О возможности оценки надземной фитомассы степной растительности с помощью цветных вегетационных индексов (по данным съемки с беспилотных систем)

Автор: Аюржанаев Александр Андреевич, Алымбаева Жаргалма Баторовна, Жарникова Маргарита Андреевна, Содномов Батор Валерьевич

Журнал: Вестник Бурятского государственного университета. Биология, география @vestnik-bsu-biology-geography

Рубрика: География

Статья в выпуске: 4, 2021 года.

Бесплатный доступ

Для рационального природопользования и устойчивого экономического развития показатели продуктивности являются одним из приоритетных в изучении степных экосистем. В статье представлены результаты оценки связи количества надземной фитомассы залежных и коренных степных сообществ Забайкалья с данными аэрофотосъемки с беспилотного летательного аппарата, а также NDVI по снимкам спутников Terra и Aqua. Исследования проведены на двух ключевых участках модельного полигона в вегетационный период 2018 г. - всего выполнено 10 наблюдений, включающих учет фитомассы и съемку территории исследования. Выполнен расчет цветных вегетационных индексов ExG, ExR, ExGR, NDI, NDYI по ортофотопланам, полученным в результате обработки аэрофотоснимков. Корреляционный анализ выявил, что наилучшими индексами для оценки количества надземной фитомассы являются ExR и ExGR. Высокую зависимость с продуктивностью проявил MODIS NDVI - коэффициент корреляции достигал значения 0,98. Наблюдается тесная связь фитомассы с гидротермическим коэффициентом - до 0,95. Обнаружено, что значения индексов на разных ключевых участках статистически не различимы. Сделан вывод о необходимости использования крупномасштабных карт растительности для оценки продуктивности степи с помощью цветных индексов.

Еще

Беспилотные летательные аппараты, гидротермический коэффициент, забайкалье, залежь, корреляция, осадки, степные экосистемы, температура, укосы, фитомасса, цветные вегетационные индексы

Короткий адрес: https://sciup.org/148323717

IDR: 148323717   |   DOI: 10.18101/2587-7143-2021-4-45-53

Текст научной статьи О возможности оценки надземной фитомассы степной растительности с помощью цветных вегетационных индексов (по данным съемки с беспилотных систем)

Исследование продуктивности растительности является одним из приоритетных направлений для решения задач устойчивого экономического развития и рационального природопользования степных экосистем. Это необходимо для анализа состояния и мониторинга растительности, прогнозирования урожайности, а также используется в управлении водными ресурсами, оценке эффективности мероприятий по смягчению последствий засухи, разработке путей предотвращения деградации экосистем в условиях глобального изменения климата.

Традиционные методы измерения биомассы путем сбора, сушки и взвешивания растительности являются точными, но трудоемкими и требуют больших финансовых затрат при долгосрочных исследованиях. С развитием технических возможностей в качестве альтернативы традиционным наземным измерениям применяются методы, основанные на дистанционном зондировании. Эти методы приобрели популярность благодаря способности получать разновременную информацию о свойствах земного покрова в локальном, региональном и глобальном масштабе при относительно низких затратах [6, 7]. Однако спутниковые снимки дистанционного зондирования зачастую имеют низкое пространственное и временное разрешение, что сокращает точность извлечения информации о растительности с небольших площадей. Этих недостатков лишены данные, получаемые с беспилотных летательных аппаратов (БПЛА).

Распространенным, эффективным и простым способом автоматического извлечения информации о растительности из цифровых изображений является расчет вегетационных индексов (ВИ) [12]. Современные исследования, основанные на использовании ВИ БПЛА, продемонстрировали множество разнообразных приложений, например, таких как определение содержания хлорофилла и азота в злаках [9], выявление сорняков [14] и болезней растений [8], фиксация стадий роста зерновых культур [5], подсчет количества колосьев пшеницы [19], оценка плотности [10] и надземной биомассы растительности [4], прогнозирование урожайности сельскохозяйственных культур [14, 15, 18] и др.

