APPLICATION OF UAVs IN PRECISION FARMING FOR EFFICIENCY OF AGRICULTURAL LAND USE
APPLICATION OF UAVs IN PRECISION FARMING FOR EFFICIENCY OF AGRICULTURAL LAND USE
Abstract
This work analyses the performance of unmanned aerial vehicles (hereinafter referred to as UAVs) used to determine the accuracy of land plot sizes. The relevance of the use of UAVs in precision farming technology is very significant for compiling and updating landscape data. The authors have carried out a comparative analysis of modern methods of aerial photography on agricultural land plots using remotely sensed data. Conclusions are drawn on how the accuracy of the spatial position of geopositioning images affect the photogrammetric survey of the earth's surface using UAVs and further can be the basis for precision farming in agricultural areas.
1. Введение
Точное земледелие – это новый этап развития агросферы, связанный с использованием геоинформационных систем. В настоящее время спутниковые снимки с высоким разрешением более широко используются для изучения в сельском хозяйстве, тем не менее наличие и часто высокие затраты на такие изображения предполагают альтернативный продукт для конкретного предложения в точном земледелии. В частности, изображения, сделанные платформами дистанционного зондирования (далее – ДЗ) с малой высотой БПЛА, являются потенциальной альтернативной, учитывая их низкую стоимость эксплуатации и мониторинге окружающей среды, высоким пространственным и временным разрешением, их высокой гибкостью при захвате изображений и программировании.
В мире было проведено несколько исследований по применению изображений БПЛА для точного земледелия, результаты которых указывают на то, что для обеспечения надежного конечного продукта для фермеров необходимы успехи в разработке платформ, производстве, стандартизации геопривязки изображений, а также в процессе обработки информации.
2. Потенциал применения БПЛА в сельском хозяйстве
Хотя практика по точному земледелию набирает популярность во всем мире , , использование методов ДЗ в сельском хозяйстве по-прежнему ограничено. Согласно исследованиям, системы GPS-навигации являются наиболее часто используемым методом точного земледелия. Однако применение других методов, включая технологию картирования (ГИС и ДЗ) было доказано, что оно значительно ниже.
По данным Stafford , основным драйвером точного земледелия является максимизация прибыли, и фермеры просто не уверены в экономических выгодах инвестирования в спутниковые снимки и другие пространственные продукты. Кроме того, необходимы навыки для пространственного анализа (создания карты на основе интегрированных источников данных), чего не хватает многим фермерам , . Более того, неопределенность в отношении надежности карт урожайности для управления культурами еще больше снижает их воспринимаемую ценность. Несмотря на то, что имеется несколько исследований прибыльности принятия точного земледелия , мало говорится об экономических преимуществах ДЗ БПЛА для точного земледелия .
В дополнение к отсутствию информации для фермеров относительно использования БПЛА, в предыдущих исследованиях на базе БПЛА использовались экспериментальные поля для сельскохозяйственных культур. Эти культивирования пахотных земель были специально разработаны для обеспечения идеальной культуры для экспериментов по ДЗ.
Таким образом, в настоящее время не представляется правдоподобным оценить целесообразность использования полученных БПЛА изображений фермеров в более реалистичных условиях. Однако было показано, что использование модели участия на уровне сообщества было очень успешным с использованием снимков Landsat высокого разрешения . Для БПЛА это может указывать на то, что текущие исследования практически не оказывают прямого воздействия на потенциальное применение фермерами геопространственных методов в своей практике.
3. Основные результаты
3.1. Пример использования БПЛА в сельском хозяйстве
Задача состоит в выявлении всхожести растений и подсчета количества всходов на примере: подсолнечника.
Результат: по причине низкого качества работы высевающих комплексов расстояние между всходами было нестабильное, присутствовало большое количество пропусков и двойников. Сингуляция составляла 86%. Это было обнаружено и автоматически посчитано после мониторинга с беспилотника Альбатрос М5.
Затраты: 100 кв км* (4000 +2000+2000) (полеты + ОФП + векторизация М 1:2000) = 800 тыс. р.
Экономическая эффективность: в результате после переоборудования и настройки высевающих комплексов в следующем сезоне удалось значительно повысить качество посевов и получить сингуляцию всходов 98%. Это обеспечило прибавку к урожайности 8%.
