RU2822373C1 - Способ лесопатологической диагностики - Google Patents
Способ лесопатологической диагностики Download PDFInfo
- Publication number
- RU2822373C1 RU2822373C1 RU2023119845A RU2023119845A RU2822373C1 RU 2822373 C1 RU2822373 C1 RU 2822373C1 RU 2023119845 A RU2023119845 A RU 2023119845A RU 2023119845 A RU2023119845 A RU 2023119845A RU 2822373 C1 RU2822373 C1 RU 2822373C1
- Authority
- RU
- Russia
- Prior art keywords
- samples
- signals
- forest
- clamping device
- cross
- Prior art date
Links
- 230000001575 pathological effect Effects 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 title claims description 23
- 238000005314 correlation function Methods 0.000 claims abstract description 13
- 230000004907 flux Effects 0.000 claims abstract description 7
- 230000003595 spectral effect Effects 0.000 claims abstract description 7
- 230000008807 pathological lesion Effects 0.000 claims description 2
- 230000007170 pathology Effects 0.000 abstract description 8
- 239000000126 substance Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001338 necrotic effect Effects 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 102000010410 Nogo Proteins Human genes 0.000 description 1
- 108010077641 Nogo Proteins Proteins 0.000 description 1
- 206010040007 Sense of oppression Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000009614 chemical analysis method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- MXCPYJZDGPQDRA-UHFFFAOYSA-N dialuminum;2-acetyloxybenzoic acid;oxygen(2-) Chemical class [O-2].[O-2].[O-2].[Al+3].[Al+3].CC(=O)OC1=CC=CC=C1C(O)=O MXCPYJZDGPQDRA-UHFFFAOYSA-N 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Abstract
Изобретение относится к лесному хозяйству, в частности к лесопатологической диагностике. Выполняют подготовку образцов в виде побегов крон деревьев в вегетационный период, размещают их в светонепроницаемом зажимном устройстве. Облучают образцы через окно в зажимном устройстве диаметром 4 мм спектральным потоком в полосе 400-600 нм в импульсном режиме с регулируемой интенсивностью. Принимают отраженные от образцов сигналы спектрометром высокого разрешения, преобразовывают измеренные сигналы в цифровую форму с регулируемой дискретностью отчетов, записывают сигналы в буферное запоминающее устройство, рассчитывают функции взаимной корреляции текущего сигнала с эталонными сигналами лесопатологических образцов из базы данных, идентифицируют вид лесопатологического поражения по ширине функции взаимной корреляции на уровне 0,1 от максимального значения. Повышается достоверность конечных результатов оценки. 4 ил., 1 табл.
Description
Изобретение относится к лесному хозяйству, в частности к оперативному выявлению зон техногенного угнетения лесов, накапливания в фотосинтезирующих органах вредных поллютантов, разрушения фитопластов, уменьшения хлорофилла.
В отдельные годы, по данным лесопатологического надзора, общая площадь повреждения лесов может достигать млн га. Визуальными признаками лесопатологии являются некроз хвои, листьев, изменение окраски, уменьшение их линейных размеров, ажурность крон, усыхание ветвей, уменьшение степени охвоенности побегов, уменьшение общего объема фитомассы. Во всех случаях лесопатологического мониторинга, желательно обнаруживать лесопатоло-гические изменения на ранней стадии, чтобы своевременно проводить лесозащитные мероприятия, пока процессы не приняли необратимый характер.
Известен способ оценки состояния лесов по проценту потери хвои, ее некротического повреждения. [см., например, Шкала оценки категорий состояния насаждений, Справочник, Общесоюзные нормативы для таксации лесов, Изд. «Колос», М, 1992 г, стр. 182-185, табл. 60-62] - аналог. В известном способе выделяют пять категорий состояния 0 - (0-10)%, I - (10-25)%, II - (25-60)%, III-более 60 %, IV - отмирающие. Сильное варьирование охвоенности кроны деревьев, даже в пределах одной категории состояния, а также, невозможность точного учета некротического состояния с поверхности земли, делают данный диагностический способ недостаточно точным. Недостатками аналога, также, является:
- субъективность визуальных наблюдений;
- не выявляются скрытые, ранние, признаки патологии.
Известен «Способ ранней лесопатологической диагностики» Патент Ru № 2189732, 2002 г. - ближайший аналог. В способе ближайшего аналога, получают цифровые изображения функции яркости I(x, y) в виде матриц дискретных отсчетов (mxn)элементов в зонах R и G, вычисляют попиксельные отношения матриц R и G; составляют результирующую матрицу из этих отношений, выделяют, методами пространственного дифференцирования, контуры на результирующем изображении, рассчитывают функции фрактальной размерности изображений внутри контуров и, по численному значению фрактальной размерности, положению контуров и их площади, судят о причинах, координатах и размерах выявленной патологии.
