CC BY
30Journal of Siberian Federal University. Engineering & Technologies 1 (2009 2), 100-111
УДК 551.507:631.10
Исследование динамики спектральной яркости посевов сельскохозяйственных культур в период вегетации на территории Красноярского края
А.Ф. Сидько, И.Ю. Пугачева*, А.П. Шевырногов
Институт биофизики СО РАН 660036 Россия, Красноярск, Академгородок, 50-501
Получена 20.11.2008, окончательный вариант 15.12.2008, принята к печати 10.03.2009 На основании анализа дистанционных полевых и космических измерений спектральных коэффициентов яркости (СКЯ) посевов сельскохозяйственных культур в период вегетации показана возможность оценки структурных изменений, происходящих в растениях исследуемых посевов в ближней инфракрасной области спектра (X = 760 — 820 нм). Создана электронная база скорректированных спектральных данных СКЯ исследуемых посевов сельскохозяйственных культур. Показано, что динамика значений СКЯ отражает картину морфофизиологических изменений посевов в период их вегетации. Отсутствие или избыток влаги в растениях приводит к структурным изменениям фитоэлементов растений, что существенно сказывается на их отражательной способности, особенно в ближней инфракрасной области спектра. Данная тенденция наблюдалась одновременно на всех полях в период их исследований. Установлено, что в выделенных классах имеется возможность использования тонких спектральных отличий для изучения пространственного распределения различных видов растительности и ее экологического состояния. Показано, что выделенные контрасты могут быть эффективно использованы для получения полезной информации при обработке космических изображений, которым присущ высокий уровень естественных помех (изменение оптической толщины атмосферы, облачность, изменение угла визирования сканера, изменение высоты Солнца, высокая неоднородность подстилающей поверхности).
Ключевые слова: дистанционное зондирование, спектральный коэффициент яркости, база спектральных данных, сельскохозяйственные культуры.
Введение
Первостепенной задачей спутникового и аэрокосмического мониторинга посевов сельскохозяйственных (с/х) культур является идентификация угодий, определение видового состава посевов и морфофизиологических изменений. Сложность идентификации растительных объектов на спутниковых снимках заключается в том, что в течение вегетационного периода в процессе роста и развития растения претерпевают значительные изменения [1-4]. Требуемая информация в необходимых объемах может быть получена только на основе использования данных дистанционного зондирования.
Несмотря на большое разнообразие форм и видов растений, посевов с/х культур, они обладают схожими спектрами яркости, отражения и поглощения. Это обусловлено в значительной мере поглощательной способностью фитопигментов хлорофилла, каротиноидов и других пигментов в области ФАР (фотосинтетически активной радиации Л = 380 — 750 нм),
Corresponding author E-mail address: irina.pugacheva@mail.ru © Siberian Federal University. All rights reserved
*
так как последние в наибольшей степени влияют на форму и динамику их спектральной яркости [7-13].
Современные геоинформационные системы сбора и обработки космических снимков растительных покровов суши используют спектральные портреты наземных измерений, не учитывающие их сезонные изменения и состояние растительности. Благодаря наличию портативных спектрофотометров и ежедневно пополняемому банку данных спутника MODIS/Terra (начиная с 1999 г.) стало возможным использование спектрофотометрической информации для оценки физиологических и биологических параметров посевов сельскохозяйственных культур в течение всего периода вегетации.
Несмотря на определенные успехи в области применения дистанционных методов при оценке состояния посевов с/х культур, следует заметить, что сдерживающим фактором в их развитии является отсутствие комплексного экспериментального материала, полученного в полевых условиях в течение всего вегетационного периода. Неполные данные не позволяют надежно определять связи между спектрами отражения и фенологическими и биометрическими параметрами растительных покровов.
Эффективным решением проблемы оценки динамики спектральной яркости посевов различных видов культур и площадей их произрастания при дешифрировании космических снимков стало практическое применение научной программы "Зеленая волна", ведущейся в Институте биофизики СО РАН. Эта программа предназначена для развития методов непрерывного анализа пространственной структуры, состояния и продуктивности биоценозов суши. Основой служат измерения распределения фитопигментов и биомассы в биосфере оптическими датчиками, располагаемыми на космических носителях и на земле [13, 14].
Настоящая статья посвящена изложению результатов наземных и космических измерений динамики отражательной способности посевов с/х культур в период их активной вегетации для получения и хранения эталонного банка первичных спектральных данных. Это позволяет отслеживать динамику происходящих процессов в растениях, получения достоверных карт произрастания и распределения различных видов посевов, морфофизиологиче-ских изменений растений, а электронный формат представления результатов обеспечивает их наглядность, в том числе и на территории Красноярского края.
