Өсімдік индекстері жүгерінің өсуін бақылауды қалай жақсартады

Жүгері - көлемі бойынша әлемдегі ең көп өндірілетін дәнді дақыл, тек Америка Құрама Штаттары ғана бүкіл әлемде өсіреді шамамен 35 миллион гектар және 2023 жылы 390 миллион метрикалық тонна өнім өндіреді. Мұндай ауқымда дақылдарды басқару жаяу барлаудан көп нәрсені талап етеді. Жүгері өсуін бақылауға арналған өсімдік индекстері – өсімдік жамылғысының жарықты шағылыстыруы мен сіңіруінен алынған математикалық формулалар – қазіргі заманғы дақылдарды басқарудың негізіне айналды, себебі олар спектрлік деректерді дақылдардың денсаулығы туралы ақпаратқа айналдырады. Олар мұны тез, ауқымды түрде және бірде-бір жапыраққа тигізбей жасайды.

Жер серіктері, дрондар және қол сенсорлары арқылы қолжетімді қашықтықтан зондтау технологиясы жүгері өсіру маусымының әрбір кезеңінде осы индекстерге нақты уақыт режиміндегі спектрлік деректерді енгізеді. Фермер немесе агроном жапырақтары сарғайғанға дейін V6-да азот стрессін анықтай алады, өнімділік төмендегенге дейін дәннің толуы кезінде су тапшылығын анықтай алады немесе дақылдың қоректенуі қажет болған аптада жасалған шатыр карталарын пайдаланып, айнымалы мөлшерлі тыңайтқыштарды қолдануды калибрлей алады.

Өсімдік индекстері дегеніміз не? Ол қалай жұмыс істейді?

Өсімдік индексі (VI) - сенсормен түсірілген екі немесе одан да көп спектрлік жолақтардың шағылысу мәндерін математикалық түрде біріктіру арқылы есептелетін өлшемсіз, сандық мән. Нәтижесінде топырақтан, атмосферадан және көлеңкеден келетін кедергілерді баса отырып, өсімдік жамылғысының белгілі бір биологиялық сипаттамаларын - мысалы, хлорофилл концентрациясы, жапырақ ауданы немесе су мөлшері сияқты - оқшаулайтын және күшейтетін бір сан пайда болады.

Өсімдіктер индексінің күші әртүрлі сенсорлар, өрістер және күндер бойынша өлшеулерді стандарттау қабілетінде жатыр. Жарықтандыру жағдайларына байланысты өзгеретін шикі шағылысу сандарын салыстырудың орнына, VI тұрақтырақ және биологиялық тұрғыдан маңыздырақ қатынасты немесе айырмашылықты қамтамасыз етеді. Бұл әртүрлі өрістер, жыл мезгілдері және тіпті спутниктік платформалар бойынша шатырдың денсаулығын салыстыруға мүмкіндік береді.

Өсімдіктер фотосинтез үшін жарықтың белгілі бір толқын ұзындықтарын сіңіреді және басқаларын шағылыстырады. Сау жасыл өсімдіктер хлорофилл тудыратын фотосинтез үшін қызыл жарықтың көп бөлігін (шамамен 660–680 нм) сіңіреді және жасушалық құрылымына байланысты жақын инфрақызыл (NIR) сәулені күшті шағылыстырады.

Кернеулі немесе сирек шатыр қызылды аз сіңіреді және көбірек шағылыстырады, сондай-ақ NIR-ді аз көрсетеді. Өсімдік индекстері бұл қарама-қайшылықты математикалық түрде ұстап, шатырдың белгілі бір сәтте қаншалықты жасыл, тығыз және сау екенін сандық түрде анықтайды.

Өсімдіктер индекстерінде қолданылатын спектрлік жолақтар

Әр түрлі спектрлік жолақтар дақыл туралы әртүрлі диагностикалық ақпарат береді. Әрбір жолақ әртүрлі биологиялық процесті нысанаға алады, сондықтан көп жолақты сенсорлар қарапайым RGB камераларына қарағанда бай деректер береді. Жүгері мониторингіне ең қатысты алты жолақ:

• Қызыл (620–700 нм): Хлорофиллмен жақсы сіңеді. Қызыл түстің сіңуінің төмендеуі фотосинтетикалық белсенділіктің төмендегенін білдіреді, бұл стрессті, қоректік заттардың жетіспеушілігін немесе ерте қартаюды көрсетеді.
• Жасыл (520–560 нм): Өсімдіктер қызылға қарағанда жасыл жарықты көбірек шағылыстырады, сондықтан олар жасыл болып көрінеді. Жасыл шағылысу хлорофилл концентрациясымен корреляцияланады және GNDVI және VARI сияқты индекстерде қолданылады.
• Көк (450–490 нм): Каротиноидтар мен хлорофилл сіңіреді. Негізінен тек көрінетін жолақтар бар VARI сияқты RGB негізіндегі индекстерде қолданылады.
• Жақын инфрақызыл (NIR, 750–900 нм): Сау жапырақтардың ішіндегі губка тәрізді мезофилл тінімен қатты шағылысады. NIR шағылысуы NDVI, EVI және көптеген кеңжолақты индекстердің негізі болып табылады. Тығыз, сау жүгері жабыны жоғары NIR шағылысуын көрсетеді.
• Қызыл жиек (700–740 нм): Қызыл сіңіру мен NIR шағылысу арасындағы өтпелі аймақ. Хлорофилл концентрациясы мен азот күйі бұл жолаққа қатты әсер етеді, бұл оны көзбен көрінетіндей болғанға дейін ерте сатыдағы қоректік заттардың стрессін анықтау үшін өте сезімтал етеді.
• Қысқа толқынды инфрақызыл (SWIR, 1400–2500 нм): Өсімдік тінінің ішінде сұйық сумен сіңіріледі. SWIR негізіндегі индекстер шатырдағы судың мөлшерін өлшейді және құрғақшылық стрессін анықтайды, бұл оларды су тапшылығы өнімділікке тікелей әсер ететін кезде дәннің толығуы кезінде құнды етеді.

