NDVI

Оценка засоренности посевов подсолнечника с помощью беспилотных летательных аппаратов | Вегетационные индексы

« | Главная

Оценка засоренности посевов подсолнечника с помощью беспилотных летательных аппаратов

Автор: Alla Achasova | 17.04.2018

Оценка засоренности посевов подсолнечника с помощью беспилотных летательных аппаратов

Цель. Оценка возможности использования квадрокоптеров для оценки засоренности посевов подсолнечника. Методы. Аэросъемка с помощью беспилотных летательных аппаратов, объектноориентированный анализ изображения. Результаты. Приведены результаты оценки засоренности посевов подсолнечника по результатам дешифрирования снимков, сделанных с помощью БПЛА в видимом диапазоне. Показано, что наилучшие результаты дешифрирования снимков получены при

использовании контролируемой классификации по методу максимальной правдоподобности. Выводы.
Для улучшения распознавания сорняков и отделения их изображения от изображений культурных растений целесообразно использовать объектно-ориентированный анализ.

Вступление.

Постановка проблемы:
В последние годы аэросъемка с помощью беспилотных летательных аппаратов (БПЛА) является пожалуй наиболее активным в своем развитии элементом ГИС-технологий. Мировой рынок
дронов и связанных с ними услуг на данное время приблизительно оценивается в 2 миллиарда долларов США. Впрочем, по прогнозам экспертов, консалтинговой группы Pricewaterhouse Coopers LLP, до 2020 года прогнозируется его рост до 127 000 000 000, среди которых 32,4 миллиарда будет приходиться на применение БПЛА-технологий в сельском хозяйстве. Одним из перспективных направлений использования беспилотников в аграрном производстве является оценка и мониторинг степени засоренности посевов. Сорняки являются прямыми конкурентами сельскохозяйственных растений из-за их высокой приспособленности к условиям среды. Их присутствие в культурных агрофитоценозах приводит к перехвату ресурсов влаги и питания что, соответственно, вызывает снижение урожайности сельхозкультур. Так, среднемировые потери урожая вызванные забурьянистостью полей только для зерновых культур достигают
167400000 т, или 34,8% потенциального урожая. В частности, потери зерна пшеницы составляют 34500000 т, или 23,9% мирового потенциального урожая. По данным Международной организации по
продовольствию и сельскому хозяйству ФАО, потери сельскохозяйственной продукции от сорняков и других вредных организмов во всем мире оцениваются в 75 млрд долл. за год, составляет третью часть потенциально возможного сбора урожая. В частности, для Украины установлено, что только 10% обследованных площадей имеют незначительную засоренность, 60% площадей — среднее (10- 50 шт / м2) и 30% пашни — сильную засоренность (свыше 50 шт / м2). Изложенные факты убедительно доказывают важность вопроса борьбы с засоренностью, основой которой является оперативная оценка состояния посевов.

Анализ последних исследований и публикаций:
Методики учета фактической засоренности посевов сельскохозяйственных культур остаются неизменными на
протяжении трех последних десятилетий. Существуют различные способы определения количества сорняков, среди которых наиболее известным является визуально-количественный метод А. Г. Мальцева. В его основе лежит соотношение количества сорняков и культурных растений на единицу площади. Поле проходят по двум диагоналям и через каждые 50-100 м делают остановки. На каждой остановке посевы обследуют визуально в радиусе 2 м вокруг себя, определяют качественный и количественный состав сорняков и заносят результаты в соответствующую ведомость учета. Степень засоренности поля оценивается по четырехбалльной шкале. Понятно, что такой глазомерный учет засоренности нельзя считать полностью объективным, но он широко применяется и сейчас на больших земельных массивах в производственных условиях. Главной причиной поэтому есть экспрессность метода, которая позволяет быстро оценить ситуацию и соответственно отреагировать на нее. Для примера приведем усовершенствованный способ оценки засоренности полей. Обследование проводится также по двум диагоналям с периодическим наложением рамки и подсчетом внутри ее количества культурных растений и сорняков по видам. Возможна количественно-весовая вариация метода, согласно которой, кроме численности, определяется также и масса сорняков. Такой количественный подход является, бесспорно, более точным, но занимает гораздо больше времени и усилий. Специалисты считают, что визуальноколичественный метод может быть эффективным и сейчас, особенно в условиях его модернизации и объективизации с помощью современных технологий получения информации. Если раньше такие альтернативные методы учета как дистанционное зондирование были гораздо более затратнее обычных методов обследования, то при современном уровне развития техники и технологий ситуация кардинально изменилась.
Существует достаточно примеров оценки засоренности агрофитоценозов как с помощью космических снимков, так и снимков, сделанных с помощью БПЛА. При этом, последние значительно более привлекательные в первую очередь из-за сверхвысокого разрешения снимков, подтверждается количеством публикаций на эту тему. Существующее большое разнообразие дронов, зондирующей аппаратуры и режимов съемки, часто вызывает ситуацию методической неопределенности. Так, вес современных коммерческих
дронов может колебаться от сотен граммов до сотен килограммов. Соответственно, будет варьироваться набор аппаратуры, которая может устанавливаться на них, а это в свою очередь обусловит спектральное, радиометрическое и пространственное разрешение снимков. Добавим, что съемка может проводиться на разных высотах, и получим действительно сложную задачу оптимизации процесса. Целью статьи является оценка возможности использование квадрокоптера для оценки засоренности посевов подсолнечника.

