Diagnostika stavu obilnin na základě hyperspektrálního měření ve viditelné a infračervené spektrální oblasti

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00027006%3A_____%2F22%3A10175292" target="_blank" >RIV/00027006:_____/22:10175292 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Diagnostika stavu obilnin na základě hyperspektrálního měření ve viditelné a infračervené spektrální oblasti

Popis výsledku v původním jazyce

Východiskem prezentace je přítomnost interakce půda--rostliny. Výskyt stresu u rostlin může informovat o přítomnosti faktorů negativně ovlivňujících kvalitu půdy. K takovým faktorům patří například sucho, nedostatek čí nedostupnost živin nebo znečištění půdy. Posluchačům je připomenuta široká škála abiotických a biotických stresorů zemědělských plodin. Je i naznačená souvislost mezi výskytem stresu a redukci obsahu rostlinných pigmentů, zejména chlorofylu. Následně jsou uvedeny motivace pro použití hyperspektrálního měření v kontextu diagnostiky fyziologického stavu porostů. Nasleduje stručný přehled senzorů a senzorických platforem dostupných pro tento účel. Jsou zmíněná vybraná omezení těchto prostředků. Na to navazuje diskuze dostupných technických a analytických metod jejich překonání během sběru a předzpracování spektrálních dat. Posluchači mohou si pak vizuálně srovnat průběhy hyperspektrálních signatur odpovídajících porostům zasaženým stresem různé úrovně. Rozdíly jsou vysvětlený s odkazem k fyziologii rostlin. Ukázané je i přiřazení jednotlivých křivek absolutním hodnotám referenčních dat. Další část prezentace se týká predikčního modelování, které takovéto přiřazení umožňuje. Tato část zpět odkazuje k motivacím k použití hyperspektrálních měření namísto tradičního přístupu mapování stresu porostů. Je zdůrazněná velká početnost algoritmů predikčních modelů, nepřesnost získávaných výsledků a omezené možností transferu natrénovaných modelů za účelem jejich aplikace do nových podmínek. Následuje diskuze dostupných nástrojů pro zmírnění těchto problémů: použití alternativních strategii sběru referenčních dat a aplikace algoritmů předzpracování spekter. Vybrané poznatky jsou ilustrovány pomocí výsledků dvou experimentů s obilninami, na nich se podílel autor příspěvku. První experiment se tyká stanovení stupně napadení odrůd pšenice ozime fuzariózou klasů s použitím kontaktního měření spektroradiometrem. V druhým experimentu stanoveno obsah listového chlorofylu u ovsa na základě analýzy hyperspektrálních snímků pořízených z bezpilotního letadla.

Název v anglickém jazyce

Cereal crop status diagnosis from hyperspectral measurements in visible and infrared spectral region

Popis výsledku anglicky

The starting point of the presentation is the soil--plant interaction. Plant stress emergence can inform about occurrence of factors with a negative influence on soil quality. Among such factors, there are, for example drought, nutrient deficiency or unavailability, or soil contamination. The listeners are reminded about the array of abiotic and biotic crop stressors. The relationship between stress occurrence and content reduction of plant pigments, chlorophyll in particular, is mentioned. Next, motivations for the application of hyperspectral measurements are introduced in the context of physiological crop status diagnostics. A concise review of sensors and sensor platforms available for this purpose follows. Selected limitations of these means is mentioned. Available technical and analytical methods of their overcoming during spectral data pre-processing are discussed in connection to that. The listeners can subsequently visually compare patterns of hyperspectral signatures corresponding to crop stands affected by different stress levels. The differences are explained by referring to plant physiology. The assignment of the individual curves to absolute values of reference data is also shown. The following part of the presentation is devoted to predictive modelling which enables such assignment. This part again refers to the motivations of hyperspectral measurement application instead of the traditional approach of crop stress mapping. The large number of predictive model algorithms is stressed along with the imprecision of obtained results and limited possibilities of transfer of the trained models for their application in new conditions. A discussion of available means to mitigate these issues follows: the use of alternative strategies of reference data collection and application of spectral pre-processing algorithms. Selected ideas are illustrated with results of two experiments on cereals to which the author of the work contributed. The first experiment is devoted to the estimation of winter wheat infestation level with fusarium head blight using contact measurement with a spectroradiometer. In the second experiment, leaf chlorophyll content was being determined based on analysis of hyperspectral images acquired using an unmanned aerial vehicle.

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

40106 - Agronomy, plant breeding and plant protection; (Agricultural biotechnology to be 4.4)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů