МЕТОДИКА ДИСТАНЦИОННОЙ РЕКОГНОСЦИРОВОЧНОЙ ДИАГНОСТИКИ ОБЕСПЕЧЕНИЯ РАСТЕНИЙ АЗОТОМ (С ПОМОЩЬЮ МУЛЬТИСПЕКТРАЛЬНОЙ КАМЕРЫ И БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ) Российский патент 2019 года по МПК A01G7/00 G06K9/52 A01C21/00 

ОБЛАСТЬ ТЕХНИКИ

[1] Заявленное техническое решение относится к области сельского хозяйства, в частности, к методам рекогносцировочной диагностики состояния растений с применением беспилотных летательных аппаратов (БПЛА) для получения фотометрических данных.

УРОВЕНЬ ТЕХНИКИ

[2] Диагностика состояния растений, например, минерального, прежде всего азотного, питания растений является приоритетным направлением агрохимической науки и земледельческой практики [1]. Для определения потребности сельскохозяйственных культур в таких основных элементах питания, как фосфор и калий, широко применялась почвенная диагностика, т.е. определение в почвах подвижных форм этих элементов, на основании которой рассчитывались дозы соответствующих видов и форм удобрений. Почвенная диагностика применялась также и для выявления нуждаемости растений в азотных удобрениях, главным образом в допосевной период или в начале активной вегетации культур. Но в отличие от содержания подвижных форм фосфора и калия, характеризующегося относительной стабильностью даже в течение нескольких лет, содержание доступных для питания растений соединения азота в почвах требует постоянного контроля в течение каждого вегетационного периода из-за неустойчивости во времени, динамичности данного показателя, с одной стороны, и особой требовательности растений к азоту почти в течение всей их вегетации, с другой.

[3] Как правило, азотные удобрения вносят в почву ранней весной непосредственно перед посевом яровых культур или поверхностно в начале вегетации озимых зерновых, ориентируясь на данные агрохимического обследования почв, включая оперативную диагностику. В критические периоды вегетации (кущение-ветвление, трубкование – стеблевание, колошение-цветение, формирование семян) для оптимизации азотного питания зерновых и других сельскохозяйственных культур проводятся вегетационные подкормки азотными удобрениями по данным химических методов растительной диагностики – стеблевой и листовой [2, 3].

[4] В последние десятилетия все большее значение, особенно за рубежом, наряду с химическими, приобретают физические, а именно фотометрические, методы диагностики азотного питания посевов, основанные на связи интенсивности зеленой окраски растений с обеспеченностью их азотом [4]. Фотоприемниками диагностических приборов фиксируется или концентрация хлорофилла в индикаторных органах растений, или интенсивность его флуоресценции. В результате тематической обработки данных контактного или дистанционного определения этих показателей рассчитывается потребность определенных сельскохозяйственных культур в азотных удобрениях в тот или иной период их вегетации. При этом наибольшее распространение получил расчет так называемого вегетационного индекса (NDVI), представляющего отношение разности между величинами инфракрасного и красного спектров электромагнитного отражения солнечного или искусственного света от растений к их сумме.

[5] Детекторами электромагнитного излучения биомассой растений служат фотометрические устройства различной конструкции, используемые в качестве портативных (ручных) приборов (европейские «YARA», «CropCircle», американские ССМ-200, ССМ-1000, «GreenSeeker», отечественные модели – однолучевой и двулучевой «Спектролюкс»), а также в виде мобильных N-сенсоров, устанавливаемых на агрегатах по внесению удобрений («YARA», «ALS»), и многозональные фотометры, устанавливаемые на авиационных или космических платформах. Из видов космической съемки выделяются фотографирование и ТВ-съемка с длиной фиксируемых волн – 0,3 – 1,1 мкм, спектрометрическая индикация – 0,3 – 3,0 мкм, инфракрасная индикация – 3 – 300 мкм, микроволновая индикация – 0,3 – 10 см, радарная индикация – 10 - 70 см. Например, российский спутник «Ресурс-02Д» оснащен многозональным сканирующим устройством «АДАПТОН» со спектральным диапазоном от 0,5 до 2,4 мкм с разрешением на местности 30 м, видеоспектрометрической аппаратурой «ВС» со спектральным диапазоном от 0,4 до 1,0 мкм и разрешением 30 м, сканирующим устройством сверхвысокого разрешения «ВЗОР» со спектральным диапазоном 0,5 – 0,9 мкм и разрешением 2 м в панхроме и 4 м – в спектре с общим количеством спектральных каналов 266. Спектрометрическая или радарная информация, получаемая тем или иным способом, используется разными отраслями народного хозяйства. Исследования показали, что наземная и авиакосмическая съемки могут с успехом применяться для диагностики азотного питания растений [5].

