ПРИМЕНЕНИЕ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ДЛЯ ВЫЯЛЕНИЯ БОЛЬНЫХ ДЕРЕВЬЕВ

APPLICATION OF REMOTE SENSING FOR DETECTION OF SICK TREES

Ведущей отраслью сельхозпроизводства в России является растениеводство, которая составляет порядка 54 % от общего объема. Однако заболевание растений приносит огромный ущерб урожаю. Своевременная диагностика очень важна для выявления заболеваний. Визуальная оценка и разведка обычно используется для их обнаружения, однако эти методы трудоемки и дорогие.

Технология дистанционного зондирования может стать альтернативным методом визуальной оценки болезней растений. В этой статье будет рассмотрена способность мультиспектрального дистанционного зондирования для диагностики заболевания плодовых деревьев на примере листьев и их крон. Для этого сначала необходимо выполнить наземную мультиспектральную визуализацию здоровых листьев  здоровых деревьев и симптоматически пораженные листья. Воздушные мультиспектральные снимки крон деревьев должны быть выполнены беспилотным летательным аппаратом. Для этого необходимо провести предварительную обработку наземных и аэрофотоснимков. Некоторые индексы растительности рассчитать для выявления зараженных листьев. Общая точность классификации должна получиться более 90 %.

Лабораторные методы диагностики заболеваний листьев являются трудоемкими и дорогими. Поэтому необходимы своевременные, быстрые и оперативные методы их обнаружения. Технология дистанционного зондирования может предоставить альтернативу визуальной оценке заболеваний растений. Многие иностранные исследователи уже показали возможности дистанционного зондирования в области обнаружения болезней растений.

В России можно провести исследования для выявления болезней сельскохозяйственных культур с помощью методов дистанционного зондирования. С помощью дистанционного зондирования можно обнаружить мучнистую росу и листовую ржавчину на поле озимой пшеницы. Для этого предстоит разработать многоспектральный алгоритм обработки изображений для автоматического обнаружения заболеваний.

Для обнаружения заболеваний плодовых деревьев необходимо с деревьев собрать по 5 листьев из разных частей дерева, включая здоровые листья, бессимптомные больные листья и симптоматические больные листья. Затем провести исследования в лаборатории для того, чтобы убедиться, какие листья больны, а какие нет. Далее предстоит выполнить наземную мультиспектральную съемку этих листьев на небольшом расстояние, для получения более точных данных.

 У больных листьев деревьев происходит увядание и изменение цвета с зеленого на желто-коричневый. Повреждение внутренней структуры листвы, внутриклеточное содержание воды, уменьшение содержания хлорофилла и изменения пигмента приводят к изменению поглощения света. Таким образом, сравнивая спектральные различия для здоровых и больных листьев и вычисляя спектральные индексы растительности в видимом и ближнем инфракрасном диапазонах, можно различить здоровые, симптоматические и бессимптомные больные листья. На первом этапе заражения листьев на деревьях не наблюдается никаких визуальных или физиологических симптомов. Ближний инфракрасный диапазон может быть использован для раннего выявления заболевания, потому что на этом этапе внутренняя структура листа начинает изменяться, что влияет на поглощение света. 

Спектральные особенности здоровых и зараженных листьев будут совершенно разными, и после обработки полученных изображений, все листья будут разного цвета. При обработке изображений необходимо выбрать определенные атрибуты (цвет, форма) для 3 видов листьев. По итогу получится изображение деревьев с тремя цветами: здоровые листья приобретут, допустим, зеленый цвет, бессимптомные больные листья - желтый и  симптоматические больные листья – красный. Таким образом, можно различить зараженное дерево, основываясь на многоспектральной аэрофотосъемке кроны дерева.

На основании полученных результатов можно сделать вывод, что мультиспектральная визуализация на уровне листьев и крон деревьев является надежным методом пространственного обнаружения инфицированных листьев деревьев на ранней стадии. Это поможет повысить урожай сельскохозяйственных культур и, соответственно, увеличить доход.

 

Литература

  1. Zajceva Ja.V. Sostojanie rynka sel'skohozjajstvennyh zemel' v Krasnodarskom krae / Jekonomika i predprinimatel'stvo. 2017. № 12-1 (89-1). S. 345-347.
  2. Zemleustroitel'noe proektirovanie: uchebnoe posobie / G. N. Barsukova, N. M. Radchevskij, A. V. Hlevnaja, K. A. Jurchenko. – Krasnodar: KubGAU. – 2016. – Chast' 1. – 180 s.
  3. Istorija zemel'nyh otnoshenij i zemleustrojstva: uchebnoe poso-bie/ Barsukova G.N., Jurchenko K.A., Radchevskij N.M. // Krasnodar: KGAU, 2011. – 463 s.
  4. Optimizacija struktury posevnyh ploshhadej pri uslovii sohranenija pochvennogo plodorodija kak faktor povyshenija jeffektivnosti agrarnogo proizvodstva / G. N. Barsukova, L. A. Mironenko, K. A. Jurchenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. – 2016. – № 115. – S. 1170-1180.
  5. Yurchenko, K. A. Modeling of the planting acreage structure with regard to a maintenance of the soil fertility / G. N. Barsukova, L. A. Mironenko, K. A. Yurchenko // British Journal for Social and Economic Research. – 2016. – T. 1. – № 2. – S. 39–47.