IV Всероссийская научная конференция с международным участием прошла 19-20 сентября 2024 года в Санкт-Петербурге.
Организаторами конференции стали Министерство науки и высшего образования Российской Федерации и ФГБНУ «Агрофизический научно-исследовательский институт» при поддержке компании GEOSKAN. Конференция проводилась под эгидой 300-летия Российской академии наук. В работе пленарной сессии и тематических секций приняли участие ученые и специалисты Российской Федерации и Республики Беларусь.
Методы и оценки меняются
В период с 2000 по 2022 годы методы использования данных дистанционного зондирования Земли (ДЗЗ) в сельском хозяйстве развивались по двум основным направлениям – оценивание не количественных состояний почвенно-растительного покрова и оценивание количественных параметров состояния посевов сельскохозяйственных культур и почвенной среды. Первое направление получило наибольшее развитие. О подходах к оцениванию рассказал Илья Михайлович Михайленко (ФГБНУ АФИ).
Для оценивания не количественных состояний, к которым относятся виды растений и почв, стрессовые состояния посевов, нарушения режимов и различного вида повреждения и дефекты, чаще всего используются различного рода спектральные индексы, особенно вегетационные индексы.
Для оценивания количественных параметров состояния посевов культур наибольшее распространение получили регрессионные методы, которых на сегодня насчитывается четыре. Недостатки этих методов обусловлены несовершенством регрессионных моделей и их статическим характером, в результате чего ошибки оценивания превышают 50%.
В Агрофизическом институте был разработан принципиально новый подход к оцениванию количественных параметров, основанный на классической методике статистического оценивания параметров состояния динамических систем. Эта методика базируется на совместном использовании моделей ДЗЗ и динамических моделей оцениваемых количественных параметров посевов культур и почвенной среды.
Информационные системы в действии
Доклад Павла Валерьевича Денисова (ФГБУН «Институт космических исследований Российской академии наук», ИКИ РАН) был посвящен опыту практического использования информационной системы Вега-PRO для мониторинга сельскохозяйственных земель. Система охватывает все регионы России и использует для своей актуализации современные отечественные и зарубежные космические аппараты. Организован доступ пользователей в БД системы для получения данных ДЗЗ в виде спектральных картин или наиболее востребованных вегетационных индексов. Система формирует и издает бюллетени состояния посевов культур по регионам в форме карт вегетационного индекса NDVI.
Александр Сергеевич Мачихин (НТЦ УП РАН) представил перспективную разработку НТЦ – информационную систему, включающую в себя мультиспектральную камеру для дистанционного зондирования растительного покрова и блок анализа спектральных характеристик полученных данных ДЗЗ. Блок анализа построен на основе нейросетевой обработки. В докладе была сделана попытка решения проблемы оценивания количественных параметров посева сельскохозяйственной культуры на основе данных ДЗЗ, не прибегая к привычному индексному подходу.
Решение практических задач
Начальник отдела земледелия и механизации комитета по агропромышленному и рыбохозяйственному комплексу Ленинградской области Владимир Сергеевич Левошин представил пример решения актуальной задачи – обнаружение зон произрастания одного из самых вредоносных сорняков борщевика Сосновского. Для ее решения использовались данные ДЗЗ системы Вега-PRO, а при отладке задачи – данные ДЗЗ от беспилотных летательных аппаратов. В качестве индикатора использовался вегетационный индекс NDVI. Дальнейшее развитие системы сдерживается из-за отсутствия постоянного пользователя информации.
Ведущий сотрудник ФГБНУ АФИ Алексей Федорович Петрушин осветил опыт использования средств ДЗЗ для мониторинга состояния мелиоративных систем. Средствам ДЗЗ доступны как открытые мелиоративные сооружения, так и закрытая дренажная мелиоративная система. В задачу мониторинга входит обнаружение поврежденных и засоренных участков, для чего используется анализ видеоизображений. Средства мониторинга апробированы в течение последних 5 лет. Полученная информация послужила стимулом для создания мобильных средств промывки закрытой дренажной системы, прошедшей успешную апробацию в производственных условиях.
Мониторинг агроэкосистем
Системы дистанционного мониторинга растительности в настоящее время активно используются в сельскохозяйственном производстве. NDVI – наиболее часто используемый индекс для оценки степени развития, состояния и прогнозирования урожайности сельскохозяйственных культур. Использование тех или иных элементов технологии возделывания отражается на оптико-биологических свойствах посевов, а, следовательно, и на их вегетационных индексах.
В трехлетнем полевом эксперименте, о котором рассказала Мария Александровна Фесенко, ведущий научный сотрудник ФГБНУ АФИ, было проведено изучение изменения NDVI у ярового ячменя сорта «Московский 86» на трех нормах высева, двух дозах удобрений и применении/отсутствии гербицида.
Опыт установил, что внесение удобрений достоверно увеличивало величину индекса, а изменение нормы высева не влияло на показатель. Использование гербицидов приводило к уменьшению индекса через 3–4 недели после обработки. Также было установлено, что наивысшая урожайность ярового ячменя была получена в плотном посеве на фоне удобрения.
В исследовании, представленном Елизаветой Михайловной Эзериной (ФГБНУ АФИ), при помощи неинвазивного метода контактной спектроскопии были зарегистрированы спектральные индексы листовых пластинок и некоторые агрономически значимые морфологические признаки образцов руколы в контролируемых условиях светокультуры при различных фотопериодах (12, 14, 16 ч.). Результаты анализа свидетельствуют о наличии достаточной изменчивости среди генотипов по всем морфологическим признакам и спектральным индексам, а также о высокой отзывчивости культуры на изменение фотопериода. Разделение образцов руколы по уровню их продуктивности и отзывчивости на изменение фотопериода позволило установить совместное изменение величин диапазонов продуктивности (масса одного растения) и спектральных индексов ARImod и PRImod.
Чтобы земледелие было точным
Дмитрий Александрович Матвеенко (ФГБНУ АФИ) рассказал, что в рамках выполнения междисциплинарного проекта РНФ в 2024 году выполнялись комплексные исследования по сопряженной дистанционной и наземной диагностике, мониторингу и оценке состояния посевов в основные фазы развития. Для выполнения этой задачи в посевах яровой пшеницы был заложен прецизионный полевой эксперимент с тестовыми площадками с различными дозами азота, магния и серы в почве. Одним из результатов первого года исследований стало формирование геопространственной базы разнородных данных, содержащей гиперспектральные снимки полей и опорную информацию для интерпретации данных ДЗЗ в оценке физиологического состояния посевов при оптимальных и стрессовых условиях.
Евгений Павлович Митрофанов (ФГБНУ АФИ) подчеркнул, что в Агрофизическом научно-исследовательском институте методы интеллектуального анализа агроэкологической информации с привлечением аэрофотосъемки и различных датчиков используются на протяжении около 20 лет. Накоплен большой объем датасетов для компьютерной поддержки исследовательских проектов института.
Кроме того, подготовлен специализированный размеченный датасет для нейросетевых методов. Для удобного хранения и обеспечения доступа к информации разработана геопространственная база данных на основе PostgreSQL.
Системы, модели, методы, алгоритмы
Александр Анатольевич Воронов (Объединенный институт проблем информатики национальной академии наук Беларуси, Белорусский государственный университет) представил подход к подготовке данных и дальнейшей автоматической семантической сегментации и классификации космических спутниковых изображений поверхности Земли. В докладе был представлен обзор основных методов, которые используются в такой нейронной сети сегментации изображений, как u-net. Разработанные модели нейронных сетей были протестированы на наборе данных, а результаты представлены в докладе. Основная идея предложенного подхода заключается в использовании дополнительной информации перед обучением модели.
Любовь Викторовна Илларионова (Вычислительный центр ДВО РАН, Национальный исследовательский университет «Высшая школа экономики», г. Москва) рассказала, что для автоматизации процесса спутникового мониторинга сельскохозяйственных земель разработан и реализован программный комплекс для обработки космических снимков со спутников Sentinel, Landsat и композитных изображений со спутника Метеор на языке Python, позволяющий проводить предобработку снимков и рассчитывать значения вегетационных индексов в границах сельскохозяйственных полей. Для хранения и доступа к результатам спутникового мониторинга сельскохозяйственных земель создана информационная система с использованием системы управления базами данных (СУБД) PostgreSQL.
Александр Сергеевич Степанов (Дальневосточный научно-исследовательский институт сельского хозяйства, Вычислительный центр ДВО РАН, г. Хабаровск) знает, что для эффективного вовлечения в оборот земель сельхозназначения предполагается использование массивов цифровых геопространственных и временных данных о состоянии почвенного покрова и возделываемых культурах, в том числе полученных с помощью методов ДЗЗ. Для разных регионов Дальнего Востока описаны и апробированы подходы к идентификации сельхозкультур с использованием индексов вегетации, рассчитанных по мультиспектральным и радиолокационным данным. Разработанные методы аппроксимации временных рядов индексов вегетации с использованием нелинейных функций не только существенно улучшают перспективы классификации сельскохозяйственных культур в ДФО, но и делают возможным раннее прогнозирование урожайности с высокой точностью.
Лидия Львовна Тарасова (Гидрометеорологический научно-исследовательский центр Российской Федерации, Научно-исследовательский центр космической гидрометеорологии «Планета») предложила оценку уровня агротехнологического развития региона на основе данных ДЗЗ, влагометрии (сеть станций Росгидромет) и средней по области урожайности ранних яровых зерновых культур. Предложено на основе энергобалансовой модели оценить возможную продуктивность (ПУ), затем определить погодообусловленную урожайность (ПОУ), как функцию влагообеспеченности, разность фактической урожайности и погодобеспеченной в % от погодоубословленной. Это будет показателем качества работы отрасли, который затем сравнивается с обеспеченностью тракторами и количеством внесённых удобрений.
