Kako satelitske snimke pomažu u praćenju usjeva

Satare snimke jedna su od najsvestranijih funkcija koje se mogu implementirati u poljoprivrednoj proizvodnji radi poboljšanja procesa donošenja odluka. Donošenje odluka, temeljenih na velikoj količini podataka, može pomoći poljoprivrednicima, agronomima ili savjetnicima u razumijevanju situacije i procesa koji se odvijaju na poljoprivrednim površinama koje su predmet praćenja.

Što je satelitska snimka?

Satellitsko snimanje, poznato i kao satelitsko daljinsko istraživanje, proces je korištenja satelitskih snimaka za prikupljanje informacija o Zemljinoj površini, atmosferi i oceanima. Ova tehnologija uključuje korištenje sateliti opremljene specijaliziranim senzorima i kamerama koje mogu snimiti slike Zemlje visoke rezolucije iz svemira.

Snimke dobivene satelitima mogu se koristiti za razne primjene, uključujući praćenje vremenskih obrazaca, praćenje promjena u okolišu, mapiranje korištenja zemljišta i vegetacije te procjenu utjecaja prirodnih katastrofa. Također se mogu koristiti u vojne svrhe i za obavještajne potrebe.

Satellitsko snimanje sa svojim prednostima može prikazati situacije koje se ne mogu vidjeti redovnim promatranjem. Redovita promatranja mogu biti vrlo zahtjevna u smislu količine uloženog rada, financija i vremena.

Čak i uz redovita promatranja tijekom razdoblja rasta usjeva, postoji nekoliko stvari koje se ne mogu vidjeti golim okom, poput rane pojave bolest i oštećenja uzrokovanih štetočinama koja na kraju rezultiraju degradacijom klorofila na staničnoj razini.

Integracijom i izračunom spektralnih pojaseva nevidljivih ljudskom oku, uzgajivači i savjetnici mogu lako vizualizirati razgradnju klorofila prije vidljivih simptoma bolesti ili oštećenja od štetnika na biljkama.

Ove prednosti u nadzoru usjeva povoljne su s obzirom na današnje tehnologije, omogućujući implementaciju takvih informacija u geografske informacijske sustave, što rezultira stvaranjem pravodobnog i kvalitetnog skupa podataka spremnih za korištenje u procesima donošenja odluka u vezi sa sustavima poljoprivredne proizvodnje.

Osim donošenja odluka temeljenih na informacijama, satelitske snimke mogu se koristiti za izvještavanje, vođenje evidencije i integraciju s različitim skupovima podataka (modeli bolesti i štetnika, atlasi prinosa, praćenje štetnika, karte gnojidbe i sl. ) kako bi se stvorio još funkcionalniji sustav praćenja usjeva i način na koji poljoprivrednik ili drugi stručnjaci vide napredak usjeva tijekom razdoblja rasta.

Satellitske snimke koriste se u poljoprivredi za praćenje usjeva, procjenu zdravlja biljaka, identificiranje problema kao što su bolesti ili nedostatak hranjivih tvari, te za precizno određivanje količine vode i gnojiva potrebne u različitim dijelovima polja.

Slike se mogu koristiti za modeliranje i izračunavanje spektralnih indeksa koji se kasnije izjednačuju za vizualizaciju u obliku kolorne sinteze, bilo u vidljivom dijelu spektra ili uključivanjem drugih val erozija prikazano različitim bojama.

Spektralni indeksi su kombinacije spektralne refleksije dviju ili više valnih duljina za prikaz značajki od interesa. Indeksi usjeva najčešće se koriste u poljoprivredi, ali indeksi se koriste za identifikaciju spaljenih područja, drugih umjetnih značajki, vode i drugih geoloških značajki.

Korisni spektralni indeksi u proizvodnji usjeva uključuju:

• NDVI Vegetacijski indeks normalizirane razlike.
• EVI (Indeks poboljšane vegetacije).
• NDVI s crvenim rubom (Red Edge Normalized Difference Vegetation Index).
• GNDVI (Zeleni normalizirani indeks razlike vegetacije).
• MSI ili NDWI (Indeks vlažnog stresa).
• LAI (Indeks lisne površine).

NDVI je jedan od najčešće korištenih indeksa i često se koristi za pregled početnog stanja usjeva. Drugi indeksi rade s određenim značajkama, tako da su rezultati specifični za određena poljoprivredna mjesta, važno je raditi s poviješću zemljišne vegetacije.

