CC BY
146
DOI: 10.24411/0235-2451-2018-11019 УДК 629.786.2:632
Разработка прецизионных технологий фитосанитарного мониторинга агроэкосистем на основе использования данных дистанционного гиперспектрального зондирования Земли
Р. Ю. ДАНИЛОВ1, кандидат биологических наук, старший научный сотрудник (е-mail: daniloff. roman2011@yandex.ru)
В. Я. ИСМАИЛОВ1, кандидат биологических наук, зам. директора
В. А. ТРЕТЬЯКОВ2, главный специалист (е-mail: corp@tsniimash.ru)
О. Ю. КРЕМНЕВА1, кандидат биологических наук, врио зав. лабораторией
Ю. В. ШУМИЛОВ1, кандидат сельскохозяйственных наук, старший научный сотрудник
A. А. РИЗВАНОВ2, зам. руководителя отдела
B. В. КРИВОШЕИН2, ведущий специалист
И. А. КОСТЕНКО3, кандидат биологических наук, ведущий специалист (е-mail: igorkosten@yandex.ru) всероссийский научно-исследовательский институт биологической защиты растений, Краснодар, п/о 39, 350039, Российская Федерация 2Центральный научно-исследовательский институт машиностроения, ул. Пионерская, 4, Королев, Московская обл., 141070, Российская Федерация Министерство природных ресурсов Краснодарского края, ул. Северная, 275/1, Краснодар, 350020, Российская Федерация
Резюме. Исследования проводили с целью разработки прецизионных методов диагностики болезней и вредителей посевов наиболее распространенных сельскохозяйственных культур на основе анализа данных наземных и дистанционных гиперспектральных измерений агроэкосистем. На опытных полях Всероссийского научно-исследовательского института биологической защиты растений были созданы тестовые участки следующих экономически значимых сельскохозяйственных культур: озимой пшеницы с искусственным инфекционным фоном бурой ржавчины (Puccina triticina Rob.ex Desm. f. sp. tritici) и фоновой обработкой гербицидом сплошного действия; ярового ячменя с различной степенью поврежден-ности личинками пьявицы красногрудой (Lemma melanopus L.). Осуществляли наземные гиперспектральные измерения тестовых участков в широком диапазоне электромагнитного излучения от 0,35 до 2500 нм с высоким спектральным разрешением от 1 до 10 нм. Проводили испытания беспилотного летательного аппарата, укомплектованного гиперспектральной камерой. Сформирована библиотека спектров сельскохозяйственных культур. Анализ коэффициентов отражения озимой пшеницы с различной степенью поражения бурой ржавчиной позволил выявить закономерное сглаживание зеленого пика отражения и смещение красного пика поглощения в зависимости от степени поражения болезнью. Аналогичные изменения отражательной способности отмечены для растений ярового ячменя в разной степени поврежденныхличин-ками пьявицы красногрудой. Изучение зависимости показателей спектральной яркости растений озимой пшеницы от изменения их физиологического состояния, происходящего после обработки гербицидом сплошного действия, позволило установить, что существенные изменения отражательной способности в видимой части спектра прослеживаются уже на 2-е сутки действия препарата, когда внешние признаки еще не позволяют диагностировать угнетение растений. Оценка информативности 15-и общепринятых вегетационных индексов выявила наличие тесной корреляции спектральныххарактеристик растений со степенью их поражения вредными биообъектами. Использование полученной информации открывает возможности для оперативного контроля состояния посевов сельскохозяйственных культур с целью обеспечения высокой
эффективности защитных мероприятий и снижения пестицидной нагрузки на агроэкосистемы.
Ключевые слова: дистанционное зондирование Земли, фитоса-нитарный мониторинг, спектрометр, тестовые участки, спектральные характеристики растений, вегетационные индексы. Для цитирования: Разработка прецизионных технологий фитосанитарного мониторинга агроэкосистем на основе использования данных дистанционного гиперспектрального зондирования Земли / Р. Ю. Данилов, В. Я. Исмаилов, В. А. Третьяков и др. // Достижения науки и техники АПК. 2018. Т. 32. № 10. С. 82-86. 001:10.24411/0235-2451-2018-11019.
