NDVI

Вегетационные индексы для БПЛА. Проблемы и перспективы использования в сельском хозяйстве. | Вегетационные индексы

« | Главная | »

Вегетационные индексы для БПЛА. Проблемы и перспективы использования в сельском хозяйстве.

Автор: Alexander | 27.02.2018

Национальный университет биоресурсов и природопользования Украины. Интервью с доцентом кафедры автоматики и робототехнических систем НУБиП Украины (Киев) Алексеем Александровичем Опрышко.

Интерес к технологиям точного земледелия высок, и опубликованных материалов о нем, в частности о применении БПЛА (дронов) для аграриев достаточно много, правда большей частью они касаются правовых вопросов их применения, особенностям съемки, производителям оборудования. Практических материалов, к примеру о создании карт обеспечения азотом, которые очень востребованы аграриями, к сожалению, не так много. В продолжение цикла интервью с разработчиками аграрных технологий для БПЛА мы берем интервью у доцента кафедры автоматики и робототехнических систем НУБиП Украины (Киев) Алексея Александровича Опрышко.

  • Алексей Александрович, насколько нам известно, в вашей команде, участвовавшей в разработках по мониторингу посевов с помощью дронов для рационального применения удобрений, непосредственно за спектральные исследования отвечали вы. Сейчас к этому вопросу повышенный интерес, и им начинают заниматься специалисты из областей, не связанных с сельским хозяйством. Если можно, кратко объясните основные моменты, на которых базируется спектральная диагностика посевов.

Визуальная листовая диагностика известна очень давно. Если очень упрощенно, то в определенных стадиях вегетации (роста и развития) растений цвет информативен о тех или иных «проблемах».

Вот на снимке представлено пшеничное поле. Если присмотреться, то по краю цвет растений более темный и ближе к изумрудному, а ближе к центру поля цвет растений светлее – скорее салатового оттенка. Это следствие неравномерности факторов роста и развития растений, с высокой вероятностью можно предположить неравномерное внесение удобрений. Но лишь предположить. Причин отклонения цвета растения от оптимального несколько, и говорить об обеспечении растений азотом лишь по цвету – некорректно. Чтобы установить такую зависимость, нужно было отделить воздействие именно этого фактора и описать характерные спектральные характеристики. Такую задачу поставили мы перед собой и провели объёмные комплексные научные исследования – агрохимические и спектральные. Должен отметить – работа с таким природным объектом как растение – очень кропотливая и непростая. Но результаты оправдывают труд. Развитие средств технического зрения сегодня разрешает легко и оперативно фиксировать спектральные параметры растений и, соответственно, можно удобрения вносить дифференцированно, исходя из потребности растений на конкретном  участке поля.

  • Сейчас самым распространенным у нас является индекс NDVI. Расскажите, пожалуйста, о нём с точки зрения применимости для беспилотных летательных аппаратов.

Сейчас у тех, кто пытается внедрять в сельскохозяйственном производстве методики дистанционного мониторинга с помощью БПЛА, сложились зачастую полярные мнения. Интернет кишит предложениями о мультиспектральном мониторинге, расписывающими его как универсальный инструмент для решения всех проблем, обещающий лавинообразный рост прибили сразу по получении ортофотопланов. С другой стороны, люди, работающие непосредственно на земле, воспринимают эти технологии достаточно скептически и зачастую считают опыт мониторинга неудачным. Полагаю, что истина находится между этими полярными мнениями – спектральный мониторинг является мощным и перспективным инструментом, но он не прост и требует определенной культуры производства.

Говоря о том, что такое индекс NDVI и как его применять, ответ целесообразно поделить на части:
• для чего он изначально создавался
• как он может измеряться

Итак, в чем была причина создания подобных индексов и какие именно задачи нужно было решать.
Если заглянуть в историю, то на 22 съезде КПСС была историческая фраза Хрущева, что уже нынешнее «поколение советских людей будет жить при коммунизме!». На практике это означало стремление к росту благосостояния населения, в первую очередь по потреблению и качеству продуктов питания. Хорошее питание – это главным образом увеличение в рационе мяса, птицы, рыбы. Но животных нужно кормить, и в реализацию этой программы СССР начинает закупать колоссальное количество фуражного зерна. Вопрос, конечно, прорабатывался заблаговременно, так уже в 1962 году в США и Канаде было закуплено около 12 млн. тонн зерна. Особо хочу обратить ваше внимание, что зерно именно фуражное, то есть важным критерием является именно количество, а не качество зерна, как для продовольственного.
Для построение стратегии и выгодной позиции на переговорах о поставках, странам-экспортёрам нужно было знать о реальном положении дел в сельском хозяйстве СССР, которые, естественно были засекречены. Выбор возможных решений для получения информации был весьма ограничен, страна за «железным занавесом», регулярный доступ к полям и специализированной статистике закрыт. Авиация так же неприемлема, так как для самолетов есть жестко регламентированные коридоры, отклонение от которых, чревато. Решением стали спутниковые платформы, пролеты которых над территорией СССР не регламентировались. Первый специализированный спутник Landsat имел четыре канала: синий, зеленый, красный и инфракрасный. Этих каналов хватало для построения ряда спектральных индексов, таких как NDVI, которые позволили с достаточной точностью определить занятые площади и прогнозировать количество урожая зерновых в СССР. То есть, задача именно количественной оценки была успешно решена.
Позднее на орбиту были выведены еще множество аппаратов для мониторинга земли, и спектральные каналы у них не всегда были идентичными.
Отсюда вопрос: Как может измеряться NDVI?

