Статья: Сравнительный анализ вегетационных индексов для агроэкологического мониторинга озимой пшеницы в условиях Московской области

Сравнительный анализ вегетационных индексов для агроэкологического мониторинга озимой пшеницы в условиях Московской области

Пивченко Д.В., Мешалкина Ю.Л., Ярославцев А.М.,

Тихонова М.В., Визирская М.М., Васенев И.И.

РГАУ-МСХА им. К.А.Тимирязева

МГУ имени М.В. Ломоносова, факультет почвоведения

Аннотация

По результатам мониторинговых агроэкологических исследований на представительном для дерново-подзолистых почв участке Опыта точного земледелия РГАУ-МСХА имени К.А. Тимирязева проведена экспериментально-методическая работа со сравнительным анализом вегетационных индексов агроэкологического состояния озимой пшеницы по данным дистанционного зондирования с использованием беспилотного летательного аппарата (квадрокоптера). По данным снимков, сделанных 9 июня 2017 г. в RGB- и NIRGB-зонах спектра, рассчитаны 16 вегетационных индексов, значения которых сопоставлены с результатами биометрических исследований (высота растений, густота стеблестоя, проективное покрытие, сухая наземная биомасса и ее части), проведенных в 24 элементарных участках мониторинга 9 и 29 июня 2017 года. Оптимальными вегетационными индексами для прогнозирования роста растений оказались TGI и VARI, для проективного покрытия - ENDVI. Для моделирования густоты стеблестоя также могут использоваться DVI, GDVI, TGI, GLI.

Ключевые слова: агроэкология, БПЛА, вегетационные индексы, высота растений, густота продуктивного стеблестоя, дистанционное зондирование, мониторинг, оценка наземной биомассы, проективное покрытие, RGB, NIRGB, подсолнечник, агрохимикат, фотосинтетическая деятельность, Борогум, Бионекс, урожайность, масличность

Введение

Ключевым элементом агроэкологической оптимизации современных технологий выращивания зерновых культур являются полевые методы агроэкологического мониторинга, в которые все более активно внедряются цифровые технологии оперативной обработки данных о состоянии посевов, получаемых с использованием беспилотных летательных аппаратов (БПЛА). Использование БПЛА в сельском хозяйстве может значительно упростить мониторинг за состоянием посевов, снизить производственные затраты и прогнозировать урожайность сельскохозяйственных культур. Изображения дистанционного зондирования, полученные с использованием БПЛА, по сравнению со спутниковыми изображениями имеют более высокое пространственное и временное разрешение, а в сравнении с обычными летательными аппаратами БПЛА имеют более низкую стоимость, вес и потенциально более высокое разрешение съемки за счет меньшей минимальной высоты и скорости полета [1, 2].

На основании данных, полученных с БПЛА, можно проводить мониторинг агроэкосистем; оценивать объем сельскохозяйственных работ и контролировать их выполнение, прогнозировать сроки биологического созревания зерновых культур, внесение удобрений и оптимальные сроки начала уборки [3]. Точность предсказания урожая зависит от объема и качества мониторинга за различными параметрами роста и развития растений [4]. Надземная биомасса растений связана с потреблением солнечной энергии, урожайностью и качеством продукции и является одной из наиболее важных характеристик для мониторинга [5]. Обычные методы измерения биомассы оказывают деструктивное воздействие на объект исследований и являются трудоемкими. Внедрение технологий дистанционного зондирования с помощью БПЛА позволяет снизить объем трудозатрат [6].

Методы дистанционного зондирования основаны на измерении спектральных характеристик исследуемых объектов от видимого до ближнего инфракрасного диапазона длин волн. Результаты Бендинга с соавторами [7] и Жанноура с соавторами [8] показали, что цифровые камеры с видимым и инфракрасным спектрами, установленные на БПЛА, могут быть эффективно использованы для мониторинга параметров биомассы сельскохозяйственных культур. По данным Берни с соавторами [9], тепловые инфракрасные камеры, установленные на БПЛА, применимы для картирования нарушений в растительном покрове, а также для выявления зон, где происходит угнетение растений вследствие нехватки воды.