В разных работах было предложено множество индексов растительности, которые используют как видимую (т. н. цветные или хроматические индексы), так и инфракрасную область электромагнитного спектра (спектральные индексы). Подавляющее большинство изысканий направлено на исследование сельскохозяйственных культур, среди них лишь в последние годы большее внимание уделяется цветным индексам, что, на наш взгляд, вызвано появлением на рынке бюджетных моделей БПЛА с RGB-камерами.

Цель работы — выявление взаимосвязи количества надземной фитомассы и цветных вегетационных индексов по данным аэрофотосъемки с БПЛА на примере степных растительных сообществ Забайкалья и сопоставление их со спутниковыми данными.

Материалы и методы

Объект исследования. Модельный полигон — гора Казачья (51 ° 43 с. ш., 107 ° 30 в. д.) — расположен на шлейфах отрогов хр. Цаган-Дабан на правобережье р. Селенги. Район исследования приурочен к сухим дерновиннозлаковым степям. По физико-географическому районированию территория исследования относится к Селенгинско-Хилокской остепненно-среднегорной провинции Южно-Сибирской горной области [2], по ботанико-географическому — к Алтае-Саянской провинции Южно-Бурятского округа [3]. Для изучения сезонной динамики фитомассы степных сообществ на модельном полигоне выделено два ключевых участка. Участок № 1 характеризуется коренным сообществом — крыловоковыльной степью на склоне юго-западной экспозиции, высота 733 м (рис. 1а). Общее проективное покрытие (ОПП) травостоя в течение сезона изменяется от 40 до 65%. Участок № 2 расположен на долговременной залежи с мятликово-лапчатковой степью на склоне юго-восточной экспозиции, ОПП — 30–40 %, высота — 665 м (рис. 1б). Следует также отметить отличающийся мезорельеф участков. Коренные сообщества располагаются в привершинной части холма, тогда как залежи у подножия и имеют более равнинный характер.

а                                            б

Рис. 1. Ключевые участки территории исследования № 1 (а), № 2 (б)

Полевые и метеорологические данные. На этапе полевых исследований выполнены полные геоботанические описания растительности по общепринятой методике. Учет надземной фитомассы выполнен методом укосов в пределах каждого ключевого участка на площадках с рандомизированным выбором размером 50х50 см (0,25 м2) в трехкратной повторности. Растения срезали на уровне поверхности почвы и взвешивали, при этом учитывалась только зеленая фитомасса. Одновременно осуществлялась аэрофотосъемка площадок с помощью беспилотного летательного аппарата с RGB-камерой. Всего за вегетационный период 2018 г. с мая по сентябрь выполнено 10 наблюдений.

Использованы данные температуры и осадков метеорологической станции Улан-Удэ для оценки влияния погодных условий на продуктивность растительности. Также с этой целью проведен расчет гидротермического коэффициента Селянинова (ГТК), характеризующего влагообеспеченность. ГТК вычисляется как отношение десятикратной суммы осадков в миллиметрах за период с температурами выше 10 °C к сумме температур в градусах за то же время:

ГТК = ТР* ЮДТ>10, где T>10 — среднесуточная температура воздуха выше 10 °C и Р — суточная сумма осадков в соответствующие сутки в мм. В данной работе ГТК рассчитан к каждой дате наблюдений.

Дистанционные данные. Аэрофотосъемка проведена с борта БПЛА DJI Mavic Pro, оборудованного 12-мегапиксельной RGB-камерой, с перекрытием снимков не менее 70 % и с высоты 500 м, что эквивалентно пространственному разрешению 28 см/пиксель. В программе обработки данных аэрофотосъемки Agisoft Photoscan получены ортофотопланы территории исследования. В результате их цифровой обработки вычислены значения 5 цветных ВИ (табл. 1).

