Мониторинг агрономических параметров посевов озимой пшеницы с использованием недорогих изображений, полученных с БПЛА

Monitoring Agronomic Parameters of Winter Wheat Crops with Low-Cost UAV Imagery
Michael Schirrmann, Antje Giebel, Franziska Gleiniger, Michael Pflanz, Karl‐Heinz Dammer, Jan Lentschke
2016-08-27

RGB-ортоизображениябиофизические параметрынедорогие изображения с БПЛАиндекс азотного питанияозимая пшеница
Мониторинг динамики посевов пшеницы требует оперативных наблюдений с высоким пространственным разрешением вследствие сложного воздействия факторов, определяющих вариабельность роста пшеницы. Мы изучили перспективы мониторинга биофизических параметров и азотного статуса посевов пшеницы с использованием недорогих изображений, полученных с беспилотных летательных аппаратов (БПЛА), на поле площадью 11 га. Полёты выполнялись на высоте около 50 м с использованием коммерческой коптерной платформы и камерной системы: три полётные миссии были проведены в период от выхода в трубку до созревания растений пшеницы и одна — после обработки почвы. Для каждой миссии на основе стандартных аэрофотоснимков в красном, зелёном и синем диапазонах (RGB) были созданы ортоизображения сверхвысокого разрешения — 1,2 см·пиксель−1 — и модели поверхности. Изображенческие переменные извлекали из тональности изображений и моделей поверхности; к ним относились, например, соотношения RGB, покрытие посевов и высота растений. Во время каждой миссии в поле выбирали 20 участков внутри растительного покрова пшеницы с площадью пробоотбора 1 × 1 м2; измеряли индекс листовой поверхности, высоту растений, сырую и сухую биомассу, а также концентрации азота. С помощью полученных изображений с БПЛА удалось отслеживать изменения раннего старения растений на уровне отдельных растений в посевах пшеницы. Характер рисунка растительного покрова пшеницы резко изменялся от одной миссии к другой, что подтверждало необходимость оперативных наблюдений, обеспечиваемых съёмкой с БПЛА. Корреляции между биофизическими параметрами и изображенческими переменными были высокозначимыми во время каждой миссии, а регрессионные модели, рассчитанные с использованием главных компонент изображенческих переменных, дали значения R2 от 0,70 до 0,97. Напротив, модели концентраций азота показали низкие значения R2; наилучшая модель была получена в фазе цветения (R2 = 0,65). Индекс азотного питания рассчитывали для каждой миссии с точностью 0,10–0,11 NNI. Для всех моделей важными были данные о моделях поверхности и тональности изображений. Мы заключаем, что недорогие RGB-изображения, полученные с БПЛА, будут stron...
1
Переменные изображений достоверно коррелировали с биофизическими параметрами пшеницы; регрессионные модели на основе главных компонент достигали R² = 0,70–0,97.
2
Недорогая RGB-съёмка с БПЛА с разрешением 1,2 см·пиксель⁻¹ позволила оперативно отслеживать динамику посевов пшеницы на поле площадью 11 га.
3
Прогнозирование концентрации азота было менее надёжным: наилучшая регрессионная модель при цветении имела R² = 0,65.
4
Индекс азотного питания оценивался с точностью 0,10–0,11 NNI для каждой миссии с использованием данных о поверхности и тональности изображения.
5
Съёмка с БПЛА выявила изменения раннего старения на уровне отдельных растений, тогда как структура растительного покрова существенно менялась между миссиями.

посевы озимой пшеницы на поле площадью 11 га

мониторинг биофизических параметров, динамики развития посевов и азотного статуса с использованием недорогих RGB-изображений, полученных с БПЛА

Publication Details
Publication Date
2016-08-27
Journal
Publisher
ISSN
Cited by
206
Access Type
Author Information
Authors
Michael Schirrmann
Antje Giebel
Franziska Gleiniger
Michael Pflanz
Karl‐Heinz Dammer
Jan Lentschke
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%