Недостатками аналога следует считать:
- неадекватность алгоритма формирования и обработки результирующей матрицы измеряемому физическому процессу;
- не все существенные признаки лесопатологии измеряются и используются, что снижает достоверность конечных результатов оценки;
- невысокая чувствительность способа, поскольку интервал изменения фрактальной размерности составляет 0,1…0,3
Задача, решаемая заявленным способом, состоит в оперативной идентификации вида патологии путем вычисления функции взаимной корреляции текущего, отраженного от образца сигнала, с эталонным.
Поставленная задача решается тем, что способ лесопатологической диагностики включает подготовку образцов в виде побегов крон деревьев в вегетационный период, размещение их в светонепроницаемом зажимном устройстве, облучение образцов через окно в зажимном устройстве спектральным потоком в полосе 400…600 нм в импульсном режиме с регулируемой интенсивностью, прием отраженных от образцов сигналов спектрометром высокого разрешения, преобразование измеренных сигналов в цифровую форму с регулируемой дискретностью отчетов, запись сигналов в буферное запоминающее устройство, расчет функций взаимной корреляции текущего сигнала с эталонными сигналами лесопатологических образцов из базы данных, идентификацию вида лесопатологического поражения по ширине функции взаимной корреляции на уровне 0,1 от максимального значения.
Изобретение поясняется чертежами, где:
- фиг. 1 - полосы переизлучения солнечного спектра при квантовом взаимодействии с молекулами вещества;
- фиг. 2 - спектр облучения образцов (а) и спектры отражения от них (б, в, г);
- фиг. 3 - функции взаимной корреляции текущего сигнала и сигналов эталонных образцов;
- фиг. 4 - функциональная схема установки, реализующей способ.
Техническая сущность способа состоит в следующем. В процессе фотосинтеза, до 90% энергии солнечного потока превращается в биомассу. Взаимодействие солнечного света с клетчаткой происходит на молекулярном уровне. При поглощении энергии кванта молекулой, последняя переходит в возбужденное состояние с переходом на разрешенный виртуальный уровень. При всех видах возможного взаимодействия, как то поглощение, рассеяние, переизлучение, интегральный эффект состоит в смещении спектра падающего потока в его длинноволновую часть. На рисунке, фиг. 1, иллюстрируются полосы смещенного переизлучения: серия Лаймана (100…300 нм), серия Бальмера (400…650 нм), серия Пашена (610…1200 нм) [см., например, Р. Межерис, Лазерное дистанционное зондирование, перевод с англ., Мир, М, 1987 г., стр. 124, табл. 3.4, «Волновые числа комбинационного сдвига на длине волны 337,1 нм. Ниже представлены извлечения и данной таблицы:
| Тип молекулы вещества | NO2 SO2 CO2 NH3 C2H2 |
| Длина волны рассеян- ного излучения |
346,7 350,8 352,5 378,8 380,3 |
| Абсолютная величина смещения Δλ, нм |
8,6 11,7 15,4 42,7 43,2 |
В результате комбинационного рассеяния, происходит перераспределение энергии между спектральными составляющими отраженного потока. На рисунке фиг. 2 иллюстрируются спектры падающего (облучаемого) Iλ[пад]и отраженные от образцов Iλ[отр] смещенные спектры. В отраженном спектре содержится вся информация о состоянии исследуемых образцов: эффективность поглощения лучистой энергии, состояние фотосинтезирующих органов, химический состав примесей, минеральный состав питания и увлажненность почв. Подобная информация не может быть получена при визуальных наблюдениях или дистанционном зондировании.
В технике, основным методом идентификации объектов является метод сравнения. Математической процедурой сравнения служит вычисление функции взаимной корреляции В(λ1, λ2)текущего сигнала и сигнала от эталонного образца. По определению [см., например, А.М. Заездный, «Основы расчетов по статической радиотехнике», Связь издат, М, 1969 г., стр. 92-96].
При современном развитии вычислительной техники, методы корреляционного анализа (вычисление интеграла) легко реализуются специальной математической программой на ПЭВМ. Предварительно осуществляют преобразование аналоговых сигналов в цифровые посредством аналогово-цифрового преобразователя.