NDVI (Indeks Vegetacije Pojačanih Razlika)

Ovaj indeks je mjera zelenila vegetacije i općenito je najčešće korišteni indeks. Lišće reflektira infracrveno svjetlo (NIR) i koristi samo vidljivo svjetlo za fotosintezu. To znači da se zdrava biljka s dobrom stopom fotosinteze može analizirati usporedbom NIR-a s vidljivim crvenim svjetlom.

Bolesna vegetacija će reflektirati više vidljive svjetlosti i manje NIR-a. Zdrava vegetacija će smanjiti dio vidljive svjetlosti koja pada na nju. Međutim, NDVI je osjetljiv na efekte tla (svjetlost i boja), oblačnog pokrivača i sjene. Također, NDVI vrijednosti mogu biti netočne u situaciji guste vegetacije.

Indeks poboljšane vegetacije

Ovaj indeks je standard za spektre umjerene rezolucije – instrument koji se koristi na satelitima Terra i Aqua. EVI predstavlja alternativu NDVI-u koja se odnosi na neke od njegovih nedostataka, npr. ograničenja tla i atmosfere, optimizacijom refleksije vegetacije lišća.

Koristi plavi dio vidljivog spektra za ispravak signala, smanjujući učinke spomenutih ograničenja uključujući raspršenje elektromagnetskog zračenja aerosolima.

RENDVI ili NDRE (Red Edge Normalized Difference Vegetation Index)

Ovaj indeks temelji se na standardnom NDVI indeksu, ali s modifikacijama. RENDVI je vrlo koristan u preciznoj poljoprivredi, praćenju šuma i otkrivanju stresa usjeva.

Njegova učinkovitost proizlazi iz uključivanja valnih duljina koje pripadaju crvenom dijelu spektra, a ne valnih duljina koje odgovaraju vrijednosti refleksije i apsorpcije. Posebno je pogodan za otkrivanje malih promjena u stanju vegetacije.

GNDVI (Indeks zelenila normalizirane razlike)

Ovaj indeks je sličan NDVI indeksu i mjeri refleksiju svjetlosti u zelenom dijelu spektra u rasponu valnih duljina od 540 do 570 nanometara, umjesto u crvenom dijelu spektra. Ovo čini indeks osjetljivijim na sadržaj klorofila u zelenim dijelovima usjeva.

MSI (Indeks Stresa Vlage)

Ovaj indeks je osjetljiv na povećanje sadržaja vode u lišću. MSI indeks se koristi za otkrivanje stresa uzrokovanog nestašicom vode i dobar je pokazatelj stanja usjeva koji se često koristi za modeliranje usjeva, analizu požara i fiziologiju ekosustava. Visoke vrijednosti ukazuju na stres vode i niži sadržaj vode.

LAI (Indeks lisne površine)

Ovaj indeks se koristi za procjenu površine lišća te za predviđanje rasta i prinosa biljaka.

Vrste satelitskih snimaka usjeva

Primjene satelitskog snimanja

Evo nekoliko važnih upotreba satelitskih snimaka u praćenju usjeva:

Termalna snimka

Toplina koju emitiraju objekti na razini tla može se vidjeti na termalnoj fotografiji snimljenoj iz zraka, koja također otkriva varijacije temperature koje odgovaraju stresu usjeva. Uklanjanje nepotrebnih elemenata, poput pivot opreme, sa slike kalibracijom i ispravcima slike sprječava iskrivljenje podataka.

Hladnija područja prikazuju se ljubičastom bojom, a toplija područja žutom na konačnoj slici. Termalno snimanje korisno je za pronalaženje propuštanja, začepljenja i drugih problema s navodnjavanjem jer voda hladi vegetaciju. Termalno snimanje pomaže uzgajivačima u prepoznavanju pret-simptomatskih bolesti i pritisaka štetnika te u reagiranju pravodobnijim i usmjerenijim intervencijama otkrivanjem sitnih promjena u temperaturi površine lišća.

Vlažnost tla

Poljoprivreda mora uzeti u obzir vlažnost tla. Za potrebe precizne poljoprivrede (u mjerilu pojedinačnih polja) i s ciljem poboljšanja modeliranja prinosa usjeva, dostupnost mapa vlažnosti tla visoke rezolucije posebno je ključna.

Zbog loše prostorne rezolucije i male dubine promatranja, satelitski proizvodi vlažnosti tla do sada su se rijetko koristili u sustavima potpore poljoprivrednom odlučivanju na razini farmi ili polja. Međutim, ako može pružiti relevantne podatke u prihvatljivim vremenskim i prostornim dimenzijama, od satelitski izvedene vlažnosti tla očekuje se veliki potencijal.