Жүгері өсуін бақылау үшін өсімдік индекстері неліктен маңызды?

1. Өсімдіктердің денсаулығын бақылау

Өсімдіктердің денсаулығы бірнеше қабаттасатын факторларды қамтиды: хлорофилл концентрациясы, жапырақ ауданының индексі (LAI - жапырақ ауданының жалпы ауданының жер ауданына қатынасы), өсімдік суының жағдайы және шатыр температурасы. Бір ғана далалық сапар жүздеген гектар жердегі осының бәрін бір уақытта анықтай алмайды.

Өсімдік индекстері бұл күрделілікті өнімнің төмендеуіне дейін оның төмендеуін анықтау үшін өсу маусымы бойы бірнеше рет бақыланатын өлшенетін мәндерге дейін қысқартады.

жарияланған зерттеу Ауыл шаруашылығы (2023) құрғақшылық пен суармалы жағдайларда үш жүгері будандарын UAV орнатылған NDVI сенсорларын пайдаланып бақылады. Зерттеушілер апта сайын жабынның денсаулығын өскіннен бастап пісіп-жетілуіне дейін бақылап, NDVI мәндерінің V8-де, көрінетін стресс белгілері пайда болғанға дейін бірнеше апта бұрын суармалы және жаңбырлы алқаптар арасында айтарлықтай ерекшеленетінін анықтады. Мұндай ерте дифференциация уақтылы араласуды мүмкін етеді.

2. Өсімдіктердің күшін өлшеу

Өсімдіктің қуаты – жалпы өсу қарқыны және дақылдың биомасса жинақталуы – өнімділік әлеуетін тікелей болжайды. NDVI және EVI сияқты индекстер жүгерідегі LAI және жер үсті құрғақ биомассасымен тығыз байланысты.

Вегетативтік кезеңдердің негізгі кезеңдеріндегі белсенділікті бақылау агрономдарға кеңістіктік өзгермелі жерлер бойынша бірыңғай басқару шешімін қолданудың орнына, егістіктегі нашар нәтиже беретін аймақтарды анықтауға және енгізулерді тиісінше реттеуге мүмкіндік береді.

3. Көру белгілері пайда болғанға дейін стрессті анықтау

Бұл, мүмкін, вегетациялық индекстердің ең коммерциялық тұрғыдан құнды мүмкіндігі. Азот тапшылығын, су стрессін немесе ерте ауру қысымын бастан кешіретін жүгері өсімдігі алдымен спектрлік шағылысуында, әсіресе қызыл жиекте және NIR жолақтарында, жапырақтары сарғаю, солу немесе көрінетін зақымданулар пайда болғанға дейін бірнеше күн немесе апта бұрын өзгерістерді көрсетеді.

Қызыл жиекке негізделген индекстер, әсіресе NDRE және CI Red Edge, субвизуалды азот стрессіне және хлорофиллдің азаюына ерекше сезімтал. Jang және т.б. (ScienceDirect, 2024) біріктіруді анықтады Көптік сызықтық регрессияны қолданатын NDVI, NDRE және GNDVI индекстері жүгерідегі өнімділікті болжау өнімділігін кез келген жеке индекспен салыстырғанда айтарлықтай жақсартты.

Бір индекске сүйенетін өсірушілер, әсіресе маңызды репродуктивті кезеңдерде, көп индексті тәсілдерден туындайтын қосымша болжамдық күшті жіберіп алады.

4. Кірістілікті болжауды жақсарту

Стратегиялық өсу кезеңдерінде, әсіресе шашақтау және жібектеу кезінде жиналған өсімдік жамылғысының индекстері дәннің соңғы өнімінің күшті болжауыштары болып табылады. Зерттеулер жарияланған. Қашықтықтан зондтау (2023) вегетативтік және көбею кезеңдерінде NDVI, NDRE, SAVI және EVI қоса алғанда, көп уақыттық ҰҰА деректерін біріктірді және жүгері өнімділігін болжау моделіне қол жеткізді R² 0,78 және rRMSE 8,27%, бір сатылы деректерге негізделген модельдерден асып түседі.

Негізгі түсінік: бірнеше өсу кезеңдерінде бірнеше индекстерді пайдалану бір өлшемнің суретіне қарағанда кірістілікті анықтайтын факторлардың әлдеқайда кең ауқымын қамтиды.

5. Дәл ауыл шаруашылығын қолдау

Дәл егіншілік учаскеге тән деректерді белгілеу үшін кеңістіктік өзгергіштік деректеріне сүйенеді. Дрондардан немесе спутниктік суреттерден алынған өсімдік индексінің карталары орташа егістік өлшемдері жасыратын егістік ішіндегі дақыл өнімділігінің өзгергіштігін көрсетеді.

Бұл карталар тікелей айнымалы мөлшерлемелі қолдану жүйелеріне енгізіледі, бұл фермерлерге дақыл қажет жерде көбірек тыңайтқыш, ал қажет емес жерде азырақ қолдануға мүмкіндік береді, бұл шығындар мен қоршаған ортаға әсерді бір уақытта азайтады.

