1 Теоретические основы мультиспектрального мониторинга сельскохозяйственных культур
В мониторинге сельскохозяйственных культур одной из современных и наиболее перспективных технологий является мультиспектральное зондирование. Мультиспектральное дистанционное зондирование представляет собой метод получения информации об определенном объекте без непосредственного контакта с ним. Основная суть данного метода заключается в том, что принцип его работы базируется на регистрации отражённого электромагнитного излучения одновременно в нескольких спектральных диапазонах. Важным является то, что данный подход основан на использовании специализированных видов камер, которые фиксируют излучение не только в видимом диапазоне, но также и регистрируют инфракрасную часть спектра (рисунок 1) [1], которой отводится одна из важнейших ролей в содержании важной информации о состоянии посевов.
Рисунок 1 – Электромагнитный спектр [1]
Человеческий глаз воспринимает электромагнитное излучение только в пределах видимого диапазона, включающего в себя такие каналы, как красный, зелёный и синий. Особенностью мультиспектральных камер является их фактическое расширение спектрального диапазона наблюдений, проводимых в стандартном формате традиционными методами. Прежде всего это связано с тем, что такие аппаратные устройства регистрируют отражение излучения в нескольких дискретных спектральных каналах, количество которых, как правило, не превышает десяти (рисунок 2) [2].
Рисунок 2 – Принцип формирования мультиспектрального изображения [2]
Особое положение в данной системе занимает мониторинг растительных объектов. Фактически выделяют два диапазона, которые имеют наибольшее значение для анализа растительности. К ним относится ближний инфракрасный диапазон и область «красного края». Такой выбор диапазонов для регистрации спектрального сигнала связан с тем, что здоровая растительность характеризуется в основном специфическим спектральным откликом. Причиной этому является обстоятельство, касающееся интенсивного поглощения растительностью красного излучения непосредственно в процессе фотосинтеза. Наряду с этим, чаще всего фиксируется явное и визуально заметное отражение значительной части ближнего инфракрасного излучения, что обуславливается особенностями внутренней структуры листа (рисунок 3) [3].
Рисунок 3 – Отражение в VIS-NIR диапазоне растительной тканью [3]
Получение мультиспектральных данных происходит посредством нескольких специализированных систем. Так, ключевыми источниками мультиспектральных данных в основном являются спутниковые системы и беспилотные летательные аппараты. В качестве примера для спутниковых систем можно привести спутниковую группировку Sentinel-2. Тип данных, получаемых со спутников, позволяет обеспечивать стабильный регулярный мониторинг больших по масштабу территорий. Также он характеризуется наличием высокого временного разрешения, но при этом сопровождается ограниченным пространственным разрешением, достигающим в среднем около 10 метров на один пиксель. Кроме того, особенностью съемки является то, что качество получаемых со спутников данных очень сильно зависит от погодно-климатических условий, а чаще всего атмосферных, где зачастую ключевую роль играет именно облачность.
Вторым источником получения данных являются беспилотные летательные аппараты, оснащённые специализированными мультиспектральными камерами. Такие беспилотные системы позволяют выполнять совокупный мониторинг отдельных полей, а также детальный мониторинг отдельных участков поля по требованию. Подобный подход к исследованию состояния агроценозов позволяет получать данные с более высоким пространственным разрешением по сравнению с таковым при спутниковой съемке. БПЛА обеспечивает получение спектральных снимков, разрешение которых может достигать нескольких сантиметров на пиксель, что в разы больше, чем у спутников. Наряду с этим, ввиду низкой высоты съёмки данный подход позволяет уменьшать влияние облачности, что повышает качество получаемых мультиспектральных снимков.
В результате проводимой мультиспектральной съемки производится получение сырых мультиспектральных данных, обладающих ограниченной интерпретируемостью, в связи с чем для их анализа применяются специальные математические преобразования, который выступают в качестве основы расчета вегетационных индексов. Вегетационный индекс представляет собой количественный показатель, показывающий состояние растительности и рассчитываемый на основе спектральной отражательной способности исследуемых объектов в различных спектральных диапазонах. Одним из наиболее распространённых индексов, отображающих состояние растительности является NDVI. Данный индекс рассчитывается на основе значений отражения в красном и ближнем инфракрасном диапазонах. При высокой плотности и хорошем состоянии растительности значение NDVI приближается к единице (рисунок 4) [4], а при возникновении стрессовых условий, таких как засуха или болезни, значение индекса начинает снижаться (рисунок 5) [5].
Однако при этом всем, важно отметить, что индекс NDVI имеет определённые ограничения, что может быть связано с различными факторами и условиями. Например, при высокой биомассе растительного покрова довольно часто наблюдается эффект насыщения, что приводит к снижению чувствительности индекса к изменениям состояния растительности. В связи с этим, в современных исследованиях довольно частое применение находит индекс NDRE, который основан на использовании диапазона «красного края» и обладает повышенной чувствительностью к изменениям, происходящим в физиологическом состоянии растений (рисунок 6) [6]. Данный индекс позволяет более точно оценивать содержание хлорофилла, что особенно эффективно на поздних стадиях вегетации.
Рисунок 4 – Связь значения NDVI с состоянием растительности [4]
Рисунок 5 – Соотношение значений NDVI, отображаемых на карте, с реальным состоянием растительности в полевых условиях [5]
Рисунок 6 – Детализированный спектр растительного покрова [6]
Получаемые на основе вегетационных индексов результаты зачатую используются для решения ряда прикладных задач. К таковым можно отнести обработку мультиспектральных данных и непосредственно расчёт самих вегетационных индексов. На основе полученных показателей осуществляется визуализация пространственного распределения состояния посевов и формируются тематические карты, отражающие неоднородность растительного покрова на исследуемой территории. Это, в свою очередь, позволяет выделять зоны, характеризующиеся различным уровнем развития растений, и определять участки, требующие дополнительного обследования.
В аграрной отрасли мультиспектральные технологии применяются для дистанционного мониторинга посевов, раннего выявления участков, подверженных воздействию неблагоприятных факторов, а также оценки динамики развития растений на различных этапах вегетации. Использование спектральной информации позволяет получать объективные пространственно-распределённые данные без необходимости проведения постоянного обследования всей площади поля. Это особенно важно при мониторинге крупных сельскохозяйственных угодий, где традиционные методы обследования требуют значительных временных и трудовых затрат.
Интеграция результатов мультиспектрального мониторинга с геоинформационными технологиями создаёт основу для дифференцированного управления посевами в рамках концепции точного земледелия. Полученная информация может использоваться при планировании локального внесения удобрений, средств защиты растений и поливной воды с учётом фактического состояния отдельных участков поля. Кроме того, пространственные данные о состоянии посевов могут применяться для определения зон продуктивности, оценки неоднородности полей, прогнозирования урожайности и планирования последующих агротехнических мероприятий. Такой подход способствует более рациональному распределению ресурсов, снижению избыточного применения агрохимикатов и уменьшению производственных затрат.
Таким образом, мультиспектральный мониторинг представляет собой важный инструмент цифровизации сельского хозяйства, обеспечивающий переход от преимущественно визуального и выборочного контроля посевов к объективной оценке их пространственного и временного состояния. Его применение позволяет повысить обоснованность управленческих решений, своевременно выявлять проблемные участки и эффективнее использовать материальные и природные ресурсы. В совокупности это способствует повышению устойчивости и экономической эффективности сельскохозяйственного производства при одновременном снижении антропогенной нагрузки на агроэкосистемы.