Разработка прецизионных технологий фитосанитарного мониторинга агроэкосистем на основе использования данных дистанционного гиперспектрального зондирования Земли

Р. Ю. ДАНИЛОВ1, кандидат биологических наук, старший научный сотрудник (е-mail: daniloff. roman2011@yandex.ru) В. Я. ИСМАИЛОВ1, кандидат биологических наук, зам. директора В. А. ТРЕТЬЯКОВ2, главный специалист (е-mail: corp@tsniimash.ru) О. Ю. КРЕМНЕВА1, кандидат биологических наук, врио зав. лабораторией Ю. В. ШУМИЛОВ1, кандидат сельскохозяйственных наук, старший научный сотрудник А. А. РИЗВАНОВ2, зам. руководителя отдела В. В. КРИВОШЕИН2, ведущий специалист И. А. КОСТЕНКО3, кандидат биологических наук, ведущий специалист (е-mail: igorkosten@yandex.ru) 1 Всероссийский научно-исследовательский институт биологической защиты растений, Краснодар, п/о 39, 350039, Российская Федерация 2 Центральный научно-исследовательский институт машиностроения, ул. Пионерская, 4, Королев, Московская обл., 141070, Российская Федерация 3 Министерство природных ресурсов Краснодарского края, ул. Северная, 275/1, Краснодар, 350020, Российская Федерация

Резюме.Исследования проводили с целью разработки прецизионных методов диагностики болезней и вредителей посевов наиболее распространенных сельскохозяйственных культур на основе анализа данных наземных и дистанционных гиперспектральных измерений агроэкосистем. На опытных полях Всероссийского научно-исследовательского института биологической защиты растений были созданы тестовые участки следующих экономически значимых сельскохозяйственных культур: озимой пшеницы с искусственным инфекционным фоном бурой ржавчины (Puccinia triticina Rob.ex Desm. f. sp. tritici) и фоновой обработкой гербицидом сплошного действия; ярового ячменя с различной степенью поврежденности личинками пьявицы красногрудой (Lemma melanopus L.). Осуществляли наземные гиперспектральные измерения тестовых участков в широком диапазоне электромагнитного излучения от 0,35 до 2500 нм с высоким спектральным разрешением от 1 до 10 нм. Проводили испытания беспилотного летательного аппарата, укомплектованного гиперспектральной камерой. Сформирована библиотека спектров сельскохозяйственных культур. Анализ коэффициентов отражения озимой пшеницы с различной степенью поражения бурой ржавчиной позволил выявить закономерное сглаживание зеленого пика отражения и смещение красного пика поглощения в зависимости от степени поражения болезнью. Аналогичные изменения отражательной способности отмечены для растений ярового ячменя в разной степени поврежденных личинками пьявицы красногрудой. Изучение зависимости показателей спектральной яркости растений озимой пшеницы от изменения их физиологического состояния, происходящего после обработки гербицидом сплошного действия, позволило установить, что существенные изменения отражательной способности в видимой части спектра прослеживаются уже на 2-е сутки действия препарата, когда внешние признаки еще не позволяют диагностировать угнетение растений. Оценка информативности 15-и общепринятых вегетационных индексов выявила наличие тесной корреляции спектральных характеристик растений со степенью их поражения вредными биообъектами. Использование полученной информации открывает возможности для оперативного контроля состояния посевов сельскохозяйственных культур с целью обеспечения высокой эффективности защитных мероприятий и снижения пестицидной нагрузки на агроэкосистемы. Ключевые слова: дистанционное зондирование Земли, фитосанитарный мониторинг, спектрометр, тестовые участки, спектральные характеристики растений, вегетационные индексы. Для цитирования: Разработка прецизионных технологий фитосанитарного мониторинга агроэкосистем на основе использования данных дистанционного гиперспектрального зондирования Земли / Р. Ю. Данилов, В. Я. Исмаилов, В. А. Третьяков и др. // Достижения науки и техники АПК. 2018. Т. 32. № 10. С. 82–86. DOI: 10.24411/0235-2451-2018-11019.

