Целевое назначение навесов для дачи

Навесные постройки, сооруженные своими руками могут быть временными и постоянными, которые объединяет основная функция, заключающаяся в защите определенной территории от погодных условий.

Они помогают укрыть от дождя или ветра, палящего солнца и даже снега определенные постройки или функциональные зоны, современный рынок предлагает большое разнообразие видов навесов:

• открытые. По конструкции такие сооружения представляют собой несколько опор вертикальной ориентации с легкой крышей из различных материалов, оп периметру можно установить перголы или высадить зеленые насаждения;
• полузакрытые. Для их обустройства чаще всего используются каркасные сооружения со стационарной кровлей и боковыми парапетами, в качестве защитных элементов для проемов используются различные износостойкие стройматериалы;
• закрытые. Стационарные постройки с застекленными проемами или обшитыми разнообразными листовыми полотнами из ПВХ, металлочерепицы, поликарбонатом и другими основами с повышенной влагостойкостью.

Навесные архитектурные формы для уличного использования в зависимости от места расположения могут быть пристроенными и отдельно стоящими, вид возводимого сооружения определяется ее целевым назначением.

Практичное использование защищенного от непогоды и неблагоприятных погодных условий пространства, расположенного под навесом позволяет грамотно зонировать участок, навесные постройки могут применяться для:

• крытой стоянки автомобиля. Личный транспорт защищается от длительного нахождения под прямыми солнечными лучами или от падающих с деревьев листьев, сезонных осадков;
• оформления входной группы. Декоративные постройки украшают входную группу, создают эстетическую композицию за счет комбинации декоративной и стилистической отделки;
• укрытия мангала или гриля. Металлические и кованые элементы на длительное время сохранят свой привлекательный внешний вид и функциональность при предпринятых мерах защиты;
• защиты парников или оранжерей. Предотвращение перегрева и излишней солнечной активности поможет обеспечить нормальный рост и развитие растительности в тепличных условиях;
• обустройства бассейна и террасы. Открытое пространство для отдыха с дополнительным обустройством станет любимым местом проведения свободного времени для всей семьи;
• открытых детских игровые зоны. Обеспеченная безопасность детей дает возможность малышам больше времени проводить на воздухе и под открытым небом без вреда для здоровья;
• поленницы для хранения дров. В поленницах хранятся заготовленные пиломатериалы для каминов, печей, мангалов с необходимостью защитить их от осадков и сохранить свойства древесины.

До того как сделать навес своими руками необходимо тщательно проработать будущий проект и подобрать необходимые строительные и декоративные, функциональные материалы для его оформления.

Практичные хозяева готовятся заранее к возведению таких сооружений, обеспечивая им длительный срок эксплуатации надежной и устойчивой постройки на своем дачном участке, приусадебной территории или рядом с домом.

Выбор строительных и отделочных материалов для навесов

Дорогостоящие навесные сооружения можно приобрести в готовом виде и заказать не дешевый монтаж у специалистов, или самостоятельно составить проект и подобрать лучший вариант для обустройства своей дачной территории.

Прочное и устойчивое основание или каркас для навеса можно сделать из разнообразных полотен, используя подручные средства или покупные стройматериалы, чаще всего отдается предпочтение таким стройматериалам:

• бревна из натуральной древесины или надежно скрепленные доски, брус из разных пород дерева;
• надежный металл хорошо поддающийся свариванию и обработанный защитными средствами;
• практичный натуральный или искусственный камень, для закрепления которого используется цемент.

Кроме вертикальных опор конструкция состоит из крыши, для которой можно использовать еще больше материалов, благодаря современным технологическим разработкам и большому разнообразию предложений на рынке.

Самостоятельно выбирая из чего сделать навес, можно позаимствовать идеи изучив постройки, продающиеся в сборке для последующего монтажа, или использовать привычные и недорогие расходники:

• влагостойкая ткань или тент. Плотные полотна эстетично смотрятся и отлично защищают от солнечных лучей и порывов ветра;
• износостойкий поликарбонат. Придает навесу современный и оригинальный вид, легко моется и очищается от любых загрязнений;
• профильный лист или черепица. Красивые навесы из профиля отличаются богатым разнообразием архитектурных решений;
• мягкая черепица и рубероид. Выпускается в разнообразных цветовых и оттеночных решениях, украшает собой ландшафтную композицию.

Подобрав лучшее решение для оформления конструкции можно самостоятельно соорудить красивый и функциональный навес над крыльцом загородного дома, зоной отдыха в саду или над качелями и игровой площадкой.

Самостоятельное строительство необходимо производить согласно общепринятой технологии, с обязательным соблюдением техники безопасности, все этапы тщательно продумываются, что гарантирует значительную экономию времени.

Технология и этапы возведения навеса

Остановившись на окончательном варианте оформления придомовой территории необходимо спланировать дальнейшую деятельность и изучить этапы и строительную технологию возведения защитных конструкций.

Проще всего будет пристроить навес к дому, как лучшее решение для экономии средств на расходные строительные материалы и собственного времени, необходимого для сооружения функциональной и практичной постройки.

Сама простым вариантом навеса станет конструкция из доступных по стоимости и простых в обработке материалов, рассматривая отдельно стоящие сооружения лучше выбирать те, которые не требуют обустройства фундамента.

Перед началом строительства необходимо тщательно продумать расположение навесного сооружения на участке и подобрать те строительные и декоративные материалы, которые позволят сделать самостоятельно красивый и практичный навес.

Фото навеса своими руками

Пост опубликован: 24.11

Навесы из поликарбоната | ЯрСовТех

НАВЕСЫ ИЗ ПОЛИКАРБОНАТА

Навесы из поликарбоната различного назначения заняли важное место в обустройстве населённых пунктов и загородных участков.Городское хозяйство невозможно представить без арочных навесов для автостоянок, без навесов для остановочных комплексов, без козырьков и навесов из поликарбоната перед торговыми центрами и медицинскими учреждениями.  Загородные участки дополняют перечень применения навесов из поликарбоната: арочные навесы для личного автотранспорта, навесы из поликарбоната для бассейнов, навесы для мест отдыха, навесы как часть аллей, оранжерей и детских площадок.

НАВЕСЫ ИЗ ПОЛИКАРБОНАТА — С ЧЕГО НАЧАТЬ?

Индивидуальный подход к проектированию привёл к огромному разнообразию конструкций навесов. Лидером по применению считаются арочные навесы. Известно, что арка – это дугообразное, криволинейное перекрытие. Возможно, что используемые нами названия типов конструкций, относятся к упрощённым определениям.

СТОИМОСТЬ АРОЧНЫХ И ДРУГИХ ТИПОВ НАВЕСОВ расчитывается по площади закрытия.

Вы планируете мооружение навеса и вероятнее всего уже знаете каким он должен быть — примеров оригинальных и надежных навесов множество. Тем не менее мы предлагаем ознакомиться с некоторыми типами навесов. Навес из поликарбоната — это, конечно, красиво и всегда современно, но иногда уже и обыденно. Мы предлагаем не только разнообразить конструкции нивесов, но и добавить им функциональности — сделать вечернее освещение, гармонично вписать подвод воды для легкой мойки или оформить небольшое место для отдыха. Типы навесов представлены на примере навесов для автомобилей. При строительстве навесов важной задачей является подготовка места стоянки автотранспорта на загородном участке.

ТИПЫ НАВЕСОВ ИЗ ПОЛИКАРБОНАТА

Арочные навесы из поликарбоната

Арочные конструкции навесов — одни из самых распространённых и многофункциональных навесов. Чаще всего их используют для укрытия авто и мототехники. Жёсткость арок обеспечивают одной металлической дугой, двумя параллельными дугами, двумя дугами с различными радиусами или дугой со связывающей балкой.  Небольшие навесы устанавливают на 4-6 столбах-стойках.  При необходимости дополнительную жёсткость можно придать строению, соединив между собой верхние части стоек.  Размеры арочных навесов выбирают в зависимости от функционального назначения закрываемой площади.  Несущие стойки через металлические пластины крепят к заранее подготовленным площадкам на плотном грунте, на бетонном основании или специальной металлической конструкции. Вариантом установки стоек могут служить винтовые сваи. Винтовые сваи специально монтируются для крепления стоек или сваи являются элементами конструкции стояночной площадки. Винтовые сваи выдерживают значительные сдавливающие нагрузки и, что особенно важно при установки навесов, выдёргивающие нагрузки.  Винтовой узел сваи играет роль мощного анкера.  Навесы, установленные на винтовые сваи, надёжны и прочны.

Навес односкатного типа

Односкатные навесы применяют на ограниченном пространстве, используя примыкание верхней части навеса к имеющимся сооружениям – стенам домов, заборам, перегородкам и т.п. Преимуществом арочных навесов является практически полное отсутствие снега на кровле. При проектировании односкатных навесов обязательно следует учитывать снеговую нагрузку. Снеговые покровы, в Московском регионе и в близлежащих областях, Ярославской, Ивановской, Тверской, Нижегородской, могут быть весьма значительными. Нагрузка от них достигает 200кг/м2, поэтому односкатные навесы должны иметь достаточную конструктивную прочность. Для небольших навесов,  с большим углом ската крыша может быть выполнена в виде плоской конструкции. В большинстве случаев для установки крыши используют фермы, опирающиеся на стойки. Прочность достигается наличием на фермах большого числа элементов жёсткости.

Навесы двускатные

 Навесы из поликарбоната двускатные могут быть предсказуемым продолжением здания с двускатной крышей.   Строения,  в том числе и навесы, заканчивающееся двускатной крышей, при небольших углах ската должны проектироваться с учётом снеговых нагрузок. Дополнительным оформлением данных навесов могут стать арочные элементы по переднему и заднему фасадам. Арочные конструкции не только обеспечат требуемую прочность навесам, но и придадут оригинальность и неповторимость внешнему виду.  Установка навесов из поликарбоната на подготовленную бетонную площадку наиболее простой и надёжный вариант.  При значительной толщине бетона можно использовать анкерные болты для установки стоек.  В других случаях  в местах стоек делают усиление бетона с установкой закладных элементов. Для закрытия достаточно больших площадей можно использовать два двускатных навеса, соединенных в единую конструкцию.  Впадина между двумя вершинами на двускатных навесах является самым опасным местом с точки зрения скапливания снега и отвода дождевой влаги.  Нижние части встречных скатов крыш дополнительно усиливают, а дождевую и талую влагу отводят закреплёнными снизу желобами.

Составные арочные навесы из поликарбоната

 Вариантом составных арочных навесов могут быть укрытие для автотранспорта и места прохода в здание. Две или несколько арочных конструкций сооружаются как единое целое с общей конструктивной решёткой.  В местах соединения арок должен быть предусмотрен отвод дождевой и талой воды. Лёгкое полупрозрачное, арочное закрытие не вызывает чувства пространственного стеснения или отсутствия свободы, и вместе с тем будет надёжной защитой от непогоды или палящих лучей солнца. Лучшим фундаментом для навесов из поликарбоната считается использование винтовых свай.  Винтовые сваи выдерживают значительные сдавливающие и выдёргивающие нагрузки. Навесы из поликарбоната лёгкие сооружения и не требуют больших площадей основания фундамента, а вот серьёзные выдёргивающие нагрузки, вследствие высокой парусности крыши,  приводят к необходимости использования винтовых свай.  Винтовая свая, установленная в грунт, представляет собой мощный анкерный элемент. Винтовые сваи производят широкой номенклатуры,  с различными размерами по диаметру несущей трубы, диаметру опорного винта и по длине.  Подобрать необходимую винтовую сваю не составит труда. Монтаж их также не сложен.  Конструкция основания на  винтовых сваях для любого навеса будет надёжной опорой.

Переносные навесы из поликарбоната

Весомым преимуществом навесов, сделанных на металлическом каркасе и покрытых сотовым поликарбонатом, является их незначительный вес и возможность перемещения на новое место. Если место стоянки автотранспорта на загородном участке не определено  или необходимо, допустим, на период проведения строительных работ, сделать временное пристанище для автомашины, сооружают переносные навесы.  Конструкцию переносного навеса можно сделать в окончательно запланированном виде – с арками, с элементами художественной ковки, с освещением и т.п.  Стойки навеса понизу связывают между собой профильной трубой.  С жёстко закреплёнными стойками навес можно передвигать в любое место.  Связывающие профильные трубы, небольшого размера в сечении, не помешают заезду автотранспорта.  После окончания всех строительных работ навес перемещают в необходимое место, связывающие элементы устраняют, стойки навеса крепят к опорным пластинам на подготовленных площадках паркинга.

Волнообразные навесы из поликарбоната

 Навесы  волнообразного типа считаются одними из самых красивых и оригинальных. При проектировании таких навесов следует помнить о нагрузочной способности сотового поликарбоната,  а расчёт металлического каркаса  вести с учётом  всей массы возможного снегового покрова. Толщина сотового поликарбоната, используемого для навесов, составляет 6-16мм.  Для арочных навесов применяют поликарбонат 6-10мм. толщины.  Для  скатных и волнообразных навесов из поликарбоната толщина покрытия обычно бывает чуть больше – от 8 и до 16мм.  Волнообразные  фермы устанавливают на несколько рядов стоек.  В случае установки стоек только по краям,  конструкции ферм усиливают и увеличивают их количество. Волнообразные навесы могут выполнять функции защиты автотранспорта и прикрытия дорожки-прохода в жилое помещение.   В другом варианте малая волна навеса из поликарбоната может прикрывать небольшое место отдыха или место для автомобильного инвентаря.

Консольные навесы из поликарбоната

Консольные навесы используют в случае ограниченного пространства на участке или когда требуется заезд-выезд автотранспорта с трёх сторон. Асимметрия консольной конструкции подталкивает к дополнительному оформлению навеса из поликарбоната – установке асимметричного освещения, применения элементов художественной ковки, дополнительного ограждения плоскости расположения опор. Для обеспечения жёсткости конструкции опоры выполняют в виде двух, связанных между собой, стоек.  Радиус крыши выбирают с учётом возможности максимального схода снега. Такие навесы лучше располагать на относительно закрытых местах участков – при наличии на крыше снега, мощный ветер может привести к расшатыванию сооружения.  Оригинальный вид консольного навеса вызывает интерес к использованию на загородных участках.

Сборные навесы из поликарбоната

 Из двух, а иногда и нескольких навесов, можно сооружать сборные навесы.  Сборные навесы из поликарбоната строят не столько для создания дополнительной, закрываемой площади, сколько для придания конструкции необычного внешнего вида.  Если сборный навес сооружается из консольных конструкций, то обеспечивается требуемая жёсткость каждой конструкции.  Элементы, связывающие отдельные конструкции, чаще всего служат внешним оформлением навеса из поликарбоната, а не дополнительный узлом жёсткости.  Сборные конструкции можно устанавливать со смещением как в ширину, так и в длину стояночной площадки. Нижнею часть навеса можно делать чуть длиннее.  Варианты работы с двумя конструкциями могут привести к совершенно новым и неповторимым сооружениям.

Запасные части и соединители | Навесы и брезент

В Canopies and Tarps мы производим наши собственные фитинги из оцинкованной стали, обеспечивая высочайшее качество по самой низкой цене. Таблица подгонки расположена внизу страницы, чтобы помочь вам определить, какие детали вам нужны.

Фитинги навеса доступны, чтобы дать вам возможность построить свою собственную конструкцию навеса. Выбирайте между плоскими крышами, скатными крышами и крышами с низким, средним или высоким пиком. Хотя вы можете купить комплект навеса со всеми деталями, вы также можете спроектировать собственный навес, чтобы получить размер и размеры, соответствующие вашей ситуации.Приобретите нашу линейку комплектных переносных навесов для гаражей и навесов или посетите нашу страницу с диаграммами навесов и узнайте, как спроектировать и построить свою собственную каркасную конструкцию палатки.

Если у вас уже есть купол и вам нужна запасная часть, вы можете найти определенные детали, которые будут работать с индивидуальными конструкциями купола или комплектами купола. Найдите нужные вам детали в большом разнообразии фитингов, которые работают с низкими и высокими пиками. и плоские конструкции крыш. Каждый компонент изготовлен нами из оцинкованной стали и имеет рым-болты для крепления.Фитинги – это необходимая часть любого навеса для машины, переносного гаража или сарая. Эти агрегаты могут быть приобретены в виде полного набора или изготовлены с использованием стальных труб и фитингов из нашего ассортимента, чтобы создать индивидуальную конструкцию, соответствующую вашим потребностям.

