Растениеводство 19 декабря 2025

Преимущество гиперспектральной съемки в сельском хозяйстве

Преимущество гиперспектральной съемки в сельском хозяйстве

Материал подготовлен специалистами компании «Проксима»

В этой статье описываются применение и преимущества спутников гиперспектральной съемки в сельском хозяйстве. Проблемы, с которыми сталкивается отрасль, ограниченная традиционными наборами данных, и то, как этот новый метод позволяет их преодолеть. Сравнивая традиционные методы с расширенными возможностями гиперспектральной съемки, подчеркиваются преимущества и свойства, способствующие более эффективным и комплексным сельскохозяйственным стратегиям.

Мотивация: Развитие точного земледелия

Эффективные методы ведения сельского хозяйства имеют решающее значение для решения проблем, связанных с ростом населения, сокращением ресурсов и неэффективностью существующих методов ведения сельского хозяйства. Современные технологические достижения в области сельского хозяйства предлагают решения этих насущных проблем.

Точное земледелие, или precision farming — это широкий термин, описывающий подход к управлению сельским хозяйством, который использует технологии и методы обработки данных для оптимизации различных аспектов растениеводства. В частности, методы дистанционного зондирования могут применяться в точном земледелии, которое в сочетании с аналитикой данных направлено на оптимизацию различных аспектов земледелия, включая возделывание сельскохозяйственных культур, орошение, внесение удобрений и борьбу с вредителями. Благодаря точному использованию, сельскохозяйственные операторы могут повысить производительность, одновременно минимизируя избыточные отходы и воздействие на окружающую среду.

Методы точного земледелия могут привести к:

  • Максимальной эффективности использования ресурсов: точно отслеживая свойства почвы и потребности сельскохозяйственных культур, фермеры могут эффективно распределять свои ресурсы, сокращая ненужные затраты (включая удобрения, пестициды и орошение), минимизируя при этом загрязнение окружающей среды и водоемов.

  • Повышение урожайности: эффективно контролируя сельскохозяйственные культуры и их потребности, организации могут добиться более высоких урожаев, что, в свою очередь, способствует удовлетворению потребностей в продовольствии растущего населения мира.

  • Устойчивое управление земельными ресурсами: внедряя методы, в которых приоритет отдается здоровью почвы, биоразнообразию и экосистемным услугам, организации могут поддерживать долгосрочную продуктивность своих земель, одновременно сохраняя естественную среду обитания и сокращая выбросы парниковых газов.

В различных странах и регионах внедрены механизмы, способствующие скоординированным действиям между сельским хозяйством и более широкими задачами землепользования. Эти механизмы часто включают государственные стимулы и программы поддержки, стимулирующие внедрение точного сельского хозяйства, помогающие фермерам инвестировать в необходимые технологии и обучение для эффективного внедрения этих методов.

Известные инициативы и организации, поддерживающие такие усилия, включают:

  • Всемирная организация здравоохранения (ВОЗ) Рекомендации по использованию пестицидов: ВОЗ предоставляет рекомендации по снижению остатков пестицидов в продуктах питания, продвижению альтернатив химическим мерам и улучшению практики управления пестицидами.

  • Продовольственная и сельскохозяйственная организация (ФАО) ООН: ФАО предоставляет рекомендации по передовым практикам и поддерживает инициативы, такие как агроэкология, интегрированное управление вредителями и сохранение почвы.

  • Общая сельскохозяйственная политика Европейского Союза (CAP): Эта политика охватывает различные меры, способствующие устойчивому сельскому хозяйству, сохранению биоразнообразия и защите окружающей среды, включая субсидии для фермеров, которые внедряют такие меры, как диверсификация культур.

  • Конвенция о биологическом разнообразии (КБР): Как международное соглашение, КБР способствует сохранению биоразнообразия, поощряя традиционные методы ведения сельского хозяйства.

Учитывая необходимость комплексных стратегий управления в сельском хозяйстве, надежный мониторинг имеет решающее значение для получения достоверной информации о состоянии сельскохозяйственных угодий. Это включает в себя влияние на здоровье сельскохозяйственных культур и меры по сохранению биоразнообразия, такие как методы точного земледелия, проекты по восстановлению земель и почв.

Традиционно оценка сельскохозяйственных угодий была дорогостоящей и трудоемкой, требующей узких специализированных знаний. Эти ограничения приводят к нечастым оценкам состояния сельскохозяйственных угодий, что не позволяет обеспечить полное понимание динамичного и разнообразного характера таких территорий. Кроме того, традиционные методы часто не позволяют оперативно выявлять и сообщать о критических факторах и событиях, таких как заражение вредителями, деградация почвы и дефицит воды.