Внедрение технологий дистанционного зондирования Земли (ДЗЗ) в существующую систему фитосанитарного мониторинга посевов сельскохозяйственных культур открывает возможности для оперативного обследования обширных площадей сельскохозяйственных угодий с обеспечением высокой репрезентативности и достоверности получаемой информации [1].
Сама идея использования данных ДЗЗ в сельском хозяйстве берет свое начало еще в 70-х гг. прошлого века, когда появление многозональных (мультиспектральных) съемочных систем привело к тому, что во многих странах было начато активное изучение спектральной отражательной способности природных объектов, в том числе почв и растительного покрова [2, 3, 4].
Современный уровень развития средств ДЗЗ ознаменовался появлением образцов гиперспектральной аппаратуры космического и авиационного базирования. В отличие от мультиспектральных съемочных систем, избирательно регистрирующих отдельные широкие области электромагнитного спектра, гиперспектрометры способны регистрировать сплошную спектральную сигнатуру излучения, отраженного от снимаемой местности, в виде совокупности относительно узких смежных спектральных каналов, охватывающих ультрафиолетовый, видимый и инфракрасный электромагнитные диапазоны. Применение такой аппаратуры открывает новые перспективы для получения объективной информации о характерных особенностях спектрального и пространственного распределения объектов аэрокосмического мониторинга [5, 6].
Вопросы оценки физиологического состояния посевов культурных растений на основе анализа данных гиперспектральных съемок посредством использования ГИС-технологий - предмет активного изучения за рубежом [7, 8, 9, 10]. В отечественной научной литературе встречаются лишь единичные публикации о проведении исследований в этом направлении [11, 12].
Анализ доступных источников позволяет заключить, что создание комплексных систем мониторинга состояния агроценозов на основе использования гиперспектральных данных ДЗЗ, как в России, так и в мире в целом осложняет недостаток фундаментальных исследований в этой области и отсутствие регулярных экспериментальных результатов, полученных в полевых условиях за весь период вегетации растений [13, 14].
Неполные сведения не позволяют надежно определять корреляции между спектрами отражения и биометрическими параметрами растительного покрова [15, 16]. Поэтому в основе дистанционного фитосани-тарного мониторинга лежат знания о связи структуры и состояния растительности с ее спектральными отражательными способностями.
С другой стороны, постоянное развитие технических средств ДЗ и появление новых гиперспектральных приборов с высоким разрешением требует создания соответствующих ГИС-технологий и программных средств анализа, обеспечивающих более высокий уровень обработки данных [17].
Цель наших исследований - разработка прецизионных методов диагностики болезней и вредителей посевов основных сельскохозяйственных культур на основе анализа данных, полученных в результате наземных и дистанционных гиперспектральных измерений агроэкосистем.
Условия, материалы и методы. На экспериментальных полях ВНИИБЗР созданы и подобраны тестовые участки, занятые озимой пшеницей с искусственным инфекционным фоном бурой ржавчины (Puccinia triticina Rob. ex Desm. f. sp. tritici) и фоновой обработкой гербицидом сплошного действия; озимым ячменем с искусственным инфекционным фоном карликовой ржавчины (Puccinia hordei G.H. Otth.); яровым ячменем с различной численностью и степенью поврежденности личинками пьявицы красногрудой (Lemma melanopus L.).
В ходе исследований проводили регулярный фито-санитарный мониторинг посевов и опытных площадок, приуроченный к срокам наземных и авиационных гиперспектральных измерений.
Приборная база наземных полевых исследований была представлена прокалиброванными по абсолютной интенсивности излучения, автоматизированными спектрометрами Ocean Optics Maya 2000-Pro и Ocean Optics SD2000, которые позволяют наблюдать за отраженным солнечным излучением в режиме on-line. Они имеют высокое спектральное разрешение порядка 1.. .5 нм и регистрируют непрерывную зависимость отраженного излучения от длины волны в виде совокупности относительно узких смежных каналов, покрывающих весь рабочий диапазон спектрометров, который охватывает ультрафиолетовую, видимую и ближнюю инфракрасную (БИК) области спектра.
