Анализ стресса для сельскохозяйственных культур на основе гиперспектрального индекса растительности

Характеристики растительности обычно измеряются путем преобразования спектров отражения в одно числовое значение или индекс растительности. Гиперспектральные или узкополосные индексы растительности содержат узкополосные характеристики растительности и информацию о длине волны, которые могут быть получены только с помощью гиперспектральных приборов.

Свойства растительности, определяемые с помощью гиперспектральных индексов растительности, можно разделить на три основные категории: 1. Структура; 2. Биохимические свойства; 3. Физиология растений/стресс.

Измеряемые структурные свойства включают растительный покров, биомассу листьев, индекс листовой поверхности (LAI), биомассу стареющих листьев и коэффициент поглощения фотосинтетически активного излучения (FPAR). Большинство индексов, используемых в настоящее время для структурного анализа, построены в широкополосных системах, хотя существуют также и узкополосные гиперспектральные индексы.

Биохимические свойства включают содержание воды, пигменты (хлорофилл, каротиноиды и антоцианы), другие богатые азотом смеси (например, белки) и структурные материалы растений (лигнин и целлюлоза). Физиологические и стрессовые индексы используются для измерения мельчайших изменений, вызванных такими факторами, как стресс-индуцированные изменения в состоянии ксантофиллов, содержании хлорофилла, эффектах флуоресценции или влажности листьев. Как правило, биохимические свойства и физиологические/стрессовые индексы в основном определяются с помощью лабораторных и полевых измерений (интервалы спектральной выборки ≤10 нм) и представляют собой высокоспецифичные спектральные характеристики. Поэтому эти индексы являются строго гиперспектральными.

В отличие от широкополосных индексов растительности, гиперспектральные индексы растительности имеют полосы, не охватываемые широкополосными системами, и определенные центры полос, что позволяет им идентифицировать и извлекать более тонкие особенности поглощения, тем самым лучше оценивая характеристики сельскохозяйственных культур.

По сравнению с точечными спектральными измерениями, гиперспектральные изображения добавляют информацию о пространственном измерении, что имеет решающее значение для точного земледелия. Они могут поддерживать широко используемые аналитические методы в точном земледелии, такие как кластеризация почвы и культур, анализ горячих точек и выбросов, а также могут вводить пространственную информацию на разных уровнях для помощи в оценке характеристик культур. Они могут выявлять закономерности пространственного распределения и характеристики культур от точки до поверхности, предоставляя более мощный инструмент для инженерной практики точного земледелия.

Методы и принципы

Мы использовали гиперспектральные изображения района Сиань, полученные спутником Xiguang-105 6 апреля 2025 года, для расчета различных гиперспектральных индексов растительности. На основе структурных/биохимических/физиологических показателей, соответствующих этим индексам, мы провели анализ состояния здоровья и стрессовых условий озимой пшеницы в Сиане в период кущения в сезоне 2024-2025 годов и выявили потенциально стрессовые участки.

Рисунок 1. Введение в данные.

процесс:

Калибровка излучения:Исходные данные о значении DN подвергаются радиометрической коррекции с использованием коэффициентов радиометрической калибровки для получения данных о видимой яркости.

Атмосферная коррекция:Для получения данных об отражательной способности поверхности была выполнена атмосферная коррекция с использованием модели 6S.

Спектральное сглаживание:Для сглаживания данных об отражательной способности поверхности использовался алгоритм Савицкого-Голея (SG), что повысило надежность последующего расчета индекса корреляции красного края спектра и снизило уровень спектрального шума.

Регистрация изображения:Обработанные данные затем привязываются к географическим координатам на основе базовой карты.

Расчет индекса:Гиперспектральный индекс растительности был рассчитан на основе зарегистрированных данных.

Маскирование растительности/извлечение участка:Используя рассчитанные частичные индексы, была выполнена маскировка площади растительности с помощью метода фиксированного порогового значения. Также был использован ранее собранный векторный набор данных о участках выращивания пшеницы в бассейне реки Хуанхэ.

Региональная статистика:На основе вектора земельных участков каждый индекс статистически анализируется по регионам, а статистический метод основан на вычислении среднего значения.

Комплексный многоиндексный анализ:На основе статистических векторов и с учетом физического смысла, представленного различными индексами, анализируется распределение различных индексов для объяснения некоторых явлений.

В таблице ниже приведены гиперспектральные индексы растительности, разделенные на структурные, биохимические (пигменты, хлорофилл, антоцианы, каротиноиды, вода, лигнин и целлюлоза, азот) и физиологические (эффективность использования света, стресс). Каждый индекс включает свое китайское название, английскую аббревиатуру и формулу, основанную на узкополосном отражательном коэффициенте (Rλ обозначает отражательный коэффициент на длине волны λ, в нм).

Таблица 1. Некоторые гиперспектральные индексы растительности и формулы их расчета.

