5 Апробация технологии дистанционного гиперспектрального зондирования агроценозов яровой пшеницы

5.1 Экспериментальная апробация гиперспектральной камеры FigSpec FS-60

Развитие технологий спектрального мониторинга сельскохозяйственных культур связано с расширением возможностей получения диагностической информации на различных пространственных уровнях. Одним из наиболее перспективных направлений является переход от проксимальной гиперспектральной визуализации отдельных биологических объектов к дистанционной регистрации спектрально-пространственных характеристик растительного покрова непосредственно в полевых условиях. Такой подход приобретает особое значение при исследовании агроценозов яровой пшеницы, характеризующихся неоднородностью растительного покрова и присутствием различных фитосанитарных компонентов.

Ранее проведённые лабораторные исследования с использованием гиперспектральной камеры FigSpec FS-13 позволили изучить отражательные характеристики здоровых и поражённых растений яровой пшеницы, сорной растительности и насекомых. На основе полученных гиперспектральных изображений выполнен анализ спектральных профилей, определены особенности распределения исследуемых объектов в пространстве главных компонент и сформированы классификационные модели с использованием алгоритмов машинного обучения.

Несмотря на высокую информативность проксимальной гиперспектральной визуализации, её применение преимущественно ограничивается исследованием отдельных образцов и не позволяет непосредственно характеризовать пространственное распространение фитосанитарных компонентов в пределах сельскохозяйственного поля. Это определило необходимость апробации гиперспектрального оборудования, предназначенного для дистанционного зондирования растительного покрова.

В рамках проведённых исследований осуществлена экспериментальная апробация гиперспектральной камеры FigSpec FS-60, направленная на получение спектрально-пространственных изображений агроценозов яровой пшеницы и оценку возможностей их обработки для выделения фитосанитарных компонентов. В качестве объекта экспериментального анализа рассмотрена сорная растительность, присутствующая в структуре посевов яровой пшеницы.

Применение дистанционной гиперспектральной визуализации позволило исследовать особенности пространственного распределения спектральных характеристик растительного покрова в естественных условиях произрастания. В отличие от лабораторной съёмки, выполняемой при контролируемом освещении и относительно постоянной геометрии регистрации, дистанционное зондирование осуществляется в условиях изменчивого солнечного освещения, неоднородной структуры растительности, наличия почвенного фона и затенённых участков. Совокупное влияние указанных факторов определяет особенности формирования спектрального сигнала и требует соответствующих подходов к обработке полученной информации.

Полученные камерой FigSpec FS-60 гиперспектральные изображения использовались для исследования спектрально-пространственной неоднородности растительного покрова и визуализации выделенных областей. На исходных изображениях сформированы цветовые маски, позволяющие представить пространственное распределение элементов, различающихся зарегистрированными спектральными характеристиками.

Визуальный анализ полученных материалов показывает, что выделенные области характеризуются неоднородностью пространственного распределения и различаются по конфигурации, протяжённости и степени пространственной концентрации. Отдельные элементы образуют относительно компактные участки, тогда как другие представлены разобщёнными включениями в пределах исследуемого изображения. Подобная структура отражает особенности распределения спектрально неоднородных компонентов растительного покрова.

Особый интерес представляет возможность пространственного выделения участков, характеризующихся отличиями спектрального отражения, которые могут быть использованы для последующего исследования сорной растительности. При этом интерпретация выделенных областей требует учёта особенностей исходного изображения и соответствующих классификационных признаков.

Результаты экспериментальной апробации дистанционной гиперспектральной визуализации представлены на рисунке 18.

Рисунок 18 – Результаты дистанционной гиперспектральной визуализации сорной растительности в агроценозе яровой пшеницы с использованием камеры FigSpec FS-60: (а) – выделение спектрально неоднородных участков; (б) – визуализация пространственного распределения выделенных спектральных областей; (в) – результат спектральной классификации

Полученные изображения характеризуют последовательные результаты визуализации пространственно-спектральной информации и демонстрируют возможность выделения спектрально различающихся областей в пределах исследуемого растительного покрова. Важным результатом является сохранение пространственной структуры исходного изображения при отображении выделенных элементов, что создаёт предпосылки для дальнейшего анализа распределения сорной растительности на уровне сельскохозяйственного поля.

На следующем этапе проведена классификационная обработка гиперспектральных данных с последующим представлением результатов в виде отдельных спектральных категорий. Полученные классификационные материалы позволяют исследовать различия между спектральными характеристиками объектов и анализировать распределение прогнозируемых классов.

В результатах классификации представлены категории, соответствующие представителям родов Capsella, Sonchus и Convolvulus. Их выделение отражает возможности применённой процедуры обработки гиперспектральных данных для дифференциации объектов сорной растительности на основе зарегистрированных спектральных признаков.