Чистая прибыль 55 млн. руб.
3.2. Способы извлечения информации из изображений БПЛА
Подобно спутниковым изображениям и аэрофотоснимкам изображения БПЛА могут применяться в зональном картографировании, используемом для количественной оценки биологических переменных и используемых для выявления аномалий в пахотных землях.
Зональное отображение может быть ключевым компонентом точного земледелия, поскольку необходима точная информация о пространственных изменениях почвы и посевов. Одним из наиболее распространенных методов зонального картирования почв является выборка грунта физических и химических свойств на основе сетки, которая потом может использоваться для пространственной интерполяции. Тем не менее в некоторых странах, например, Австралия, была разработана стратегия отбора проб почвы. Исследования показали, что данные об урожайности с аэрофотоснимков оказывались более точными, чем от традиционной геостатистической интерполяции и карт почвенного обследования. Такие карты использовались в качестве входных данных для процедур применения удобрений и других методов. Однако данные из мониторов выхода могут содержать множество источников ошибок. Следовательно, спутниковые снимки высокого разрешения были применены в качестве альтернативы для мониторинга состояния растительности и почвы. Например, была создана зональная карта с использованием NDVI (см. рис. 1), основанной на IKONOS, и было показано, что она значительно дешевле, чем карты, созданные из образцов на основе сетки. Исследователи обнаружили, что между классификационными картами, полученными из карт ДЗ и производства, наблюдаются высокие показатели корреляции. Поэтому процедура создания зональной карты, основанная на изображениях БПЛА, может предоставить чрезвычайно важную информацию для фермеров.
Рисунок 1 - Цветовая шкала индекса NDVI
Рисунок 2 - Оценка состояния ирригационной системы поля
Элементы внешнего ориентирования снимков, необходимые для их фотограмметрической обработки, определяются, в основном, методом косвенного геопозиционирования, то есть путем получения и сопоставления изображений с SfM, измерения координат связующих и опорных точек и запуска блочной фототриангуляции – Bundle Block Adjustment (BBA) . Выбор и измерение координат опорных точек с помощью GNSS-аппаратуры в большинстве случаев происходит быстро и эффективно, но, как правило, это не так в местностях с густой невысокой растительностью или в лесных районах.
За более чем десятилетие появилось множество надежных фотограмметрических рабочих процессов, позволяющих автоматически находить соответственные точки на нескольких аэрофотоснимках и использовать эти наблюдения на заключительном этапе уточнения – уравнивании блока связок. В популярном программном обеспечении для идентификации связующих точек используются стандартные методы на основе площадей или методы на основе признаков (SIFT, SURF и т. д.) в сочетании с надежными оценками для исключения возможных неправильных соответствий.
Рисунок 3 - Созданный кадастровый и топографический планы масштаба 1:1000
4. Обсуждение
БПЛА платформы представляют собой привлекательные альтернативные методы картографирования небольших площадей с разрешением в несколько сантиметров, достаточным для точного земледелия. Аэрофотоснимки, полученные с БПЛА, должны иметь точную геопривязку. Типичная аэрофотограмметрическая съёмка с БПЛА проводится вдоль линейных контуров местности. Часто используется аэротриангуляция, при которой фотоснимки объединяются в фотомозаику посредством так называемых связующих точек. Данные трехмерной модели в пространстве объектов получены с использованием нескольких наземных опорных точек (GCP) (см. рис. 4). Эти точки ограничивают модельные искажения, связанные с накоплением погрешностей, и используются для контроля качества.
Рисунок 4 - Первые четыре режима моделируемой сети с неоптимально размещенными опорными точками
Примечание: опорные точки отмечены красным
5. Заключение
Точность определения пространственного положения снимков – геопозиционирования – влияет на погрешности их фотограмметрической обработки и, как итог, на точность создаваемых цифровых моделей земной поверхности. По снимкам, полученным с беспилотных летательных аппаратов, возможно создание цифровых моделей земной поверхности высокого разрешения с точностью выше 10 см. Из этого следует, что применение ПБЛА непосредственно в некоторых случаях могут упростить процесс проведения точного земледелия на сельскохозяйственных территориях.