NDVI

Перспективы использования БПЛА для мониторинга состояния азотного питания злаков. | Вегетационные индексы

« | Главная | »

Перспективы использования БПЛА для мониторинга состояния азотного питания злаков.

Автор: Лысенко В.Ф., Пасечник Н.А., Опрышко А.А., Комарчук Д.С. | 19.04.2017

Актуальность: Революционные изменения в информационных технологиях и робототехнике в течение последних десятилетий привели к появлению серийных беспилотных летательных аппаратов (БПЛА), способных решать широкий спектр задач для нужд аграрного производства. По сравнению со спутниковым и авиационным мониторингом БПЛА имеют принципиальные преимущества не только по точности и стоимости мониторинга, а и возможности их использования при низкой облачности, что является крайне актуальным, учитывая потребность в оперативном мониторинге. В растениеводстве БПЛА используют для идентификаций проблемных участков поля, контроля качества выполнения полевых работ сельскохозяйственной техникой и тому подобное.

Предпринимаются попытки использования БПЛА для мониторинга состояния минерального питания растений на базе так называемых вегетационных индексов (ВИ). ВИ рассчитывают исходя из значений интенсивности отраженного излучения в определенных частотных диапазонах. Однако, внедрение дифференцированного внесения удобрений на основе оптической диагностики обеспеченности растений элементами питания, сдерживается недостаточной научной и методологической поддержкой этих технологий. Разработка технологии пересчета значений спектров отражения или их комбинаций в величины состояния минерального и в частности азотного питания применительно для БПЛА представляет собой, существенную научную и техническую проблему что и стало целью нашей работы.

Состояние вопроса.

ВИ используются с начала 70-х годов после запуска в США программы спутникового мониторинга Landsat. Не имея статистических данных с полей страны за «железным занавесом» благодаря специализированному спутнику специалисты в США смогли с достаточной точностью определить урожай, и получить стратегические преимущества на переговорах о поставках зерна в СССР. Полученный позитивный опыт дал старт целой программе по использованию спутников для нужд аграрного производства. Поэтому, сейчас эксплуатируется несколько десятков спутниковых платформ, которые предоставляют информацию для более чем двухсот различных ВИ. Следует отметить, что создание ВИ для спутников определялось определенными физическими факторами в частности, наличием «окон прозрачности атмосферы», что обусловило выбор конкретных частотных диапазонов для мониторинга. Существенной методологической трудностью при спутниковом мониторинге является нестабильность освещенности объектов, определяющие величину отраженного излучения. Для решения применяются сети стационарных наземных станций, а так же так называемые «естественные эталоны» такие как глубоководные водоемы, асфальтированные дороги и т.д., которые используются для коррекции результатов мониторинга. Исходя их дефицита наземных эталонов, при создании ВИ нестабильность естественного освещения, пытались компенсировать методологически используя отношение значений в различных диапазонах, когда значения интенсивности в одном диапазоне делиться на величину интенсивность в другом. Как примеры можно привести стандартные индексы NDVI и NDNI.

Выбор спектральных каналов для мониторинга состояния частности азотного питания так же не однозначен. Так ВИ NDNI (Normalized Difference Nitrogen Indexиндекс азотного питания) использует спектральные каналы с длиной волны 1510 нм и 1680 нм [1]. Сенсоры GreenSeeker и CropCircle ACS-470, которые используются для аналогичных целей на наземном оборудовании используют ВИ NDVI и SRI и соответственно спектральные каналы 450, 550, 650, 670, 730, 800 нм. Так же для наземных и авиационных платформ существует методика предложенная Т.М.Шадчиною для экспресса определения азота в листьях злаков, с помощью спектрофотометра (канал измерений 670-750 нм). Исходя из этого можно сделать вывод, что для определения состояния азотного питания могут быть информативными как видимый, так и инфракрасный спектры.
Методика экспериментальных исследований.
Исследования проводились в течение 2016 года в многолетнем стационарном опыте кафедры агрохимии и качества продукции растениеводства им. А.И.Душечкина НУБиП Украины. Площадь участка основного опыта 100 м2, участка микрополевого опыта10 м2, повторность трехкратная (рис.1).