Жүгерінің өсу кезеңдері, мұнда өсімдік индекстері ең пайдалы

“Дұрыс өсу кезеңіндегі дұрыс индекс жалпы барлау жасай алмайтын дақылдардың интеллектін ашады, ал деректерді жинау уақыты таңдалған индекс сияқты маңызды”.”

1. Пайда болу кезеңі

Өскіндер пайда болған кезде өсімдік жамылғысы сирек кездеседі және топырақ кескінді басым етеді. Стандартты NDVI мұнда нашар жұмыс істейді, себебі топырақтың фондық шуы әлсіз шатыр сигналын басып тастайды. SAVI және MSAVI сияқты топыраққа бейімделген индекстер бұл кезеңде қолайлы құралдар болып табылады.

Олар ашық топырақтың индекс мәніне әсерін азайту үшін түзету коэффициентін қолданады, бұл өсімдік тығыздығы мен ерте өсу біркелкілігін маңызды өлшеуге мүмкіндік береді.

2. Вегетативті өсу (V кезеңдері)

V3-тен V12-ге дейін жүгері жамылғысы тез кеңейеді. Бұл азотты басқару үшін ең маңызды кезең, себебі дақылдың азотқа деген қажеттілігі күрт артады.

NDRE және CI жасыл түстері осы кезеңде ең сезімтал индекстер болып табылады, себебі қызыл жиек жолағы NDVI кеңірек сигналының өзгеруіне дейін хлорофиллдің нәзік азаюын анықтайды. V6 және V10 жиіліктеріндегі ұшқышсыз ұшу аппараттарының ұшулары азотты бүйірлік кию шешімдерімен уақытында жүзеге асырылады, бұл деректерге салынған инвестициядан ең жоғары кірістілікті қамтамасыз етеді.

3. Шашқалақпен өру және жібекпен өру

Жүгерінің бүкіл тіршілік цикліндегі өнімге ең сезімтал кезеңдер шашақтау (VT) және жібектеу (R1) болып табылады. Шатырдың жабылуы осы кезде аяқталуға жақын, бұл NDVI және EVI енді топырақтың араласуынсыз толық шатырды оқи алатынын білдіреді.

Сау дақылдарда екі индекс те VT айналасында шыңына жетеді. Осы кезеңде индекс мәндерінің кез келген тұрақтылығы немесе ерте төмендеуі дәннің түсуіне және өнімділіктің төмендеуіне әкелетін стресстің сенімді көрсеткіші болып табылады.

4. Дәнді толтыру

Дәннің толығуы кезінде (R3–R5) негізгі басқару мәселесі су стрессі мен ауруға ауысады. NDWI (қалыпқа келтірілген айырмашылық су индексі, NIR және SWIR жолақтарынан есептеледі) және термиялық индекстер көрінетін солу алдындағы шатыр суының азаюын анықтау арқылы осы фазадағы стандартты жиынтықты толықтырады.

NDVI мәндері дақыл піскен сайын табиғи түрде төмендей бастайды, сондықтан индекс траекторияларын түсіндіру өсірілетін будан үшін күтілетін маусымдық үлгімен салыстыруды қажет етеді.

5. Жетілу

Физиологиялық жетілу кезінде (R6) барлық негізгі өсімдіктер индекстері шатырдың қартаюы мен хлорофиллдің ыдырауына байланысты төмендейді. Жетілу кезіндегі индекс деректері негізінен ретроспективті талдау үшін қолданылады — болжам модельдерін растау және болашақ маусымдық эталондарды жақсарту үшін маусымдық VI траекторияларын нақты егін жинау деректерімен корреляциялайды. Өсуден жетілуге дейінгі индекс қисықтарының уақыттық қатарларын талдау егістікке тән өнімділік модельдерін құру үшін ең бай деректер негізін қамтамасыз етеді.

Жүгері өсуін бақылау үшін қолданылатын жалпы өсімдік индекстері

1. NDVI (Өсімдіктердің қалыпты айырмашылығы индексі)

NDVI - ауыл шаруашылығында ең көп қолданылатын өсімдік индексі. Ол NIR мен қызыл шағылысу арасындағы контрастты өлшейді және келесідей есептеледі:

NDVI = (NIR − Қызыл) / (NIR + Қызыл)

NDVI мәндері −1-ден +1-ге дейін ауытқиды. Сау, тығыз жүгері шатырлары әдетте жасылдығының шыңында 0,7 мен 0,9 аралығында балл жинайды. Оның ең жақсы қолданылуына V6-дан шашақталғанға дейін шатырдың дамуын бақылау, нашар өнімді егістік аймақтарын анықтау және LAI және жер үсті биомассасымен өзара байланыстыру жатады.

NDVI-дің негізгі шектеуі - тығыз шатырлардағы қанығу - LAI шамамен 3 м²/м² асып кеткеннен кейін, қосымша жапырақ ауданы NDVI сигналындағы өзгерістерді азайтады, бұл шатырдың шыңында сезімталдықты төмендетеді.

2024 жылы жарияланған зерттеу Ауыл шаруашылығы (MDPI) Венгриядағы екі өсу маусымы бойынша ұшқышсыз ұшу аппараттарына негізделген NDVI мониторингін пайдалана отырып, мынаны анықтады: NDVI мен өнімділіктің арасындағы ең күшті корреляция жібектен кейінгі кезеңде орын алды (R = 2023 жылы 0,638 және 2024 жылы R = 0,634), бұл NDVI-дің сол нақты өсу кезеңіндегі маусымдық кірістілік көрсеткіші ретіндегі сенімділігін растайды.