Для разработки многоцелевой технологии дистанционного фитосанитарного мониторинга сельскохозяйственных культур провели испытания беспилотного летательного аппарата GEOSCAN, укомплектованного гиперспектральной камерой Gamaya. В результате полетов по заданному с использованием GPS-координат маршруту получили спектры более 10 сельскохозяйственных культур с различной степенью поражения вредителями и болезнями.
В процессе измерений проводили регулярную калибровку аппаратуры с использованием белого тела с известным коэффициентом отражения. После измерений спектры обрабатывали с помощью программного обеспечения Origin 6.1. Построены графики количественных спектральных характеристик растительных объектов: энергетической яркости и коэффициента отражения.
Физическая основа распознавания растительных объектов - специфика отражательной способности, которая определяется протекающими физиологическими процессами, что в свою очередь позволяет регистрировать зависимость спектральных характеристик от стадий развития и физиологического состояния изучаемых объектов. Как правило, отражательная способность зеленого растения характеризуется относительно низким показателем в синей и красной областях спектра, некоторым его увеличением в зеленой зоне и резко выраженным максимумом в БИК-диапазоне. При этом отражательные характеристики растений в видимом диапазоне спектра определяются составом и количеством пигментов: в ближней инфракрасной зоне - внутриклеточной структурой, а в средней инфракрасной - содержанием воды в тканях [18].
С целью выявления специфических спектральных диапазонов, свидетельствующих о проявлении изменений, вызванных воздействием вредных объектов, провели анализ изменения морфологии спектральных сигнатур энергетической яркости и коэффициента отражения растительных объектов в зависимости от их фактического состояния, учтенного во время полевых обследований.
В рамках этой работы осуществляли статистическую обработку данных полевой спектрометрии с расчетом средней арифметической, дисперсии и стандартного отклонения. На основе полученных значений оценивали достоверность различий спектральных характеристик растительных объектов в видимой и инфракрасной области спектра, которую осуществляли методом попарной статистической разделимости вариантов пары взаимно расположенных классов [19], основанным на сравнении
3,00E-009-
2,50E-009-
м
О
^
СО
X
т
с
S
р
я я
а
х м
л
а р
т
*
е
2,00E-009-
1,50E-009-
1,00E-009-
5,00E-010-
400
450 500 550 600
Длина волны,нм
650
i
700
Рис. 1. Средние спектры вития бурой ржавчины:
отражения растении озимои пшеницы с разной степенью раз- - контроль; - 10 %; _ _ - - 30 %;............... - 50 %.
к
I 0,
л а
I-
0
IX
ш
1 о,
П
О *
■
/ /
1 / 1 1
1 1 1 1 / 1 ' и—
9 I 1
/ /
1 1
400 500 600 700 800 Длина волны,нм
Рис. 2. Средние спектры отражения растений ярового ячменя с разной степенью по
- 0...5 %
3,5х10-9-|
3,0x10
вреждения личинками пьявицы красногрудой: --80...100 %.
разности средних значений и суммы стандартных отклонений совокупности показателей двух величин.
Один из наиболее информативных и точных методов оценки изменения биохимических параметров растений -преобразование конкретных диапазонов спектра отражения в вегетационные индексы посредством элементарных математических операций [20].
В качестве первого шага к освоению методологии вегетационной индексации была проведена оценка информативности 15-и общепринятых вегетационных индексов [21, 22, 23, 24, 25, 26]. Для этого общее число расчетных вариантов индексных зависимостей подразделяли на отдельные группы индексов, которые оценивают определенные вегетационные параметры растительных объектов.
Рассчитанные значения индексов подвергали статистической обработке посредством корреляционного анализа с целью определения их линейной зависимости от фактически учтенных фи-тосанитарных параметров растительных объектов в виде уравнений связи с вычислением коэффициента корреляции [28].
Выявление наиболее информативных вегетационных индексов в рамках отдельных групп, проводили путем анализа величин критерия Фишера ^-критерия) [27].