Данные спектральных камер, полученные с помощью БПЛА, могут использоваться для мониторинга параметров биомассы (например, высоты посевов, урожайности, надземной биомассы и содержания азота) различных сельскохозяйственных культур, таких как пшеница, подсолнечник и травы [10, 11, 12]. В то же время массовое использование данных БПЛА в агроэкологическом мониторинге ограничено весом камер, стоимостью датчиков и, прежде всего, сложностью обработки исходных сцен и неоднозначностью агроэкологической интерпретации данных [2, 13].

Используемые для оценки объема и состояния надземной биомассы растений вегетационные индексы (ВИ) выводятся, главным образом, эмпирически [14, 15, 16] и подлежат экспериментальной верификации для использования при мониторинге различных сельскохозяйственных культур в условиях конкретных типов агроландшафтов.

Наибольшее распространение получили индексы, показывающие относительную разницу между отражениями в двух каналах: в красной области спектра (0,6-0,7 мкм), где лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, и в инфракрасной области спектра (0,7-1,0 мкм), где находится область максимального отражения клеточных структур листа [17].

Густая растительность с высокой фотосинтетической активностью будет связана с меньшим отражением в красной области спектра и большим - в инфракрасной области. Открытая почва на снимке формирует в спектральном пространстве красного - ближнего инфракрасного каналов прямую линию, называемую «линией почвы». Пиксели с одинаковым уровнем растительности расположены на параллельных линиях с линией почвы, и ВИ, по существу, показывают расстояние от нее [18].

Цель работы состояла в том, чтобы по данным дистанционного зондирования, полученным с квадрокоптера, и полевых биометрических измерений провести сравнительный анализ эффективности применения основных вегетационных индексов агроэкологического состояния посева озимой пшеницы на представительном участке дерново-подзолистых почв в Опыте точного земледелия РГАУ-МСХА имени К.А. Тимирязева.

Условия, материалы и методы

Исследования проводились в 2017 году на поле озимой пшеницы в Опыте точного земледелия РГАУ-МСХА имени К.А. Тимирязева, на полях которого общей площадью 6 га реализован четырехпольный севооборот (картофель, яровой ячмень, озимая пшеница и вико-овсяная смесь) с вариантами отвальной и минимальной обработки почвы, применения элементов традиционной и точной (прецизионной) систем земледелия [19].

Опыт расположен в типичных для Центрального региона России условиях Нечерноземной зоны. Окультуренные дерново-подзолистые почвы характеризуются легкосуглинистым гранулометрическим составом аккумулятивно-элювиальной части профиля со значительной сезонной динамикой содержания гумуса (органического вещества) в пахотном горизонте: от 2,5-2,9 % весной до 1,9-2,6 % осенью. В результате предыдущих известкований рН водной вытяжки колеблется в пределах от 5,8 до 6,2, что на 1,5-2,0 выше сопоставимых фоновых почв Лесной Опытной Дачи РГАУ-МСХА имени К.А. Тимирязева. В целом почва опытного участка хорошо окультурена и отвечает требованиям выращиваемых культур [20]. Применяемая технология возделывания пшеницы предусматривает использование средних доз удобрений и средств защиты растений.

Измерение биомассы озимой пшеницы проводилось два раза за вегетационный период 2017 года: 9 июня и 29 июня. Первая дата соответствовала завершению фазы выхода в трубку, вторая - началу фазы созревания (молочная спелость). Измерение биомассы проводилось на 24 элементарных участках, расположенных в центральной части опытных делянок (рис. 1).

Рис. 1. Участки пробоотбора на поле озимой пшеницы в Опыте точного земледелия РГАУ-МСХА имени К.А. Тимирязева в 2017 г.

