Последние достижения в области технологий гиперспектральной съемки и их применения в сельском хозяйстве

Аннотация

Гиперспектральная съемка — это перспективная технология для мониторинга состояния сельскохозяйственных культур и почвы, основанная на получении изображений в сотнях узких спектральных каналах. В отличие от мультиспектральных методов, она позволяет детально анализировать биофизические и биохимические свойства растений, что особенно важно для точного земледелия.

В последние годы стали доступны миниатюрные и недорогие гиперспектральные датчики, устанавливаемые на беспилотные летательные аппараты (БПЛА), а также новые космические системы (PRISMA, DESIS, EnMAP). Это открывает новые возможности для сельскохозяйственного мониторинга, хотя обработка и анализ данных остаются сложными задачами из-за большого объема и высокой размерности информации.

Данный обзор систематизирует знания о платформах и датчиках гиперспектральной съемки, методах обработки и анализа данных, а также о последних достижениях в применении этой технологии в сельском хозяйстве.

1. Введение

Сельское хозяйство сталкивается с вызовами: рост населения, истощение ресурсов, изменение климата. Точное земледеление позволяет оптимизировать использование ресурсов и повысить урожайность. Гиперспектральная съемка, в отличие от мультиспектральной, обеспечивает высокое спектральное разрешение, что позволяет:

• Раннее выявлять стресс растений (болезни, дефицит питательных веществ).
• Точнее оценивать параметры урожая (хлорофилл, биомасса, LAI — индекс площади листьев).

Однако ранее технология была ограничена высокой стоимостью и сложностью обработки данных. Сегодня, с развитием БПЛА и новых спутников, гиперспектральные данные становятся более доступными.

2.. Платформы и датчики гиперспектральной визуализации

Сегодня доступно множество платформ для получения гиперспектральных изображений, среди которых выделяются: Спутники, самолёты, беспилотные аппараты (БПЛА), наземные и лабораторные системы.

Каждая платформа обладает уникальными преимуществами и недостатками, такими как пространственное разрешение, временной интервал и доступность данных.

2.1. Спутниковые системы

• Примеры: Hyperion (EO-1), PROBA-CHRIS, PRISMA, EnMAP.
• Преимущества: Широкое покрытие, регулярный мониторинг.
• Недостатки: Среднее пространственное разрешение (20–60 м), длительный цикл повторной съемки, влияние облачности.

Таблица 1.Характеристики часто используемых гиперспектральных датчиков

2.2. Гиперспектральная съемка с самолета

• Примеры: AVIRIS, CASI, HyMap.
• Преимущества: Высокое разрешение (1–20 м), гибкость планирования.
• Недостатки: Высокая стоимость, сложность организации полетов.

2.3. Гиперспектральная съемка с помощью БПЛА

• Примеры: Headwall Micro-Hyperspec, Cubert UHD 185-Firefly.
• Преимущества: Высокое пространственное разрешение (см-дм), низкая стоимость, оперативность.
• Недостатки: Ограниченный охват, зависимость от погоды и правил полетов.

2.4. Гиперспектральная визуализация ближнего действия (наземная или лабораторная)

• Применение: Исследование листьев и почвы в контролируемых условиях.
• Преимущества: Сверхвысокое разрешение, детальный анализ.
• Недостатки: Ограниченный масштаб, сложность переноса результатов на поле.

3. Методы обработки и анализа гиперспектральных изображений

Для эффективного использования гиперспектральных данных применяются разнообразные методики:

• Предварительная обработка: геометрическая и радиометрическая коррекция, сокращение размерности данных.
• Анализ данных: линейная регрессия, моделирование переноса излучения (RTM), машинное и глубокое обучение.

Эти методы помогают извлекать важные показатели сельскохозяйственных культур, такие как содержание хлорофилла, площадь листовой поверхности (LAI), влажность почвы и другие.

4. Применение гиперспектральной съемки в сельском хозяйстве4.1. Оценка состояния сельскохозяйственных культур

• Биохимические параметры: хлорофилл, азот, вода.
• Биофизические параметры: LAI, биомасса, урожайность.
• Пример: Гиперспектральные данные позволяют точно оценивать содержание азота в листьях пшеницы и кукурузы, что помогает оптимизировать внесение удобрений.

4.2. Мониторинг болезней и стрессов

• Раннее выявление заболеваний (фузариоз, ржавчина) и вредителей.
• Пример: Обнаружение желтой ржавчины пшеницы по гиперспектральным снимкам с БПЛА.

4.3. Классификация культур и сорняков

• Различение типов культур, стадий роста, идентификация сорняков.
• Пример: Классификация сорняков в посевах кукурузы с точностью более 90%.

4.4. Исследование свойств почвы

• Оценка влажности, содержания органического углерода, засоления.
• Пример: Картирование органического углерода почвы по данным Hyperion.

5. Выводы и перспективы

Гиперспектральная съемка становится ключевым инструментом точного земледелия благодаря:

1. Доступности: Развитие БПЛА и новых спутников снижает стоимость и увеличивает доступность данных.
2. Точности: Высокое спектральное разрешение позволяет решать задачи, недоступные для мультиспектральных методов.
3. Гибкости: Возможность использования различных платформ (спутники, БПЛА, наземные системы) для разных задач.

Перспективные направления:

• Интеграция гиперспектральных данных с другими источниками (радар, лидар, погодные данные).
• Развитие методов глубокого обучения для автоматической обработки и анализа.
• Создание стандартизированных протоколов обработки данных для различных датчиков.
• Расширение применения в экосистемных исследованиях (биоразнообразие, услуги экосистем).

Заключение

Гиперспектральная съемка — это мощная и быстро развивающаяся технология, способная революционизировать сельское хозяйство. Она позволяет перейти от реактивного к превентивному управлению, оптимизировать использование ресурсов и повысить устойчивость агросистем. Для успешного внедрения необходимо продолжать исследования в области обработки данных, разработки алгоритмов и интеграции с другими технологиями.

Читать полную статью