Учитывая эту актуальность, появление гиперспектральных спутников Pixxel предлагает многообещающее решение. Благодаря своим передовым спектральным, пространственным и временным возможностям эти спутники способны раскрывать ранее невиданные данные.

Что такое гиперспектральная съемка?

Гиперспектральная съемка - это передовая технология, которая значительно облегчает анализ сельскохозяйственных угодий. В отличие от 5-15 полос, обычно регистрируемых спутниками мультиспектральной визуализации (MSI), гиперспектральные датчики разделяют электромагнитный спектр на множество узких полос, каждая из которых имеет полосу пропускания менее 10 нм. Гиперспектральные датчики обнаруживают уникальные спектральные признаки небольших объектов благодаря отраженному свету от наземных объектов. Эта возможность обеспечивает беспрецедентную точность, позволяя фиксировать детали за пределами видимого спектра и в инфракрасном диапазоне. Сравнительный анализ ниже представлен анализ трех наиболее популярных методов получения изображений с помощью оптических спутников, используемых для мониторинга наземной деятельности.

Табл. 1. Сравнение RGB, мультиспектральных и гиперспектральных изображений.

Тип

Количество полос

Ширина диапазона длин волн (FWHM)

Диапазон длин волн

RGB

3

~50-70 нм

635 нм-700 нм (Красный) 520 нм-560 нм (Зеленый) 450 нм-500 нм (Синий)

Мультиспектральный

4-20

~15-35 нм

400-1000 нм

Гиперспектральный

100+

<10 нм

400-2500 нм

поля хлопка.png

Фото 1. Синтетическое 5-метровое изображение сельскохозяйственных полей, на которых в основном выращивают хлопок, недалеко от Семинола, штат Техас (США).

Гиперспектральная съемка предоставляет информативные и объёмные наборы данных, сочетающие принципы традиционной визуализации, радиометрии и спектроскопии. Хотя многоспектральные изображения дают ценную информацию, их ограниченное спектральное разрешение и зависимость от наземной инфраструктуры ограничивают их применение. Более того, широко разнесённые каналы в многоспектральных изображениях могут привести к усреднению значений или неправильной классификации свойств, что может привести к упущению конкретных деталей.

В отличие от этого, обширное спектральное разрешение гиперспектральных изображений, охватывающее более 100 узко расположенных диапазонов электромагнитного спектра, превосходит любой другой набор данных спутниковых изображений. Например, при анализе состояния сельскохозяйственных культур MSI может создавать более плавную спектральную кривую, скрывая более мелкие детали факторов стресса растительности. В то же время, гиперспектральная съемка может выявлять сложные детали, выделяя специфические спектральные характеристики, связанные с различными факторами стресса. Это различие подчёркивает превосходную способность гиперспектральной съемки обнаруживать тонкие изменения и угрозы, невидимые для современных спутников на околоземной орбите, предоставляя бесценную информацию для мониторинга и управления сельским хозяйством.

гиперспектральная съемка.png

Фото 2. Ложноцветная композиция, нанесенная поверх гиперспектральных изображений, позволяет получить детальное представление о сельскохозяйственных полях благодаря множеству очень узких полос (Тубарджал, Саудовская Аравия).

Проблемы в сельскохозяйственной практике

Обеспечение здоровья и продуктивности сельскохозяйственных угодий имеет решающее значение для поддержания продуктивности продовольствия и средств к существованию. Однако сельскохозяйственный сектор сталкивается с многочисленными проблемами, препятствующими его эффективности и устойчивости. В этом разделе рассматриваются основные проблемы и задачи сельскохозяйственных организаций, подчеркивая необходимость решений, основанных на данных.

Неэффективное распределение ресурсов:

Эффективное распределение ресурсов, включая воду, землю и энергию, имеет решающее значение для устойчивого сельского хозяйства. Однако организациям часто требуется больше информации об урожайности сельскохозяйственных культур для оценки необходимых ресурсов. Это имеет как финансовые, так и экологические последствия, приводя к снижению урожайности и нерациональному использованию удобрений, воды и пестицидов. Инновационные технологии, такие как дистанционное зондирование и гиперспектральная съемка, обладают потенциалом для значительного улучшения сбора и анализа данных, тем самым способствуя оптимизации ресурсов и повышению продуктивности сельского хозяйства.

Деградация окружающей среды и загрязнение:

Сельскохозяйственная деятельность способствует различным формам загрязнения, нанося ущерб экосистемам и продуктивности сельского хозяйства. Тем не менее, организациям необходимо совершенствовать методы устойчивого ведения сельского хозяйства из-за неразвитой технологической инфраструктуры и ограниченного доступа к регулярным и последовательным сельскохозяйственным данным. Это ограничивает их возможности по снижению уровня загрязнения, что еще больше усугубляет проблемы, связанные с окружающей средой и здоровьем населения. Организации могут проактивно отслеживать и устранять риски загрязнения, используя передовые методы мониторинга и наборы данных с расширенными спектральными возможностями.

