Спеціалізовані маркерні індекси стресу для оцінки якості пшениці

Автор(и)

  • Наталія Анатоліївна Пасічник Національний університет біоресурсів і природокористування України, Ukraine
  • Віталій Пилипович Лисенко Національний університет біоресурсів і природокористування України, Ukraine
  • Олексій Олександрович Опришко Національний університет біоресурсів і природокористування України, Ukraine
  • Надія Олександрівна Ясінська Апарат Президії Національної академії аграрних наук України, Ukraine

DOI:

https://doi.org/10.33730/2077-4893.3.2020.211530

Ключові слова:

пшениця озима, дистанційне зондування, моніторинг стану рослин, прапорцевий листок, БПЛА

Анотація

Щоб мати уявлення про майбутній врожай аграрії зацікавлені якомога раніше отримати об’єктивну інформацію про стан рослин. Оцінка стану прапорцевого листка з допомогою безпілотного літального апарата (БПЛА) є перспективною для оцінки якості майбутнього врожаю пшениці озимої. Оптимальним знаряддям для моніторингу стану фітоценозів вважається БПЛА, що здатні надати аграріям цифрові знімки високої розподільчої здатності за прийнятну вартість. Аналіз літературних джерел засвідчив відсутність напрацювань щодо ідентифікації стану прапорцевого листка, придатних для БПЛА. В умовах дослідного стаціонару кафедри агрохімії та якості продукції рослинництва НУБіП України в Київській обл. здійснено виміри інтенсивності складових кольору пшениці. Стан прапорцевого листка оцінювали візуально у наземних дослідженнях. Було зафіксовано, що добре розвинений прапорцевий листок був у посівах з рекомендованою та полуторною до неї дозами мінеральних добрив. Повітряну фотозйомку здійснювали цифровою (RGB) камерою FC200 з висоти 100 м. Математичну обробку отриманих результатів формату jpeg проводили засобами MathCad. За результатами роботи було запропоновано маркерний індекс стресу, побудований на визначенні стану прапорцевого листка, що є індикатором формування врожайності зерна у колосі. Було продемонстровано, доцільність врахування під час моніторингу пшениці, окрім середнього значення інтенсивності, яскравості каналу кольору і величини половини ширини розподілу. Ця величина може слугувати як додатковий параметр за створення стресових індексів, а також свідчити про стан переходу між етапами росту і розвитку рослин. Експериментально доведено, що кольорові знімки пшениці мають створюватися під конкретні етапи органогенезу. З урахуванням того, що тривалість етапів становить кілька днів, саме БПЛА є оптимальним знаряддям для потреб точного землеробства, адже може використовуватись безпосередньо сільгоспвиробниками.

Біографії авторів

Наталія Анатоліївна Пасічник, Національний університет біоресурсів і природокористування України

кандидат сільськогосподарських наук, доцент

Віталій Пилипович Лисенко, Національний університет біоресурсів і природокористування України

доктор технічних наук, професор

Олексій Олександрович Опришко, Національний університет біоресурсів і природокористування України

кандидат технічних наук, доцент

Надія Олександрівна Ясінська, Апарат Президії Національної академії аграрних наук України

кандидат сільськогосподарських наук, старший науковий співробітник

Посилання

Lysenko, V., Opryshko, O. & Komarchuk, D. et al. (2017). Usage of Flying Robots for Monitoring Nitrogen in Wheat Crops. The 9th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (рр. 30–34). Bucharest [in English].

Nevliudov, I., Ponomaryova, G. & Bortnikova, V. et al. (2018). S MEMS Accelerometer in Hexapod Intellectual Control. 2018 14th International Conference on Perspective Technologies and Methods in MEMS Design. (pp. 146–155) [in English].

Ponomaryova, G., Nevlydov, I., Filipenko, O. & Volkova, M. (2017). Mems-based inertial sensor signal and machine learning methods for classifying robot motion. 2018 IEEE Second International Conference on Data Stream Mining & Processing. (pp. 13–16) [in English].

Green, D. R., Hagon, J.J., Gómez, C. & Gregory, B.J. (2019). Chapter 21: Using Low-Cost UAVs for Environmental Monitoring, Mapping, and Modelling: Examples From the Coastal Zone. Coastal Management. (pp. 465–501) [in English].

Lysenko, V., Opryshko, O., Komarchyk, D. & Pasichnyk, N. (2016). Drones camera calibration for the leaf research. Scientific Bulletin of the National University of Life and Environmental Sciences of Ukraine, 252, 61–65 [in English].

Rodriguez-Moreno, F., Zemek, F. & Kren, J. et al. (2016). Spectral monitoring of wheat canopy under uncontrolled conditions for decision making purposes. Computers and Electronics in Agriculture, 125, 81–88 [in English].

Cao, Q., Miao, Y. & Feng, G. et al. (2014). Active canopy sensing of winter wheat nitrogen status: An evaluation of two sensor systems. Computers and Electronics in Agriculture. DOI: http://dx.doi.org/10.1016/j.compag.2014.08.012 [іn English].

Hassan, M.A., Yang, M. & Rasheed, A. et al. (2018). A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multi-spectral UAV platform. Plant Science. DOI: https://doi.org/10.1016/j.plantsci.2018.10.022 [in English].

Saberioona, M., Amina, M. & Anuarb A., et al. (2014). Assessment of rice leaf chlorophyll content using visible bands atdifferent growth stages at both the leaf and canopy scale. International Journal of Applied Earth Observation and Geoinformation, 32, 35–45 [in English].

Kipp, S., Mistele, B. & Schmidhalter, U. (2014). Identification of stay-green and early senescence phenotypes in high-yielding winter wheat, and their relationship to grain yield and grain protein concentration using high-throughput phenotyping techniques. Functional Plant Biology, 41, 227–235 [in English].

Ali, H., Lali, M., Nawaz, M., Sharif, M. & Saleem, B. (2017). Symptom based automated detection of citrus diseases using color histogram and textural descriptors. Computers and Electronics in Agriculture, 138, 92–104 [іn English].

Asim Kumar Roy Choudhury. (2014). Principles of Colour and Appearance Measurement. Object Appearance, Colour Perception and Instrumental Measurement, 1–52 [in English].

Zhou, B., Elazab, A. & Bort, J. et al. (2015). Lowcost assessment of wheat resistance to yellow rust through conventional RGB images. Computers and Electronics in Agriculture, 116, 20–29 [іn English].

Vicente, R., Vergara-Díaz, O. & Kerfal, S. et al. (2018). Identification of traits associated with barley yield performance using contrasting nitrogen fertilizations and genotypes. Plant Science. Available online. DOI: https://doi.org/10.1016/j.plantsci.2018.10.002 [іn English].

##submission.downloads##

Опубліковано

2020-09-07

Номер

Розділ

АГРОНОМІЯ