NDVI

Дистанционное зондирование посевов для программирования урожая. | Вегетационные индексы

« | Главная | »

Дистанционное зондирование посевов для программирования урожая.

Автор: Лысенко В.Ф., Пасечник Н.А., Опрышко А.А., Комарчук Д.С. | 14.04.2017

Введение.

В условиях глобальных рынков критерием оптимальности растениеводства является не максимальный урожай или качество продукции, а максимальная рентабельность производства, которая определяется соотношением ожидаемых цен на готовую продукцию и расходов на её получение. Максимальная экономическая эффективность достигается путем программирования урожая, одним из средств которого является рациональное использование минеральных удобрений, исходя из потребности в них посевов.  Традиционные методы определения состояния посевов включают в себя наземные исследования, использования химических реагентов или различных тестеров и не приспособлены для массового применения при принятии оперативных решений для каждого участка поля.

Разработка и внедрение системы мониторинга состояния посевов с использованием беспилотных летательных аппаратов (БПЛА) является актуальной научно-технической проблемой, решение которой позволит получать оперативную информацию о состоянии посевов, как предпосылку для максимальной экономической эффективности хозяйств.

Объектом исследования является состояние посевов, которое оценивается исходя из спектральных характеристик растений, полученных с помощью беспилотных летательных аппаратов и наземных исследований.

Предметом исследования есть зависимость между спектральными характеристиками растений и уровнем обеспечения их элементами питания.

Состояния вопроса

Использование дистанционных методов диагностики питания растений пока не получило широкого распространения, что обусловлено их новизной и недостаточной изученностью в конкретных почвенно-климатических условиях и на конкретных культурах. В мире сейчас применяют бесконтактные датчики такие как Greenseeker (Trimble Agriculture — США), CropSpec (Topcon Positioning Systems -Япония), N-sensor (Yara International — Норвегия), которые размещаются непосредственно на мобильном оборудовании и, исходя из цвета растений, определяют потребность и дозу удобрений [1, 2, 3]. Принцип действия датчиков базируется на способности хлорофилла растений отражать световые волны в ближнем инфракрасном диапазоне и поглощать в инфракрасном диапазоне (индекс NDVI). Более широкий частотный диапазон (400 — 800 нм) используется в датчиках Holland Scientific Crop Circle ACS-470 (США), что позволяет получать более полную информацию (индексы NDVI, NDRE) [3, 4, 5]. Но во всех этих датчиках используется дополнительное освещение образцов, что ограничивает возможность его использования на базе БПЛАов класса микро (масса до 10 кг, время полета — до часа), наиболее приемлемых для мелких и средних сельхозпроизводителей. Кроме того, данное оборудование не предназначено для предварительной оценки состояния посевов на разных стадиях роста, что необходимо при программировании урожая.

В работе Kang Yu, V.L.Wiedemann, X.Chen, G.Bareth [6] рассматривались различные спектры растений на разных стадиях роста, при разном положении листа по отношению к сенсорам, и определялись составляющие именно растений, а не грунта. Исследования, проведенные в лабораторных условиях, позволили получить спектральные портреты растений, но при использовании этих методик в полевых условиях необходимо учитывать случайный характер освещения и возможность выпадения конденсата.

В полевых условиях мониторинг посевов по азотному питанию, исходя из их спектральных характеристик, проводился YAO Xin-feng [7], но и в этом случае расстояние между посевами и сенсором было незначительным, и возможность использования методики для БПЛАа не рассматривалась.

Проведены исследования [8], в которых дистанционно с борта БПЛАа изучались спектры растений, но целью работы было выявление загрязнений поля химическими веществами, для чего использовался лазер для подсветки образцов, что энергетически сложно реализуемо для подсветки поля площадью от 10 Га. Солоха М. О. [9] описал опыт использования БПЛА для мониторинга посевов без использования дополнительного освещения, но целью его исследований было определение степени созревания и сортимент растений, т.е. условия питания растений не рассматривались. Аналогичная робота проводилась  J. Gago [10], но изучалось состояние увлажнения растений и устанавливалось количество биомассы, а не потребность в элементах питания.

