METOP images?

Ordered at VITO and received by email

and FTP delivery

METOP

Monday 21 January 2013

1.Introduction to the training

2.General process for NDVI images in CYFS (5 min)

3.Introduction to METOP satellite images (15 min)

4.Preparation of a continuous NDVI images times

series with SPOT VEGETATION and METOP images (30

min)

5.TIMESAT – an Introduction (2 h)

6.TIMESAT for extracting NDVI derived explanatory variable for CYFS

– (a step by step tutorial) (3 h)

Crop Yield Forecasting Methodology – Remote sensing

Content

How to get SPOT VGT images?

FREE VGT website (3 months old)

&

Ordered at ESA for real time and

delivered by email and FTP

SPOT VEGETATION

Ներբեռնել SPOT VEGETATION անվճարNDVI-ը : հետևյալ կայքից http://free.vgt.vito.be/

Ներբեռնել SPOT VEGETATION անվճարNDVI-ը : հետևյալ կայքիցhttp://free.vgt.vito.be/

SPOT VEGETATION NDVI - Եվրոպա

Preparation of a continuous NDVI images times series with

SPOT VEGETATION and METOP images

SPOT_VGT METOP

Years available 1999 – 2013 or 2014 2008 - 2022

Number of complete year available in 2012

14 5

TIMESAT input format:• BINARY : 2 dimensional spatial arrays

• (≠ IDA format of WINDISP & VAST)

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 ենթադասել Հայաստանի

–ԴԵՏ ը (spatial subset)• Փոխակերպել պատկերները TIMESAT–ին համատեղելի ֆորմատի (format convert)

Հասանելիությունը:

VGT Extract– ը կարելի անվճար ներբեռնել

http://free.vgt.vito.be/ կայքից

VGT Extract: NDVI – պատկերների հանումը ՀՀ ի համար

VGT Extract: NDVI – պատկերների հանումը ՀՀ ի համար

VGT Extract: NDVI – պատկերների հանումը ՀՀ ի համար

SPOT VEGETATION NDVI - Հայաստան

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 other than « NDV… » files)

•Images are in ENVI standard format (binary file +

header), format compatible with TIMESAT

Preparation of a continuous NDVI images times series with

SPOT VEGETATION and METOP images

METOP header file

ENVI

description = {METOP-AVHRR, 10-daily synthesis, 20080401-20080410, NDVI, processing by VITO-Belgium }

samples = 8176lines = 5600bands = 1

file type = ENVI Standarddata type = 1

sensor type = METOP-AVHRR

map info = { Geographic Lat/Lon, 1.5, 1.5, -11, 75, 0.0089285714, 0.0089285714, WGS-84, units=Degrees }

Monday 21 January 2013

1.Introduction to the training

2.General process for NDVI images in CYFS (5 min)

3.Introduction to METOP satellite images (15 min)

4.Preparation of a continuous NDVI images times series with SPOT

VEGETATION and METOP images (30 min)

5.TIMESAT – an Introduction (2 h)

6.TIMESAT for extracting NDVI derived explanatory variable for CYFS

– (a step by step tutorial) (3 h)

Crop Yield Forecasting Methodology – Remote sensing

Content

Բերքատվության կանխատեսմանմեթոդաբանություն(Source: Global Monitoring for Food Security (GMFS) project)

NDVI

1 2 3

INPUTS

AMS ETP

Actual rainfall

S T A T I S T I C A

NOAA GAC

V A S T

Yield prediction model at

departmental level

OUTPUT

Temperature, RR, RH,… Yield prediction

model at national level

W I N D I S P

M A T L A B

Initial Water Holding Content

Soil Water Satisfaction Index

Water excess, deficit

Actual ETA

…

NDVI

INDEPENDENT VARIABLES

CROP YIELD DATA

Historical crop yield data at departmental level

Yield agregation at national level

METEO

Starting date

NDVI max

Time peak

…

Cumulated actual rainfall

Անկախփոփոխականներ

AGROMET SHELL (AMS)

