CC BY
78
УДК / UDC 633.11 "324"+633.16"321"]:631.547.15:528.71
ОЦЕНКА СОСТОЯНИЯ ПОСЕВОВ ОЗИМОЙ ПШЕНИЦЫ И ЯРОВОГО ЯЧМЕНЯ ПО СРЕДНЕМУ ЗНАЧЕНИЮ NDVI, НА ОСНОВЕ КОСМОСНИМКОВ
ASSESSMENT OF THE STATE OF WINTER WHEAT AND SPRING BARLEY PLANTINGS BY THE AVERAGE NDVI VALUE, BASED ON SATELLITE IMAGES
Павловская H.E., доктор биологический наук, профессор, заведующая кафедрой Pavlovskaya N.E., Doctor of Biological Sciences, Professor, Head of Department Родимцев C.A., доктор технических наук, профессор Rodimtsev S.A., Doctor of Technical Sciences, Professor Бородин Д.Б., кандидат сельскохозяйственных наук, доцент Borodin D.B., Candidate of Agricultural Sciences, Associate Professor Вершинин C.B., старший преподаватель Vershinin S.V., Senior Lecturer Гагарина И.Н.*, кандидат сельскохозяйственных наук, доцент Gagarina I.N., Candidate of Agricultural Sciences, Associate Professor ФГБОУ ВО «Орловский государственный аграрный университет
имени H.B. Парахина», Орел, Россия Federal State Budgetary Educational Establishment of Higher Education "Orel State Agrarian University named after N.V. Parakhin", Orel, Russia
*E-mail: [email protected]
Работа выполнена в рамках тематического плана-задания на научно-исследовательскую работу по заказу Минсельхоза России за счет средств федерального бюджета в 2020 году (регистрационный номер НИОКТР АААА-А20-120021190096-3, от 11.02.2020 г.)
Динамические значения вегетационного индекса NDVI получали при анализе спутниковых снимков опытных участков, начиная с фазы начала цветения культур. На основе этих данных были подготовлены соответствующие карты, визуализация данных, доступ к которым был реализован на базе веб-ГИС-платформы GeoMixer. Обработка цифровой информации обеспечивалась программой обработки данных дистанционного зондирования Земли ScanEx Image Processor v.5.0. Границы опытных участков определялись векторными контурами (полигонами), заложенными в цифровой среде комплексной системы управления (КСУ) сельскохозяйственной организацией Agro Network Technologies (ANT). Данное ПО является базой цифровой платформы опытного хозяйства университета. На основании изученных NDVI вегетационных индексов озимой пшеницы Московская 40 и ярового ячменя Скарлет установлено, что оценка состояния посевов сельскохозяйственных культур по среднему значению NDVI, на основе космоснимков, позволяет на протяжении всего периода контролировать развитие растений и прогнозировать урожайность. Вегетационный индекс NDVI озимой пшеницы, в весеннее время составляющий 0,05-0,2, указывает на то, что растения вошли в зимовку на ранней фенологической фазе, до кущения, что может снизить потенциальную урожайность. Высокие значения индекса NDVI, равные 0,75-0,8, указывают на то, что урожайность озимой пшеницы может составить более 40 ц/га. Величины индекса NDVI у ярового ячменя на контрольном участке очень низкие и составляют в середине сезона около 0,5, что прогнозирует урожайность в два раза ниже оптимальной. Обработка растений биопрепаратом Нигор, разработанным в университете, увеличила урожайность на 9,1%, но не смогла компенсировать недостаток элементов питания. Таким образом, в дальнейшем с помощью космоснимков можно не только прогнозировать урожайность сельскохозяйственных культур, но и на основе вычисления вегетационных индексов, установить причину их низкой урожайности и принимать меры для их устранения. Ключевые слова: дистанционное зондирование земли, многоканальные космические снимки, биопрепараты, вегетационный индекс, ГИС-технологии, озимая пшеница, яровой ячмень.