Индексы NDVI также получали при помощи аэро- и космической фотосъемки [11, 12, 13], но в этих исследованиях рассматривали усредненное значение, обусловленное разрешающей способностью сенсора, достаточное для прогнозирования урожая, но недостаточное для дифференциальной подкормки. В этих исследованиях предприняты попытки нивелировать влияние состава атмосферы на точность полученных результатов, выведены соответствующие коэффициенты.

Анализ литературных источников показывает, что для обеспечения листовой диагностики с расстояния более 2 м необходимо при каждом измерении учитывать степень освещенности по всему диагностируемому спектру. В наземных исследованиях это легко реализовывалось применением оптических шаблонов [14, 15, 16], на фоне которых проводилось исследование, что методологически трудно реализуемо на больших площадях. В работах [17, 18] освещение образца при исследованиях учитывали путем коррекции времени экспозиции с учетом метаданных файла изображения, но во всех случаях использовалось дополнительное освещение (вспышка фотоаппарата). Стандартное фотооборудование БПЛА может не комплектоваться вспышкой, следовательно, необходимо провести дополнительные исследования, посвященные изучению спектральных характеристик растений при возможных режимах сьемки.

Материалы и методика исследования. Для получения калибровочных эталонов зависимости спектров растения от количества внесенного питания были заложены экспериментальные посевы в вариантах, отличающихся дозой азотных удобрений. В качестве исследуемой культуры взяли кукурузу. Вегетационный опыт был заложен согласно методике [19] в фитотроне с автоматизированным управлением, находящемся на кафедре автоматики и робототехнических систем им. акад. И.И.Мартыненко Национального университета биоресурсов и природопользования Украины.

Сосуды для посева брали цилиндрической формы диаметром 25 см и высотой 25 см. В субстрат с низким содержанием органики и питательных веществ внесли разные дозы азота в виде минерального удобрения (аммиачной селитры).  Для равномерности внесения удобрение растворяли в воде, после чего тщательно размешивали с субстратом. Поскольку на цвет растений влияет и спектральный состав освещения во время их роста [20], освещение обеспечивали при помощи специальных светодиодных лент, разработанных специально для тепличных хозяйств.

В первой серии опытов исследовались зависимости между временем экспозиции и интенсивностью составляющих RGB при наличии встроенной вспышки. Исследование обусловливалось тем что использование вспышки может быть целесообразным при работе в темное время суток, а некоторые модели БПЛАов штатно оснащаются этим оборудованием. Для съемки использовали цифровой фотоаппарат Canon A460. Дополнительное внешнее освещение осуществлялось комбинированно лампами дневного света и лампами накаливания. Отдельно рассматривались группы растений, расположенных ближе (b) и дальше (d) от камеры в приделах единого кадра. Визуально в измерительной области находились абаксиальная и адаксиальная стороны листьев кукурузы. При исследованиях рассматривались верхние листья, поскольку именно они будут наиболее видны при съемках с летательного аппарата. Определялась зависимость интенсивности составляющих света от приведенной экспозиции:

t = te× 2k                                                    (1)

где: t – приведенное время экспозиции;

te и k – время  и коррекция экспозиции, согласно метаданным снимка.

Результаты исследований. На рис.1 представлены зависимости интенсивности составляющих RGB от приведенного времени экспозиции при использовании штатной вспышки фотоаппарата.

Рис. 1 Зависимость интенсивности составляющей цвета от приведенной экспозиции

Характер аппроксимирующей зависимости выбирали исходя из граничных условий: И [0,255],  при t = 0 интенсивность составляющих цвета равна нулю. Все зависимости были аппроксимированы математической зависимостью вида:

И*  = I×(1 – е(-t/m)),                                             (2)

где: И*- – интенсивность составляющей  цвета;

I, m – коэффициенты;

t – приведенное время экспозиции; te и k – время  и коррекция экспозиции, согласно метаданным снимка.

Цифровая фотокамера БПЛА рассчитана на естественное освещение в безоблачную погоду и при наличии облаков, что определяется соответствующими режимами в настройках «баланс белого» и учитывается при формирование кадра. Этим двум режимам были посвящены дополнительные исследования, которые, как и при использовании  вспышки, проводились  в помещении со стабильным искусственным освещением. В ходе исследования рассматривались отдельно обе стороны листа растения (рис.2).