[6] Однако, несмотря на значительные преимущества по сравнению с традиционной химической диагностикой, и наземная, и космическая индикация обеспеченности сельскохозяйственных культур азотом имеют определенные ограничения: наземная – по масштабности охвата, авиакосмическая – по временным параметрам. В то же время было показано, что для фотометрического обследования посевов более всего подходит использование низколетящей авиации, в частности вертолетов, хотя и ее применение имеет существенное ограничение – по стоимости диагностических работ. В данном отношении наиболее перспективным представляется использование для оперативной диагностики азотного питания растений беспилотных летательных аппаратов - БПЛА, снабженных соответствующей фотометрической аппаратурой.

[7] Частные применения БПЛА для диагностики, в частности, азотного питания растений, известны, например, из заявки US20150254800A1 (FI2 Solutions LLC, 10.09.2015). Данное решение раскрывает общие принципы применения индекса NDVI, получаемого с помощью аэросъемки БПЛА, с его последующей корреляцией для прогнозирования индекса насыщения азотом растений. Данный подход имеет достаточно большую погрешность в точности, поскольку не предусматривает коррекцию получаемого ортофотоплана, по которому строится карта индекса NVDI, а также не предусматривает калибровку аппаратуры БПЛА на основании данных наземной фотометрической диагностики.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

[8] Решаемой технической проблемой является обеспечение нового, более точного и универсального способа рекогносцировочной диагностики состояния растений с применением БПЛА, а также расширение возможности анализа различных показателей состояния растений.

[9] Техническим результатом является повышение точности определения состояния растений с помощью фотометрической информации, получаемой в ходе аэросъемки БПЛА, за счет осуществления калибровки фотометрического оборудования БПЛА на основании данных наземной фотометрической диагностики и коррекции данных аэросъемки путем их приведения к коэффициентам спектральной яркости (КСЯ), измеренным наземным спектрорадиометром на эталонных площадках.

[10] Заявленный результат достигается за счет способа рекогносцировочной диагностики состояния растений на полях, содержащего этапы, на которых:

- формируют эталонную площадку рядом с диагностируемым полем, причем площадка содержит однородную поверхность и отмечается маркерами;

- в области диагностируемого поля формируют контрольные площадки, отмечаемые маркерами, причем контрольные площадки имеют различную степень густоты растений;

- осуществляют аэросъемку зоны произрастания растений с помощью БПЛА, оборудованного многоканальной камерой, причем зона перекрытия съемки БПЛА равна 60%;

- получают с помощью БПЛА мультиспектральные снимки поля с привязкой к географическим координатам областей съемки;

- выполняют наземное измерение растений с помощью N-тестера на упомянутых контрольных площадках поля с получением данных содержания азота в листьях растений;

- выполняют с помощью спектрорадиометра наземное измерение значений спектральной яркости точечных объектов на эталонной площадке и значений спектральной яркости калибровочной панели;

- определяют наземные коэффициенты спектральной яркости (КСЯ) путем деления результатов измерения участков на эталонной площадке спектрорадиометром на результат измерения калибровочной панели им же, и приведения результата к диапазону 0-1 (0-100%).

- передают данные аэросъемки и данные наземных измерений в вычислительное устройство, и осуществляют их обработку, в ходе которой:

- формируют по данным аэросъемки мультиспектральный ортофотоплан диагностируемого поля;

- вычисляют атмосферно скорректированные КСЯ для каждого пиксела ортофотоплана, путем регрессии исходных значений яркости пикселов, получаемых непосредственно при авиасъемке, к КСЯ, полученных при наземных измерениях эталонных площадок, входящих в ортофотоплан;

- осуществляют построение карты вегетационного индекса NDVI или GNDVI, отображающую содержание азота в растениях диагностируемого поля; и

- выполняют калибровку полученных карт с помощью данных наземного измерения эталонных площадок.

