Специалисты научились точнее рассчитывать индекс листовой поверхности кукурузы по мультиспектральным снимкам с беспилотников. Для этого они совместили физическую модель растительного покрова PROSAIL с оптическими характеристиками конкретной камеры и настроили расчеты отдельно под разные фазы роста культуры. Итоги полевых опытов в городе Тунляо в западной части равнины Сунляо во Внутренней Монголии приводит Bioengineer.org.
Индекс листовой поверхности показывает, насколько густо развита листва, и помогает фермерам точно дозировать воду и удобрения в течение сезона. Измерять этот показатель на полях вручную долго и дорого, а спутникам часто не хватает четкости снимков, чтобы отследить состояние отдельных участков. Дроны дают детальную картинку, но обычные алгоритмы машинного обучения на их базе сбоят: между ранним ростом и созреванием зерна кусты сильно меняют форму и биохимический состав, а доля открытой почвы сокращается. Чтобы обучить статистическую модель на такие перемены, пришлось бы слишком часто выезжать в поле за контрольными пробами.
Чтобы обойтись без массовых полевых замеров, исследователи обратились к модели переноса излучения PROSAIL. Она имитирует, как листья и крона отражают свет при разной концентрации хлорофилла, каротиноидов, воды и сухого вещества, а также при разной архитектуре побегов. Авторы отказались от широких статичных границ параметров, которые часто дают биологически невозможные сочетания, и откалибровали модель методом байесовской оптимизации отдельно для четырех возрастных фаз кукурузы. Кроме того, они учли, как именно фильтры аэросъемочной камеры реагируют на свет разных длин волн, вместо того чтобы рассчитывать сигнал лишь по центру каждого диапазона.
Методику проверили на опытных участках, которые заложили 10 мая 2021 года в Тунляо с чередованием широких и узких междурядий (0,8 и 0,4 метра). В водном эксперименте сравнили сорта «Дика 159» и «Чжэндань 958» при плотности шесть и девять растений на квадратный метр и шести нормах полива – от нуля до 0,45 кубометра воды на квадратный метр. На соседнем участке для сорта «Дика 159» испытали 15 доз азотных удобрений – от нуля до 675 килограммов на гектар. Наземные работы и облеты синхронизировали на стадиях шестого листа, двенадцатого листа, выметывания нитей и молочной спелости.
Поля снимали с дрона DJI Inspire 2 с высоты 70 метров; аппарат нес мультиспектральную камеру Parrot Sequoia (зеленый, красный, красная граница и ближний инфракрасный диапазоны) и камеру Zenmuse X5S. В те же дни исследователи измерили листовую поверхность прибором LI-COR LAI-2200C и собрали 276 контрольных образцов.
Анализ показал, что на вегетативной стадии то, как посевы отражают свет, в основном зависит от площади листвы, тогда как после выметывания нитей главную роль начинают играть внутренняя структура листа и уровень хлорофилла. Когда наземные замеры объединили с калиброванными симуляциями, модель случайного леса на ранних этапах показала коэффициент детерминации 0,97 при ошибке 0,22. На репродуктивных стадиях, когда сомкнутая крона искажает сигнал и модели на одних лишь наземных пробах замирают на отметке 0,45, новый подход поднял точность алгоритма с 0,43 до 0,65 и снизил ошибку с 0,49 до 0,38. Именно поправка на реальную чувствительность фильтров камеры позволила показателю вырасти с 0,50 до 0,65.
У предложенного способа остаются методические ограничения, отмечают авторы. Базовая модель SAIL описывает посевы как однородную среду и не полностью передает, как молодая кукуруза растет отдельными рядками над открытой почвой, а для фона в расчетах использовали стандартные библиотечные спектры грунта вместо замеров на месте. Поскольку опыты прошли только в одном регионе и в одном сезоне, технологию предстоит проверить на других почвах, сортах и в разных погодных условиях.