Сельское хозяйство – это одна из самых перспективных отраслей использования беспилотных летательных аппаратов. Потенциально материалы съемки сельскохозяйственных полей с беспилотников могут быть основой для самых разнообразных оценок состояния посевов. От учета площадей поврежденных посевов (вредителями, болезнями, физическими факторами и тому подобного) до оценки засоренности, заболеваемости и прогнозирования урожаев.

Как правило, для оценки состояния посевов используют материалы съемки в ближнем инфракрасном диапазоне, по которым рассчитывают так называемый нормализованный вегетационный индекс NDVI (Normalized Difference Vegetation Index). Индекс рассчитывается как разность значений отражения в ближней инфракрасной и красной областях спектра, разделенная на их сумму. В результате значения NDVI меняются в диапазоне от -1 до 1. Для зеленой растительности отражение в красной области всегда меньше, чем в ближней инфракрасной за счет поглощения света хлорофиллом. Поэтому значения NDVI для растительности не могут быть меньше 0. NDVI характеризует также плотность растительности, позволяет оценить всхожесть и рост растений, продуктивность угодий. Иногда используют другие расчетные индексы, которых разработано немало, но NDVI, традиционно, наиболее популярен.

Съемка в ближнем инфракрасном диапазоне проводится специальной NIR-модифицированной камерой, что, конечно, несколько увеличивает стоимость съемки по сравнению с использованием обычной фотоаппаратуры. Либо с помощью специальных мультиспектральных сенсоров,  что значительно дороже, хотя и  позволяет получать более достоверные результаты.

К тому же, не всегда есть возможность проведения мультиспектральной съемки – техническая или финансовая. Не секрет, что высокая стоимость услуг – это одно из существенных препятствий на пути активного внедрения дистанционного мониторинга сельхозугодий в практику сельскохозяйственного производства. Поэтому весьма привлекательной является оценка состояния посевов по материалам обычной фотосъемки.

В пределах одного поля, где выращивается одна культура, и, как правило, однородный почвенный покров, визуальная неоднородность цвета снимков может быть обусловлена следующим:

густотой растительного покрова и, соответственно, разным вкладом в формирование результирующего изображения отображений сельскохозяйственных растений, сорняков и почвы;

разной степенью засоренности и видовым составом сорняков, что также тесно связано с густотой  культурных растений;

разницей в развитости растений – их высоте, толщине стебля, стадии развития (например, одни растения уже выбросили колос, у других он еще только в стадии формирования);

проявлениями заболеваний, пороков развития растений и недостатка отдельных элементов питания, что отражается в изменении цвета листовой поверхности.

Как правило, все эти факторы влияют на суммарную биомассу растений, то есть массу живых растений на единицу площади. Следовательно, биомасса, фактически, является интегральной характеристикой состояния посевов.

Нами в мае-июне 2015 года проводилась проверка возможности использования фотосъемки при помощи БПЛА для оценки состояния озимой пшеницы. Для этого в конце мая была проведена съемка с БПЛА сельскохозяйственных угодий Липковатовского аграрного колледжа. После чего на одном из полей, занятых озимой пшеницей, провели подполетные исследования в трех наиболее контрастных по цвету точках (рис.1).

Рисунок 1. Фотоснимок поля озимой пшеницы, сделанный с помощью БПЛА. 1 – точки отбора образцов, точки 4-7 – точки отбора образцов почвы.

Анализ топокарты показал, что выбранные точки и имеют несколько различные орографические характеристики – положение относительно водораздела, уклон и экспозицию.

Точка 1 – характеризует участок с наиболее насыщенным, темно-зеленым цветом, расположена на пологом склоне северо-восточной экспозиции.

Точка 2 – участок менее насыщенного и более неоднородного зеленого цвета, с вкраплениями буровато-палевого цвета. Водораздел.

Точка 3 – наиболее неоднородная по цвету, пятнистая часть снимка с четко заметным чередованием зеленых и буровато-палевых пятен, что, вероятно, связано со значительным разрежением растительности и влиянием почвы на формирование отраженного сигнала. Расположена на склоне юго-западной экспозиции.

Полевые исследования включали в себя определение влажности почвы, измерение высоты растений пшеницы, густоты растений (количества штук на метр квадратный), с последующим срезанием пробных снопов. В пробных снопах мы подсчитали количество растений, их среднюю высоту и массу. На основе этих данных рассчитали биомассу растений пшеницы на метр квадратный.

Выяснилось, что растения озимой пшеницы в исследованных точках заметно отличались между собой по высоте, густоте  и развитости (рис. 2).

Рисунок 2. Характеристики посевов озимой пшеницы в контрастных точках снимка

Наиболее существенным было различие по высоте и средней массе растений. Густота растений пшеницы в точке 2 оказалась даже меньшей, чем в точке 3, но растения были лучше развиты, имели большую высоту, толщину стебля, величину колоса (рис. 3 и 4).

Рисунок 3. Пробный сноп озимой пшеницы, отобранный в точке 1 (1а – наименование одной из повторностей отбора).

Максимальная высота растений – 104 см, средняя – 95 см.

Рисунок 4. Озимая пшеница, срезанная в точке 3.

Максимальная высота растений – 88 см, средняя 77 см.

На рисунках 2 и 3, где приведены фотографии растений, отобранных в точках 1 и 3, наглядно видно различие между растениями озимой пшеницы в зависимости от размещения точки их отбора на поле. Обнаруженные нами различия в высоте и густоте озимой пшеницы связаны, в первую очередь, с неоднородностью условий увлажнения в пределах поля, что подтверждено данными определения влажности почвы.

Поскольку обычный цифровой фотоснимок не содержит информации об отображении поверхности в конкретных диапазонах электромагнитных волн, его количественный анализ может проводиться путем разложения цвета на три количественные составляющие – интенсивность красного, зеленого и синего каналов (RGB), яркость которых выражается в условных единицах от 0 до 255. Эти количественные значения могут быть получены в любой программе обработки цифровых изображений.

Поиск зависимостей между яркостью цифрового снимка и биомассой по отдельным цветовым каналам показал, что для определения биомассы растений целесообразно использовать зеленый цветовой диапазон, яркость которого имеет тесную обратную связь с биомассой, то есть чем зеленый цвет темнее, тем больше биомасса.

В то же время красный диапазон более показателен для оценки плотности растительного покрова (корреляция количества растений на квадратный метр с яркостью в красном диапазоне была очень тесной (r=-0,99)), что обусловлено разной степенью влияния отражения почвы при различной плотности растительности на формирование общего изображения.

Следовательно, даже обычная фотосъемка позволяет количественно охарактеризовать биомассу и густоту растений по яркости снимка. Для определения биомассы наиболее показательной является зеленая, а густоты растений – красная составляющая сигнала, что формирует «цвет» цифрового снимка.

Автор: Алла Ачасова

Доцент кафедры почвоведения Харьковского национального аграрного университета им. В.В. Докучаева. Кандидат биологических наук.

 

Источник: https://rusdrone.ru/news/Otsenkasostoyaniyaposevovspomoshchyufotosemki/