NED365187NED

127 Дистанционная диагностика состояния посевов по их цифровым изобра- жениям с помощью трехмерной модели представления цвета CIE L*a*b* по- зволяет оценить пространственно-временную неоднородность физиологическо- го состояния пшеницы и выявить дефицит минерального питания на ранних стадиях его возникновения. Метод количественной оценки потребности расте- ний в азоте, основанный на анализе колориметрических характеристик цифро- вых изображений посева, очень перспективен. Он обладает хорошей разре- шающей способностью и не требует существенных материальных затрат и вре- мени. Цифровые изображения могут быть получены быстро в разные сроки ве- гетации и развития растений, что позволяет осуществлять мониторинг динами- ки роста и состояния посева. Анализ колориметрических характеристик посе- вов по аэрофотографиям позволяет выделять технологические зоны и состав- лять карты-задания на дифференцированное внесение удобрений при выполне- нии подкормок в течение вегетации. Дополнительным преимуществом метода, базирующегося на анализе аэ- рофотографий посева, является возможность архивации данных и их сохране- ние в базе, которая может быть использована в будущих исследованиях. По аэ- рофотоснимкам можно количественно оценить потребность в удобрении посе- вов, занимающих значительные площади, что при выполнении наземных ис- следований чрезвычайно сложно. Список литературы 1. Kanash E.V., Osipov Yu.A. 2009. Optical signals of oxidative stress in crops physiologi- cal state diagnostics // Precision agriculture. Wageningen, Netherlands. P. 81–89. 2. Якушев В.П., Канаш Е.В., Осипов Ю.А. и др. 2010. Оптические критерии при кон- тактной и дистанционной диагностике состояния посевов // Сельскохозяйственная биология. № 3. С. 94–101. 3. Yakushev V.P., Kanash E.V. 2011. Evaluation of plants nitrogen status by colorimetric characteristics of crop canopy presented in digital images // Precision Agriculture / edited by John V. Stafford Ampthill, UK. Papers presented at the 8 th European Conference on Precision Agricul- ture 2011 Prague, Czech Republic 11–14 July 2011, pp. 341-351. 4. Kendal D., Hauser C.E., Garrard G.E. et al. 2013. Quantifying Plant Colour and Colour Difference as Perceived by Humans Using Digital Images. PLoS ONE 8(8): e72296. doi:10.1371/journal.pone.0072296. 5. Wang Y., Wang D. et al. 2014. Estimating rice chlorophyll content and leaf nitrogen con- centration with a digital still color camera under natural light // Plant Methods. 10:36. http://www.plantmethods.com/content/10/1/36. 6. Jia L., Chen X., Zhang F., Buerkert A. and Romheld V. 2004. Use of digital camera to Assess nitrogen status of winter wheat in the northern China plain. Journal of Plant Nutrition 27(3) 441–450. 7. Lee K.J., Lee B.W. 2011. Application of Color Indices and Canopy Cover Derived from Digital Camera Image Analysis to Estimate Growth Parameters of Rice Canopy // Precision Agri- culture. Ed. J.V. Stafford, Ampthill, UK. Proceeding of 8th European Conference on Precision Ag- riculture. Prague, 11-14 July 2011, pp. 111–121. 8. Якушев В.П., Канаш Е.В., Конев А.А. и др. 2010. Теоретические и методические основы выделения однородных технологических зон для дифференцированного применения средств химизации по оптическим характеристикам посева (практическое пособие). СПб.: АФИ. 60 с.