Використання безпілотних літальних апаратів для оцінки технологічних стресових станів озимої пшениці

Автор(и)

  • Н. А. Пасічник Національний університет біоресурсів і природокористування України, Ukraine
  • В. П. Лисенко Національний університет біоресурсів і природокористування України, Ukraine
  • О. О. Опришко Національний університет біоресурсів і природокористування України, Ukraine

DOI:

https://doi.org/10.33730/2310-4678.1.2020.203933

Ключові слова:

моніторинг, безпілотних літальних апаратів, післядія гербіцидів, пшениця озима

Анотація

Статтю присвячено прикладним аспектам використання безпілотних літальних апаратів (БПЛА), а саме — моніторингу посівів озимої пшениці стосовно стресів, зумовлених післядією гербіцидів. Під післядією гербіцидів розуміють вплив решток гербіцидів, що залишились від культури попередника і які викликають стресовий стан у нових посівів. Питання має місцеву специфіку, пов’язану як з невідповідністю технологій вирощування рослин, так і з недостатнім вивченням впливу новітніх засобів захисту рослин у вітчизняних ґрунтових умовах. Відновлення врожайності посівів можливо за своєчасної ідентифікації причин стресу, проте термін прийняття рішень є обмеженим, що потребує впровадження новітніх технологій моніторингу, придатних для промислових масштабів. Метою досліджень є вдосконалення методики оперативного моніторингу з допомогою БПЛА виробничих посівів озимих культур на прикладі пшениці стосовно впливу післядії гербіцидів. Досліди проводили в лабораторних умовах та на виробничих полях для пшениці сорту Mulan. За лабораторних досліджень з використанням фітокамер не вдалось встановити для спектральних чи спектрально-простороових методів моніторингу чітких критеріїв, які однозначно свідчили б про стрес, зумовлений саме післядією гербіцидів. За польових досліджень з використанням комплексу Slantrange, змонтованому на БПЛА DJI Matrice 200, як об’єкта досліджень аналізували розподіл стресових ділянок на полі. Досліди проводили у 2018 р. на виробничих полях у Київській області. Показано, що карти стресових індексів, отримані на базі даних із високою розподільчою здатністю від БПЛА, можна розглядати як окремий об’єкт досліджень стосовно інтерпретації причин стресів складних біотехнічних об’єктів, таких як посіви зернових культур. Встановлено, що підвищення вірогідності та достовірності даних моніторингу можна досягти за впровадження систем машинної обробки даних та комп’ютерного навчання стосовно пошуку кореляційних зв’язків між розподілом стресових станів рослин у полі та виконанням технологічних операцій, рельєфу місцевості тощо

Біографії авторів

Н. А. Пасічник, Національний університет біоресурсів і природокористування України

кандидат сільськогосподарських наук, доцент

В. П. Лисенко, Національний університет біоресурсів і природокористування України

доктор технічних наук, професор

О. О. Опришко, Національний університет біоресурсів і природокористування України

кандидат технічних наук, доцент

Посилання

Andújar, D., Moreno, H., Bengochea-Guevara, J.M. et al. (2019). Aerial imagery or on-ground detection? An economic analysis for vineyard crops. Computers and Electronics in Agriculture. 157: 351–358.

Machado, S.C., Martins, I. (2018). Risk assessment of occupational pesticide exposure: Use of endpoints and surrogates. Regulatory Toxicology and Pharmacology. 98: 276–283.

Yao H., Huang Y., Hruskaa Z. et al. (2012). Using vegetation index and modified derivative for early detection of soybean plant injury from glyphosate. Computers and Electronics in Agriculture. 89:145–157.

Jursík ,M., Kolářová ,M., Soukup, J. (2019). Competition, reproduction ability, and control possibilities of conventional and Clearfield volunteer oilseed rape in winter wheat. Crop Protection. 122: 30–34.

Zimdahl R.L. (2018). Chapter 16 Properties and Uses of Herbicides. Fundamentals of Weed Science (Fifth Edition): 463–499.

Green, D.R., Hagon, J.J., Gómez, C., Gregory, B.J. (2019). Chapter 21. Using Low-Cost UAVs for Environmental Monitoring, Mapping, and Modelling: Examples From the Coastal Zone. Coastal Management Global Challenges and Innovations: 465–501.

Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F. et al. (2018) UAV-based multispectral remote sensing for precision agriculture: A comparison between different cameras. ISPRS Journal of Photogrammetry and Remote Sensing. 146:124–136.

Lysenko, V., Komarchuk D., Opryshko O. et al. (2017). Determination of the not uniformity of illumination in process monitoring of wheat crops by UAVs. 4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T): 265–267.

Korobiichuk, I., Lysenko, V., Opryshk,o O., Komarchyk, D. et al. (2018). Crop monitoring for nitrogen nutrition level by digital camera Automation 2018. Advances in Intelligent Systems and Computing. Springer, Cham: 595–603.

Enciso, J., Avila, C., Jung ,J., Elsayed-Farag, S., Chang A. et al. (2019). Validation of agronomic UAV and field measurements for tomato varieties. Computers and Electronics in Agriculture. 158: 278–283.

Duan, T., Chapman, S.C., Guo, Y., Zheng, B. (2017). Dynamic monitoring of NDVI in wheat agronomy and breeding trials using an unmanned aerial vehicle. Field Crops Research. 210: 71–80.

Lysenko, V., Opryshko, O., Komarchuk, D., Pasichnyk, N. (2017). Usage of Flying Robots for Monitoring Nitrogen in Wheat Crops. The 9th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications 21–23 September. Bucharest Romania. 1: 30–34.

Yue, J., Yang, G., Tian, Q., Feng, H. et al. (2019). Estimate of winter-wheat above-ground biomass based on UAV ultrahigh-ground-resolution image textures and vegetation indices. ISPRS Journal of Photogrammetry and Remote Sensing. 150: 226–244.

Lysenko, V., Opryshko, O., Komarchuk, D. et al. (2018). Information Support Of The Remote Nitrogen Monitoring System In Agricultural Crops. International Journal of Computing. 17(1): 47–54.

Calderón, R., Navas-Cortés, J.A., Lucena, C., Zarco-Tejada P.J. (2013). High-resolution airborne hyperspectral and thermal imagery for early detection of Verticilliumwilt of olive using fluorescence, temperature and narrow-band spectral indices. Remote Sensing of Environment. 139: 231–245.

##submission.downloads##

Опубліковано

2020-05-20

Номер

Розділ

ЕКОЛОГІЯ