Методика и объекты исследования
Исследование динамики спектральных коэффициентов яркости посевов пшеницы, ячменя и овса проводилось в комплексе с морфофизиологическими параметрами растений посевов регулярно на протяжении 15 лет [6-10].
Подспутниковые исследования. В качестве модельных посевов использовались: пшеница (Triticum acstivum L.) сортов Скала, Равнина, Богарная, Иртышанка, ячмень (Hordeum disticxon L.) сорта Винер и овес (Owena sativa L.) сортов Мутант и Орел.
Выбор этих объектов обусловлен следующими соображениями: культуры пшеница, ячмень и овес считаются основными зерновыми культурами, высеваемыми и культивируемыми на большей территории нашей страны. Эти культуры к настоящему времени достаточно хорошо изучены с физиологической и биологической точек зрения. Посевы с/х культур являются удобными модельными объектами для изучения их спектральной яркости и отражательной способности дистанционными методами [2-11].
Регистрация спектров яркости посевов, от всходов до момента созревания, производилась полевым двухлучевым спектрофотометром, разработанным в Институте биофизики
СО РАН. Регистрация спектров яркости производилась с10до17чс одних и тех же точек и в одинаковом направлении визирования. Спектрофотометр устанавливали на платформе автовышки на высоте 2-18 м. Измерения проводились, как правило, в надир. Угол зрения прибора менялся от 10 до 100. Измерение спектров производилось в спектральном диапазоне от 400 до 850 нм со спектральным разрешением ± 2 нм. Дневной ход СКЯ растений практически не менялся [2, 4]. Временной интервал регистрации спектров СКЯ посевов составлял 2-4 сут [6-10]. С учетом неоднородности посевов и для получения более полной картины о распределении СКЯ (р\) по исследуемому полю регистрировали от 20 до 30 спектров, по которым рассчитывали средние значения, при этом ошибка в определении (р\) по одному массиву не превышала (1 ± 1.5)% [6-11].
Спутниковые данные. Изучение динамики отражения посевов пшеницы, овса, ячменя в течение вегетационного периода проводилось по спутниковой информации MODIS/Terra (продукт M0D09GHK). Исследование основывалось на данных видимых (459-479 нм (3 канал), 545-565 нм (4 канал), 620-670 нм (1 канал)) и ближнем инфракрасном (841-876 нм (2 канал)) каналах с пространственным разрешением 500 м. В качестве тестовых участков выбраны с/х поля, расположенные на территории Балахтинского района Красноярского края. Размеры данных участков составляют 490 га (посев пшеницы), 325 га (посев овса), 250 га (посев ячменя), что позволяет выделять их на снимках с 500-метровым пространственным разрешением. Для определения пространственных координат полей использовались картосхемы расположения посевов в масштабе 1 : 25 000, пространственная информация снимка, полученного 20 июня 2000 г. спутником Landsat7 ETM+ с пространственным разрешением 30 м. Расчет значений отражения контуров растительности проводился с помощью программного обеспечения ENVI 4.0.
Полученные наземные и спутниковые данные экспортировались в Microsoft Excel для проведения статистической обработки и визуализации данных путем построения трехмерных графиков. В ходе статистической обработки рассчитывали следующие параметры: среднее значение отражения контура, доверительный интервал для среднего при статистической значимости (р-уровень) равной 0,05.
Результаты и обсуждение
Ранее проведенные исследования показали, что изменения значений СКЯ посевов сельскохозяйственных культур в течение периода вегетации имеют высокую информативность. Анализ спектров коэффициентов яркости посевов, полученных в ходе экспериментов, выявил, что в области длин волн 550-740 нм они имеют наибольшие изменения за весь период вегетации по сравнению с другими участками спектра и существенно зависят от содержания хлорофилла "а" в исследуемых культурах (область красной полосы поглощения хлорофилла "а" Амах = 680 нм). Это, прежде всего, обусловлено интенсивными процессами накопления и разрушения хлорофилла в растениях, что может служить показателем оценки происходящих в них изменений [6, 8-14] (рис. 1).
Особенно значимыми являются коэффициенты яркости в области красной полосы поглощения хлорофилла, что может служить ключом для дешифрирования космических спектральных изображений. Изменение содержания хлорофилла в фитоэлементах четко проявляется в кривых СКЯ исследуемых культур в области красной полосы поглощения фи-топигментов. Было установлено, что изменение содержания хлорофилла в фитоэлементах посевов в течение периода вегетации тесно связано с величиной хлорофилльного потенциала
посевов S(t).
