Індекси розвитку рослин

А ви ніколи не замислювалися, звідки беруться прогнозні ціни на агропродукцію на найбільших біржах світу? Як розраховують обсяги майбутнього врожаю? Відповідь проста — на основі індексів розвитку рослин. Давайте разом розберемося, що таке ці індекси, які вони, що показують та звідки беруться. І головне, нащо вони нам потрібні.  

Найбільш відомим останніми роками став NDVI. До речі, він прийшов у сферу агро з лісового господарства, де його застосовували для розрахунку зеленої маси дерев. Нормалізований диференційний вегетаційний індекс (NDVI) в сільському господарстві використовують для вимірювання біомаси рослин. До речі, в лісовому господарстві його використовують для кількісної оцінки лісопостачання та індексу площі листя. До того ж сам фізичний показник, наприклад у 0,87, взагалі нічого не скаже агрономові. Тому що рослина повністю провегетувала до індексу 1.0, після чого вона підсихає — і можна збирати врожай. Тобто відмітку 0,87 індекс проходить двічі: до та після повної вегетації. Але якщо брати до уваги тільки числовий індекс, без графіка вегетації, чи можна сказати про поточний стан рослини? Ні. Для агро є багато індексів рослин, якими треба користуватися комплексно, а не брати до уваги тільки NDVI.

Розглянемо додаткових п’ять індексів стану рослин : EVI2, GRVI, GNDVI, VARI, TGI, NDVI

1.EVI2 Enhanced Vegetation Index — використовує додаткові довжини хвиль світла для корекції неточностей NDVI.

2.GRVI Calculate green-red vegetation index — індекс зелено-червоної рослинності.

3.GNDVI (Green Normalized Difference Vegetation Index) — показник фотосинтетичної активності рослинного покриву. Найчастіше його використовують для оцінки вмісту вологи та концентрацій азоту в листках рослин. GNDVI більш чутливий до концентрацій хлорофілу, порівняно з індексом NDVI.

4. VARI — індекс видимої атмосферостійкості — це індекс RGB для покриття листя. Його використовують для оцінки частки рослинності в зображенні з низькою чутливістю до атмосферних впливів.

5. TGI індекс трикутної зелені — індекс RGB чутливості рослин до хлорофілу. Індекс TGI заснований на значеннях відбивної здатності на видимих довжинах хвиль. Це досить хороший показник вмісту хлорофілу в областях із високим листковим покривом. Треба пояснити, що означає абревіатура RGB (скорочення від англійських слів red, green, blue — червоний, зелений, синій), або ЧЗС (укр.) — адитивна кольорова модель, що описує спосіб кодування кольору для відтворення його за допомогою трьох кольорів, які прийнято називати основними. Вибір основних кольорів обумовлений особливостями фізіології сприйняття кольору сітківкою ока.

Простіше кажучи, людське око сприймає тільки три кольори, а людський мозок обробляє інформацію так, що ми розрізняємо тисячі відтінків, в основі яких лежать червоний, зелений, синій кольори.

Перейдемо від спектрів до рослин

Спектральні характеристики рослин визначаються, головним чином, оптичними характеристиками листя, поглинанням (у фіолетовій, синій, блакитній і червоній частинах спектра) і пропусканням падаючого випромінювання. Хлорофілом поглинаються сонячні промені в синій і червоній зонах спектра (довжини хвиль — 0,4–0,48 мкм і 0,6– 0,7 мкм відповідно) і дуже слабо — в зеленій зоні спектру.

У листках різних видів рослин у деяких спектральних областях коефіцієнти відображення досить добре корелюють між собою. Коли у них з’являються додаткові пігменти, така кореляція порушується. Завдяки цьому можна оцінити ступінь побуріння за спектрами відображення і вдається виявити ознаки захворювання листя. Тож зрозуміло, що індекси вираховуються програмним забезпеченням на основі знімків, зроблених за допомогою всього, що літає над поверхнею землі: дронів, літаків, супутників.

Які бувають методи аерофотозйомки та дистанційного зондування землі ґрунтово-рослинного покриву

Основні види дистанційних досліджень із космосу були спочатку розроблені і випробувані як аерометоди, тому весь арсенал космічних методів дистанційного зондування землі (далі — ДЗЗ) застосовують саме в групі «аерометоди ». Розвиток безпілотних авіаційних систем (далі — БПЛА) отримав широке застосування в аграрній сфері експлуатації. Є космічні методи дистанційного зондування рослинного покриву.