Внедрение технологий дистанционного зондирования Земли (ДЗЗ) в существующую систему фитосанитарного мониторинга посевов сельскохозяйственных культур открывает возможности для оперативного обследования обширных площадей сельскохозяйственных угодий с обеспечением высокой репрезентативности и достоверности получаемой информации [1]. Сама идея использования данных ДЗЗ в сельском хозяйстве берет свое начало еще в 70-х гг. прошлого века, когда появление многозональных (мультиспектральных) съемочных систем привело к тому, что во многих странах было начато активное изучение спектральной отражательной способности природных объектов, в том числе почв и растительного покрова [2, 3, 4]. Современный уровень развития средств ДЗЗ ознаменовался появлением образцов гиперспектральной аппаратуры космического и авиационного базирования. В отличие от мультиспектральных съемочных систем, избирательно регистрирующих отдельные широкие области электромагнитного спектра, гиперспектрометры способны регистрировать сплошную спектральную сигнатуру излучения, отраженного от снимаемой местности, в виде совокупности относительно узких смежных спектральных каналов, охватывающих ультрафиолетовый, видимый и инфракрасный электромагнитные диапазоны. Применение такой аппаратуры открывает новые перспективы для получения объективной информации о характерных особенностях спектрального и пространственного распределения объектов аэрокосмического мониторинга [5, 6]. Вопросы оценки физиологического состояния посевов культурных растений на основе анализа данных гиперспектральных съемок посредством использования ГИС-технологий – предмет активного изучения за рубежом [7, 8, 9, 10]. В отечественной научной литературе встречаются лишь единичные публикации о проведении исследований в этом направлении [11, 12]. Анализ доступных источников позволяет заключить, что создание комплексных систем мониторинга состояния агроценозов на основе использования гиперспектральных данных ДЗЗ, как в России, так и в мире в целом осложняет недостаток фундаментальных исследований в этой области и отсутствие регулярных экспериментальных результатов, полученных в полевых условиях за весь период вегетации растений [13, 14].
Неполные сведения не позволяют надежно определять корреляции между спектрами отражения и биометрическими параметрами растительного покрова [15, 16]. Поэтому в основе дистанционного фитосанитарного мониторинга лежат знания о связи структуры и состояния растительности с ее спектральными отражательными способностями. С другой стороны, постоянное развитие технических средств ДЗ и появление новых гиперспектральных приборов с высоким разрешением требует создания соответствующих ГИС-технологий и программных средств анализа, обеспечивающих более высокий уровень обработки данных [17]. Цель наших исследований – разработка прецизионных методов диагностики болезней и вредителей посевов основных сельскохозяйственных культур на основе анализа данных, полученных в результате наземных и дистанционных гиперспектральных измерений агроэкосистем. Условия, материалы и методы. На экспериментальных полях ВНИИБЗР созданы и подобраны тестовые участки, занятые озимой пшеницей с искусственным инфекционным фоном бурой ржавчины (Puccinia triticina Rob. ex Desm. f. sp. tritici) и фоновой обработкой гербицидом сплошного действия; озимым ячменем с искусственным инфекционным фоном карликовой ржавчины (Puccinia hordei G.H. Otth.); яровым ячменем с различной численностью и степенью поврежденности личинками пьявицы красногрудой (Lemma melanopus L.). В ходе исследований проводили регулярный фитосанитарный мониторинг посевов и опытных площадок, приуроченный к срокам наземных и авиационных гиперспектральных измерений. Приборная база наземных полевых исследований была представлена прокалиброванными по абсолютной интенсивности излучения, автоматизированными спектрометрами Ocean Optics Maya 2000-Pro и Ocean Optics SD2000, которые позволяют наблюдать за отраженным солнечным излучением в режиме on-line. Они имеют высокое спектральное разрешение порядка 1…5 нм и регистрируют непрерывную зависимость отраженного излучения от длины волны в виде совокупности относительно узких смежных каналов, покрывающих весь рабочий диапазон спектрометров, который охватывает ультрафиолетовую, видимую и ближнюю инфракрасную (БИК) области спектра. Для разработки многоцелевой технологии дистанционного фитосанитарного мониторинга сельскохозяйственных культур провели испытания беспилотного летательного аппарата GEOSCAN, укомплектованного гиперспектральной камерой Gamaya. В результате полетов по заданному с использованием GPS-координат маршруту получили спектры более 10 сельскохозяйственных культур с различной степенью поражения вредителями и болезнями.