Рис. 1. Динамика СКЯ посева пшеницы (сорт Равнина)
Величина хлорофилльного потенциала посевов за определенный период вегетации, который определяется величиной поглощенного света растениями в области красной полосы поглощения хлорофилла (Amax = 680 нм), рассчитывается по форме кривой СКЯ посевов злаковых культур может служить индикатором их физиологического состояния и потенциальной биологической продуктивности растений [2, 4-10].
730
S =(p730(t)+ P550(t)) -J p(X,t)d\, (1)
550
где P550 и р730 - средние значений СКЯ посева при А = 550 и А = 730 нм, с Xmax = 680 нм, t -границы временного интервала. Расчеты и взаимосвязь величины S(t) с физиологическими параметрами растений посевов подробно описаны в работе [8].
Рассчитываемая величина хлорофилльного потенциала посевов по форме кривой СКЯ посевов злаковых культур может служить индикатором их физиологического состояния и потенциальной биологической продуктивности растений [6, 8-14].
Одновременно было установлено, что значения СКЯ растений зависят от физиологического состояния наземной фитомассы (листовой индекс, сухой и сырой вес растений с единицы площади поверхности и др.), коэффициента проективного покрытия почвы и ее увлажненности. Таким образом, изучение спектров отражения растений на предварительном этапе исследований в полевых условиях позволило получить общую картину изменений отражательной способности посева в течение всего периода вегетации, а также спланировать эксперименты, проводимые в полевых натурных условиях.
Морфофизиологические изменения посевов
В результате обработки полученных в полевых условиях значений СКЯ посевов был сформирован банк данных. Зарегистрированные спектры яркости были оцифрованы и занесены в специально разработанную базу данных "Информационная база данных спектров яркости сельскохозяйственных культур" в среде Microsoft Access, которая позволила упорядочить хранение данных, облегчить их ввод, поиск и обработку. База данных содержит сведения о дате регистрации посевов, спектральном разрешении, значениях СКЯ.
Динамика спектральной яркости посевов типичных культур (пшеница, ячмень и овес) за весь вегетационный период представлена на рис. 1, 2 и 3.
02.09
Рис. 2. Динамика СКЯ посева ячменя (сорт Виннер)
02.09
Рис. 3. Динамика СКЯ посева овса (сорт Мутант)
Анализ результатов показал, что динамика СКЯ различных посевов имеет схожую форму. На всех трех представленных рисунках можно отметить следующую характерную особенность, а именно — в период с середины июля и до конца августа наблюдается характерный провал в длинноволновой области спектра Л = 760 — 820 нм. Эти изменения в СКЯ можно объяснить климатическими условиями, когда в районе исследований наблюдалась засуха в течение 30 дней, приведшая к угнетению посевов. Отсутствие влаги в растениях приводит к структурным изменениям фитоэлементов растений, что существенно сказывается на их отражательной способности, особенно в ближней инфракрасной области спектра. Данная тенденция наблюдалась одновременно на всех 10 исследуемых полях. Следовательно, представленная сезонная динамика спектральной яркости посевов может служить для диагностики их физиологического состояния.
Определение видового состава исследуемых посевов
Наиболее целесообразным при определении видового состава культур представляется выбор системы кодирования спектров растительности непосредственно по значениям СКЯ для выбранных длин волн. Возможно представление спектра яркости растительности в
виде многомерного вектора со значениями р\ в определенном интервале длин волн. Однако увеличение числа СКЯ, используемых для кодирования спектров, не только не повышает точность классификации (распознавания), но даже приводит к ее уменьшению. Минимум ошибки классификации растительности получается при числе СКЯ порядка 3-5 [1, 6].
Качественный выбор длин волн может быть сделан по виду и форме спектров отражения различных природных образований. Этот вывод может быть обоснован расчетами энтропии для различных длин волн и объектов [1].
Нд = Pi log2 Pi,
(2)
i=i
где Pi — вероятность получения значения рд в интервале от pi до pi+i, при этом весь интервал р\ от 0 до 1 разбит на n состояний с шагом Др (например, Др = 0.005, Др = 0.01 + 0.03). Величина энтропии (Ид) будет зависеть от соотношения различных видов спектра рд. При выборе наиболее характерных длин волн следует стремиться к тому, чтобы возможная ошибка в интервале длин волн ДА не привела к серьезному искажению оценки СКЯ, для чего рассчитывается зависимость производной y = .