Рис. 2. Зависимость значений RGB от приведенного времени экспозиции.

Аппроксимирующие зависимости для этих режимов сьемки  выводились исходя из среднеарифметических значений интенсивности составляющих цвета для обоих сторон листа. Если при использовании вспышки при аппроксимации данных зависимостью 2 коэффициент детерминации превышал 0.97, то без вспышки для получения сходных значений коэффициента детерминации пришлось использовать более сложную зависимость  (3):

И  = I1×(1 – е(-t/m1)) + I2×(1 – е(-t/m2))                           (3)

Более сложная формула аппроксимации, очевидно, объясняется как особенностью алгоритмов пересчета черновых графических данных в формат GPEG, так и изменением базового времени экспозиции, определяемого фотоаппаратом, при проведении коррекции экспозиции, что не происходило при использовании вспышки.

На рис. 3 представлено соотношение между отклонением среднего значения от расчетного по аппроксимирующей формуле для составляющих цвета листа и величины коррекции экспозиции.

Рис. 3 Зависимость  разницы в цвете сторон листка от значения коррекции экспозиции.

Исходя из полученных результатов, минимальные отклонения наблюдаются для режима съемки «баланс белого — ясно» для красной и зеленой составляющих, соответственно именно эти каналы цвета и режим съемки наиболее приемлемы для полевых исследований с БПЛА.

На рисунке 4 представлены зависимости интенсивностей составляющих цвета от  концентрации азота в биомассе кукурузы для фазы 5-6 листьев. Именно эта фаза роста и развития соответствует полному переходу растений на корневое питание и является эффективной для проведения подкормки.

Рис. 4. Зависимость интенсивности составляющих цвета листа от количества N.

Как видно из полученных данных наиболее ярко зависимость наблюдается в зеленой и красной составляющих цвета. Большой разброс значений объясняется тем, что при исследованиях сторон листа значительный процент поверхности составляли прожилки листа, имеющие более светлые оттенки.  При сьемках с дистанций в несколько десятков метров такое влияние на общий цветовой фон должно уменьшиться.

Выводы:

Цифровой фотоаппарат может использоваться в полевых условиях для индикации уровня обеспечения растений кукурузы азотом, без дополнительного искусственного освещения.

Наиболее перспективными режимами съемки для фотоаппарата является значение «ясно» для параметра «баланс белого».

По предварительным данным, наиболее перспективными оптическими каналами для исследований в модели RGB являются зеленый и красный.

В вегетационном опыте в фитотроне целесообразно рассматривать не часть верхних листьев, а лист целиком.

Зависимость оптических показателей растений от обеспеченности их азотом на разных этапах развития  требует продолжения и расширения исследований.

Литература.