2. GNDVI (Жасыл NDVI)

GNDVI қызыл жолақты жасыл жолақпен ауыстырады: GNDVI = (NIR − Жасыл) / (NIR + Жасыл). Жасыл канал қызыл каналға қарағанда хлорофилл концентрациясына сезімтал, бұл GNDVI-ны NDVI қаныққан жетілген, тығыз шатырларда хлорофиллдің орташа өзгеруін анықтауда жақсырақ етеді.

Жүгеріде оның негізгі қолданылуы - вегетацияның орта және көбею кезеңдерінде азот күйін бағалау. Зерттеулер жарияланған. ScienceDirect (2024) GNDVI көп индексті регрессиялық модельдерде NDRE-мен біріктірілгенде, әсіресе гүлдену алдындағы кезеңдерінде жүгері өнімділігін болжау дәлдігін айтарлықтай жақсартқанын растады.

3. EVI (өсімдік жамылғысының жақсартылған индексі)

EVI көк жолақты қосу және атмосфералық түзету коэффициенттерін қолдану арқылы NDVI-ді жақсартады: EVI = 2,5 × [(NIR − Қызыл) / (NIR + 6 × Қызыл − 7,5 × Көк + 1)]. Бұл формула атмосфералық шу мен топырақ фонының кедергісін бір мезгілде азайтады, бұл NDVI қаныққан тығыз шатыр жағдайларында EVI-ді NDVI-ге қарағанда сезімтал етеді.

EVI - жүгері жамылғысының құрылымын шашақтардың пайда болуынан бастап дәннің ерте толығуына дейін, өсімдік жамылғысы толығымен дерлік жабылған кезде бақылау үшін ең қолайлы индекс. Бұл MODIS спутниктік өнімдеріндегі негізгі индекс және аймақтық масштабтағы жүгері мониторингі үшін кеңінен қолданылады.

Зерттеу Ауыл шаруашылығы (2024) Қытайдың Цзилинь провинциясы бойынша MODIS MOD09A1 деректерін пайдалана отырып, мынаны анықтады EVI қоса алғанда, бірнеше өсімдік индекстерін пішін моделімен біріктіру фенологиялық кезеңді анықтау дәлдігін айтарлықтай жақсартты жүгерінің негізгі өсу кезеңдерінде бір индексті тәсілдермен салыстырғанда.

Аймақтық дақылдарды кең көлемді мониторингі үшін EVI-ді уақыт қатарлары модельдеріндегі басқа индекстермен біріктіру кез келген жеке индекске қарағанда сенімдірек фенологиялық бақылауды қамтамасыз етеді.

4. SAVI (Топырақ түзетілген өсімдік жамылғысының индексі)

SAVI NDVI формуласына топырақ жарықтығын түзету коэффициентін (L) енгізеді: SAVI = [(NIR − Қызыл) / (NIR + Қызыл + L)] × (1 + L), мұндағы типтік топырақ жағдайлары үшін L = 0,5. Таза топырақтың шағылысу үлесін азайту арқылы SAVI жер жамылғысы 50%-ден аз болған кезде жүгері өсуінің ерте кезеңдерінде дәлірек шатыр өлшемдерін жасайды. Бұл өсімдіктердің пайда болуын, екпелердің біркелкілігін және өскіннен бастап V4-ке дейінгі ерте маусымдық күш-қуатты бақылау үшін стандартты таңдау болып табылады.

5. NDRE (Қалыптанған айырмашылықтың қызыл жиегі)

NDRE қызыл жиекті және NIR жолақтарын пайдаланады: NDRE = (NIR − Қызыл жиек) / (NIR + Қызыл жиек). Қызыл жиек жолағы хлорофилл концентрациясының шағын өзгерістері үлкен шағылысу өзгерістерін тудыратын спектрлік аймақта орналасқан, бұл NDRE-ді азот тудыратын хлорофиллдің өзгеруіне NDVI-ге қарағанда сезімтал етеді.

жарияланған зерттеу Сенсорлар (2024) LSU AgCenter зерттеу станциясында ұшқышсыз ұшу аппараттарының фотограмметриясын қолдану арқылы анықталды Егістен кейін 87 күн өткенде NDRE жүгері дәнінің өнімділігін R² 0,9097 деп болжады, маусымның соңында азотты басқару және өнімділікті болжау үшін NDRE-нің құндылығын көрсететін ерекше күшті байланыс.

6. MSAVI (Өсімдіктердің модификацияланған топырақ түзетілген индексі)

MSAVI SAVI-ді L факторын бекітілген емес, динамикалық ету арқылы жақсартады, сондықтан ол өсімдік жамылғысының дәрежесіне автоматты түрде бейімделеді: MSAVI = [2 × NIR + 1 − √((2 × NIR + 1)² − 8 × (NIR − Қызыл))] / 2.

Бұл өзін-өзі реттеу MSAVI-ді SAVI-ге қарағанда жалаңаш топырақта пайда болудан бастап шашақтарды толық жабуға дейінгі шатырдың дамуының барлық ауқымында дәлірек етеді. Топырақтың жарықтығы туралы ешқандай болжам жасауды қажет етпейді, бұл оны әртүрлі дала жағдайлары мен топырақ түрлерінде оңайырақ тасымалдауға мүмкіндік береді.

7. VARI (Көрінетін атмосфералық төзімділік индексі)

VARI тек көрінетін жолақтарды (қызыл, жасыл, көк) пайдаланады: VARI = (Жасыл − Қызыл) / (Жасыл + Қызыл − Көк). Оның құндылығы стандартты RGB камераларынан есептеуге болатындығында — бұл камера көптеген коммерциялық дрондармен арзан бағамен тасымалданады.

