Аннотация результатов, полученных в 2024 году
Для перехода сельского хозяйства на новый технологический уровень актуально использовать точное земледелие (ТЗ). ТЗ обеспечивает наиболее рациональную адаптацию агроприемов путём дифференциации технологических воздействий к внутриполевой изменчивости условий роста и развития сельскохозяйственных культур. Актуальность развития ТЗ подтверждается Программой фундаментальных научных исследований (ПФНИ) до 2030 года, в которой предусматривается создание адаптивных систем земледелия на основе цифровизации. А также поручением Президента РФ начать широкое применение ТЗ, озвученным на форуме «Сильные идеи для нового времени», состоявшемся в 2023 г. При этом упор должен делаться на развитие бесконтактных (дистанционных) методов оценки состояния посевов и среды их обитания. Аэрокосмические снимки позволяют получать информацию с одновременным охватом значительных площадей, что затруднительно осуществить при проведении наземных исследований контактными методами. Необходимо осуществлять выявление границ интенсивности внутриполевой неоднородности на основе совершенствования и создания новых методов математической обработки данных дистанционного зондирования (ДДЗ), получаемых в результате аэрокосмической съёмки с помощью мульти- и гиперспектральных камер. Гиперспектральное дистанционное зондирование открывает новые возможности для оперативной и более точной количественной оценки состояния посевов сельскохозяйственных культур в основные фазы их развития. Эти возможности позволяют осуществлять корректировку продукционного процесса, например, проводить своевременно азотные дифференцированные подкормки. Однако данная оперативная технология до сих пор не получила широкого распространения, поскольку для её реализации требуется детальная оценка внутриполевой изменчивости факторов урожайности и взаимосвязи этой изменчивости с условиями роста сельскохозяйственных культур. Гиперспектральные данные имеют большой потенциал для выявления внутриполевой неоднородности и определения границ её интенсивности за счёт почти непрерывных спектров. Они охватывают спектральные детали, которые могут быть незамеченными в мультиспектральных данных из-за их дискретного и разреженного характера. В отчётный период 2024 г., для реализации проекта, разработана блочная структура интеллектуальной научно-технической платформы (НТП), функционально разделённой на две группы блоков. Первая группа предназначена для информационного наполнения пространственно-атрибутивных баз данных, формирующихся по разработанным методикам с помощью дистанционных средств, методов планирования и закладки полевых опытов с тестовыми площадками, сбора и первичной обработки данных. Здесь важно отметить, что к этой группе относится и впервые разработанная методика поиска информативных каналов в гиперспектральных изображениях посевов зерновых культур для оценки их состояния в различные фазы развития и при различных стресс-факторах. В данной методике используются различные способы кластеризации данных дистанционного зондирования для выявления информативных спектральных каналов для определения уровня серы и магния в растениях. Кластеризация по волновым показателям методом SEM в программном обеспечении R-Studio позволила выделить зависимость уровня внесения серы в почву на тестовых площадках в фазах кущения и выхода в трубку. Значимость различия между внесённой дозой серы в почву и данными гиперспектральной съёмки посева на тестовой площадке доказана с использованием непараметрического критерия Краскела-Уоллиса (в настоящее время готовится публикация по этому результату). Вторая группа, группа ключевых блоков, является функциональным ядром НТП и направлена на разработку эффективных способов обнаружения внутриполевой неоднородности и определения её границ по степени интенсивности, а также в решении актуальных задач адаптивного земледелия. Используя инфраструктуру НТП и имеющийся у коллектива проекта научный задел, разработано и опубликовано описание двух алгоритмов по управлению азотным режимом посевов и выбору типа технологии по уровню интенсивности (нормальные, интенсивные, прецизионные) для реализации технологического воздействия в полевых условиях. Созданный функционал обеспечивает возможность применения в алгоритмах двух новых методов обнаружения внутриполевой неоднородности и границ её интенсивности по гиперспектральным изображениям. Первый из них использует инструментарий геостатистики, а другой базируется на комплексной оценке динамики изменения оптических характеристик посева. Пространственная вариабельность состояния посевов, которая определяется дистанционно, обусловлена многими факторами (почвенными, климатическими, биологическими, технологическими и др.) и зависит от оптических свойств листьев, архитектоники растений, структуры посевов. Радиация, отражённая листьями и другими фитоэлементами, несёт полную информацию о биохимическом составе, архитектуре тканей, физиологическом состоянии растений, а специфические изменения их спектральных характеристик и количества отражённой радиации позволяют оценить реакцию растений на действие различных стрессоров и осуществить дешифрование информации, заложенной в отражённой радиации. В этой связи реализуемость разработанных алгоритмов основана на сопряжённом использовании вариограммного анализа (главного инструмента геостатистики) и статистически значимых изменений ряда информативных вегетационных индексов, характеризующих активность фотосинтеза по содержанию фотосинтетических пигментов, наличие в тканях растений антоцианов, флавоноидов и воды. Использование в рассмотренных алгоритмах гиперспектральной информации обеспечивает достаточно точный расчёт идентифицирующих состояние растений вегетационных индексов. Это указывает на перспективность и возможность масштабирования применения данного подхода на практике. Для реализации возможности практического использования алгоритмов планируется дальнейшая детальная автоматизация их применения. Сайт проекта: http://agrophys.com/

