CC BY
19
Возможности интеллектуальных цифровых технологий в экологизации ландшафтно-адаптивного земледелия степной зоны*
Ю.А. Гулянов, д.с.-х.н., профессор, ФГБУН Институт степи УРО РАН
В современном земледелии активно применяются инструментальные методы оперативного обследования и оценки посевов во время вегетации по их спектральной отражательной способности. Для этого используются приборы с оптическими датчиками, позволяющими оценить состояние агроценоза по плотности биомассы и интенсивности зелёной окраски растений [1]. Кроме того, подобные методы обследования земель сельскохозяйственного назначения могут быть использованы для построения цифровых моделей рельефа, анализа неоднородности почвенного плодородия в пределах отдельного поля, определения уровня развития и оценки вариабельности посева [2]. Они приемлемы для изучения фитосанитарной обстановки и выявления повреждений растительности от внешних воздействий, вызванных присутствием в посевах сорных растений, вредителей, болезней разной этиологии [3] или антропогенной деятельностью [4].
Вегетационные обследования полей указанными средствами проводятся ещё и с целью установления потребности растений в элементах минерального питания [1], а также прогнозирования урожайности.
Для дистанционного обследования и оценки посевов используются спутниковые снимки и аэрофотоснимки с беспилотных летательных аппаратов. Спутниковая съёмка посевов в доступном (или бесплатном) ценовом диапазоне имеет пока низкую разрешающую способность (30—250 м/пиксель), зависит от облачности и не всегда устраивает земледельцев в плане привязанности к фазам развития полевых культур [5]. А оценка состояния посевов именно в конкретные фазы развития часто очень важна для назначения дат или корректировки уровня технологического воздействия.
Съёмка с беспилотных летательных аппаратов является более оперативной, она может осуществляться и в облачную погоду, у неё гораздо более высокая разрешающая способность — 0,03—0,50 м/пиксель. В тоже время в отличие от спутниковой съёмки она отличается значительно меньшей производительностью, связанной с ограниченными техническими характеристиками летательных аппаратов и невозможностью работы при сильном или порывистом ветре [6].
Спутниками и беспилотными летательными аппаратами осуществляется пассивная съёмка отражений в заданных диапазонах световых волн, что в условиях недостаточной или неравномерной освещённости часто приводит к существенному искажению реальной картины.
Для наземной оценки состояния посевов используются активные оптические датчики с собственным источником излучения, дающие более точный результат и применяемые для обследования посевов накануне (offline) или непосредственно при проведении технологических операций (online), в том числе для дифференциации уровня технологического воздействия.
Стандартной оценкой состояния посева, не зависящей от условий освещённости и атмосферных помех, общепризнано считается обследование с использованием наземных оптических датчиков с активным источником излучения [7]. Для уточнения же и поправки абсолютных значений, полученных со спутников или фотокамер NIR-диапазона беспилотных летательных аппаратов, обладающих высокой производительностью, оперативностью и способностью работать в «невыездных» условиях (например, ранней весной), рекомендуется заложение в посевах калибровочных тестовых площадок. Их можно использовать для одновременного с аэрофотосъёмкой наземного измерения состояния посева оптическими датчиками с активным источником излучения [8].
Для оценки состояния агроценозов по плотности биомассы и интенсивности зелёной окраски листьев во всех описанных устройствах используются оптические датчики, бесконтактно измеряющие индекс NDVI на поле. Под индексом NDVI (Normalized Difference Vegetation Index) в современном научном сообществе чаще всего понимается нормализованный относительный индекс растительности, или вегетационный индекс, или показатель количества фотосинтетически активной биомассы. Значение NDVI зависит от густоты посева, фазы развития растений, площади листовой поверхности, обводнённости тканей и некоторых других факторов.
Для наземного измерения индекса NDVI широкое применение в цифровых технологиях мирового земледелия получили активные оптические датчики Green Seeker RT200 (Trimble, USA) и Yara N-Sensor ALS (Yara, Deutschland).
