1. FAO Training in Crop Yield Forecasting ARMENIA
Crop Yield Forecasting Methodology Enhancement – Remote sensing
Erevan January 2013
Antoine DENIS

2. 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

3. 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

4. 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)

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

6. 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

7. 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

8. 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

9. 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)

10. 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)

11. 2. General process for NDVI images in CYFS

12. 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)

13. 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)

14. Հեռադիտարկման ներկայացում

15. ՀՀ տարածքի SPOT VEGETATION NDVI լուսանկարը

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

17. 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

18. 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

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

20. Տվյալների տեսակ՝ վեկտորային
ՀՀ վարչական
բաժանումը

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

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

23. 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)

24. 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
Number of complete year available in 2012 14 5
Very similar to SPOT VGT

25. METOP What are METOP images ? & METOP website

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

27. 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)

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

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

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

31. SPOT VEGETATION NDVI - Եվրոպա

32. Preparation of a continuous NDVI images times series with SPOT VEGETATION and METOP images
SPOT_VGT
METOP
Years available
1999 – 2013 or 2014
Number of complete year available in 2012 14 5
TIMESAT input format:
BINARY : 2 dimensional spatial arrays
(≠ IDA format of WINDISP & VAST)

33. 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
կայքից

34. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

35. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

36. VGT Extract: NDVI պատկերների հանումը ՀՀ–ի համար

37. SPOT VEGETATION NDVI - Հայաստան

38. 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

39. 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, , 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, , , WGS-84, units=Degrees }

40. 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)

41. 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)

42. Smoothing of NDVI evolution curve Phenological parameters derivation

43. TIMESAT Website & User’s manual

44. 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

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

46. 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.

47. TIMESAT
Preprocessing to suppress outliers

48. 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.

49. 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.

50. 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 Mo

51. TIMESAT
Defining the installation folder

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

53. TIMESAT TIMESAT menu system Data preparation Data processing
Post processing

54. 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

55. TIMESAT
Image view

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

57. 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

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

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

60. TIMESAT
Settings file

61. TIMESAT
Fileinfo

62. TIMESAT
Fileinfo

63. TIMESAT
TSM_printseasons

64. TIMESAT
TSM_viewfits

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

66. TIMESAT
TSM_imageview (e.g.: large integral)

67. Contact information
Antoine DENIS
Bernard TYCHON
TEL
Website
Arlon Campus Environnement (ACE)
University of Liège (ULg)
185, Avenue de Longwy,
6700 Arlon
Belgium