Китайские учёные разработали метод оценки состояния посевов по мультиспектральным снимкам с дронов🌱 Исследователи из Уханьского университета совместно с коллегами из других научных организаций Китая и Гонконга разработали метод обработки мультиспектральных изображений с беспилотников, который повышает точность оценки фотосинтетической активности сельскохозяйственных культур. Технология позволяет определять, какую долю поступающей солнечной радиации растения поглощают для фотосинтеза, даже при изменении структуры посевов и характеристик окружающей поверхности. Результаты исследования опубликованы в научном журнале Plant Phenomics. Для оценки состояния растений учёные использовали показатель FAPAR (Fraction of Absorbed Photosynthetically Active Radiation) – долю поглощённой растительностью фотосинтетически активной радиации. С его помощью оценивались интенсивность фотосинтетических процессов, развитие растительного покрова и потенциальная продуктивность посевов. Беспилотники с мультиспектральными камерами использовались для получения необходимых данных с высокой детализацией. Обычные методы оценки часто используют вегетационные индексы, рассчитываемые по отражению света в разных спектральных диапазонах. При этом на результаты могут влиять открытые участки почвы, тени и различия в структуре растений. Кроме того, при высокой плотности растительности показатели некоторых индексов достигают насыщения, из-за чего становится сложнее отслеживать дальнейшие изменения состояния посевов. Для решения этой проблемы исследователи предложили метод VE-MLM (Variable Endmember-based Multilinear Mixing). Он основан на разделении мультиспектрального изображения на сигналы, отражённые растительностью и фоновыми поверхностями. В отличие от традиционных подходов, использующих заранее заданные спектральные характеристики объектов, новая система формирует изменяемую библиотеку образцов непосредственно по снимкам конкретного поля. Метод проверили на посевах сорго и риса. Исследователи использовали мультиспектральные снимки, полученные с БПЛА на нескольких этапах развития растений, и сопоставили результаты с измерениями FAPAR непосредственно в полевых условиях. Для сорго коэффициент детерминации R² составил 0,900 при относительной среднеквадратичной ошибке 7,753%. Для риса показатели достигли R² = 0,807 и rRMSE = 2,200%. По точности оценки метод VE-MLM превзошёл традиционные вегетационные индексы, модели линейного и нелинейного спектрального смешения, а также алгоритм Random Forest. Отдельно авторы проверили работу алгоритма на разных стадиях созревания культур, когда в растительном покрове меняется соотношение листьев, стеблей и метёлок. Метод сохранил устойчивость даже при появлении красных и жёлтых метёлок, которые изменяли спектральные характеристики посевов и могли затруднять стандартную оценку. Разработка может применяться для мониторинга развития сельскохозяйственных культур, сравнения сортов, оценки потребности растений в азотных удобрениях и прогнозирования урожайности. Более точные данные о поглощении солнечной радиации позволяют выявлять различия в развитии посевов и корректировать агротехнические мероприятия. В дальнейшем исследователи планируют проверить метод на большем количестве культур и природных условий, а также изучить возможность объединения данных беспилотников со спутниковой съёмкой.