Вспышки болезней и вредителей:

Заражения представляют серьезную угрозу для урожайности сельскохозяйственных культур и продовольственной безопасности, приводя к значительным экономическим потерям для фермеров и сбоям в глобальных цепочках поставок продовольствия. Изменение климата и глобализация способствуют распространению вредителей и болезней, увеличивая риск вспышек. Однако отсутствие своевременных и точных данных о заражениях препятствует проактивным мерам вмешательства, делая сельскохозяйственные культуры уязвимыми к эпидемиям. Интеграция методов, основанных на данных и использующих расширенные спектральные характеристики, позволяет организациям эффективно прогнозировать и снижать риски, связанные с вредителями и болезнями, тем самым защищая урожайность сельскохозяйственных культур и повышая продовольственную безопасность.

Деградация почвы:

Истощение питательных веществ, эрозия и уплотнение подрывают долгосрочную продуктивность сельскохозяйственных угодий. Интенсивные методы ведения сельского хозяйства, включая монокультуру и чрезмерную обработку почвы, усугубляют проблемы со здоровьем почвы, снижая урожайность и повышая уязвимость к стрессовым факторам окружающей среды. Отсутствие изображений с высокой спектральной точностью затрудняет организациям оценку параметров здоровья почвы. Использование данных дистанционного зондирования, таких как гиперспектральные изображения, позволяет организациям оптимизировать мониторинг состояния почвы и меры по ее охране, способствуя применению точных методов ведения сельского хозяйства и повышению устойчивости к стрессовым факторам.

Экстремальные погодные явления:

Растущая частота и интенсивность экстремальных погодных явлений, таких как засухи, наводнения и штормы, угрожают сельскохозяйственному производству. Однако организации часто испытывают трудности с внедрением климатически устойчивых методов ведения сельского хозяйства из-за отсутствия надежных данных и инструментов прогнозирования, что делает сельскохозяйственные системы уязвимыми к экстремальным погодным явлениям. Интеграция технологий дистанционного зондирования и моделей прогнозирования климата может позволить организациям разрабатывать проактивные стратегии адаптации, которые повышают устойчивость сельского хозяйства.

Мошенничество в сельском хозяйстве:

Это относится к обманным действиям организаций, таким как ложные заявления о выращивании определенных культур с целью избежание сборов или получения финансовых субсидий. Традиционные методы мониторинга часто не позволяют обнаружить расхождения, что делает сектор уязвимым для манипуляций. Современные спутниковые снимки с высоким спектральным разрешением повышают точность определения сельскохозяйственных культур, обеспечивая прозрачность и подотчетность в агропродовольственном секторе.

гиперспектральная_съемка.png

Фото 3. RGB-изображения, полученные над Тубарджалом, Саудовская Аравия, с помощью гиперспектральных спутников компании Pixxel.

Гиперспектральные изображения в действии

Интеграция гиперспектральных изображений в практику управления сельским хозяйством представляет собой решение для решения проблем отрасли. Используя спектральную информацию, предоставляемую гиперспектральной съемкой, организации могут выполнять важнейшие задачи, способствующие совершенствованию методов и приемов ведения сельского хозяйства.

Гиперспектральные изображения позволяют организациям решать три важные задачи:

  • Обнаружение: мониторинг сельскохозяйственных культур и выявление потенциальных проблем и отклонений на сельскохозяйственных полях.

  • Классификация: классификация сельскохозяйственных объектов способствует более глубокому пониманию сложной динамики и взаимосвязей между сельскохозяйственными системами и окружающей их средой.

  • Количественная оценка: измерение различных сельскохозяйственных параметров, включая плотность посевов, биомассу и уровень питательных веществ в почве, дает ценную информацию об общем состоянии и продуктивности сельскохозяйственных угодий.

Спутниковые снимки высокого разрешения могут предоставить узкополосную спектральную информацию, необходимую для эффективного мониторинга и оценки состояния сельскохозяйственных угодий по незначительным изменениям параметров состояния. Гиперспектральные спутники предоставляют обширные наборы данных, что позволяет проводить точный мониторинг и комплексный анализ сельскохозяйственных систем.

гиперспектральная-съемка.png

Фото 4. Преимущества гиперспектральной съемки становятся очевидными при сравнении с мультиспектральной съемкой. Гиперспектральное изображение (справа) демонстрирует превосходный уровень детализации, позволяя получить обширную информацию, превосходящую возможности MSI (слева). Эта возможность позволяет точно обнаруживать и анализировать вредителей, выявлять инвазивные виды и заболевания, определять состояние почвы и содержание питательных веществ, а также содержание хлорофилла, предоставляя фермерам комплексную информацию для эффективного принятия решений в точном земледелии.

