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.