В современных реалиях интенсивного сельского хозяйства проведение фитосанитарного мониторинга по классическим методикам затруднено наличием больших посевных площадей, вследствие чего отсутствует должный контроль со стороны специалистов. Наиболее перспективным способом решения данной проблемы представляется разработка дистанционных методов диагностики состояния посевов сельскохозяйственных культур, основанных на использовании спектральной аппаратуры дистанционного зондирования Земли и оригинальных средств мониторинга.
Целью работы являются поиск возможных основ для проведения дистанционного мониторинга сорной растительности и оценка влияния применения гербицидов на дистанционную диагностику на примере кукурузы. Данные, полученные в этой работе, способствуют повышению достоверности дистанционной диагностики сорных растений на посевах сельхозкультур.
Наземное спектрометрирование проводилось бесконтактно на высоте 1,2 – 1,4 м от поверхности земли в диапазоне электромагнитного излучения от 350 до 2500 нм со спектральным разрешением 1 – 10 нм.
Для этого был использован спектрорадиометр «ASD FieldSpec 3 Hi-Res», который предназначен для измерения абсолютных и относительных значений энергетической яркости.
При аэросъемке использовалась мультиспектральная камера «Parrot SEQUOIA+», которая позволяет проводить многозональную съемку в четырех каналах с центральными значениями спектра 550, 660, 735 и 790 нм. В результате работы камеры создавалась серия изображений эксперимента с воздуха. Пространственное разрешение полученных изображений составило 8,24 см. Изображения связывались между собой в единый ортофотоплан с использованием программного обеспечения Pix4D.
На посевах кукурузы были выделены опытные делянки с различной градацией засоренности сорной растительностью. Серия участков посевов включала семь делянок, четыре из которых были обработаны гербицидным препаратом в нестандартных концентрациях. На двух других делянках были использованы гербициды в стандартных концентрациях, и одна делянка являлась контрольной и не подвергалась обработкам. На каждой опытной делянке проведены описания видового состава сорной растительности.
Для этого случайным образом в границах делянки определялся квадрат размером 50×50 см. Местоположение выбранного участка фиксировалось с помощью полевого навигатора. Внутри квадрата подсчитывалось количество сорных растений каждого вида. Пример описания видового состава представлен в таблице 1.
Таблица 1. Видовой состав сорной растительности
На следующем этапе определено проективное покрытие (ПП) растительности. Для этого рассчитана разность интенсивности отраженного излучения по формуле:
V1 = G – R,
где G — зеленый канал,
R — красный канал.
В результате получено разностное изображение, по которому подобрано пороговое значение разности. Благодаря этому значению растительность может быть отличена от почвы, включая освещенные и затененные участки. Для всех делянок порог кластеризации находился в диапазоне 0 – 15.
Для сопоставления результатов наземных обследований и дистанционной съемки были рассчитаны вегетационные индексы, основанные на соотношении БИК и зеленого каналов (GNDVI, CIg), БИК и красного диапазонов (NDVI), всех трех перечисленных частей спектра (MSAVI2, CVI, MTVI2). В результате получены значения коэффициента детерминации для каждого исследуемого вегетационного индекса на опытных делянках, по которым обнаружены индексы, пригодные для интегральной оценки ПП вне зависимости от видового состава культурной и сорной растительности.
Кроме того, выявлены индексы с приемлемой чувствительностью как в областях низкого ПП, характерного для первой даты проведения съемки, так и при высоком ПП во вторую съемку. Для сопоставления результатов наземных обследований и дистанционной съемки были рассчитаны вегетационные индексы, основанные на соотношении БИК и зеленого каналов (GNDVI, CIg), БИК и красного диапазонов (NDVI), всех трех перечисленных частей спектра (MSAVI2, CVI, MTVI2).
Также с использованием БИК и краевого красного каналов рассчитаны NDVIre, SRre, CIre, а индекс RTVIcore задействует в расчете зеленый, краевой красный и БИК каналы.
Для каждого рассчитанного индекса проведена оценка его связи с ПП опытных делянок. Получены значения коэффициента детерминации для исследуемых опытных делянок (табл. 2).
Таблица 2. Коэффициент детерминации линейной связи вегетационных индексов с ПП
Для вегетационных индексов GNDVI и CIg отмечен высокий коэффициент детерминации в сочетании с компактной формой облака рассеяния. Для индекса RTVIcore характерны различные типы зависимости в областях низких и высоких значений, что заметно по образованию двух облаков точек. Наибольший линейный коэффициент детерминации выявлен у вегетационного индекса MTVI2. Для этого индекса наибольшие значения R2 отмечены также при отдельном анализе культур и дат сбора полевых данных, что делает его хорошим интегральным показателем для оценки ПП в различных условиях.
Немногим меньшие величины коэффициента детерминации характерны для индекса MSAVI2.
Вегетационный индекс MTVI2 выбран для дальнейшего моделирования связи спектрального образа посевов и ПП изучаемой растительности. Однако для аппроксимации выбрана экспоненциальная модель для лучшего описания закономерности в диапазоне высоких значений ПП.
Для расчета уравнения использовано 85 % имеющихся данных, то есть информация о среднем значении индекса и ПП. Еще 15 % далее использованы в проверке корректности полученного уравнения.
Для описания зависимости величины вегетационного индекса MTVI2 получено уравнение следующего вида:
MTV12 = 0,096* e0,0247*ПП,
где MTVI2 — величина вегетационного индекса MTVI2 пикселя изображения,
ПП — величина проективного покрытия в пределах пикселя изображения в процентах.
Для получения значения ПП по величине MTVI2 необходимо выполнить преобразования по формуле:
где MTVI2 — величина вегетационного индекса MTVI2 пикселя изображения,
ПП — величина проективного покрытия в пределах пикселя в процентах.
Получены средние расчетные значения ПП для контрольных участков. На 77 % участков отклонение вычисленных значений от фактических не превышает 10 % (табл. 3).
Таблица 3. Сравнение фактических и рассчитанных величин ПП
Поскольку ПП на изучаемых стадиях развития пропашных культур в значительной степени определяется сорной растительностью, на основе полученных схем можно сделать вывод о различиях в степени засоренности на разных делянках. Ранние стадии вегетации пропашных культур совпадают с активной стадией развития сорной растительности, таким образом, ПП на этом этапе в значительной мере определяется сорными растениями.
Для оценки ПП разреженной растительности наилучшим образом подходят вегетационные индексы, включающие в расчет БИК (700 – 870 нм) и зеленый (510 – 570 нм) или БИК (700 – 870 нм) и красный (670 – 750 нм) каналы.
Существуют вегетационные индексы, пригодные как для анализа ПП только в определенной области величин занятой растительностью площади, так и для интегральной оценки в широком диапазоне соотношения площадей открытой почвы и растительности. Моделирование ПП на основе величины вегетационного индекса является эффективным методом изучения засоренности сельскохозяйственных полей. Разработанные методологические основы лягут в основу создания прецизионной технологии, внедрение которой в практику сельхозтоваропроизводства позволит оптимизировать финансовые затраты при выращивании сельхозкультур и снизить пестицидную нагрузку на агроэкосистемы.
Исследование выполнено в рамках Государственного задания Министерства образования и науки Российской Федерации по теме № FGRN-2022-0001.
Р. ДАНИЛОВ, О. КРЕМНЕВА, Д. ИСТОМИН, К. ГАСИЯН, ФГБНУ «ФНЦ биологической защиты растений» (г. Краснодар)