Устройства Green Seeker производятся в разных модификациях, предназначенных как для монти-
* Статья подготовлена по теме НИР Института степи УрО РАН: «Степи России: ландшафтно-экологические основы устойчивого развития, обоснование природоподобных технологий в условиях природных и антропогенных изменений окружающей среды»; №ГР АААА-А17-117012610022-5.
рования на трактор, так и для работы в ручном режиме [9]. Принцип действия прибора основан на возможности определения контрастов характеристик двух каналов из набора мультиспектральных растровых данных — поглощения электромагнитных волн зелёным пигментом растительной биомассы (хлорофиллом) в красной области спектра и высокой отражательной способности растительной биомассы в инфракрасной области спектра [6]. Алгоритм расчёта индекса КВУ1 учитывает также уменьшение отражательной способности сканируемого объекта в красной области спектра и увеличение — в области ближнего инфракрасного спектра, при высокой фотосинтетической активности посева, связанной с максимально развитой надземной биомассой.
Определение индекса КВУ1 путём воздушных и наземных съёмок позволяет проводить картирование растительного покрова, выявлять площади, покрытые и непокрытые растительностью, оценивать полноту всходов, плотность стеблестоя и наблюдать развитие агроценоза в динамике.
Среди зернопроизводящих территорий России Оренбургская область по праву считается одним из основных поставщиков продовольственного зерна. Высокая фотосинтетическая активность солнечного излучения, достаточная продолжительность вегетационного периода и плодородные чернозёмные почвы при возделывании по адаптивным ресурсосберегающим технологиям в системе ландшафтно-адаптивного земледелия обеспечивают формирование стабильных урожаев качественного зерна [10]. Немаловажное значение в увеличении валовых сборов и повышении экономической целесообразности производства зерна здесь имеет выращивание озимых культур, размещаемых по паровым предшественникам и обеспечивающих более высокую урожайность, чем яровые зерновые [11].
К сожалению, за последнюю четверть века при отсутствии чёткой государственной стратегии неистощительного землепользования и несовершенстве природоохранной нормативной базы мы стали свидетелями неоправданно расточительного отношения к земельным ресурсам.
Существующие тенденции природопользования в земледельческих регионах страны ведут к углублению экологического кризиса, угрожают продовольственной безопасности, ухудшают жизненные условия населения.
Для успешной реализации обозначенных в «Стратегии научно-технологического развития Российской Федерации» [12] приоритетов предусмотрено развитие прорывных агротехнологий, способных обеспечить технологическую независимость и продовольственную безопасность государства, снизить нагрузку на естественные экосистемы и восстановить нарушенный баланс между биосферой и техносферой. В их основе лежит цифровая
трансформация сельского хозяйства, широкое использование данных дистанционного зондирования земли (ДДЗ) для нужд полеводства, реализация интеллектуальных цифровых технологий в управлении АПК в рамках комплексного научно-технического проекта «Цифровое землепользование».
В связи с этим отработка приёмов мониторинга посевов активными оптическими датчиками (сенсорами) для изучения фитосанитарной обстановки, выявления неоднородности почвенного плодородия, определения уровня развития и оценки общей вариабельности посева с целью дифференциации норм технологического воздействия, направленного на экологически обоснованное и экономически целесообразное использование ресурсного потенциала степных агроландшафтов, является актуальным научным направлением.
Основная цель первого этапа исследования заключалась в выявлении гетерогенности почвенного и растительного покрова на различных участках поля и прогнозе урожайности озимой пшеницы по индексу NDVI с помощью портативного устройства Green Seeker Handheld Crop Sensor, Model HCS-100 (Trimble, USA).
Материал и методы исследования. Исследование с озимой пшеницей проводили в 2017/2018 с.-х. году в производственных посевах учебно-опытного поля Оренбургского ГАУ, расположенного в зоне южных степей Оренбургского Предуралья. Почва — чернозём южный среднемощный карбонатный тяжелосуглинистый, почвообразующие породы — делювий пермских отложений с высокой карбонатностью и щелочной реакцией почвенной среды (рН = 7,6—7,8). Мощность гумусового горизонта составляет 114—118 см, пахотный слой (Амах) — 28—29 см, Амах + В — 54—65 см. Объёмная масса почвы в горизонте 0—100 см — 1,3 г/см3, в пахотном — 1,22 г/см3; удельная масса — соответственно 2,66 и 2,61 г/см3; общая пористость — 51,7 и 53,3%; максимальная гигроскопичность — 8,71 и 8,76% от абсолютно сухой почвы; влажность устойчивого завядания — 11,7—12,2% [11].