Մուտք արվող

տվյալներ

Բերքատվությ ան

կանխատեսմ ան մոդել

երկրիմասշտաբով

Բերքատվության հանրագումար

երկրիմասշտաբով

Տեղումների իրական

ծավալը

ՀԴ

* հեռադիտարկում(արբանյակային)

Բերքատվությա ն տվյալներ

Նախկին տվյալներ ըստ

տարածաշրջանների

Ստացված արդյունք

(ելք)

Բերքատվությա ն

կանխատեսումտարածաշրջան

– ներիմասշտաբով

NEW ! METHOD

SPOT VEGETATION

NDVI

& METOP

http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html.

Smoothing of NDVI evolution curve

Phenological parameters derivation

TIMESAT

Website&

User’s manual

http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html

TIMESATA program for Analysing Time-Series of Satellite

Sensor DataBy Jönsson Lars Eklundh

TIMESATUsing time series of binary images files to produce NDVI

temporal evolution curve

TIMESATUsing 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 seriesand 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.

TIMESATPreprocessing to suppress outliers

TIMESATUpper envelope adaptation

Fitted functions from a multi-step procedure. The thin solid line represent theoriginal NDVI data. (a) The thick line shows the fitted function from the first step.(b) The thick solid line displays the fit from the last step where the weights of the

low data values have been decreased.

TIMESAT3 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.

TIMESAT

SPOT_VGT METOP

Spatial resolution 1 km 1 km

N° images per year 36 36

Years available 1999 – 2013 or 2014 2008 – 2022

Number of complete year available in 2012

14 5

Format 8-bit 8-bit

Extent Armenia Europe

N° of rows 337 5600

N° of columns 449 8176

Size 148 Ko 44.713 Mo

Main features of the SPOT VEGETATION and METOP NDVI

images database

TIMESATDefining the installation folder

TIMESATDefining the right working directory (! very important !)

Choose the folder

“RESULTS”

TIMESAT

TIMESAT menu system

1.Data preparation

2.Data processing

3.Post processing

TIMESAT

 SPOT

VEGETATIONMETOP

Image file type 8-bit unsigned integer

Byte order Little endian

No of rows in image 337 5600

No of columns 449 8176

TIMESATImage view

TIMESATRelative LIST

FILE

!! Relative

compare to

the working

directory !!

!! 3 * the

same year !!

TIMESATFILE NAME convention

Type of fileExample for the 1999 SPOT_VGT images

Example for the 2008 METOP images

List file LIST_FILE_1999_SPOT_VGT.txt LIST_FILE_2008_METOP.txt

Settings file SETTINGS_1999_SPOT_VGT.set SETTINGS_2008_METOP.set

Job name in a settings file

1999_SPOT_VGT 2008_METOP

.tts file 1999_SPOT_VGT_fit.tts 2008_METOP_fit.tts

.tpa file 1999_SPOT_VGT_TS.tpa 2008_METOP_TS.tpa

Fitted (smoothed) NDVI images

FITTED_1999_SPOT_VGT FITTED_2008_METOP

Season parameter images (e.g.: start)

start_1999_SPOT_VGT start_2008_METOP

TSM GUI (e.g. SPOT VGT time series 1999 – 2012)

TSM GUI (e.g. SPOT VGT 3 * 1999 time series)

TIMESATSettings file

TIMESATFileinfo

TIMESATFileinfo

TIMESATTSM_printseasons

TSM_viewfits TIMESAT

TIMESATTSM_imageview (e.g.: start of the season)

TSM_imageview (e.g.: large integral) TIMESAT

Contact information

Arlon Campus Environnement (ACE)

University of Liège (ULg)

185, Avenue de Longwy,

6700 Arlon

Belgium

Antoine DENIS Bernard TYCHON

TEL 0032 63 230 997 0032 63 230 829

Email Antoine.Denis@ulg.ac.be Bernard.Tychon@ulg.ac.be

Website http://www.dsge.ulg.ac.be/arlon/