NDVI – это общее название целой группы индексов:

• Normalized Difference MIR/NIR Normalized Difference Vegetation Index (MIR=[1300:3000],NIR=[800;10;10]);
• Normalized Difference NIR/Red Normalized Difference Vegetation Index (RED=[670;50;30],NIR=[800;10;10]);
• Normalized Difference Vegetation Index 690-710 (Wavelengths: 690:710,780:1400), и так далее.

Фактически, под общим названием стали создавать индексы под конкретные датчики (измерительное оборудование конкретных спутниковых платформ). Эта же болезнь с разночтением каналов реализована и в спектральной измерительной аппаратуре для БПЛА.

На рисунке приведены заявленные спектральные каналы специализированных датчиков для БПЛА RedEdge и Slantrange. Как видим, совпадение весьма условно. У неспециализированных датчиков та же картина, мы работали с камерами PHANTOM VISION FC200 и экшн камерой GoPro 4:  по зеленому и синему каналам воспроизводимость была хорошей, а по красному при зондировании пшеницы отличие составляло порядка 30%. То есть, если целью измерения был поиск проблемных участков поля, то проблем быть не должно, участки будут выявлены и границы будут более или менее идентичны. Если же речь об измерении параметров стресса растений, то такое несоответствие обусловит проблему. По большому счету, группа индексов NDVI – это величины, описывающие состояние стресса растения. Стресс может быть вызван самыми разными причинами – и дефицитом воды, и недостатком (или избытком) элементов питания, и болезнями  растений, и токсическим отравлением, и т.д.

  • На фотографии поля разница в цвете растений видна отчетливо. По схеме, где показаны каналы спектрального оборудования для БПЛА, видно, что разница между здоровыми растениями и находящимися в состоянии стресса есть и в синей области, и в зеленой, и в красной. Зачем было использовать инфракрасную область спектра?

На сегодня известно более 500 спектральных индексов и создаются новые, причем для спутников практически все используют инфракрасную область спектра. В основном это связано с чем, что со спутника в оптическом диапазоне отделить почву (грунт) от растительности крайне сложно, и поэтому для определения так называемой «линии грунта» был выбран именно инфракрасный диапазон. Для БПЛА грунт отделить можно достаточно просто, соответственно, нет жесткой необходимости в наличии именно инфракрасного канала. Он тоже информативен, но принципиально можно обойтись и без него, используя обычные камеры.

  • Алексей Александрович, состояние водных ресурсов можно определить при помощи климатических станций, фитосанитарный мониторинг проводится постоянно. Есть так же приборы для экспресс-диагностики растений в полевых условиях. В чем же принципиальные преимущества спектральных методик мониторинга с БПЛА?

Тут все дело в особенности технологий возделывания зерновых. Поясню на примере пшеницы, как технарь, немного грубо. Озимые сорта пшеницы подкармливают до трех раз. Но подкормка подкормке рознь, и обследования на разных этапах имеют свою специфику. Первая ранневесенняя подкормка проводится, когда растения возобновляют вегетацию, и мониторинг осуществляется с целью оценки состояние посевов после зимы. Вторая подкормка выполняется в фазу выхода в трубку, когда растения активно вегетируют и, как индикаторы, показывают уровень обеспеченности элементами питания, прежде всего азотом. Вот тут можно и нужно корректировать нормы подкормки. При этом можно и программировать урожай, и просчитывать прибыль. На более поздних стадиях развития растений, когда проводят подкормку, такой мониторинг будет менее надёжен, так как растения менее информативны, но можно оценить состояние посевов.
Подкормка во время активной вегетации очень ограничена по времени – все нужно успеть за несколько дней. И осуществить диагностику питания растений даже одного поля, с построением карты для дифференцированного внесения удобрений – задача, как понимаете, непростая. Тут наземными средствами не обойтись. Есть разные спектральные тестеры, такие как SPAD-502 и CCM-200 (рис. ниже),

есть и отечественные разработки – Флоратест, но сколько образцов нужно взять в поле, чтобы получить достоверную картину всей площади?
Отмечу, что эти портативные хлорофиллометры (используют для диагностики состояния растения эффекты флуоресценции) также нуждаются в методическом сопровождении. Результаты нужно еще и интерпритировать. Кроме фиксации параметров растений на участке поля, нужно еще создать и карту с топопривязкой. Классические химические опыты не рассматриваем вовсе, поскольку необходимой оперативности они не обеспечат, и опять же – сколько и как нужно отобрать образцов для анализа? как по результатам составить карту? Спутники для такого мониторинга применимы очень ограниченно – разрешающая способность оборудования, дефицит времени, облачность, при которой мониторинг не приемлем. На сегодня мониторинг при помощи БПЛА – оптимальное решение – оперативный, высоко информативен, не чувствителен к облакам, точная топографическая привязка.