VARI көп спектрлі индекстердің азот пен биомассаға сезімталдығына ие болмаса да, ол шатырдың жасылдығын бірінші рет бағалауға мүмкіндік береді, бұл оны әлі көп спектрлі сенсор мүмкіндігі жоқ фермерлер үшін қолжетімді етеді.

Жарияланған зерттеулер ScienceDirect (2025) VARI-ді әртүрлі өсіру орталарында жүгері өнімділігін болжау үшін машиналық оқыту модельдеріндегі пайдалы VI кірістерінің бірі ретінде растады.

8. OSAVI (Топырақтың оңтайландырылған түзетілген өсімдік жамылғысының индексі)

OSAVI – жартылай шатыр жабу жағдайларына оңтайландырылған, бекітілген L мәні 0,16 болатын SAVI-дің жеңілдетілген нұсқасы: OSAVI = (NIR - Қызыл) / (NIR + Қызыл + 0,16).

Бұл нақты L мәні өсімдіктер тығыздығының кең ауқымындағы топырақ фонының әсерін азайту үшін эмпирикалық түрде анықталды. OSAVI V2-ден V6-ға дейін жақсы жұмыс істейді, бұл SAVI-дің ерте маусымдық пайдалылығы мен NDVI-дің шың маусымдық дәлдігі арасындағы алшақтықты жояды.

9. CI жасыл (хлорофилл индексі жасыл)

CI Green хлорофилл мөлшерін тікелей шағылысу коэффициенті бойынша бағалайды: CI жасыл = (NIR / Жасыл) − 1. Хлорофилл жапырақтардағы негізгі азот сақтайтын пигмент болғандықтан, CI Green қызыл жиек жолағын қажет етпей, шатырдың азот күйін бақылайды.

Бұл оны тек стандартты жасыл жолақ қолжетімді болған кезде, мысалы, Sentinel-2 суреттерінен алынған кезде құнды етеді және маусым ортасындағы азотты басқару шешімдері үшін V6-дан жібектеу кезінде сенімді жұмыс істейді.

10. CI қызыл жиегі (хлорофилл индексі қызыл жиегі)

CI Red Edge жасыл жолақты қызыл жиек жолағымен ауыстырады: CI қызыл жиегі = (NIR / қызыл жиек) − 1. Бұл алмастыру оны CI Green-ге қарағанда хлорофилл өзгерістеріне айтарлықтай сезімтал етеді, әсіресе вегетацияның ортасынан кешіне дейін, жасыл жолақ сигналы қаныға бастаған кезде, жамылғы тығыз болған кезде. CI Red Edge жүгерідегі егістік аймақтарындағы нәзік азот градиенттерін анықтаудың ең жақсы көрсеткіштерінің бірі болып табылады.

Жүгері мониторингі үшін өсімдік жамылғысының индекстерін салыстыру

1. Ерте өсуге арналған ең жақсы индекс

SAVI және MSAVI жүгерінің ерте дамуы кезінде (V4 арқылы өсу) NDVI және EVI-ден үнемі асып түседі, себебі олар топырақтың фондық шуын азайтады, бұл басқа жағдайда шатыр жамылғысы 40%-ден төмен болған кезде индекс сигналында басым болады. OSAVI топырақ жағдайлары егістік бойынша өзгермелі болған кезде пайдалы аралық нұсқаны ұсынады.

2. Азотты анықтаудың ең жақсы индексі

NDRE және CI Red Edge жүгерідегі азот жетіспеушілігін анықтаудың ең күшті көрсеткіштері болып табылады. Екеуі де қызыл жиек жолағының хлорофилл концентрациясына жоғары сезімталдығын пайдаланады. V6-дан V10-ға дейінгі кезеңде — азотты қолдану туралы шешімдер қабылдаудың ең маңызды кезеңінде — бұл индекстер NDVI өлшенетін жауапты көрсеткенге дейін 7-14 күн бұрын тапшылықты анықтайды, бұл түзету шаралары үшін айтарлықтай уақыт береді.

3. Биомассаны бағалаудың ең жақсы индексі

NDVI және EVI жүгерідегі жер үсті құрғақ биомассасын бағалау үшін ең тексерілген индекстер болып табылады. Ұшқышсыз ұшу аппараттарының көпспектрлі кескіндерін текстуралық ерекшеліктерімен біріктіріп зерттеу. ЖМК (2023) қызыл (650 нм), қызыл жиек (705 нм) және NIR (842 нм) жолақтарына негізделген өсімдік индекстері LAI-мен ең жоғары корреляцияны көрсетті, бұл вегетациялық кезеңде биомассаның жиналуымен тығыз байланысты прокси.

4. Тығыз шатырлар үшін ең жақсы индекс

Жүгері жамылғысы толығымен жабылған кезде, әдетте шашақтан бастап дәннің ерте толығуына дейін EVI ең қолайлы индекс болып табылады. NDVI шамамен 3 LAI-ден жоғары қаныққан кезде, EVI қосымша жапырақ ауданы мен хлорофиллдің өзгеруіне жауап беруді жалғастырады, себебі оның атмосфералық және топырақ түзету шарттары жоғары биомасса деңгейінде сигналдың қанығуына жол бермейді.

5. Құрғақшылық стрессінің ең жақсы индексі

NDWI (NIR және SWIR негізіндегі су индексі) және NDVI бірге қолданылатын жүгерідегі құрғақшылық стрессін анықтаудың ең тиімді үйлесімі болып табылады. NDWI тіндердегі су құрамының өзгеруін тікелей бақылайды, ал NDVI су стрессінің шатырдың жасылдығына екінші реттік әсерін түсіреді. SWIR мүмкіндігін қамтитын мультиспектральды сенсорлар мұнда ең көп құндылық қосады, дегенмен бұл сенсорлар стандартты бес жолақты мультиспектральды жүйелерге қарағанда қымбатырақ болып қала береді.