Форма козырька определяется шагом или углом соединительного фитинга. Конструкция с низким пиком имеет угол установки 102 градуса и идеально подходит для ситуаций, требующих минимального пространства, таких как блошиный рынок или уличный своп.Высокий угол установки был специально разработан для регионов с сильным снегопадом и дождем. Фитинг с высоким козырьком имеет угол 120 градусов и легко удаляет скопившийся снег. Крутой уклон является важным фактором устойчивости каркаса навеса в зимних условиях. Площадка позволяет дождю и снегу стекать с крыши. Без смолы снег или вода утяжелили бы крышу и разрушили бы конструкцию. Плоская крыша имеет угол наклона 90 градусов, и, хотя это не идеальный навес для зимних условий, плоский угол крыши идеально подходит для летних занятий и садовых питомников.

При выборе запасных фитингов для существующей рамы навеса важно измерить внешний диаметр трубы и следовать приведенной выше таблице. Все наши фитинги для замены навесов предназначены для использования со стандартными трубами ограждения, которые можно приобрести в любом местном магазине оборудования или принадлежностей для ограждений. Кроме того, все наши полные комплекты навесов продаются с использованием одной и той же стандартной трубы ограждения, что упрощает замену. Покупка нестандартных сборок и заменяемых компонентов не вызывает беспокойства.Знайте, что вы всегда можете найти запасные части для конструкции вашего навеса.

Границы | Разработка и проверка методологии оценки структуры растительного покрова картофеля для фенотипирования полевых культур и улучшенной селекции

Введение

Картофель ( Solanum tuberosum L.) является четвертой по значимости продовольственной культурой в мире и считается одной из самых урожайных культур среди основных пищевых продуктов (Birch et al., 2012). Ожидается, что для того, чтобы прокормить растущее население в меняющихся климатических условиях, спрос на высокоурожайные и устойчивые к стрессу сорта (Birch et al., 2012). В то время как, с одной стороны, селекционеры и биотехнологи сосредоточились на разработке и селекции сельскохозяйственных культур для достижения более высоких урожаев и качества, с другой стороны, целью является поддержание продуктивности сельского хозяйства в меняющихся условиях окружающей среды путем борьбы с абиотическими и биотическими стрессами.

Селекционные программы традиционно ориентированы на коммерчески важные признаки, главным из которых является урожайность. Было показано, что продуктивность растений, наряду с экономической урожайностью, прочно связана с характеристиками, связанными с ростом и развитием растений.К ним относятся архитектура растений, структура листьев и архитектура сосудов как некоторые из основных характеристик, определяющих общую продуктивность урожая (Mathan et al., 2016). Таким образом, чтобы удовлетворить растущий спрос на высокоурожайные и стрессоустойчивые культуры, необходимо расширить селекционные программы, включив в них признаки, связанные с ростом и развитием растений (Prashar et al., 2013; Yang et al., 2017). Конструирование признаков развития и роста с целью улучшения продуктивности и урожайности растений требует глубокого понимания лежащей в основе генетики, что может быть связано с количественной фенотипической оценкой.За последние несколько десятилетий произошли серьезные разработки в области геномных технологий и технологий генотипирования, позволяющих быстрее и дешевле создавать полные генетические профили (Wang et al., 2018), но, несмотря на эти достижения, существует несколько программ селекции с помощью геномики.

Одним из основных текущих ограничивающих факторов в современных селекционных программах является получение крупномасштабной фенотипической оценки в естественных условиях в полевых условиях на предмет продуктивности. Большинство этих оценок до недавнего времени проводилось в контролируемой среде (Anithakumari et al., 2011; Хан и др., 2015). Однако результаты в таких условиях могут плохо предсказать, что происходит в полевых условиях (Prashar and Jones, 2014; Williams et al., 2017; Yang et al., 2017). Кроме того, в таких исследованиях часто используется только небольшое количество генотипов, и поэтому они могут не выявить локусы количественных признаков (QTL) с небольшой величиной эффекта. Кроме того, более высокая точность сбора фенотипических данных позволяет повысить точность отбора при селекции, которая является функцией наследуемости, которая увеличивается с увеличением воспроизводимости и, следовательно, также увеличивается скорость генетического прироста (Araus et al., 2018). Поэтому фенотипическая оценка для генетического изучения характеристик, связанных с производительностью, требует крупномасштабных полевых исследований (Prashar et al., 2013; Prashar and Jones, 2014) с участием больших генетических популяций (Furbank and Tester, 2011; Lopes and Reynolds, 2012). Однако потребность в фенотипической оценке в настоящее время является одним из основных препятствий как в исследованиях ассоциации генотип-фенотип, так и в крупномасштабных программах селекции.

Текущие методики фенотипирования очень трудоемки и требуют много времени, а потому непрактичны для крупномасштабных полевых исследований.Кроме того, в зависимости от измеряемого признака они могут быть неточными, непоследовательными и подверженными смещению оценок пользователей (Friedli et al., 2016; Jimenez-Berni et al., 2018; Wang et al., 2018). Например, индекс площади листа (LAI) и почвенный покров (GC) – это две характеристики, часто используемые при мониторинге роста растений (Khurana and McLaren, 1982; Boyd et al., 2002), при этом для большинства моделей прогнозирования урожайности картофеля требуется по крайней мере одна из эти (Haverkort et al., 2015; Raymundo et al., 2017). Традиционные методы, такие как использование сеток для оценки GC или методы на основе перехвата света для оценки LAI, трудоемки и требуют много времени (Khurana and McLaren, 1982; Boyd et al., 2002). Эти проблемы ограничивают мониторинг небольшими выборочными участками, которые могут неточно отражать неоднородность сельскохозяйственных полей. Это серьезно ограничивает высокую точность и точность, которые требуются в современном сельском хозяйстве, не только для снижения затрат ресурсов и, следовательно, воздействия на окружающую среду, но и для ускорения генетического выигрыша за счет повышения наследуемости и, следовательно, точности отбора (Araus et al., 2018). В качестве возможного решения этих ограничений были предложены методы дистанционного зондирования для количественной оценки и обнаружения стресса (Prashar et al., 2013; Фридли и др., 2016; Ян и др., 2017; Хименес-Берни и др., 2018; Wang et al., 2018).

Подходы к зондированию, используемые для фенотипирования признаков сельскохозяйственных культур и мониторинга сельскохозяйственных культур, включают спутниковые системы, пилотируемые самолеты или беспилотные летательные аппараты (БПЛА), связанные с системами, а также инструменты зондирования, устанавливаемые на тракторах. Спутниковое дистанционное зондирование позволяет одновременно контролировать большие площади и в последние годы претерпело значительные улучшения, особенно в отношении пространственного разрешения и увеличения охвата за счет добавления низкоорбитальных спутников.Тем не менее, ему все еще часто не хватает пространственного разрешения, необходимого для точного и детального фенотипирования полога относительно небольших участков. Спутники также ограничены сбором данных или наблюдениями в фиксированное время, которое может не соответствовать потребностям фенотипирования, и облачностью, что может препятствовать сбору данных в это время (Berni et al., 2009; Matese et al., 2015). В последние десятилетия технология БПЛА стала более точной и, что немаловажно, более доступной. Он способен контролировать сельскохозяйственные поля с большей гибкостью и более высоким пространственным разрешением за короткий период времени (Matese et al., 2015; Ян и др., 2017). Характер и объем данных, которые будут собираться с помощью БПЛА, зависят от типа используемого датчика (Yang et al., 2017). Датчики RGB позволяют не только визуально оценивать выбранные участки, но также оценивать черты, влияющие на развитие растений, на основе данных облака точек, таких как цвет листьев, высота растений, покрытие кроны и трехмерная структура растений. Датчики ближнего инфракрасного диапазона (NIR) позволяют оценивать различные индексы растительности, которые можно использовать для оценки биомассы, содержания азота и обнаружения болезней, в то время как тепловые датчики полезны для понимания стресса и оценки состояния воды (Yang et al., 2017; Чжэн и др., 2018; Roitsch et al., 2019). За счет комбинированного использования различных типов датчиков можно более эффективно и объективно оценивать многочисленные характеристики, с возможностью проведения временных исследований с более частыми точками сбора данных, что позволяет создавать точные модели роста и развития (Prashar et al., 2013; Friedli et al., 2016; Yang et al., 2017; Jimenez-Berni et al., 2018; Wang et al., 2018).

С изображениями, полученными оборудованием БПЛА с использованием различных датчиков (RGB, мультиспектральных и / или гиперспектральных), данные облака точек структуры по движению (SfM) были использованы для понимания роста и развития растений.Ранние применения этого метода включают искусственные монокультуры (например, сады) и разнообразные биомы (например, лесное хозяйство), которые имеют много общих проблем, включая ресурсоемкий мониторинг больших территорий и понимание неоднородности кроны деревьев. Например, комбинация датчиков RGB и NIR была использована для разработки методики объектно-ориентированного анализа изображений для автоматического расчета высоты дерева, покрытия кроны и объема отдельных оливковых деревьев (Torres-Sánchez et al., 2015), а также чтобы оценить влияние различных методов обрезки на рост оливковых деревьев (Jiménez-Brenes et al., 2017). Системы на основе БПЛА также продемонстрировали потенциал для оценки биоразнообразия цветов (Getzin et al., 2012) и для создания быстрой и точной переписи лесов (Mohan et al., 2017). Однако применение в сельском хозяйстве в основном ограничивалось зерновыми (Bendig et al., 2013, 2014, 2015; Holman et al., 2016; Jin et al., 2017) и хлопком (Xu et al., 2019). Что касается картофеля, изображения, полученные с помощью БПЛА, использовались для оценки всхожести растений (Sankaran et al., 2017; Li et al., 2019) и оценки серьезности заболевания (Sugiura et al., 2016; Franceschini et al., 2017). Однако опубликованных исследований, касающихся структуры растений, включая архитектуру и развитие растительного покрова, в полевых условиях не проводилось.

В этой статье оценивается использование недорогой системы БПЛА, в основном в виде ресурсов изображений RGB и полученных наборов данных, для понимания роста и развития растений картофеля в естественных полевых условиях. Наборы данных изображений из этой системы используются для разработки новой методологии количественной оценки параметров роста растительного покрова и оценки изменчивости растительного покрова посредством разработки моделей роста и развития сельскохозяйственных культур с проверкой с использованием наборов наземных достоверных данных.Эта методология позволяет проводить количественную оценку признаков и моделировать параметры роста и развития картофеля, что может обеспечить высокопроизводительное фенотипирование признаков растительного покрова для интеграции с крупномасштабными наборами генетических данных и, следовательно, для улучшения будущих программ селекции картофеля.

Материалы и методы

Заводские материалы и план поля

Данные, использованные в этой статье, являются частью большого исследования, проведенного на ферме Наффертон, Ньюкаслский университет, Соединенное Королевство, с полевыми испытаниями при 54 ° 59′12.0 ″ N 1 ° 53′33,9 ″ W / 54,986655, −1,892751 и 54 ° 58′51,3 ″ N 1 ° 53′56,5 ″ W / 54,980924, −1,899018, в 2017 и 2018 годах соответственно. В общей сложности 297 сортов картофеля ( Solanum tuberosum L.), которые составляют значительную часть группы ассоциации тетраплоидных сортов, доступной в Институте Джеймса Хаттона (Sharma et al., 2018), были посажены в апреле 2017 г. и мае 2018 г. Схема эксперимента состояла из двух повторяющихся блоков для каждой из двух систем управления (органической и традиционной), всего 4 блока.Каждый блок состоял из 6 рядов, расположенных на расстоянии 90 см друг от друга, по 50 делянок в ряду. На каждом делянке было по 3 растения одного сорта, посаженных на расстоянии 35 см друг от друга. Расстояние между участками в каждом ряду составляло 90 см. Чтобы минимизировать краевые эффекты, вокруг каждого блока был посажен ряд охранных растений. Как обычные, так и органические испытания проводились с использованием соответствующих стандартных методов ведения.

Параметры полета БПЛА

полетов БПЛА было выполнено в сотрудничестве с Survey Solutions Scotland с использованием БПЛА UX5 HP с неподвижным крылом (Trimble, Саннивейл, Калифорния, США).UX5 HP использует кинематические методы постобработки Глобальной навигационной спутниковой системы (GNSS) для определения траектории БПЛА. Изображения были получены с помощью полнокадровой 35-мм RGB-камеры Sony α7R 36MP с изготовленным на заказ объективом Voigtlander 35 мм. 35-миллиметровый объектив был выбран для обеспечения расстояния от земли до образца 1,0 см (GSD) на высоте 75 м над уровнем земли (AGL), а также предлагал размеры пикселей до 4,9 мкм, чтобы максимизировать отношение сигнал / шум и динамический диапазон при сохранении доступность. Учитывая важность объема купола в этом исследовании, для изображений был выбран датчик БПЛА с глобальным, а не скользящим затвором, поскольку это значительно снижает шум на изображениях, что приводит к гораздо более чистым и точным результатам.Данные были собраны на высоте 75 м с перекрытием на 85% (как спереди, так и сбоку) между соседними изображениями. Номинальная скорость полета составляла 85 км / ч, поэтому высота полета была ограничена 75 м над уровнем земли, чтобы минимизировать искажение изображения из-за размытия движения. Подробная информация о сроках полета и их связи с развитием растительного покрова через несколько дней после посадки приведены в таблице 1.

Таблица 1. Посадка и расписание полетов БПЛА для оценки характеристик растительного покрова картофеля.

Анализ изображений и данных

Изображения, полученные с помощью БПЛА, были обработаны и проанализированы с помощью программного обеспечения Trimble Business Center (TBC) версии 4.1 и 5.0 для наборов данных за 2017 и 2018 годы соответственно (Trimble, Саннивейл, Калифорния, США). Это включает в себя последующее использование привязки к опорным точкам, создание данных облаков точек, создание цифровых моделей поверхности, ручное разграничение участков, вычисление разностных моделей и сбор данных о растительном покрове, например, о покрытии и объеме растительного покрова (более подробная информация представлена ​​в следующих разделах). Очистка данных о высоте растений, последующий статистический анализ (регрессия и корреляция) и другая обработка данных проводились в R (R: Project for Statistical Computing, The R foundation) с использованием следующих пакетов: dplyr, ggplot2, gridExtra, Hmisc, plotrix, plyr, SDMtools, tidyr, tidyverse (Lemon, 2006; Wickham, 2011, 2016; Vanderwal et al., 2014; Wickham et al., 2015, 2019; Батист, 2017; Уикхэм и Генри, 2019; Харрелл, 2020).

Предварительная обработка данных БПЛА

Обработка траектории БПЛА

Необработанные данные GNSS были записаны в БПЛА UX5 HP бортовым 336-канальным приемником GNSS с несколькими созвездиями, которые загружаются в конце полета и обрабатываются на местной базовой станции, расположенной в пределах нашей зоны полета. Местоположение локальной базы было установлено путем обработки локальной базы с помощью CORS (постоянно действующие опорные станции), получая 1 часовые данные RINEX, которые предоставляют данные GNSS на опорных станциях, согласованных в ETRS89 (ETRF2009.756). Обработка данных о местной базовой станции относительно известной CORS (OSNet) помогает в установлении местоположения местной базы для каждого полета БПЛА и обеспечивает ее повторяемость. Обработка данных GNSS нескольких созвездий относительно фиксированной ОС CORS обычно давала расчетную точность ≈5 мм в плане и ≈20 мм по высоте (с достоверностью 95%) на базовых линиях 30 км. Станции OSTN15 CORS относительно друг друга считаются безошибочными. Обработанные базовые станции использовали модель преобразования OSTN15 и поверхность коррекции геоида OSGM15 для преобразования глобальных координат ETRS89 WGS84 в координаты сетки Ordnance Survey (OS).Локальная база была обработана (с использованием окончательной локальной координаты базовой станции) в сравнении с данными БПЛА с частотой 20 Гц для получения непрерывной траектории полета БПЛА. Это оценило апостериорную точность траектории в 97,20% при 0–5 см и 2,60% при 5–15 см, а остальные значения были сочтены выбросами.

PPK (постобработанная кинематика) использовался для создания траектории, поскольку он более надежен, чем альтернативные методы, которые могут полагаться на радио или другую связь. Кроме того, точные эфемериды могут быть включены в обработку позже, чтобы при необходимости улучшить базовые алгоритмы обработки.Хотя мы использовали обработанную траекторию БПЛА, мы по-прежнему использовали и размещали наземные контрольные точки (GCP) по мере необходимости, но их количество может быть значительно уменьшено по сравнению с методами без PPK.

