NDVI-trender och variation i åkermark : En multisensoranalys av NDVI-tidsserier, fenologiska faser och klimatpåverkan med satellit- och fältdata i Röbäcksdalen i norra Sverige

Sammanfattning

I denna studie analyserades fenologiska faser i Röbäcksdalen i Umeå, norra Sverige, under perioden 2000–2025. Studien omfattade två olika delar av området, där Fält 14 användes som ett referensfält för mer detaljerade analyser. Syftet var att undersöka NDVI-tidsserier över olika tidsintervall samt att jämföra satellitbaserad NDVI och GCC med fältbaserade GCC-data från PhenoCam. Studien omfattade även jämförelser mellan satellitdata från Landsat 7 med 30 m upplösning och Sentinel-2 med 10 m upplösning med hjälp av Google Earth Engine samt analyser av hur temperatur och nederbörd påverkar vegetationsutvecklingen. Landsat 7 användes för att analysera längre tidsserier under perioden 2000–2020, medan Sentinel-2 användes för mer detaljerade analyser under perioden 2017–2025. Sentinel-2, med högre rumslig upplösning och kortare återbesökstid, gav mer detaljerad information om variationer under växtsäsongen jämfört med Landsat7. NDVI och GCC från Sentinel-2 satellitdata jämfördes med fältbaserade GCC-värden från PhenoCam och visade ett tydligt fenologiskt mönster i årsvisa, månadsvisa och dagliga tidsserier. I början av växtsäsongen, framför allt under april och maj, var NDVI- och GCC-värdena generellt låga, vilket motsvarar etableringsfasen med låg grön biomassa. Under mitten av säsongen, främst från juni till augusti, ökade värdena tydligt och visade den aktiva vegetativa tillväxtfasen. Mot slutet av säsongen, under september och oktober, minskade värdena igen, vilket kan kopplas till skörd, avmognad och minskad vegetationsaktivitet. Satellitbaserad NDVI, GCC och fältbaserad GCC hade olika numeriska värden, men visade i stort sett samma utvecklingsmönster under växtsäsongen. Linjär regression visade att klimatvariablerna hade viss påverkan på NDVI, men att sambandet inte var tillräckligt starkt för att ensamt förklara variationen. Mann–Kendall-testet användes för att undersöka trender i NDVI över tid, medan boxplotdiagram användes för att visa spridningen i NDVI mellan olika år. Dessutom skapades en odlingskalender för korn och timotej under 2022 och en fenologisk kurva baserad på NDVI-värden för timotej år 2019, vilket gav en tydlig visuell bild av grödans utveckling under säsongen. Sammanfattningsvis visar studien att fjärranalysbaserade metoder är effektiva för att följa och analysera växters fenologiska faser. Kombinationen av Google Earth Engine, QGIS, satellitdata och fältbaserade sensorer som PhenoCam ger goda möjligheter att analysera vegetationens utveckling över tid. En kombination av NDVI, GCC, klimatdata och statistiska analyser kan bidra till bättre förståelse av grödors utveckling och stödja mer informerade beslut inom jordbruk och växtövervakning.