Методичні підходи до ідентифікації рослин в оптичному діапазоні за моніторингу з використанням безпілотного літального апарату
DOI:
https://doi.org/10.31073/acss89-10Ключові слова:
безпілотний літальний апарат; БПЛА; дистанційний моніторинг; образ об’єкту; пшениця озимаАнотація
Застосування безпілотних літальних апаратів (БПЛА), як платформи для сенсорного обладнання, має розширити потенціал спектральних досліджень і забезпечити можливість отримання даних, придатних для управління врожаєм. Метою роботи є розроблення методу програмної ідентифікації на цифрових знімках посівів культури суцільного висіву пікселів, що відповідають саме рослинам, а також оцінка горизонтальної проєкції куполу рослин. Ідентифікацію рослинних насаджень для культур суцільного висіву виконували в 2017-2018 роках на дослідному стаціонарі з вивчення системи застосування добрив НУБІП України на прикладі пшениці озимої сорту Colonia в стадії вегетації кущення та вихід у трубку. Зйомку здійснювали з допомогою БПЛА Phantom 3+ з висоти 40-100 метрів камерою FC200. Цифрову обробку графічних даних формату jpeg проводили в програмному середовищі MathCAD, де графічні дані розглядались у вигляді матриці, кількість стовбців якої була втричі більшою за кількість пікселів по горизонталі вихідного зображення. Досліджували ефективність каскадних фільтрів та спеціалізованих індексів EGVI, ERVI та MNVI. Встановили, що фільтрація ґрунту по окремому каналу за умов оптичного моніторингу рослинних насаджень виявилась недостатньо ефективною для культур суцільного висіву. Індекси для ідентифікації рослин в оптичному діапазоні EGVI, ERVI та MNVI, створені для висот в 5-7 метрів, виявились недієздатними для висот від 40 м і вище, а тому їх використання у виробничих масштабах є недоцільним. Виходячи з результатів розробили методику ідентифікації рослин для практичного використання на основі спектральних портретів рослин, що базується на оцінці різниці між значеннями інтенсивностей зеленого та синього каналів пікселю. Запропонували для створення вегетаційних індексів з метою ідентифікації культур суцільного висіву використовувати горизонтальну проєкцію куполу рослин як частку загальної площі зображення, що належить куполу рослин
Посилання
References
Pearse G.D., Watt M.S., Morgenroth J. 2016. Comparison of optical LAI measurements under diffuse and clear skies after correcting for scattered radiation. Agricultural and Forest Meteorology. Vol. 221. P. 61-70. DOI: https://doi.org/10.1016/j.agrformet.2016.02.001.
Guangjian Y., Ronghai H., Jinghui L., Marie W., Hailan J., Xihan M., Donghui X., Wuming Z. 2019. Review of indirect optical measurements of leaf area index: Recent advances, challenges, and perspectives. Agricultural and Forest Meteorology. Vol. 265. P. 390–411. DOI: https://doi.org/10.1016/j.agrformet.2018.11.033.
Pan Y., Han y., Wang L., Chen J., Meng H., Wang G., Zhang Z., Wang S. 2019. Reconstruction of Ground Crops Based on Airborne LiDAR Technology. IFAC-PapersOnLine. Vol.52 (24). P. 35-40. DOI: https://doi.org/10.1016/j.ifacol.2019.12.376.
Guoa T., Fanga Y., Chenga T., Tiana Y., Zhua Y., Chenb Q., Qiua X., Yaoa X. 2019. Detection of wheat height using optimized multi-scan mode of LiDAR during the entire growth stages. Computers and Electronics in Agriculture. Vol.165. Article 104959. DOI: https://doi.org/10.1016/j.compag.2019.104959.
Dorigo W.A., Zurita-Milla R., de Wit A.J.W., Brazile J., Singh R., Schaepman M.E. 2007. A review on reflective remote sensing and data assimilation techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation. Vol.9. P. 165–193. DOI: https://doi:10.1016/j.jag.2006.05.003.
