A szőlő lombozatának elemzése vegetációs indexek segítségével A szőlőültetvények egészsége és terméshozama szempontjából elengedhetetlen a lombozat állapotának pontos értékelése. A vegetációs indexek, mint például a NDVI (Normalized Difference Vegetation
A vegetációs indexek alkalmazása széles körben elterjedt a mezőgazdasági ágazatokban. Felhasználásuk nem korlátozódik a kutatásra, mert napjainkban már a termesztők éves technológiai műveleteit is segítik. Jelen tanulmányban egy a Magyar Agrár- és Élettudományi Egyetemen fejlesztett programot mutatunk be, amellyel lehetőség nyílik az egyedi levelek RGB-alapú vegetációs indexeinek értékelésére.
A növények lombozatának és leveleinek színei rendkívül fontos információkat nyújtanak a mezőgazdaság, erdőgazdálkodás, kertészet és élelmiszeripar területén. A különböző pigmentek, mint például a klorofill, xantofill, karotinoidok, antocianinok és betalainok koncentrációja segítséget nyújt a tápanyag-ellátottság felmérésében, valamint a környezeti stresszfaktorok, kártevők és kórokozók jelenlétének azonosításában. E színek figyelemmel kísérése tehát nem csupán esztétikai szempontból lényeges, hanem a növények egészségének és fejlődésének megértésében is kulcsszerepet játszik.
Biotikus vagy abiotikus stresszhelyzetekben a levelek színeződése megváltozhat. Számos tápanyaghiány például jellegzetes mintázatot mutat. A nitrogénhiány kisebb és világoszöldebb leveleket eredményez. A magnéziumhiány esetén az egyik legfontosabb tünet a klorotikus sárgulás, amely az erek között jelenik meg, míg maguk az erek zöldek maradnak; további tünetek lehetnek nekrotikus foltok és lilás vagy vöröses árnyalatok. A káliumhiány esetén a levéllemez szélétől induló tüneteket találunk.
A gombás fertőzések különböző észlelhető jeleket hagynak a levéllemezen. Például a peronoszpóra olyan "olajfoltokat" teremt, amelyek szembetűnőek, míg a lisztharmat esetében a fehér foltok dominálnak. Ezzel szemben a feketerothadás sajátos barnásvörös árnyalatú foltokkal és sötét szegélyekkel hívja fel magára a figyelmet. Az esca viszont egy szabálytalan világoszöld elszíneződést, klorotikus tüneteket idéz elő, amelyet később a jellegzetes "tigriscsíkos" mintázat követ.
A fent említett megfigyelések alapján világosan látható, hogy a környezeti stressz gyakran morfológiai változásokkal jár együtt. Ezek a változások lehetőséget biztosítanak arra, hogy azonosítsuk a kiváltó okokat, vagy mérjük a stressz mértékét.
A vegetációs indexek vizsgálata széles körben elterjedt a biotikus és abiotikus stressz azonosításában. A legelterjedtebb vegetációs index az NDVI (Normalized Difference Vegetation Index), ami szoros összefüggést mutat a növények lombozatának méretével és a fiziológiai állapottal.
Az NDVI alapján kiszűrhetőek a tápanyaghiányos területek, a téli és tavaszi fagykárral sújtott ültetvények vagy ültetvényrészek, továbbá például a szárazságstressz, de a kártevők és a kórokozók által okozott vegetatív visszaesés is. Az NDVI vizsgálata ma már rutinszerűnek mondható, de bizonyos technikai feltételekhez kötött.
A vizsgálathoz úgynevezett multispektrális szenzorok alkalmazása szükséges, ugyanis a látható tartományon kívül a közeli infravörös (Near InfraRed - NIR) tartományban visszavert sugárzást is detektálnunk kell. A szükséges szenzorok ma már ugyan könnyedén beszerezhetők, de költségük miatt sokan a hagyományos RGB-alapú (látható tartományon belüli) szenzorokkal is vizsgálható vegetációs indexeket részesítik előnyben.
A minták elemzése ebben az esetben nem követeli meg a NIR-tartomány vizsgálatát, így az adatgyűjtés és digitalizálás sokkal egyszerűbb eszközökkel is elvégezhető. Ilyenek például a digitális fényképezőgépek, az okostelefonok és táblagépek kamerái, valamint az irodai síkágyas szkenner vagy RGB-színmérők (coloriméterek).
A Magyar Agár- és Élettudományi Egyetemen kifejlesztettünk egy innovatív módszert, amely lehetővé teszi az egyedi levelek vegetációs indexeinek részletes értékelését. Emellett az egyes indexek levéllemezen megfigyelhető variabilitásának statisztikai elemzésére is lehetőséget biztosítunk, alkalmazva különböző analitikai eljárásokat.