Результаты классификации представлены на рисунке 19.

Рисунок 19 – Результаты спектральной классификации сорной растительности по данным дистанционной гиперспектральной съёмки камерой FigSpec FS-60

Анализ классификационных материалов показывает наличие нескольких прогнозируемых категорий, различающихся характером спектрального представления. Полученные результаты подтверждают техническую возможность обработки гиперспектральных изображений с формированием классификационных меток исследуемых объектов.

Вместе с тем отнесение спектральных наблюдений к определённым категориям не является самостоятельным подтверждением видовой принадлежности растений. Для установления диагностической достоверности необходимо сопоставление прогнозируемых классов с результатами независимой идентификации, выполненной на основе контактных обследований и лабораторных исследований.

Таким образом, экспериментальная апробация камеры FigSpec FS-60 позволила получить гиперспектральные изображения агроценозов яровой пшеницы и сформировать результаты спектрально-пространственной классификации сорной растительности. Полученные материалы характеризуют возможности дистанционной гиперспектральной визуализации как одного из компонентов комплексной системы фитосанитарного мониторинга и создают экспериментальные предпосылки для последующего согласования лабораторных и полевых спектральных данных.

5.2 Методологические основы межмасштабного переноса диагностических спектральных признаков от проксимальной к дистанционной гиперспектральной съёмке

Одной из центральных задач разработки интегрированной системы дистанционного мониторинга агроценозов яровой пшеницы является обеспечение преемственности диагностической информации, полученной на различных пространственных уровнях исследования. Особое значение приобретает установление взаимосвязи между спектральными характеристиками отдельных биологических объектов, зарегистрированными при проксимальной гиперспектральной визуализации, и спектрально-пространственными данными, полученными при дистанционной съёмке растительного покрова.

Проксимальные гиперспектральные исследования, проведённые с использованием камеры FigSpec FS-13, обеспечили получение спектральных характеристик фитосанитарных компонентов агроценозов яровой пшеницы. В состав исследуемых объектов входили здоровые растения культуры, растения с признаками грибных заболеваний, представители сорной растительности и насекомые. Полученные гиперспектральные изображения послужили основой для выделения спектральных профилей, многомерного анализа и разработки классификационных моделей.

Лабораторная гиперспектральная визуализация обеспечивает возможность исследования индивидуальных отражательных характеристик объектов при относительно стабильных условиях регистрации. Это позволяет более детально анализировать различия спектральных признаков и формировать эталонные выборки, необходимые для последующей интеллектуальной классификации.

При переходе к дистанционному гиперспектральному зондированию условия регистрации существенно изменяются. Спектральный отклик растительного покрова формируется в результате взаимодействия электромагнитного излучения с совокупностью биологических и небиологических элементов агроценоза. На зарегистрированные характеристики влияют особенности пространственного расположения растений, неоднородность листовой поверхности, степень сомкнутости посевов, почвенный фон и естественное освещение.

Дополнительным фактором являются различия технических характеристик камер FigSpec FS-13 и FigSpec FS-60. Даже при использовании перекрывающихся спектральных диапазонов результаты измерений могут различаться вследствие особенностей спектральной чувствительности сенсоров, различий ширины спектральных каналов и применяемых процедур радиометрической коррекции.

Поэтому непосредственное применение лабораторных спектральных профилей и классификационных моделей к дистанционным изображениям без предварительного согласования данных может сопровождаться снижением диагностической достоверности.

Для решения указанной задачи предложена методологическая последовательность межмасштабного переноса спектральных признаков, предусматривающая формирование эталонных спектральных данных, межсенсорное согласование, выделение устойчивых диагностических характеристик, адаптацию классификационных моделей и независимую проверку полученных результатов.

Первоначальный этап основывается на использовании данных проксимальной гиперспектральной визуализации FigSpec FS-13. Полученные спектральные профили систематизируются с учётом принадлежности исследуемых объектов к соответствующим фитосанитарным категориям. Для обеспечения воспроизводимости анализа необходимо сохранять сведения об условиях съёмки, способах калибровки, параметрах предварительной обработки и результатах биологической идентификации образцов.

На следующем этапе выполняется согласование характеристик спектральных данных, полученных различными сенсорами. Данная процедура предусматривает установление общего диапазона длин волн, сопоставление спектральных каналов и применение согласованных методов предварительной обработки. При наличии соответствующих калибровочных характеристик возможно использование преобразований, учитывающих различия спектрального отклика камер.

После согласования данных осуществляется выделение информативных диагностических признаков. Основное внимание уделяется характеристикам, способным сохранять разделительную способность при изменении условий регистрации. Для их исследования могут применяться методы главных компонент, анализ спектральных нагрузок, оценка межклассовых различий и алгоритмы отбора информативных спектральных диапазонов.