Фотограмметрическая обработка

Траектория БПЛА обрабатывалась в программном обеспечении TBC, при этом события обратной связи регистрировались с точностью выше миллисекунды. Это помогает точно установить местоположение фотоцентра каждого изображения во время экспонирования. Расположение изображений на уровне сантиметров устраняет необходимость в плотном сопоставлении пикселей – процессе, который требуется при аэрофотограмметрической обработке без PPK.Это также значительно снижает потребность в интенсивном, трудоемком и дорогостоящем размещении опорных точек, что было бы непрактично с учетом ожидаемого развития купола в этом исследовании.

Около 6 опорных точек были размещены на периферии испытания и использовались во всех полетах для обеспечения повторяемости и точности результатов и для создания точной калибровки камеры. Помимо того, что опорные точки были измерены как векторы из локальной базы, они также были привязаны к местности с помощью сетевого RTK (кинематика в реальном времени), который обеспечивает независимую проверку координат опорных точек.Эти координаты опорных точек были фиксированными на время проекта, таким образом, предоставляя общие данные для всех полетов в данном году.

Обработка изображений

Изображения были импортированы в программное обеспечение TBC одновременно с необработанными данными GNSS, поэтому при обработке траектории и создании маркеров событий каждое изображение будет позиционироваться в правильном трехмерном положении. Чтобы определить ориентацию каждого изображения, то есть вращения омега, фи и каппа, точная внутренняя ориентация (IO) вычисляется с использованием положений GNSS, т.е.е., регулировка связующей точки, подчеркивающая, насколько хорошо изображения связаны друг с другом. При обработке без PPK это трудоемкий и трудоемкий процесс. Однако траектория PPK разрешается для местоположения изображения, поэтому необходимо определить только ориентацию, что приводит к более быстрому и надежному решению.

После ввода-вывода следовало внешнее ориентирование (ВО) с калибровкой камеры. Для EO видимые опорные точки на каждом изображении были «выбраны» таким образом, чтобы реальные координаты были назначены координатам опорных точек изображения (как произведено наблюдениями RTK и подтверждено сетью RTK).Как упоминалось выше, опорные точки позволяют калибровать камеру и вычислять параметры искажения для объектива. Комбинация GNSS и опорных точек также позволяет вычислить фокусное расстояние. Оба эти параметра необходимы для создания «бесшумных» результатов. После выполнения EO отчет о полете анализируется на предмет ошибок и точности. Низкие ошибки и высокая достоверность достоверности подтверждают достоверность полета и обеспечивают повторяемость наблюдений на протяжении всего эксперимента (данные не представлены).

Обработка данных БПЛА

Результат создания

Следующим шагом после измерения точности и принятия результатов EO является создание результатов (например, облака точек, ортофотоплана и т. Д.). И облако точек, и истинные ортофотопланы требуют хорошо ориентированных изображений. Из ортофотопланов могут быть созданы различные типы поверхностей. Генерация поверхности – это создание облака точек, и для этого требуется как минимум два, а лучше больше, перекрывающихся изображения. Недостаточное перекрытие вызывает шум или, что еще хуже, пропуски в данных.Поверхность была создана с использованием максимального доступного разрешения (соответствующего параметрам полета) с использованием алгоритма сопоставления на основе затрат. Вкратце, алгоритм использует попиксельное сопоставление, а не технику на основе областей или признаков, хотя подробное обсуждение алгоритма выходит за рамки данной работы.

Ортофото (то есть с геометрической коррекцией или ортотрансформированием) было создано после обработки поверхности облака точек, чтобы получить изображение с равномерным и точным масштабом.Был выбран «Истинный» ортофото, а не «Классический ортофото», потому что он использует модель поверхности для расчета окклюзий и заполнения их из других изображений, что важно, когда купол неоднороден. С другой стороны, для «классического» ортофотоплана потребуется голая Земля.

Предварительная очистка данных

Необработанные данные и сгенерированные облака точек обычно содержат ошибки из-за нескольких факторов. К ним относятся движение растительности из-за ветра, крабление БПЛА в полете, что уменьшает ожидаемое перекрытие изображений и плохие точки отражения (т.е., шум из-за недостаточного перекрытия и неопределенности изображения). Эти ошибочные точки необходимо удалить из облака точек (рисунок 1A). Это было достигнуто путем ручного удаления точек, которые считались невозможными, поскольку определялись их высотой на основе близости к другим точкам, положением в поле и визуальным осмотром облака точек. Мы использовали процесс удаления вручную, потому что выбросы в наших данных были редкими и непоследовательными по локальной плотности точек. При необходимости доступны методы автоматического удаления выбросов, например метод прерывных операторов (Ning et al., 2018).

Рисунок 1. (A) Трехмерное представление облака точек до (I) и после (II) удаления ошибочных точек вручную. (B) Создание базовой поверхности почвы (красная поверхность) путем увеличения каждой точки топографической поверхности (серая поверхность) на среднюю высоту всех гребней в блоке.

Создание модели поверхности

После очистки данные облака точек были использованы для создания двух поверхностей (где поверхность здесь называется трехмерными моделями, созданными на основе данных облака точек), в том числе одна для эталона почвы, а другая – для полога.Поверхности, созданные в программном обеспечении TBC, представляют собой трехмерное цифровое представление топографии (в данном случае навеса), образованного сеткой смежных треугольников и иногда называемой нерегулярной триангулированной сетью (TIN). Треугольники соединены в своих вершинах, которые определяются точками с горизонтальным положением (значения X и Y ) и высотами (значения Z ), то есть точками в облаке точек, образующих трехсторонние плоские грани. Модель поверхности из облака точек представляет собой простой набор треугольников, но ее можно улучшить путем включения (или исключения) границ, линий разрыва, точек и т. Д.которые составляют модель поверхности и используются для определения ее формы.

Поверхности навеса в нашем случае использовали все облако точек в пределах каждого экспериментального блока. В идеале создание эталонной поверхности почвы должно было бы использовать данные облака точек из-под полога, но структура из движущихся изображений не позволяет этого, особенно когда растения растут. Поэтому, чтобы преодолеть это ограничение, была создана поверхность для оценки топографии почвы. Поскольку картофель выращивают на гребнях, топографическая поверхность сначала была создана с использованием голой почвы, окружающей растения, что исключает гребни и любую потенциальную растительность.Во-вторых, высота каждой точки на этой поверхности была увеличена на среднюю высоту всех выступов в блоке, чтобы создать приподнятую поверхность (рис. 1B).

Создание разностной модели и демаркация графика

В качестве следующего шага после создания поверхностей были созданы разностные модели для всего каждого экспериментального блока. Разностные модели – это трехмерное представление модели, где каждая точка модели имеет разность высот между двумя поверхностями в одной и той же точке.После создания эта разностная модель затем использовалась в сочетании с ортофотопланом для точного разграничения отдельных участков. Разграничение отдельных участков позволило создать разностные модели для каждого участка в каждом блоке с использованием тех же поверхностей, которые были созданы ранее, из которых мы можем извлечь наборы данных об объеме, почвенном покрове и высоте растительного покрова для дальнейшего анализа. Подробности рабочего процесса показаны на рисунке 2.

Рисунок 2. Методологическая блок-схема, показывающая получение количественных данных о структуре растительного покрова картофельного растения (например, объем растительного покрова, почвенный покров и высота растений) с использованием алгоритма «Структура по движению» на основе изображений, полученных с БПЛА.

Методы расчета разностной модели

Было проведено сравнение двух методов расчета разностной модели (рис. 3). Метод «трассировки всех треугольников» (рис. 3B) создает новую вершину в каждой точке облака точек, где треугольники поверхности почвы и поверхности полога либо перекрываются, либо пересекаются, с учетом всех существующих структурных линий, созданных во время демаркации.Эти вершины служат новыми точками для создания разностной модели; следовательно, результирующая разностная модель имеет более плотную сетку вершин, чем исходные поверхности. Метод «не отслеживать структурные линии» (рис. 3C) использует только существующие точки облака точек для создания разностной модели, игнорируя структурные линии и не создавая новых вершин, при этом сгенерированная разностная модель имеет ту же плотность вершин, что и исходные поверхности. Для сравнения было выбрано 300 полевых участков, и оба метода были применены для создания треугольной сетки.Последующие расчеты объема участка сравнивались с использованием коэффициента ранговой корреляции Спирмена.

Рис. 3. Сравнение двух методов расчета разностной модели с использованием одних и тех же опорных поверхностей. (A) Поверхности, используемые для вычислений, где красный цвет представляет собой эталон почвы, зеленый – поверхность полога, созданную из облака точек, а синяя линия ограничивает границу участка. (B) Разностная модель с использованием метода «проследить все треугольники». (C) Модель разницы с использованием метода «не отслеживать структурные линии».

Расчет высоты растений

Разностная модель помогает нам построить данные о высоте в любой точке области графика с разрешением 1 см. Это позволяет нам не только определять наивысшую точку в разграниченной области (представляющую максимальную высоту трех растений на участке), но также позволяет построить частотную таблицу распределения высот, которая предоставляет информацию о структуре полога и позволяет расчет средней высоты растений.

Очистка данных о высоте растений

Предварительная очистка облака точек удаляет наиболее заметные ошибки, которые, как правило, являются невозможными или нереалистичными значениями. Однако более мелкие ошибки, как правило, остаются в облаке точек. Эти меньшие погрешности оказывают незначительное влияние на среднюю высоту, но максимальная высота более подвержена влиянию. Сорняки также являются вероятным источником ошибок, когда невозможно вручную удалить их с растений картофеля. Интегрированный подход с использованием различных датчиков изображения (здесь не показан) более применим в этом сценарии, но выходит за рамки данной работы.Мелкие сорняки окажут небольшое, потенциально незначительное влияние на гистограммы и среднюю высоту. Однако максимальную высоту легко переоценить из-за того, что один сорняк перерастает картофель, что требует более точной уборки. Сначала были удалены все точки выше 1,2 м, так как растения картофеля не достигают этой высоты. Во-вторых, дальнейшая очистка была достигнута за счет использования стандартного отклонения (SD) распределения высоты растительного покрова участка в качестве отсечки для максимальной высоты.Пороговые значения на 2, 2,5 и 3 стандартных отклонения выше среднего были оценены путем сравнения данных после отсечения с полевыми / ближайшими данными с использованием регрессионного анализа и других графических визуализаций, включая гистограммы, для наблюдения за эффектами на отдельных участках.

Защитный кожух навеса и объем навеса

Почвенный покров и объем растительного покрова определяются как сумма планиметрической площади и общего объема растительного покрова, соответственно, которые выше уровня контрольной поверхности почвы в разностной модели для каждого участка.

Сбор проксимальных данных

Наземные данные были собраны для сравнения с измерениями, полученными с помощью подхода с использованием данных облака точек БПЛА.

Высота растений измерялась проксимально с помощью линейки на случайно выбранных участках в тот же день, когда проводился сбор данных с БПЛА. Регистрировали самую высокую точку контакта растения для каждого из 3 растений на каждом участке. Максимальную высоту трех растений на делянке сравнивали с максимальной высотой, определенной по данным БПЛА.

Индекс площади листа (LAI) был получен с использованием цептометра (ACCUPAR LP-80, METER ENVIRONMENT, часть METER Group, Inc., США). Отношение длины горизонтальной оси к вертикальной оси сфероида, описываемой распределением угла листьев в навесе, было принято равным 2 для параметра распределения листьев у растений картофеля. Датчик располагался под таким углом, чтобы угол к гребню оставался неизменным и охватывал все растения на участке (дополнительный рисунок S1). Все измерения LAI проводились одновременно с измерениями высоты поля в 2018 году.

Результаты

Сравнение наземных истинных значений и измерений высоты растений на основе изображений

Измерения высоты растений на основе ближайших данных, собранных в полевых условиях, сравнивались с измерениями, основанными на изображениях с БПЛА. Двухэтапная процедура очистки данных для данных изображения БПЛА включала ручное удаление очевидных выбросов для получения данных «предварительной очистки» с последующим вторым этапом очистки с использованием различных пороговых значений стандартного отклонения на основе набора данных о высоте участка (см. Раздел “Материалы и методы”).Очистка данных значительно повысила соответствие между полевыми данными и данными БПЛА (рис. 4). Данные предварительной очистки показали относительно низкое значение R ² , равное 0,39 ( p <0,01), и это значение увеличилось до умеренных уровней для пороговых значений 3 SD, 2,5 SD и 2 SD ( R ^{). 2} 0,48, 0,50 и 0,52 соответственно, все p <0,01). Наблюдения на Рисунке 4 подчеркивают, что разные пороговые уровни существенно не отличаются (данные не представлены).Чтобы определить наиболее подходящий уровень отсечения, мы визуально оценили риск удаления реальных данных о растительном покрове на трех выбранных образцовых участках (представляющих относительно общие профили распределения по высоте) (Рисунок 5). Первый примерный график на Рисунке 5Ai представляет идеальную ситуацию, в которой все отсечки удаляют только удлиненный хвост, который вызван ошибками вычислений и сорняками, интегрированными в структуру полога участка, таким образом влияя на максимальные измерения высоты. На двух других типовых графиках, показанных на рисунках 5Aii, iii, точка отсечения 2 SD явно удаляет часть купола, в то время как 2.5 SD-отрезок удаляет часть купола на Рисунке 5Aii, но не на Рисунке 5Aiii. Это увеличение процента удаленных точек также показано на Рисунке 5B. Комбинированный анализ на рисунках 4, 5 показал, что отсечка 3 SD была наиболее подходящей, поскольку она препятствовала удалению данных о куполе, а также устраняла большую часть шума.

Рис. 4. Сравнение максимальной высоты, рассчитанной по полетам БПЛА с ближайшими наземными точными измерениями на уровне участка, для данных предварительной очистки (A) и данных, очищенных с использованием отсечки 3 (B) , 2 .5 (C) и 2 (D) стандартных отклонений выше среднего. p <0,01 во всех случаях и n = 488.

Рис. 5. (A) Влияние трех различных пороговых значений стандартного отклонения (SD) на наборы данных о пологе. Гистограммы представляют охват площади растительного покрова на разных уровнях высоты с использованием данных о высоте растительного покрова перед очисткой. (i – iii) Продемонстрируйте 3 образцовых участка с навесом. (B) Процент точек, удаленных из облака точек при каждом отсечении SD для соответствующих гистограмм в (A) .

Чтобы получить более четкое представление о том, как наблюдения, сделанные на Рисунке 5, были отражены в остальной части поля, на Рисунке 6A представлены общие эффекты одних и тех же пороговых значений стандартного отклонения на всех экспериментальных участках (отдельные гистограммы не показаны). В соответствии с рисунком 5 отсечка 2 SD удалила самый высокий процент точек данных. На большом количестве участков был удален относительно высокий процент данных, в среднем более 1%, что указывает на то, что данные о пологе удалены с большинства участков.Отсечка 2,5 SD показала лучшие результаты, но все же удалила данные о пологе со значительной части экспериментальных участков. Как и ожидалось, отсечка 3 SD удалила самый низкий процент точек данных, но все же сохранила профиль полога всех участков в эксперименте (сценарий, аналогичный показанному на рисунке 5Ai, где удалено более 1% точек. от особо выраженного удлиненного хвоста).

Рис. 6. (A) Коробчатая диаграмма процента точек, удаленных из облака точек отдельных графиков, на основе 3 различных пороговых значений стандартного отклонения (SD), показанных по полетам и по годам ( n = 8 264).Расположение типовых графиков, показанных на рисунке 5, обозначено серыми стрелками. (B) Связь между набором данных до очистки и набором данных после очистки с использованием трех отсеков SD для: (i) средней высоты полога и максимальной высоты полога (ii) . Все анализы имеют p <0,01, n = 8,264.

Независимо от характера точек данных (т. Е. Данных о растительности в сравнении с ошибками), их удаление всегда будет уменьшать измеренную среднюю и максимальную высоту растительного покрова (рисунки 6Bi, ii, соответственно).Как и ожидалось, расчетная максимальная высота полога, основанная на отсечении 2 SD, показала наибольшее расхождение с оценкой, основанной на данных предварительной очистки, в то время как отсечки 2,5 и 3 SD привели к более сильной корреляции (Рисунок 6Bii). Напротив, для средней высоты купола три различных пороговых значения стандартного отклонения не имеют никакого эффекта (Рисунок 6Bi). Это указывало на то, что на среднюю высоту существенно не влияло наличие удлиненных хвостов, вызванных ошибками вычислений и сорняками, интегрированными в структуру полога.Точно так же при сравнении средней высоты с максимальной высотой поля, измеренной проксимально, не было заметной разницы между использованием данных предварительной очистки или данных, очищенных с использованием различных значений отсечки SD, со всеми сравнениями, показывающими скорректированное значение R ² 0,46 и все р <0,01. Таким образом, созданная облаком точек средняя высота дает более последовательный показатель, чем максимальная высота, для оценки высоты растительного покрова картофеля.