В процессе измерений проводили регулярную калибровку аппаратуры с использованием белого тела с известным коэффициентом отражения. После измерений спектры обрабатывали с помощью программного обеспечения Origin 6.1. Построены графики количественных спектральных характеристик растительных объектов: энергетической яркости и коэффициента отражения. Физическая основа распознавания растительных объектов – специфика отражательной способности, которая определяется протекающими физиологическими процессами, что в свою очередь позволяет регистрировать зависимость спектральных характеристик от стадий развития и физиологического состояния изучаемых объектов. Как правило, отражательная способность зеленого растения характеризуется относительно низким показателем в синей и красной областях спектра, некоторым его увеличением в зеленой зоне и резко выраженным максимумом в БИК-диапазоне. При этом отражательные характеристики растений в видимом диапазоне спектра определяются составом и количеством пигментов: в ближней инфракрасной зоне – внутриклеточной структурой, а в средней инфракрасной – содержанием воды в тканях [18]. С целью выявления специфических спектральных диапазонов, свидетельствующих о проявлении изменений, вызванных воздействием вредных объектов, провели анализ изменения морфологии спектральных сигнатур энергетической яркости и коэффициента отражения растительных объектов в зависимости от их фактического состояния, учтенного во время полевых обследований. В рамках этой работы осуществляли статистическую обработку данных полевой спектрометрии с расчетом средней арифметической, дисперсии и стандартного отклонения. На основе полученных значений оценивали достоверность различий спектральных характеристик растительных объектов в видимой и инфракрасной области спектра, которую осуществляли методом попарной статистической разделимости вариантов пары взаимно расположенных классов [19], основанным на сравнении разности средних значений и суммы стандартных отклонений совокупности показателей двух величин. Один из наиболее информативных и точных методов оценки изменения биохимических параметров растений – преобразование конкретных диапазонов спектра отражения в вегетационные индексы посредством элементарных математических операций [20]. В качестве первого шага к освоению методологии вегетационной индексации была проведена оценка информативности 15-и общепринятых веге тационных индексов [21, 22, 23, 24, 25, 26]. Для этого общее число расчетных вариантов индексных зависимостей подразделяли на отдельные группы индексов, которые оценивают определенные вегетационные параметры растительных объектов. Рассчитанные значения индексов подвергали статистической обработке посредством корреляционного анализа с целью определения их линейной зависимости от фактически учтенных фитосанитарных параметров растительных объектов в виде уравнений связи с вычислением коэффициента корреляции [28]. Выявление наиболее информативных вегетационных индексов в рамках отдельных групп, проводили путем анализа величин критерия Фишера (F-критерия) [27].

Результаты и обсуждение.

В результате проведенных исследований был собран массив (банк) данных количественных спектральных характеристик растительных объектов: энергетической яркости и коэффициента отражения в ультрафиолетовой, видимой и ближней инфракрасной областях спектра. На основе их обработки проведена работа по формированию базы данных спектральных характеристик сельскохозяйственных культур в программе Microsoft Acces 2007. Анализ коэффициентов отражения озимой пшеницы с различной степенью поражения бурой ржавчиной позволил выявить закономерное сглаживание зеленого пика отражения и смещение красного пика поглощения в зависимости от их степени поражения болезнью (рис. 1). Эта закономерность подтверждается аналогичными выводами других исследователей, изучавших изменения спектральных характеристик зерновых культур, зараженных грибными заболеваниями [28]. Расчет коэффициентов отражения растений ярового ячменя, в разной степени поврежденных личинками пьявицы красногрудой, показал аналогичную предыдущему примеру с бурой ржавчиной зависимость отражательной способности растений от степени повреждения вредителем (рис. 2).

