CC BY
24УДК 1
Икенов И.А.
Астраханский государственный университет (АГУ), Россия, г. Астрахань
ИНФОРМАЦИОННАЯ СИСТЕМА ОЦЕНКИ СОСТОЯНИЯ РАСТИТЕЛЬНОСТИ НА СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПОЛЯХ
Аннотация. Информационная система в сельском хозяйстве фермерам позволяет оценить определенного поля с полученного снимка данных дистанционного зондирования Земли и анализировать снимок с зеленой растительностью с помощью расчета вегетативных индексов (NVDI, VARI).
Ключевые слова: информационная система, снимок, данные дистанционного зондирования, вегетативный индекс, NVDI, VARI.
Введение
Большой объем информации о состоянии поверхности несет в себе отражение от нее солнечного света в различных спектральных диапазонах. В связи с этим одну из ведущих ролей данных дистанционного зондирования Земли (ДДЗ) являются вегетативные индексы (ВИ), характеризующие состояния биомассы в живой природы. Для описания оценки состояния растительности на сельскохозяйственных полях необходимо произвести обработку большого массива данных и определить оптимальный ВИ.
Информационных технологии позволят оптимизировать рабочее время и избавить людей от сложной и раздражительной, но необходимой рутины. Использование информационных технологий в сельском хозяйстве позволит усилить надзор за растительностью и ее состоянием, а также снизить количество нагрузки на фермеров.
Таким образом, оперативный мониторинг посевов играет немаловажную роль в получении высоких и стабильных урожаев. Использование современных технических
средств может существенно снизить затраты времени без потери качества обследования.
Информационные технологии
Мониторинг и снимки полей с помощью беспилотного летального аппарата (дрон). Суть такого мониторинга - анализ состояния посевов на основании снимков со дрона. Пролетая над определенной территорией и делая снимки высокого разрешения, дрон фиксирует участки с нужными нам полями.
Полученные снимки являются источником оперативной информации о посевах, а благодаря специальным спектральным камерам, можно рассчитать ВИ.
Дрон (или квадрокоптер) - в технологическом контексте, это беспилотный летательный аппарат. Формально дроны известны как беспилотные летательные аппараты (БПЛА/БЛА) или беспилотные авиационные системы (UASes). По существу, беспилотный летающий робот на рисунке 1.
Рисунок 1 - Беспилотный летательный аппарат К основным функциям дрона относятся:
- реальная площадь поля;
- состояние поля;
- площадь выполненных технологических операций;
- качество выполненных операций;
- состояние и динамика вегетации на основании индекса МОУ! Вегетационные индексы
Вегетационный индекс (ВИ) - это показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) ДДЗ, и имеющий отношение к параметрам растительности в данном пикселе снимка. Эффективность ВИ определяется особенностями отражения; эти индексы выведены, главном образом, эмпирически.
Для информационной системы были выбраны 2 вегетационного индекса: NDVI, VARI.
NDVI (Normalized difference vegetation index, Нормализованный вегетационный индекс) - это показатель здоровья растения, который вычисляется по тому, как растение отражает и поглощает разные световые волны.
Например, растения для нашего глаза зелёные потому, что пигмент хлорофилл хорошо отражает зелёные волны. Также хлорофилл поглощает красные волны: за счёт этого происходит фотосинтез, то есть культура растёт и развивается. А клеточная структура растения отражает ближние инфракрасные волны. Получается, что здоровое растение, в котором много хлорофилла и хорошая клеточная структура, активно поглощает красный свет и отражает ближний инфракрасный. Больное растение — с точностью до наоборот.
Чтобы понять состояние здоровья растения, надо сравнить между собой значения поглощения и отражения красных (Red) и инфракрасных лучей (Nir) (Рисунок 2). Это и есть NDVI. По сумме и разности отражений в видимом и ближнем инфракрасном диапазонах вычисляется индекс NDVI по формуле (1):
NIR-RGB
NVDI = (1)
NIR + RGB
где NearlR (NIR) - отражение в ближней инфракрасной области спектра; (VIS) RGB - отражение в видимой области спектра.
(0.50 + 0.08) (0.4 + 0.30)
Рисунок 2 - Расчет обработки КУ01
«Нормализованным» индекс стал в 1973 году, когда группа учёных из Техасского университета А&М стала считать не просто соотношение инфракрасного света к красному, а отношение их разницы к сумме. Это позволило привести все значения индекса к диапазону от -1 до 1, то есть «нормализовать» для более лёгкого сравнения между собой. Значения МОУ! от -1 до 0 это объекты неживой природы и инфраструктуры — снег, вода, песок, камни, дома, дороги и т. п. Значения для растений лежат в диапазоне от 0 до 1.