Сравнение методов расчета разностных моделей

Существуют различные методы построения разностных моделей в программе TBC.Они различаются в зависимости от использования функций, включая структурные линии и недавно экстраполированные точки пересечения поверхностей в дополнение к существующим точкам на поверхностях. Мы сравнили метод «трассировки всех треугольников» с методом «не отслеживать структурные линии» и оценили достоинства и недостатки каждого из них.

Метод «проследить все треугольники» (рис. 3B) имел гораздо более плотную сетку по сравнению с методом «не отслеживать структурные линии» (рис. 3C), особенно там, где эталоны полога и почвы перекрывались.Чтобы оценить возможное влияние на наши результаты, было проанализировано 300 графиков с использованием обоих вычислительных методов. Не было существенной разницы между двумя методами для получения объема купола (ранговая корреляция Спирмена r = 1,00, скорректированный R ² = 1,00, p <0,01, n = 300; дополнительный рисунок S2) . Однако метод «трассировки всех треугольников» требовал больших вычислительных затрат и занимал значительно больше времени (48 часов), чем метод «не отслеживать структурные линии» (25 минут) для расчета всех 300 графиков.Хотя он не был основан на количественном углубленном анализе по сравнению с методом «трассировки всех треугольников», метод «не отслеживать структурные линии» поэтому казался наиболее подходящим с учетом требуемых вычислительных ресурсов.

Взаимосвязь черт навеса с LAI

Предыдущие исследования картофеля (Haverkort et al., 1991; Boyd et al., 2002) показали, что, когда индекс площади листа (LAI) выше 3, связь между LAI и почвенным покровом больше не существует, поскольку полог вырос. до достижения полного почвенного покрова.Мы обнаружили, что LAI достоверно коррелировал ( p <0,01) как с объемом растительного покрова, так и с напочвенным покровом, с коэффициентами корреляции 0,50 и 0,39, соответственно (Рисунок 7). Наиболее сильная связь с объемом растительного покрова ( r = 0,55, p <0,01) и почвенным покровом ( r = 0,44, p <0,01) была выявлена, когда наблюдения с LAI выше 3,4 были отброшены, так как отброшенные наблюдения не показали никакой связи ни с одним из признаков купола.

Рис. 7. Зависимость между индексом площади листа и вычисленным (A) Почвенный покров и (B) Объем растительного покрова для всех наблюдений (пунктирная черная линия, n = 291) или при наблюдениях с LAI выше 3,4 отбрасываются (сплошная черная линия, n = 251). r – ранговая корреляция Спирмена, ² рэндов – скорректированная ² рэндов. Все статистические тесты имеют p <0,01.

Изменение характеристик купола во времени

Сочетание высоты растительного покрова, почвенного покрова и объема может предоставить исчерпывающую информацию о размере растительного покрова.Хотя средняя высота является более надежным параметром, чем максимальная высота для измерения высоты купола, она не дает количественной информации о форме или структуре купола. Следовательно, данные о распределении высот важны для характеристики профиля купола. Объединенная информация о размере и форме растительного покрова, полученная в результате последовательных полетов, помогает лучше понять характер роста и развития растительного покрова, а также текущую стадию роста растений.

На рисунке 8 представлена ​​упрощенная версия более сложных данных о реальных моделях роста растений.Он представляет собой общее руководство по интерпретации закономерностей роста с течением времени и показывает, как данные БПЛА могут быть использованы для вывода о развитии растительного покрова и его распределении по размерам. Это руководство может быть полезным инструментом не только для мониторинга развития отдельных растений / растительного покрова, но и для понимания вариативности разновидностей. Примеры навеса на Рисунке 8 показывают несколько моделей роста, формы купола и соответствующие им гистограммы распределения по высоте. В моделируемой модели роста мы имитируем увеличение площади / почвенного покрова (например,g., «боковой рост»), увеличение высоты (например, «вертикальный пирамидальный рост», «вертикальный равномерный рост с более высокой начальной точкой») и представляют примеры полегания и старения растений.

Рис. 8. Руководство по интерпретации данных развития растительного покрова в двух временных точках. В столбце 1 показано схематическое изображение бокового профиля купола с соответствующими гистограммами распределения высот, расположенными в столбце 2 (смоделированные данные). Точки времени 1 и 2 показаны светло-зеленым и темно-зеленым цветом соответственно.В столбце 3 дается название каждой модели роста, за которым следует краткое описание наиболее значимых изменений между двумя временными точками.

Мы выбрали три сорта, чтобы проиллюстрировать не только то, как интерпретацию данных о растительном покрове можно использовать для вывода о его развитии, но и то, как данные, собранные за весь вегетационный период, позволяют определить зрелость (рис. 9). У сорта Надин (рис. 9A) мы наблюдали, что с 33 дней после посадки (DAP) до 62 DAP изменение распределения по высоте показало почти идеальный пример модели «Вертикальный равномерный рост» (Рисунок 8), с изменением полога с от пирамидальной формы до более объемной прямоугольной формы.Этот рост был связан с увеличением объема растительного покрова, почвенного покрова и высоты. К 95 DAP началось старение с сопутствующим уменьшением объема полога, почвенного покрова и высоты, как и ожидалось. Распределение по высоте также напоминало модель «старения» (рис. 8), и к 117 DAP полог уже полностью устарел. Быстрый ранний рост с последующим быстрым старением показал, что Надин был раннеспелым сортом.

Рис. 9. Мониторинг объема растительного покрова (CV), напочвенного покрова (CGC) и высоты растений (H) в течение вегетационного периода с использованием разностных моделей трех разновидностей: Nadine (A) , Bonnie (B) и Баунти (C) от 33 до 117 дней после посадки (DAP).Гистограммы представляют собой распределение по высоте соответствующей разностной модели. Максимальная высота указана темно-красной стрелкой, а средняя высота – средней красной стрелкой. Разностная модель имеет цветовую кодировку в зависимости от роста: красный (<0 см, почва), желтый (0–20 см), зеленый (20–40 см), синий (40–60 см) и фиолетовый (> 60 см). ).

У сорта Bonnie (рис. 9B) мы наблюдали, что с 33 DAP до 62 DAP произошло ожидаемое увеличение высоты растительного покрова, почвенного покрова и объема. Однако, в отличие от Надин, картина распределения по высоте не полностью соответствовала показанной в руководстве (рис. 8).И на 33, и на 62 DAP рост купола, казалось, происходил больше как «вертикальный равномерный рост», но высота в средней части купола увеличивалась быстрее, чем остальная площадь, т. Е. Высота основного ствола казалась увеличивается быстрее по сравнению с боковыми стеблями. На 95 DAP мы наблюдали хороший пример полегания растений, когда большая часть полога смещалась в сторону меньшей высоты, а почвенный покров полога продолжал увеличиваться, несмотря на уменьшение объема и высоты полога.Этот сорт также служит примером продолжающегося роста после полегания, поскольку мы наблюдали увеличение объема кроны, почвенного покрова и высоты на 117 DAP, что также было очевидно в соответствующей 3D-модели, с ростом новых стеблей в центре навес (рис. 9В). Непрерывный рост до 117 DAP показал, что этот сорт был от среднего до позднего созревания, но это полегание, вероятно, препятствует его полному потенциалу роста.

Bounty (рис. 9C) имела небольшой полог на 33 DAP из-за позднего появления всходов.К 62 DAP он представлял Надин похожую картину распределения высоты, но был явно меньше. На 95 DAP размер купола продолжал увеличиваться. Если посмотреть на схему распределения по высоте, можно заметить заметное увеличение площади в диапазоне от низкой до средней высоты с небольшим увеличением максимальной высоты. В сочетании с постоянным увеличением роста напочвенного покрова с 33 до 95 DAP это свидетельствует о вероятности небольшого частичного полегания, которое позволило растению увеличить почвенный покров, или что этот сорт вкладывал больше средств в боковой рост, чем в вертикальный. рост (для большей фотосинтетической способности).Только при 117 DAP наблюдалось начало старения. Такая картина непрерывного роста почти до конца сезона указала на то, что этот сорт имел либо промежуточную склонность к позднему созреванию, либо позднеспелый.

Обсуждение

Подходы к определению рельефа почвы

Одной из основных трудностей при использовании структуры из движения для создания облаков точек является невозможность определить топографию почвы под растительным покровом. Чтобы преодолеть это препятствие, была создана поверхность почвы с использованием почвы, окружающей участки, а затем была сделана компенсация для средней высоты гребня.Это первое исследование по внедрению и оценке этого нового метода на гребневых культурах, которое является экстраполяцией метода, обычно используемого в исследованиях по оценке высоты (Bendig et al., 2015; Holman et al., 2016; Mohan et al., 2017). ; Hassan et al., 2019). Этот метод зависит от наличия легко идентифицируемой голой почвы в непосредственной близости от посевов, что легко в начале сезона (также очевидно из Holman et al., 2016; Mohan et al., 2017), но может стать невозможным. когда полог растений достигает полного покрытия почвы, в зависимости от структуры полога.

Альтернативным методом могло бы быть выполнение полета БПЛА до начала появления всходов и использование топографии почвы в качестве ориентира для всех последующих точек сбора данных. Этот метод имеет двойное преимущество: фиксирует истинную высоту гребня и позволяет контролировать рост растений ниже высоты гребня, что особенно актуально в конце сезона, когда полегание и старение растений значительно изменяют структуру полога. Однако в некоторых случаях посадки картофеля (например, в органических системах) важна повторная грядка, что еще больше мотивировало оценку новой техники в этой работе.Оба метода исходят из предположения, что рельеф почвы остается относительно постоянным на протяжении всего вегетационного периода. Однако изменения в топографии почвы в течение сезона могут быть важным фактором при сборе данных для фенотипирования сельскохозяйственных культур и исследований мониторинга роста. Ожидается, что такие эффекты будут более значительными, когда участки используются для научных исследований и, следовательно, будут подвергаться более высокому уровню вмешательства, но могут быть гораздо меньшими на крупных коммерческих сельскохозяйственных полях. Одновременное использование обоих методов может быть полезным, так как измерение доли растительного покрова, которая находится выше или ниже высоты гребня, может быть полезно для мониторинга старения и полегания растений.

Согласованность между проксимальными измерениями и измерениями с БПЛА

Предыдущие исследования различных культур, включая рис, пшеницу и кукурузу, продемонстрировали высокую корреляцию ( r > 0,90) между удаленными и ближайшими измерениями высоты растений (Bendig et al., 2015; Holman et al., 2016; Li et al. ., 2016). Здесь мы наблюдали корреляцию между 0,64 и 0,7 ( p <0,01) между высотой растения, измеренной проксимально с помощью линейки в поле, и высотой, измеренной с использованием данных БПЛА с облаком точек после уборки.Наблюдаемый нами сравнительно низкий уровень корреляции может быть объяснен несколькими факторами. Одним из важных различий между картофелем и посевными культурами в предыдущих исследованиях является архитектура навеса. Картофельные растения обычно выращивают из семян клубней, в результате чего полог картофельного растения состоит из нескольких основных стеблей (Struik, 2007) в форме куста, в то время как ранее изученные культуры (в основном зерновые) либо имеют только один основной стебель, либо имеют тенденцию к развитию. иметь преимущественно вертикальный рост. Это увеличивает ошибку пользовательского смещения при полевом измерении высоты растения картофеля, поскольку пользователь может ошибочно измерить стебель, который не совпадает со стеблем, выбранным с помощью данных облака точек.Эта ошибка может быть устранена с помощью инструмента измерения высоты на основе GPS, чтобы гарантировать, что одна и та же точка ближайшего измерения в поле сравнивается с ее аналогом в наборе облачных данных БПЛА. Картофельный покров также короче, чем у некоторых ранее проанализированных культур, и, следовательно, относительно фиксированная ошибка, связанная с облаками точек структуры из движения, может иметь немного большее пропорциональное влияние на измерения. Пространственное разрешение или условия полета также играют важную роль в вычислении высоты, поскольку меньшая высота полета дает более точные оценки высоты (Holman et al., 2016). Это вполне могло сыграть роль в наших наборах данных, поскольку мы использовали самолеты с неподвижным крылом, при этом большая часть полетных данных была собрана на расстоянии около 75 м с более чем 85% перекрытием при сборе данных. Мультикоптер предоставит больше свободы в управлении пространственным разрешением с аналогичными перекрытиями изображений.

Измерения высоты

Максимальная высота обычно используется для представления характеристик роста кустарников, включая картофель, хлопок и фруктовые деревья, а также для зерновых, где данные собираются с больших участков, а максимальная высота используется на основе небольшого количества облаков точек.Мы показали, что по сравнению с максимальной высотой средняя высота обеспечивает более согласованную меру высоты растений, которая является более устойчивой к стратегии очистки данных и лучше отражает полное распределение высоты растительного покрова, как показано с использованием временных данных о растениях. строение полога трех разновидностей (рисунок 9). Кроме того, использование данных о максимальной высоте имеет более высокий потенциал для предвзятости пользователя во время полевых измерений и для эффектов ошибок вычислений при анализе данных облака точек БПЛА.Таким образом, хотя это практически невозможно проверить с помощью традиционных полевых измерений, мы рекомендуем использовать среднюю высоту, поскольку она дает гораздо лучшее представление о росте растения, что имеет первостепенное значение при попытке понять взаимосвязь генотип-фенотип у растений. разведение. Повышенная точность в наборах данных фенотипа позволяет нам уменьшить значения ошибок и, следовательно, дает возможность улучшить наследуемость признаков (Cobb et al., 2013). Таким образом, точность и прецизионность фенотипирования обеспечивают необходимые инструменты для расширения возможностей следующего поколения картирования сцеплений и исследований ассоциаций и дальнейшего улучшения результатов геномной селекции (Cobb et al., 2013; Прашар и Джонс, 2014; Bhat et al., 2016; Меландри и др., 2019).

Canopy Traits и LAI

Предыдущие исследования сообщили о корреляции между индексом площади листа и почвенным покровом в диапазоне от 0,52 до 0,92 на основе анализа одного или двух сортов картофеля (Haverkort et al., 1991; Boyd et al., 2002). Эти исследования также подчеркивают высокую корреляцию с покрытием растительного покрова для значений LAI ниже 3, но отсутствие связи для значений LAI выше 3 из-за полного покрытия почвы. Здесь мы наблюдали более низкую корреляцию r = 0.44 ( p <0,01) и была установлена ​​аналогичная граничная точка для LAI 3,4. Уменьшение корреляции в нашем наборе данных, вероятно, связано с высоким уровнем вариативности разновидностей в архитектуре растительного покрова по сравнению с предыдущими исследованиями, в которых анализ проводился на одном или двух сортах. Объем растительного покрова имеет более высокую корреляцию с LAI ( r = 0,55, p <0,01) в наших данных, потому что, хотя измеренный с помощью БПЛА объем навеса не учитывает плотность листьев навеса, более крупные навесы с большей вероятностью будут иметь более высокую плотность листьев. и, следовательно, более высокий LAI.Дальнейшие разработки для определения объема растительного покрова, почвенного покрова и LAI, определяемого с помощью БПЛА, должны будут учитывать данные о сортах, чтобы в будущем можно было интегрировать их в модели прогнозирования урожайности картофеля.

Мониторинг роста и развития растений

Мониторинг посевов на предмет роста и продуктивности во время развития является важным аспектом управления сельским хозяйством, и он не только позволяет создавать модели прогнозирования урожайности, но также позволяет осуществлять своевременные вмешательства для обеспечения оптимальных урожаев.Следовательно, хотя отдельные полеты предоставляют полезную точечную информацию о размере и общем состоянии растительного покрова растений, именно непрерывная интеграция данных о растениях картофеля в течение вегетационного периода дает наибольший потенциал для подхода к прогнозному моделированию. В нашем исследовании сбор данных всего за 4 полета в течение вегетационного периода позволил нам не только определить зрелость различных сортов, но и лучше понять развитие растительного покрова этих сортов. Архитектура навеса влияет на перехват света, поглощение и транспирацию воды, важные факторы для поглощения и распределения углерода (Haverkort et al., 1991; Burgess et al., 2017; Tang et al., 2019). Они представляют собой некоторые из наиболее ценных черт, на которых селекционеры должны сосредоточить внимание при выведении улучшенных сортов сельскохозяйственных культур, хорошо адаптированных для решения проблем, связанных с изменением климата. Следовательно, использование описанных здесь методов оценки растительного покрова поможет определить оптимальную архитектуру или идеотипы растений для различных целей селекции (Da Silva et al., 2014; Obidiegwu et al., 2015; Burgess et al., 2017).