A projekt célja az volt, hogy a hagyományos irodai szkenner és a laptop vagy asztali számítógép kamerája által digitalizált képek egyaránt alkalmasak legyenek elemzésre. Ezzel a megoldással könnyedén nyerhetünk értékes információkat az egyedi levelek vagy a teljes lombozat mintázatáról, mindezt egy egyszerű és hatékony módszer segítségével.
A felső képen látható egy tünetes levél eredeti, színes RGB-képe, míg az alsó képen a minta a Normalized Blue-Green Difference Index (NBGVI) színindex alapján készült.
A LeafLaminaMap egy innovatív szoftver, amely a Scilab ingyenes platformjára épül, és az Image Processing and Computer Vision Toolbox segítségével valósult meg (1. ábra). A program és a forráskód könnyen hozzáférhető a GitHub online tárolójában. A szoftver intuitív grafikus felhasználói felülete lehetővé teszi, hogy a felhasználók egyszerűen betöltsenek a számítógépükön tárolt színes RGB-felvételeket, valamint választhatnak a különböző vegetációs indexek közül, amelyek elemzését szeretnék elvégezni.
A felhasználói felületen megjelennek a legfrissebb színindex kiszámolt paramétereinek eredményei, míg a teljes színindexek értékeinek listája automatikusan rögzítésre kerül egy szöveges fájlban. A rendszer képes meghatározni a kiválasztott színindex átlagát, szórását, valamint a kontraszt, energia és entrópia jellemzőit is.
A program a betöltött színes képeket átalakítja a kiválasztott vegetációs index képlete alapján. Példaként a red chromaticity esetén az eredeti kép minden pixelét az alábbi képlet alapján alakítja át: R/(R+G+B), vagyis a pixelek RGB értékeiből - melyek mindegyikének értéke 0 és 255 között lehet - kiszámolja a pixelek megadott vegetációs index szerinti új értékét.
A pixelek új értékeiből pedig megkapjuk az új, teljes levélre vonatkozó képet. Egy olyan pixel esetén, ahol az RGB értéke, például: R=112, G=186, B=16 (például egy egészséges zöld levél), a pixel red chromaticity értéke 112/(112+186+16) vagyis 0.3566.
A "kész" új levél pixeladatait a LeafLaminaMap különféle statisztikai eljárások segítségével elemzi: meghatározza a levélhez tartozó pixelek új értékeinek átlagát és szórását, továbbá kiszámítja a kontraszt, az energia és az entrópia mutatókat is.
A program bemutatásához 5 egészséges és 5 tünetes (jellemzően a vegetációs időszak végén szeneszcencia tüneteit mutató) levelet vontunk be az elemzésbe. A kapott adatok alapján látható, hogy az egészséges és tünetes levelek színindexeinek átlagértékei jelentősen eltérnek. A szórások közötti különbség pedig a levelek színének egységességére utalnak.
Minél magasabb a szórás értéke, a levél annál változatosabb RGB-értékekkel és ebből számolt színindexértékekkel rendelkezik. A kapott értékekkel végzett főkomponens analízis (PCA) eredménye (2. ábra) alapján a vizsgálatba vont minták élesen elkülönülnek egymástól, és míg az egészséges levelek kis távolságra helyezkednek el egymástól, a tünetes levelek nagy variabilitást mutatnak.
A vegetációs indexek széles körben alkalmazott mutatók a szőlőültetvények élettani és egészségi állapotának felmérésében. A rendelkezésre álló eszközök függvényében akár a hagyományos színes RGB-felvételek készítése is célravezető lehet a vizsgálatok elvégzéséhez, hiszen számos olyan vegetációs index létezik, ami nem igényli a multispektrális felvételeket.
A LeafLaminMap a MATE Szőlészeti és Borászati Intézete, valamint az Élelmiszertudományi Intézet közös innovációja, amely forradalmasítja a levelek színindexelemzését. Ez az eszköz lehetőséget ad arra, hogy alaposan megvizsgáljuk a levelek egyedi színjellemzőit. Az eddigi kutatási eredmények azt mutatják, hogy a program által generált adatok segítségével könnyedén megkülönböztethetjük az egészséges leveleket a tünetesektől, továbbá pontosan mérhetővé válik a levelek színmintázatának változékonysága is.
A kutatás publikációját az Agri-Digital Growth Interreg Central Europe (CE0200761) program támogatta, amely elősegíti a digitális innovációk fejlődését a mezőgazdaság területén.
