Том 29, номер 07, статья № 6

Аннотация:

Рассматривается косвенное оценивание содержания азота и калия на опытных агрофизических полях для двух сортов пшеницы – «Эстер» и «Тризо» – путем математического анализа результатов авиационной гиперспектральной съемки в диапазоне от 450 до 850 нм. После предварительной обработки полученных сигналов и проведения внешней калибровки (атмосферной коррекции) снимка (пересчета сигналов прибора в коэффициенты спектральной яркости) оценивалось содержание азота и калия путем сопоставления результатов обработки дистанционных данных с данными лабораторных измерений по процентному составу анализируемых химических элементов в стеблях растений на тестовых делянках. В ходе расчетов применялся метод субпиксельного анализа, где в качестве опорных использовались два средних спектра, вычисленные на тех делянках, которые соответствовали максимальному содержанию азота и калия. Качество полученного результата контролировалось путем сравнения оценок концентраций этих веществ на тех делянках, присутствующих на снимке, спектральные векторы которых не использовались как опорные. Результаты показали существенную зависимость точности получения оценок от сорта зондируемой культуры.

Ключевые слова:

авиационная гиперспектральная съемка, спектральная идентификация, субпиксельный метод, тематическая обработка спектральных данных

Список литературы:

1. Hatfield J.L. Precision agriculture and environmental quality: Challenges for research and education. U.S. Department of Agriculture in Ames, Iowa, 2000. 15 p.
2. Толпин В.А., Лупян Е.А., Барталев С.А., Плотников Д.Е., Матвеев А.М. Возможности анализа состояния сельскохозяйственной растительности с использованием спутникового сервиса «ВЕГА» // Оптика атмосф. и океана. 2014. Т. 27, № 7. С. 581–586.
3. Kanash E.V., Osipov Yu.A. Optical signals of oxidative stress in crops physiological state diagnostics // Precision agriculture. Wageningen, Netherlands. 2009. P. 81–89.
4. Yakushev V.P., Kanash E.V. Evaluation of plants nitrogen status by colorimetric characteristics of crop presented in digital images // Precision Agriculture / Ed. by J.V. Stafford, Ampthill, UK. Paper presented at 8th European Conf. on Precision Agricultire, 2011, Prague, Czech Republic, 11–14 July. P. 341–351.
5. Михайленко И.М. Научно-методические и алгоритмические основы оценивания продуктивного и санитарного состояния посевов по данным ДЗЗ // Материалы Всерос. науч. конф. (с международным участием) «Применение средств дистанционного зондирования Земли в сельском хозяйстве». Санкт-Петербург, 16–17 сентября, 2015. С. 37–40.
6. Канаш Е.В. Основные характеристики агрофитоценозов для дешифрирования спектральных данных дистанционного зондирования // Материалы всерос. науч. конф. (с международным участием) «Применение средств дистанционного зондирования Земли в сельском хозяйстве». Санкт-Петербург, 16–17 сентября, 2015. С. 25–28.
7. Остриков В.Н., Плахотников О.В., Кикоть А.В. Оценка спектрального разрешения аппаратуры гиперспектральной съемки по наблюдениям фраунгоферовых линий // Механика, управление и информатика. 2012. № 9. С. 272–276.
8. Ostrikov V.N., Plakhotnikov O.V. Correlation between hyperspectral imagery preprocessing and the quality of thematic analysis // Izvestiya. Atmos. Ocean. Phys. 2014. V. 50, N 9. P. 889–891.
9. Ostrikov V.N., Plakhotnikov O.V. Calibration of hyperspectral data aviation mode according with accompanying groundbased measurements of standard surfaces of observed scenes // Izvestiya. Atmos. Ocean. Phys. 2014. V. 50, N 9. P. 1016–1019.
10. Остриков В.Н., Кириенко А.В. Навигационно-корреляционная коррекция изображений, искаженных взаимными сдвигами строк // Информационно-измерительные и управляющие системы. 2009. Т. 7, № 7. С. 52–57.
11. Остриков В.Н., Плахотников О.В., Кириенко А.В., Шулика К.М. Калибровка данных гиперспектральной аппаратуры авиационной съемки для проведения дистанционного спектрального анализа состояния сельскохозяйственных культур // Материалы всерос. науч. конф. (с международным участием) «Применение средств дистанционного зондирования Земли в сельском хозяйстве». Санкт-Петербург, 16–17 сентября, 2015. С. 20–24.
12. Протасов К.Т., Протасов К.К. Алгоритм распознавания образов по данным гиперспектральной съемки // Оптика атмосф. и океана. 2014. Т. 27, № 7. С. 601–604.
13. Белов В.В., Афонин С.В. От физических основ, теории и моделирования к тематической обработке спутниковых изображений. Томск: Изд-во ИОА СО РАН, 2005. 266 с.
14. Brandt S. Statistical and computational methods in data analysis. New York: INC, 1970. 312 p.