Dynamic values of the vegetation index NDVI were obtained by analyzing satellite images of experimental plots, starting from the phase of the beginning of flowering of crops. Based on this data, the corresponding maps were prepared, data visualization and access to which was implemented on the basis of the GeoMixer web GIS platform. Digital information processing was provided by the remote sensing data processing program ScanEx Image Processor V. 5.0. The boundaries of the experimental plots were determined by vector contours (polygons) embedded in the digital environment of the integrated management system (IMS) of the agricultural organization Agro Network Technologies (ANT). This SOFTWARE is the base of the digital platform of the University's experimental farm. Based on the vegetation indices of the Moskovskaya 40 winter wheat and Scarlet spring barley studied by the NDVI, it was found that the assessment of the state of agricultural crops by the average NDVI value, based on satellite images, allows monitoring plant development and predicting yield throughout the entire period. The NDVI vegetation index of winter wheat in spring, 0.05-0.2, indicates that the plants hibernated at an early phenological phase, before tillering, which may reduce potential yield. High values of the NDVI index, equal to 0.75-0.8, indicate that the yield of winter wheat can be more than 40 c / ha. The values of the NDVI index for spring barley in the control area are very low and are about 0.5 in the middle of the season, which predicts a yield twice as low as the optimal one. Treatment of plants with the biological product Nigor developed at the University increased the yield by 9.1%, but could not compensate for the lack of nutrients. Thus, in the future, using satellite images, it is possible not only to predict crop yields, but also to determine the reason for their low yield based on the calculation of vegetation indices and take measures to eliminate them. Key words: remote sensing of the earth, multi-channel satellite images, biologics, vegetation index, GIS technologies, winter wheat, spring barley.
Введение. Управление растениеводством, связанное с прогнозированием урожайности сельскохозяйственных культур, последствиями воздействия окружающей среды, химическим составом почвы, влажностью и т.д., может быть основано на спектральной сигнатуре растительных посевов, т.е. коэффициенте отражения/излучения в зависимости от длины волны. В мировой практике сельского хозяйства широко используются вегетационные индексы NDVI, помогающие провести качественный анализ состояния растительности на основании дистанционного зондирования [1].
Вегетационные индексы являются важной характеристикой для изучения состояния посевов, указывающие на структурные, биохимические и физиологические изменения. Большая часть структурно связанных растительных индексов создается на основе отражательной способности, полученной в красной и ближней инфракрасной областях. К структурным свойствам относятся биомасса зеленого листа, индекс площади листьев и фотосинтетически поглощенные активные излучения. Биохимические свойства включают пигменты (хлорофилл, антоциан и каротиноиды), а также воду, азотсодержащие соединения, лигнин, целлюлозу и др. К третьей категории состояния растительного покрова относится физиологическое состояние растений, связанное с изменениями, происходящими под влиянием различного рода стрессов. Например, изменение содержания хлорофилла, ксантофилла, влажности и пр. [2, 3].
Индексы растительности используются для анализа посевов, содержания питательных элементов в почве, управления пестицидами, оценки урожайности, моделирования и т.д. [4, 5]. Индексы растительности являются полезной информацией, особенно это касается выявления стрессов для своевременного принятия соответствующих мер для управления растениеводством. В России использование зондирования для прогнозирования урожайности и управления растениеводством еще недостаточно широко внедрено.
Целью исследований является изучение возможности использования аэрофотосъемок растительного покрова в условиях Орловской области.
В задачи исследований входило:
- установить взаимосвязь между продуктивностью посевов озимой пшеницы и ярового ячменя и их вегетационным индексом NDVI;
- выявить возможность использования данных дистанционного зондирования с помощью летательного аппарата для оценки продуктивности озимой пшеницы и ярового ячменя под влиянием нового биопрепарата.
Условия, материалы и методы. Работа проводилась в условиях Научно-образовательного производственного центра (НОПЦ) «Интеграция» ФГБОУ ВО Орловский ГАУ. Площадь опытной делянки составляла 10 га на 1 культуру. Изучалось влияние нового биологического препарата с защитно-стимулирующим свойством с рабочим названием «Нигор» [6] на урожайные данные озимой пшеницы «Московская 40» и ярового ячменя «Скарлет». Агрохимическая характеристика почвы: P2O5 - 99 мг/кг [7], К2О - 102 мг/кг, pH -5 [8]; гумус по методу Тюрина в модификации ЦИНАО [9] - 4,54. Предшественник - ячмень. Почва сера лесная, среднесуглинистая.
Проводилась предпосевная обработка ярового ячменя «Скарлет» с помощью перемешивания инсектицидного протравителя системного действия «Имидор Про» 0,75 л/т и «Биостим Старт» 1 л/т в протравителе КС-10 и двукратное опрыскивание в фазу кущения (27.05.2020) совместно с гербицидом «Фенизан», BP 0,15 л/га (расход рабочей жидкости: при наземной обработке - 200 л/га) и в фазу трубкования (15.06.2020) совместно с фунгицидом «Титул Дуо» 0,25 л/га. (расход рабочей жидкости: при наземной обработке - 200 л/га), с помощью опрыскивателя AMAZONEN D492-05. Уборка ячменя проводилась 1 сентября 2020 г.
