Хвойные леса составляют около 80% всех лесов России и играют важную роль в хозяйственной деятельности человека. Из-за изменения климата и увеличивающегося колебания сезонных температур страдает здоровье деревьев: их иммунитет снижается, из-за чего растет риск развития таких недугов как грибок и инфекционные заболевания. Поэтому важно отслеживать состояние хвойных насаждений, особенно в местах их массового произрастания.
Также для определения сроков заготовки древесины необходимо знать, находятся деревья в активной фазе жизнедеятельности (вегетации) или в покое. Зимой и летом определить эти фазы не составляет труда, но в межсезонье также нужно знать точные сроки перехода из одного состояния в другое, чтобы понять, готовы ли насаждения к зимним морозам, и иметь возможность планировать хозяйственные мероприятия в лесу. Однако отслеживать такие переходы сложно, поскольку хвойные леса занимают большие площади, а методы их дистанционной диагностики только разрабатываются.
Биологи из Южного федерального университета (Ростов-на-Дону) предложили оценивать состояние хвойных деревьев с помощью спектрального анализа. Специалисты снимают насаждения с помощью дронов гиперспектральной камерой, чувствительной к мельчайшему изменению цвета, а сами снимки позднее изучают в лаборатории. При этом, в зависимости от разрешения используемой камеры, этим способом можно оценивать как состояние отдельных деревьев, так и лесного массива.
Полученные кадры сравнивают с «идеальными» спектральными характеристиками здорового хвойного дерева в покое и в состоянии вегетации, определенными с помощью математического моделирования. Так, в рамках исследования заранее обученный алгоритм машинного обучения соотносил цветовую насыщенность снимков с состоянием растений. Наибольший вес при оценке алгоритм присваивал той части спектральных данных, которая отображала количество пигментов (например, хлорофилла и каротиноидов) в побегах растений. Эта характеристика была важна при анализе, поскольку недостаточная пигментация часто указывает на болезнь.
Наиболее эффективно (с точностью в 97,7%) с помощью модели удалось определить состояние плосковеточника (Platycladus orientalis), в то время как в отношении остальных видов точность составила от 92,3% до 92,9%. Это объясняется тем, что в листьях плосковеточника содержится много пигментов — хлорофилла и каротиноидов, на которые хорошо реагирует предложенная система. Из этого следует, что индексы хлорофилла и каротиноидов вносят наибольший вклад в точность диагностики.
«Новый подход позволит в режиме реального времени неразрушающим методом и дистанционно — при помощи дронов — идентифицировать состояние растений на больших пространствах. Поэтому он будет удобен для наблюдения за хвойными лесами, широко распространенными на территории нашей страны. В дальнейшем мы планируем развивать методы дистанционной диагностики состояний вегетации, покоя, акклиматизации и деакклиматизации», — рассказывает руководитель проекта Павел Дмитриев, кандидат биологических наук, старший научный сотрудник Ботанического сада Южного федерального университета.
Результаты исследования, поддержанного грантом Российского научного фонда, опубликованы в журналах Remote Sensing Applications: Society and Environment и Horticulturae.
