Применение вегетационных индексов для оценки состояния сельскохозяйственных культур

Аэрофотосъемку с помощью беспилотных летательных аппаратов и мультиспектральной камеры применяют для мониторинга состояния посевов и прогноза развития сельскохозяйственных культур. В результате операций со значениями различных спектральных длин волн эмпирически подбирают и рассчитывают вегетационные индексы, составляя карты. При оценке состояния посевов необходимо определять лимитирующие факторы применения вегетационных индексов.

(Цель исследования) Проанализировать, оценить и выбрать вегетационные индексы для проведения оперативного, качественного и комплексного мониторинга состояния сельскохозяйственных культур и формирования оптимальных управленческих решений.

(Материалы и методы) Изучили результаты научных исследований в области технологий дистанционного зондирования с использованием беспилотных летательных аппаратов и мультиспектральных камер, а также опыт применения вегетационных индексов для оценки состояния сельскохозяйственных культур в системе точного земледелия. Определили лимитирующие факторы для исследования вегетационных индексов: ограниченное количество монохромных камер в популярных мультиспектральных камерах; основные показатели для мониторинга сельскохозяйственных культур, необходимые агрономам. После обработки аэрофотоснимков с беспилотного летательного аппарата создали высокоточный ортофотоплан, цифровую модель поля и карты вегетационных индексов.

(Результаты и обсуждение) Обнаружили более 150 вегетационных индексов. Не все их них создавались путем наблюдений и экспериментов. Рассмотрели широкополосные вегетационные индексы для оценки состояния посевов на полях. Проанализировали вегетационные индексы посевов сои и озимой пшеницы в основных фазах вегетации.

(Выводы) Выявили, что каждый вегетационный индекс имеет свою специфическую сферу применения, ограничивающие факторы и используется как отдельно, так и в комплексе с другими индексами. Рекомендовали при расчете вегетационных индексов для практического применения руководствоваться техническими характеристиками мультиспектральных камер и учитывать эффективность применения индекса на различных стадиях вегетации.

1. Adao T, Hruska J., Padua L., Bessa J., Peres E., Morais R., Sousa J.J. Hyperspectral Imaging: A Review on UAV-Based Sensors, Data Processing and Applications for Agriculture and Forestry. Remote Sensing. 2017. Vol.9(11). N1110. DOI:10.3390/ rs9111110 (In English).

2. Tsouros D.C., Bibi S., Sarigiannidis P.G. A Review on UAVBased Applications for Precision Agriculture. Information. 2019. Vol.10(11). N349. DOI:10.3390/info10110349 (In English).

3. Mulla D.J. Twenty-five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, Special Issue: Sensing Technologies for Sustainable Agriculture. 2014. Vol. 114. N4. 358-371. DOI:10.1016/j. biosystemseng.2012.08.009 (In English).

4. Poblete-Echeverr´ıa C., Fuentes S., Ortega-Farias S., GonzalezTalice J., Yuri J. A. Digital cover photography for estimating Leaf area index (LAI) in apple trees using a variable light extinction coefficient. Sensors (Switzerland). 2015. Vol.15. N.2. 2860–2872. DOI:10.3390/s150202860 (In English).

5. Kurbanov R.K., Zakharova N.I., Zakharova O.M., Gorshkov D.M. Otsenka sostoyaniya posevov ozimoy pshenitsy posle perezimovki s pomoshch’yu BPLA [Assessment of Winter Wheat after Wintering with the Use of UAVs]. Innovatsii v sel’skom khozyaystve. 2019. N3(32). 133-139 (In Russian).

6. Xu J., Gu H.B., Meng Q.M., Cheng J.H., Liu Y.H., Jiang P.A., Sheng J.D., Deng J., Bai X. Spatial pattern analysis of Haloxylon ammodendron using UAV imagery - A case study in the Gurbantunggut Desert. International Journal of Applied Earth Observation and Geoinformation. 2019. Vol. 83. UNSP101891. DOI:10.1016/j.jag.2019.06.001 (In English).

7. Dash J.P., Pearse G.D., Watt M.S. UAV Multispectral Imagery Can Complement Satellite Data for Monitoring Forest Health. Remote Sensing. 2018. Vol. 10(8). N1216. DOI:10.3390/rs10081216 (In English).

8. Luo W., Xu X.L., Liu W., Liu M.X., Li Z.W., Peng T., Xu C.H., Zhang Y.H., Zhang R.F. UAV based soil moisture remote sensing in a karst mountainous catchment . Catena. 2019. Vol.174. 478-489. DOI:10.1016/j.catena.2018.11.017 (In English).

9. Iost F.H., Heldens W.B., Kong Z.D., de Lange E.S. Drones: Innovative Technology for Use in Precision Pest Management. Journal of Economic Entomology. 2020. Vol.113(1). 1-25. DOI:10.1093/jee/toz268 (In English).

10. Zaman-Allah M., Vergara O., Araus J.L., Tarekegne A., Magorokosho C., Zarco-Tejada P.J., Hornero A., Alba A.H., Das B., Craufurd P., Olsen M., Prasanna B.M., Cairns J. Unmanned aerial platform-based multi-spectral imaging for field phenotyping of maize. Plant Methods. 2015. Vol. 11. N35. DOI:10.1186/ s13007-015-0078-2 (In English).

11. Xue J.R., Su B.F. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. 2017. N1353691. DOI:10.1155/2017/1353691 (In English).

