4 Результаты гиперспектрального зондирования фитосанитарных компонентов агроценозов яровой пшеницы

4.1 Отбор ключевых главных компонент для извлечения спектральных данных фитосанитарных объектов агроценоза

При проведении анализа полученных гиперспектральных данных первоначально произведен отбор главных компонент, с которыми будут проводиться основные этапы спектрального анализа. Для выбора наиболее информативных главных компонент по каждому фитосанитарному объекту проанализированы диаграммы Variance scatter и выявлена степень дисперсии каждого PC. В таблице 5 представлены основные доли дисперсии, приходящиеся на каждую главную компоненту.

Таблица 5 – Распределение значений главных компонент (PCA)

В соответствии с проведенным PCA-анализом для всех трех групп объектов выявлено, что наибольший объем основной спектральной информации содержится в первых двух компонентах PC1 и PC2, что подтверждается результатами Cumulative Variance (болезни – 91,10 %, сорняки – 88,31 %, насекомые – 87,25 %). Выбор именно двух данных компонент для дальнейшего анализа также связан с отсутствием существенного роста показателей Explained Variance с третьей (1,23–2,16 %) по шестую главную компоненты (0,08–0,14 %), что составляет сравнительно небольшой объем охватываемой информации по сравнению со второй компонентой (8–17,79 %). Также значения Eigenvalue начиная с PC3 (0,0123–0,0216) демонстрирует сравнительно низкие показатели в отношении PC1 и PC2 (суммарное значение = 0,08725–0,9110) (таблица 6, рисунок 4).

Таблица 6 – Оценка главных компонент на основе собственных значений и их вклада в общую дисперсию

Рисунок 4 – Распределение собственных значений главных компонент по результатам PCA-анализа

Выявленные наиболее информативные первые две компоненты использованы в спектральном анализе для объяснения основных закономерностей спектральных профилей исследуемых фитосанитарных объектов.

4.2 Анализ спектральных профилей фитосанитарных компонентов агроценоза

4.2.1 Болезни яровой пшеницы

На рисунке 5 представлены спектральные профили здоровой и поражённой заболеваниями яровой пшеницы. Каждому заболеванию соответствует кривая отражения в диапазоне 400–1000 нм. Спектры болезней извлекались со всех поврежденных участков каждого образца растения, для получения комбинированных вариантов спектральных сигнатур и выявления отклонений вызываемых каждым патогеном. Проведенный анализ спектральных кривых отражает наличие существенных различий между здоровыми растениями и растениями, пораженными различными патогенами. Красная и зеленая кривая соответствуют здоровым образцам пшеницы на разных стадиях развития, что как следует из показателей отражения, определяется практически схожими значениями с совпадением волнового диапазона. Здоровые образцы растений демонстрируют типичный для зеленой растительности спектральный отклик с умеренным отражением (7–26 %) в зеленой зоне (550 нм), характерным красным краем (680–750 нм), который переходит в плато в ближнем инфракрасном диапазоне. Экстремальные значения отражения на фоне всех поражений были зафиксированы у корневой гнили фузариозной природы с максимальным отражением 49 % в пределах 440–650 нм. Это указывает на деградацию фотосинтетического пигментного комплекса, сопровождающееся развитием хлороза, что визуально подтверждается пожелтением, розовением и частичным усыханием тканей. С другой стороны, пыльная головня же имеет относительно проявления других патогенов низкий коэффициент отражения не превышающий 4,5–5,0 % в диапазоне 550–780 нм. Такой результат объясняется тотальным разрушением колоса и замещением его черной споровой массой, за счет которой осуществляется поглощение основной доли излучения. Показательными являются различия в контрастности корневых гнилей, относящихся к одной группе заболеваний. В отличие от фузариозной корневой гнили, гельминтоспориозная корневая гниль показывает стабильно низкие показатели отражения с максимум 14 % в VIS-зоне (480–670 нм), что в целом указывает на совпадение волновых диапазонов двух корневых заболеваний. Это объясняется иным характером деградации тканей, где вместо хлоротичного усыхания в основном прослеживается преобладание темных некрозов, побурение и гниение, что способствует активному поглощению светового потока.

Поражения генеративных органов формирует несколько другие спектральные паттерны. Типичные симптомы проявления Fusarium head blight (фузариоз колоса) в виде преждевременного обесцвечивания и появления розоватого налета чешуек колоса повышают альбедо пораженных участков и обуславливают высокие значения отражения (21-34 %) в пределах VNIR-диапазона 520–810 нм. Septoria glume blotch (септориоз колоса) также характеризуется схожими показателями отражения (20–30 %), но форма спектральной кривой в пределах красного края сохраняет структурные черты зеленых тканей (выраженный пик поглощения) из-за проявления поражения колоса локальными бурыми пятнами.

