Оценка урожайности и содержания белка в зерне пшеницы методами гиперспектрального дистанционного зондирования для точного земледелия

Аннотация

Цель настоящего исследования заключается в определении роли гиперспектральных аэрофотоснимков высокого разрешения для мониторинга и прогнозирования внутриполевых вариаций урожайности зерна твердой пшеницы (GY) и содержания белка в зерне (GPC). Проводится регулярная аэрофотосъёмка, охватывающая разные стадии развития растений, чтобы изучить взаимозависимость между спектральными сигналами и параметрами качества зерна. Исследованы методики многовременного и спектрального анализа, способные расширить возможности точного земледелия и поддержать принятие эффективных агрономических решений.

Введение

Пшеница занимает центральное место в мировом производстве зерновых культур, уступая только кукурузе и рису. Её широкое распространение объясняется возможностью культивирования в широком диапазоне климатических условий и востребованностью в пищевой промышленности. Качество пшеницы определяется такими факторами, как урожайность (GY) и содержание белка (GPC), которые зависят от доступности питательных веществ, водных ресурсов и температурных условий.

Современное сельское хозяйство сталкивается с рядом проблем, обусловленных изменением климата и нестабильным рынком продуктов питания. Традиционные способы агрономического контроля не справляются с задачей быстрого реагирования на неблагоприятные условия. Именно поэтому возрастает интерес к технологиям дистанционного зондирования, способствующим быстрому мониторингу и прогнозированию урожайности и качества зерна.

Одна из наиболее многообещающих технологий в этой сфере — гиперспектральная съёмка, которая регистрирует тонкие спектральные характеристики, формируемые взаимодействием растений с окружающим светом. Данная методика позволяет объективно оценивать статус посевов и прогнозировать изменения качества зерна.

Методы исследования

Работа проводится на двух крупных опытных площадках в северной части долины Яки (Мексика), расположенных на ирригационных землях общей площадью 43 га. Объекты изучения — сорта пшеницы Cirno-C2008. Период наблюдений охватывает цикл от посева до уборки урожая, обеспечивая комплексную оценку динамики качественных характеристик зерна.

Аэрофотосъемка осуществляется каждую неделю с февраля по май, создавая последовательные наборы гиперспектральных изображений с частотой 400–850 нм. Лабораторные анализы зерновой массы проводятся непосредственно перед уборкой урожая, что позволяет сопоставить качественные характеристики с полученными спектральными данными.

Основные методы анализа:
·         Нормализованный разностный спектральный индекс (NDSI)
·         Отношение спектральных сигналов (RSI)
·         Время-взвешенный анализ главных компонент (tPCA)
·         Площадь под кривой интегрированного индекса (AUC)
Каждая методика направлена на выявление оптимальной длины волны и периода съёмки, позволяющих точнее прогнозировать качество зерна.

Исследование включает два основных подхода к анализу гиперспектральных данных: спектральный и многовременной анализ.

1. Спектральный анализ

Спектральный анализ предназначен для обнаружения связей между отражательной способностью растений и качественными показателями урожая. Применяются два базовых индекса: нормализованный разностный спектральный индекс (NDSI), отношение спектральных сигналов (RSI)

Процедура состоит из следующих этапов:

1.   Генерация полного набора возможных комбинаций длин волн (все пары длин волн из спектра 400–850 нм).
2.  Рассчёт NDSI и RSI для каждой возможной комбинации.
3.  Регрессионный анализ связи рассчитанных индексов с урожайностью (GY) и содержанием белка (GPC).
4.  Определение лучшей комбинации длин волн, дающей максимальную корреляцию с качественными показателями.

2. Многовременной анализ

Многовременной анализ рассматривает динамическое изменение спектральных характеристик растений в течение всего цикла роста. Основная цель — выявить, как изменяется отражательная способность на разных стадиях развития растений и какую пользу это приносит для прогнозирования урожайности и качества зерна.

Применяется два подхода:

- Временной анализ главных компонент (tPCA) - этот подход позволяет выявить доминирующие спектральные особенности, ассоциируемые с основными биологическими изменениями растений.

- Интеграция визуальных индексов (VI) во времени- это позволяет учесть долговременные изменения спектральных характеристик и улучшить прогнозирование качественного состава зерна. 


Результаты и обсуждение

Корреляционный анализ спектральных индексов с качественными показателями урожая позволил установить следующее:

·         Максимальная корреляция (R^2 до 0,32) проявляется при комбинации спектральных данных в ближнем инфракрасном диапазоне (750–840 нм) и краснокрайнем спектре (±720–736 нм). Эти комбинации оказываются наиболее показательными для прогнозирования урожайности (GY).
·         Прогнозирование содержания белка (GPC) остается сложной задачей ввиду естественного разброса значений. Предложенные спектральные методики демонстрируют скромные результаты (R^2 ≤ 0,21), подчёркивая трудности идентификации белков по гиперспектральным показателям.
·         Пространственная изменчивость содержания белка и урожайности ярко выражена, демонстрируя разницу между разными частями поля, что подчеркивает важность индивидуального подхода к уходу за культурами.

Время-взвешенный анализ (tPCA) позволил определить оптимальные периоды съёмки, совпадающие с периодом активного роста и цветения растений. Показатели интегрального индекса (AUC) подтвердили преимущество комплексной оценки качества зерна путём интегрирования спектральных данных за длительный период.

Заключение

Исследование доказало эффективность гиперспектральной съёмки для мониторинга и прогнозирования урожайности пшеницы (GY). Спектральные методики позволяют выделять зоны с повышенной урожайностью и дефицитом питательных веществ, облегчая процесс принятия агрономических решений.

Прогнозирование содержания белка (GPC) оказалось сложнее из-за естественного разнообразия данного параметра. Дополнительные исследования необходимы для разработки специализированных инструментов, адаптируемых к региональным особенностям и индивидуальным требованиям производителей.

Итоговые результаты подтверждают жизнеспособность гиперспектральной съёмки как инструмента поддержки принятия решений в современном сельском хозяйстве. Расширяя рамки применения технологий дистанционного зондирования, производители получают мощное средство для оптимизации управления ресурсами и повышения прибыльности предприятий.

Читать полную статью