[11] В одном из частных примеров реализации настоящего решения на этапе построения карт вегетационного индекса дополнительно определяют по меньшей мере один из следующих показателей, выбираемого из группы: количество надземной фитомассы растений, густота всходов.

ОПИСАНИЕ ЧЕРТЕЖЕЙ

[12] Фиг. 1 иллюстрирует общую схему осуществления заявленного решения.

[13] Фиг. 2 иллюстрирует процесс передачи данных в основное вычислительное устройство.

[14] Фиг. 3 иллюстрирует общий вид элементов БПЛА.

[15] Фиг. 4 иллюстрирует общий вид вычислительного устройства.

[16] Фиг. 5 иллюстрирует блок-схему работы алгоритма построения карт отображения состояния растений.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

[17] Как представлено на Фиг. 1, основными элементами, обеспечивающими реализацию заявленного способа диагностики состояния растений на поле (10), являются БПЛА (20), наземный спектрометр (30) и N-тестер (30).

[18] В качестве наземного спектрометра (30) может использоваться, например, OceanOptics USB 2000+, Maya и аналоги, охватывающие весь волновой диапазон мультиспектральной камеры, установленной на БПЛА, и имеющие необходимый показатель чувствительность. В качестве N-тестера (40) может использоваться, например, Spad 502 Plus, Yara или их аналоги.

[19] БПЛА (20) может представляться собой летательный аппарат вертолетного или самолётного типа, например, БПЛА (20) разработки ООО «АгроДронГрупп», такие как: Phantom 4 Pro или Орлан (http://agrodronegroup.ru/).

[20] На первой стадии реализации заявленного решения выполняются наземные работы до получения данных аэросъемки с помощью БПЛА (20).

[21] Рядом с диагностируемым полем (10) подготавливается одна или несколько тестовых площадок (110, 111), каждая из которых отмечается белыми маркерами, что обеспечивает их точную идентификацию на снимках. Площадка (110, 111) подготавливается размером, примерно, 7х5 метров и должна содержать однородную поверхность средней яркости. В качестве тестовой площадки (110, 111) может выступать, например, грунтовая или асфальтовая дорога, участок вспаханного поля без растительности. При выполнении аэросъемки тестовая площадка (110, 111) должна попасть в зону съемки.

[22] Калибровка фотометрических приборов (камер, спектрометров), т.е. создание шкал, которые должны показывать уровни обеспеченности растений той или иной сельскохозяйственной культуры азотным питанием - наиболее трудоемкая, важная и ответственная операция во всей технологической цепочке практической диагностики азотного питания растений.

[23] Схемы полевых опытов должны состоять из вариантов, представляющих дозы аммиачной селитры или других азотных удобрений в действующем веществе, т.е. азоте (N) от нулевой (N0) до предположительно оптимальной или превышающей оптимум, например, N 120- 150 кг/га. Поскольку для калибровки приборов не требуются большие площади посева, то полевые опыты закладываются с внутриполевыми контрольными площадками для каждого варианта площадью несколько квадратных метров, например, 40 м2 (4 м х 10 м). Если перед полевым опытом ставятся еще какие-либо задачи, например, экологические или экономические, то каждый вариант удобрения такого научного опыта закладывают в трехкратной – четырехкратной повторности. Если задача ограничивается только калибровкой фотометрического прибора, то производится закладка так называемого производственного (научно-производственного) полевого опыта в одно-двукратной повторности для упрощения технологических операций.

[24] В разных местах поля (10), в частности, с низкой, высокой и средней густотой растений, размечаются маркерами, хорошо различимыми на аэросъёмке, внутриполевые контрольные площадки (101) – (106). Внутриполевые площадки (101) - (106) изготавливаются, предпочтительно, в количестве 7-10 шт. размером 5х5 метров.

[25] Следующим шагом является подготовка БПЛА (20) к выполнению аэросъемки. Выполняется настройка датчиков БПЛА (20) к съёмке, в ходе которой, осуществляется калибровка и настройка сенсоров камеры БПЛА (20) по сертифицированной калибровочной панели. Далее в память БПЛА (20) загружается полётное задание с указанием координат поля (10). Производится установка высоты полёта, которая зависит от летательного средства, использующегося для выполнения аэросъемки. Например, в случае использования БПЛА в виде коптера, высота его полета устанавливается не выше 100 м, и перекрытие съёмки 60%. При использовании БПЛА самолётного типа, высота его полета может превышать упомянутое значение. После выполненной настройки БПЛА (20) он запускается для выполнения в автоматизированном режиме аэросъёмки.