Возможности и проблемы

Во многих исследованиях изучается потенциал структур с помощью методов движения в науках о жизни.В области сельского хозяйства основное внимание уделялось однодольным культурам, в частности пшенице, развитие которых обычно оценивается с помощью измерения высоты (Bendig et al., 2013, 2014, 2015; Holman et al., 2016; Jin et al., 2017 ; Hassan et al., 2019). Пшеница, как и большинство злаков, имеет относительно однородное распределение по высоте кроны по сравнению с картофелем. Картофель также выращивают на гребнях или гребенчатых рядах, где почвенный фон различим в большинстве сценариев, и представляет собой кустарниковую культуру, в которой почвенный покров признан одним из основных методов оценки роста.Трубопровод, разработанный в этой работе, сочетает в себе вертикальный рост с данными о растительном покрове, поскольку картофель растет в большом разнообразии форм и структур навеса, которые будет трудно зафиксировать с помощью только двухмерного параметра, такого как высота или почвенный покров. Этот конвейер и создание разностной модели позволяет нам захватить все распределение растительного покрова с разрешением ~ 1 см и определить покрытие и объем растительного покрова на разных уровнях высоты во время роста и развития сельскохозяйственных культур. Тем не менее, мы хотим подчеркнуть, что структура от движения является одним из доступных методов, который можно использовать для получения информации о поверхности растительного покрова неразрушающим способом.Существуют и другие подходы, такие как наземное лазерное сканирование, лазерная триангуляция, время полета и т. Д., Которые обеспечивают более высокое разрешение облака точек (в зависимости от датчика и платформы) и, следовательно, трехмерное зондирование для фенотипирования растений (Paulus, 2019).

Заключение

В документе подчеркивается применение существующих инструментов для обработки данных облака точек, полученных с помощью изображений с БПЛА, для практического и точного фенотипирования характеристик архитектуры растительного покрова (высота растений, покров и объем растительного покрова) у картофеля, которые могут быть воспроизведены в других культурах кустарникового типа.В частности, этот подход позволяет осуществлять постоянный мониторинг характеристик растительного покрова, что облегчит создание точных индивидуальных профилей роста для новых и существующих сортов. Эти профили улучшат все будущие исследования, которые оценивают не только изменчивость сортов, но и ее взаимодействие с факторами окружающей среды (например, засуха, температурный стресс) и методами управления сельским хозяйством (например, внесение удобрений, обработка почвы и севооборот), тем самым предоставляя ценные данные о взаимодействии с окружающей средой. чтобы помочь устранить одно из текущих узких мест в исследованиях ассоциации генотип-фенотип (Elias et al., 2016).

Используя недавно разработанные и недорогие методы, фермеры могут использовать информацию временного мониторинга характеристик размера растительного покрова для определения ключевых показателей возраста, состояния и развития растительного покрова. Например, выявление раннего старения (потенциальный индикатор стресса), обвисания из-за стресса или болезни или полегания кроны из-за недостаточной прочности или зрелости стебля, что облегчает прогнозирование возникновения и распространения болезни. Идентификация текущего этапа жизненного цикла сельскохозяйственных культур на основе подробных профилей культур и сортов в сочетании с другими наборами данных позволит фермерам определить оптимальное время для сбора урожая на основе сортовых вариаций.Эти примеры показывают, как лучшее понимание динамики развития сельскохозяйственных культур может помочь в принятии важных решений и, следовательно, улучшить методы управления сельским хозяйством.

Заявление о доступности данных

Необработанные данные, подтверждающие выводы этой статьи, будут предоставлены авторами без излишних оговорок любому квалифицированному исследователю.

Авторские взносы

NB и AP разработали проект и разработали исследование. FdJ, JS и AP выполнили эксперименты, сбор данных, анализ данных изображений и составили рукопись.FdJ, NB, GB, LC и AP участвовали в экспериментах и ​​статистическом анализе данных. NB, GB и LC внесли свой вклад в редактирование и исправления. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Исследование финансировалось IAFRI, Институтом агропродовольственных исследований и инноваций и ISCF Agri-Food Technology Seeding Catalyst, BB / SCA / Newcastle / 17.

Конфликт интересов

JS использовался компанией Survey Solutions Scotland.

Остальные авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы благодарим Survey Solutions Scotland за их поддержку в исследованиях с помощью БПЛА и Trimble за предоставление нам программного обеспечения TBC в рамках партнерской программы университетов. Мы также хотим поблагодарить техническую помощь персонала ферм Университета Ньюкасла.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https: // www.frontiersin.org/articles/10.3389/fpls.2021.612843/full#supplementary-material

Список литературы

Анитакумари, А. М., Долстра, О., Восман, Б., Виссер, Р. Г. Ф., и Ван Дер Линден, К. Г. (2011). Скрининг in vitro и анализ QTL на засухоустойчивость диплоидного картофеля. Euphytica 181, 357–369. DOI: 10.1007 / s10681-011-0446-6

CrossRef Полный текст | Google Scholar

Араус, Дж. Л., Кефовер, С. К., Заман-Аллах, М., Олсен, М. С., и Кэрнс, Дж.Е. (2018). Превращение высокопроизводительного фенотипирования в генетическую выгоду. Trends Plant Sci. 23, 451–466. DOI: 10.1016 / j.tplants.2018.02.001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Батист А. (2017). gridExtra: Различные функции для «сеточной» графики. Версия пакета R 2.

Google Scholar

Бендиг, Дж., Болтен, А., Беннерц, С., Брошайт, Дж., Эйхфус, С., и Барет, Г. (2014). Оценка биомассы ячменя с использованием моделей поверхности сельскохозяйственных культур (CSM), полученных на основе изображений RGB с помощью БПЛА. Remote Sens. 6, 10395–10412. DOI: 10.3390 / RS61110395

CrossRef Полный текст | Google Scholar

Бендиг, Дж., Уиллкомм, М., Тилли, Н., Гнип, М. Л., Беннерц, С., Цян, К. и др. (2013). Модели поверхности сельскохозяйственных культур с очень высоким разрешением (CSM) на основе стереоизображений с БПЛА для мониторинга роста риса в Северо-Восточном Китае. Внутр. Arch. Фотография. Дистанционное зондирование. Пространственная инф. Sci. XL-1 / W2, 45–50. DOI: 10.5194 / isprsarchives-XL-1-W2-45-2013

CrossRef Полный текст | Google Scholar

Бендиг, Дж., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., et al. (2015). Объединение высоты растений на основе БПЛА из моделей поверхности сельскохозяйственных культур, показателей растительности в видимой и ближней инфракрасной области для мониторинга биомассы ячменя. Внутр. J. Appl. Earth Obs. Geoinf. 39, 79–87. DOI: 10.1016 / j.jag.2015.02.012

CrossRef Полный текст | Google Scholar

Берни, Дж. А. Дж., Зарко-Техада, П. Дж., Суарес, Л., и Феререс, Э. (2009). Тепловое и узкополосное многоспектральное дистанционное зондирование для мониторинга растительности с беспилотного летательного аппарата. IEEE Trans. Geosci. Дистанционное управление 47, 722–738. DOI: 10.1109 / tgrs.2008.2010457

CrossRef Полный текст | Google Scholar

Бхат, Дж. А., Али, С., Сальготра, Р. К., Мир, З. А., Датта, С., Джадон, В., и др. (2016). Геномный отбор в эпоху секвенирования следующего поколения сложных признаков в селекции растений. Фронт. Genet. 7: 221. DOI: 10.3389 / fgene.2016.00221

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Береза, с.Р. Дж., Брайан, Г., Фентон, Б., Гилрой, Э. М., Хейн, И., Джонс, Дж. Т. и др. (2012). Культуры, которыми питается мир 8: Картофель: устойчивы ли тенденции роста мирового производства? Food Secur. 4, 477–508. DOI: 10.1007 / s12571-012-0220-1

CrossRef Полный текст | Google Scholar

Бойд Н. С., Гордон Р. и Мартин Р. К. (2002). Связь между индексом листовой поверхности и напочвенным покровом картофеля при различных условиях выращивания. Potato Res. 45, 117–129.DOI: 10.1007 / bf02736107

CrossRef Полный текст | Google Scholar

Берджесс, А. Дж., Реткуте, Р., Херман, Т., и Мурчи, Э. Х. (2017). Изучение взаимосвязи между архитектурой растительного покрова, распределением света и фотосинтезом в контрастирующих генотипах риса с использованием трехмерной реконструкции растительного покрова. Фронт. Plant Sci. 8: 734. DOI: 10.3389 / fpls.2017.00734

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кобб, Дж. Н., Деклерк, Г., Гринберг, А., Кларк, Р., Маккач, С. (2013). Фенотипирование следующего поколения: требования и стратегии для улучшения нашего понимания взаимосвязей генотип-фенотип и их значения для улучшения сельскохозяйственных культур. Теор. Прил. Genet. 126, 867–887. DOI: 10.1007 / s00122-013-2066-0

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Да Силва, Д., Хан, Л., Фейвр, Р., и Костес, Э. (2014). Влияние изменения геометрических и топологических характеристик на светопропускающую способность яблонь: анализ чувствительности и метамоделирование для определения идеотипа. Ann. Бот. 114, 739–752. DOI: 10.1093 / aob / mcu034

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Элиас, А. А., Роббинс, К. Р., Дёрге, Р. У., и Туинстра, М. Р. (2016). Полвека изучения взаимодействий генотип × среда в экспериментах по селекции растений. Crop Sci. 56, 2090–2105. DOI: 10.2135 / cropci2015.01.0061

CrossRef Полный текст | Google Scholar

Франческини, М. Х. Д., Бартоломеус, Х., Ван Апелдорн, Д., Суомалайнен, Дж., И Коойстра, Л. (2017). Оценка изменений растительного покрова картофеля, вызванных фитофторозом в системах органического производства, с помощью спектрометра визуализации на базе БПЛА. Внутр. Arch. Фотография. Remote Sens. Spat. Инф. Sci. ISPRS Arch. 42, 109–112. DOI: 10.5194 / isprs-archives-xlii-2-w6-109-2017

CrossRef Полный текст | Google Scholar

Фридли М., Кирхгесснер Н., Гридер К., Либиш Ф., Маннале М. и Вальтер А. (2016). Наземное трехмерное лазерное сканирование для отслеживания увеличения высоты растительного покрова как однодольных, так и двудольных растений в полевых условиях. Растительные методы 12, 1–15.

Google Scholar

Гетцин, С., Виганд, К., и Шёнинг, И. (2012). Оценка биоразнообразия лесов с использованием изображений с очень высоким разрешением и беспилотных летательных аппаратов. Methods Ecol. Evol. 3, 397–404. DOI: 10.1111 / j.2041-210x.2011.00158.x

CrossRef Полный текст | Google Scholar

Харрелл, Ф. Э. (2020). «С участием Шарля Дюпона и многих других» (2017). Hmisc: Harrell Miscellaneous ».Пакет R версии 4.0-1.

Google Scholar

Хассан, М.А., Янг, М., Фу, Л., Рашид, А., Чжэн, Б., Ся, X. и др. (2019). Оценка точности высоты растений с помощью беспилотного летательного аппарата для количественного геномного анализа мягкой пшеницы. Методы растений 15:37.

Google Scholar

Хаверкорт, А. Дж., Франке, А. К., Стейн, Дж. М., Пронк, А. А., Калдиз, Д. О., Куман, П. Л. (2015). Надежная модель картофеля: LINTUL-POTATO-DSS. Potato Res. 58, 313–327. DOI: 10.1007 / s11540-015-9303-7

CrossRef Полный текст | Google Scholar

Хаверкорт, А. Дж., Уэнк, Д., Вероуд, Х., и Вандеварт, М. (1991). Взаимосвязь между напочвенным покровом, перехватываемым солнечным излучением, индексом листовой поверхности и инфракрасной отражательной способностью картофельных культур. Potato Res. 34, 113–121. DOI: 10.1007 / bf02358105

CrossRef Полный текст | Google Scholar

Холман, Ф. Х., Рич, А. Б., Михальски, А., Касл, М., Вустер, М. Дж., И Хоксфорд, М. Дж. (2016). Высокопроизводительное полевое фенотипирование высоты и скорости роста растений пшеницы в полевых испытаниях с использованием дистанционного зондирования с помощью БПЛА. Дистанционный датчик 8: 1031. DOI: 10.3390 / RS8121031

CrossRef Полный текст | Google Scholar

Хименес-Берни, Дж. А., Дери, Д. М., Розас-Ларраондо, П., Кондон, А. Т. Г., Ребецке, Г. Дж., Джеймс, Р. А. и др. (2018). Высокопроизводительное определение высоты растений, почвенного покрова и надземной биомассы пшеницы с помощью LiDAR. Фронт. Plant Sci. 9: 237. DOI: 10.3389 / fpls.2018.00237

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хименес-Бренес, Ф. М., Лопес-Гранадос, Ф., Кастро, А. И., Торрес-Санчес, Дж., Серрано, Н., и Пенья, Дж. М. (2017). Количественная оценка воздействия обрезки на архитектуру оливковых деревьев и ежегодный рост полога с помощью 3D-моделирования на основе БПЛА. Растительные методы 13, 1–15.

Google Scholar

Цзинь, X., Лю, С., Барет, Ф., Хемерле, М., и Комар, А. (2017). Оценки плотности посевов пшеницы при появлении всходов по снимкам с БПЛА на очень малых высотах. Remote Sens. Environ. 198, 105–114. DOI: 10.1016 / j.rse.2017.06.007

CrossRef Полный текст | Google Scholar

Хан, М.А., Саравиа, Д., Мунив, С., Лозано, Ф., Фарфан, Э., Эйзагирре, Р. и др. (2015). Множественные QTL связаны с агроморфологическими и физиологическими признаками, связанными с засухоустойчивостью картофеля. Завод Мол. Биол. Отчет. 33, 1286–1298.DOI: 10.1007 / s11105-014-0824-z

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хурана, С.С., и Макларен, Дж. С. (1982). Влияние листовой поверхности, светового перехвата и сезона на рост и урожайность картофеля. Potato Res. 25, 329–342. DOI: 10.1007 / bf02357290

CrossRef Полный текст | Google Scholar

Лимон, Дж. (2006). Plotrix: посылка в районе красных фонарей Р. R News 6, 8–12.

Google Scholar

Ли, Б., Xu, X., Han, J., Zhang, L., Bian, C., Jin, L., et al. (2019). Оценка всхожести картофеля по RGB-снимкам БПЛА. Заводские методы 15:15.

Google Scholar

Ли, В., Ню, З., Чен, Х., Ли, Д., Ву, М., и Чжао, В. (2016). Дистанционная оценка высоты растительного покрова и надземной биомассы кукурузы с использованием стереоизображений высокого разрешения с недорогой системы беспилотного летательного аппарата. Ecol. Инд. 67, 637–648. DOI: 10.1016 / j.ecolind.2016.03.036

CrossRef Полный текст | Google Scholar

Лопес, М.С., Рейнольдс М. П. (2012). Остаточно-зеленый цвет яровой пшеницы можно определить путем измерения спектральной отражательной способности (нормализованный разностный вегетационный индекс) независимо от фенологии. J. Exp. Бот. 63, 3789–3798. DOI: 10.1093 / jxb / ers071

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Матезе А., Тоскано П., Ди Дженнаро С. Ф., Дженезио Л., Ваккари Ф. П., Примичерио Дж. И др. (2015). Взаимное сравнение БПЛА, самолетов и спутниковых платформ дистанционного зондирования для точного виноградарства. Пульт дистанционного управления 7, 2971–2990. DOI: 10.3390 / RS70302971

CrossRef Полный текст | Google Scholar

Меландри, Г., Прашар, А., Маккач, С. Р., Линден, Г. В. Д., Джонс, Г. Г., Кадам, Н. Н. и др. (2019). Картирование ассоциаций и генетическое рассечение разницы температур растительного покрова риса, вызванной засухой. J. Exp. Бот. 71, 1614–1627. DOI: 10.1093 / jxb / erz527

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мохан, М., Сильва, К.A., Klauberg, C., Jat, P., Catts, G., Cardil, A., et al. (2017). Обнаружение отдельных деревьев с помощью беспилотного летательного аппарата (БПЛА), полученная из модели высоты навеса в смешанном хвойном лесу с открытым навесом. Леса 8, 1–17.