Программа расчета функции взаимной корреляции текущего измерения с эталонным сигналом:
program correlator;
uses crt;
const
nnI=500;
nnR=2*nnI;
T_=1.0;
Type
Imass=array[-nnR..nnR] of real;
Rmass=array[-nnR..nnR] of real;
Var
IE, IH:Imass;
REN:Rmass;
fi, fr, text;
dt:real;
nI, nR, i:integer;
procedure Int (var IE, IH:Imass; var REN:Rmass; T_, dt:real);
var I, integer;
begin
for i:=-nI to nI do
begin
REN[i]:=0;
for j:=-nI to nI do
begin
REN[i]:=REN[i]+1.0/(2*T_)*IE[j]*IH[j+i]*dt
end;
end;
end;
begin
cirscr;
assign (fi, ‘data.pas’);
reset (fi);
readln (fi, nI); nR:=2*nI;
dt:=T_/nI;
for i:=-nR to nR do readln (fi, IE[i], IH[i]);
close (fi);
for i:=-nR to nR do writeln (IE[i]:10:5, IH[i]:10-5);
Int (IE, IH, REN, T_, dt);
assign (fr, ‘rez.pas’);
rewrite (fr);
for i:= -nI to nI do writeln (fr, REN[i]:10:5);
close (fr);
end.
По измерениям образцов с известной патологией (полученных, например, методами химического анализа) создают базу эталонных сигналов, используемую при оперативной лесопатологической диагностике. Функции взаимной корреляции сигнала текущего измерения с эталонными образцами иллюстрируются графиками фиг. 3 По определению [см., например, А.М. Заездный, «Основы расчетов по статической радиотехнике», Связь издат, М, 1969 г.] значение корреляционной функции В(λ1, λ2) в нуле, есть дисперсия (мощность) процесса. Селектируемым параметром функции взаимной корреляции служит интервал корреляции (ширина
Δλ) на уровне 0,1 от максимума. Поэтому графики фиг. 3 могут быть идентифицированы как:
а) - здоровый образец (ширина Δλ=10 нм), категория состояния 0…I;
б) - образец техногенного угнетения фотосинтеза промышленными поллютантами, недостаток минерального питания (ширина Δλ=25 нм), категория состояния II…III;
в) - образец на стадии отмирания (ширина Δλ=50 нм), полное разрушение фитопластов, категория IV…V.
Пример реализации способа.
Заявленный способ может быть реализован по схеме фиг. 4. Функциональная схема содержит зажимную светоизолирующую клипсу (1) внутрь которой помещают испытываемый образец побега (2), размещенную на поверхности рабочего стола (3). Облучение образца осуществляют через окно в клипсе (1) диаметром 4 мм импульсным световым потоком с регулируемой интенсивностью посредством генератора оптического излучения (4), собранного на светодиодах (светодиодная матрица) обеспечивающих равномерность освещения поверхности образца посредством рассеивающих линз. Сдвинутый (по длине волны) сигнал флуоресценции (из-за поглощения падающего потока хлорофиллом образца) воспринимается спектрометром (5). Сигнал флуоресценции квантуется аналогово-цифровым преобразователем (6) с изменяемой дискретизацией отсчетов (в интервале от единиц ms до единиц сек) и накапливается в буферном запоминающем устройстве (7).
Обработку массивов измерений осуществляют посредством микропроцессора (8) на основе программ, записанных на жестком диске (9). Предварительно создают базу эталонных спектров сигналов (10) от образцов с известными лесопатологическими заболеваниями. Вычисление функций взаимной корреляции осуществляют посредством коррелятора (11). Управление микропроцессором (8) осуществляют посредством буквенно-цифровой клавиатуры (12) с отображением результата обработки сигналов на жидкокристаллическом дисплее (13).
Расчетные функции взаимной корреляции иллюстрируются графиками фиг. 3. Как следует из графиков, интервал корреляции Δλ текущего сигнала с эталонным составляет от 5 нм до 25 нм. Следовательно, спектральное разрешение спектрометра (5) должно составлять единицы нм. Чем выше спектральное разрешение, тем точнее результат и выше вероятность раннего обнаружения лесопатологии. На настоящий момент, существуют спектрометры высокого разрешения [см., например, «Технические предложения по ОКР «Вулкан-Астрогон», НТЦ Реагент, г.Москва, 2001 г, стр. 10-16]. Гиперспектрометр высокого разрешения Астрогон-1, спектральное разрешение 1,7 нм. Перечисленный функционал средств (1, 4, 5, 6, 7, 8, 9, 12, 13) также реализован на существующей технической базе в виде флуориметра (fluorimeter «Handy FEA» (фирма Hansatech Instruments).
