Кратко итог — подход должен быть многодатным: оптические мульти/гиперспектральные данные + тепловые каналы + SAR + локальная валидация. Ниже — набор индексов, конкретных приёмов обработки и требования к геодезической $полевой$ поддержке, которые позволят с высокой вероятностью разграничить причины падения урожайности $засоление,дефицитвлаги,вредители/болезни$.

1) Данные $какиеспутники/платформыиспользовать$

Sentinel‑2 $10–20м,краснаягрань/red‑edge/SWIR$ — основной для вегетационных и red‑edge индексов, частота 5–10 дней.Landsat 8/9 $30м+тепловойканал$ — тепловые аномалии и многолетняя база.Sentinel‑1 $C‑поляризацияSAR$ — карта почвенной влажности, структура посева, обнаружение нахлёстов/повреждений, устойчивость к облакам.PlanetScope / SkySat / WorldView $3–0.5м$ — если нужно детально видеть очаги, границы участков, мелкие пятна.SMAP/SMOS $нижняяпространственнаядетализация$ — для фоновой информации о влажности почвы.Дроны $мультиспектральные+тепловыекамеры$ — для точного картографирования очагов; обязательно RTK/PPK геопривязка.По возможности гиперспектр $еслидоступно$ — лучшая диагностика солей и стрессов растений.

2) Индексы и производные, полезные для диагностики

Общая продуктивность/здоровье:
NDVI = $NIR-Red$/$NIR+Red$ — общее состояние вегетации, аномалии по времени.EVI — для плотной растительности, насыщения NDVI.Integrals/параметры фенологии $пикNDVI,площадьподкривой,SOS/EOS$ — для сравнения с нормой.Влагосодержание растений/почвы:
NDMI $илиNMDI$ = $NIR-SWIR1$/$NIR+SWIR1$ — индикатор водного статуса листьев/растений.MSI = SWIR1 / NIR — индекс стрессовой влажности $чемвыше—большеводногостресса$.NDWI $McFeeters$ — поверхностная вода/запруды, может помочь в гидрографии участка.Тепловые аномалии / LST $Landsat,Sentinelthermal,ECOSTRESS$ — повышение температуры = подозрение на дефицит влаги/стресс.Засоление:
Для мультиспектральных данных рекомендуют индексы, использующие SWIR и видимую: различные вариации «Salinity Index» $основанынаотносительномотражениивSWIRvsкрасном/NIR$. Конкретные формулы зависят от датчика; ключевое — использовать SWIR‑диапазон и/или гиперспектр для выделения солевых отражательных характеристик.Если есть гиперспектр — использовать спектральные пики/шаблоны солей и спектральный дизъюнкт $кластерныйанализиспектральноерасщепление$.Косвенно: при засолении наблюдается падение NDVI + увеличение отражения в коротковолновом инфракрасном $солевыекоркидаютповышенныйотскоквSWIR$.Вредители/болезни:
Ранние признаки — сдвиг в red‑edge $Red‑EdgePosition$, снижение NDVI и изменение PRI $PhotochemicalReflectanceIndex$.Текстурные признаки и мелкомасштабные пятна: использование высокоразрешённых оптических данных и текстурных ГЛЦМ‑характеристик.SAR: снижение биомассы/структуры посева проявляется в изменении и/или резком падении бэкскаттера, падении временной когерентности $временнаядекогерентностьуказываетнабыстрыеизмененияструктуры$.Дополнительно:
Индексы хлорофилла $CIgreen,CIred‑edge$ — диагноз нехватки питательных веществ/стресса.Анормалии по времени: z‑score, процентильные отклонения от многолетнего среднего.

3) Обработка и аналитические методики

Предобработка:
Атмосферная коррекция $Sen2CorдляSentinel‑2,LaSRC/LEDAPSдляLandsat$, облако/тень‑маскирование $Fmask$, геометрическая коррекция.BRDF/угловая коррекция при необходимости.Сведение временных рядов $выравниваниеподатам,ресэмплингпопространству$.Временные ряды и детекция аномалий:
Фильтрация и сглаживание $Savitzky‑Golay,Whittaker$, построение временных кривых NDVI/NDMI.BFAST / CCDC / LandTrendr — для выявления точного времени резких изменений $вспышкивредителей,внезапноезасоление,нарушениеорошения$.Аномалия = текущее значение − многолетняя средняя $илиz‑score,процентиль$. Карты аномалий помогают выделить проблемные пятна.Комбинаторный подход:
Составление поклассовых карт по вектору признаков: NDVI, NDMI, LST, SAR backscatter, текстурные характеристики, red‑edge метрики.Классификация $RandomForest,XGBoost,SVM$ с валидацией по полевым данным — для категоризации причин: «влажностной стресс», «засоление», «болезнь/вредитель», «уплотнение/физическое повреждение».Спатки/кластеризация:
Кластеризация $k‑means,DBSCAN$ по спектрально‑временным признакам для выделения очагов.SAR‑аналитика:
Использовать временную динамику бэкскаттера $VV/VH$, поляризационные соотношения, текстуры. SAR особенно полезен при облачности и для карты влажности почвы.Интеграция с внешними данными:
Метеоданные $осадки,ET0$, карты орошения/климат, карты почв, рельеф $DEM$, карты урожайности $yieldmaps$ для объяснения причин.Калибровка/валидация:
Сбор полевых замеров: EC почвы $электропроводность$, влажность $TDR$, биометрия растений, лабораторные анализы — для построения/калибровки моделей $особеннодлясолей$.