Powdery mildew (мучнистая роса) характеризуется стабильно высокими значениями отражения (22,5–32,5 %) в диапазоне 510–820 нм. Плотный белый паутинистый налет в виде мицелия и конидий выполняет функцию оптического экрана, маскируя поглощающие свойства хлорофилла и рассеивая свет, что на спектре проявляется в виде широкого плато с высоким отражением (22,5 % – превышающим таковое у здоровой растительной ткани). Листовые пятнистости и ржавчины характеризуются сглаживанием кривой отражения, но при этом отличаются разницей в амплитудах и волновых диапазонах. Они приводят к снижению поглощения света в красной зоне (620–760 нм) ввиду образования хлоротичных ореол, спороношений, некрозов и, как следствие, деградации хлорофилла, а также снижения характерной отражательной способности в NIR-зоне из-за потери тургора и разрушения клеточных стенок. Tan spot (желтая пятнистость) отличается локализацией основного экстремума отражения, достигающего 20–28 %, преимущественно в видимой зоне спектра от 450 до 650 нм. Spot blotch (темно-бурая пятнистость), наоборот, практически в идентичном диапазоне демонстрирует самое низкое отражение (от 8 % до 19 %) в группе листовых заболеваний, что связано с формированием значительно более темных и плотных некротических пятен, которые активно поглощают свет. Septoria tritici blotch (септориоз) по своему проявлению занимает промежуточное положение среди пятнистостей достигая отражения 13,5–18 % в диапазоне 550–780 нм. Ржавчинам характерен охват более широкого волнового диапазона (от 520 до 810 нм) с заметным переходом в NIR область с отражательной способностью 12–22 % для стеблевой и 15–22 % для листовой ржавчины. Явная разница спектральных диапазонов связана с морфологическим проявлением поражений, то есть с образованием коричневых пятен с желтыми ореолами при tan spot и темных пятен при spot blotch, который дают значительный отклик в видимой и коротковолновой зонах (с 450 нм). Специфический характер поражения вызывает формирование темных пустул в виде урединоспор при ржавчине, которые нарушают целостность эпидермиса и приводят к сдвигу диагностического диапазона до 810 нм.

Рисунок 5 – Спектральные профили здоровой и поражённой заболеваниями яровой пшеницы

На рисунке 6 изображены диаграммы Variance Scatter, визуализирующие распределение отдельных пикселей спектров в пространстве главных компонент, где цветовая гамма от красного к синему цвету соответствует участкам с более высокой и низкой плотностью, соответственно. Здоровые образцы пшеницы отличаются высокой кластерностью. Постепенный переход небольшого (красно-желтого) ядра с разбросанным хвостом облака точек вдоль t[1] и t[2] у молодого здорового образца растения к более обширному по масштабу плотному централизованному ядру свидетельствует о высокой спектральной однородности здоровых тканей. Диаграммы корневых гнилей наглядно отражают разную степень разреженности, что на графике проявляется в виде небольшого количества разрозненно расположенных точек желтого и зеленовато-голубоватых оттенков, имеющих нетипичное расположение. Выявлено смещение локализации точек вправо вдоль оси второй компоненты t[2] (рисунок 6), что коррелирует с атипично высоким отражением в синей и зеленой области (рисунок 5), а также уникальным характером вклада PC2 в красной зоне (650–680 нм) и зоне красного края (680–700 нм), сопровождающегося одновременно сравнительно высоким значением факторных нагрузок на данную компоненту (ключевой пик от 0,050 до 0,141) и ровной спектральной линией отклика для PC1 (p[1]) (рисунок 7). Variance Scatter листовых болезней (пятнистости, ржавчина, мучнистая роса) демонстрируют широкое эллиптическое рассеяние, а также в виде подковы. Наличие широкого разброса по обеим осям с красными пятнами или точками, являющимися центрами плотности на диаграмме, указывает прежде всего на неоднородный характер развития инфекции. Соответственно, это показывает неоднородность спектральных характеристик тканей ввиду разнообразной степени развития и стадии формирования патологических изменений пораженных тканей (от начальных стадий до хлорозных и некротических состояний). Пыльной головне характерна уникальная диаграмма рассеяния, отличающаяся компактным и плотным кластером с ядром ярко-красного цвета, смещенным в отрицательную зону осей t[1] и t[2]. Такой результат свидетельствует о том, что черная споровая масса с физической точки зрения сама по себе имеет однородную структуру и очевидно отличается от других тканей растения, но одновременно с этим выявлено некоторое совпадение концентрации точек плотного кластера координатных областей пыльной головни и молодого здорового растения, что может быть обусловлено схожим уровнем экстремального светопоглощения. Фузариоз и септориоз колоса имеют приблизительно схожую схему распространения по координатным областям. Однако диаграмма дисперсии фузариоза отображает широкое «облако» рассеяния в оттенках синего, что соотносится с общей неоднородностью колоса. Также выделяется ядро, расположенное в зоне отрицательных значений оси t[1], описывающей подавляюще большинство всей дисперсии (более 93 %), и соответствующее высушенным и белесым участкам колоса. Это связано с существенным отличием их оптических свойств от живой ткани и выделением данных участков в отдельный обособленный кластер вне центра диаграммы. Септориоз в отличие от фузариоза имеет более фрагментированный разброс с множеством центров плотности красного и оранжевого цвета, что соответствует морфологии проявления септориоза в виде множества локальных несливающихся коричневатых пятнах на чешуйках колоса. Явное отсутствие единого обособленного ядра наглядно демонстрирует гетерогенность пораженного колоса (рисунок 6).

Рисунок 6 – Диаграммы рассеяния здоровой и поражённой заболеваниями яровой пшеницы в пространстве первых двух главных компонент

