Технология включает в себя измерение света, отраженного от объектов, изображенных на изображениях, снятых дронами, спутниками и другими технологиями дистанционного зондирования, для классификации и сбора соответствующей информации об объектах. По словам исследователей, он может точно измерять свет в десятках, если не сотнях цветовых полос.
По словам исследователей, спектры отражения могут отображать уровни питательных веществ, содержание хлорофилла и другие показатели здоровья различных культур.
Ученые из UMaine, Schoodic Institute и Wyman’s, одного из крупнейших в мире поставщиков дикой черники и бренда замороженных фруктов номер один в стране, обнаружили в своих исследованиях, что при включении в модели спектроскопия изображений может помочь предсказать, будут ли поля дикой черники будет недостаточно воды для роста. По словам исследователей, технология не только может помочь производителям информировать фермеров, оценивая режим полива и управляя своими водными ресурсами таким образом, чтобы не повредить урожай.
Команда собрала данные спектроскопии изображений, развернув дрон, оснащенный спектрометром для улавливания видимого и ближнего инфракрасного света, чтобы сфотографировать поля дикой черники, принадлежащие Wyman’s в Дебуа, штат Мэн.
Затем исследователи обработали изображения, чтобы измерить спектры отраженного света от растений для определения уровней хлорофилла и других свойств, которые помогут оценить их водный потенциал, который, по их словам, является основной движущей силой потока воды и индикатором водного стресса. В то же время группа собрала небольшие ветки с листьями растений дикой черники на участках, чтобы оценить их водный потенциал и подтвердить оценку на основе спектров.
Фотографии и образцы были собраны весной и летом 2019 года, когда растения пережили пик цветения, зеленые плоды и нарушение окраски.
Данные как с изображений с дронов, так и с наземных образцов были включены в модели, которые они разработали с использованием машинного обучения и статистического анализа, чтобы оценить водный потенциал и тем самым спрогнозировать водный стресс растений в пустошах. Модели на основе данных наземных образцов использовались, чтобы помочь в разработке и проверке модели, созданной с данными из изображений.
Результаты обоих наборов моделей были сопоставимы, демонстрируя, что спектроскопия изображений может точно предсказать водный стресс в степях дикой голубики в разное время вегетационного периода. После подтверждения эффективности технологии ученые говорят, что ученые могут извлечь выгоду из ее преимуществ, например, с легкостью проводить повторные измерения на небольших объектах, таких как листья черники.
Аспирант Кэтрин Чан возглавила исследование, к ней присоединились преподаватели Университета Мэйна Дэниел Хейс и Юнцзян Чжан, лесной эколог Schoodic Institute Питер Нельсон и агроном Wyman Брюс Холл. Журнал Remote Sensing опубликовал отчет о своих выводах.
«Мы объединяем спектральные данные и области известного водного потенциала на полях дикой черники с помощью машинного обучения, создавая модель для дальнейшего прогнозирования областей, которые могут испытывать водный стресс», – говорит Чан.
Исследователи говорят, что понимание того, как рационально управлять водными ресурсами для снижения риска, связанного с нынешней и учащающейся засухой, имеет решающее значение для производителей дикой голубики.
«Это исследование дает важные выводы, которые позволят обеспечить дальнейшую жизнеспособность культур дикой черники для будущих поколений», – говорит Холл.
Потепление и засуха, усугубленные изменением климата, усугубили их борьбу в последние годы, наряду с замерзанием и болезнетворными микроорганизмами.
Исследователи говорят, что в результате возросла потребность в средствах прогнозирования, таких как спектроскопия изображений и модели, которые на нее опираются, для определения состояния земли, чтобы информировать о стратегиях смягчения последствий.
Нельсон говорит, что исследование проводилось в сотрудничестве с его лабораторией экологической спектроскопии (lecospec) в Schoodic Institute, которая финансировалась Фондом экономического развития штата Мэн, Консорциумом космических грантов штата Мэн, Национальным управлением по аэронавтике и исследованию космического пространства (НАСА) и другим университетом США.
Фонды системы штата Мэн. По словам Нельсона, исследовательская группа использовала программное обеспечение, которое он разработал вместе с Чаном и другими студентами, которое позволяет дронам и спектрометрам измерять свет в десятках или сотнях цветовых полос больше, чем обычная камера.
«Мы предполагали и продолжаем продвигать это как инструмент исследования и применения для получения данных и алгоритмов, применяемых к вопросам и проблемам в лесном, сельскохозяйственном и морском секторах экономики штата Мэн», – говорит он.