[26] Скорость перемещения БПЛА (20) зависит от высоты полета и скорости его работы (выполнении снимков заданных участков поля), что определяется по данным автономного маршрута БПЛА (20), в частности, траектории его работы, а также продольного перекрытия - частоты кадров, и поперечного перекрытия - расстояния между зонами пролета.

[27] Во время осуществления аэросъемки проводятся также наземные работы, которые заключаются в измерении коэффициентов спектральной яркости поверхности тестовой площадки (110, 111) с однородной поверхностью средней яркости (7-10 точек) наземным спектрометром (30). Полученные показатели используются потом для внесения атмосферной коррекции в результаты спектральной аэросъёмки.

[28] Измерения на тестовой площадке (110, 111) чередуются частыми измерениями сертифицированной калибровочной панели (не менее одного измерения спектра панели до и после 10 измерений объекта при стабильном освещении или измерение спектра панели до и после каждого измерения объекта при меняющемся освещении, например, переменной облачности).

[29] На внутриполевых контрольных площадках (101) – (106) с помощью N-тестера (40) выполняются измерения содержания азота в листьях растений. Количество измерений может быть различным и зависит от типа растения, например, для озимой пшеницы во флаговых листьях осуществляется не менее 30 измерений.

[30] Прежде всего, в специальных полевых опытах выявлялся характер зависимости состояния культур от возрастающих доз азотных удобрений, так как именно данный показатель должен быть положен в основу логических и статистических оценок фотометрической диагностики азотного питания растений. В результате исследований устанавливалась зависимость фотометрических показателей от возрастающих доз азотных удобрений, вносимых под сельскохозяйственные культуры, соотношение с другими диагностическими показателями, изучаемыми в этих полевых опытах, связь с урожайностью и качеством культур.

[31] Характерно, что показания N-тестеров в течение вегетации сельскохозяйственных культур несколько снижаются, что связано с постепенным уменьшением содержания хлорофилла, т.е. переходом растений от новообразования органических веществ к их транспортировке из вегетативных органов в генеративные с соответствующей биохимической трансформацией. Об этом свидетельствуют, в частности, результаты фотометрии горчицы белой (рис. 4). При переходе от фазы начала цветения к фазе формирования семян показания N-тестера «Яра» заметно снизились, причем зависимость от доз азотных удобрений, внесенных под культуру, даже возросла, что обусловлено высокой зависимостью формирования биомассы горчицы от обеспеченности растений азотом. В фазу начала цветения коэффициент корреляции показаний фотометра при диагностике листьев горчицы с дозами азота равнялся 0,78, в фазу конца цветения – 0,91, а в фазу формирования семян достиг 0,94. Из этого следует, что показания фотометров отражают реальную обеспеченность растений азотным питанием, в свою очередь влияющим на урожайность сельскохозяйственных культур. Иначе говоря, высокая статистическая и биологически апробированная достоверность зависимости показаний N-тестеров от доз азотных удобрений служит научной основой диагностики азотного питания растений, что позволяет отказаться от сложных и трудоемких, к тому же небезопасных для здоровья ручных операций растительной диагностики, и в известной степени роботизировать диагностические процессы.

[32] Также на каждой внутриполевой площадке (101) – (106) может осуществляться

(с помощью видеокамеры, смартфона и т.п.): общая фотография поля, которая характеризует равномерность всходов, с привязкой ГНСС координат; фотография растений, поместившихся внутрь уложенной на растения учётной рамки агронома (линейки агронома), характеризует густоту стояния всходов; фотография наиболее типичных 5 –ти растений на белом фоне, характеризует степень развития растений.

[33] Как представлено на Фиг. 2, после выполнения летной миссии БПЛА (20), данные произведенной аэросъемки передаются совместно с данными привязки ГНСС координат изображений и параметрами внешнего ориентирования (координаты центров изображений, крен, тангаж, высота и т.д.) в компьютерное вычислительное устройство (50). В вычислительное устройство (50) также передаются данные наземных измерений, проведенных с помощью спектрорадиометра (30) и N-тестера (40).

[34] На Фиг. 3 представлен общий пример схемы БПЛА (20). БПЛА (20) содержит вычислительный блок (201), который обеспечивает обработку получаемых данных с камеры (205), и может представлять собой процессор или микроконтроллер.