Изучение зависимости показателей спектральной яркости растений озимой пшеницы от изменения их физиологического состояния, происходящего после обработки гербицидом сплошного действия, позволило установить, что существенные изменения отражательной способности в видимой части спектра прослеживаются уже на 2-е сутки действия препарата, когда внешние признаки еще не позволяют диагностировать угнетение растений (рис. 3). Анализ расчета 7 индексов «зелености» для растений озимого ячменя с различной интенсивностью развития карликовой ржавчины, которые применяют для оценки состояния ксантофиллов и изменения содержания хлорофилла в растениях, показывает наличие тесной корреляции спектральных характеристик растений со степенью их поражения болезнью (см. табл.). Это свидетельствует о высокой степени надежности уравнений регрессии, выражающих зависимость величин вегетационных индексов от учтенных фитосанитарных параметров посевов. Выводы. На тестовых участках ВНИИБЗР проведены испытания современной гиперспектральной аппаратуры наземного и авиационного базирования, в результате которых получены оригинальные спектральные характеристики посевов основных сельскохозяйственных культур. Сформирована база данных гиперспектральных оптических характеристик посевов в ультрафиолетовой, видимой и ближней инфракрасной областях спектра на фоне различной степени их поражения (повреждения) вредными биообъектами. Разрабатываемые научные и методические основы новой технологии фитосанитарного мониторинга агроэкосистем позволили получить новые фундаментальные данные по диагностике поражения и повреждения сельскохозяйственных культур болезнями и вредителями. Использование полученной информации открывает возможности для оперативного контроля за состоянием посевов сельскохозяйственных культур с целью обеспечения высокой эффективности защитных мероприятий, что в свою очередь будет способствовать оптимизации финансовых затрат при их выращивании и снижению пестицидной нагрузки на агроэкосистемы. Другое важное значение эти данные имеют для валидации дистанционных космических наблюдений с использованием многоспектральной и гиперспектральной аппаратуры.

Литература.

1. Темников В. Н., Мельник Н. Н., Столпаков А. В. Минсельхоз ставит на новые технологии: внедрение ГИС в сельском хозяйстве // ArcReviev. 2004. № 2 (29) [Электронный ресурс]. URL: https: //www.esricis.ru/news/arcreview/detail.php?ID=1974&SECTION_ ID=52 (дата обращения: 25.08.2018).
2. Кондратьев К. Я. Альбедо и угловые характеристики отражения постилающей поверхности и облаков. Л.: Гидрометеоиздат, 1981. 233 с.
3. Дейвис Ш. М. Дистанционное зондирование: количественный подход. М.: Недра, 1983. 415 с.
4. Campbell J. B. Spatial correlation effects upon accuracy of supervised classification of land cover // Photogrammetric Engineering and Remote Sensing. 1981. Nо. 47. Pр. 355–363.
5. Демидова Л. А., Юдаков A. A. Сегментация гиперспектральных изображений с применением ансамбля алгоритмов кластеризации // Программные информационные системы: межвуз. сб. науч. тр. Рязань: РГРТУ, 2013. С. 33–49.
6. Улучшение процесса тематической обработки гиперспектральной информации / В. А. Третьяков, А. Ю. Кротков, В. В. Кривошеин и др. // Цифровая обработка сигналов. 2017. № 3. С. 28–32.
7. Plant disease detection based on data fusion of hyper-spectral and multi-spectral fluorescence imaging using Kohonen maps / D. Moshou, C. Bravo, R. Oberti, etc. // Journal of RealTime Image Processing. 2005. No. 11 (2). Pp. 75–83.
8. Early disease detection in wheat fields using spectral reflectance / C. Bravo, D. Moshou, J. West, etс. // Biosyst. Eng. 2003. Nо. 84. Pр. 137–145.
9. Spectral signatures of sugar beet leaves for the detection and differentiation of diseases. / A.-K. Mahlein, U. Steiner, H.-W. Dehneet, etc. // Precision Agriculture. 2010. No. 11 (4). Pp. 413–431.
10. Kiran R. Gavhale, Ujwalla Gawande An Overview of the Research on Plant Leaves Disease detection using Image Processing Technique // IOSR Journal of Computer Engineering (IOSR-JCE). 2014. Vol. 16. No. 1. Pp. 10–16.
11. Моделирование и тематическая обработка изображений, идентичных видеоданным с готовящейся к запуску и разрабатываемой гиперспектральной аппаратуры ДЗЗ / Л. Н. Чабан, Г. В. Вечерук, Т. В. Кондранин и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 111–121.