Аналіз сучасного стану питання щодо спектрального вивчення природних об’єктів і методів автоматизації дешифрування рослинного покриву на космічних знімках дає змогу зробити певні важливі для агродіяльності висновки (пояснення, як це працює з наукової точки зору):

• спектральні характеристики рослин визначають, головним чином, за оптичними характеристиками листя, поглинанням і пропусканням падаючого випромінювання. Промені різного кольору (довжини хвилі) поглинаються неоднаково в різних зонах спектра — на це впливає наявність різних пігментів, таких як хлорофіли, каротиноїди та ін. Зміни вмісту хлорофілу та інших пігментів, а також вологи в листі призводять до різниці спектральних характеристик на різних стадіях вегетації;

• спектрально-відбивні характеристики ґрунтів дуже сильно залежать від вологості ґрунтів і хімічного складу елементів, що містяться в них;

• неоднорідність фізико-хімічних властивостей ґрунтів має суттєвий вплив на зміну інтенсивності відбитого світла в певних довжинах хвиль рослинами одного виду, що зростають на таких ґрунтах;

• неоднорідність ґрунтів впливає на яскравість фону ґрунту, що створює «забруднювальний ефект» для правильної оцінки яскравості фону біомаси, яка росте на таких ґрунтах;

• мінливість спектрально-відбивних властивостей окремих видів рослинних угруповань залежить від великої кількості факторів, адже спектри рослин одного виду розрізняються за відсутності/ наявності азотного стресу — зафіксований факт зміщення (зсуву) червоного кордону поглинання хлорофілом — 680–750 нм в бік коротких довжин хвиль. За розпаду хлорофілу внаслідок несприятливих факторів або досягнення рослиною певної фази розвитку знижується поглинання світлового потоку в червоній і відображення в зелених зонах спектра. Тобто спостерігається поступова деградація спектра рослинності щодо спектра ґрунту.

Найбільш інформативні зони спектру — 480–550–670–890 нм для цілей класифікації на космічному знімку. Залежно від умов зростання й особливостей розвитку рослин, використовують процедуру попіксельної трансформації зображення шляхом обчислення вегетаційних індексів.

З урахуванням цієї інформації зроблено висновок про необхідність проведення одночасного або паралельного обліку різноманіття різних ознак і процесів у ґрунтово-рослинному покриві під час вивчення спектральних властивостей підстильної поверхні. Неодноразово ми звертали увагу, що, замість очікуваного полегшення роботи, цифрові рішення можуть приносити лише клопіт агрономам, котрі «тонуть» у даних.

Зібрати масу даних із датчиків на техніці, інформацію про стан ґрунту, про погоду — це лише перший крок. А ось що робити далі з цими даними, то, як показало життя, є великою і найчастіше нерозв’язаною проблемою для агронома. Адже агроном чи фермер лишаються наодинці з цією проблемою.

Розумно буде звертатися до спеціалізованих компаній, які знаються на програмному забезпеченні для агро та вміють аналізувати дані за допомогою різноманітних програм, у яких з’являються все нові й нові опції для аналітики. Невеликі похибки в розрахунках, звісно, будуть, тому що агро — це дуже складна галузь. Надто багато факторів, що впливають на кінцевий результат. Але пробувати новітні рішення та технології однозначно треба. Тим більше, що інновації у вигляді програмного забезпечення коштують копійки. Також уже є багато і з’являються нові мобільні застосунки, які теж приносять користь.

Сучасні рішення можуть бути ефективними в боротьбі зі зміною клімату і тими несприятливими явищами, що спостерігаються нині (посуха, пилові бурі, обміління рік). Натомість набирає ваги саме предикативна аналітика, на яку, скільки нас не попереджали кліматологи та метеорологи, ми не звертали уваги та вважали, що ніяка посуха до нас не прийде. Результат очевидний. Наразі вже працює в тестовому режимі наш український державний портал Дистанційного Зондування Землі (ДЗЗ). Причому цілком безкоштовно! http://portal.dzz.gov.ua

Що нового ? Штучний інтелект та гіперспектральні зображення

Мультиспектральні камери можуть вимірювати загальні характеристики, наприклад, чи рослина здорова, чи ні, але практика гіперспектральних зображень може піти ще далі й діагностувати точну причину цього стану. Це тому, що додаткові смуги світла, які вона може виявити, можуть бути пов’язані з певними фізіологічними особливостями рослини.

Щоб розробити цей аналітичний продукт для конкретної проблеми, культури й регіону, потрібні зразки ґрунту з кожного регіону для введення в свій алгоритм і через машинне навчання отримаємо програму аналітики штучним інтелектом. Як тільки це буде зроблено, подальша вибірка не потрібна, і продукт може бути розгорнутий на регіональному рівні. Продукти можуть бути далі узагальнені та масштабовані за розширеними регіонами після отримання достатньої статистики. В майбутньому ми плануємо впровадити платформу, яка забезпечить місцевим агрономічним консультантам простий робочий процес для розробки нестандартних аналітичних продуктів.

Отже, технологія — це інструментарій, що дає змогу прискорити процес перетворення даних на важливу й корисну на практиці інформацію. Штучний інтелект — відмінний приклад такої технології. Однак штучний інтелект не може перетворити інформацію на знання без людського інтелекту. Надалі найбільші інновації з’являться в здатності перетворювати інформацію на знання.

І. Кравець, керуючий партнер CleverAgri

Журнал «Пропозиція», №7-8, 2020 р.