Для оценки и выявления конкретных длин волн, которые являются ключевыми в разделении классов за счет выраженного спектрального отклика, проведен анализ графиков факторных нагрузок (рисунок 7). Первая компонента, соответствующая красной кривой p[1] для большей части заболеваний продемонстрировала выраженный широкий пик в видимом диапазоне. Например, у здоровой пшеницы и большинства пятнистостей и листовых болезней пик p[1] проявляется в диапазоне от 510–524 нм до 660–702 нм (load factor (lf)=0.018–0.085). Это свидетельствует о том, что первая компонента прежде всего демонстрирует общую вариативность, связанную с содержанием пигментов в растительных тканях. Голубая кривая p[2], соответствующая второй компоненте, по сравнению с p[1], демонстрирует явный биполярный характер, что может быть одним из ключевым идентификаторов стресса. Для всех болезней кроме корневых гнилей прослеживается глубокий пик в отрицательной части графика в пределах области поглощения хлорофилла и резкий положительный пик в NIR-диапазоне, что соответствует в среднем диапазонам 575–680 и 728–828 нм (lf=0.0225–0.068). Зарегистрированные диапазоны пиков p[2] фиксируют смещение показателей проявления «красного края», что является индикатором угнетения состояния растений. В качестве специфических паттернов отмечено проявление отражения для корневых гнилей и фузариоза с пиренофорозом в пределах диапазона от 625 до 700 нм в виде смещения спектрального отклика для p[2] влево на 100–135 нм – в более коротковолновую зону. Для Fusarium head blight данный пик выявлен в диапазоне 648–690 нм (lf=0.034–0.062), для Tan spot – от 625 до 700 нм (lf=0.050–0.082) и для корневых гнилей от 650 до 700 нм (lf=0.050–0.141). Fusarium head blight имеет инвертированный профиль по сравнению с типичными листовыми и колосовыми инфекциями; график нагрузок Tan spot отличается экстремальной волатильностью и амплитудой факторных нагрузок до 0.082; для корневых гнилей прослеживается принципиально другая картина – у них отсутствует типичный провал в видимой зоне и пролеживаются максимальные значения для p[2] (lf=0,115–0,141). В данных случаях болезней мощный положительный всплеск спектрального отклика сменяется глубоким отрицательным провалом в ближнем инфракрасном диапазоне и сдвигом «красного края», что является одним из спектральных маркеров проявления данных заболеваний (рисунок 7, таблица 7).

Рисунок 7.1 – Loading plots для здоровой и поражённой различными заболеваниями яровой пшеницы по наиболее информативным PC

Рисунок 7.2 – Loading plots для здоровой и поражённой различными заболеваниями яровой пшеницы по наиболее информативным PC

Таблица 7 – Wavelength и load factors болезней пшеницы и здоровых образцов для PC1 и PC2

4.2.2 Сорная растительность

На рисунке 8 представлены диапазоны спектрального отражения представителей сорной растительности. В отличие от болезней здесь спектральные различия объясняются спецификой конкретного вида растения, а именно анатомо-морфологическими особенностями листьев, стеблей, цветков, покровов (наличием опушения, воскового налета), плотностью мезофилла. Оценка кривых Raw spectrum показывает, что все исследуемые виды обладают классическим профилем зеленой растительности с минимумами в зонах поглощения пигментами от 3,9 % до 7,5 % и максимумами в зонах наиболее чувствительных к изменению содержания хлорофилла от 18,5 % до 28,0 %. В связи с тем, что отражение в VIS-диапазоне во многом зависит от содержания хлорофилла и каротиноидов, а также у разных зеленых растений их объем может быть похожем, возможно перекрытие спектров. Свет в NIR-диапазон уже почти не поглощается хлорофиллом, поэтому здесь уже различия обуславливаются структурой и строением отдельных органов и тканей [24]. Так, высоким отражением в NIR-диапазоне отличаются S. arvensis и Ch. album с максимумами 28 % и 26 %, соответственно, в VIS-диапазоне пик приходится на 13,5 % и 14,5 % соответственно. Наиболее низкими показателями отражения характеризуется A. vulgaris – 7,5 % в видимом и 18,5 % в ближнем инфракрасном диапазонах. Средние типичные значения выявлены для оставшихся 6 видов с соответствующими экстремумами в NIR-зоне: C. arvensis – 21,9 %, E. canadensis, C. bursa-pastoris, A. artemisiifolia – 22 %, E. cheiranthoides – 22,5%, A. retroflexus – 23%. При этом в видимой зоне максимальный отклик зафиксирован для C. bursa-pastoris – 15 %, средние значения выявлены для E. cheiranthoides и A. retroflexus – 10–10,5 %. Пики отражения остальных видов (A. vulgaris, C. arvensis, E. canadensis, A. artemisiifolia соответствовали 7,5–8 %. Ключевым диапазоном спектрального отклика для всех девяти видов сорняков являлся диапазон от 525 до 780 нм.

Рисунок 8 – Спектральные профили сорной растительности

На рисунке 9 представлены диаграммы Variance Scatter сорной растительности в пространстве первых двух главных компонент, иллюстрирующие оптическую гетерогенность растений в зависимости от уровня их морфологической сложности. В зависимости от локализации облаков точек на диаграммах, можно выделить пять основных групп. Первая группа включает Variance Scatter растений, представляющих собой компактные кластеры и имеющих высокую оптическую однородность – E. cheiranthoides, S. arvensis, A. artemisiifolia. Общим у диаграмм трех данных видов является плотное компактное ярко-красное ядро в центре с диагонально распространяющимся шлейфом в отрицательную зону оси t[2]. Биологически плотное ядро соотносится с однородным листовым аппаратом, а рассеянный «хвост» формируется вторичными морфологическими элементами, имеющими несколько другое альбедо: у E. cheiranthoides и S. arvensis это желтые соцветия и апикальные части побегов, а у A. artemisiifolia – светлые жилки и верхушечные части сложнорассеченных листьев. Вторая группа включает E. canadensis и A. vulgaris, имеющие двурогую V-образную форму кластера. Данная дихотомическая структура облака точек у A. vulgaris объясняется различием в строении покровов и, как следствие, отражении между гладкой темно-зеленой верхней поверхностью листа и более светло густо опушенной нижней стороной. У E. canadensis это объясняется линейными зелеными листьями, имеющими гладкие или зубчатые края, и светло-зеленым стеблем с мелким белым опушением. Следующая группа включает единственного представителя C. bursa-pastoris, имеющего широкое веерообразное равномерное по сравнению с другими видами распределение пикселей, что соответствует архитектуре прикорневой розетки, где листья расположены радиально под разными углами к источнику света в результате чего образуется постепенный переход от освещенных листьев к более затененным. К четвертой группе относятся виды сорняков с фрагментированными кластерами, что может быть связано с морфологической пестротой. У A. retroflexus выявлена большая фрагментация кластера в виде широкого рассеяния менее плотных синих точек, что связано с различиями оптических свойств отдельных органов растения – например, крупных матовых листьев, толстых стеблей и побегов. Более изреженная структура «хвоста» кластера и треугольная форма ядра у C. arvensis отражает стелющуюся структуру растения, переплетение тонких стеблей и листьев с разным углом наклона, а также наличие белых цветков с высоким отражением. К последней группе, имеющей изолированные субкластеры, относится Ch. album, где плотный кластер ядра в ярких оттенках соответствует листьям со светлым налетом, а полностью изолированный кластер в крайней отрицательной зоне t[1] локализует затененные участки. Явный разрыв и выделение менее плотного вытянутого субкластера обуславливается предположительно мощным отражением налета на листьях на фоне локальных глубоких теней.