Результаты исследования:
Исследования проводились на опытном поле Харьковского национального аграрного университета им. В. В. Докучаева 17 Май 2016. На поле проводился многофакторный опыт по оптимизации технологии выращивания подсолнечника. Съемку данного поля было выполнено с помощью квадрокоптера DJI Phantom Vision 2+. Съемка проводилась в видимом диапазоне с цифровой 14 мегапиксельной камерой с четырех высот 5 м, 25 м, 50 м, 100 м


Общий вид исследуемого поля (фрагмент снимка с дрона)

Полевое обследование поля показало, что оно поражено преимущественно амброзией полыннолистной (Ambrosia artemisiifolia), сорняком, который относится к категории карантинных и наносит большой вред сельскому хозяйству. Определение количества сорняков весовым методом показало, что удельный вес амброзии полыннолистной в общей массе агрофитоценозов составляет 89%, что согласно принятой классификации характеризует уровень засоренности как «очень сильный».

Отработка методики дистанционной оценки засоренности поля проводилась в пределах учетной рамки размером 0,7 * 0,7 м. Расшифровка БПЛА-снимка проводилась в программе TNTmips с использованием
как неконтролируемой так и контролируемой классификации. Классификационным признаком служили яркости изображений в красном, синем и зеленом диапазонах, на которые было разложено цветной снимок.
В идеале на снимке надо было выделить все основные имеющиеся информационные классы объектов, а именно: 1) почву, 2) растительные остатки, 3) подсолнечник, 4) амброзия полыннолистная.
Применение методов неконтролируемой классификации довели их низкую пригодность по определению степени засоренности. Например, первый из четырех спектральных кластеров, выделенных на снимке в результате применения метода нечеткой кластеризации К-средних, характеризовал следующие объекты: подсолнечник, растительные остатки, амброзия полыннолистная. Во второй спектральный кластер вошли
пиксели, которые характеризуют амброзию, растительные остатки и почву. К третьему — почву и растительные остатки. И только четвертый отвечал преимущественно одному информационному классу объектов — почве, причем преимущественно затененной. Улучшить общую картину можно путем увеличения первичного числа


Снимок учетной рамки

кластеров и дальнейшего их объединения дешифровальщиком в ручном режиме. Проведение такой процедуры показало, что затраты усилий и времени не отвечают полученным результатам, ведь фактически классификация превратилась в контролируемую. Как известно, для последней нужно выбрать спектральные эталоны для информационных классов, после чего остальные пиксели будет отнесены к одному из них. Формирование спектральных эталонов проводилось на одной пятой части учетной рамки, после чего была проведена контролируемая классификация с использованием различных методических подходов. Наиболее достоверные результаты были получены при использовании метода максимального правдоподобия, который позволил четко выделить 4 класса объектов: 1) почва, 2) растительные остатки, 3) подсолнечник, 4) амброзия
полыннолистная. Результаты дешифровки приведены в таблице и проиллюстрированы на рисунке. Анализ полученных результатов показывает, что последние третий и четвертый классы имеют нечеткую границу. Главным объяснением этого факта является эффект сверхвысокой детальности. Он состоит в том, что при высоком разрешении снимка увеличивается внутриклассовая спектральная вариабельность, что соответственно ухудшает вероятность разделения отдельных классов. То есть, на снимках со сверхвысокой детальностью могут образовываться специфические оптические эффекты. Например, отдельные участки листа подсолнечника, благодаря естественной изогнутости, будут иметь более темную окраску, из-за чего пиксели, которые их представляют, попадут в класс сорняков. Улучшение распознавания может достигаться посредством использования объектно-ориентированного анализа (objectbased image analysis), который учитывает не только спектральные характеристики, но и структуру изображения, в частности линейное расположение растений подсолнечника на поле. В частности, эта методика была успешно использована при выявлении сорняков в посевах пшеницы и кукурузы. Исследования в этом направлении будут нами продолжены. Оценка засоренности, путем учета соотношения проективного покрытия амброзии полыннолистной и подсолнечника показала, что удельный вес бурьяна составляет

Результаты дешифровки методом максимального правдоподобия

Информационный класс Количество пикселей Процент
Подсолнечник 28041 11,81
Амброзия
полыннолистная
67085 28,26
Растительные остатки 14209 5,99
Почва 128031 53,94

 


Результаты контролируемой классификации изображения.

70,5%. Опираясь на классификацию В. С. Зузы этот уровень засоренности можно охарактеризовать как «очень сильный». Необходимо учитывать, что на сегодня нет одной точки зрения относительно градаций засоренности что свидетельствует, как о субъективности в оценке уровня засоренности, так и о некоторой неопределенности самого понятия уровня засоренности. Хотя результат оценки засоренности поля методом «БПЛА-индикации» отличается от полевого метода, он заслуживает внимания из-за своей оперативности и обзорности. Действительно, использование БПЛА позволяет:
1) получить почти мгновенную пространственную картину с заданной детализациею;
2) по результатам объективной количественной дешифровки предоставить информацию о проективном
покрытие сорняков;
3) оперативно провести повторный мониторинг, с целью контроля ситуации.

Выводы:
Исследования показали возможность количественной оценки уровня засоренности посевов подсолнечника путем дешифрования данных БПЛА-съемки в видимом диапазоне. Контролируемая классификация снимков по индивидуальным спектральными характеристикам природных объектов позволила установить проективное покрытие амброзии полыннолистной — 70,5%.
Совершенствование методики дешифрирования заключается в применении метода объектно- ориентированного анализа изображения, который учитывает не только спектральные характеристики объектов, но и структуру снимка.

Авторы:
А. Б. АЧАСОВ, д-р с.-х. наук, доц. Харьковский национальный университет имени В. Н. Каразина
Харьковский национальный аграрный университет имени В. В. Докучаева
А. А. СЕДОВ, А. А. АЧАСОВА, канд. биол. наук, доц.
Харьковский национальный аграрный университет имени В. В. Докучаева

Перевод на русск. язык NDVI.COM.UA
Оригинал статьи.

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

Отзывы