Существует множество ВИ, они в значительной степени похожи между собой. Но КОУ1 — это самый популярный и распространённый, к тому же и у него есть одно важное преимущество: высокое разрешение снимков, если использовать данные беспилотного летального аппарата. В таком случае для расчёта индекса МОУ! используются каналы с разрешением 10 метров — то есть 1 пиксель это 10 на 10 метров. Индексы, которые используются дополнительные световые каналы (в основном крайние красные), имеют разрешение 20 метров — то есть 1 пиксель это 20 на 20 метров.
Из недостатков МОУ! — при достижении определённого порога развития растения индекс теряет чувствительность. Иными словами, если растение развивается очень активно, то по МОУ! нельзя отличить аномально зелёное растение от «обычного»
зелёного. Ну и как со всеми остальными индексами, их точность зависит от погоды: если над каким-то полем долгое время висят облака, то спутниковый снимок будет неточным.
VARI (Visible Atmospheric Resistant Index, Видимый атмосферно-устойчивый индекс) - показатель фотосинтетической активности, разработанный специально для работы с RGB-камерами. VARI можно считать альтернативой индексу NDVI, если нет возможности использовать для съемки камеру с инфракрасным каналом. Вычисляется по формуле (2):
где Green - значения пикселов из зеленого канала;
Red - значения пикселов из красного канала;
Blue - значения пикселов из синего канала.
Такие карты оказывают большую помощь агроному, позволяя выявить и точно оценить масштабы проблемы. Они позволяют вовремя спланировать и провести технологические мероприятия по точному внесению удобрений или борьбе с вредителями.
Точное внесение средств защиты растений или удобрений существенно экономит деньги за счет своевременного их внесения не на все поля, а конкретно на очаг проблемы.
При помощи индекса VARI можно выявить неоднородности на поле, но сравнивать динамику поля нельзя, поскольку данный индекс очень чувствителен к условиям освещения.
Программа и методика испытания проекта
Чтобы подтвердить или опровергнуть такое большое количество индексов для БПЛА необходимо провести исследование. Для этого необходимо разработать ПО для расчёта всех вышеуказанных индексов.
Green — Red
(2)
VARI =
Green + Red — Blue
Для проведения исследования разрабатывается программное обеспечение для расчета ВИ. Для его реализации определяются сенсоры видимого и ближнего инфракрасного диапазонов.
В качестве средств разработки: язык программирования Python (версия 3.5+) с использованием пакетов, хранение данных MySQL. Использование выборках снимков в видимом и ближнем инфракрасном диапазонах.
Обработки данных были получены карты ВИ (Рисунок 3 и 4).
Рисунок 3 - обработка NVDI
Рисунок 4 - Обработка VARI
Заключение
Исследования показывают, что для аэрофотосъемки снимков NDVI является наиболее эффективным, что подтверждает его популярность в задачах ДЗЗ, однако, при небольших расстояниях корректнее использование VARI, так как определение биомассы оказывается значительно точнее, что видно из рисунка 4. Целью дальнейших исследований является разработка моделей, позволяющих автоматизированное совместное использование ВИ.
Библиографический список
1. Географические информационные системы и дистанционное зондирование (GIS-Lab) / Вегетационные индексы - URL: http://gis-lab.info/qa/vi.html
2. Сервис публикации документов DROPDOC [электронный ресурс] / Вегетационные индексы и использование спектрозональных данных БПЛА eBee Ag компании senseFly (Швейцария) - URL: https://dropdoc.ru/doc/576192/vegetacionnye-indeksy-i-ispol._zovanie
3. Черепанов А.С., Дружинина Е.Г., 2011: Вегетационные индексы // Геоматика - URL: https://sovzond.ru/upload/iblock/f46/2011_02_017.pdf
4. ГИС ArcGIS Pro [электронный ресурс] / Галерея индексов - URL: https://pro.arcgis.com/ru/pro-app/help/data/imagery/indices-gallery.htm
5. Selbeck, Jörn; Dworak, Volker; Hoffmann, Matthias and Dammer, Karl-Heinz (2014): Vegetation detection in agricultural applications with a single-chip camera - URL: http://tib.fiz-
karlsruhe.de/ir/item/escidoc:89111/components/component/escidoc:89112/content
6. Yufei Wei: Developing a web-based system to visualize vegetation trends by a nonlinear regression algorithm 2016 - URL: http://lup.lub.lu.se/luur/download?func=downloadFile&record OId=8882588&fileOId=8882613