Рисунок 9 – Диаграммы рассеяния сорной растительности в пространстве первых двух главных компонент

На рисунке 10 и в таблице 8 представлены факторные нагрузки в определенных волновых диапазонах для ключевых компонент PCA-анализа, демонстрирующие скрытые математические паттерны группировки структурных особенностей тканей. Для первой главной компоненты p[1] выявлена схожая биомодальная форма, описывающая базовую вегетационную архитектуру с факторными нагрузками первого пика от 0,029 до 0,075 в диапазоне от 520 до 674 нм и второго пика от 0,028 до 0,088 в диапазоне от 685 до 850 нм. Очевидно, что явное разделение видов производится по p[2]. Так, классический профиль с негативным пиком в видимой зоне (500–670 нм) и положительным пиком в NIR-диапазоне от 727 до 850 нм (lf=0.031–0.090) выявлен у E. cheiranthoides, S. arvensis, C. bursa-pastoris, A. retroflexus и C. arvensis, что описывает стандартное отражение света от гладких и слабоопушенных листьев. Инвертированный профиль p[2] с отрицательным минимумом в NIR области имеют E. canadensis, A. vulgaris, A. artemisiifolia и Ch. album в пределах 525–700 нм со значением load factor от 0,045 до 0,084. Данная инверсия является маркером наличия специфических микроструктурных паттернов, искажающих стандартный оптический отклик мезофилла, по которым возможно их дополнительное различение: например, светлого налета у Ch. album, густого опушения у A. vulgaris или сложного микрорельефа рассеченных узковатых листьев у A. artemisiifolia и E. canadensis.

Таблица 8 – Wavelength и load factors сорной растительности для PC1 и PC2

Рисунок 10 – Loading plots для сорной растительности по наиболее информативным PC

4.2.3 Насекомые

Спектральные паттерны у насекомых имеют отличительные характеристики от растений. Если у растений формирование спектра базируется преимущественно на содержании хлорофилла, а также определяется специфическими анатомо-морфологическими структурами, содержанием воды и тургором клеток, то у насекомых оптический отклик определяется окраской, наличием чешуек или волосков, химическим составом кутикулы, а также геометрией тела.

На рисунке 11 представлены спектральные профили насекомых, которые в отличии от спектров растений лишены резких переходов, в частности «красного края», и имеют более пологие куполообразные кривые. Изученные виды в зависимости от отражения и спектрального отклика в определенном диапазоне волн можно условно разделить на несколько групп. К первой группе можно отнести виды насекомых, которые имеют высокое отражение в сравнении с другими видами (> 20 %), с диффузным рассеянием в широкополосном диапазоне. Максимальные показатели зарегистрированы у L. sticticalis от 13 % до 21,5 % в диапазоне 510–800 нм и у C. italicus от 12,5 % до 20,5 % в диапазоне 525–800 нм. Спектральные кривые двух данных видов представляют собой широкие почти симметричные параболические купола без локальных впадин, которые плавно охватывают видимую примерно от 550 до 700 нм и переходят в плато в ближней инфракрасной области от 740 до 760 нм. С физической точки зрения данная форма обуславливается высоким отражением и матовой текстурой поверхности тела. Ко второй группе относятся насекомые, которым характерна фитомимикрия и имеющие средние значение отражения от 10 % до 15,5 % в диапазоне от 525–560 нм до 800 нм: Ch. schillingii, T. viridissima, T. ruficornis, L. striatella. Формы спектральных кривых, особенно у клопов (T. ruficornis, Ch. schillingii), очень похожи на спектральный профиль растений, то есть на графике очень четко фиксируется трехфазная структура спектра в виде локального пика в зеленой зоне, приходящегося на 600–625 нм, резкого спада в пределах красной зоны 650–670 нм до 10 % и 10,5 %, и следующего крутого подъема в начале NIR области, достигающего 15,5 % и 14,8 %, соответственно. К группе, имеющей фоновый камуфляж, относятся такие виды как T. viridissima и L. striatella. Несмотря на визуально схожую окраску кузнечика с растительностью, его спектральный профиль представляет сглаженный широкий купол с максимумом 11,2 % и имеющему несколько впадин до 10 % без резкой зоны поглощения хлорофилла, что свидетельствует о том, что зеленый цвет кузнечика формируется другим набором пигментов, что представляет его уникальность. Цикадка имеет очень схожий с кузнечиком профиль без резких перепадов, но с несколько более высокими показателями от 11 % до 13,2 %, что обуславливается не только особенностями пигментации, но и вкладом отражательных свойств крыльев в общий сигнал. К группе, имеющей меланизированные покровы и характеризующиеся экстремальным поглощением (в среднем менее 10 %) относятся жуки (A. austriaca, A. austriaca, Ch. aridula, Ph. vittula), двукрылые (Phorbia fumigate) и мелкие темные виды (H. tritici). Кривые представляют собой немного изогнутую горизонтальную прямую, прижатую к оси абсцисс с отражением менее 5 % практически вплоть до 680–690 нм с плавным подъемом для Ch. aridula и резким подъемом для H. tritici, с пиком в пределах 750–760 нм для обоих кривых. Спектр Ph. vittula идентичен таковому у Ch. aridula, но за счет наличия светло-желтых отражающих полос не теле насекомого отражение как в видимой зоне так и в пределах красного края повышается от 5,4 % до 9,8 % с охватом более широкого диапазона от 600 до 800 нм в сравнении с таковыми у Ch. aridula (отражение 3,5–6,0 % в диапазоне от 550 до 770 нм). Спектр Phorbia fumigate в видимом спектре сходится с Ph. vittula, но в области ближнего инфракрасного диапазона демонстрирует более плоский контур, варьируя при этом от 5,4 % до 7,5%, охватывая диапазон с 600 до 780 нм. Жукам A. agricola, A. austriaca характерен отчетливый пологий горб к видимом спектре 600–680 нм с коэффицентом отражения 5 % и 7 % с постепенным его снижением в пределах красного края и ближней инфракрсной области (770–780 нм) до 8 % и 9,5 %, соответственно.