Результаты и обсуждение. В результате проведенных исследований был собран массив (банк) данных количественных спектральных характеристик растительных объектов: энергетической яркости и коэффициента отражения в ультрафиолетовой, видимой и ближней инфракрасной областях спектра. На основе их обработки проведена работа по формированию базы данных спектральных характеристик сельскохозяйственных культур в программе МюгобоЙ Асеев 2007.
Анализ коэффициентов отражения озимой пшеницы с различной степенью поражения бурой ржавчиной позволил выявить закономерное сглаживание зеленого пика отражения и смещение красного пика поглощения в зависимости от их степени поражения болезнью (рис. 1).
Эта закономерность подтверждается аналогичными выводами других исследователей, изучавших изменения спектральных характеристик зерновых культур, зараженных грибными заболеваниями [28].
Расчет коэффициентов отражения растений ярового ячменя, в разной степени поврежденных личинками пьявицы красногрудой, показал аналогичную предыдущему примеру с бурой ржавчиной зависимость отражательной способности растений от степени повреждения вредителем (рис. 2).
900
1000 1100
- 20 %;----------50 %
2
о
н' со .0 I-
0
о *
а к к га х л
Ц
я а
ш с О
2,5х10-9
2,0x10
1,5x10
1,0x10
5,0x10
400
500 600
Длина волны, нм
700
Рис. 3. Средние спектры отражения растений озимой пшеницы, обработанной гербицидом сплошного действия: - контроль;--через 2 суток; — — ■ - через 5
суток;-----через 8 суток.
Таблица. Результаты расчета выборки вегетационных индексов на примере растений озимого ячменя с разной степенью развития карликовой ржавчины
Вегетационный индекс
Уравнение зависимости
Коэффициент корреляции (й
Критерий Фишера (F)
Индексы для оценки состояния ксантофиллов и изменения содержания хлорофилла в растениях
Нормализованный
у = - 0,091х + 0,732
разностный индекс (ШУ1705) Модифицированный относительный индекс (mSR705) у = - 0,951х + 6,603 Модифицированный нормализованный разностный индекс (тШУ1705) 1,2,3 индексы Вогельмана для области ближнего инфракрасного склона (УОв1, УОв2, УОвЗ ) у = - 0,055х + 0,352
Индекс позиции ближнего инфракрасного склона
^ЕР1) у = - 1,086х + 8,722
у = - 0,086x + 0,650 у = - 0,147x + 2,047 у = - 0,047x + 0,309
0,751 0,827
0,737 0,720 0,780
0,788
0,811
9,05 14,34
8,41 7,71 10,64
11,15
12,87
Индексы оценки содержания в растениях каротиноидов и антоцианинов
y = -0,203x + 8,579
0,890
1 и 2 индексы содержания каротиноидов
(CRI1, CRI2) y = 0,933x + 8,223 0,647
1 и 2 индексы содержания y = 1,136x - 0,356 0,648
антоцианов (ARI1, ARI2) y = 0,220x + 0,448 0,484
Индексы эффективности использования света Индекс фотохимического отражения волн (PRI) у = - 0,026x + 0,020 0,647 Структурно-нечувствительный индекс содержания пигментов (SIPI) у = - 0,087x - 0,897 0,619
Узкополосные индексы оценки растительного стресса Индекс позиции красного
склона (REP) у = - 1,884x + 716,5 0,754
Индекс растительного
стресса (RVSI)_у = - 0,044x - 0,275_0,892
стик растении со степенью их поражения болезнью (см. табл.). Это свидетельствует о высокой степени надежности уравнений регрессии, выражающих зависимость величин вегетационных индексов от учтенных фитосанитарных параметров посевов.
Выводы. На тестовых участках ВНИИБЗР проведены испытания современной гиперспектральной аппаратуры наземного и авиационного базирования, в результате которых получены оригинальные спектральные характеристики посевов основных сельскохозяйственных культур. Сформированабазаданных гиперспектральных оптических характеристик посевов в ультрафиолетовой, видимой и ближней инфракрасной областях спектра на фоне различной степени их поражения (повреждения) вредными биообъектами.