  1. Yousfi, N. Kellas, L. Saidi, Z. Benlakehal, L. Chaou, D. Siad, F. Herda, M. Karrou, O. Vergara, A. Gracia, J. Araus, M. Dolores Serret // Comparative performance of remote sensing methods in assessing wheat performance under Mediterranean conditions. Agricultural Water Management, Vol. 164, Part 1, 31 January 2016, — P. 137-147;
  2. Любченко С. Азот потребує точності. — // Пропозиція : укр. журн. з питань агробізнесу. — 2013. — N 5. — С. 120-124;
  3. Лекомцев П. В., Матвеенко Д. А. Оптимизация внесения азотных подкормок по оптическим характеристикам посевов яровой пшеницы. Изв. С.-Петерб. гос. аграр. ун-та. – С.-П., 2011; N 24. — С. 62-67.
  4. Матвеенко Д.А. Оптимизация азотного питания яровой пшеницы по оптическим характеристикам посевов. Материалы науч. сес. по итогам 2011 г. Агрофиз. ин-та. – С.-П., 2012. — С. 77-81;
  5. Fei Li, Y. Miao, G.Feng, F. Yuan, S. Yue, X. Gao, Y. Liu, B. Liu, S. Ustin, X. Chen // Improving estimation of summer maize nitrogen status with red edge-based spectral vegetation indices. Field Crops Research, Vol. 157, 15 February 2014, — P.111-123;
  6. Kang Yu, V. L. Wiedemann, X. Chen, G. Bareth. Estimating leaf chlorophyll of barley at different growth stages using spectral indices to reduce soil background and canopy structure effects // ISPRS Journal of Photogrammetry and Remote Sensing V. 97, November 2014, — P. 58–77;
  7. Xin-feng, Y. Xia, T.Yong-chao, N. Jun, L. Xiao-jun, C. Wei-xing, Z.Yan // A New Method to Determine Central Wavelength and Optimal Bandwidth for Predicting Plant Nitrogen Uptake in Winter Wheat // Journal of Integrative Agriculture 2013, Vol. 12(5), — P. 788-802;
  8. Гніденко В. В., Наливайчук М. В., Яценко В. О. Вимірювально-обчислювальна система на базі Авіаційного гіперспектрометру // Наукові праці НУХТ №48, 2013. – С.17-22;
  9. Солоха М.О. Динаміка спектральної яскравості посівів м’якої пшениці за даними аерофотозйомки  // Вісник ХНАУ №2, 2013. – С.57-62;
  10. Gago, C. Douthe, R.E. Coopman, P.P. Gallego, M. Ribas-Carbo, J. Flexas, J. Escalona, H. Medrano UAVs challenge to assess water stress for sustainable agriculture // Agricultural Water Management, Volume 153, 1 May 2015, — P. 9-19;
  11. Визначення умісту гумусу в грунті неконтактними методами / С. Ю. Булигін, О. О. Опришко, Н. А. Гайбура, Д. І. Бідолах // Вісник аграрної науки. — 2005. — № 4. — С. 34-37;
  12. Зинченко В. Е., Лохманова О. И., Повх В. И., Калиниченко В. П. Использование космических съемок и наземных обследований для оценки состояния посевов сельскохозяйственных культур. Вестн. РАСХН, N 1. 2012; — С. 45-47;
  13. Абрамов Н. В., Семизоров С. А. Управление продукционными процессами агробиоценозов с применением космических систем. // Агропродовольственная политика России, 2012; N 5. — С. 12-19
  14. Канаш Е.В., Лекомцев П.В., Русаков Д.В., Осипов Ю.А. Количественная оценка азотного статуса растений пшеницы по колометрическим характеристикам цифровых изображений посевов // Мат. всерос. науч. конференции «Применение средств дистанционного зондирования Земли в сельском хозяйстве». СПб.: ФГБНУ АФИ, 2015. – С. 123-127;
  15. Цифровий дистанційний експрес-контроль вмісту гумусу в грунті : научное издание / С. Ю. Булигін, С.П. Погурельський, О. О. Опришко // Землеустрій і кадастр . — 2007. — №1. — С. 23-27;
  16. Удосконалена методика визначення вмісту гумусу в чорноземних грунтах на базі цифрової фотометрії: научное издание / М. В. Андріїшина, С. Ю. Булигін, О. О. Опришко // Аграрна наука і освіта. — 2007. — Т.8. — №5-6. — С. 80-84;
  17. Методичні підходи для керування вибірковим внесенням добрив: наукове видання / О. О. Опришко, І. М. Болбот, М. В. Андріїшина, Н. А. Пасічник // Аграрна наука і освіта. — 2008. — Т. 9, N3. — С. 100 – 104;
  18. Робототехнічний комплекс для культивації троянд / О. О. Опришко, Н. А. Пасічник, О. І. Бандурка // Науковий вісник НУБІП. Серія : Техніка та енергетика АПК. — 2012. — Вип. 170(1). — С. 262-267;
  19. Журбицкий  3. И. «Теория и практика вегетационного метода». – М., 1968 . – 260 с.
  20. Белоусова К. В. Смирнов М. О., Носиков В. В, Литвинский В. А., Щуклина О. А. Влияние форм азотных удобрений на содержание пигментов при разных спектрах облучения растений в условиях фитотрона // Плодородие, 2012; N 5. — С. 5-7.

Источник: http://edorada.org/articles/views?id=453

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

Отзывы закрыты.

Подставки http://posuda-kuhny.ru - тут Вазы