Рисунок 11 – Спектральные профили насекомых

На рисунке 12 представлены диаграммы Variance Scatter насекомых. В зависимости от размеров, особенностей покровов и микрорельефа тела диаграммы дисперсии разделены на три группы. Первая группа включает диаграммы жуков рода Anisoplia, имеющие вытянутую, V-образную форму, преходящую в L-образную форму с плотным ядром и длинным «хвостом», уходящим в положительную часть оси t[1]. Ядро в данном случае соответствует спектру темной кутикулы, а вытянутый хвост соотносится с зеркальными бликами на выпуклых надкрыльях жуков, то есть в данных точках свет отражается в объектив фактически без взаимодействия с пигментами, что при приводит к «разрыву» и отделению кластера. Ко второму относятся преимущественно крупные виды с преобладанием разнотекстурных покровов: C. italicus, Ch. schillingii, T. viridissima, L. sticticalis, T. ruficornis. Плотность диаграмм обеспечивается крупными размерами данных насекомых, что обеспечивает большое количество анализируемых пикселей. За счет особенностей микрорельефа тел насекомых (микроструктура кутикулы и поверхностных покровов) происходит диффузное рассеяние света и сигнал от разных частей тела получается относительно однородный, в результате чего формируется округлое или пирамидальное облако пикселей. Экстремально фрагментированные диаграммы дисперсии в виде разбросанных точек без обособленного ядра имеют преимущественно виды небольшого размера (Ph. fumigata, Ch. aridula, Ph. vittula, H. tritici) и L. striatella, что может быть связано не только с размером насекомого, но ещё и выраженной оптической неоднородностью покровов. У Ph. fumigata и H. tritici особый вклад в спектральную вариабельность вносят прозрачные крылья, существенно отличающиеся от темного тела, что в совокупности обеспечивает диффузное рассеяние. У Ph. vittula в качестве дополнительного фактора выступает контраст цвета надкрылий между темными и светлыми участками, а у Ch. aridula это обеспечивается за счет комбинации низкого отражения и большого числа пикселей на небольшой объект с учетом флуктуации оптических свойств надкрылий. У L. striatella фрагментация кластера объясняется гетерогенностью поверхности тела, а именно формирование сложной оптической мозайки и разброс значений пикселей в пределах координатной плоскости связаны с формированием «слоистой» структуры сигнала за счет прозрачности крыльев с контрастными жилками и суммировании отражения хитинизированной кутикулы, что приводит к чередованию пикселей и их сильному разбросу.

Рисунок 12 – Диаграммы рассеяния насекомых в пространстве первых двух главных компонент

На рисунке 13 и в таблице 8 представлены данные факторных нагрузок по насекомым. У насекомых, имеющих зеленую и светлую окраску (C. italicus, Ch. schillingii, T. viridissima, L. sticticalis, T. ruficornis) первая компонента p[1] имеет практически симметричный куполообразный пик, достигающий факторной нагрузки от 0,039 до 0,065 в пределах волнового диапазона от 524–550 нм до 702 нм с максимумом около 620–670 нм. Вторая компонента p[2] характеризуется стандартной биполярностью в виде неглубокого отрицательного провала в пределах 650–670 нм и резким положительным скачком в ближней инфракрасной зоне (~750–770 нм при lf от 0,0375 до 0,072). Максимальная изменчивость по p[1] определяется сложным химическим составом пигментов и цветовому контрасту в видимой зоне. Биполярность p[2] описывает структурное отличие тканей насекомого от растений в пределах красной зоны и red edge, где пик приходится на 677–702 нм в сравнении с 750–775 нм, соответственно. Иная структура спектрального отклика главных компонент наблюдается для Ph. fumigata, Ch. aridula и Ph. vittula. Базовая нагрузка на p[1] в VIS-зоне практически подавлена, но в NIR-зоне наблюдается явное формирование мощного пика в пределах 750–780 нм с факторной нагрузкой равной 0,020–0,070. Пигментированные темные покровы выступают абсолютными поглотителями видимого света, в связи с чем до 700 нм оптический сигнал практически обнуляется, поэтому разница между данными насекомыми фиксируется в ближней инфракрасной зоне, где меланин теряет свои экранирующие свойства и хитин начинает рассеивать излучение. Наряду с этим, выявлены также насекомые которые имеют атипичные профили. Например, у жуков рода Anisoplia зафиксирована тотальная инверсия: кривая p[1] в видимом диапазоне уходит в глубокий провал в отрицательной зоне, а p[2] формирует положительный пик с максимумом приблизительно в пределах 700 нм, но охватывая при в этот диапазон от 550–580 до 702–828 нм, где такая инверсия связана скорее всего с зеркальными бликами от гладких, выпуклых надкрыльев. Уникальный профиль выявлен для L. striatella, где p[1] представлена бимодальной кривой с пиками, приходящимися на 650 нм и 750 нм (lf=0.030–0.052) в видимой и NIR-зонах, соответственно; в то время как p[2] представлена одним пиком в пределах 770 нм (lf=0.043–0.057). H. tritici характерна типичная кривая p[1], как у темных видов, охватывая диапазон волн от 710 до 853 нм с факторной нагрузкой от 0,035 до 0,070 нм; а p[2] в свою очередь полностью инветирована, представляя собой положительный пик в области красного края, охватывая диапазон волн от 677 до 730 нм с факторной нагрузкой от 0,030 до 0,052 нм, переходя в глубокий провал в ближнем инфракрасном диапазоне.