Полосы

Длина волны (нм)

Параметры

Значимость

Синий

375

Содержание воды в листьях, доля фотосинтетически активной радиации (FPAR)

Указывает на уровень воды в листьях и фотосинтетическую активность


466-490

Хлорофилл-a и b

Определяет уровень хлорофилла,

созревание или потемнение

растительности

Зеленый

515

Азот в листьях

Измеряет фотосинтетическую активность, содержание азота в листьях


520

Пигменты, изменения биомассы

Отражает изменения в пигментах листьев и биомассе


550

Общий хлорофилл

Указывает на общее содержание хлорофилла в листьях

Красный

675

Поглощение хлорофилла

Измеряет отражение из-за поглощения хлорофиллом


682

Биофизические величины и урожайность

Оценивает индекс листовой поверхности,

урожайность зерна, тип культуры

Красный край

700-720

Стресс растительности и хлорофилл

Указывает на стресс растений, особенно из-за азота

NIR

845

Биологические количества и урожай

Оценивает индекс площади листьев,

интенсивность вегетации


915-975

Влажность, биомасса

Отражает содержание влаги и биомассы в растительности

FNIR

1100-1215

Биологические количества, влажность, чувствительность к воде

Указывает на свойства и чувствительность растительности к изменениям воды

SWIR

1300-1400

Содержание воды, лигнина,

целлюлозы

Оценивает влажность и жизнеспособность растений


1500-1600

Стресс растений, белок, лигнин

Обнаруживает стресс растений и параметры роста


1650-1750

Содержание воды в листьях, влажность почвы

Поддерживает методы орошения

и водопользования


2100-2300

Азот, белок, клетки, лигнин

Оценивает плодородие почвы и питание растений

NIR: диапазоны ближнего инфракрасного излучения; FNIR: диапазоны дальнего и ближнего инфракрасного излучения; SWIR: диапазоны коротковолнового инфракрасного излучения

Гиперспектральная и мультиспектральная съемка в сельском хозяйстве

Гиперспектральные датчики обеспечивают исключительную точность по сравнению с традиционными методами получения изображений. Полученные изображения содержат данные в сотнях спектральных диапазонов электромагнитного спектра, что позволяет получать более точную информацию о сельскохозяйственных угодьях и методах ведения сельского хозяйства.

Параметр

Мультиспектральное изображение

Гиперспектральное изображение

Прогноз урожайности

Подходит для оценки общей урожайности

Предоставляет подробную информацию для точного прогноза урожайности

Запасы урожая

Подходит для базового использования и картографирования земель

Обеспечивает точную идентификацию видов культур и детальное картографирование запасов урожая

Стресс растительности

Общие индикаторы стресса на основе простых индексов, таких как NDVI

Подробное, раннее обнаружение стресса с использованием узкополосных индексов

Обнаружение болезней и вредителей

Обнаружение значительных вспышек и заражений

Улучшенное обнаружение и идентификация предсимптоматических вспышек и заражений

Оценка питательных веществ

Базовая оценка уровней питательных веществ

Подробная оценка и картографирование распределения питательных веществ в почвах

Содержание влаги

Базовая оценка содержания влаги в листьях

Точное измерение уровней влаги, включая ранние признаки засухи

Состояние здоровья сельскохозяйственных земель

Базовая оценка состояния здоровья земель

Предоставляет углубленный анализ состояния здоровья земель с помощью комбинации узкополосных индексов

Анализ свойств почвы

Общая классификация типов почвы и текстуры

Подробная картографирование свойств почвы, включая органическое вещество и минеральное содержание

Обнаружение сорняков

Идентификация значительных заражений сорняками

Точное обнаружение и классификация различных видов сорняков

Фенотипирование сельскохозяйственных культур

Базовая оценка фенотипических признаков

Подробная фенотипическая оценка, включая биохимический состав и физиологические признаки

Управление орошением

Базовое планирование орошения на основе общего содержания влаги в почве

Оптимизация графика орошения с использованием точного состояния почвы и растений по содержанию воды

Оптимизация времени сбора урожая

Общие рекомендации по времени сбора урожая

Точное прогнозирование оптимального времени сбора урожая на основе индексов зрелости урожая

Оценка качества после сбора урожая

Базовая оценка качества собранного урожая

Подробная оценка качества, включая содержание питательных веществ и наличие болезней

Оценка воздействия климата

Общая оценка воздействия климата на урожай

Углубленный анализ влияния климата на здоровье и урожайность сельскохозяйственных культур

Точное земледелие

Базовая реализация методов точного земледелия

Передовые методы точного земледелия с подробным управлением, учитывающим особенности участка

Популярные статьи