УЧЕТ ВЛИЯНИЯ АТМОСФЕРНОГО АЭРОЗОЛЯ НА РЕЗУЛЬТАТ ВАЛИДАЦИИ ДИСТАНЦИОННО ОПРЕДЕЛЕННОй СТЕПЕНИ ТЯЖЕСТИ СОСТОЯНИЯ СТРЕССА РАСТЕНИй

С развитием степени тяжести болезни изменяется цветовая окраска листьев растения, что вносит некоторую неопределенность в результат проводимой дистанционной диагностики состояния растения. По этой причине используемые на практике спектральные индексы в основном составляются на основе спектральных узко диапазонных измерений, проводимых в зоне “края красной зоны”. В статье рассмотрены вопросы учета влияния атмосферного аэрозоля на результат валидации дистанционно определенной степени тяжести состояния стресса растений. Целью настоящей статьи является усовершенствование известного правила валидации путем повышения общей помехоустойчивости этой операции. Рассмотрено влияние аэрозольной загрязненности приземной атмосферы на результат валидационной процедуры. Валидация результатов дистанционного определения степени тяжести стресса растении обычно определяется путем проведения наземной проверки, осуществляемой с помощью портативных спектрорадиометров. Проводятся измерения спектров отражения типовых растений, инфицированных и приведенных в состояние стресса в различной степени. Проанализировано влияние атмосферного аэрозоля на результат проводимой валидации применительно к известным прямым и предложенным перекрестным спектральным коэффициентам, физически определяющим динамический диапазон отношения используемых спектральных сигналов отражения в NIR и RED диапазоне. Сравнение влияния атмосферного аэрозоля на возможность проведения валидации результатов дистанционного определения тяжести стресса растений показывает, что при использовании предложенных перекрестных спектральных коэффициентов валидация результатов дистанционного определения степени стресса растений может быть осуществлена при большей величине аэрозольной помехи, чем при использовании прямых спектральных коэффициентов.

аэрозоль, атмосфера, стресс растений, дистанционная диагностика, валидация

1. Zhang J., Pu R., Huang W., Yuan L., Luo J., Wang J. Using in-situ hyperspectral data for detecting and discriminating yellow rust disease from nutrient stress // Field Crops Research. - 2012. - Vol. 134. - P. 165-174.

2. Hillnhutter C., Mahlein A. K., Sikora R. A., Oerke E.C. Remote sensing to detect plant stress induced by Heterodera schachtii and Rhizoctonia solani in sugar beet fileds // Field Crops Research. - 2011. - Vol. 122. - P. 70-77.

3. Moshou D., Bravo C., West J., Wahlen S., McCartney A., Ramon H. Automatic detection of “yellow rust” inn wheat using reflectance measurements and neural network’s// Computers and Electronics in Agriculture. - 2004. - Vol. 44. - P. 173-188.

4. Mehlein A.K., Rumpf T., Welke P., Dehne H.W., Plumer L., Steiner U., Oerke E.C. Development of spectral indices for detecting and identifying plant diseases// Remote Sensing of Environment. - 2013. - Vol. 128. - P. 21-30.

5. Muhammed H.H. Using hyperspectral reflectance data for discrimination between healthy and diseased plants and determination of damage-level in diseased plants// In proceedings of the 31st Applied Imagery Pattern Recognition Workshop. - Washington, DC, USA, 2002. - P. 49-54.

6. Ashourloo D., Mobasheri M.R., Huete A. Developing two spectral disease indices for detection of wheat leaf rust (Pucciniatriticina)// Remote Sensing of Environment. - 2014. - Vol. 6. - P. 4723-4740. doi: 10.3390/rs6064723.

7. Mahlein A.K., Steiner U., Dehne H.W., Oerke E.C. Spectral signatures of sugar beet leaves for the detection and differentiation of diseases// Precision Agriculture. - 2010. -Vol. 11. - P. 413-431.

8. Rumpf T., Mahlein A.K., Steiner U., Oerke E.C., Dehne H.W., Plumer L. Early detection and classification of plant diseases with support vector machines based on hyperspectral reflectance// Computers and Electronics in Agriculture. - 2010. - Vol. 74. - P. 91-99.

9. Mahlein A.K., Steiner U., Hillnhutter C., Oerke E.C., Dehne H.W. Hyperspectral imaging for small - scale analysis of symptoms caused by different sugar beet diseases// Plant Methods. - 2012. - Vol. 8. doi: 10.1186/1746-4811-8-3.

10. Huang L., Zhang H., Ding W., Huang W., Hu T., Zhao J. Monitoring of wheat scab using the specific spectral index from ASD hyperspectral dataset// Hidawi Journal od Spectroscopy. - 2019. - ID 9153195. - P. 9. https://doi.org/10.115/2019/9153195.