Rezolucija

Visokodjelovanje satelitsko snimanje sa satelita u niskoj orbiti nedavno je postalo razvijenije i dostupnije, pružajući još jedan potencijal za primjenu fenotipizacije. Ovaj rad ilustrira kako se satelitska fotografija koristi u fenotipizaciji usjeva i poljoprivrednoj proizvodnji, te identificira biljne značajke koje se mogu procijeniti pomoću satelitskih podataka visoke razlučivosti.

Rad pokriva prednosti korištenja fenotipizacije temeljene na satelitu u programima oplemenjivanja usjeva, kao i nedostatke, poput blokade oblaka. Također istražuje potencijalnu primjenu satelitskog snimanja visoke rezolucije kao alata za fenotipizaciju u budućnosti.

Kako bi se uzgajivačima biljaka pomoglo u odabiru visokoprinosnih sorti otpornih na stres koje mogu pomoći u zadovoljavanju globalne potražnje za hranom, uz istovremeno suočavanje s klimatskim promjenama, satelitske snimke visoke rezolucije mogu se koristiti kao fenotipski alat za procjenu sorti usjeva.

Primjene satelitskih snimaka

GeoPard mogućnosti i primjene satelitskog snimanja nude korisnicima da vizualiziraju, normaliziraju, analiziraju i izvuku uvide izravno iz poljoprivrednih parcela kako bi poboljšali proizvodnju usjeva. Ova se upotreba podataka može obaviti uz pomoć gotovih GeoPard algoritama ili izradom vlastitih algoritama kako bi oni bili korisni za agronomiju.

Ovi algoritmi omogućuju procjenu rasta usjeva, stresa, itd. (vidi fotografiju) ili čak stvaranje receptnih mapa: na primjer, mape primjene dušika VR, mape primjene zaštite usjeva prskanjem.

Često postavljana pitanja

1. Kako dobiti satelitske snimke za farmu?

Da biste ga dobili za svoju farmu, istražite pružatelje usluga, prijavite se i pristupite njihovoj bazi podataka ili portalu. Navedite lokaciju vaše farme i željene parametre kako biste dobili relevantne slike za poljoprivredno praćenje.

2. Zašto je satelitska snimka korisna za razumijevanje prehrambenih mreža?

Od pomoći je u razumijevanju prehrambenih mreža zbog svoje sposobnosti pružanja širokog i sveobuhvatnog prikaza ekosustava. Snimajući slike kopnenih i vodenih površina velikih razmjera, znanstvenicima omogućuje promatranje i analizu prostorne raspodjele različitih staništa i resursa.

Ovo, pak, pomaže u proučavanju interakcija između različitih vrsta, identificiranju ključnih prehrambenih odnosa i razumijevanju protoka energije kroz prehrambene mreže.

Pomaže u razotkrivanju složenih ekoloških dinamika, doprinoseći dubljem razumijevanju funkcioniranja ekosustava i napora u očuvanju.

3. Koliko su skupe satelitske snimke?

Njegova cijena varira ovisno o nekoliko čimbenika. To uključuje davatelja usluge, rezoluciju, učestalost prikupljanja podataka i potreban opseg pokrivenosti. Cijene se mogu kretati od pristupačnih opcija za slike niske rezolucije do skupljih opcija za nadzor visoke rezolucije i u stvarnom vremenu.

Dodatno, specijalizirane usluge ili prilagođeni zahtjevi za podacima mogu uzrokovati dodatne troškove. Savjetuje se istražiti različite pružatelje usluga i njihove cjenovne modele kako biste pronašli rješenje za satelitsku snimku koje odgovara vašim specifičnim zahtjevima i proračunu.

4. Što je infracrvena satelitska snimka? Kako je pročitati?

Hvata infracrveno zračenje koje emitiraju objekti i površine na Zemljinoj površini. Pruža vrijedan uvid u varijacije temperature i toplinske obrasce.

Za čitanje infracrvenih satelitskih snimaka, mora se razumjeti da topliji objekti na slici izgledaju svjetlije, dok hladniji objekti izgledaju tamnije. Analizom ovih temperaturnih varijacija, mogu se procijeniti formacije oblaka, identificirati razlike u temperaturi kopna i vode, otkriti šumski požari, pa čak i pratiti oceanske struje.

Razumijevanje ljestvice boja i tumačenje razina svjetline na snimkama pomaže u izvlačenju značajnih informacija iz satelitskih snimki u infracrvenom spektru.