12. Применение авиационных гиперспектральных снимков и наземных данных для целей точного земледелия / А. А. Деркачева, О. В. Тутубалина, М. В. Зимин и др. // Земля из космоса — наиболее эффективные решения. 2015. Спецвыпуск. С. 43–46. 13. Антоненко В. С., Гаценко Р. В., Бенедичук Л. Э. Временная изменчивость спектральных коэффициентов яркости посевов ярового ячменя и ее учет при аэрофотометрических обследованиях состояния посева // Труды УкрНИГМИ. М.: Гидрометеоиздат, 1992. Вып. 244. С. 116–128.
14. Сидько А. Ф., Шевырногов А. П. Изучение сезонной зависимости спектральной яркости посевов сельскохозяйственных культур от содержания хлорофилла и физиологических параметров растений // Исследование Земли из космоса. 1998. № 3. С. 96–105.
15. Антоненко В. С. Теоретические и методические вопросы интерпретации дистанционных спектрофотометрических обследований посевов основных полевых культур в Украине // Метеорология, климатология и гидрология. Одесса: ОГНИ, 1997. Вып. 34. С. 162–183.
16. Кривобок А. А. Использование многоспектральной спутниковой информации для идентификации посевов сельскохозяйственных культур // Наук. праці УкрНДГМІ. 2000. Вип. 248. С. 190–198.
17. Гиперспектральные исследования поражения сельскохозяйственных культур фитопатогенами / Э. Я. Исмаилов, В. Д. Надыкта, В. Я. Исмаилов и др. // Космонавтика и ракетостроение. 2012. № 3(68). С. 98–103.
18. Кочубей С. М., Шадчин Т. М., Кобец Н. И. Спектральные свойства растений как основа методов дистанционной диагностики. Киев: Наукова думка, 1990. 134 с.
19. Чабан Л. Н. Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных. М.: МИИГАиК, 2013. 96 с.
20. Разработка методов оценки состояния посевов сельскохозяйственных культур на основе расчета гиперспектральных вегетационных индексов / Р. Ю. Данилов, В. Я. Исмаилов, Ю. В. Шумилов и др. // Биологическая защита растений – основа стабилизации агроэкосистем: материалы международной научно-практической конференции. Краснодар: ФГБНУ ВНИИБЗР, 2016. Вып. 9. С. 36–40.
21. Gitelson A. A, Mayo M., Yacobi Y. Z. Optical models of Sea of Galilee and its application for remote observations of the phytoplankton // Physical Measurements and Signatures in Remote Sensing: Proceedings Sixth Int. Symp. (17-21 January 1994, Val d’Isere, France): CNES, 1994. Pp. 277–283.
22. Sims J., James C., Harrison D. A. Monitoring the contribution of general practice to population health activities // The Health Promotion Journal of Australia. 2002. Vol. 13 (3). Pp. 189-192.
23. Datt B. A New reflectance index for remote sensing of chlorophyll content in higher plants: Tests using eucalyptus leaves // Journal of Plant Physiology. 1999. Vol. 154. Pр. 30–36.
24. Vogelmann J. E., Rock B. N., Moss D. M. Red edge spectral measurements from sugar maple leaves // Remote Sensing of Environment. 1993. Vol. 14. Pр. 1563–1575.
25. Sims D. A., Gamon J. A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages // Remote Sensing of Environment. 2002. Vol. 81(2/3). Pр. 337–354.
26. Merton R. N., Huntington J. F. Early simulation results of the ARIES-1 satellite sensor for multi-temporal vegetation research derived from AVIRIS // Proceedings of the Eighth Annual JPL Airborne Earth Science Workshop. NASA, Jet Propulsion Laboratory, Pasadena, California, USA: JPL Publication, 1999. Рp. 299–307.
27. Доспехов Б. А. Методика полевого опыта (с основами статистической обработки результатов исследований). М: Агропромиздат, 1985. 351 с.
28. Бекмухамедов Н. Э., Карабкина Н. Н. Изменение спектральных характеристик растений яровой пшеницы зараженных грибковыми болезнями // Электронный научно-практический журнал «Сельское, лесное и водное хозяйство». 2013. № 10 (25) [Электронный ресурс]. URL: http://agro.snauka.ru/2013/10/1169 (дата обращения: 25.08.2018).