Результаты вычислений y и расчет энтропии показали, что для различных длин волн в одномерной системе кодирования спектров, наиболее оптимальная информативность СКЯ определяется 3-5 длинами волн, если при выборе длин волн принять в качестве предельно допустимого значения y = 0, 00125 [1].
При этом наиболее характерными длинами волн для класса растительности в диапазоне 400 < А < 840 нм будут следующие волны: 400, 550, 660^680 и 800^820 нм. Поэтому в работе будут рассматриваться значения коэффициентов спектральной яркости на указанных длинах волн.
Рис. 4. Спектры яркости СКЯ посевов ячменя - 1, овса - 3, пшеницы - 4, многолетней травы (тимофеевка) - 2 в последней декаде июня месяца
На рис. 4 представлены кривые СКЯ различных посевов и разнотравья, которые регистрировались в конце июня месяца. В этот период развития (выход в трубку) высота
растений посевов достигает 20-30 см, и они имеют ярко-зеленую окраску. Растения наиболее близки по своим оптическим свойствам, и их трудно различить по спектрам отражения. Спектральная яркость посевов описывается почти одинаковыми по характеру кривыми
скя.
15.06. 2? 06. ОМС 06.0Т 25.07 27 0' 06.05. 10.0
• 1 800 нм
.....•..... 2 3
£ ..
•т ""----Г "......-Е --------.
680 нм
. 1 / ................ _ - ♦
' !■■■ ..... ..........1>-
■I.......А-
■Ь
Дан
Рис. 5. Сезонные изменения спектральных коэффициентов яркости посева ячменя (1), овса (2) и пшеницы (3) на четырех длинах волн с указанием доверительных интервалов
при уровне значимости р = 0, 05.
По мере развития растений (стадия кущения и колошения) увеличивается их вегетативная масса, идет процесс накопления хлорофилла, каротиноидов и других пигментов. Растет поглощение лучистой энергии растениями, за счет этого начинает уменьшаться их спектральная яркость. В этот период кривые СКЯ посевов начинают расходиться и доверительные интервалы уже не перекрываются (рис. 5). Особенно сильное увеличение яркости наблюдается в области спектра 620-720 нм, что объясняется разрушением и уменьшением
содержания хлорофилла в растениях. Растения к концу вегетации полностью пожелтели, в колосе налилось зерно, хлорофилл в растениях почти полностью отсутствует [7, 9-12].
На завершающей стадии вегетации растений доверительные интервалы уже не перекрываются, а интервалы различия между значениями СКЯ исследуемых культур увеличиваются. Это наглядно видно на рис. 5, где показаны доверительные интервалы кривых сезонных изменений значений СКЯ посевов для четырех длин волн (Л = 460, 550, 680 и 800 нм) при уровне значимости р = 0,05.
В этот период развития посевов в длинноволновой области спектра Л = 800 нм доверительные интервалы СКЯ всех культур начинают расходиться и полностью не перекрывают друг друга. Аналогичная картина наблюдается и для других длин волн, и степень расхождения достигает своего максимума (рис. 5) [7, 9-15]. Исключение составляет лишь длинноволновая область спектра, коэффициент яркости в которой уменьшается к концу вегетации, где отражение определяется структурой растений (содержание влаги). Наибольшие различия наблюдаются в августе месяце.
Динамика спектральной яркости посевов типичных культур по видам (пшеница, ячмень и овес) за весь вегетационный период представлена на рис. 6, 7 и 8. Рисунки получены в результате обработки информационной базы спектральных данных и представлены в трехмерной системе координат.
В ходе обработки электронной базы спектров яркости посевов выделилось несколько спектральных классов, которым соответствуют определенные спектральные характеристики (рис. 6-8), показывающие зависимость СКЯ от длины волны. На этих графиках можно увидеть, что в ближней инфракрасной области наблюдается высокая степень отражения солнечной энергии. Для сравнения используются наземные данные по пшенице, траве, овсу, ячменю за этот же период времени (рис. 4 и 5).
Рис. 6. Динамика СКЯ посева пшеницы, полученная по данным полевых наземных
измерений
Анализ и сопоставление полученных результатов по отражательной способности посевов показал, что динамика СКЯ в период вегетации различных посевов имеет схожую форму (рис. 6-8). На всех трех рисунках можно отметить следующую характерную особенность: процесс созревания таких культур, как ячмень и овес, опережает пшеницу. То есть процесс разрушения хлорофилла у пшеницы запаздывает (Л = 680 нм) на 10-12 дней. Это более наглядно отражено на рис. 5.