Google Scholar

Обидигву Дж. Э., Брайан Дж. Дж., Хэмлин Дж. Дж. И Прашар А. (2015). Как справиться с засухой: стресс и адаптивные реакции картофеля и перспективы улучшения. Фронт. Plant Sci. 6: 542. DOI: 10.3389 / fpls.2015.00542

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Паулюс, С.(2019). Измерение сельскохозяйственных культур в 3D: использование геометрии для фенотипирования растений. Методы растений 15: 103.

Google Scholar

Прашар А., Джонс, Х. Г. (2014). Инфракрасная термография как высокопроизводительный инструмент для полевого фенотипирования. Агрономия 4, 397–417. DOI: 10.3390 / agronomy4030397

CrossRef Полный текст | Google Scholar

Прашар А., Йилдиз Дж., Макникол Дж. У., Брайан Дж. Дж. И Джонс Х. Г. (2013). Инфракрасная термография для высокопроизводительного полевого фенотипирования в Solanum tuberosum. PLoS One 8: e65816. DOI: 10.1371 / journal.pone.0065816

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Раймундо Р., Ассенг С., Прассад Р., Кляйнвехтер У., Конча Дж., Кондори Б. и др. (2017). Эффективность модели SUBSTOR-potato в контрастных условиях выращивания. Field Crops Res. 202, 57–76. DOI: 10.1016 / j.fcr.2016.04.012

CrossRef Полный текст | Google Scholar

Ройч, Т., Кабрера-Боске, Л., Фурнье, А., Ghamkhar, K., Jiménez-Berni, J., Pinto, F., et al. (2019). Обзор: новые датчики и подходы на основе данных – путь к феноменам нового поколения. Plant Sci. 282, 2–10. DOI: 10.1016 / j.plantsci.2019.01.011

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шанкаран С., Кирос Дж. Дж., Ноулз Н. Р. и Ноулз Л. О. (2017). Оценка всхожести картофеля на основе аэрофотосъемки высокого разрешения. Am. J. Potato Res. 94, 658–663. DOI: 10.1007 / с12230-017-9604-2

CrossRef Полный текст | Google Scholar

Шарма, С. К., Маккензи, К., Маклин, К., Дейл, Ф., Дэниелс, С., и Брайан, Г. Дж. (2018). Неравновесие по сцеплению и оценка моделей картирования ассоциации по всему геному у тетраплоидного картофеля. G3 Genes Genomes Genet. 8, 3185–3202. DOI: 10.1534 / g3.118.200377

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Струик П. С. (2007). «Развитие наземных и подземных растений», в Potato Biology and Biotechnology , 1st Edn, ed.Д. Вройгенхиль (Амстердам: Эльзевир).

Google Scholar

Sugiura, R., Tsuda, S., Tamiya, S., Itoh, A., Nishiwaki, K., Murakami, N., et al. (2016). Система полевого фенотипирования для оценки устойчивости к фитофторозу картофеля с использованием изображений RGB с беспилотного летательного аппарата. Biosyst. Англ. 148, 1–10. DOI: 10.1016 / j.biosystemseng.2016.04.010

CrossRef Полный текст | Google Scholar

Тан, Л., Инь, Д., Чен, К., Ю, Д., и Хань, В. (2019).Оптимальная конструкция растительного покрова на основе светопропускания: пример с мушмулой. Фронт. Plant Sci. 10: 364. DOI: 10.3389 / fpls.2019.00364

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Торрес-Санчес, Х., Лопес-Гранадос, Ф., Серрано, Н., Аркеро, О., и Пенья, Дж. М. (2015). Высокопроизводительный трехмерный мониторинг сельскохозяйственных плантаций с помощью беспилотных летательных аппаратов (БПЛА). PLoS One 10: e0130479. DOI: 10.1371 / journal.pone.0130479

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вандерваль, Дж., Фалькони, Л., Януховски, С., Шу, Л., и Сторли, К. (2014). SDMTools: Инструменты моделирования распространения видов: Инструменты для обработки данных, связанных с упражнениями по моделированию распространения видов. Версия пакета R 1. 1-221.

Google Scholar

Ван, X., Сингх, Д., Марла, С., Моррис, Г., и Польша, Дж. (2018). Полевое высокопроизводительное фенотипирование высоты растений сорго с использованием различных сенсорных технологий. Методы растений 14, 1–16. DOI: 10.1109 / lgrs.2020.3039179

CrossRef Полный текст | Google Scholar

Уикхэм, Х. (2011). Стратегия разделения-применения-объединения для анализа данных. J. Stat. Софтв. 40, 1–29.

Google Scholar

Уикхэм, Х. (2016). ggplot2: Элегантная графика для анализа данных. Нью-Йорк, Нью-Йорк: Спрингер.

Google Scholar

Уикхэм, Х., и Генри, Л. (2019). Tidyr: аккуратные беспорядочные данные.Пакет R версии 1.0.

Google Scholar

Викхэм, Х., Аверик, М., Брайан, Дж., Чанг, В., Макгоуэн, Л. Д. А., Франсуа, Р. и др. (2019). Добро пожаловать в Tidyverse. J. Программное обеспечение с открытым исходным кодом. 4: 1686. DOI: 10.21105 / joss.01686

CrossRef Полный текст | Google Scholar

Уикхэм, Х., Франсуа, Р., Генри, Л., и Мюллер, К. (2015). dplyr: грамматика обработки данных. R Версия пакета 0.4. 3. Вена: Статистические вычисления R Foundation.

Google Scholar

Уильямс, Д., Бриттен, А., Маккаллум, С., Джонс, Х., Эйткенхед, М., Карли, А. и др. (2017). Метод автоматической сегментации и разделения гиперспектральных изображений растений малины, собранных в полевых условиях. Растительные методы 13, 1–12.

Google Scholar

Янг, Г., Ян, X., Чжан, X., Ли, З., Лю, Дж., Чжу, Д., и др. (2017). Дистанционное зондирование беспилотных летательных аппаратов для фенотипирования сельскохозяйственных культур: текущее состояние и перспективы. Фронт. Plant Sci. 8: 1111. DOI: 10.3389 / fpls.2017.01111

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Zheng, H., Cheng, T., Li, D., Zhou, X., Yao, X., Tian, ​​Y., et al. (2018). Оценка RGB, цветных инфракрасных и мультиспектральных изображений, полученных с беспилотных авиационных систем для оценки накопления азота в рисе. Дистанционный датчик 10: 824. DOI: 10.3390 / RS10060824

CrossRef Полный текст | Google Scholar

Структура полога способствует выбору среды обитания орангутанов в нарушенных борнейских лесах

Значимость

Борнейские орангутаны находятся под критической угрозой, и их численность продолжает сокращаться, несмотря на десятилетия усилий по сохранению.Стратегии управления, направленные на защиту девственных лесов, оказываются недостаточными, и требуются новые подходы для обеспечения выживания видов. Здесь мы используем дистанционное лазерное зондирование с высоким разрешением в сочетании с визуальными наблюдениями за дикими орангутангами для картирования структуры растительного покрова и количественной оценки перемещений орангутангов через нарушенные леса на Борнео. Наши результаты дают решающее представление о типах лесных характеристик, которые орангутанги используют в нарушенных лесах и, вероятно, необходимы для их дальнейшего выживания в этих фрагментированных ландшафтах, где обитает большая часть сохранившейся популяции.Усилия по управлению и восстановлению лесов, которые способствуют развитию этих качеств, с большей вероятностью приведут к сохранению популяций орангутангов в долгосрочной перспективе.

Abstract

Сохранение харизматичных и функционально важных крупных видов становится все сложнее. Антропогенное давление продолжает сжимать доступную среду обитания и вынуждает животных попадать в деградированные и нарушенные районы. Обеспечение долгосрочного выживания этих видов требует хорошо развитого понимания того, как животные используют эти новые ландшафты для поддержки усилий по сохранению и восстановлению среды обитания.Мы объединили трехлетние высокодетальные визуальные наблюдения за борнейскими орангутанами с воздушным дистанционным зондированием с высоким разрешением (обнаружение света и дальность), чтобы понять, как перемещаются орангутанги в нарушенных и фрагментированных лесах Малайзийского Борнео. Структурные атрибуты верхнего полога леса были доминирующей детерминантой движения орангутанов среди всех возрастных и половых классов, при этом орангутаны с большей вероятностью перемещались в направлениях более закрытого полога, высоких деревьев и одинаковой высоты, а также избегали пробелов в пологе и двигались в сторону эмерджентные коронки.Напротив, вертикальная сложность купола (наслоение и форма купола) не влияла на движение. Наши результаты показывают, что хотя орангутаны действительно используют нарушенный лес, они выбирают определенные атрибуты полога в этих лесах, указывая на то, что не все нарушенные или деградированные леса имеют одинаковую ценность для долгосрочной устойчивости популяций орангутанов. Хотя ценность нарушенных местообитаний должна быть признана в планах сохранения обширных крупных видов, минимальные экологические требования в пределах этих местообитаний также необходимо понимать и учитывать, если мы хотим добиться долгосрочной жизнеспособности популяций.

Крупные позвоночные выполняют непропорционально важную роль в функционировании экосистем (1, 2), однако сохранение оставшейся на Земле фауны крупных млекопитающих становится все труднее, особенно в свете их разнообразных привычек (3-5). Рост населения и использование природных ресурсов продолжают оказывать огромное давление на эти виды и их оставшуюся среду обитания (4, 6, 7). Предыдущие стратегии, которые полагались почти исключительно на сохранение нетронутой среды обитания для сохранения крупных млекопитающих, оказались недостаточными, а численность популяции продолжает сокращаться (4, 5).Если мы хотим добиться успеха в спасении этих харизматичных и функционально важных видов, срочно необходимы новые стратегии, дополняющие постоянную защиту нетронутой окружающей среды.

Борнейский орангутанг, Pongo pygmaeus , является ярким примером этих проблем. Несмотря на более чем пятидесятилетние усилия по сохранению, популяции орангутанов продолжают сокращаться по всему ареалу (8), при этом вид был понижен до критически опасного в Красном списке Международного союза охраны природы (МСОП) в 2016 году (9).Предыдущие стратегии сохранения были сосредоточены на защите девственных лесов, основываясь на идее, что орангутаны зависят от среды обитания нетронутых лесов (10, 11). Однако недавняя работа показала, что орангутаны гораздо более гибкие в своем поведении и более устойчивы к антропогенным воздействиям, чем считалось ранее (12, 13). Например, вопреки ранее существовавшим представлениям, орангутаны путешествуют по суше во всех типах лесов, но проявляют повышенную наземную активность как в сильно нарушенных, так и в девственных лесах, что позволяет предположить, что они не только могут адаптировать свое поведение, но и антропогенное нарушение не обязательно является доминирующей движущей силой таких лесов. поведенческая адаптация (14).

Действительно, более 70% борнейских орангутанов обитают в фрагментированных, многоцелевых и модифицированных человеком лесах, от деградированных лесов с продолжающейся вырубкой древесины до вторичных лесов и даже плантаций деревьев и масличных пальм (13, 15, 16 ). Хотя по-прежнему важно сохранить девственные леса от преобразования и деградации для орангутанов и многих других природоохранных целей, становится очевидным, что одной этой стратегии недостаточно для защиты видов в долгосрочной перспективе.Усилия по сохранению должны выходить за рамки сосредоточения внимания только на защите нетронутых девственных лесов и включать нарушенные и фрагментированные леса, в которых встречаются орангутаны, а также устранять угрозы для этих популяций. Например, охота становится еще более серьезной и неминуемой угрозой, чем нарушение лесного покрова, и необходимо срочно определить новые подходы, которые позволят поддерживать существующие популяции орангутангов в местах обитания, которые не являются первозданными и в которых продолжается деятельность человека (8). .Такие подходы включают признание ценности и приоритетность роли нарушенного леса в стратегиях сохранения орангутангов. Для достижения этой цели требуется хорошо развитое понимание того, как орангутаны используют эти среды обитания, чтобы направлять усилия по сохранению, проекты восстановления лесов и определение новых охраняемых территорий. Хотя становится очевидным, что орангутаны могут выжить в таких лесах в краткосрочной перспективе, существует необходимость определить экологические потребности этих новых мест обитания, которые будут поддерживать жизнеспособные популяции в будущем, что требует знания поведения орангутангов и характеристик леса, в которых они обитают. требуется для выживания в нарушенном лесу.

Несмотря на свою способность к наземному передвижению, орангутанги преимущественно являются древесными животными, и поэтому большую часть времени они проводят в пологе леса. Таким образом, можно ожидать, что характеристики растительного покрова, такие как трехмерная структура и отдельные элементы (например, появляющиеся деревья, пробелы в кроне), будут сильно влиять на поведение орангутангов и выбор среды обитания. Животные, особенно древесные приматы, взаимодействуют с трехмерной структурой растительности как напрямую (например, лазание, путешествия), так и косвенно (напр.g., выбирая структурно-индуцированные микроклиматы), делая структуру растительности важным компонентом их среды обитания (17, 18). Однако измерение трехмерной структуры полога является сложной задачей, особенно в пространственных масштабах, подходящих для крупных млекопитающих. Обнаружение света и определение дальности (LiDAR) – это эффективный инструмент дистанционного зондирования, который преодолевает многие из этих трудностей и предоставляет подробную информацию о трехмерной природе пологов (17), и он успешно применяется в исследованиях экологии приматов (19, 20).

Регион Нижний Кинабатанган в Сабахе, Малайзия, на острове Борнео, состоит из сильно фрагментированных и нарушенных лесных участков в мозаике плантаций масличных пальм и человеческих поселений (рис. 1 A и B ). Несмотря на такое беспокойство, в регионе проживает относительно большая популяция орангутанов, которая постоянно изучается с 1998 года, что делает его самым продолжительным непрерывным исследованием диких орангутанов на Борнео, а также идеальной популяцией и местом для изучения поведения орангутанов в нарушенном и фрагментированном лесу (21).Объединив измерения структуры лесного полога с помощью бортовых LiDAR-измерений высокого разрешения с подробными полевыми визуальными эффектами диких орангутанов, мы количественно оценили, как трехмерная структура леса определяет использование среды обитания орангутанов в нарушенном лесу. В частности, мы стремились понять ( i ), как структура лесного полога влияет на поведение орангутанга и ( ii ), как выбор атрибутов полога может различаться между возрастными и половыми классами орангутангов. Мы предсказали, что высокие и структурно сложные навесы будут выбираться чаще, потому что они будут способствовать вертикальному перемещению (лазанию) и служить якорем для древесных лиан большого диаметра (> 5 см), которые облегчают боковое перемещение между деревьями (22).Мы также ожидали, что отбор будет отличаться среди возрастных и половых классов орангутанов, при этом самки будут более консервативными в выборе путей передвижения, предпочитая путешествовать в направлениях с увеличенной высотой купола и укрытием, которое обеспечит более сильную поддержку по сравнению с самцами, что приведет к большему риску. (см. ссылки 23, 24). В качестве альтернативы, можно ожидать, что более тяжелые самцы выберут закрытый полог, который будет способствовать боковому перемещению по лесу, потому что им потребуются более сильные опоры и они будут менее способны пересекать участки с редким пологом, тогда как самки могут быть менее избирательными в отношении закрытого полога и сосредоточиться вместо этого на структурно сложные, высокие навесы, потому что их меньшие и более легкие тела позволят им пересечь более редкий навес.

( A ) Местоположение исследовательской площадки в Сабахе, Малайзия. ( B ) Высота полога внутри и вокруг участка исследования, Лот 2 LKWS, с примером траектории движения самца орангутана с отбортовкой, использованной в анализе. ( C ) Изображение SSF, созданного вдоль примерной траектории движения (черная линия отображает наблюдаемое движение, а серые линии показывают доступные шаги, которые мог бы предпринять орангутанг). Красные блоки в A, и B указывают увеличенные области в B и C соответственно.