Thomson B.D., Siddique K.H.M. 1997. Grain legume species in low rainfall Mediterranean-type environments II. Canopy development, radiation interception, and dry-matter production. Field Crops Research. Vol. 54, (2–3). P. 189-199. DOI: https://doi.org/10.1016/S0378-4290(97)00048-8.
Baret F., de Solana B., Lopez-Lozano R., Ma K., Weiss M. 2010. GAI estimates of row crops from downward looking digital photos taken perpendicular to rows at 57.5º zenith angle: Theoretical considerations based on 3D architecture models and application to wheat crops. Agricultural and Forest Meteorology. Vol.150. P. 1393–1401. DOI: https://doi:10.1016/j.agrformet.2010.04.011.
Verger A., Vigneau N., Chéron C., Gilliot J.M., Comar A., Baret F. 2014. Green area index from an unmanned aerial system over wheat and rapeseed crops. Remote Sensing of Environment. Vol.152. P. 654-664. DOI: https://doi.org/10.1016/j.rse.2014.06.006.
Castillejo-González I.L., Pena-Barragán J.N., Jurado-Expósito M., Mesas-Carrascosa F.J., López-Granados F. 2014. Evaluation of pixel- and object-based approaches for mapping wildoat (Avena sterilis) weed patches in wheat fields using QuickBirdimagery for site-specific management. European Journal of Agronomy. Vol.59. P. 57-66 DOI: https://doi.org/10.1016/j.eja.2014.05.009.
Torres-Sánchez J., López-Granados F., Peña J.M. 2015. An automatic object-based method for optimal thresholding in UAV images: Application for vegetation detection in herbaceous crops. Computers and Electronics in Agriculture. Vol.114. P. 43–52. DOI: https://doi.org/10.1016/j.compag.2015.03.019.
Jin X., Liu S., Baret F., Hemerlé M., Comar A. 2017. Estimates of plant density of wheat crops at emergence from very low altitude UAV imagery. Remote Sensing of Environment. Vol.198. P. 105-114. DOI: http://dx.doi.org/10.1016/j.rse.2017.06.007.
Dolia M., Lysenko V., Pasichnyk N., Opryshko O., Komarchuk D., Miroshnyk V., Lendiel T., Martsyfei A. 2019. Information Technology for Remote Evaluation of after Effects of Residues of Herbicides on Winter Crop Rape. 3rd International Conference on Advanced Information and Communications Technologies, AICT 2019 – Proceedings. P. 469-473. DOI: https://doi.org/10.1109/AIACT.2019.8847850.
Lysenko V., Komarchuk D., Pasichnyk N., Opryshko O., Awtoniuk M., Martsyfei A. 2018. Information Support of Remote Monitoring of Grain Crops Biomass Amount as the Feedstock to Load Biogas Reactors. International Scientific-Practical Conference on Problems of Info communications Science and Technology, PIC S and T 2018 – Proceed. P. 35-38. DOI: https://doi.org/10.1109/INFOCOMMST.2018.8632090.
De Rainville F.M., Durand A., Fortin F.-A., Tanguy K., Maldague K., Panneton X., Simard B., Pattern M.-J. 2012. Analysis and Applications, Bayesian classification and unsupervised learning for isolating weeds in row crops. Pattern Analysis and Applications. Vol.17(2). P. 401–414. DOI: https://doi.org/10.1007/s10044-012-0307-5.
Enciso J., Avila C.A., Jung J., Elsayed-Farag S., Chang A., Yeom J., Landivar J., Maeda M., Chavez J.C. 2019. Validation of agronomic UAV and field measurements for tomato varieties. Computers and Electronics in Agriculture. Vol.158. P. 278–28. DOI: https://doi.org/10.1016/j.compag.2019.02.011.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Поширення статті здійснюється на умовах ліцензії відкритого доступу Creative Commons Attribution-NonCommercial 4.0 International License.