Разрабатываемые научные и методические основы новой технологии фито-санитарного мониторинга агроэкосистем позволили получить новые фундаментальные данные по диагностике поражения и повреждения сельскохозяйственных культур болезнями и вредителями.
Использование полученной информации открывает возможности для оперативного контроля за состоянием посевов сельскохозяйственных культур с целью обеспечения высокой эффективности защитных мероприятий, что в свою очередь будет способствовать оптимизации финансовых затрат при их выращивании и снижению пестицидной нагрузки на агроэкосисте-мы. Другое важное значение эти данные имеют для валидации дистанционных космических наблюдений с использованием многоспектральной и гиперспектральной аппаратуры.
26,73
5,49 5,52 2,81
5,49
4,87
9,19 24,78
Изучение зависимости показателей спектральной яркости растений озимой пшеницы от изменения их физиологического состояния, происходящего после обработки гербицидом сплошного действия, позволило установить, что существенные изменения отражательной способности в видимой части спектра прослеживаются уже на 2-е сутки действия препарата, когда внешние признаки еще не позволяют диагностировать угнетение растений (рис. 3).
Анализ расчета 7 индексов «зелености» для растений озимого ячменя с различной интенсивностью развития карликовой ржавчины, которые применяют для оценки состояния ксантофиллов и изменения содержания хлорофилла в растениях, показывает наличие тесной корреляции спектральных характери-
Литература.
1. Темников В. Н., Мельник Н. Н., Столпаков А. В. Минсельхоз ставит на новые технологии: внедрение ГИС в сельском хозяйстве // ArcReviev. 2004. №2(29)[Электронныйресурс]. URL:https://www.esricis.ru/news/arcreview/detail.php?ID=1974&SECTION_ ID=52(дата обращения: 25.08.2018).
2. Кондратьев К. Я. Альбедо и угловые характеристики отражения постилающей поверхности и облаков. Л.: Гидрометео-издат, 1981. 233 с.
3. Дейвис Ш. М. Дистанционное зондирование: количественный подход. М.: Недра, 1983. 415 с.
4. Campbell J. B. Spatial correlation effects upon accuracy of supervised classification of land cover// Photogrammetric Engineering and Remote Sensing. 1981. №. 47. Рр. 355-363.
5. Демидова Л. А., Юдаков A. A. Сегментация гиперспектральных изображений с применением ансамбля алгоритмов кластеризации // Программные информационные системы: межвуз. сб. науч. тр. Рязань: РГРТУ, 2013. С. 33-49.
6. Улучшение процесса тематической обработки гиперспектральной информации / В. А. Третьяков, А. Ю. Кротков, В. В. Кривошеин и др. // Цифровая обработка сигналов. 2017. № 3. С. 28-32.
7. Plant disease detection based on data fusion of hyper-spectral and multi-spectral fluorescence imaging using Kohonen maps / D. Moshou, C. Bravo, R. Oberti, etc. // Journal of RealTime Image Processing. 2005. No. 11 (2). Pp. 75-83.
8. Early disease detection in wheat fields using spectral reflectance / C. Bravo, D. Moshou, J. West, eta. // Biosyst. Eng. 2003. №. 84. Pр. 137-145.
9. Spectral signatures of sugar beet leaves for the detection and differentiation of diseases. / A.-K. Mahlein, U. Steiner, H.-W. Dehneet, etc. // Precision Agriculture. 2010. No. 11 (4). Pp. 413-431.
10. Kiran R. Gavhale, Ujwalla Gawande An Overview of the Research on Plant Leaves Disease detection using Image Processing Technique // IOSR Journal of Computer Engineering (IOSR-JCE). 2014. Vol. 16. No. 1. Pp. 10-16.
11. Моделирование и тематическая обработка изображений, идентичных видеоданным с готовящейся к запуску и разрабатываемой гиперспектральной аппаратуры ДЗЗ /Л. Н. Чабан, Г. В. Вечерук, Т. В. Кондранин и др.// Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 2. С. 111-121.