Рисунок 13 – Loading plots для насекомых по наиболее информативным PC

Таблица 9 – Wavelength и load factors насекомых для PC1 и PC2

4.3 Статистический анализ спектральных сигнатур

Для понимания основных спектральных отличий трех фитосанитарных компонентов проведена оценка усредненных ключевых спектральных параметров (таблица 10) по средним значениям общих спектров каждого вида (рисунок 14B) в сравнении со средними значениями индивидуальных спектров по интенсивности отражения (рисунок 14A). Данные в таблице 10 показывают, что оптический профиль на уровне макрообъекта не является суммой отдельных его частей, а подвергается существенным нелинейным трансформациям ввиду влияния одних структур на другие и формирование теней, а также геометрии объектов. Смена локального пикселя на агрегированный макрообъект меняет общее отражение, специфичное для каждой группы объектов. Наибольшее падение отражение отмечено для энтомофауны практически в 4,5 раза (μ = с 44,18 % до 10,28 %). У сорняков и пшеницы (как здоровой, так и пораженной) варьирование данного показателя составляет от 7,91 % до 9,97 %. У болезней пшеницы прослеживается совсем другая динамика оптического смешивания. Индивидуальные спектры пораженных участков по интенсивности отражения имеют в среднем отражение в пределах 28,54 %, что превышает таковое значение у здоровой ткани 26,10 % при минимальном внутригрупповом шуме, что подтверждается коэффициентом вариации от 3,15 % до 4,52 %. При переходе к агрегированному спектру среднее значение отражения падает до 20,34 %, а уровень структурного шума возрастает до 5,20%. Похожая ситуация выявлена для сорняков, что в совокупности может свидетельствовать о разбавлении спектрального сигнала отдельными структурными компонентами у сорняков или сочетании их с участками неповрежденной ткани. При исследовании совокупного спектра в сравнении с локальными прослеживается сдвиг спектральных границ в коротковолновую область у болезней на 8,86–50,32 нм (с 552,14–758,86 нм до 501,82–750,00 нм) и в длинноволновую область спектра у здоровой пшеницы (с 515–780 нм до 520–820 нм), сорняков (с 513,70–778,67 нм до 525–780 нм) и насекомых (с 512,22–764,75 нм до 566,25–791,67 нм) на 5–40 нм, 1,33–11,30 нм, 26,92–54,03 нм, соответственно. Соответственно, у здоровой пшеницы агрегация сигнала приводит к расширению спектрального сигнала с 265 нм до 300 нм и сдвигу проявления спектрального отклика в ближнюю инфракрасную область (780–820 нм). У насекомых агрегация приводит к сужению spectral bandwidth с 252,53 до 225,42 нм, что в совокупности со сдвигом нижней границы спектра указывает на то, что идентифицировать вредителей на уровне макрообъектов предпочтительнее в желто-красной зоне видимого спектра и NIR-области. Для фитопатологий агрегированные спектры расширяют размах спектральной полосы с 206,71 до 248,18 нм, где при этом происходит смещение нижней границы регистрации спектрального сигнала для данного фитосанитарного объекта в сине-зеленую область. Математическими индикаторами сепарабельности исследуемых групп объектов также выступают показатели контрастности. Для болезней пшеницы агрегация повышает показатели контраста (I_norm – с 0,272 до 0,329 нм, C – с 1,376 до 1,493 нм) и относительной ширины полосы (B_rel – с 0,158 до 0,197 нм), аналогичная тенденция характерна и здоровой пшеницы. У энтомофауны контрастность падает (I_norm – с 0,330 до 0,3284 нм, C – с 1,497 до 1,404 нм) и ширина полосы сокращается (B_rel – с 0,198 до 0,167 нм), как и у сорной растительности, но для сорняков изменения менее вариабельны. Несмотря на искажения амплитуды и смещение волн при агрегации, именно сорные растения сохраняют максимальные показатели ∆R как на локальном (18,83), так и на макроуровне (17,71). Именно данный параметр может рассматриваться в качестве надежного предиктора для алгоритмической дифференциации сорняков от культурной растительности.

Таблица 10 – Спектральные характеристики отражения и особенности распределения длин волн трёх компонентов агроценоза яровой пшеницы (Ind. — индивидуальные спектральные сигнатуры, усреднённые значения; Agg. — агрегированные спектральные сигнатуры, усреднённые значения).