Результаты и обсуждение

Орангутаны всех возрастных и половых классов выровняли свои пути движения со структурными характеристиками верхнего полога в этой нарушенной лесной системе (описания структуры полога представлены в таблице 1), двигаясь в направлениях с увеличенным пологом (закрытие ), более высокие деревья и одинаковая высота (Рис. 2 A – C и Таблица 2). Точно так же, хотя ответы были более разнообразными, большинство орангутанов избегали пробелов в кроне и с большей вероятностью двигались в сторону зарождающейся короны (рис.2 D и E и Таблица 2). Однако пути движения не определялись вертикальной сложностью полога (форма полога или вертикальное расслоение) для любого возраста или пола, о чем свидетельствуют небольшие значения важности переменных и коэффициенты β этих переменных в моделях выбора ресурсов (рис. 2 F. и G и таблица 2). Функции выбора шага (SSF), используемые для моделирования движения орангутангов, были достаточно надежными [наблюдаемая ранговая корреляция Спирмена (r _s )> случайная r _s ] для всех особей.

Измерения структуры растительного покрова, полученные с помощью LiDAR, смоделированные как ковариаты в условных логистических регрессиях, используемых для описания перемещения орангутангов в LKWS, Сабах, Малайзия

( A – G ) Коробчатые диаграммы модели усредненные коэффициенты β для всех особей и разных возрастных и половых классов орангутанов, полученные из индивидуально применяемых SSF. Сплошная линия в каждом квадрате указывает медианное значение для каждого возраста и пола, тогда как верхняя и нижняя части прямоугольников обозначают третий и первый квартили, соответственно.), SE и переменная важность структурных показателей, полученных с помощью LiDAR из моделей условной логистической регрессии, применяемых индивидуально к каждому орангутангу в LKWS, Сабах, Малайзия

В совокупности эти результаты предполагают, что хотя орангутаны действительно используют нарушенные, деградированные и фрагментированный лес, они также выбирают определенные атрибуты полога в этих лесах, указывая на то, что не все нарушенные или деградированные леса имеют одинаковую ценность для долгосрочной устойчивости популяций орангутанов.Однако по большинству показателей сила реакции и, в меньшей степени, направление различались у разных людей (рис. 2 и таблица 2), что позволяет предположить, что существует определенная степень гибкости в использовании полога орангутана и что ни одно структурное свойство полога не доказано чрезмерно. доминирующий.

Ранее было показано, что структура полога оказывает сильное влияние на выбор местообитания для широкого круга видов фауны (17), включая древесных приматов (19, 20). Более того, структура леса (измеряемая как высота полога) является более важным фактором, определяющим богатство видов приматов в мире, чем продуктивность или количество осадков (18).Однако, вопреки нашим предсказаниям и выводам для многих других видов (17), вертикальная сложность полога не имела значения при выборе среды обитания орангутангов. Вместо этого определяющими факторами были элементы верхнего купола (покрытие, высота и неоднородность высоты купола) (рис. 2), свойства, которые, вероятно, усиливают поперечное движение через купол. Орангутаны – самые тяжелые древесные млекопитающие в мире, которым нужны достаточно сильные ветви, чтобы преодолевать пропасти, при этом прыжки редки, биомеханически сложны и энергетически дороги (25).Они должны либо спуститься на землю (или более низкие уровни полога), либо выбрать пути без зазоров (т. Е. Сплошное покрытие навеса) и высокие деревья с достаточно сильными ветвями и / или древесными лианами, чтобы выдержать их вес (24). Высокие деревья (включая надводные кроны) также являются важными местами гнездования (26, 27) и местами сосредоточения плодоношения (11, 28), особенно в нарушенных лесах (29), что, вероятно, способствует их отбору. Хотя орангутаны могут спускаться и действительно спускаются на землю, чтобы преодолеть пропасти (14), эта деятельность является энергетически дорогой, поскольку требует спуска и подъема по растительности (25), а также подвергает орангутанов повышенному риску патогенов и хищничества (14).Таким образом, оставаться в верхнем куполе – более продуманная стратегия, чему также способствует равномерная высота купола. Когда купола нерегулярны или структурно сложны, поперечное движение купола может стать даже более энергетически затратным, чем наземное передвижение, из-за необходимого увеличения вертикального движения (14). Напротив, равномерные навесы позволяют орангутангам оставаться на одной и той же высоте, тем самым улучшая боковое движение.

Не было значительных различий в способах использования навесов половозрастными и половыми классами (критерий Краскала – Уоллиса, P > 0.05 для всех структурных показателей) (рис.2), предполагая, что структурные факторы влияют на орангутанов одинаковым образом, несмотря на выраженный половой диморфизм и биматуризм взрослых самцов, а также наблюдаемые возрастные и половые различия в наземной активности и использовании ветвей (14, 24; но см. ссылки 22, 23, где не было обнаружено различий в передвижении между возрастными и половыми классами). Однако размеры нашей выборки были относительно небольшими, поэтому выявить статистические различия в ответах сложно. Несмотря на эти соображения, у самцов без фланцев была тенденция проявлять больше вариаций в своих ответах на большинство структурных показателей (рис.2 и таблица 2). Взрослые самцы без фланцев менее территориальны (30), поэтому разумно предположить, что они будут больше путешествовать и, следовательно, будут менее знакомы с окружающей их средой, в отличие от самцов с более территориальными фланцами, особенно самцов с отбортовками в паре с филопатрическими женщинами (30⇓– 32). Действительно, среднее дневное расстояние, пройденное самцами без фланцев, было самым длинным – 856,56 м, по сравнению с 546,70 м для самцов с отбортовкой, 729,20 м для несовершеннолетних самок и 694,45 м для взрослых самок. Решения о движении самцов без фланцев также могут быть более вариабельными из-за их социальной пластичности и необходимости находить партнеров, одновременно избегая при этом самцов с фланцами (30, 33), которые могут иметь приоритет над энергетическими затратами.

Хотя мы обнаружили, что структура полога влияет на передвижение орангутангов, другие факторы, не исследованные здесь, также могут быть потенциально важными. Например, известно, что пищевые ресурсы и минеральные лизунцы влияют на плотность и распределение орангутангов (11, 34, 35) и могут аналогичным образом влиять на более мелкие масштабные решения о перемещении. Хотя кроны надводных деревьев можно рассматривать как заменители крупных плодовых деревьев, таких как Ficus и Dracontomelon spp., Более прямые меры, которые также учитывают фенологию плодоношения, вероятно, будут полезными.Точно так же важным фактором может быть распределение сородичей, таких как потенциальные партнерши и / или враждебные особи (36). Знание одновременного местоположения других людей будет полезно для понимания влияния этих водителей, хотя эту информацию особенно сложно получить для орангутангов, учитывая трудности с установкой устройств слежения за глобальной системой позиционирования (GPS) или отслеживанием нескольких людей одновременно. Тем не менее, понимание того, как структурные свойства полога влияют на движение, является важным первым шагом для прогнозирования подходящего леса в качестве потенциальной среды обитания орангутана.

Хотя орангутаны могут и населяют нарушенные и деградированные леса, как также показано в этом исследовании, неизвестно, могут ли эти среды обитания обеспечить их долгосрочное выживание и сохранение. Подобно тому, как орангутаны могут заселять плантации масличных пальм, только если в непосредственной близости есть достаточный естественный лес (16), некоторые деградированные леса, вероятно, могут поддерживать орангутангов в краткосрочной перспективе, но, вероятно, существуют некоторые минимальные экологические требования, необходимые для долгосрочное выживание жизнеспособных гнездящихся популяций в этих ландшафтах.Крупномасштабная добыча древесины в Кинабатангане началась в 1970-х годах, а переход на сельское хозяйство начался в середине 1980-х годов. Следовательно, леса в пойме были фрагментированы и деградировали в течение значительного времени (> 40 лет), но все еще поддерживают значительную размножающуюся популяцию орангутанов. Таким образом, разумно, что элементы купола, признанные здесь важными, могут рассматриваться в более широком смысле как полезные меры таких минимальных требований. В Кинабатангане орангутаны разных возрастных и половых классов выбирали высокий закрытый лесной полог с относительно одинаковой высотой и небольшим количеством промежутков.Таким образом, проекты восстановления, которые продвигают эти атрибуты полога в сочетании с другими аспектами, необходимыми для выживания орангутангов, такими как достаточные пищевые ресурсы (например, плодоносящие деревья) и сокращение охоты, с большей вероятностью будут иметь долгосрочный успех в поддержании популяций. Более того, деятельность, способствующая фрагментации лесов и раскрытию полога (как в масштабе ландшафта, так и в масштабе отдельных участков леса), не должна поощряться в целях сохранения орангутангов. Несмотря на эти минимальные атрибуты леса, становится ясно, что орангутаны более устойчивы и адаптируются к вмешательству человека, чем считалось ранее, и что они относительно гибки в использовании полога, используя широкий диапазон условий полога, что также продемонстрировано на примере диапазон наблюдаемых ответов на структурные метрики в этом исследовании.Таким образом, нарушенные леса с такими минимальными экологическими условиями должны рассматриваться как один из главных приоритетов при планировании сохранения орангутангов, если мы хотим обеспечить успешное долгосрочное выживание этих культовых человекообразных обезьян (8).

Помимо орангутанов, необходимо признать и понять природоохранную ценность деградированных и нарушенных земель, а также то, как приоритетные виды и биоразнообразие в более широком смысле используют и сохраняются в этих ландшафтах. Поскольку антропогенное давление продолжает расти и оказывать давление на среду обитания животных, особенно в развивающихся тропиках, эти фрагментированные и нарушенные территории будут становиться все более типичными для доступных сред обитания.Более того, многие из этих видов нуждаются в больших территориях, уже выходящих за рамки существующей сети охраняемых территорий, чтобы быть жизнеспособными в долгосрочной перспективе, и планирование сохранения должно включать такие ландшафты. Если мы недостаточно понимаем, как они используются животными, текущие и будущие стратегии сохранения, вероятно, будут в значительной степени неэффективными для обеспечения выживания харизматических и функционально важных видов, таких как орангутаны и многие другие, в долгосрочной перспективе.

Методы

Данные о перемещении орангутангов.

Данные о перемещении орангутанов были собраны в заповеднике дикой природы Нижний Кинабатанган (LKWS), Сабах, Малайзия. Эти фрагментированные лесные участки состоят в основном из смешанных низинных диптерокарповых лесов вдоль реки Кинабатанган, все из которых неоднократно вырубались за последнее столетие, но в настоящее время находятся под защитой либо на территории заповедника дикой природы, либо в других типах охраняемых лесов. Популяция орангутанов в регионе в начале 2000-х годов оценивалась примерно в 1100 особей (21), но к 2015 году эта популяция сократилась примерно до 800 особей из-за непрерывной потери лесов и расселения в нелесные среды обитания.Это исследование проводилось на участке интенсивных исследований, используемом Проектом сохранения орангутанов Кинабатанган, который охватывает ∼7,4 км ² участка 2 LKWS (от 118 ° 17 ‘до 118 ° 20’ в.д. и от 5 ° 34 ‘до 5 ° 33 ′ с.ш.). Участок граничит с севером и востоком с естественными лесами, на юге с рекой Кинабатанган и на западе с плантациями масличных пальм (рис. 1 B ). Вся территория находится ниже 50 м над уровнем моря и состоит из мозаики деградированных смешанных низинных диптерокарповых и пресноводных болотных лесов с низкой общей плотностью деревьев (332 ствола на гектар) и коротким пологом (> 80% деревьев <20 м. в высоту), большие разрывы полога и значительное нарушение почвы (21).

Каждый день группа исследователей орангутанов заходит на место исследования и систематически исследует территорию на предмет наличия диких орангутанов (29). При обнаружении основных животных отслеживают от гнезда к гнезду (от рассвета до заката), и местоположение преследуемой особи по GPS записывается каждый раз, когда животное движется к новому дереву, что приводит к полному пути движения за каждый день, за которым следует орангутанг. . Точность GPS в этих условиях оценивается от 2 до 8 метров. Для этого исследования мы использовали данные о местоположении, собранные за трехлетний период с 2014 по 2016 год.Были включены только особи, у которых было по крайней мере 94 наблюдаемых местоположения (80 шагов движения, определяемых как прямолинейный путь между последовательными деревьями, через которые перемещались орангутаны). Окончательный набор данных включал 222 дня прямого слежения за 14 отдельными орангутанами, в результате чего было получено в общей сложности 4765 наблюдаемых шагов на общем расстоянии 142,34 км [584 шага за 27 дней от трех субвзрослых самок (независимо от возраста потомства 7–12 лет), 2 603 шага за 126 дней у четырех взрослых самок, 975 шагов за 38 дней у пяти самцов без фланцев (ориентировочный возраст ≥ 15 лет) и 603 шага за 31 день у двух самцов с фланцами].

Бортовой LiDAR и структурные метрики.

Мы нанесли на карту исследуемую область с помощью бортовой LiDAR с дискретным возвратом в апреле 2016 г. с помощью бортовой обсерватории Карнеги-3 (CAO) (37). Подсистема CAO LiDAR предоставляет трехмерную структурную информацию о растительном покрове и подстилающей местности. Подсистема инерциального измерительного блока (IMU) GPS предоставляет данные о трехмерном положении и ориентации для датчиков, что позволяет с высокой точностью определять местоположение наблюдений LiDAR на земле.Для этого исследования данные CAO были собраны с высоты 3600 м над уровнем земли с использованием угла сканирования 36 ° и бокового перекрытия 30%. Скорость самолета составляла 150 узлов, а частота импульсов LiDAR была установлена ​​на 150 кГц, в результате чего средняя плотность точек составляла 3,20 лазерных выстрела на квадратный метр. Оценки горизонтальной и вертикальной ошибок составили 16 см и 7 см среднеквадратичной ошибки, соответственно.

Дальность действия лазера от LiDAR была объединена со встроенными данными GPS-IMU для определения трехмерных местоположений лазерных возвратов, создавая «облако» данных LiDAR.Облако данных LiDAR состоит из большого количества оценок высоты точек с географической привязкой, где высота указывается относительно опорного эллипсоида. Первоначально точки данных LiDAR обрабатывались, чтобы определить, какие лазерные импульсы проникли в объем купола и достигли поверхности земли. Мы использовали эти точки для интерполяции растровой цифровой модели местности (ЦМР) для поверхности земли. Вторая цифровая модель поверхности (DSM) была основана на интерполяции всех точек первого возврата (т. Е. Включая вершину купола и, где существуют только отражения от земли, голую землю).Измерение вертикальной разницы между DTM и DSM дает цифровую модель купола (DCM). Окончательные модели отметки земли и высоты древесного покрова были получены с пространственным разрешением 2 м.

Из обработанных данных LiDAR мы извлекли структурные метрики, которые, как ожидается, будут влиять на движение растительного покрова орангутана (Таблица 1). Мы получили измерения верхних атрибутов полога (покрытие полога, высота полога и неоднородность высоты полога) и характеристик полога (возникающие кроны деревьев и зазоры в пологе) из DCM и метрики вертикальной сложности полога (форма и наслоение полога) из вертикальное распределение точек LiDAR.Покровный покров определялся как доля площади, занимаемой растительностью на высоте более 10 м [т. Е. 1 (полное покрытие) – доля промежутка между пологом (площадь более 10 м, свободная от растительности)]. Горизонтальная плоскость была создана через DCM на высоте 10 м над землей, после чего было подсчитано количество пикселей, для которых DCM находился над этой плоскостью, и разделено на общее количество пикселей на площади 10 × 10 м. Высота над землей была выбрана 10 м, потому что средняя высота полога в районе исследования составляла 17.3 м, а орангутаны в Кинабатангане, как известно, путешествуют в основном в верхней половине полога. Высота купола измерялась как интерполированная высота DCM с разрешением 2 м, а неоднородность высоты купола определялась как стандартное отклонение высоты купола между двумя наблюдаемыми или доступными шагами движения орангутанга. Предполагалось, что зарождающиеся кроны деревьев будут влиять на движение орангутангов, потому что они представляют собой большие деревья, которые используются в этих лесах в качестве мест для гнездования, кормления и наблюдения (29). Эти появляющиеся кроны деревьев были определены как скопления из двух или более смежных пикселей (из DCM) с высотой более 1.5-кратное стандартное отклонение средней высоты полога в исследуемой области (т. Е. Выступающие короны были> 28,2 м в высоту и ≥8 м ² в области) (изменено по ссылке 38). Ожидалось, что орангутаны будут избегать пробелов в пологе из-за повышенных энергетических затрат на спуск и подъем по пологу, чтобы пересечь их (25). Зазоры в навесе были определены как области по крайней мере из трех смежных пикселей DCM (т. Е. 6 м в длину и 12 м ² согласно ссылкам 10, 11, 14, в которых зазоры классифицировались как ≥5 м в длину), которые имели относительную высота −0.На 5–1,0, или на 50–100%, ниже средней высоты растительного покрова окружающего 1 га (изменено по ссылке 39).