Для оперативного мониторинга агроценоза озимой пшеницы использовали портативный Green Seeker Handheld с активным оптическим датчиком, который применяется, например, и в системе Green Seeker RT200, устанавливаемой на мобильные технические устройства. Принцип работы ручного сенсора также заключается в излучении на зелёные растения импульсов красного и инфракрасного света и измерения количества отражённого света. Указанные значения измеряются в условных единицах, изменяющихся в диапазоне от 0,00 до 0,99, и характеризуют интенсивность зелёной окраски (плотность биомассы) сканируемой поверхности — чем она выше, тем выше и числовые значения, отображаемые на цифровом дисплее устройства. При движении по полю с включённым ручным сенсором Green Seeker, Model HCS-100 данные
на дисплее постоянно обновляются, при этом сохраняются в памяти устройства и отображаются на дисплее в виде усреднённого значения каждые 60 с или раньше, после отпускания включающего рычажка [13].
Для получения достоверных результатов сканирование биомассы озимой пшеницы мы проводили в множественных местах делянки, перемещаясь с равномерной скоростью по её диагонали и располагая измерительное устройство на постоянной высоте 60—70 см над растениями, снимая показания с дисплея каждые 60 с.
Наблюдения проводили на выделенных в производственном посеве пяти участках размером 4 м на 100 м, закреплённых точками на местности с использованием мини-навигатора.
Учёт урожая и структурный анализ сноповых образцов проводили в фазу полной спелости зерна.
Результаты исследования. По результатам пяти обследований посевов озимой пшеницы оптическим устройством Green Seeker Handheld нами был получен обширный массив данных пространственного распределения индекса NDVI на поле и его динамики в течение вегетации (табл. 1).
В начальные даты обследования (на начало возобновления весенней вегетации, 10 апреля) выявлена значительная гетерогенность посева, вызванная почвенной неоднородностью (истощённость, эрозионные разрушения), низким качеством проведения агротехнических мероприятий (просевы, пересевы, огрехи) и связанной с ними неравномерностью перезимовки растений на различных участках поля.
Сразу после проведения весеннего боронования (16 апреля), значительно улучшившего фитосани-тарное состояние посевов, водный и воздушный режимы почвы, а также активного нарастания тепла, усиления микробиологической активности почвенной микрофлоры и улучшения в связи с этим условий минерального питания растений, гетерогенность посевов визуально стала менее выраженной, хотя и сохранилась до уборки, сказавшись на пестроте урожайности зерна (табл. 2).
Используя результаты наблюдений и учётов по соответствию значений индекса NDVI определённым величинам урожайности зерна, полученным
в предшествующих исследованиях (2016—2017 гг.), нами была спрогнозирована продуктивность озимой пшеницы посредством оптического устройства Green Seeker Handheld и определены отклонения фактических значений от прогнозируемой и потенциальной по биоклиматическому потенциалу (БКП) урожайности.
Учитывая опыт отечественных учёных, установивших, что наиболее точный прогноз урожайности по индексу NDVI можно дать в фазу максимального развития листостебельной массы растений [5, 14], мы использовали для прогнозирования урожай -ности значения вегетационного индекса посева в фазу колошения.
Нами было выявлено (2016—2017 гг.), что на чернозёмах южных в условиях сухих степей Оренбургского Предуралья максимальной урожайности зерна озимой пшеницы Пионерская 32 (2,83 т/га) из всей выборки измерений в фазу колошения соответствовал индекс NDVI, равный 0,77 ед. Приняв это соответствие за основу, нами были определены величины ожидаемой урожайности по фактическим значениям индекса NDVI в фазу колошения и рассчитаны отклонения фактической урожайности от прогнозируемой.