12. Применение авиационных гиперспектральных снимков и наземных данных для целей точного земледелия / А. А. Деркачева, О. В. Тутубалина, М. В. Зимин и др. // Земля из космоса — наиболее эффективные решения. 2015. Спецвыпуск. С. 43-46.
13. Антоненко В. С., Гаценко Р. В., БенедичукЛ. Э. Временная изменчивость спектральных коэффициентов яркости посевов ярового ячменя и ее учет при аэрофотометрических обследованиях состояния посева// Труды УкрНИГМИ. М.: Гидро-метеоиздат, 1992. Вып. 244. С. 116-128.
14. Сидько А. Ф., Шевырногов А. П. Изучение сезонной зависимости спектральной яркости посевов сельскохозяйственных культур от содержания хлорофилла и физиологических параметров растений // Исследование Земли из космоса. 1998. № 3. С. 96-105.
15. Антоненко В. С. Теоретические и методические вопросы интерпретации дистанционных спектрофотометрических обследований посевов основных полевых культур в Украине // Метеорология, климатология и гидрология. Одесса: ОГНИ, 1997. Вып. 34. С. 162-183.
16. Кривобок А. А. Использование многоспектральной спутниковой информации для идентификации посевов сельскохозяйственных культур // Наук. працi УкрНДГМ1. 2000. Вип. 248. С. 190-198.
17. Гиперспектральные исследования поражения сельскохозяйственных культур фитопатогенами / Э. Я. Исмаилов, В. Д. Надыкта, В. Я. Исмаилов и др. // Космонавтика и ракетостроение. 2012. № 3(68). С. 98-103.
18. Кочубей С. М., Шадчин Т. М., Кобец Н. И. Спектральные свойства растений как основа методов дистанционной диагностики. Киев: Наукова думка, 1990. 134 с.
19. Чабан Л. Н. Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных. М.: МИИГАиК, 2013. 96 с.
20. Разработка методов оценки состояния посевов сельскохозяйственных культур на основе расчета гиперспектральных вегетационных индексов / Р. Ю. Данилов, В. Я. Исмаилов, Ю. В. Шумилов и др. // Биологическая защита растений - основа стабилизации агроэкосистем: материалы международной научно-практической конференции. Краснодар: ФГБНУВНИИБЗР, 2016. Вып. 9. С. 36-40.
21. Gitelson A. A, Mayo M., Yacobi Y. Z. Optical models of Sea of Galilee and its application for remote observations of the phytoplankton //Physical Measurements and Signatures in Remote Sensing: Proceedings Sixth Int. Symp. (17-21 January 1994, Val d'Isere, France): CNES, 1994. Pp. 277-283.
22. Sims J., James C., Harrison D. A. Monitoring the contribution of general practice to population health activities // The Health Promotion Journal of Australia. 2002. Vol. 13 (3). Pp. 189-192.
23. Datt B. A New reflectance index for remote sensing of chlorophyll content in higher plants: Tests using eucalyptus leaves // Journal of Plant Physiology. 1999. Vol. 154. Pр. 30-36.
24. Vogelmann J. E., Rock B. N., Moss D. M. Red edge spectral measurements from sugar maple leaves // Remote Sensing of Environment. 1993. Vol. 14. Pр. 1563-1575.
25. Sims D. A., Gamon J. A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages // Remote Sensing of Environment. 2002. Vol. 81(2/3). Pр. 337-354.
26. Merton R. N., Huntington J. F. Early simulation results of the ARIES-1 satellite sensor for multi-temporal vegetation research derived from AVIRIS // Proceedings of the Eighth Annual JPL Airborne Earth Science Workshop. NASA, Jet Propulsion Laboratory, Pasadena, California, USA: JPL Publication, 1999. Pp. 299-307.
27. Доспехов Б. А. Методика полевого опыта (с основами статистической обработки результатов исследований). М: Агро-промиздат, 1985. 351 с.
28. Бекмухамедов Н. Э., Карабкина Н. Н. Изменение спектральных характеристик растений яровой пшеницы зараженных грибковыми болезнями// Электронный научно-практический журнал «Сельское, лесное и водное хозяйство». 2013. № 10 (25) [Электронный ресурс]. URL: http://agro.snauka.ru/2013/10/1169 (дата обращения: 25.08.2018).