[35] Память (202) БПЛА (20) может представлять одно или несколько средств, обеспечивающих хранение необходимой программной логики для выполнения летной миссии, а также хранение изображений, фиксируемых камерой (205). Память (202) предпочтительно представляет собой комбинацию ОЗУ и ПЗУ, и может представлять собой различные известные средства энергозависимого и/или энергонезависимого типа, например, флэш-память интегрированного или съемного типа (карта памяти), EEPROM, HDD, SSD, DRAM, SRAM и т.п.

[36] Навигационная система (203) представляет собой приемник сигналов ГНСС, в частности, GPS, ГЛОНАСС, Galileo, Compass или их сочетания. Навигационная система (203) также обеспечивает привязку координат к фотоснимкам.

[37] В качестве средств приема-передачи информации (204) могут применяться решения для обеспечения канала передачи данных проводного и/или беспроводного типа, например, GSM/GPRS/LTE/5G –модем, Wi-Fi модуль, Bluetooth и/или BLE модуль, модуль спутниковой связи и т.п.

[38] Камера БПЛА (205) представляет собой мультиспектральную (5 каналов) или гиперспектральную камеру (до 40 каналов), обеспечивающих получение изображений в видимом (RGB) и ближнем инфракрасном диапазоне (NIR).

[39] БПЛА (20) также может содержать датчик контроля заряда аккумулятора (206), который контролирует заряд аккумулятора (207) и обеспечивает оптимизацию времени полета БПЛА (20) и его возврат для зарядки/замены аккумулятора (207).

[40] БПЛА (20) осуществляет перемещение с помощью винтомоторной группы (208). Элементы БПЛА (20) соединяются между собой посредством шины данных (210), обеспечивающей передачу необходимых управляющих сигналов и информационных потоков.

[41] На Фиг. 4 представлен пример выполнения вычислительного устройства (50). Устройство (50) может выбираться из ряда известных решений и представлять собой, не ограничиваясь, персональный компьютер, ноутбук, планшет, смартфон, сервер, мейнфрейм и т.п.

[42] В общем случае устройство (50) содержит такие компоненты, как: один или более процессоров (501), по меньшей мере одну память (502), средство хранения данных (503), интерфейсы ввода/вывода (504), средство В/В (505), средства сетевого взаимодействия (506).

[43] Процессор (501) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (50) или функционала одного или более его компонентов. Процессор (501) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (502), обеспечивающие выполнение требуемых логических операций по обработке данных.

[44] Память (502), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.

[45] Средство хранения данных (503) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п.

[46] Интерфейсы (504) представляют собой стандартные средства для подключения и работы с устройством (50), например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п. Выбор интерфейсов (504) зависит от конкретного исполнения устройства (50).

[47] В качестве средств В/В данных (505) может использоваться: клавиатура, джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.

[48] Средства сетевого взаимодействия (506) выбираются из устройств, обеспечивающий сетевой прием и передачу данных, например, Ethernet карта, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM/GPRS/LTE/5G модем и т.п. С помощью средств (505) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN, UMTS, GSM, 4G/5G.

[49] Компоненты устройства (50) сопряжены посредством общей шины передачи данных (510).

[50] На Фиг. 5 представлена блок-схема выполнения диагностики растений на основании данных, полученных в ходе наземного сканирования и аэросъемки, которые передаются (601) в вычислительное устройство (50). Далее на этапе (602) выполняется первичная обработка упомянутых данных с помощью вычислительного устройства (50), в ходе которой с применением фотограмметрических алгоритмов создается сбалансированный по яркости цифровой спектральный ортофотоплан диагностируемого поля (10).

[51] На следующем этапе (603) результаты наземных и воздушных спектрометрических измерений приводятся в коэффициенты спектральной яркости (КСЯ), и проводится атмосферная коррекция. Такая коррекция может проводиться в ПО камеры (205) для обеспечения коррекции вновь получаемых снимков с БПЛА (20), либо в специализированном ГИС ПО с помощью регрессии средних значений яркости эталонной площадки (110, 111) в каждой спектральной зоне (видимого и инфракрасного диапазонов) к средним значениям КСЯ эталонных площадок по наземным измерениям.