Установлено, что в границах исследуемых участков поля варьирование прогнозируемой и фактической урожайности зерна озимой пшеницы, вызванное даже визуально наблюдаемой гетерогенностью посевов, составляло 0,66 и 0,65 т/га соответственно (табл. 2).
Отклонения фактической урожайности от прогнозируемой по индексу NDVI посева в фазу колошения составляли 0,11—0,16 т/га, или 4,2—7,2%, что можно считать вполне допустимым для подобного рода прогнозов.
Проведённые нами расчёты потенциальной (по биоклиматическому потенциалу, БКП) урожайности озимой пшеницы для условий Оренбургского Предуралья показывают, что при значительном варьировании коэффициента годового атмосферного увлажнения, коэффициента роста по влагообе-спеченности посевов, суммы активных температур и расчётной цены балла она изменяется от 1,94 до 5,89 т/га, а в среднем составляет 2,98 т/га [15]. В этом отношении полученная в 2018 г. урожай-
1. Пространственное и временное распределение индекса NDVI на поле озимой пшеницы, 2017/2018 с.-х. год
Индекс NDVI по фазам развития/датам Средний
возобновление
Участок поля весеннее выход коло- молочно-восковая индекс
весенней веге- кущение / в трубку / шение / спелость зерна / NDVI
тации / 10 апр. 22 апр. 11 мая 25 мая 20 июня
1-й 0,32 0,43 0,73 0,75 0,54 0,55 0,49 0,52 0,43 0,40
2-й 0,28 0,40 0,65 0,68 0,46
3-й 0,30 0,38 0,70 0,72 0,50
4-й 0,25 0,35 0,56 0,61 0,39
5-й 0,23 0,30 0,53 0,57 0,35
Средние значения 0,27 0,37 0,63 0,67 0,45
2. Фактическая и прогнозируемая по индексу КВУ1 урожайность зерна озимой пшеницы по отдельным участкам поля, 2018 г.
Урожайность зерна, т/га
Участок поля фактическая прогнозируемая по индексу NDVI отклонение от прогнозируемой, т/га/% отклонение от потенциальной по БКП,%
1-й 2-й 3-й 4-й 5-й Средние значения 2,59 2,38 2,53 2,10 1,94 2,31 2,75 2,50 2,64 2,24 2,09 2,44 0,16/5,8 0,12/4,8 0,11/4,2 0,14/6,3 0,15/7,2 0,13/5,3 0,39/13,1 0,60/20,1 0,45/15,1 0,88/29,5 1,04/31,0 0,67/22,5
ность зерна озимой пшеницы, с отклонениями от потенциальной по БКП на 13,1—31,0% (22,5% в среднем по полю), убедительно свидетельствует о существенном влиянии на реализацию потенциальных возможностей растений выявленной неоднородности почвенного и растительного покрова.
Выводы. В условиях засушливой степи Оренбургского Предуралья использование оптического устройства Green Seeker Handheld Crop Sensor, Model HCS-100 (Trimble, USA) позволяет оценить гетерогенность посевов и прогнозировать потенциальную урожайность озимой пшеницы. Его преимуществом является незначительная масса и удобство работы в ручном режиме, возможность сбора обширного массива данных за короткое время и быстрое обследование больших площадей.
С целью повышения реализации потенциальных возможностей современных сортов озимой пшеницы, при одновременном снижении нагрузки на естественные экосистемы, целесообразно продолжение исследований по использованию Green Seeker Handheld в интеллектуальных цифровых технологиях «умного землепользования» для дифференциации норм технологического воздействия (удобрения, защита растений), направленного на экологически целесообразное использование ресурсного потенциала степных агроландшафтов и сохранение биологического разнообразия.
Литература
1. Точное сельское хозяйство (Precision Agriculture): учебно-методическое пособие / под ред. Д. Шпаара, А.В. Захарченко,
B.П. Якушева. СПб.-Пушкин: [б.и.], 2009. 397 с.