На озимой пшенице «Московская 40» проводилось двукратное опрыскивание в фазу кущения (24.05.2020) совместно с гербицидом «Фенизан», BP 0,15 л/га (расход рабочей жидкости: при наземной обработке - 200 л/га) и в фазу трубкования (10.06.2020) совместно с фунгицидом «Титул Дуо» 0,25 л/га. (расход рабочей жидкости: при наземной обработке - 200 л/га), с помощью опрыскивателя AMAZONEN D492-05.
Агрохимическая характеристика почвы под озимой пшеницей: P2O5 - 104 мг/кг [7], К2О -135 мг/кг, pH - 5,5 [8]; гумус по методу Тюрина в модификации ЦИНАО [9] - 4,09. Предшественник - соя. Почва сера лесная, среднесуглинистая. Уборка озимой пшеницы проведена 23 августа 2020 г.
На протяжении вегетационного периода культур проводились фенологические наблюдения и в конце вегетации подсчитана урожайность пшеницы и ячменя.
Динамические значения вегетационного индекса NDVI получали при анализе спутниковых снимков опытных участков, начиная с фазы начала цветения культур. На основе этих данных были подготовлены соответствующие карты, визуализация данных, доступ к которым был реализован на базе веб-ГИС-платформы GeoMixer. Обработка цифровой информации обеспечивалась программой обработки данных дистанционного зондирования Земли ScanEx Image Processor v.5.0. Границы опытных участков определялись векторными контурами (полигонами) (рис. 1), заложенными в цифровой среде комплексной системы управления (КСУ) сельскохозяйственной организацией Agro Network Technologies (ANT). Данное ПО является базой цифровой платформы опытного хозяйства университета.
Результаты и обсуждение. В результате обследований поля с озимой пшеницей 17.06.2020 г с помощью обработки космоснимков в программе ScanEx, получены данные, указывающие на неоднородность состояния посевов пшеницы, обработанных и необработанных биологическим препаратом растений (рис. 2). Более бледная окраска, соответствующая контролю, указывает на меньшее содержание хлорофилла в растениях пшеницы, а более яркое окрашивание участка с обработанными препаратом посевов - на более высокое содержание зеленых пигментов в опытных растениях. Подобные различия в содержании хлорофиллов связаны с повышением фотосинтетической продуктивности озимой пшеницы под влиянием средств защиты растений.
Рисунок 1 - Скриншот вкладки «Поля» КСУ ANT НОПЦ «Интеграция» ФГБОУ
ВО Орловский ГАУ
Известно, что, используя NDVI для мониторинга всхожести культурных растений на полях, можно заключить о благополучности зимовки озимых сортов культурных растений [10]. Так, например, если в начале сезона NDVI ниже 0,15 -велика вероятность того, что на участке все растения погибли. Обычно такие показатели соответствуют вспаханной почве без вегетации. Значение NDVI от 0,15 до 0,2 - также низкий показатель. Это может означать, что растения вошли в зимовку на ранней фенологической фазе, до кущения. NDVI 0,2-0,3 - относительно хороший показатель, указывающий на возможность того, что растения успели войти в фазу кущения и возобновляют вегетацию. С некоторыми допущениями, хорошим показателем являются значения NDVI от 0,3 до 0,5. Показатель NDVI, превышающие значение 0,5 - аномальный показатель после зимовки.
Рисунок 2 - Поле с высеянной озимой пшеницей в фазу начала цветения
Как видно из рисунка 3, в нашем опыте в марте-апреле показатель ЫйУ! довольно низкий и составляет всего 0,05-0,2. Это может говорить о том, что растения вошли в зимовку на ранней фенологической фазе, до кущения. К маю вегетационный индекс составлял чуть больше 0,25, что является условно неплохим показателем и указывает на то, что растения успели войти в фазу кущения и возобновления вегетации.
В середине сезона по индексу NDVI можно оценить, как развиваются растения на поле. В опытном варианте вегетационный индекс близок к 0,70, что указывает на хорошее развитие озимой пшеницы.
В конце сезона индекс NDVI может служить для определения полей, готовых к уборке урожая: чем ниже значения индекса, тем ближе к созреванию данный участок поля. Оптимальное значение индекса в таком случае - 0,3-0,35. В нашем опыте индекс NDVI к сентябрю близок к 0,3, что указывает на готовность к уборке урожая.
| Ii J41 1 ■ ичм ти^^нг I н 41 .gl'!™ .......... i ними ^н^^^п^^н^^^н
Рисунок 3 - Поле с озимой пшеницей с цветовой шкалой и показателем NDVI
На контрольном участке, хорошо наблюдаемом по более бледному окрашиванию, индекс NDVI в середине сезона составил всего 0,4-0,45, что прогнозирует более низкую урожайность по сравнению с обработанным нашим препаратом участком. Вегетационный индекс на опытном варианте в середине сезона 0,5-0,85 уже не восполнил потери, связанные с ранним уходом растений на зимовку. В текущем 2020 году в РФ средняя урожайность составила 30,6 ц/га, а по Орловской области 45 ц/га [11]. Таким образом, в Орловской области потенциал урожайности озимой пшеницы очень высокий и при благоприятном вегетационном индексе, связанным с уходом растений на зимовку, может составить более 45 ц/га.
