Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 110-124
Дистанционный мониторинг посевов риса и алгоритм выявления неоднородностей
Е.В. Труфляк
1 , С.И. Скубиев
2 , В.В. Цыбулевский
1 , Н.В. Малашихин
1 1 Кубанский государственный аграрный университет, Krasnodar, Россия
2 Государственный университет по землеустройству, Москва, Россия
Одобрена к печати: 21.05.2019
DOI: 10.21046/2070-7401-2019-16-3-110-124
В 2018 г. на полях ВНИИ риса проводились работы, связанные с применением дистанционных исследований качественных показателей посева риса. Для этих целей на специально выделенных (двух равнозначных) делянках был осуществлён посев некоторых сортов риса разными моделями сеялок: СН-16 (заводской вариант, который был в хозяйстве) и КЛЕН-1.5П (собрана в ООО МИП «КЛЕН-АГРО» Кубанского государственного аграрного университета). Для дистанционного наблюдения за вегетацией риса использовался беспилотный летательный аппарат DJI Phantom 4 PRO (съёмка осуществлялась как в видимом диапазоне спектра, так и в ближней ИК-зоне). Применялись также и наземные методы контрольных измерений высоты и количества растений для проведения дальнейшего сравнительного анализа полученных результатов дистанционного мониторинга. Использовалась цифровая модель местности, построенная по материалам аэрофотосъёмок с целью определения высоты растительного покрова дистанционными методами. Продольные и поперечные профили всходов на тестируемых участках заданных направлений были получены в программной среде Global Mapper 19.1. Также при анализе были использованы результаты обработки материалов съёмок в программе «КОМПАС-3D». При обработке изображений Plant Health двух участков по сеялкам СН-16 и КЛЕН-1.5П, полученных в программе DroneDeploy, применялся алгоритм, выполненный в Mathcad 15, с помощью которого определялось среднее значение кода плотности тона изображения в массиве и количество пикселей, находящихся в выбранном диапазоне. В результате проведённых экспериментов на основании наземных и дистанционных исследований определено, что после посева сеялкой КЛЕН-1.5П по сравнению с СН-16 количество всходов на 53 % выше при одной норме высева семян, высота растений больше на 17 % (перед уборкой — на 2 %), а длина метёлки перед уборкой ― на 6 %, урожайность выше на 12 ц/га.
Ключевые слова: дистанционное зондирование, беспилотный летательный аппарат (БПЛА), сеялка, рис, испытания, качественные показатели посева, алгоритм, статистические показатели
Полный текстСписок литературы:
- Дьяконов В. Mathcad 2000: учеб. курс. СПб.: Питер, 2000. 592 с.
- Bastiaansen W. G. M., Ali S. A New Crop Yield Forecasting Model Based on Satellite Measurements Applied Across the Indus Basin, Pakistan // Agriculture, Ecosystems and Environment. 2003. V. 94. No. 3. P. 321–340.
- Chang K. W., Shen Y., Lo J. C. Predicting Rice Yield Using Canopy Reflectance Measured at Booting Stage // Agronomy Jl. 2005. V. 97. No. 3. P. 872–878. DOI: 10.2134/agronj2004.0162.
- Doraiswamy P. C., Hatfield J. L., Jackson T. J., Akhmedov B., Prueger J., Stern A. Crop Condition and Yield Simulations Using Landsat and MODIS // Remote Sensing of Environment. 2004. V. 92. No. 4. P. 548–559.
- Inoue Y., Moran M. S., Horie T. Analysis of Spectral Measurements in Paddy Field for Predicting Rice Growth and Yield Based on a Simple Crop Simulation Model // Plant Production Science. 1998. V. 1. No. 4. P. 269–279.
- Inoue Y., Penuelas J., Miyata A., Mano M. Normalized Difference Spectral Indices for Estimating Photosynthetic Efficiency and Capacity at a Canopy Scale Derived from Hyperspectral and CO2 Flux Measurements in Rice // Remote Sensing of Environment. 2008. V. 112. No. 1. P. 156–172.
- Kuenzer C., Knauer K. Remote sensing of rice crop areas // Intern. J. Remote Sensing. 2013. V. 34. No. 6. P. 2101–2139.
- Shibayama M., Akiyama T. Estimating Grain Yield of Maturing Rice Canopies Using High Spectral Resolution Reflectance Measurements // Remote Sensing of Environment. 1991. V. 36. No. 1. P. 45–53.
- Tennakoon S. B., Murty V. V. N., Eiumnoh A. Estimation of Cropped Area and Grain Yield of Rice Using Remote Sensing // Intern. J. Remote Sensing. 1992. V. 13. No. 2. P. 427–439.
- Wiegand C., Shibayama M., Yamagata Y., Akiyama T. Spectral Observations for Estimating the Growth and Yield of Rice // Japanese J. Crop Science. 1989. V. 58. No. 4. P. 673–683.
- Yang C. M., Su M. R. Correlation of Spectral Reflectance to Growth in Rice Vegetation // 19th Asian Conf. Remote Sensing. Manila, Philippines, Nov. 16–20 1998. 1998. 6 p.
- Yang C. M., Chen R. K. Modeling Rice Growth with Hyperspectral Reflectance Data // Crop Science Society of America. 2004. V. 44. No. 4. P. 1283–1290. DOI: 10.2135/cropsci2004.1283.