Рис. 1 Стационарный опыт «Агрономическая опытная станция«

Исследования проводились с озимой пшеницей сорта Центиловка. Для изучения влияния различных норм удобрений были выбраны следующие варианты опыта: на примере пшеницы озимой:
1) без удобрений (контроль);
2) Р80;
3) Р80К80;
4) N60Р80К80;
5) N90Р120К120.
Норма N60Р80К80 является рекомендованной на этом типе почвы. Удобрения вносили в форме аммиачной селитры, аммофоса и калия хлористого. Для опытов отбирали образцы в фазе вегетациивыход в трубку. Определение содержания азота в сухом веществе осуществляли в лабораторных условиях фотометрическим методом с реактивом Несслера.
Мониторинг осуществляли с использованием БПЛА DJI Phantom 3+. Camera ModelPHANTOM VISION FC200. Радиочастотную калибровку то есть оценку фактической освещенности образов осуществляли без использования наземных отражательных панелей, по методике собственной разработки описанной в [4] на базе служебных данных с exiff файла фотоснимка формата jpeg о параметрах настройки фотокамеры. Параметры отладки цифрового фотоаппарата при исследованиях: Exposure Time1/1205; Aperture Value2.8; Light SourceFine Weather. Высота полета БПЛА 100 метров над поверхностью поля.
Для получения значений интенсивности составляющих цветов образцов использовали программное обеспечение Land Damage Expert (LDE) [5]. Программное обеспечение LDE позволяет определять значение интенсивности составляющих цвета пикселей изображения для аддитивной 8 битной цветовой модели RGB, в которой изображение получают из комбинации трех составляющих (красной, зеленой и синей). Каждая из составляющих RGB может изменяться в диапазоне 0255 условных единиц, является физическим ограничением методики.
Результаты исследований
На рис. 2 приведены результаты экспериментальных исследований, относительно зависимости между значениями интенсивности составляющих цвета и содержанием азота в сухом веществе.

Рис. 2 Зависимость значений RGB листьев пшеницы от количества азота N

Как видно из приведенных данных (рис. 2), зависимость между значениями интенсивности составляющих цвета и содержанием азота в сухом веществе наиболее ярко выражено для красной и зеленой составляющих. На базе полученных экспериментальных данных были вычислены зависимости между стандартными ВИ, использующих оптические каналы R, G, B и содержанием азота в листьях пшеницы. Было установлено, что для красного и зеленого каналов коэффициент детерминации составляет 0.89 и 0.94 соответственно. Для стандартных ВИ величины коэффициента детерминации были ниже, так для IPCA0.83, VARIgreen0.85 и RGR0.79 соответственно.
Исходя из этого, можно утверждать о целесообразности разработки ВИ специализированных именно для использования БПЛА.

Выводы

1. Экспериментально подтверждено, что в оптическом диапазоне имеется зависимость между интенсивностью составляющих цвета листьев пшеницы и содержанием азота в растениях
2. Тесная зависимость между интенсивностью цвета листьев пшеницы и содержанием азота в растениях наблюдается для зеленой (коэффициент детерминации Adj. R20,94) и красной (Adj. R20,89) составляющих.
3. Для БПЛА целесообразно разработать специализированные ВИ, адаптированные под их технологические возможности.

Cписок литературы

  1. Ahamed, L.Tian, Y.Zhang, K.C. Ting, “A review of remote sensing methods for biomass feedstock production”. Biomass & Bioenergy. vol. 35, №7, pp.2455-2469. July 2011
  2. Qiang Caoa (2015) Active canopy sensing of winter wheat nitrogen status: An evaluation of two sensor systems // Qiang Caoa, Yuxin Miaoa, Guohui Fengc, Xiaowei Gaoa, Fei Lid, Bin Liua, Shanchao Yuea, Shanshan Chenga, Susan L. Ustine, R. Khoslaf. Computers and Electronics in Agriculture Vol. 112, P. 64-57
  3. Розробка теоретичних основ та методів дистанційного моніторінгу стану посівів озимої пшениці за допомогою спектрометрії з високим спектральним розділенням: дис. д-ра біол. наук: 03.00.12 / Шадчина Тамара Михайлівна; НАН України, Ін-т фізіології рослин і генетики. — К., 1999. — 396 с.
  4. Lysenko, O.Opryshko, D.Komarchyk, N.Pasichnyk. Drones camera calibration for the leaf research. Науковий вісник НУБіП. 2016. №252. С.61-65
  5. Робототехнічний комплекс для культивації троянд / О. О. Опришко, Н. А. Пасічник, О. І. Бандурка // Науковий вісник НУБІП — 2012. — Вип. 170. Ч. 1. — С. 262-267

Авторский состав:

Лысенко Виталий Филиппович, д.т.н., профессор, кафедра автоматики и робототехнических систем национального университета биоресурсов и природопользования Украины (НУБиП Украины)

Пасичник Наталья Анатольевна, к.с-х.н., доцент, кафедра агрохимии и качества продукции растениеводства НУБиП Украины

Опрышко Алексей Александрович, к.т.н., доцент, кафедра автоматики и робототехнических систем НУБиП Украины

Комарчук Дмитрий Сергеевич, к.т.н., кафедра автоматики и робототехнических систем НУБиП Украины

Рубрики: БПЛА, Вегетационные индексы, Дроны, Научная литература | Оставить отзыв »

Отзывы закрыты.