Рисунок 14 – Статистические показатели спектрального отражения: (А) – индивидуальные спектральные сигнатуры; (Б) –агрегированные спектральные сигнатуры

Для совокупного анализа трех фитосанитарных объектов пшеничного агроценоза проведен PCA-анализ, анализ графиков факторных нагрузок в соответствующих волновых диапазонах и иерархический кластерный анализ методом Варда (Ward).

В соответствии с рисунками 15А, 16А и 17А scores plots показали, что различным биологическим классам характерна вариация топологии дисперсии. У растительных образцов (здоровая пшеница и пшеница, пораженная болезнями, сорняки) первая главная компонента t[1] описывает основную часть дисперсии – 73,2 % и 72,6 %, соответственно. Это подтверждает схожесть данных биологических объектов мощным общим градиентом в виде концентрации хлорофилла и влаги, что влияет на соответствующий спектральный профиль. У насекомых дисперсия распределяется чуть более равномерно (54,3 % приходится на t[1] и 34,3 % на t[2]), что указывает на формирование спектра насекомого преимущественно двумя независимыми переменными, в качестве основных можно предположить содержание пигментов и структурные особенности хитинового покрова, которые являются ключевыми формирующими факторами спектрального отклика. Не менее важную роль играет также морфология кластеров, которая у всех трех имеет ряд отличий. Например, сорные растения формируют единый плотный в центре диаграммы кластер, отходящий веерообразно вправо по диагонали, где плотное скопление точек в центре свидетельствует об однородности здоровой зеленой биомассы, а вариации к периферии определяют морфологические особенности покровов представителей сорной растительности (рисунок 16А). У образцов пшеницы, пораженных заболеваниями, прослеживается четкая структурная дихотомия кластера: основной массив расположен преимущественно в отрицательных частях графика по оси t[2] с уходящей вправо по диагонали плотно сгруппированной широкой линией. Также выделяется изолированный линейный субкластер с положительной части оси t[2] и отрицательной части оси t[1], что может свидетельствовать о влиянии мицелиального покрова как дополнительного оптически активного слоя, который может изменять спектральную отражательную способность пораженных тканей (рисунок 15А). Насекомым характерно формирование широкого диффузного треугольного «облака» без единого четко обособленного ядра, что в совокупности с существенной оптической гетерогенностью данного фитосанитарного объекта указывает на отличие насекомых от растений в пространстве спектральных признаков, а также подкрепляется различной ориентацией облака точек относительно центральных осей (у насекомых более прижато к центральной оси, у болезней – более отдаленно) (рисунок 17А).

Рисунок 15 – Многомерный анализ спектральных характеристик здоровых растений и растений пшеницы, поражённых заболеваниями: (А) – анализ главных компонент (PCA); (Б) – график нагрузок главных компонент (Loading plot); (В) – иерархическая кластеризация

Рисунок 16 – Многомерный анализ спектральных характеристик сорной растительности: (А) – анализ главных компонент (PCA); (Б) – график нагрузок главных компонент (Loading plot); (В) – иерархическая кластеризация

Рисунок 17 – Многомерный анализ спектральных характеристик насекомых: (А) – анализ главных компонент (PCA); (Б) – график нагрузок главных компонент (Loading plot); (В) – иерархическая кластеризация

Анализ факторных нагрузок на рисунках 14B, 15B, 16B позволил выявить какие именно длины волн определяют разделение изучаемых объектов математически. У здоровой сорной растительности фиксируется типичный спектральный профиль растения с провалом в области «красного края», при этом p[1], описывающая базовую вариативность, имеет ярко выраженный бимодальный характер с выраженным спектральным откликом в диапазоне 525–560 нм с фактором нагрузки 0,046 и доминирующим пиком в NIR-области (710–825 нм) с экстремальной нагрузкой достигающей 0,050–0,087, что математически может соответствовать межвидовой вариации содержания хлорофилла и различиями в плотности и объеме губчатого мезофилла. Вторая компонента p[2] ограничивается видимым диапазоном в пределах 525–607 нм с нагрузкой от 0,050 до 0,073, что предположительно может быть маркером эпикутикулярных структур в виде трихом или воскового покрытия. В отличие от здоровых сорняков, деструкция тканей патогенами приводит к сокращению и сдвигу спектрального отклика. Кривая p[1] формирует пик преимущественно в видимой зоне в пределах 550–640 нм с факторной нагрузкой 0,036–0,050, что напрямую связано с разрушением фотосинтетического аппарата и развитием хлорозов и некрозов тканей. p[2] тоже в свою очередь теряет типичные признаки здорового профиля, разделяясь на уровне 540 нм на два явно выраженных пика в коротковолновой части, где первый отмечается в пределах сине-голубой зоны 472–524 нм (нагрузка до 0,045), а второй в пределах зелено-желтой зоны 550-610 нм (нагрузка до 0,043). Данная динамика предположительно фиксирует изменения пигментного баланса на локальном уровне и отмечает наличие экзогенных проявлений патогена до перехода кривой в отрицательные значения в NIR-области. У насекомых спектры проявляются совсем другими формами кривых, где оси дисперсии идеально симметричны без перекрытия пиков между собой по длинам волн. Компонента p[1] изолирована в видимой зоне начиная 535–650 нм со стабильным пиком с 635 нм до 650 нм и достаточно высокой нагрузкой до 0,065. Компонента p[2] соотносится уже с ближней инфракрасной зоной 705–780 также со стабильным пиком в пределах 750–780 нм и нагрузкой до 0,070. Это является явным доказательством того, что визуальная окраска в виде пигментации кутикулы и инфракрасное рассеяние за счет толщины хитина и микрорельефа варьируют независимо друг от друга, что нехарактерно для растительных тканей (таблица 11).