вегетационный индекс агроэкологический мониторинг

Элементарные участки («точки») пробоотбора первоначально фиксировались с помощью спутниковой системы навигации. При повторном исследовании точка опробования несколько смещалась, но в пределах не более 1 м. В процессе мониторинга измерялись высота растений, густота продуктивного стеблестоя и проводилась цифровая съемка в видимом диапазоне для последующего расчета проективного покрытия как наиболее прямой неинвазивный способ оценки биомассы.

Высота растений пшеницы измерялась в сантиметрах: на фазе выхода в трубку - от поверхности почвы до отгиба верхнего листа; при наступлении колошения - до верхушки колоса, не считая остей. В качестве показателя использовалась средняя высота всех растений с площадки 0,50,5 м = 0,25 м² с последующим пересчетом на 1 м². Густота продуктивного стеблестоя (далее густота стеблестоя) определялась также на площадках 0,25 м², а затем пересчитывалась на 1 м².

Фотографии для последующего расчета проективного покрытия производились цифровой камерой с высоты 1,2 м. Нужно отметить, что во второй срок наблюдения верхние части растений частично выступали за рамку, что существенно снижало точность определения проективного покрытия. Расчеты делались в программе Fiji [21]. Проективное покрытие определялось как процент площади, занятой растениями пшеницы, выделение которых проводилось визуально по степени зеленой окраски.

Учет наземной биомассы производился 29 июня. В образец срезалась вся наземная биомасса с площадки 0,25 м². Образец взвешивался целиком, затем разбирался на стебли, листья и колосья, которые тоже взвешивались. После определения сухого вещества результаты пересчитывались на 1 м².

Съемка была произведена 9 июня 2017 г. с помощью квадрокоптера DJI Phantom 2 на камеру Canon S100. Полет проходил на высоте 100 метров с 70%-ным перекрытием. Сшивание снимков было произведено в программном комплексе Agisoft Metashape 1.5. Снимки делались в RGB- и NIRGB-зонах спектра, с последующим расчетом вегетационных индексов (табл. 1). Для расчета ВИ по снимку NIRGB в качестве канала видимого поглощения был использован синий канал.

Значения яркости в каналах были получены со снимков с помощью программы QGIS 2.18. Вокруг каждой точки пробоотбора была построена буферная зона радиусом 0,7 м (соответственно, площадью 1,5 м²). Размер буферной зоны отражал площадь, на которой проводились измерения, и неопределённость, связанную с некоторым возможным смещением точек пробоотбора. С помощью модуля «Зональная статистика» производился расчет средней и медианной яркости в буфере по 3-м каналам (Red, Green, Blue - для снимка в RGB-спектре и NIR, Green, Blue - для снимка в NIRGB-спектре).

Таблица 1. Систематизация вегетационных индексов (ВИ), наиболее часто используемых для обработки данных при работе с БПЛА

Разностный ВИ DVI, самый простой индекс такого типа, позволяет отделять растительность от прочих природных объектов. Использование нормализованной разности между минимумом и максимумом отражений соответствует наиболее распространенному индексу NDVI. Показано, что при этом увеличивается точность измерения и уменьшается влияние различий в освещенности частей снимка [17].

Цифровые камеры, устанавливаемые на БПЛА, часто фиксируют отражение в инфракрасном, синем и зеленых каналах - по типу NIRGB. Для камер такого типа вместо красного канала можно использовать в качестве канала видимого поглощения синий канал [28]. Для цифровых камер такого типа был специально разработан индекс ENDVI, где, помимо голубого, присутствует и зеленый канал [28]. Этот индекс и ему подобные ВИ опираются на зеленый цвет как на цвет, отражающий здоровые растения.

Индекс GNDVI более чувствителен к концентрациям хлорофилла по сравнению с индексом NDVI, его часто используют при оценке угнетенной и стареющей растительности. Индекс GDVI разработан для оценки состояния растительного покрова в засушливых районах. Индекс RDVI менее чувствителен, чем NDVI, к влиянию перепадов рельефа и экспозиции склонов. Индексы OSAVI и GSAVI относятся к семейству индексов SAVI, в которых минимизировано действие открытой поверхности почвы.