Для показателей вертикальной сложности купола мы разбили вертикальное распределение точек LiDAR на объемные пиксели (воксели) с горизонтальным пространственным разрешением 5 × 5 м и вертикальным разрешением 1 м, с использованием DTM для стандартизации вертикальной точки отсчета в горизонтальный центр каждого воксела. Затем количество точек LiDAR в каждом вокселе было разделено на общее количество точек LiDAR в этом столбце, что дало процент точек в каждом вокселе и, следовательно, процент растительности, присутствующей в каждой категории высотой 1 м.Затем мы посчитали количество 1-метровых слоев в каждом столбце, которые содержали растительность, как меру вертикальной сложности полога (то есть количество 1-метровых слоев полога, в которых присутствовала растительность). Наконец, мы вычислили параметр формы купола для каждого вокселя, соотношение P / H (согласно ссылке 40), что сокращает большой объем информации о вертикальном профиле до простой метрики, отображающей общую архитектуру купола. Отношение P / H определяется как отношение высоты над землей, где максимальный объем купола ( P ) приходится на 99-й процентиль общей высоты купола ( H ).Высокое соотношение P / H указывает на то, что большая часть листвы расположена высоко в кроне, независимо от общей высоты кроны, тогда как низкое соотношение P / H указывает на тенденцию к наземному распределению листвы (40) .

Анализ.

SSF использовались для определения структурных показателей растительного покрова, которые повлияли на перемещение орангутангов (41, 42). SSF – это функция выбора ресурса для управления случаем, где шаг (определяемый как прямой путь между последовательными местоположениями GPS) является зависимой переменной.Вероятность того, что отдельный орангутанг выберет шаг, оценивалась путем сравнения каждого наблюдаемого шага с подобранной выборкой из 10 случайно выбранных доступных шагов (рис. 1 C ). Доступные шаги для каждого отдельного орангутана были сгенерированы путем случайного рисования длин шагов и углов поворота из распределений движений всех других наблюдаемых орангутанов, что позволило избежать проблем с округлостью (41). Каждый день наблюдения за орангутангом (фокусное отслеживание от гнезда к гнезду) обрабатывался отдельно, чтобы гарантировать, что каждый образец представляет собой фактический шаг (движение), и на него не влияла возможность того, что GPS-отслеживание орангутана началось через несколько часов после него. уже покинул гнездо и на следующий день двинулся в путь.Переменные-предикторы (показатели структуры купола представлены в таблице 1) были измерены как их средневзвешенное значение длины или стандартное отклонение в случае неоднородности высоты купола по длине каждого наблюдаемого и доступного шага. Модели SSF не основаны на строгом предположении, что животное двигалось по выбранному прямолинейному пути, а только на том, что характеристики окружающей среды между начальной и конечной точками повлияли на движение и местоположение конечной точки (42).

Переменные-предикторы были масштабированы и центрированы перед анализом, после чего для каждого отдельного орангутана были построены подходящие наборы моделей условной логистической регрессии.Эти наборы кандидатов состояли из глобальной модели, содержащей все переменные-предикторы (таблица 1), и сокращенных версий этой модели. Мы не включали условия взаимодействия, потому что у нас не было биологической основы для этого. SSF применялись отдельно к каждому орангутангу, чтобы учесть индивидуальные различия и сделать выводы о поведении, зависящем от возраста и пола (41). Коллинеарность между переменными-предикторами оценивалась с использованием факторов инфляции обобщенной дисперсии (GVIF), при этом все оценки GVIF были <3, а большинство <2 во всех моделях.Модели были ранжированы и оценены с использованием критериев информации Акаике с поправкой на размер выборки (AICc) и весов Акаике ( w _i ). Из-за тесной конвергенции между топовыми моделями (небольшие изменения в оценках AICc и w _i между моделями), усреднение модели было реализовано с использованием коэффициентов из моделей с дельтой AICc <2 относительно самой экономной модели (43). Устойчивость наиболее эффективной модели оценивалась с помощью k-кратной перекрестной проверки для условной логистической регрессии, которая оценивает производительность модели путем сравнения количества наблюдаемых шагов со случайными (44).Для достижения этой оценки был построен SSF путем случайного выбора 80% страт и последующего сравнения результатов с оставленными 20%. Эта процедура была повторена 100 раз, при этом наблюдаемые шаги сравнивались с случайными. Затем была рассчитана ранговая корреляция Спирмена (r _s ), чтобы оценить, насколько хорошо обучающие данные объясняют данные тестирования. Наконец, мы проверили различия в выборе между четырьмя возрастными и половыми классами (используя переменные коэффициенты из модели усреднения в качестве зависимой переменной), используя критерий Краскала-Уоллиса.

Благодарности

Мы благодарим всю команду CAO за поддержку в картировании и анализе лесных покровов в Сабахе, Малайзия. Команда проекта по сохранению орангутанов Кинабатанган (KOCP) благодарит за их постоянные усилия в этой области, а Департамент дикой природы Сабаха благодарит за разрешение проводить исследования в LKWS. Это исследование было поддержано грантами Программы развития Организации Объединенных Наций, Avatar Alliance Foundation, Круглого стола по устойчивому пальмовому маслу, Всемирного фонда дикой природы и Rainforest Trust.HUTAN – KOCP благодарит своих давних сторонников: Arcus Foundation; зоопарки Зоопарк де Боваль, Ла Пальмир, Честер, Вудленд Парк, Хьюстон, Кливленд, Колумбус, Феникс, Сент-Луис, Базель, Апенхел, Хогл и Метропарк Орегона; Консультативная группа по таксонам великих обезьян Ассоциация зоопарков и аквариумов; Австралийский проект; Синхронность Земли; Служба рыболовства и дикой природы США; Всемирный земельный фонд; Фонд Ватерлоо; и другие партнеры. CAO стала возможной благодаря грантам и пожертвованиям G.P.A. из фонда Avatar Alliance Foundation, Маргарет А.Фонд Каргилла, Фонд Дэвида и Люсиль Паккард, Фонд Гордона и Бетти Мур, Фонд Грэнтэма по защите окружающей среды, Фонд В.М. Кека, Фонд Джона Д. и Кэтрин Т. Макартур, Фонд Эндрю Меллона, Мэри Энн Нибург Бейкер и Г. Леонард Бейкер-младший и Уильям Р. Херст III.

Сноски

• Вклад авторов: A.B.D., M.A., and G.P.A. спланированное исследование; A.B.D., M.A., F.O. и G.P.A. проведенное исследование; А.Б.Д. проанализированные данные; и А.B.D. и G.P.A. написал газету.

• Рецензенты: S.K.S.T., Бирмингемский университет; и A.v.C., Институт эволюционной антропологии Макса Планка.

• Авторы заявляют об отсутствии конфликта интересов.

Структура лесного полога: что это значит и почему?

Я провожу много времени, стреляя лазером по деревьям, но это определенно не так увлекательно, как кажется! Мы говорим не о бластерах в стиле Хана Соло, а о наземных лазерных сканерах.Это инструмент, который испускает миллионы лазерных импульсов и записывает количество времени, которое проходит между начальным импульсом и его возвращением к датчику после удара по объекту. На самом деле, вместо того, чтобы бегать по взрывным устройствам, я в основном сижу рядом с инструментом, следя за тем, чтобы я не блокировал лазер и сам не попал в сканирование (см. Фото 1). С помощью этого инструмента мы определяем расстояние до объектов от сканера и делаем 3D-карты поверхности практически любого объекта, включая полог леса.Вы можете подумать: «Зачем вам тратить на это время?» Что ж, я рада, что вы спросили! Позвольте мне немного рассказать вам о том, насколько важна конструкция полога в лесу.

Структура лесного полога может означать много разных вещей. Часто ученых интересует общее количество площади листьев в лесу, потому что эти листья являются фотосинтетической системой деревьев и, таким образом, определяют, сколько они растут и сколько углерода они выводят из атмосферы. Обычно это называют индексом площади листа, который представляет собой количество площади листа на единицу площади земли.Поскольку на то, чтобы выйти и срезать все листья и измерить их общую площадь, потребуется довольно много времени, этот аспект лесного полога обычно оценивается либо путем сбора листьев в «ловушки для мусора» (известной области) по мере их опадания. деревья или используя фотографии с полусферическими (или «рыбьими») фотографиями, направленными вверх, чтобы посмотреть на полог (см. фото 2).

Другой способ думать о структуре навеса – это расположение листьев и ветвей в навесе в 3D. Знание того, как устроены эти элементы навеса, может многое рассказать нам о том, как лес будет функционировать, и о ценностях, которые лес может принести экосистемам и человеческому обществу.Легендарный эколог Роберт Макартур был одним из первых ученых, которые вникли в эту тему. Он создал метрику, которую назвал «Разнообразие высоты листвы» – в основном вертикальное расслоение элементов навеса. Его исследование показало, что эта особенность леса очень сильно связана со средой обитания леса для птиц и что разные виды птиц использовали леса с разными типами структуры навеса (например, плотный подкос против высокого навеса и открытый подкоп) из-за потребности для гнездования, кормления, охоты и т. д.Работа моей лаборатории и ряда сотрудников продемонстрировала, что трехмерная структура полога также очень важна для определения продуктивности леса и, следовательно, количества углерода, которое они могут удалить из атмосферы. В настоящее время у нас есть финансирование от Национального научного фонда и Министерства сельского хозяйства США для оценки общности этого открытия в восточной части США по ряду типов лесов и с различными стратегиями управления.

Как это связано с Stormwise и устойчивостью лесов к нарушениям?

Хотя влияние структуры растительного покрова на использование среды обитания и поглощение углерода очевидно важно, эта особенность лесов также вызывает серьезную озабоченность, поскольку мы пытаемся понять, как сделать леса более устойчивыми к нарушениям.Природные нарушения, наносящие ущерб лесам (и прилегающей инфраструктуре), обычно связаны либо с сильными ветрами, либо с накоплением льда / снега на ветвях. Возможность того, что оба этих типа нарушений могут вызвать повреждение или привести к повреждению деревьев или ветвей, во многом зависит от структуры крон деревьев и лесного полога. Например, движение ветра над лесным массивом и сквозь него, а также его склонность к повреждению ветвей или деревьев могут быть сильно связаны со структурой кроны деревьев, как с точки зрения гладкости, так и с точки зрения плавности.шероховатость внешнего вида и внутренней структуры купола, а также то, как это создает турбулентность внутри купола. Мы стремимся лучше понять эти отношения, сочетая измерения движения деревьев с картированием всех элементов полога в древостоях (фото 3) как до, так и после хозяйственных мероприятий, связанных с Stormwise. Кроме того, структура деревьев и ветвей в лесу может иметь очень сильное влияние на вероятность разрушения ветвей и деревьев, связанных со льдом / снегом.Мы участвуем в финансируемом NSF экспериментальном проекте ледового шторма, который проводится в Нью-Гэмпшире в экспериментальном лесу Хаббард-Брук (http://www.hubbardbrook.org/research/climate/Rustad_12.shtml), чтобы попытаться лучше понять, как Ледяные бури влияют на структуру навеса, а также на то, как ледяные бури могут повлиять на разные типы навесов (с разной исходной структурой). Благодаря исследованиям мы надеемся понять, как структура лесного покрова влияет на устойчивость деревьев и лесов к нарушениям, и использовать это научное понимание для более эффективного управления лесами с целью повышения устойчивости.

Характеристика и классификация структуры и распределения растительного покрова в Национальном парке Грейт-Смоки-Маунтинс с использованием LiDAR

Лесная служба США
Уход за землей и обслуживание людей

Министерство сельского хозяйства США

1. Характеристика и классификация структуры и распределения растительного покрова в Национальном парке Грейт-Смоки-Маунтинс с использованием LiDAR

   Автор (ы): Джитендра Кумар; Джон Вайнер; Уильям У.Hargrove ; Стив Норман ; Форрест М. Хоффман; Дуг Ньюкомб
   Дата: 2016
   Источник: In: Proceedings 15th IEEE International Conference on Data Mining Workshop.
   Серия публикаций: Научный журнал (JRNL)
   Станция: Южная исследовательская станция
   PDF: Скачать публикацию (1,0 МБ)
   
   Описание Структура растительного покрова является критически важной характеристикой среды обитания для многих исчезающих и находящихся под угрозой исчезновения птиц и других видов животных, и это ключевая информация, необходимая управляющим лесами и дикой природой для мониторинга и управления лесными ресурсами, планирования сохранения и поощрение биоразнообразия.Достижения в технологиях обнаружения и определения расстояния (LiDAR) позволили проводить исследования растительного покрова на основе дистанционного зондирования путем захвата трехмерных структур, что дает информацию, недоступную на двухмерных изображениях ландшафта, предоставляемых традиционными многоспектральными платформами дистанционного зондирования. Однако большие объемы данных, создаваемые бортовыми приборами LiDAR, представляют собой значительную вычислительную задачу, требующую алгоритмов для выявления и анализа представляющих интерес закономерностей, скрытых в облаках точек LiDAR, с вычислительной эффективностью с использованием современной вычислительной инфраструктуры.Мы разработали и применили вычислительно эффективный подход для анализа большого объема данных LiDAR и охарактеризовали структуру растительного покрова на 139 859 гектарах (540 кв. Миль) в Национальном парке Грейт-Смоки-Маунтинс. Это исследование помогает улучшить наше понимание распределения растительности и местообитаний животных в этой чрезвычайно разнообразной экосистеме.
   Примечания к публикации
   • Вы можете отправить электронное письмо по адресу [email protected], чтобы запросить печатную копию этой публикации.
   • (Пожалуйста, укажите точно, , какую публикацию вы запрашиваете, и свой почтовый адрес.)
   • Мы рекомендуем вам также распечатать эту страницу и прикрепить ее к распечатке статьи, чтобы сохранить полную информацию о цитировании.
   • Эта статья была написана и подготовлена ​​государственными служащими США в официальное время и поэтому находится в открытом доступе.
   Citation

   Кумар, Джитендра; Вайнер, Джон; Харгроув, Уильям У.; Норман, Стивен П .; Хоффман, Форрест М .; Ньюкомб, Дуг. 2016. Характеристика и классификация структуры и распределения растительного покрова в Национальном парке Грейт-Смоки-Маунтинс с использованием LiDAR. In: Proceedings 15th IEEE International Conference on Data Mining Workshop. 1478-1485 с. 8 с. 10.1109 / ICDMW.2015.178.

   Процитировано
   Связанный поиск

   ---

   XML: Просмотр XML

Показать больше

Показать меньше

https: // www.fs.usda.gov/treesearch/pubs/51075

Мебель для патио, уличные зонты для патио и рыночные зонтики, чехлы для мебели для вашего сада, лужайки или террасы.

Используйте навигационные ссылки слева или используйте поле поиска в правом верхнем углу.

10.26.040 Навесы и конструкции козырьков.

A. Типы разрешенных и разрешенных местоположений.

1. Несъемные навесы – жилые зоны. Навесы и конструкции козырьков разрешены только в пределах задних дворовых территорий. Такие конструкции должны иметь площадь не более 144 квадратных футов, высоту не более 10 футов и длину с одной стороны не более 12 футов.

2. Теневые зонты – жилые зоны.Тень зонтики с максимальным диаметром 10 футов разрешены во всех дворовых зонах и не должны выступать за соседние участки или полосу отчуждения.

4. Временные навесы и навесы – жилые зоны.Во всех жилых зонах временные навесы и конструкции навесов могут быть установлены на любой дворовой территории для частного общественного мероприятия на открытом воздухе, спонсируемого жителями объекта недвижимости. Все такие навесы должны быть закреплены таким образом, чтобы не допустить их смещения ветром. Использование таких структур должно быть ограничено менее 48 часами в любой месячный период.

B. Навесы и конструкции навесов – запреты.

1. Во всех жилых зонах нельзя располагать навес и конструкции навеса в пределах переднего двора, бокового двора или проезжей части, за исключением случаев, предусмотренных выше.

2. Укрывные материалы световозвращающего или зеркального типа запрещены.

C. Ремонт и обслуживание. Козырьки и конструкции козырьков должны поддерживаться в хорошем состоянии.