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

Introduction to the training Crop Yield Forecasting Methodology – Remote sensing Introduction to the training General reminder of the project and CYFS Objectives of the training Planning of the training

General reminder of the project and CYFS 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

Բերքատվության կանխատեսման մեթոդաբանություն (Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ* NDVI NDVI Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների * հեռադիտարկում (արբանյակային)

Objectives of the training TIMESAT software METOP NDVI images Complementary information for Agromet bulletin

Planning of the training (cf. doc Word) Crop Yield Forecasting Methodology – Remote sensing Planning of the training (cf. doc Word) DAY 1 Introduction New (METOP & TIMESAT) TIMESAT - introduction DAY 2 TIMESAT – automation and database production WINDISP

Planning of the training (cf. doc Word) 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

Planning of the training (cf. doc Word) Crop Yield Forecasting Methodology – Remote sensing Planning of the training (cf. doc Word) DAY 5 Questions and answers

Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) 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 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

2. General process for NDVI images in CYFS

Բերքատվության կանխատեսման մեթոդաբանություն (Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ NDVI NDVI Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով OLD METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների * հեռադիտարկում (արբանյակային)

Բերքատվության կանխատեսման մեթոդաբանություն (Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ TIMESAT SPOT VEGETATION NDVI NDVI & METOP Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով NEW ! METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների * հեռադիտարկում (արբանյակային)

Հեռադիտարկման ներկայացում

ՀՀ տարածքի SPOT VEGETATION NDVI լուսանկարը

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

NDVI SPOT VEGETATION NDVI image NIR: Ինֆրակարմիրին մոտ ճառագայթում (0,725 à 1 µm) Red: Կարմիր ճառագայթում (0,58 à 0,68 µm) Խիտ բուսականություն և ֆիտոսանիտարական լավ պայմաններ  աբսորբցիայի աճ՝ կարմիր տիրույթում Բարձր NDVI Նոսր բուսականություն և/ կամ ֆիտոսանիտարական վատ պայմաններ :  աբսորբցիայի աճի բացակայություն կարմիր տիրույթում  Ցածր NDVI

Տվյալների տեսակները։ լուսանկար կամ վեկտորային NDVI պատկեր: Պատկերացանց (տարածքի մեջ շարունակական) Կիրառվում է որպես բույսերի վարքի մասին հիմնական տեղեկություն՝ ֆենոլոգիական տվյալների ստացման համար Դիտարկվող տարածքի սահմանը: Վեկտորային տվյալներ (կետ, գիծ և բազմանկյուն) Կիրառվում է պատկերացանցի (ռաստրի) ինֆորմացիան հանրագումարի բերելու համար։ Օր.՝ մարզի սահմանները

Տվյալների տեսակ՝ վեկտորային Հողօգտագործումը Հայաստանում Պայմ. նշաններ Հողօգտագործում Վարելահողեր Մշակաբույսեր Անտառ և թփուտներ Խոտհարքներ Արոտավայրեր ք. Երևան Սևանա լիճ

Տվյալների տեսակ՝ վեկտորային ՀՀ վարչական բաժանումը

Տվյալների տեսակ՝ վեկտորային Հողօգտագործման և վարչական բաժանումների ինտեգրացում Հողօգտագործման «ցորեն» դասի փոխհատումը ՀՀ մարզերի հետ (կարմիր)

NDVI մեթոդաբանության ընդհանուր սկզբունքը (Քայլեր 3 - 4) Հանրագումար ըստ ԴԵՏ–ի Ֆենոլոգիական պարամետրեր Աղյուսակների ստեղծում

Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

METOP Why using METOP? Very similar to SPOT VGT SPOT_VGT METOP Spatial resolution 1 km N° images per year 36 Years available 1999 – 2013 or 2014 2008 - 2022 Number of complete year available in 2012 14 5 Very similar to SPOT VGT

METOP What are METOP images ? & METOP website http://www.metops10.vito.be/index.html

Ordered at VITO and received by email and FTP delivery METOP How to get METOP images? Ordered at VITO and received by email and FTP delivery

Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

SPOT VEGETATION How to get SPOT VGT images? FREE VGT website (3 months old) & Ordered at ESA for real time and delivered by email and FTP

Ներբեռնել անվճար SPOT VEGETATION NDVI-ը հետևյալ կայքից: http://free

Ներբեռնել անվճար SPOT VEGETATION NDVI-ը հետևյալ կայքից: http://free

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)

SPOT VEGETATION : VGT EXTRACT : 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

file type = ENVI Standard sensor type = METOP-AVHRR 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 = 8176 lines = 5600 bands = 1 file type = ENVI Standard data 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 }

Crop Yield Forecasting Methodology – Remote sensing Content Monday 21 January 2013 Introduction to the training General process for NDVI images in CYFS (5 min) Introduction to METOP satellite images (15 min) Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images (30 min) TIMESAT – an Introduction (2 h) TIMESAT for extracting NDVI derived explanatory variable for CYFS – (a step by step tutorial) (3 h)

Բերքատվության կանխատեսման մեթոդաբանություն (Source: Global Monitoring for Food Security (GMFS) project) 1 3 2 Մուտք արվող տվյալներ Անկախ փոփոխականներ Ստացված արդյունք (ելք) AGROMET SHELL (AMS) Տեղումների իրական ծավալը Բերքատվության կանխատեսում տարածաշրջան–ների մասշտաբով ՀԴ TIMESAT SPOT VEGETATION NDVI NDVI & METOP Բերքատվության հանրագումար երկրի մասշտաբով Բերքատվության կանխատեսման մոդել երկրի մասշտաբով NEW ! METHOD Բերքատվության տվյալներ Նախկին տվյալներ ըստ տարածաշրջանների * հեռադիտարկում (արբանյակային)

Smoothing of NDVI evolution curve Phenological parameters derivation http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html.

TIMESAT Website & User’s manual http://www.nateko.lu.se/personal/Lars.Eklundh/TIMESAT/timesat.html

A program for Analysing Time-Series of Satellite Sensor Data TIMESAT A program for Analysing Time-Series of Satellite Sensor Data By Jönsson Lars Eklundh

TIMESAT Using time series of binary images files to produce NDVI temporal evolution curve

TIMESAT Using 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 series and 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.

TIMESAT Preprocessing to suppress outliers

TIMESAT Upper envelope adaptation Fitted functions from a multi-step procedure. The thin solid line represent the original NDVI data. The thick line shows the fitted function from the first step. The thick solid line displays the fit from the last step where the weights of the low data values have been decreased.

TIMESAT 3 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 Main features of the SPOT VEGETATION and METOP NDVI images database SPOT_VGT METOP Spatial resolution 1 km N° images per year 36 Years available 1999 – 2013 or 2014 2008 – 2022 Number of complete year available in 2012 14 5 Format 8-bit Extent Armenia Europe N° of rows 337 5600 N° of columns 449 8176 Size 148 Ko 44.713 Mo

TIMESAT Defining the installation folder

TIMESAT Defining the right working directory (! very important !) Choose the folder “RESULTS”

TIMESAT TIMESAT menu system Data preparation Data processing Post processing

TIMESAT SPOT VEGETATION METOP Image file type 8-bit unsigned integer   SPOT VEGETATION METOP Image file type 8-bit unsigned integer Byte order Little endian No of rows in image 337 5600 No of columns 449 8176

TIMESAT Image view

TIMESAT Relative LIST FILE !! Relative compare to the working directory !! !! 3 * the same year !!

Example for the 1999 SPOT_VGT images Example for the 2008 METOP images TIMESAT FILE NAME convention Type of file Example 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)

TIMESAT Settings file

TIMESAT Fileinfo

TIMESAT Fileinfo

TIMESAT TSM_printseasons

TIMESAT TSM_viewfits

TIMESAT TSM_imageview (e.g.: start of the season)

TIMESAT TSM_imageview (e.g.: large integral)

Contact information 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/ Arlon Campus Environnement (ACE) University of Liège (ULg) 185, Avenue de Longwy, 6700 Arlon Belgium