2. Коротаев А.А., Новопашин Л.А. Применение беспилотных летательных аппаратов для мониторинга сельскохозяйственных угодий и посевных площадей в аграрном секторе // Аграрный вестник Урала. 2015. № 12. С. 38—42.
3. Лекомцев П.В., Конев А.В., Воропаев В.В. Дистанционный мониторинг засорённости посевов яровой пшеницы // Региональные проблемы дистанционного зондирования земли: сб. матер. V междунар. науч. конф. / Изд-во АФИ, 2018.
C. 203—212. [Электронный ресурс]. URL: https://agrophys. ru/Book-of-abstracts-2018 (дата обращения 22.05.2019 г.).
4. Кисилевская К.Е. Применение метода дистанционного зондирования земли для экологического мониторинга // Горный информационно-аналитический бюллетень (научно-технический журнал). 2009. № 2. С. 188—190. [Электронный ресурс]. URL: https://cyberleninka.ru/article/n/ primenemya-metoda-distantsionnogo-zondirovaniya-zemli-dlya-ekologicheskogo-monitoringa (дата обращения 22.05.2019 г.).
5. Паштецкий В.С., Дунаева Е.А. Использование спутниковых сервисов для сельскохозяйственного мониторинга // Таврический вестник аграрной науки. 2017. № 3 (11). С. 117—123.
6. Акинчин А.В. Информационные технологии в системе точного земледелия / А.В. Акинчин, Л.В. Левшаков, С.А. Лин-ков [и др.] // Вестник Курской государственной сельскохозяйственной академии. 2017. № 9. С. 16—21.
7. Kipp S., Mistele B. and Schmidhalter U. Influence of external effects on the accuracy of active canopy sensors // Stickstoff in Pflanze, Boden und Umwelt. 2011. p. 223. [Электронный ресурс] . URL: http: //www.stickstoff2011 .uni-kiel.de/tagungsband/ Tagungsband_2011.pdf (дата обращения 21.05.2019 г.).
8. Железова С.В., Березовский Е.В., Аброськин Д.П. Использование прибора GREEN SEEKER RT200 для мониторинга посевов озимой пшеницы при разных технологиях возделывания // Проблемы агрохимии и экологии. 2013. № 1. С. 56-60.
9. Система дифференцированного внесения удобрений №1 — Green Seeker. [Электронный ресурс]. URL: http:// agriland.ua/index.php/ru/differtilizer/66-green-seeker (дата обращения 20.05.2019 г.).
10. Гулянов Ю.А., Балдина Е.Ю. Эффективность использования ресурсного потенциала степных агроландшафтов при выращивании яровой пшеницы в Оренбургском Предуралье // Известия Оренбургского государственного аграрного университета. 2018. № 6 (74). С. 22—26.
11. Гулянов Ю.А., Коренной А.С., Дорошева Е.Е. Роль азо-тосодержащих минеральных удобрений в формировании полноценного зерна озимой пшеницы на чернозёмах южных Оренбургского Предуралья // Известия Оренбургского государственного аграрного университета. 2016. № 2 (58). С. 24—26.
12. Стратегия научно-технологического развития Российской Федерации (утв. Указом Президента Российской Федерации от 1 декабря 2016 г. № 642. [Электронный ресурс]. URL: http://www.kremlin.ru/acts/bank/41449 (дата обращения 23.05.2019 г.).
13. Green Seeker handheld crop sensor. [Электронный ресурс]. URL: https: //www.trimble.com-/Agriculture/gs-handheld. aspx?tab=Product_Overview (дата обращения 20.05.2019 г.).
14. Ерошенко Ф.В., Сторчак И.Г., Шестакова Е.О. Данные дистанционного зондирования и фотосинтетическая продуктивность посевов озимой пшеницы // Вестник АПК Ставрополья. 2016. № 4 (24). С. 157—162.
15. Гулянов Ю.А., Досов Д.Ж., Умарова С.А. Эффективность использования биоклиматических ресурсов при выращивании озимой пшеницы в Оренбуржье // Известия Оренбургского государственного аграрного университета. 2010. № 2 (26). С. 48—50.