Сравнение индекса NDVI с конечным урожаем показывает справедливость такого утверждения, подкрепленного полученными данными. На озимой пшенице «Московская 40» на контроле получен урожай зерна 38,8 ц/га, а на опыте - 41,5 ц/га. Урожай с опытных растений превосходит контрольные за счет более крупных колосьев и массы 1000 зерен (рис. 4).
1 2
Рисунок 4 - Колосья озимой пшеницы: с контрольных (1) и обработанных оригинальным биопрепаратом растений (2)
Выполненные обработка и анализ спутниковых снимков поля ярового ячменя показали (рис. 5), что контрольный участок имеет очень бледную окраску, свидетельствующую о низком содержании зеленых пигментов в растениях, что может сказаться на снижении урожайности ячменя. Обработанный препаратом участок по сравнению с контрольным, имеет несколько более интенсивную окраску, связанную с накоплением зеленых пигментов, увеличивающих фотосинтетический потенциал.
ПЮЕ —¡m1 I1 mm ян mtm 1 [HIINI 1 III [Ii Ein [ I mint]"
1а* Jun М '4M 54C | ÖC1 b*t
Рисунок 5 - Обработанные спутниковые снимки участков с посевами ярового ячменя
В начале вегетации в марте-апреле индекс NDVI на опытном участке ярового ячменя сильно колебался и составлял в среднем около 0,35, а к середине вегетации - 0,75. Конец вегетации характеризуется индексом NDVI, равным 0,25, что указывает на готовность к уборке урожая (рис. 6). Однако, на контрольном участке показатели вегетационного индекса в середине сезона были значительно ниже и составили по цветовой шкале около 0,35-0,4. Это очень низкие значения вегетативного индекса, свидетельствующие о неблагоприятных условиях развития (например, недостача влаги или питательных элементов).
1.00 0.75 0.50 0.25 0.00
Янв Фев Map Апр Май Июн Июл Авг Сен Окт Ноя Дек Рисунок 6 - Динамика изменения показателя NDVI для ярового ячменя
В результате проведенных исследований установлено, что у ярового ячменя урожайность на контроле составила 19,7 ц/га, а на опыте - 21,5 ц/га, при средней урожайности по России около 50 ц/га. Таким образом, оценка состояния посевов озимой пшеницы и ярового ячменя по среднему значению NDVI, на основе космоснимков указывает на недостаток на участке элементов питания или влаги, что предстоит установить в дальнейших исследованиях.
Рисунок 7 демонстрирует, что растения ярового ячменя с опытного участка были мощнее контрольных и превосходили их по всем морфометрическим характеристикам.
Рисунок 7 - Снопы ярового ячменя перед уборкой: 1 - контроль; 2 - обработанные биопрепаратом
Таким образом, на основании проведенных исследований, можно сделать следующие выводы:
1. Оценка состояния посевов сельскохозяйственных культур по среднему значению NDVI на основе космоснимков позволяет на протяжении всего периода контролировать развитие растений и прогнозировать урожайность.
2. Вегетационный индекс NDVI озимой пшеницы в весеннее время составляющий 0,05-0,2 указывает на то, что растения вошли в зимовку на ранней фенологической фазе, до кущения, что может снизить потенциальную урожайность.
3. Высокие значения индекса NDVI, равные 0,75-0,8, указывают на то, что урожайность озимой пшеницы может составить более 40 ц/га.
4. Величины индекса NDVI у ярового ячменя на контрольном участке очень низкие и составляют в середине сезона около 0,5, что прогнозирует урожайность в два раза ниже оптимальной. Обработка растений биопрепаратом увеличила урожайность на 9,1%, но не смогла компенсировать недостаток элементов питания.
БИБЛИОГРАФИЯ
1. Pooja V.J., Ratnadeep R.D., Priyanka U.R. Vegetation Indices for Crop Management // A Review IJRAR. January 2019. V. 6. P. 413-415.
2. Pooja V.J., Ratnadeep R.D. Hyperspectral Remote Sensing for Agriculture // A Review IJCA. 2017. V. 172. N. 7. P. 30-34.