Аннотация результатов, полученных в 2025 году
В соответствии с разработанной на предыдущем этапе проекта методологией организации и проведения полевых исследований с закладкой тестовых площадок (в рамках которых одновременно должна проводиться дистанционная и наземная диагностика) в хозяйстве «Остроговицкое» (Ленинградская область, Волосовский район) в посеве яровой пшеницы выполнялся прецизионный полевой эксперимент, в котором закладывались тестовые площадки с различной обеспеченностью почвы азотом, магнием и серой. Эксперимент выполнялся в условиях использования высокоинтенсивной технологии возделывания яровой пшеницы, с применением высоких доз удобрений, средств защиты растений и других агрохимикатов, рассчитанных на максимальную реализацию генетического потенциала и высокое качество зерна. Волосовский район расположен в юго-западной части Ленинградской области. Климат Волосовского района Ленинградской области умеренно-континентальный, с мягкой зимой и прохладным летом. Площадь экспериментального поля составляла 290 га. Проведены полевые исследования по сбору разнородных данных в системе «почва – растение – приземный слой атмосферы» на тестовых площадках. . В основные фенологические фазы развития яровой пшеницы производили отбор почвенных и растительных образцов: 16.06.25 – фаза кущения; 26.06.25 – фаза выхода в трубку; 14.07.25 – фаза колошения; 20.07.25 – фаза цветения. Отобранные образцы затем доставлялись в биохимическую лабораторию СПбГАУ для проведения анализа на содержание в почве и растениях пшеницы общего азота, подвижной серы и магния. Параллельно с отбором в эти же даты проводилась мульти- и гиперспектральная фотосъемка посевов . Причём съёмка проводилась с двух уровней – с беспилотного воздушного судна (БАС) «Геоскан» Gemini непосредственно в поле и в специально оборудованной комнате, куда доставлялись образцы в течении нескольких часов. Использование двух способов съёмки обуславливалось ещё и тем, что в настоящее время существуют большие трудности с получением разрешения на полёты беспилотников, а также длительное время занимает получение разрешения от уполномоченных ведомств на использование отснятого материала. Разработан алгоритм и программный прототип фильтрации гиперспектральных снимков яровой пшеницы. Прототип программного модуля разработан в среде Python с использованием библиотек NumPy, Matplotlib и scikit-image. В течение отчетного периода была выполнена научно-исследовательская работа по развитию методических подходов к статистическому и вариограммному анализу данных мульти- и гиперспектральной съемки сельскохозяйственных посевов. На основе проведенных полевых опытов были сформированы два специализированных датасета. Оба набора данных были привязаны к целевым биохимическим параметрам растений – содержанию азота (N), магния (Mg) и серы (S) в две фенологические фазы развития растений: кущение и трубкование. Был расширен первый блок ранее предложенного подхода, реализован и применен комплексный алгоритм анализа. Анализ результатов проведения эксперимента по вариограммному анализу пространственной вариабельности содержания азота в растениях (N) и его предиктора – показаний N-тестера (N_test) показал близкие значения (параметры вариограмм (θ = 0,82 для N и ξ = 0,73 для N_test)), что свидетельствует о допустимости и целесообразности использования предикторов (включая спектральные данные) в предложенной методологии для оценки пространственной структуры агроэкологических характеристик. Таким образом разработан и апробирован комплексный методический подход, позволяющий идентифицировать ключевые предикторы обеспеченности сельскохозяйственных культур питательными элементами на основе многомерного статистического и геостатистического анализа. Полученные результаты подтверждают высокую эффективность совместного использования наземных и дистанционных данных и формируют основу для создания умных систем диагностики дефицита питания. Разработан «Способ выявления информативных спектральных каналов для определения уровня серы в посеве пшеницы по данным дистанционного зондирования». Новизна заявляемого способа заключается в том, что использование совокупности признаков, а именно сбор информации по гиперспектральным съемкам при определенных диапазоне длины волн спектрального отражения и количестве тестовых (обучающих) выборок в фенологические фазы кущения, выхода в трубку, колошения и цветения яровой пшеницы на каждой тестовой площадке, определение массива вегетационных индексов, который подвергают кластеризации с градиентной раскраской в зависимости от средних значений определенных вегетационных индексов позволяет обеспечить визуальный анализ содержания серы в растении. Показана сильная корреляция между индексом SR (англ. Simple Ratio) и NDVI (англ. Normalized Difference Vegetation Index), особенно в фазе кущения. Доработана программа на языке Python 3 с применением библиотек pandas, numpy, matplotlib, sklearn, scipy, часть вычислений выполнялась с помощью R/Rstudio. Программа на Python 3 осуществляет проверку гипотез о значимости различий кластеров в зависимости от фенофазы развития растения и уровня внесения серы. Развиты подходы применения двух перспективных методов кластеризации для выделения однородных участков сельскохозяйственных полей, основанных на смеси распределения ЕМ и SEM. Результат исследования показал, что оба метода, которые ранее практически не применялись в этой предметной области, работоспособны и могут быть использованы для построения внутриполевых зон однородности по данным дистанционного зондирования Земли. Сайт проекта https://agrophys.com/