Claims (1)
- Способ лесопатологической диагностики, отличающийся тем, что выполняют подготовку образцов в виде побегов крон деревьев в вегетационный период, размещают их в светонепроницаемом зажимном устройстве, облучают образцы через окно в зажимном устройстве диаметром 4 мм спектральным потоком в полосе 400-600 нм в импульсном режиме с регулируемой интенсивностью, принимают отраженные от образцов сигналы спектрометром высокого разрешения, преобразовывают измеренные сигналы в цифровую форму с регулируемой дискретностью отчетов, записывают сигналы в буферное запоминающее устройство, рассчитывают функции взаимной корреляции текущего сигнала с эталонными сигналами лесопатологических образцов из базы данных, идентифицируют вид лесопатологического поражения по ширине функции взаимной корреляции на уровне 0,1 от максимального значения.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2822373C1 true RU2822373C1 (ru) | 2024-07-04 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2189732C2 (ru) * | 2000-12-14 | 2002-09-27 | Московский государственный университет леса | Способ ранней лесопатологической диагностики |
| RU2416192C2 (ru) * | 2009-04-27 | 2011-04-20 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ определения экологического состояния лесов |
| RU2436291C1 (ru) * | 2010-04-23 | 2011-12-20 | Государственное образовательное учреждение высшего профессионального образования "Московский Государственный Университет Леса" (ГОУ ВПО "МГУЛ") | Способ ранней лесопатологической диагностики |
| RU2588179C1 (ru) * | 2015-01-29 | 2016-06-27 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Способ определения дигрессии надпочвенного покрова в арктической зоне |
| CN110114800A (zh) * | 2016-12-29 | 2019-08-09 | 亚拉国际有限公司 | 用于确定植物状态的手持设备和方法 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2189732C2 (ru) * | 2000-12-14 | 2002-09-27 | Московский государственный университет леса | Способ ранней лесопатологической диагностики |
| RU2416192C2 (ru) * | 2009-04-27 | 2011-04-20 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ определения экологического состояния лесов |
| RU2436291C1 (ru) * | 2010-04-23 | 2011-12-20 | Государственное образовательное учреждение высшего профессионального образования "Московский Государственный Университет Леса" (ГОУ ВПО "МГУЛ") | Способ ранней лесопатологической диагностики |
| RU2588179C1 (ru) * | 2015-01-29 | 2016-06-27 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Способ определения дигрессии надпочвенного покрова в арктической зоне |
| CN110114800A (zh) * | 2016-12-29 | 2019-08-09 | 亚拉国际有限公司 | 用于确定植物状态的手持设备和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Wavelength selection of the multispectral lidar system for estimating leaf chlorophyll and water contents through the PROSPECT model | |
| Berry | 3.10 solar induced chlorophyll fluorescence: Origins, relation to photosynthesis and retrieval | |
| Jia et al. | Estimation of leaf nitrogen content and photosynthetic nitrogen use efficiency in wheat using sun-induced chlorophyll fluorescence at the leaf and canopy scales | |
| Bergsträsser et al. | HyperART: non-invasive quantification of leaf traits using hyperspectral absorption-reflectance-transmittance imaging | |
| Köhler et al. | Assessing the potential of sun-induced fluorescence and the canopy scattering coefficient to track large-scale vegetation dynamics in Amazon forests | |
| US7112806B2 (en) | Bio-imaging and information system for scanning, detecting, diagnosing and optimizing plant health | |
| Romero et al. | Modeling re-absorption of fluorescence from the leaf to the canopy level | |
| Ryu et al. | Testing the performance of a novel spectral reflectance sensor, built with light emitting diodes (LEDs), to monitor ecosystem metabolism, structure and function | |
| CN109187417B (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
| Oumar et al. | Predicting Thaumastocoris peregrinus damage using narrow band normalized indices and hyperspectral indices using field spectra resampled to the Hyperion sensor | |
| CA3132824A1 (en) | Remote sensing of plant photosynthetic capacity | |
| Peng et al. | Using remotely sensed spectral reflectance to indicate leaf photosynthetic efficiency derived from active fluorescence measurements | |
| Yang et al. | Accurate identification of nitrogen fertilizer application of paddy rice using laser-induced fluorescence combined with support vector machine. | |
| RU2822373C1 (ru) | Способ лесопатологической диагностики | |
| Johansson et al. | Remote fluorescence measurements of vegetation spectrally resolved and by multi-colour fluorescence imaging | |
| Julitta | Optical proximal sensing for vegetation monitoring | |
| Upadhyay et al. | Revisit and optimisation of spectral data collection techniques from vegetation using handheld non-imaging spectroscopic sensor for minimising errors | |
| Stamford et al. | Spectral reflectance measurements | |
| Yasir et al. | Spectral index for estimating leaf water content across diverse plant species using multiple viewing angles | |
| SCHMUCK | Applications of in vivo chlorophyll fluorescence in forest decline research | |
| SAITO et al. | Remote sensing of plant fluorescence spectrum and lifetime by laser-induced fluorescence lidars | |
| Berry et al. | Collaborative research on ecophysiological controls on Amazonian precipitation seasonality and variability | |
| Ren et al. | Inversion of plant functional traits from hyperspectral imagery enhances the distinction of wheat stripe rust severity | |
| Sui et al. | Plant health sensing system for in situ determination of cotton nitrogen status | |
| Menesatti et al. | Non-destructive proximal sensing for early detection of citrus nutrient and water stress |