Значения нормализованного разностного вегетационного индекса NDVI (Normalized Difference Vegetation Index) рассчитаны по данным ежедневных спутниковых снимков MODIS TERRA с пространственным разрешением 250 м. Полученные значения использованы для создания на дату съемки БПЛА 7-дневных композитов NDVI с применением метода максимального значения MVC (Maximum Value Compositing). Для проведения сравнительного анализа рассчитаны средние значения цветных ВИ для областей, совпадающих с пикселями MODIS.

Таблица 1

Цветные вегетационные индексы, использованные в работе

Цветные индексы

Формула

Источник

Normalized difference index

NDI = (G — R)/(G + R)

(Woebbecke et al.,1995)

Excess red vegetation index

ExR = 1.4 × R - G

(Meyer and Neto, 2008)

Excess green vegetation index

ExG = 2 × G - R - B

(Woebbecke et al.,1995)

Excess green minus Excess red index

ExGR = 3×G — 2,4×R — B

(Meyer and Neto, 2008)

Normalized difference yellowness index

NDYI = (G — B)/( G + B )

(Sulik and Long, 2016)

Статистические расчеты. В виду малого количества наблюдений для определения связи фитомассы с вегетационными индексами и метеопараметрами использована ранговая корреляция Спирмена, которая применяется при отсутствии информации о распределении случайной величины. Для оценки различия количества надземной фитомассы и ВИ между ключевыми участками выбран непараметрический критерий Манна — Уитни, при этом принимается, что выборки независимы, т. к. растительность на данных участках представлена разными сообществами.

Результаты и обсуждение

На рисунке 2 представлена динамика фитомассы на двух ключевых участках, а также сумма осадков между сроками наблюдения. В фенологическом ритме к началу лета разлагается основная часть подстилки, образовавшаяся в предшествующие годы и дающая питание для роста растений, происходит накопление почвенной влаги и положительных температур, вследствие чего наблюдается значительное нарастание зеленой массы. На участке № 1 29 мая фитомасса составила значение 141 г/м2, на участке № 2 — 66 г/м2. Далее темпы роста замедляются, поскольку устанавливается часто регистрируемая для исследуемой территории июньская засуха. В это время на фоне роста температуры воздуха и небольших осадков снижается активность жизнедеятельности микроорганизмов и беспозвоночных животных, что приводит к затормаживанию процессов разложения мертвых остатков, начинает ощущаться недостаток почвенной влаги, и как следствие, замедляется прирост зеленых частей растений. К 23 июля после выпадения значительного количества осадков активно развиваются доминанты сообществ и наблюдается возрастание фитомассы, ее наибольший запас приходится на 7 августа — 469 и 282 г/м2 для первого и второго участка соответственно.

Рис. 2. Сезонная динамика осадков и фитомассы на ключевых участках

После достижения максимума надземной фитомассы в крыловоковыльной степи происходит ее спад до 316–343 г/м2, тогда как для залежи наблюдается плато на уровне 246–277 г/м2. Это различие вызвано тем, что на залежах видовой состав и структура ценоза остаются неизменными, что проявляется в постоянстве фитомассы — долговременная залежь, имея нарушенный баланс процессов гумифи- кации и минерализации и находящаяся в переходной стадии от длиннокорневищной до луговой, является достаточно продуктивной в конце лета. Тогда как на участке № 1 снижение продуктивности во второй половине лета происходит вследствие замещения раннелетних видов, наступления у доминантов генеративной фазы, также появляются первые признаки отмирания растений — подготовка к периоду покоя. В целом для изучаемых сообществ характерна значительная сезонная изменчивость, которая проявляется в распределении видов по срокам развития на протяжении вегетационного периода, соответствующей смене аспектов, изменении структуры сообщества.

Помимо осадков одним из важнейших биоклиматических параметров, определяющих динамику продуктивности, является температура [1]. Коэффициенты корреляции фитомассы с температурой и накопленными осадками составили 0,51, 0,75 и 0,39, 0,89 соответственно для участка № 1 и 2. Корреляция с ГТК — показателем засушливости, который учитывает оба показателя, значительно выше, чем по отдельности с температурой и осадками (табл. 2).

