Все древесные растения, произрастающие в условиях умеренного климата северного полушария, осенью проходят сложный процесс акклиматизации или закаливания, позволяющий им перенести зиму с отрицательными температурами. Приобретение морозоустойчивости в ходе этого процесса связано с физиологическими, биохимическими изменениями, приводящими к обезвоживанию тканей и накоплению в клетках органических антифризов, что препятствует образованию кристаллов льда и разрушению клеток. При этом в тканях также образуются ингибиторы роста, препятствующие несвоевременному пробуждению растений. Такое состояние называется состоянием покоя, в отличие от вегетации, когда происходит видимый рост и развитие растений. Не менее сложным является обратный процесс перехода из состояния покоя в состояние вегетации – деакклиматизация. Для определения состояния покоя и оценки его глубины (степени зимостойкости растений) существуют достаточно сложные биофизические, физиологические и биохимические методы, которые необходимо использовать в комплексе. Эти методы достаточно точные, но требуют повреждения объекта и не позволяют сделать оценку оперативно и на больших территориях. Если начало процесса акклиматизации можно определить у листопадных растений в ходе фенологических наблюдений (процесс акклиматизации начинается сразу после листопада), то у вечнозеленых растений это сделать невозможно.

Гиперспектральное фенотипирование — это передовой неинвазивный метод, который использует анализ спектра света, отраженного растениями в разных диапазонах — от ультрафиолетового до инфракрасного. Ученые из ЮФУ с помощью гиперспектральной камеры Cubert UHD-185 для дронов, чувствительной к мельчайшему изменению цвета, провели съемку нескольких видов хвойных растений из коллекции Ботанического сада ЮФУ, включая тую западную, плосковеточник восточный, сосну обыкновенную и тую складчатую, в течение годового цикла. Затем данные были проанализированы с помощью методов машинного обучения, что позволило с высокой точностью диагностировать, находятся ли растения в состоянии вегетации или покоя. Примечательно, что в зависимости от разрешения используемой камеры таким способом можно оценивать состояние как отдельных деревьев, так и лесного массива.

Результаты исследования показали, что ключевые показатели, такие как содержание хлорофилла и каротиноидов, играют важную роль в определении степени морозоустойчивости растений. Эта методика позволяет эффективно отслеживать состояние лесов на больших территориях без необходимости повреждать деревья.

«Мы провели поисковое исследование для определения возможностей методов гиперспектрального фенотипирования для диагностики у вечнозеленых хвойных растений состояния покоя и вегетации. В ходе лабораторного эксперимента с применением методов машинного обучения и подробного годового временного ряда спектральных характеристик побегов хвойных растений удалось с высокой точностью диагностировать состояния «вегетация» и «покой». Определены вегетационные индексы, наиболее информативные для описания годового цикла развития хвойных растений. Получены результаты, обосновывающие возможность определения степени морозоустойчивости различных видов хвойных растений по их спектральным характеристикам», – отметил руководитель проекта, поддержанного грантом РНФ, кандидат биологических наук, старший научный сотрудник Ботанического сада ЮФУ Павел Дмитриев.

Как объяснили исследователи, заранее обученный алгоритм машинного обучения соотносил цветовую насыщенность снимков с состоянием растений. Наибольший вес при оценке алгоритм присваивал той части спектральных данных, которая отображала количество пигментов (например, хлорофилла и каротиноидов) в побегах растений. Эта характеристика была важна при анализе, поскольку недостаточная пигментация часто указывает на болезнь.

Рисунок. Сезонная динамика вегетационных индексов PRI_norm (a), PRI (b), CCI (c), PRI/CI2 (d), DPI (e) и NDVI (f) в сравнении с динамикой суточной температуры.

Наиболее эффективно (с точностью в 97,7%) удалось определить состояние плосковеточника (Platycladus orientalis), в то время как в отношении остальных видов точность составила от 92,3% до 92,9%. Это объясняется тем, что в листьях плосковеточника содержится много пигментов — хлорофилла и каротиноидов, на которые хорошо реагирует предложенная система.

Разработанный подход не только ускорит диагностику состояния хвойных растений, но и поможет в решении вопросов лесоводства, особенно в контексте изменения климата и его влияния на здоровье деревьев.

Авторы отмечают, что в дальнейшем планируют развивать методы дистанционной диагностики состояний вегетации, покоя, акклиматизации и деакклиматизации.

Результаты исследований опубликованы в престижных научных журналах, таких как Horticulturae и Remote Sensing Applications: Society and Environment. Эти работы поддержаны грантом Российского научного фонда № 23-24-00390.

Текст: Юлия Сопрунова