Жүгері өндірісінде өсімдік индекстерін қолдану

Өсімдік индексі тек ол мүмкіндік беретін шешім қаншалықты пайдалы болса, соншалықты пайдалы болады - мақсат әрқашан спектрлік деректерді өнімділікті арттыратын, шығындарды азайтатын немесе екеуін де біріктіретін далалық әрекетке айналдыру болып табылады.

1. Биомассаны бағалау

NDVI және EVI мәндері жүгерінің вегетациялық кезеңіндегі жер үсті құрғақ биомассасымен тығыз байланысты. Екі апталық аралықпен қайталанатын ұшқышсыз ұшулар немесе спутниктік жол өткелдері егістіктің өнімділік әлеуетіне қарай жүріп келе жатқанын немесе белгілі бір маусымға күтілетін өсу траекториясынан артта қалып жатқанын көрсететін биомасса жинақтау қисықтарын жасайды.

2. Хлорофиллді өлшеу

CI Green және CI Red Edge дақылдың фотосинтетикалық қабілетін бақылайтын бұзбайтын шатыр деңгейіндегі хлорофилл бағалауларын ұсынады. Зерттеу жарияланған ЖМК (2024) жүгерідегі UAV негізіндегі SPAD (хлорофилл өлшегішінің көрсеткіші) бағалауын пайдалану арқылы модификацияланған қызыл жиек қатынасы индексінің жеткенін растады. R² 0,87 қызыл жиекті индекстердің осы қолдану үшін беретін практикалық дәлдігін көрсететін, өсудің орта кезеңіндегі жапырақ хлорофиллінің мөлшерін болжау үшін.

3. Азот күйін бағалау

Азот - жүгері өнімділігін тікелей шектейтін қоректік зат, және оның мәртебесі маусым бойы дақылға деген сұраныс өзгерген сайын өзгеріп отырады. 2025 жылы жарияланған зерттеу Өсімдіктанудағы шекаралар 2024 жылы Sentinel-2A спутниктік суреттерін, пилотсыз ұшу аппараттарының мультиспектральды деректерін және жүгері өсу кезеңінің төрт кезеңіндегі жердегі бақылауларды біріктірді және жолақты түзетумен біріктірілген бірнеше өсімдік индекстерін қолдана отырып, аймақтық масштабтағы азот құрамының инверсиясының жаңа моделін жасады.

Бұл құрылым 48 тәуелсіз іріктеу нүктелерінде жоғары валидация дәлдігіне қол жеткізді, бұл спутниктік-ұшқышсыз ұшу аппараттарының бірігуі VI негізіндегі азотты басқарудың жеке егістіктерден тыс фермалар мен аймақтық масштабтарға дейін масштабталуын қалай кеңейтетінін көрсетті.

4. Су кернеуін анықтау

Жүгерідегі су стрессі алдымен устьица өткізгіштігін, содан кейін жапырақтағы су мөлшерін және соңында жасыл биомассаны төмендетеді — бұл әртүрлі спектрлік жолақтарға тізбектей әсер ететін үш процесс. NDVI төмендегенге дейін ерте сатыдағы су стрессі жылулық жолақ деректерінде және SWIR негізіндегі индекстерде көрінеді.

Дәннің толығу кезеңінде — су тапшылығы өнімділікке ең үлкен әсер ететін кезде — NDWI және NDVI үйлесімін бақылау суару кестесін күнтізбеге негізделген ережелерге емес, нақты дақыл сұранысына негіздеуге мүмкіндік береді.

5. Ауруларды бақылау

Жүгері жапырақтарының солтүстік күйігі және сұр жапырақ дақтары сияқты саңырауқұлақ аурулары адам көзіне үлкен зақымданулар көрінгенге дейін жұқтырған жапырақтардың спектрлік белгісін өзгертеді. Жұқтырған тіндерде NIR шағылысуының тән төмендеуі және қызыл жиектің орналасуының өзгеруі байқалады.

Көп уақыттық VI мониторингі аурудың пайда болу қысымын көрсететін жергілікті спектрлік ауытқуларды анықтауға мүмкіндік береді, бұл егістікке шашыратудың орнына фунгицидті мақсатты түрде қолдануға мүмкіндік береді.

6. Зиянкестердің зақымдануын анықтау

Зиянкестермен қоректенуден болатын жапырақтардың түсуі LAI-ді азайтады, бұл зақымдалған учаскелерде NDVI және EVI мәндерін тікелей төмендетеді. Мысалы, құрттардың инвазиясы көршілес егістік учаскелеріне таралмас бұрын дрондардан түсірілген суреттерден анықталатын индекстің төмендеуінің тән кеңістіктік үлгілерін жасайды.

Жоғары ажыратымдылықтағы ұшқышсыз ұшу аппараттарының ұшулары (жерден алынған үлгілерді алу қашықтығы 5 см-ден төмен) жәндіктердің зақымдануын шатырдың өзгеруінің басқа себептерінен ажырату үшін қажетті кеңістіктік егжей-тегжейлілікті қамтамасыз етеді.

7. Өнімділікті бағалау

Өсудің нақты маңызды кезеңдерінде, әсіресе V12, VT және R3 кезеңдерінде өлшенген өсімдік индексінің мәндері тарихи өнімділік карталарымен және ауа райы деректерімен біріктірілгенде, дәннің соңғы өнімділігінің сенімді болжаушылары болып табылады. Көп индексті біріктіру тәсілдері бір индексті модельдерден үнемі асып түседі.