3. Jinru X., Baofeng S. Significant Remote Sensing Vegetation Indices // A Review of Developments and Applications, Hindawi Journal of Sensors. 2017. V. 1. P.1-17.
4. Payero J.O., Neale C.M.U., Wright J.L. Comparison of eleven vegetation indices for estimating plant height of alfalfa and grass // Applied Engineering in Agriculture, American Society of Agricultural Engineers. 2004. V. 20 (3). P. 385-393.
5. Thenkabail P.S., Smith R.B., Pauw E.D. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics // Remote Sensing Environment. 2000. V. 71. P. 158-182.
6. Пат. 2463759 РФ, МПК 51 A01C 1/06, 1/08. Средство для предпосевной обработки семян гороха / Павловская Н.Е., Горькова И.В., Гагарина И.Н., Бородин Д.Б., Борзенкова Г. А.; патентообладатель Федеральное государственное образовательное учреждение высшего профессионального образования «Орловский государственный аграрный университет». № 2011117691/13; заявл. 03.05.2011; опубл. 20.10.2012.
7. ГОСТ 26205-91 Почвы. Определение подвижных соединений фосфора и калия по методу Мачигина в модификации ЦИНАО. М.: Комитет стандартизации и метрологии СССР, 1992. 8 с.
8. ГОСТ 26483-85 Почвы. Приготовление солевой вытяжки и определение ее рН по методу ЦИНАО. М.: Государственный комитет СССР по стандартам, 1985. 4 с.
9. ГОСТ 26213-91 Почвы. Методы определения органического вещества. М.: Комитет стандартизации и метрологии СССР, 1992. 8 с.
10. Что такое индекс NDVI и как он делает жизнь фермера проще // URL: https://blog.onesoil.ai/ru/what-is-ndvi (дата обращения: 20.10.2020).
11. Ход уборочной кампании 2020 в РФ по областям // URL: http://zerno.ru/node/10943 (дата обращения: 20.10.2020).
REFERENCES
1. Pooja V.J., Ratnadeep R.D., Priyanka U.R. Vegetation Indices for Crop Management // A Review IJRAR. January 2019. V. 6. R. 413-415.
2. Pooja V.J., Ratnadeep R.D. Hyperspectral Remote Sensing for Agriculture // A Review IJCA. 2017. V. 172. N. 7. R. 30-34.
3. Jinru X., Baofeng S. Significant Remote Sensing Vegetation Indices // A Review of Developments and Applications, Hindawi Journal of Sensors. 2017. V. 1. R.1-17.
4. Payero J.O., Neale C.M.U., Wright J.L. Somparison of eleven vegetation indices for estimating plant height of alfalfa and grass // Applied Engineering in Agriculture, American Society of Agricultural Engineers. 2004. V. 20 (3). R. 385-393.
5. Thenkabail P.S., Smith R.B., Pauw E.D. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics // Remote Sensing Environment. 2000. V. 71. R. 158-182.
6. Pat. 2463759 RF, MPK 51 A01C 1/06, 1/08. Sredstvo dlya predposevnoy obrabotki semyan gorokha / Pavlovskaya N.Ye., Gorkova I.V., Gagarina I.N., Borodin D.B., Borzenkova G.A.; patentoobladatel Federalnoe gosudarstvennoe obrazovatelnoe uchrezhdenie vysshego professionalnogo obrazovaniya «Orlovskiy gosudarstvennyy agrarnyy universitet». № 2011117691/13; zayavl. 03.05.2011; opubl. 20.10.2012.
7. GOST 26205-91 Pochvy. Opredelenie podvizhnykh soedineniy fosfora i kaliya po metodu Machigina v modifikatsii TsINAO. M.: Komitet standartizatsii i metrologii SSSR, 1992. 8 s.
8. GOST 26483-85 Pochvy. Prigotovlenie solevoy vytyazhki i opredelenie ee rN po metodu TsINAO. M.: Gosudarstvennyy komitet SSSR po standartam, 1985. 4 s.
9. GOST 26213-91 Pochvy. Metody opredeleniya organicheskogo veshchestva. M.: Komitet standartizatsii i metrologii SSSR, 1992. 8 s.
10. Chto takoe indeks NDVI i kak on delaet zhizn fermera proshche // URL: https://blog.onesoil.ai/ru/what-is-ndvi (data obrashcheniya: 20.10.2020).
11. Khod uborochnoy kampanii 2020 v RF po oblastyam // URL: http://zerno.ru/node/10943 (data obrashcheniya: 20.10.2020).