Статистически значимые корреляции для обоих участков показывают индексы ExG, ExGR, ExR, NDI, за исключением последних двух ВИ, которые на втором участке показали низкие значения. В целом выявлено, что связь ВИ с укосами участка № 1 выше, чем для участка № 2, за исключением ExR. Из представленных показателей он имеет отрицательную связь с фитомассой, что обусловлено особенностью расчета данного индекса, который предназначен для отделения на снимке почвенного фона от зеленых растений. Наилучшими индексами для оценки количества надземной фитомассы являются ExR и ExGR — корреляция составила 0,78 для первого участка и 0,73, 0,75 для второго участка соответственно. Примечательно, что индекс NDI показал наибольшую связь с фитомассой участка № 1 — 0,88, тогда как для участка № 2 эта связь оказалась статистически незначимой. Вероятно, NDI является оптимальным индексом для степной растительности с высоким проективным покрытием.

Таблица 2 Коэффициенты корреляции Спирмена фитомассы ключевых участков с вегетационными индексами и метеорологическими параметрами

ExG

ExGR

ExR

NDI

CIVE

NDYI

NDVI

T

Осадки

ГТК

Участок № 1

0,78

0,78

-0,75

0,88

-0,38

0,48

0,98

0,58

0,77

0,95

Участок № 2

0,73

0,75

-0,27

0,30

-0,49

0,55

0,85

0,52

0,83

0,90

Сопоставление MODIS NDVI с надземной фитомассой показало их высокую связь — коэффициенты корреляции составили 0,98 и 0,85 для первого и второго участка соответственно. Статистически значимые корреляции NDVI с цветными индексами обнаружены для ExG, ExGR, ExR, NDI (участок № 1) и ExG, ExGR (участок № 2) — 0,70, 0,70, -0,64, 0,81 и 0,77, 0,87 соответственно. Таким образом, более высокую зависимость с продуктивностью степи проявил NDVI, которому присущи недостатки, свойственные спутниковым снимкам, — влияние облачности, низкое разрешение.

Тест Манна — Уитни показал, что различия в значениях как цветных индексов, так и NDVI между ключевыми участками статистически недостоверны, от- сутствие различий также обнаружено и для фитомассы, однако в последнем случае, на наш взгляд, это вызвано небольшим числом наблюдений, поскольку уже при уровне 90 % различие становится значимым, чего не наблюдается для вегетационных индексов. Данный факт приводит к выводу, что при оценке продуктивности степи с использованием цветных ВИ необходимо проводить калибровку дистанционных данных с наземными измерениями надземной фитомассы для каждого ценоза в разные фенологические фазы. Для этих целей следует использовать актуальную крупномасштабную карту растительности исследуемой территории.

Заключение

Данные исследования показали, что наиболее тесная корреляция между запасами фитомассы и вегетационными индексами, рассчитанными по RGB-снимкам с борта БПЛА, выявлена для ExGR и ExG. Отмечено, что на коренных сообществах корреляционная связь выше, чем на долговременной залежи. Цветные вегетационные индексы при сопоставлении с наземными данными могут успешно применяться для оценки продуктивности степных экосистем. Направление дальнейших исследований связано с оценкой эффективности яркостной калибровки по эталонным панелям, увеличении ключевых участков, в том числе в различных по составу степных сообществах, а также оценке продуктивности по разновременным цифровым моделям местности, что в условиях естественной растительности может быть затруднительно из-за неоднородности вертикальной структуры фитоценозов.