Жүгері бойынша жарияланған зерттеулерде GNDVI, NDRE және SCCCI (жеңілдетілген шатыр хлорофиллінің құрамы индексі) гүлдену алдындағы кезеңде үйлесімі өнім болжауының ерекше дәлдігін көрсетті. ScienceDirect (2026).

Венгриядағы екі өсу маусымы бойынша жүргізілген зерттеулер жібектен кейінгі NDVI мен дәннің соңғы өнімділігі арасындағы корреляция коэффициенттерінің 0,638 және 0,634 екенін анықтады. NDRE және GNDVI қоса алғанда, көп индексті модельдердің болжам дәлдігі одан да жоғары.

8. Айнымалы мөлшерлемелі тыңайтқышты қолдану

Дрондар ұшуынан алынған VI негізіндегі шатыр карталары айнымалы жылдамдықты азот аппликаторларына арналған рецепт карталарын құру үшін тікелей қолданылады. Егістіктер индекс мәндеріне негізделген басқару аймақтарына бөлінеді және әрбір аймақ өзінің нақты дақылға деген сұранысына сәйкес калибрленген азот дозасын алады.

Қашықтықтан зондтау және айнымалы жылдамдықты технология бірге есепке алынды 2025 жылы дәл егіншілік технологиялары нарығының 58% үлесі (Precedence Research, 2026), бұл жұмыс процесінің коммерциялық жүгері өндірісінде қаншалықты маңызды рөл атқарғанын көрсетеді.

2025 жылы жүргізілген зерттеу Ауыл шаруашылығы (MDPI) орташа азот дозалары екенін анықтады 120–180 кг га⁻¹ жүгері үшін оңтайлы қоректік деңгейді қамтамасыз етіп, өнімділікті ... дейін арттырды 5,086 т га⁻¹ тыңайтылмаған бақылау түрлерімен салыстырғанда, NDVI негізіндегі мониторинг тек өнімділікті оңтайландыру үшін ғана емес, сонымен қатар учаскеге тән тыңайту стратегияларын бағыттау үшін де тиімді екенін дәлелдеді.

Жібектен кейінгі кезеңде (VI-шығымдылық корреляциясы шыңына жеткенде) NDVI негізіндегі азотты басқару дәстүрлі топырақты сынау арқылы ғана тыңайту тәсілдерін алмастыра алады және кіріс тиімділігі мен дән өнімділігін айтарлықтай жақсарта алады.

Өсімдік индексі деректерін жинау үшін пайдаланылатын платформалар

1. Спутниктік кескіндер

Sentinel-2 (10 м ажыратымдылық, 5 күндік қайта қарау) және Planet Labs спутниктері (3 м ажыратымдылық, күн сайын қайта қарау) сияқты жерсеріктер үлкен аумақтар бойынша біркелкі, ауа райына қолайлы спектрлік деректерді гектарына төмен шығынмен береді.

Sentinel-2-ге қызыл жиек жолақтарын (705, 740, 783 нм-де B5, B6, B7) қосу оны аймақтық жүгері мониторингі бағдарламалары бойынша NDRE және CI Red Edge есептеулері үшін ерекше құнды етеді. Шектеу бұлттылықта: маңызды өсу терезесі кезіндегі бұлтты кезең уақытша мониторингті үзетін деректер алшақтықтарын тудыруы мүмкін.

2. Дронға негізделген қашықтықтан зондтау

Мультиспектрлі камералармен жабдықталған қозғалмайтын қанатты және көп роторлы дрондар пиксельге 2-10 см ажыратымдылықпен далалық масштабтағы кескіндерді береді. Бұл егжей-тегжейлілік деңгейі жеке өсімдік қатарларын анықтайды, бұл қатар ішіндегі шатырдың денсаулығының өзгеруін өлшеуге мүмкіндік береді.

Дрондармен түсірілімдерді спутниктік жол өткелінің уақытына қарамастан, сұраныс бойынша жоспарлауға болады, бұл оларды азотты қосымша қолдану немесе суаруды жоспарлау терезелері сияқты дәл агрономиялық шешім қабылдау нүктелерінде деректерді жинау үшін өте қолайлы етеді.

3. Ұшқышсыз ұшу аппараттарының көпспектрлі камералары

MicaSense RedEdge, Parrot Sequoia және DJI Zenmuse P1 сияқты көп спектрлі камералар қызыл, жасыл, көк, қызыл жиек және NIR сияқты бес немесе одан да көп тар спектрлік диапазондарда бір уақытта кескіндерді түсіреді.

Бұл жүйелерге ұшу кезінде әртүрлі жарық жағдайлары үшін деректерді қалыпқа келтіруге арналған калибрленген шағылыстыру панелі және күн сәулесінің сенсоры кіреді, бұл салыстырмалы салыстырулардың орнына дәл, қайталанатын индекс мәндерін алу үшін маңызды.

4. Қолмен ұстауға арналған кесу сенсорлары

GreenSeeker және CropCircle сияқты белсенді оптикалық сенсорлар өздерінің жарық көзін шығарады және жақын қашықтықтағы жеке өсімдіктердің шағылысуын өлшейді, бұл айнымалы күн сәулесінің әсерін жояды.

Бұл сенсорлар белгілі бір сынама алу нүктелерінде далалық азот күйін жылдам бағалау үшін қолданылады. Олардың деректері белгілі орындардағы қашықтықтан зондтау индексінің мәндерін растайтын жердегі шындық өлшемдерін ұсыну арқылы дрондар мен спутниктік суреттерді толықтырады.