Development of Precision Technologies of Phytosanitary Monitoring of Agroecosystems on the Basis of Data of Remote Hyperspectral Sensing
of the Earth
R. Yu. Danilov1, V. Ya. Ismailov1, V. A. Tretyakov2, O. Yu Kremneva1, Yu. V. Shumilov1, A. A. Rizvanov2, V. V. Krivoshein2, I. A. Kostenko4
1All-Russian Research Institute of Biological Plant Protection, Krasnodar, p/o 39, 350039, Russian Federation 2Central Research Institute for Engineering Industry, ul. Pionerskaya, 4, Korolev, Moskovskaya obl., 141070, Russian Federation 3Ministry of Natural Resources of Krasnodar Krai, ul. Severnaya, 275/1, Krasnodar, 350020, Russian Federation Abstract. The aim of the research was to develop precision diagnostic techniques for diseases and pests of crops on the basis of data analysis of ground and remote hyperspectral measurements of agroecosystems. In the experimental fields of the All-Russian Research Institute of Biological Plant Protection test plots were founded for economically significant agricultural crops. They were winter wheat with an artificial infectious background of brown rust (Puccinia triticina Rob.ex Desm. f. sp. tritici) and with background treatment with nonselective herbicide and spring barley with a different degree of damage by the larvae of the cereal leaf beetle (Lemma melanopus L.). Ground hyperspectral measurements of test areas were carried out in a wide range of electromagnetic radiation from 0.35 nm to 2500 nm with a high spectral resolution from 1 to 10 nm. Tests were conducted on an unmanned aircraft equipped with a hyperspectral camera. A library of spectra of agricultural crops was created. The analysis of the reflection coefficients of winter wheat with different degrees of brown rust damage revealed a regular smoothing of the green peak of reflection and the shift of the red peak of absorption depending on the damage degree. Similar changes in reflectivity were observed for plants of spring barley with different damage degree by larvae of the cereal leaf beetle. We examined the dependence of parameters of the spectral brightness of winter wheat plants on changes in their physiological state, occurring after the treatment with the nonselective herbicide. It was established that significant changes in the reflectivity in the visible part of the spectrum can be traced on the 2nd day of the drug action, when the external signs do not yet allow to diagnose the inhibition of plants. Evaluation of the information capability of 15 common vegetation indices revealed the presence of a close correlation of the spectral characteristics of plants with the degree of their damage by harmful biological objects. The use of the obtained information opens up possibilities for the operational control of the state of agricultural crops in order to ensure high efficiency of protective measures and reduce the pesticide load on agroecosystems. Keywords: remote sensing of the Earth; phytosanitary monitoring; spectrometer; test plots; spectral characteristics of plants; vegetative indices. Author Details: R.Yu. Danilov, Cand. Sc. (Biol.), senior research fellow (е-mail: daniloff.roman2011@yandex.ru); V.Ya. Ismailov, Cand. Sc. (Biol.), deputy director; V. A. Tretyakov, main specialist (е-mail: corp@tsniimash.ru); O.Yu Kremneva, Cand. Sc. (Biol.), acting head of laboratory; Yu. V. Shumilov, Cand. Sc. (Agr.), senior research fellow; A. A. Rizvanov, deputy head of division; V. V. Krivoshein, leading specialist; I. A. Kostenko, Cand. Sc. (Biol.), leading specialist (е-mail: igorkosten@yandex.ru).
For citation: Danilov R. Yu., Ismailov V. Ya., Tretyakov V. A., Kremneva O.Yu., Shumilov Yu. V., Rizvanov A. A., Krivoshein V. V., Kostenko I. A. Development of Precision Technologies of Phytosanitary Monitoring of Agroecosystems on the Basis of Data of Remote Hyperspectral Sensing of the Earth. Dostizheniya nauki i tekhnikiAPK. 2018. Vol. 32. No. 10. Pp. 82-86 (in Russ.). DOI: 10.24411/0235-2451-201811019.