12. Artyushin A.A., Kurbanov R.K., Marchenko L.A., Zakharo va O.M. Vybor tiporazmernogo ryada bespilotnykh letatel’nykh apparatov i poleznoy nagruzki dlya monitoringa sel’skokhozyaystvennykh poley [The Choice of a Standard Series of Unmanned Aerial Vehicles and Payload for Monitoring Agricultural Fields]. Elektrotekhnologii i elektrooborudovanie v APK. 2019. N4(37). 36-43 (In Russian).

13. Kurbanov R.K., Zakharova O.M., Zakharova N.I., Gorshkov D.M. Programmnoe obespechenie dlya monitoringa i kontrolya pokazateley selektsionnykh protsessov posevov [Software for Monitoring and Control of Indicators of Selection Processes of Crops]. Innovatsii v sel’skom khozyaystve. 2019. N3(32). 122-132 (In Russian).

14. Guan SL, Fukami K., Matsunaka H., Okami M., Tanaka R., Nakano H., Sakai T., Nakano K., Ohdan H., Takahashi K. Assessing Correlation of High-Resolution NDVI with Fertilizer Application Level and Yield of Rice and Wheat Crops using Small UAVs. Remote Sensing. 2019. Vol. 2. N112. DOI:10.3390/ rs11020112 (In English).

15. Sidel'nik N.Yа., Pushkin A.A., Kovalevskiy S.V. Kartirovanie povrezhdennyh lesnyh nasazhdenij i ob"ektov lesohozyajstvennyh meropriyatij s ispol'zovaniem materialov kosmicheskoj s"emki i GIS-tekhnologij [Mapping of Damaged Forest Stands and Objects of Forestry Measures Using Satellite Imagery and GIS-Technologies]. Trudy BGTU. 2018. Vol.1. N1. 5-12 (In Russian).

16. Jordan C.F. Derivation of Leaf-Area Index from Quality of Light on the Forest Floor. Ecology. 1969. Vol.50. N.4. 663-666. DOI:10.2307/1936256 (In English).

17. Hashimoto N., Saito Y., Maki M., Homma K. Simulation of Reflectance and Vegetation Indices for Unmanned Aerial Vehicle (UAV) Monitoring of Paddy Fields. Remote Sensing. 2019. Vol. 11(18). N2119. DOI:10.3390/rs11182119 (In English).

18. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring vegetation systems in the Great Plains with ERTS. Third ERTS Symposium, NASA. 1973. SP-351(I). 309-317 (In English).

19. Hassan M.A., Yang M.J., Rasheed A., Yang G.J., Reynolds M., Xia X.C., Xiao Y.G., He Z.H. A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multi-spectral UAV platform. Plant Science. 2019. Vol. 282(SI). 95-103. DOI:10.1016/j.plantsci.2018.10.022 (In English).

20. Fiodоrtsev R.V., Silie Cuenca A.R., Kozhevnikov D.A., Medina V.M., Delgado R. Application of Satellite Image Processing Methods for Hydrocarbon Field Search. Devices and Methods of Measurements. 2019. Vol. 10(4). 373–381. DOI:10.21122/2220-9506-2019-10-4-373-381 (In English).

21. Qi, J., Chehbouni A., Huete A., Kerr Y., Sorooshian S. A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment. 1994. Vol.48. 119-126 (In English).

22. Cammarano D., Fitzgerald G., Basso B., O'Leary G., Chen D., Grace P., Costanza F. Use of the Canopy Chlorophyl Content Index (CCCI) for Remote Estimation of Wheat Nitrogen Content in Rainfed Environments. Agronomy Journal. 2011. N103. 1597- 1603. DOI:10.2134/agronj2011.0124 (In English).

23. Lu N., Wang W.H., Zhang Q.F., Li D., Yao X., Tian Y.C., Zhu Y., Cao W.X., Baret R., Liu S.Y., Cheng T. Estimation of Nitrogen Nutrition Status in Winter Wheat from Unmanned Aerial Vehicle Based Multi-Angular Multispectral Imagery. Frontiers in Plant Science. 2019. Vol. 10. N1601. DOI:10.3389/ fpls.2019.01601 (In English).

24. Vincini M., Frazzi E., D’Alessio P. A broad-band leaf chlorophyll vegetation index at the canopy scale. Precision Agriculture. 2008. Vol. 9. 303-319. DOI:10.1007/s11119-008-9075-z (In English).

25. Boegh E., Soegaard H., Broge N., Hasager C., Jensen N., Schelde K., Thomsen A. Airborne Multi-spectral Data for Quantifying Leaf Area Index, Nitrogen Concentration and Photosynthetic Efficiency in Agriculture. Remote Sensing of Environment. 2002. N81(2-3). 179-193 (In English).

26. Boiarskii B., Hasegawa H. Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content. Journal of Mechanics of Continua and Mathematical Sciences. 2019. SI(4). 20-29. DOI:10.26782/jmcms.spl.4/2019.11.00003 (In English).

27. Lu N., Wang W.H., Zhang Q.F., Li D., Yao X., Tian Y.C., Zhu Y., Cao W.X., Baret R., Liu S.Y., Cheng T. Estimation of Nitrogen Nutrition Status in Winter Wheat from Unmanned Aerial Vehicle Based Multi-Angular Multispectral Imagery. Frontiers in Plant Science. 2019. Vol.10. N1601. DOI:10.3389/ fpls.2019.01601 (In English).