Анализ дендрограмм иерархической кластеризации (рисунок 15C, 16C, 17C) проведенный на основе евклидова расстояния позволяют определить степень спектрального родства внутри каждого класса. Наибольшая оптическая дистанция выявлена для насекомых, где максимальное расстояние кластеризации приближается к 7.0, что свидетельствует о том, что энтомофауна является одним из самых разнообразных оптических объектов в агроценозе. Наиболее компактное дерево характерно для сорных растений (максимальное расстояние – около 3.5), поскольку все имеют практически схожие механизмы формирования спектрального отклика и отличаются индивидуальными особенностями конкретного вида растения. Болезни в данном случае занимают промежуточное положение с максимальным расстоянием 4.7. Выделены также групповые аутлаеры, где у болезней таким является мучнистая роса (Powdery mildew), что напрямую коррелирует с частично изолированным кластером на PCA диаграмме и объясняется наличием экзогенного налета. У сорняков среди всех видов наибольшее евклидово расстояние характерно для A. retroflexus из-за специфической структуры метелок и антоциановой пигментации. У насекомые максимальная дистанция характерна для (T. ruficornis), спектр которого по своему профилю похож на растительную ткань, резко контрастируя особенно с видами с меланизированными покровами, сгруппированными в центре.

Таблица 11 – Спектральные характеристики отражения и особенности распределения длин волн трёх компонентов агроценоза яровой пшеницы

4.4 Машинное обучение

Идентификация фитосанитарных объектов проводилась пятью алгоритмами машинного обучения: Random Forest, Maximum Entropy, SVM, Neural Network, SIMCA по ключевым метрикам качества работы модели (таблица 12). Абсолютным лидером среди протестированных алгоритмов оказался алгоритм Random Forest, который продемонстрировал эффективность классификации болезней пшеницы, сорняков и насекомых (в среднем F1-score=91,06 %, Kappa=0,90, MCC=0,91), доказав устойчивость работы с пространственно гетерогенными гиперспектральными данными. Экстремально высокие результаты Precision (98,26 %) и Specificity (99,88 %) выявлены для энтомофауны, но Recall был существенно ниже (78,36 %), что указывается на консервативность и точность работы нелинейной архитектуры алгоритма Random Forest при детекции насекомых, то есть модель с высокой точностью классифицирует «чистые» оптические сигналы кутикулы, исключая при этом ложноположительные срабатывания и сильно зашумленные пиксели, где сигнал насекомого может подавляться за счет субпиксельного смешивания или идеальной фитомимикрии. Также высокие значения F1-score, Kappa и MCC для болезней пшеницы (F1=93,33 %, Kappa=0,92, MCC=0,93) и сорняков (F1=92,96 %, Kappa и MCC=0,92) доказывают, что алгоритм, основанный на глубоких решающих деревьях, успешно справляется с нахождением скрытых нелинейных паттернов в NIR-зоне для разделения оптически перекрывающихся растительных тканей.

Таблица 12 – Основные показатели оценки качества моделей машинного обучения

Модели SVM, Neural Network и SIMCA показали заметное ухудшение результатов при работе с сильно различающимися и сложными данными спектров. Особенно существенное снижение выявлено для моделей в способности правильно соотносить объекты с конкретным классом, что очень явно заметно у насекомых (для SVM Recall=13,96 %, MCC=0,21; для Neural Network Recall=19,67 %, MCC=0,32; для SIMCA Recall=38,76 %, MCC=0,32) и указывает на то, что модели пропускали значительную часть насекомых и часто относили их к другим классам. Основной причиной снижения качества работы модели может быть существенное различие спектров насекомых, их варьирование и образование нечетко разделенных групп в многомерном пространстве по причине особенностей отражения света от поверхности насекомых, в том числе хитина и различными в степени пигментации. Соответственно, моделям, использующим относительно простые границы разделения, было сложно дифференцировать насекомых от других объектов. При классификации болезней пшеницы и сорняков качество работы моделей SVM (F1=64,18 % и 56,57 %), Neural Network (F1=51,80 % и 40,20 %) и SIMCA (F1=68,45 %) также снизилось. Для нейронной сети дополнительной проблемой могла стать классификация пораженных участков пшеницы, особенно при смешивании в одном пикселе признаков пораженной и здоровой ткани, что приводило к менее выраженному спектральному сигналу патологии.

Алгоритм Maximum Entropy показал высокую предсказательную способность для болезней пшеницы (F1=83,93 %, Kappa=0,84, MCC=0,95), что связано с описанием дисперсии смещением и сглаживанием «красного края» при хлорозах и некрозах. Переход к сорным растениям сопровождается снижением предсказательной способности данного алгоритма (F1=60 %, Kappa и MCC=0,56), что связано с усложнением спектральной вариативности эпикутикулярными структурами в виде сложного микрорельефа, опушения или воскового налета. Эти структуры вызывают многократное отражение света, что делает спектральные признаки более неоднородными и затрудняет их корректную обработку энтропийной логикой модели. Для насекомых модель Maximum Entropy демонстрирует высокий Precision (92,71 %) при низком Recall практически в два раза (45,11 %) и значении Kappa=0,54, что подтверждает фактическую предрасположенность линейно-вероятностных моделей улавливать только объекты с эталонной спектральной сигнатурой, игнорируя при этом вариабельность и фрагментированность сигнала, что автоматически будет создавать трудности в полевых условиях.

Сравнение пяти моделей показало, что алгоритм Random Forest показал наилучший результат работы в том числе для разных объектов, спектры которых демонстрируют существенное перекрытие. Другие же алгоритмы, особенно SVM, Neural Network и SIMCA сработали гораздо слабее из-за неспособности эффективно сегрегировать диффузные спектральные сигнатуры насекомых и паттерны растительных тканей с учетом влияния шумов.