Следующий этап связан с адаптацией классификационных моделей к условиям дистанционного наблюдения. При этом эталонные спектральные характеристики, полученные камерой FigSpec FS-13, рассматриваются как исходная диагностическая информация, которая может использоваться для формирования обучающих выборок и разработки классификаторов на основе дистанционных гиперспектральных данных.

Адаптация предполагает учёт различий между лабораторными и полевыми спектральными распределениями, а также оценку устойчивости классификационных признаков при изменении пространственного разрешения и условий регистрации.

Полученные камерой FigSpec FS-60 изображения представляют дистанционный уровень спектральной информации, на котором предусматривается проверка применимости выделенных диагностических характеристик к анализу растительного покрова. Результаты экспериментальной апробации, представленные в подразделе 5.1, показывают возможность формирования классификационных материалов на основе дистанционных гиперспектральных данных и служат основой для дальнейшей проверки межмасштабного переноса.

Заключительный этап предусматривает независимую верификацию результатов классификации. Для оценки диагностической достоверности необходимо сопоставление прогнозируемых категорий с фактической принадлежностью биологических объектов, установленной при наземных обследованиях. Результаты проверки позволяют характеризовать точность распознавания, выявлять ошибки классификации и определять ограничения переноса спектральных признаков между различными пространственными уровнями.

Методологическая последовательность межмасштабного переноса диагностических признаков представлена на рисунке 20.

Рисунок 20 – Методологическая схема межмасштабного переноса диагностических спектральных признаков от проксимальной гиперспектральной визуализации FigSpec FS-13 к дистанционному гиперспектральному зондированию FigSpec FS-60

Представленная схема характеризует последовательность перехода от эталонных спектральных характеристик отдельных биологических объектов к использованию диагностической информации на уровне дистанционных изображений сельскохозяйственного растительного покрова.

Принципиальное значение предложенного подхода заключается в разграничении процедур получения спектральных данных и проверки переносимости диагностических признаков. Наличие лабораторных классификационных моделей и результатов дистанционной гиперспектральной съёмки формирует экспериментальную основу для интеграции, однако эффективность непосредственного переноса моделей должна подтверждаться отдельными сравнительными испытаниями.

Таким образом, предложенная методология определяет последовательность согласования проксимальных и дистанционных гиперспектральных данных и формирует научную основу дальнейшего развития интеллектуальной диагностики фитосанитарного состояния агроценозов яровой пшеницы.

5.3 Научное значение и результаты апробации дистанционного гиперспектрального зондирования

Экспериментальная апробация гиперспектральной камеры FigSpec FS-60 представляет собой важный этап совершенствования методов дистанционного мониторинга агроценозов яровой пшеницы, связанный с расширением пространственного масштаба спектральных исследований.

Полученные материалы подтверждают возможность регистрации гиперспектральных изображений сельскохозяйственного растительного покрова и их последующей обработки с формированием результатов спектрально-пространственной классификации. На примере сорной растительности продемонстрированы визуализация выделенных спектральных областей и получение классификационных материалов, содержащих категории исследуемых объектов.

Научное значение выполненной апробации определяется возможностью изучения спектральных характеристик растений в естественных условиях агроценоза, когда регистрируемый отражательный сигнал формируется под влиянием пространственной организации растительного покрова и комплекса внешних факторов.

Особое значение имеет сопоставление результатов дистанционной съёмки с лабораторными гиперспектральными исследованиями. Формирование диагностической связи между эталонными спектральными профилями отдельных объектов и спектрально-пространственными характеристиками растительного покрова представляет перспективное направление развития интеллектуальных технологий фитосанитарного мониторинга.

Вместе с тем переход от лабораторных диагностических моделей к их применению в полевых условиях требует дополнительного экспериментального обоснования. К наиболее значимым методическим задачам относятся обеспечение межсенсорной сопоставимости измерений, учёт влияния смешанных пикселей, оценка устойчивости спектральных признаков и независимая проверка классификационных результатов.

Выполненная апробация позволяет определить направления дальнейшего совершенствования дистанционной гиперспектральной диагностики, включая разработку методов адаптации классификационных моделей, расширение спектральных библиотек и исследование пространственного распределения фитосанитарных компонентов.

Таким образом, применение FigSpec FS-60 расширяет экспериментальные возможности гиперспектральных исследований и создаёт предпосылки для формирования многоуровневой технологии спектрального мониторинга. Полученные результаты вместе с лабораторными данными FigSpec FS-13 и материалами мультиспектральной съёмки составляют научно-экспериментальную основу разработки интегрированной системы дистанционного мониторинга агроценозов яровой пшеницы.