Список литературы О возможности оценки надземной фитомассы степной растительности с помощью цветных вегетационных индексов (по данным съемки с беспилотных систем)

  • Джапова Р. Р. Динамика растительного покрова Ергенинской возвышенности и Прикаспийской низменности в пределах Республики Калмыкия: диссертация на соискание ученой степени доктора биологических наук: 03.00.05. Москва, 2007. 288 с.
  • Михеев В. С., Ряшин В. А. Ландшафты. Физико-географическое районирование // Атлас Забайкалья. Москва; Иркутск: ГУГК,1967. С.70-71.
  • Пешкова Г. А. Растительность Сибири (Предбайкалье и Забайкалье): Новосибирск: Наука, 1985. 145 с.
  • Brocks S., Bareth G. Estimating barley biomass with crop surface models from oblique RGB Imagery // Remote. Sens. 2018. Vol. 10. P. 268.
  • Phenological analysis of unmanned aerial vehicle based time series of barley imagery with high temporal resolution / A. Burkart, V. L. Hecht, T. Kraska, U. Rascher // Precision Agric. 2018. Vol. 19. P. 134-146.
  • Maize and sunflower biomass estimation in southwest France using high spatial and temporal resolution remote sensing data / Claverie M., Demarez V., Duchemin B. [et al] // Remote Sensing of Environment. 2012. Vol. 124. P. 844-857.
  • Large-area hybrid estimation of aboveground biomass in interior Alaska using airborne laser scanning data / L. Ene, T. Gobakken, H. Andersen, E. Naesset [et al] // Remote Sensing of Environment. 2018. Vol. 204. P. 741-755.
  • Comparison of two aerial imaging platforms for identification ofhuanglongbing-infected citrus trees / F. Garcia-Ruiz, S. Sankaran, J. M. Maja [et al] // Comput. Electron. Agric. 2013. Vol. 91. P. 106-115.
  • Programmable Aerial Multispectral Camera System for In-Season Crop Biomass and Nitrogen Content Estimation / J. Geipel, J. Link, J. A. Wirwahn [et al] // Agriculture. 2016. Vol. 6. P. 1-19.
  • Estimates of plant density of wheat crops at emergence from very low altitude UAV imagery / X. Jin, S. Liu, F. Baret [et al] // Remote Sensing of Environment. 2017. Vol. 198. P. 105-114.
  • Meyer G. E., Neto J. O. C. Verification of color vegetation indices for automated crop imaging applications // Comput. Electron. Agric. 2008. Vol. 63. P. 282-293.
  • Research on vegetation information extraction in the area of important buildings based on remote sensing image / G. Qiu, H. Yin, W. Xie [et al] // Mol. Vis. 2011. Vol. 18. P. 13951401.
  • Sulik J. J., Long D. S. Spectral considerations for modeling yield of canola // Remote Sens. Environ. 2016. Vol. 184. P. 161-174
  • Swain K. C., Thomson S. J., Jayasuriya H. P. W. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop // Trans. ASABE. 2010. Vol. 53. P. 21-27.
  • Tilly N., Aasen H., Bareth G. Fusion of plant height and vegetation indices for the estimation of barley biomass // Remote Sens. 2017. Vol. 7. P. 11449-11480.
  • Multi-temporal mapping of the vegetation fraction in early-season wheatfields using images from UAV / J. Torres-Sanchez, J. M. Pena, A. I. de Castro [et al] // Comput. Electron. Agric. 2014. Vol. 103. P. 104-113.
  • Color indexes for weed identification under various soil, residue, and lighting conditions / D. M. Woebbecke, G. E. Meyer, K. Vonbargen [et al] // Trans. ASAE. 1995. Vol. 38. P. 259-269.
  • Estimation of winter wheat above-ground biomass using unmanned aerial vehicle-based snapshot hyperspectral sensor and crop height improved models / J. Yue, G. Yang, C. Li [et al] // Remote Sens. 2017. Vol. 9. P. 708.
  • Recognition of Wheat Spike from Field Based Phenotype Platform Using Multi-Sensor Fusion and Improved Maximum Entropy Segmentation Algorithms / C. Zhou, D. Liang, X. Yang [et al] // Remote. Sens. 2018. Vol. 10. P. 246.
Еще
Статья научная