Оценка результатов

Композиционное изображение в истинных цветах — спутник Xiguang-1 05 (соответствие небесным объектам) — 20250406

Кривые отражательной способности различных элементов рельефа — отражательная способность увеличена в 10 000 раз — спутник Xiguang-1 05 (Тяньсяньпэй) — 20250406

Карта распределения нормализованного разностного индекса растительности (NDVI) - Спутниковый снимок Сигуан № 1 05 (Тяньсяньпэйхао) - 20250406

Карта распределения фотохимического индекса отражения (PRI) — спутник Xiguang-1 05 (Тяньсяньпэй) — 20250406

Улучшенная карта распределения нормализованного индекса красного края спектра — спутник Xiguang-1 05 (Тяньсяньпэй) — 20250406

Карта распространения индекса хлорофилла, нечувствительного к структуре (SIPI) - спутник Сигуан № 1 05 (Тяньсяньпэйхао) - 20250406

Карта распространения красного контура Фогельмана 1VOG1 - спутник Сигуан № 1 05 (Тяньсяньпэйхао) - 20250406

Карта распространения индекса атмосферного импеданса растительности (ARVI) - спутник Xiguang-1 05 (Тяньсяньпэйхао) - 20250406

Карта распределения антоцианов по показателю отражательной способности 2ARI2 — спутник Xiguang-1 05 (Тяньсяньпэй) — 20250406

Карта распределения индекса отражательной способности каротиноидов 2CAI2 - спутник Xiguang No.1 05 (Tianxianpeihao) - 20250406

Большинство упомянутых выше гиперспектральных индексов растительности также основаны на различиях в поглощении/отражении между различными диапазонами. Однако по сравнению с традиционными широкополосными индексами (такими как NDVI) они могут более чувствительно отражать концентрацию и распределение специфических пигментов, повышая точность классификации культур, определения фенологических стадий, инверсии физиологических и биохимических индексов культур, а также оценки стресса у растений. Например, у озимой пшеницы антоцианы постепенно накапливаются от стадии кущения до созревания, поэтому текущую фенологическую стадию культуры можно определить по индексу антоцианов. При воздействии стрессовых факторов окружающей среды индуцируется экспрессия генов, связанных с биосинтезом антоцианов (таких как CHS, CHI и F3H), что приводит к увеличению содержания антоцианов. В то же время положение красной границы спектра также смещается в сторону более коротких длин волн. Таким образом, комплексная оценка стресса может быть проведена с помощью множества фотохимических индексов и морфологии красной границы спектра.

Карта распределения индекса отражательной способности антоцианов 2ARI2 на уровне участка - спутник Сигуан № 1 05 (Тяньсяньпэйхао) - 20250406

Карта распределения земельных участков по индексу красных границ (REPI) - Сигуан № 1, 05-я звезда (номер небесного соответствия) - 20250406

Объединение векторов границ земельных участков позволяет проводить более точный анализ на уровне отдельных участков, выявлять потенциальные проблемные зоны и соответствующие им участки, а затем проводить более детальный статистический анализ.

Карта распространения локализованного индекса красной каймы растительности (RENDVI) - Сигуан № 1 05 (Тяньсяньпэйхао) - 20250406

Карта локализованного распределения индекса отражательной способности каротиноидов (CRI2) - спутник Xiguang-1-05 (Тяньсяньпэйхао) - 20250406

Карта распределения антоцианов по локальной отражательной способности 2ARI2 — спутник Xiguang-1 05 (Тяньсяньпэй) — 20250406

Карта распределения локального фотохимического индекса отражения (PRI) - спутник Xiguang-1 05 (Тяньсяньпэй) - 20250406

На приведенной выше карте распределения индексов на уровне отдельных участков показано, что в центральной части карты индексы красной границы растительности (RENDVI), индекс каротиноидов (2CRI2) и индекс фотохимического отражения (PRI) относительно высоки, тогда как в западной части они ниже. Это указывает на то, что содержание пигментов в западной части также относительно низкое. Однако на карте распределения индекса антоцианов (2ARI2) западная часть аналогична центральной и имеет более высокие значения, что указывает на то, что эта часть может находиться под тем же стрессом, но этот стресс оказывает относительно меньшее влияние на центральную часть, возможно, из-за повышенной концентрации каротиноидов в центральной части. Каротиноиды являются фотосинтетическими копигментами и, как антиоксиданты, могут нейтрализовать активные формы кислорода (АФК, такие как супероксид-анион и перекись водорода), защищая клеточные мембраны и фотосинтетические структуры от окислительного стресса, тем самым не приводя к снижению концентрации хлорофилла. Однако в западном регионе не наблюдалось значительного увеличения индекса отражения каротиноидов, что указывает на более сильное воздействие этого типа стресса.

Комплексный анализ множества гиперспектральных индексов растительности и их сочетание с картами распределения влажности растительного покрова и почвы позволяет более точно определить тип стресса и его воздействие, что дает возможность проводить сельскохозяйственные мероприятия на более ранней стадии для повышения экологической устойчивости крупномасштабных систем посевов и обеспечения стабильности урожайности и качества зерна.