Рис. 7. Динамика СКЯ посева ячменя, полученная по данным полевых наземных
измерений
Рис. 8. Динамика СКЯ посева овса, полученная по данным полевых наземных измерений
Дата
Рис. 9. Динамика отражения посева пшеницы, полученная по спутниковым данным
Данная тенденция наблюдалась одновременно на других исследуемых полях. Следовательно, представленная сезонная динамика спектральной яркости посевов может служить для диагностики их видового состава и физиологического состояния растений.
В результате обработки данных спутника MODIS/Terra получена динамика отражения (r) посевов пшеницы, овса, ячменя для четырех длин волн 469, 555, 645, 859 нм. Указанные длины волн являются средними значениями выбранных спектральных каналов MODIS/Terra. На рис. 9 представлена динамика отражения посева пшеницы, полученная по данным спутника MODIS/ Terra. Эти данные являются основой для дальнейшего изучения связи спутниковой информации и наземных измерений.
В результате проведенного исследования показано, что по динамике отражательной способности, полученной наземными дистанционными методами и по спутниковым снимкам MODIS/Terra, можно выделить тонкие структуры, характерные для определенных видов культур посевов, которые могут быть использованы для определения видового состава растений.
Спектрофотометрическая информация, полученная по спутниковым данным, различных видов посевов с/х культур может быть применена для построения имитационных моделей, которые могут служить для научно обоснованных прогнозов динамики пространственного распределения видового состава растительного покрова. Таким образом, из проведенной работы можно сделать вывод, что имеется возможность использования тонких спектральных отличий в определенных областях спектра отражения, для изучения пространственного распределения различных видов растительности и ее экологического состояния. Полученные результаты спутниковой информации MODIS показывают возможность ее использования для оценки морфофизиологического состояния сельскохозяйственных посевов при применении наземной спектрометрической калибровки.
Выделенные контрасты могут быть эффективно использованы для получения полезной информации при обработке космических изображений, которым присущ высокий уровень естественных помех (изменение оптической толщины атмосферы, облачность, изменение угла визирования сканера, изменение высоты Солнца, высокая неоднородность подстилающей поверхности).
Анализ и обработка электронной базы спектрофотометрической информации, полученной на основании космических и полевых наземных измерений динамики СКЯ различных видов посевов сельскохозяйственных культур в период их вегетации, позволяют сделать следующие выводы:
1. Показано, что динамика спектральной яркости посевов позволяет судить о морфофи-зиологических изменениях в фитоэлементах исследуемых культур.
2. Динамика спектральной яркости отражает изменения климатических условий в районах проводимых исследований.
3. Создан электронный банк данных спектральных характеристик различных видов посевов сельскохозяйственных культур в период их вегетации.
4. Полученные изображения MODIS/Terra позволяют выделять малоразмерные участки местности, занятые сельскохозяйственными насаждениями.
5. Полученные результаты спутниковой информации MODIS/Terra показывают возможность применении наземной спектрометрической калибровки.
6. Из анализа полученных спектральных кривых в выделенных классах видна возможность использования тонких спектральных отличий для изучения пространственного распределения различных видов растительности и ее экологического состояния.
7. Показано, что выделенные контрасты могут быть эффективно использованы для получения полезной информации при обработке космических изображений, которым присущ высокий уровень естественных помех (изменение оптической толщины атмосферы, облачность, изменение угла визирования сканера, изменение высоты Солнца, высокая неоднородность подстилающей поверхности).
Работа выполнена при поддержке грантами ККФН-РФФИ (№ 07-05-96807), РФФИ (№ 09-07-00026), Фонда содействия отечественной науке, ККФН (№ 18С158), Программы Президиума СО РАН № 23 «Биоразнообразие», раздел 34.
Список литературы
[1] Кондратьев К.Я., Федченко П.П. Спектральная отражательная способность и распознавание растительности. Л.: Гидрометеоиздат, 1982. 216 с.
[2] Кочубей С.М., Кобец Н.И., Шадчина Т.М. Спектральные свойства растений как основа методов дистанционной диагностики. Киев: Наукова думка, 1990. 135 с.
[3] Кочубей С.М., Шадчина Т.М., Кобец Н.И., Дмитриева В.В. Связь отражательных характеристик листьев озимой пшеницы с содержанием в них азота и хлорофилла в течение вегетации // Физиол. и биохим. культ. растений. 1988. Т. 20. № 6. С. 530-534.
