Основные тенденции в развитии технологии аэрофотосъемки сельскохозяйственных угодий

Аэрофотосъемка для сельского хозяйства стала важным инструментом; позволяющим фермерам и агрономам получать актуальную информацию о состоянии сельскохозяйственных угодий. (Цель исследования) Выполнить ретро­спективный анализ совершенствования технологии аэрофотосъемки сельскохозяйственных угодий для формирования периодизации развития аэрофотосъемочного оборудования и воссоздания целостной картины их эволюции. (Материалы и методы) Выполнили систематический обзор литературы с помощью историко-аналитического метода. Изучили ориги­нальные работы отечественных и зарубежных авторов: монографии; научные журналы; материалы конференций; экспо­зиции музеев; фотоматериалы и исходный код программного обеспечения в открытом доступе. (Результаты и обсужде­ние ) Выделено четыре основных этапа в развитии аэрофотосъемочного оборудования. Периодизация основана на измене­нии типа камер и летательных аппаратов; на которые они устанавливались. Проведено сравнение аэрофотоаппаратов для аэрофотосъемки; начиная с камер; использующих мокрые коллодиевые пластины; до современных цифровых аэрофото­аппаратов; устанавливаемых на беспилотные воздушные суда. (Выводы) Процесс разработки и создания аппаратуры для аэрофотосъемки сельскохозяйственных земель происходил скачкообразно. В настоящее время актуально использовать беспилотные воздушные суда с камерами видимого диапазона и мультиспектральными камерами при аэрофотосъемке сельскохозяйственных угодий. Предположили; что дальнейшее развитие цифровых камер для аэрофотосъемки будет на­правлено на повышение пространственного разрешения; их гибридизацию и интеллектуализацию.

1. Deng L., Mao Z., Li X. et al. UAV-based multispectral remote sensing for precision agriculture: a comparison between different cameras. Journal of Photogrammetry and Remote Sensing. 2018. N146. 124-136. DOI: 10.1016/j.isprsjprs.2018.09.008.

2. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. N15(4). С. 6-10. DOI: 10.22314/2073-7599-2021-15-4-6-10.

3. Лачуга Ю.Ф., Измайлов А.Ю., Лобачевский Я.П., Шогенов Ю.Х. Результаты научных исследований агроинженерных научных организаций по развитию цифровых систем в сельском хозяйстве (окончание) // Техника и оборудование для села. 2022. N4(298). С. 2-6. DOI: 10.33267/2072-9642-2022-4-2-6.

4. Лобачевский Я.П., Бейлис В.М., Ценч Ю.С. Аспекты цифровизации системы технологий и машин // Электро­технологии и электрооборудование в АПК. 2019. N3(36). С. 40-45. EDN: RLCDHO.

5. Дорохов А.С., Старостин И.А., Ещин А.В. Перспективы развития методов и технических средств защиты сельскохозяйственных растений // Агроинженерия. 2021. N1(101). С. 26-35. DOI: 10.26897/2687-1149-2021-1-26-35.

6. Skoog A.I. The Alfred Nobel rocket camera. An early aerial photography attempt. Acta Astronautica. 2010. N66 (3-4). 624-635. DOI: 10.1016/j.actaastro.2009.06.011.

7. Лаврова Н.П., Стеценко А.Ф. Аэрофотосъемка. Аэрофотосъемочное оборудование. М.: Недра, 1981. 296 с.

8. Кусов В.С. История аэрофотосъемки в фотографиях: славянский вклад // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 1992. N6. С. 54-61.

9. Галушина П.С., Кравчук А.А. Применение авиации в сельском хозяйстве Российской Федерации // Аграрное образование и наука. 2023. N2. C. 8.

10. Бонч-Бруевич М.Д. Аэрофотосъемка на службе социалистического хозяйства. М.; Л.: Главная редакция общетехнических дисциплин, 1934. 135 с.

11. Monmonier M. Aerial photography at the Agricultural Adjustment Administration: acreage controls, conservation benefits, and overhead surveillance in the 1930s. Photogrammetric Engineering & Remote Sensing. 2002. Vol. 68. N12. 1257-1261 (In English).

12. Bondarev V., Ruday O., Baryshnikova O. Aviation in the agricultural sector: experiments with aviation in the USSR in the 1930-s. E3S Web of Conferences. 2021. 273. 07016. DOI: 10.1051/e3sconf/202127307016.

13. Евдокимов Ю.В., Кузьмин В.М. Развитие аэрофотосъемочных работ в России (СССР) в 60-х-90-х гг. // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 1992. N 6. С. 172-176. EDN: WWPCKD.

14. Валях В.М. Аэрофотографические и методы при инженерно-геологических исследованиях. М.: Недра, 1982. 261 с.

15. 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. N114(4). 358-371. DOI: 10.1016/j.biosystemseng.2012.08.009.

16. Jordan C.F. Derivation of leaf-area index from quality of light on the forest floor. Environmental Science. Ecology. 1969. N50(4). 663-666. DOI:10.2307/1936256.

17. Курбанов Р.К., Захарова Н.И., Захарова О.М., Горшков Д.М. Оценка перезимовки всходов селекционной озимой пшеницы с помощью БПЛА // Инновации в сельском хозяйстве. 2019. N3(32). C. 133-139. EDN: YYRCTL.

18. Kouadio L., Jarroudi M., Belabess Z. et al. A review on UAV-based applications for plant disease detection and monitoring. Remote Sensing. 2023. N15(17). 4273. DOI: 10.3390/rs15174273.

19. Zhao J., Berge T.W., Geipel J. Transformer in UAV image-based weed mapping. Remote Sensing. 2023. N15(21). 5165. DOI: 10.3390/rs15215165.

20. Maimaitijiang M., Sagan V., Sidike P. et al. Soybean yield prediction from UAV using multimodal data fusion and deep learning. Remote Sensing of Environment. 2020. N237. 111599. DOI:10.1016/j.rse.2019.111599.

21. Rodriguez-Sanchez J., Li C., Paterson A.H. Cotton yield estimation from aerial imagery using machine learning approaches. Frontiers in Plant Science. 2022. N26(13). 870181. DOI: 10.3389/fpls.2022.870181.

22. Xie C., Yang C. A review on plant high-throughput phenotyping traits using UAV-based sensors. Computers and Electronics in Agriculture. 2020. N178. 105731. DOI: 10.1016/j.compag.2020.105731.

23. Roth L., Barendregt C., Bétrix C.A. et al. High-throughput field phenotyping of soybean: spotting an ideotype. Remote Sensing of Environment. 2022. N269. 112797. DOI: 10.1016/j.rse.2021.112797.

24. Zhang J., Zhao B., Yang C. et al. Rapeseed stand count estimation at leaf development stages with UAV imagery and convolutional neural networks. Frontiers in Plant Science. 2020. N11. 617. DOI: 10.3389/fpls.2020.00617.

25. Личман Г.И., Коротченя В.М., Смирнов И.Г., Курбанов Р.К. Концепция точного земледелия на основе понятий идеального поля и цифрового двойника // Электро­технологии и электрооборудование в АПК. 2020. N67. 3(40). С. 81-86. DOI: 10.22314/2658-4859-2020-67-3-81-86.