[52] Далее на этапе (605) выполняется построение одной или более карт состояния растений на основании спектрометрических и фотографических измерений диагностируемого поля (10).

[53] Построение карты содержания азота в растениях проводится на основании расчетов по формулам:
NDVI=,

где RXXX – значение спектральной яркости на длине волны.

[54] Карта надземной фитомассы растений, и густоты всходов может рассчитываться на основе регрессии значений NDVI или GNDVI к значениям этих параметров, определенных на внутриполевых контрольных площадках.

[55] Индексные карты создаются в ГИС вычислительного устройства (50) и калибруются на этапе (606) с помощью регрессии по тестовым площадкам (110, 111), размеченным маркерами, которые четко видны на снимках.

[56] Наземные замеры c помощью N-тестера позволяют сопоставить индексы NDVI и GNDVI с агрономическим показателем - индексом содержания азота. Несколько десятков замеров позволяют провести линейную регрессию и вместо NDVI или GNDVI предоставить карту содержания азота в растениях.

[57] Далее более детально представлен пример осуществления представленного способа. Исследования проводились на базе Центральной полевой опытной станции ФГБНУ ВНИИ агрохимии им. Д.Н. Прянишникова (Московская область) путем постановки полевого опыта с возрастающими дозами азотных удобрений, внесенных весной 2017 г. под озимую пшеницу сорта Московская 3. Повторность опыта -3-кратная, размер внутриполевых контрольных площадок4 х 15 м. Схема опыта включает 5 вариантов: 1). Контроль - N0, 2) N30, 3) N60, 4) N90, 5) N120. В опыте применялась традиционная агротехника возделывания озимой пшеницы, состоящая в борьбе с вредными организмами путем применения химических средств защиты растений.

[58] В ходе исследования были получены показатели значений NDVI, рассчитанных с помощью данных, полученных с БПЛА, с другими показателями для озимой пшеницы (фаза трубкование, 2017 год), которые представлены в Таблице 1.

Таблица 1

Показания NDVI, баллы Дозы азота, в опыте, кг/га (N) кг/га Показания фотометра «Яра», баллы Данные стеблевой диагностики, индексы Урожайность озимой пшеницы, т/га 0,65 0 356 0 2,83 0,81 30 511 0,87 4,41 0,84 60 541 1,4 4,99 0,85 90 580 2,5 5, 0,86 120 620 2,7 5,1 Коэфф. корреляции 0,84 0,97 0,86 0,99

[59] Для определения точности дистанционной диагностики азотного питания с использованием БПЛА необходимо его сравнение с уже апробированными методиками фотометрической диагностики. К ним, в частности, относится контактная фотометрия с использованием N-тестера «Яра». Исследования показали, что при коэффициенте корреляции показаний NDVI c БПЛА с показаниями фотометра «Яра» на уровне 0,97 (Таблица 1), коэффициент детерминации, т. е. непосредственная связь между этими показателями равна 0,94, или 94 %. Таким образом, разница между данными об обеспеченности озимой пшеницы азотным питанием, полученными наземным способом от фотометра «Яра» и дистанционным с использованием фотометра, установленного на БПЛА», составляет всего лишь 6%, причем часть из них (около 2%) приходится на неточность собственно фотометра «Яра» и только 4% - на ошибку дистанционной фотометрии.

[60] Проведение атмосферной коррекции снимков позволяет сопоставлять данные аэросьемки не только в пределах карт за одну дату, но и между датами, что делает мониторинг состояния сельскохозяйственных культур существенно более эффективным и позволяет получать достоверные карты динамики количественных показателей.

Список литературы:

1. Прянишников Д.Н. Избранные сочинения. Т. 1. - М.: Колос, 1965. – 767 с.

2. Методика полевых опытов по оптимизации азотного питания зерновых культур, сахарной свеклы и картофеля на основе оперативной почвенной и растительной диагностики. Коллектив авторов. – М. ВНИИ агрохимии и агропочвоведения им. Д.Н. Прянишникова, 1985. – 92 с.

3. Церлинг В.В. Диагностика питания сельскохозяйственных культур: Справочник. – М.: Агропромиздат, 1990. – 235 с.

4. Осипов Ю.Ф., Иваницкий Я.В., Ширинян М.Х., Афанасьев Р.А., Галицкий В.В. Использование прибора «N-тестер «Яра» для диагностики азотного питания озимой пшеницы. Плодородие, 2011. № 1.