4) Практический рабочий план $пример$

Шаг 1: собрать мультидата $Sentinel‑2+Sentinel‑1$ за последний год и многолетние ряды.Шаг 2: предобработка, построение NDVI/NDMI/индексов LST, SAR‑карты.Шаг 3: временной анализ — выделить участки с резкой деградацией/аномалиями $BFAST/анализтренда$.Шаг 4: кластеризация и классификация причин с использованием обучающего набора $еслиестьпрошлыезамеры$. Сгенерировать первичную карту причин.Шаг 5: подготовить приоритетный список точек для полевых замеров $стратифицированнаявыборка:горячиеточки,пограничныезоны,контролы$.Шаг 6: провести полевые измерения, скорректировать модель, выпустить итоговую карту и рекомендации.

5) Геодезическая поддержка для полевых мероприятий $чтообеспечить$

Точность позиционирования:
Для определения точек отбора почвы/растений используйте RTK/PPK GNSS $точность\approx 1–2см$ — рекомендуется для точечных вмешательств и сравнения с высокоразрешёнными картами.Для оперативного обследования/патрулирования достаточно субметровых GNSS $GNSSприёмникисSBASилитопографическиеGPS$.Форматы и передача данных:
Передать координаты точек/полигонов в простых форматах: KML/GeoJSON/ShapeFile и по возможности выгрузки для мобильных приложений $ArcGISFieldMaps,QField,Collector$.Уточнить систему координат $рекомендуюUTM+WGS84$ и метаданные.Количество и стратегия замеров:
Минимум 20–30 точек на класс для калибровки моделей $чембольше—темлучше$, распределённых стратифицированно $покаждомукластеру/аномалиям$.Внутриплощадные профили/траншеи через проблемные зоны для градации солёности/влажности $например,каждые10–20м$.Оборудование для поля:
RTK/PPK GNSS-приёмник $илидронсRTKдляаэрофото$, полевая GSM/гаджет‑карта, цифровая камера, марки для привязки GCP $еслидронбезRTK$.Инструменты: портативный EC‑метр $дляпочвеннойэлектропроводности$, TDR/Time‑domain reflectometry $влажность$, пробоотборник почвы, фотопротокол.Разметка для мероприятий:
Предоставить чёткий план с приоритетными точками, линиями траншей, полигональными участками для отбора проб и предполагаемыми рабочими зонами техники.Точность для действий:
Для мониторинга и планирования химических/агротехнических обработок: ±1–5 м достаточно $можноиспользоватьRTKдляособоточныхработ$.Для посевного устройства/спрей‑агрегатов нужна сантиметровая привязка — обеспечить RTK‑поддержку техники.

6) Ожидаемые продуктовые результаты $чтопредоставитьзаказчику$

Карты аномалий $NDVI/NDMI/LST/SAR$ и карта возможных причин с указанием вероятности.Список приоритетных точек/траншей с координатами $RTK$ и инструкциями для полевых бригад.Таблица/спецификация для полевого отбора проб $какиеизмерения,глубины,количествоповторов$.Краткий отчёт: временной контекст $когданачалосьухудшение$, вероятные причины, рекомендации по дальнейшим мероприятиям и мониторингу $частотаповторныхсъёмок$.По возможности — обученная модель $RandomForestинаборпризнаков$, которую можно применять в следующем сезоне.

7) Практические рекомендации и ограничения

Для надёжной дифференциации «солёность vs влажность vs вредитель» нужны полевые замеры $особеннодлясолей:EC$ и локальная калибровка индексов — одна и та же спектральная реакция $понижениеNDVI$ может быть вызвана разными факторами.SAR + оптика + LST дают синергетический эффект: SAR — влажность и структура, оптика — хлорофилл/ред‑edge, LST — температурный стресс.Частота съёмки важна: вредители часто проявляются быстро — нужна высокая частота $Planet/дроны$ или частые Sentinel‑2 снимки.В условиях постоянной облачности SAR становится главным источником.

Если хотите, могу:

подготовить конкретный рабочий план и шаблон полевой ведомости для вашей площади $названиеполей,размеры,рекомендуемоечислоточекнагектар,форматдоставкикоординат$,либо начать с анализа имеющихся у вас спутниковых снимков — пришлите шейп‑файл участка или координаты полей и период интереса.