  • Индекс NDVI сейчас относительно хорошо проработан и представлен на рынке, как для спутников, так и для БПЛА. Если его использовать в комплексе с наземными датчиками, то можно оценивать состояние азотного питания. Но Ваши коллеги говорили про целесообразность создания стрессовых индексов именно под БПЛА, с чем это связанно?

Да, NDVI пригоден для оценки стресса, вызванного, в том числе, и состоянием азотного питания. Он используется в серийных устройствах для точного земледелия в наземном оборудовании. В качестве примера можно рассмотреть американский GreenSeeker. Есть еще японский CropSpec и норвежский Yara N-Sensor.

Но тут, для БПЛА есть проблемы, связанные с нестабильностью освещения. Для наземных носителей проблема решается просто – используют искусственное освещение, для трактора это дополнительное энергопотребление не составляет существенной нагрузки. Для спутника учитывать изменение освещения сложнее, но тоже решаемо – используют естественные шаблоны, такие как глубокие водоёмы, дороги, крыши домов и так далее. Проблема до сих пор исследуется. Но для БПЛА таких шаблонов может просто не найтись, тут нужны свои решения.
Если рассматривать вопрос с точки зрения метрологии, то для датчика желательно стремиться к высокой чувствительности и линейному характеру зависимости. Исходя из этого, можно подбирать коэффициенты при построении стрессовых индексов. Кроме того, можно создавать индексы под имеющиеся в наличие измерительные спектральные каналы.

На рисунке приведены экспериментальные данные, взятые из нашей монографии по дистанционному зондированию зерновых культур для программирования урожая. Экспериментальные исследования выполнялись на полевом стационаре кафедры агрохимии и качества продукции растениеводства НУБиП Украины, фотоснимки которого сделаны через штатный объектив и при использовании светофильтра.

Как видно, и по красной и по зеленой составляющей зависимости есть. iR… это интенсивности составляющих цвета, полученные при использовании на камере инфракрасного светофильтра. В этом случае фиксируются три составляющих цвета, которые можно условно назвать: 1-красный, 2-зеленый и 3 – синий для стандартной аддитивной модели цветообразования.
По большому счету, проблема не в конкретных стрессовых индексах, а в удобстве их интерпретации, то есть переводе значений спектра в количество азота в сухом веществе, исходя из которого агрохимик и должен выбирать дозировку вносимых удобрений.

  • Тут сразу появляются вопросы, на графике отмечено 3 верхних листа, что это значит?

Содержание азота, как объяснил агрохимик из нашей команды, неравномерно по всему растению. Тут вопрос – с одной стороны, как распределяется элемент по растению и, с другой, что именно попадает в кадр при съёмке. Прежде чем говорить о спектральной зависимости от количества азота, нами было проведены детализированные анализы и в химической лаборатории, и со спектральными характеристиками растений. И такие зависимости для разных культур, даже группы зерновых злаков, различны.

  • А если говорить о разных сортах одной культуры, зависимости будут идентичны?

Исследования идут не столь давно, мы работали с несколькими сортами, пока можем предположить, что характер зависимости будет именно таким, а вот числовые значения для разных сортов и гибридов должны уточняться. Этим мы и будем заниматься. Определенный интерес потребителей есть.

  • Калибровочные зависимости будут меняться в зависимости от цвета почвы?

Нет, наши индексы строились именно по растению, а не по почве. В Украине около 300 типов и подтипов почв, к тому же цвет одного грунта разной влажности будет существенно отличаться, поэтому подстраиваться под них и сложно и ненужно. Для сплошных культур почву отфильтровывали.

  • А как же для пропашных культур, таких как кукуруза?

Вы правы, при мониторинге кукурузы «полезный сигнал» определяемый растением, будет меньше, чем шум – почва, тут с одной стороны и проще, но и сложнее.

Чисто спектральных показателей оказалось недостаточно для определения количества азота с достаточной точностью. Поэтому для кукурузы пришлось создавать специализированный – интегральный стрессовый индекс, учитывающий не только спектральные показатели растений, но и их габариты.

  • Можно ли самостоятельно получить эти калибровочные зависимости?

Думаю, хозяйства смогут это сделать и своими силами при методологической поддержке. В нашей монографии описано, как провести полевые исследования (но тут справедливо отметить, что настоящие научные исследования могут быть проведены в стационарном опыте), работать с фитокамерой, а также как организовывать съемки с помощью БПЛА (это параметры полета и осуществление радиочастотной коррекции). Старались описывать в монографии эти вопросы подробно, но изложить все вопросы физически невозможно, и методическая поддержка специалистов может быть востребована. Тут очень важно иметь команду специалистов, способных освоить весь спектр данной проблемы от съемки, создания карт до интерпретации полученных результатов.

 

Рубрики: БПЛА, Вегетационные индексы, От редакции сайта | Оставить отзыв »

продажа алкоголя время узнать на нашем сайте

Отзывы