Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 131-142

Дистанционный контроль ранней стадии различных типов стресса растений

О.В. Григорьева 1 , В.Н. Груздев 1, 2 , И.В. Дроздова 3 , Б.В. Шилин 1, 2 
1 Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия
2 Санкт-Петербургский научно-исследовательский центр экологической безопасности РАН, Санкт-Петербург, Россия
3 Ботанический институт имени В.Л. Комарова РАН, Санкт-Петербург, Россия
Одобрена к печати: 15.12.2020
DOI: 10.21046/2070-7401-2021-18-2-131-142
При внезапном кратковременном или длительном воздействии неблагоприятных факторов у растений в короткие сроки — от нескольких до десятков часов — возникают спектральные аномалии в ближнем инфракрасном диапазоне 750–1000 нм до появления у растений видимых морфологических изменений. Приводятся результаты измерений аномалий коэффициента спектральной яркости (КСЯ) при воздействии таких стрессоров, как тяжёлые металлы, ионизирующие излучения, нефтепродукты, механические повреждения. Объекты исследований — фасоль, клён, дуб и др. В основном зафиксированы отрицательные аномалии (понижения КСЯ) из-за угнетающего воздействия на растения большинства стрессоров, хотя и наблюдается в ряде случаев положительная аномалия в виде инверсии яркостных контрастов. Величина спектральной аномалии и длительность её существования позволяют сделать уверенный вывод о возможности обнаружения и картографирования площадей растений, поражённых стрессом, по данным аэрокосмических видеоспектральных систем высокого пространственного и спектрального разрешения.
Ключевые слова: стресс растений, спектральные характеристики, видеоспектрометры, спектрорадиометры
Полный текст

Список литературы:

  1. Алексеев А. А., Шилин Б. В., Шилин И. Б. Опыт полевых видеоспектральных исследований //Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 4. С. 89–94.
  2. Бакина Л. Г., Груздев В. Н., Дроздова И. В., Шилин Б. В. Дистанционное обнаружение стресса растительности на ранних стадиях воздействия тяжелыми металлами // Региональная экология. 2016. № 1(43). С. 81–89.
  3. Григорьева О. В., Саидов А. Г., Панин А. В. Индикатор состояния почво-грунтов в районах обращения нефти и нефтепродуктов, полученный неконтактными средствами наблюдений // Экология и промышленность России. 2010. № 10. С. 2–5.
  4. Григорьева О. В., Дроздова И. В., Шилин Б. В. Экспериментальное обоснование возможностей видеоспектральной дистанционной индикации кратковременного стресса растительности // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 7. С. 78–88. DOI: 10.21046/2070-7401-2018-15-7-78-88.
  5. Груздев В. Н., Дроздова И. В., Кузнецов А. Ю., Шилин Б. В. Решение задач экологической безопасности видеоспектральным методом // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 1. С. 8–17. DOI: 10.21046/2070-7401-2018-15-1-9-17.
  6. Кравцов С. Л., Голубцов Д. В., Лисова Е. Н. Анализ спектральных каналов для дистанционного мониторинга состояния растительности (по зарубежным публикациям) // Исслед. Земли из космоса. 2013. № 1. С. 79–91. DOI: 10.7868/S020596141301003X.
  7. Кронберг П. Дистанционное изучение Земли: Основы и методы дистанционных исследований / пер. с нем. М.: Мир, 1988. 343 с.
  8. Шилин Б. В., Горный В. И., ВеремьевВ. И. История применения дистанционных методов при ликвидации аварии на Чернобыльской атомной станции // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 27–36.
  9. Ayala-Silva T., Beyl C. A. Changes in spectral reflectance of wheat leaves in response to specific macronutrient deficiency // Advances in Space Research. 2005. V. 35. P. 305–317. DOI: 10.1016/j.asr.2004.09.008.
  10. Bandaru V., Daughtry C. S., Codling E. E., Hansen D. J., White-Hansen S., Green C. E. Evaluating Leaf and Canopy Reflectance of Stressed Rice Plants to Monitor Arsenic Contamination // Intern. J. Environmental Research and Public Health. 2016. V. 13(6). Art. No. 606. 16 p. URL: https://doi.org/10.3390/ijerph13060606.
  11. Bowker D. E., Davis R. E., Myrick D. L., Stacy K., Jones W. T. Spectral Reflectances of Natural Targets for Use in Remote Sensing Studies / NASA Reference Publication. 1139. 1985. 188 p.
  12. Domínguez-BeisiegelM., CastañedaC., MougenotB., HerreroJ. Analysis and Mapping of the Spectral Characteristics of Fractional Green Cover in Saline Wetlands (NE Spain) Using Field and Remote Sensing Data // Remote Sensing. 2016. V. 8(7). Art. No. 590. 19 p. URL: https://doi.org/10.3390/rs8070590.
  13. Jacquemoud S., Ustin S. L. Leaf optical properties: a state of the art // Proc. 8th Intern. Symp. Physical Measurements and Signatures in Remote Sensing. Aussois, France. 2001. P. 223–232.
  14. Kruse F. A., BoardmanJ. W. Characterization and Mapping of Kimberlites and Related Diatremes Using Hyperspectral Remote Sensing // Proc. IEEE AeroSpace Conf. Big Sky, Montana. 2000. V. 3. P. 299–304. DOI: 10.1109/AERO.2000.879859.
  15. Kuhn F., HorigB. Hydrocarbon Index — An algorithm for hyperspectral detection of hydrocarbons // Intern. J. Remote Sensing. 2004. V. 25(12). P. 2467–2473. DOI: 10.1080/01431160310001642287.
  16. Schwartz G., Eshel G., Ben-Haim M., Ben-Dor E. Reflectance spectroscopy as a rapid tool for qualitative mapping and classification of hydrocarbons soil contamination. Tel Aviv, Israel, 2009. 7 p. URL: https://pdfs.semanticscholar.org/fe4b/e6cb350831bf8067d8e6cb8519ca4781cb70.pdf.
  17. Van der Meer F. D. Imaging spectrometry: Basic Principles and Prospective Applications. Kluwer Academic Publishers, 2006. 403 р.
  18. Wahabzada M., Mahlein A.-K., Bauckhage C., Steiner U., Oerke E.-C., Kersting K. Metro Maps of Plant Disease Dynamics — Automated Mining of Differences Using Hyperspectral Images // PLoS ONE. 2015. V. 10(1). Art. No. e0116902. 20 p. URL: https://doi.org/10.1371/journal.pone.0116902.
  19. Zhang C., Ren H., Dai X., Qin Q., Li J., Zhang T., Sun Y. Spectral characteristics of copper-stressed vegetation leaves and further understanding of the copper stress vegetation index // Intern. J. Remote Sensing. 2019. V. 40(12). P. 4473–4488. DOI: 10.1080/01431161.2018.1563842.