5. Афанасьев Р.А. Агрохимическое обеспечение точного земледелия // Проблемы агрохимии, 2008. № 3. С. 46-53.

Изобретение относится к области сельского хозяйства, в частности к методам рекогносцировочной диагностики состояния растений с применением беспилотных летательных аппаратов (БПЛА) для получения фотометрических данных. В способе формируют эталонную площадку рядом с диагностируемым полем, причем площадка содержит однородную поверхность и отмечается маркерами. В области диагностируемого поля формируют контрольные площадки, отмечаемые маркерами. Причем контрольные площадки имеют различную степень густоты растений. Осуществляют аэросъемку зоны произрастания растений с помощью БПЛА, оборудованного многоканальной камерой, зона перекрытия съемки БПЛА равна 60%. Получают с помощью БПЛА мультиспектральные снимки поля с привязкой к географическим координатам областей съемки. Выполняют наземное измерение растений с помощью N-тестера на упомянутых контрольных площадках поля с получением данных содержания азота в листьях растений. Выполняют с помощью спектрорадиометра наземное измерение значений спектральной яркости точечных объектов на эталонной площадке и значений спектральной яркости калибровочной панели. Определяют наземные коэффициенты спектральной яркости (КСЯ) путем деления результатов измерения участков на эталонной площадке спектрорадиометром на результат измерения калибровочной панели им же с приведением результата к диапазону 0-1 (0-100%). Передают данные аэросъемки и наземных измерений в вычислительное устройство и осуществляют их обработку, в ходе которой формируют по данным аэросъемки мультиспектральный ортофотоплан диагностируемого поля. Вычисляют атмосферно скорректированные КСЯ для каждого пиксела ортофотоплана путем регрессии исходных значений яркости пикселов, получаемых непосредственно при авиасъемке, к КСЯ, полученных при наземных измерениях эталонных площадок, входящих в ортофотоплан. Строят карту вегетационного индекса NDVI или GNDVI, отображающую содержание азота в растениях диагностируемого поля. Выполняют калибровку полученных карт с помощью данных наземного измерения эталонных площадок. Способ обеспечивает повышение точности определения состояния растений. 1 з.п. ф-лы, 5 ил., 1 табл.

1. Способ рекогносцировочной диагностики состояния растений на полях, содержащий этапы, на которых: формируют эталонную площадку рядом с диагностируемым полем, причем

- площадка содержит однородную поверхность и отмечается маркерами;

- в области диагностируемого поля формируют контрольные площадки, отмечаемые маркерами, причем контрольные площадки имеют различную степень густоты растений;

- осуществляют аэросъемку зоны произрастания растений с помощью БПЛА, оборудованного многоканальной камерой, причем зона перекрытия съемки БПЛА равна 60%;

- получают с помощью БПЛА мультиспектральные снимки поля с привязкой к географическим координатам областей съемки;

- выполняют наземное измерение растений с помощью N-тестера на упомянутых контрольных площадках поля с получением данных содержания азота в листьях растений;

- выполняют с помощью спектрорадиометра наземное измерение значений спектральной яркости точечных объектов на эталонной площадке и значений спектральной яркости калибровочной панели;

- определяют наземные коэффициенты спектральной яркости (КСЯ) путем деления результатов измерения участков на эталонной площадке спектрорадиометром на результат измерения калибровочной панели им же и приведения результата к диапазону 0-1 (0-100%);

- передают данные аэросъемки и данные наземных измерений в вычислительное устройство и осуществляют их обработку, в ходе которой:

- формируют по данным аэросъемки мультиспектральный ортофотоплан диагностируемого поля;

- вычисляют атмосферно скорректированные КСЯ для каждого пиксела ортофотоплана путем регрессии исходных значений яркости пикселов, получаемых непосредственно при авиасъемке, к КСЯ, полученных при наземных измерениях эталонных площадок, входящих в ортофотоплан;

- осуществляют построение карты вегетационного индекса NDVI или GNDVI, отображающей содержание азота в растениях диагностируемого поля; и

- выполняют калибровку полученных карт с помощью данных наземного измерения эталонных площадок.

2. Способ по п.1, характеризующийся тем, что на этапе построения карт вегетационного индекса дополнительно определяют по меньшей мере один из следующих показателей, выбираемый из группы: количество надземной фитомассы растений, густота всходов.