[4] Рачкулик В.Н., Ситникова М.В. Отражательные свойства и состояние растительных покровов. Л.: Гидрометеоиздат, 1981. 267 с.
[5] Сидько А.Ф. Аппаратура высокого разрешения и результаты исследования растительности и водных поверхностей // В кн. Очерки экологической биофизики. / Под ред. Т.Г. Воловой. Новосибирск: Наука, 2003. С. 356-370.
[6] Кринов Е.А. Спектральная отражательная способность природных образований. М.: Изд-во АН СССР, 1947. 270 с.
[7] Сидько А.Ф., Моисеева Н.П., Соколов В. И. Изучение связи сезонной динамики СКЯ некоторых сортов пшеницы с физиологическими параметрами растений // Исследование Земли из космоса. 1982. № 6. С. 58-62.
[8] Сидько А.Ф., Филимонов В.С., Сидько Ф.Я., Рубцов И.Д. Полевой двухлучевой дифференциальный спектрофотометр // Журнал прикладной спектрофотометрии. 1976, т. 29, вып. 5. С 943-948.
[9] Сидько А.Ф., Шевырногов П.П. Спектральная яркость растений, как основа дистанционной диагностики посевов сельскохозяйственных культур // ДАН, 1997, т. 354, № 1. С. 120-122.
[10] 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.
[11] Сидько А.Ф. Дистанционный метод определения хлорофилльного фотосинтетического потенциала посевов сельскохозяйственных культур на примере пшеницы, ячменя и овса // Известия Академии наук, Серия биологическая. 2004 г. № 5. С. 547-555.
[12] Сидько Ф.Я., Соколов В.И., Сидько А.Ф., Филимонов В.С. О связи спектральной яркости посевов пшеницы с ее физиологическими параметрами и урожайностью. //Изв. СО АН СССР. Сер. биол. наук. 1985. Выл. 3. С. 35-38.
[13] Терсков И.А., Сидько А.Ф., Соколов В.И., Филимонов В.С. Некоторые результаты исследований спектральной яркости посевов с/х культур и лесных сообществ // Космические исследования природных комплексов Сибири и Дальнего Востока. Новосибирск: Наука, 1983. С. 126-131.
[14] Shevyrnogov A.P. and A.F. Sid'ko. Ground truth methods as a part of space mapping of inland water phytopigment dynamics // Adv. Space Res. Vol. 22. No. 5. pp. 705-708, 1998.
[15] Шевырногов А.П., Сухинин А.И., Кашкин В.Б., Сидько А.Ф., Высоцкая Г.С. Научная программа "Зеленая волна" как средство изучения растительности Красноярского края космическими средствами // Сибирский экологический журнал, 1996, №5. C. 363-372.
[16] Сидько А.Ф., Пугачева И.Ю., Шевырногов А.П. Исследование динамики спектральной яркости посевов сельскохозяйственных культур в период вегетации на территории Красноярского края // ДАН. 2008, том 419, № 3. C. 417-420.
Investigation of the Spectral Brightness Dynamics of Agricultural Crops during Vegetation Period at the Krasnoyarsk Territory
Alexander F. Sid'ko, Irina Y. Pugacheva and Anatoly P. Shevyrnogov
Institute of Biophysics SB RAS 50-50 Akademgorodok, Krasnoyarsk, 660036 Russia
Based on the analysis of remote field and satellite measurements of agricultural crops spectral brightness during vegetation period, the possibility was demonstrated of estimating the structural changes in the near infrared zone (X = 760 — 820 nm) of the plants of the crops being studied. The electronic data base was made containing the corrected spectral brightness data of the studied agricultural crops. It was shown that the dynamics of spectral brightness values reflects the pattern of morphophysiological changes in the crops during their vegetation period. The lack or excess of moisture in plants leads to structural changes in plant phytoelements, which has a considerable effect on their reflectance, especially in the near infrared spectrum region. This trend was observed simultaneously for all studied fields during the period of research. It was stated that, with regard to the classes singled out, it is possible to use subtle spectral differences for studying spatial distribution and ecological state of various types of vegetation. It was shown that the distinguished contrasts can be effectively used for getting useful information when processing satellite images that have a high level of natural interference (alteration of atmosphere optical thickness, cloudiness, alteration of scanner viewing angle, sun height variation, high inhomogeneity of underlying surface).
Key words: remote sounding, spectral factor of brightness, base of the spectral brightness data, agricultural crops.
