Дистанційне зондування агрофітоценозів із платформи БПЛА для оцінки рівня живлення рослин

Автор(и)

  • Наталія Анатоліївна Пасічник Національний університет біоресурсів і природокористування України, Україна https://orcid.org/0000-0002-2120-1552
  • Олексій Олександрович Опришко Національний університет біоресурсів і природокористування України, Україна https://orcid.org/0000-0001-6433-3566
  • Олександр Григорович Тараріко Інститут агроекології і природокористування НААН, Україна https://orcid.org/0000-0002-5132-0157

DOI:

https://doi.org/10.33730/2077-4893.4.2021.252958

Ключові слова:

спектральний моніторинг, вегетація рослин, безпілотні літальні апарати, дистанційно керовані літальні апарати, розподіл Гаусса, вегетаційні індекси, інтенсивність кольору

Анотація

Безпілотні (дистанційно керовані) літальні апарати (БПЛА) є інноваційним устаткуванням для моніторингу агрофітоценозів, що позбавлене низки принципових недоліків супутників щодо доступності, вартості, здатності розрізнення знімків. Однак, якість, відтворюваність та придатність даних спектрального моніторингу посівів сільськогосподарських культур для процесів управління врожаєм залишаються актуальними питаннями. Оскільки в концепції управління врожаєм дистанційний моніторинг є необхідною складовою, розроблення методики оцінювання придатності спектральних даних для розрахунку агрохімічних практик стало метою роботи. Аналіз літературних даних показав, що залежність кількості пікселів від значень інтенсивності складових кольору для рослин і ґрунту описується Гауссовим (нормальним) розподілом і відхилення зумовлюється накладанням розподілів від різних зафіксованих на фотознімку об'єктів. Дослідження проводили у 2017–2020 рр., аналізуючи стресовий стан рослин, зумовлений дефіцитом елементів живлення. Для моніторингу використовували БПЛА із спеціалізованим спектральним комплексом Slantrange із штатним програмним забезпеченням Slantview та камерою видимого спектра FC200 (від БПЛА Phantom 2). Перевірку проводили на полях пшениці озимої, результат підтвердив оптимальність саме Гауссового розподілу для спектрального моніторингу посівів пшениці. Встановлено, що аналіз відповідності характеру розподілу за спектральними каналами, а саме наявність двох і більше максимумів у графічному його описі свідчить про нерівномірність входження рослин у стадію вегетації або ж наявність сторонніх об’єктів. Оцінка придатності даних може здійснюватися на базі еталонних значень ширини розподілу для спектральних каналів. Це дає змогу стверджувати про доцільність введення в набори штатних вегетаційних індексів геоінформаційних систем додаткових пакетів, що відображають саме спектральні канали.

Біографії авторів

Наталія Анатоліївна Пасічник, Національний університет біоресурсів і природокористування України

кандидат сільськогосподарських наук, доцент

Олексій Олександрович Опришко, Національний університет біоресурсів і природокористування України

кандидат технічних наук, доцент

Олександр Григорович Тараріко, Інститут агроекології і природокористування НААН

доктор сільськогосподарських наук, професор, академік НААН

Посилання

Kauth, R.J. & Thomas, G.S. (1976). The tasselled capgraphic description of the spectral–temporal development of agricultural crops as seen by Landsat. Proceedings, symposium on machine processing of remotely sensed data (рр. 41–51). Purdue University. West Lafayette. IN [in English].

Aasen, H., Burkart, A., Bolten, A. & Bareth, G. (2015). Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: from camera calibration to quality assurance. ISPRS Journal of Photogrammetry and Remote Sensing, 108, 245–259. DOI: https://doi.org/10.1016/j.isprsjprs.2015.08.002 [in English].

Liu, F. et al. (2021). A field-based high-throughput method for acquiring canopy architecture using unmanned aerial vehicle images. Agricultural and Forest Meteorology, 296, 108–231. DOI: https://doi.org/10.1016/j.agrformet.2020.108231 [in English].

Pan, Y. et al. (2019). Reconstruction of Ground Crops Based on Airborne LiDAR Technology. IFAC–PapersOnLine, 52 (24), 35–40. DOI: https://doi.org/10.1016/j.ifacol.2019.12.376 [in English].

Guoa, T. et al. (2019). Detection of wheat height using optimized multi–scan mode of LiDAR during the entire growth stages. Computers and Electronics in Agriculture, 165, 104–959. DOI: https://doi.org/10.1016/j.compag.2019.104959 [in English].

Olsson, Per-Ola, Lindström, J. & Eklundh, L. (2016). Near real–time monitoring of insect induced defoliation in subalpine birch forests with MODIS derived NDVI. Remote Sensing of Environment, 181, 42–53. DOI: https://doi.org/10.1016/j.rse.2016.03.040 [in English].

Shakayb, A.A., Nguyen, H., Coyle, A. & Fida, M. (2021). Quality of information with minimum requirements for emergency communications. Ad Hoc Networks, 111. DOI: https://doi.org/10.1016/j.adhoc.2020.102331 [in English].

Cao, Y. et al. (2020). Monitoring of sugar beet growth indicators using wide–dynamic–range vegetation index (WDRVI) derived from UAV multispectral images. Computers and Electronics in Agriculture, 171, 105–331. DOI: https://doi.org/10.1016/j.compag.2020.105331 [in English].

Liu, Y., Mu, X., Wang, H. & Yan, G. (2012). A novel method for extracting green fractional vegetation cover from digital images. Journal of Vegetation Science, 23, 406–418. DOI: https://doi.org/10.1111/j.1654–1103.2011.01373.x [in English].

Yan, G. et al. (2019). Improving the estimation of fractional vegetation cover from UAV RGB imagery by colour unmixing. ISPRS Journal of Photogrammetry and Remote Sensing, 158, 23–34. DOI: https://doi.org/10.1016/j.isprsjprs.2019.09.017 [in English].

Coy, A. et al. (2016). Increasing the Accuracy and Automation of Fractional Vegetation Cover Estimation from Digital Photographs. Remote Sensing, 8, 474. DOI: https://doi.org/10.3390/rs8070474 [in English].

Li, L. et al. (2018). A half–Gaussian fitting method for estimating fractional vegetation cover of corn crops using unmanned aerial vehicle images. Agricultural and Forest Meteorology, 262, 379–390. DOI: https://doi.org/10.1016/j.agrformet.2018.07.028 [in English].

Lysenko, V. et al. (2017). Determination of the not uniformity of illumination in process monitoring of wheat crops by UAVs. Problems of Infocommunications Science and Technology, PIC S and T: 4th International Scientific–Practical Conference (pp. 265–267). Kharkiv. Ukraine. DOI: https://doi.org/10.1109/INFOCOMMST.2017.8246394 [in English].

Shvorov, S. et al. (2020). The method of determining the amount of yield based on the results of remote sensing obtained using UAV on the example of wheat. IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET) (pp. 245–248). Slavske. Ukraine. DOI: http://dx.doi.org/10.1109/PICST47496.2019.9061238 [in English].

##submission.downloads##

Опубліковано

2021-10-28

Номер

Розділ

Статті