5. Тракторға орнатылған сенсорлар

Тракторға орнатылған John Deere Hagie және Trimble GreenSeeker RT сияқты белсенді сенсорлар трактор егістік алқапта қозғалған кезде жүгері жамылғысын үздіксіз сканерлейді және нақты уақыттағы NDVI деректерін тікелей айнымалы жылдамдықты контроллерге береді. Бұл тұйық циклді жүйе сенсор мен қолдану арасында бөлек деректерді өңдеу қадамынсыз, тірі дақылдардың жағдайы туралы деректерге негізделген тыңайтқыш мөлшерін жол жүріп бара жатқанда реттеуге мүмкіндік береді.

Жүгері алқаптарындағы өсімдік жамылғысы индексінің дәлдігіне әсер ететін факторлар

1. Топырақ фоны

Ашық топырақтың өзіндік спектрлік белгісі бар, ол өсімдік жамылғысының сигналымен үйлеседі, әсіресе жамылғы 50%-ден төмен болған кезде. Топыраққа бейімделген индекстер (SAVI, MSAVI, OSAVI) бұл әсерді азайтуға арналған, бірақ топырақтың түсі, ылғалдылығы және органикалық заттардың мөлшері ерте маусымдық суреттердегі индекс мәндеріне әсер етеді. Аймақтағы белгілі бір топырақ түрлері үшін индекс шектерін калибрлеу түсіндіру дәлдігін жақсартады.

2. Бұлтты жамылғы

Бұлттар күн радиациясын бөгейді және жерде әртүрлі көлеңкелерді тудырады, бұл жерсеріктер мен дрондардағы пассивті сенсорлар үшін шағылысу өлшемдерін сенімсіз етеді.

Белсенді сенсорлар бұлт жамылғысына төзімді, себебі олар өздерінің жарықтандыруын қамтамасыз етеді. Бұлт жамылғысы - өсу кезеңінде бұлт жиілігі жоғары аймақтарда спутниктік VI мониторингінің пайдалылығын шектейтін ең маңызды фактор.

3. Күн бұрышы

Төмен күн бұрыштары шатыр ішіндегі көлеңке үлесін арттырады, NIR шағылысуын жасанды түрде төмендетеді және индекс мәндерін бұрмалайды. Жергілікті күн уақыты бойынша сағат 10:00-ден 14:00-ге дейін орындалатын ұшқышсыз ұшу аппараттарының ұшулары көлеңке әсерлерін азайтады және біркелкі деректерді береді. Қайталанатын зерттеулер кезінде ұшу уақытының біркелкілігі абсолютті уақыт сияқты маңызды, себебі ол күндерді мағыналы салыстыруға мүмкіндік береді.

4. Дақыл тығыздығы

Өсімдіктер популяциясы шатырдың жабылуына және сондықтан VI мәндерінің отырғызудан бастап шатырдың жабылуына дейін қаншалықты тез өсетініне тікелей әсер етеді. Өсімдіктер популяциясы аз егістіктер шатырды кейінірек жабады, бұл топырақ фоны индекс көрсеткіштеріне кедергі келтіретін кезеңді ұзартады. Өсу суреттерінен алынған популяция карталары VI шектерін жергілікті тығыздықтың өзгеруіне реттеуге мүмкіндік береді.

5. Өсу кезеңі

Бірдей VI мәні әртүрлі өсу кезеңдерінде әртүрлі мағына береді. V6 кезіндегі NDVI 0,5 сау, жақсы дамып келе жатқан жамылғыны көрсетуі мүмкін, ал VT кезіндегі NDVI 0,5 айтарлықтай стрессті білдіреді.

Өсу кезеңін ескермей, VI мәндерін түсіндіру дақылдың жағдайын дұрыс емес жіктеуге әкеледі. Ағымдағы мәндерді күтілетін маусымдық қисықтармен салыстыратын уақыт қатарларын талдау дақылдың даму траекториясындағы әрбір көрсеткішті контекстке сәйкестендіру арқылы мұны түзетеді.

6. Сенсор ажыратымдылығы

Ірі ажыратымдылықтағы сенсорлар дақылдың, топырақтың және егістік шеттерінің спектрлік сигналдарын бір пиксель ішінде араластырады — бұл “аралас пиксельдер” деп аталатын мәселе. Sentinel-2-нің 10 м ажыратымдылығында бір пиксель 100 м² жерді жабады, бұл көбінесе бірнеше дақыл қатарларын және қатар аралық топырақты қамтиды.

Жоғары ажыратымдылықтағы дрон кескіндері (пиксельге 5 см) аралас пиксельдерді жояды және деректер көлемі мен өңдеу уақытын арттыру есебінен әлдеқайда таза шампурлық спектрлік сигнал береді.

Жүгері мониторингі үшін өсімдік жамылғысы индекстерінің шектеулері

1. Тығыз шатырлардағы қанықтылық

Ең көп қолданылатын индекс NDVI шамамен 3 м²/м² жоғары LAI мәндерінде қанығады, бұл жүгері әдетте V10-ға жетеді. Осы шектен жоғары болғанда, шатырдың жасылдығының немесе биомассаның қосымша артуы NDVI-де елеусіз өзгерістерге әкеледі. EVI, GNDVI және NDRE бұл шектеуді шешуге арналған, бірақ NDVI-ге қарағанда көбірек спектрлік жолақтарды қажет етеді және әрқашан арзан сенсорлардан қолжетімді бола бермейді.

2. Ауа райына тәуелділік

Пассивті қашықтықтан зондтау жүйелері тұрақты күн сәулесіне тәуелді. Бұлт жамылғысы, тұман және атмосфералық аэрозольдер кіретін күн радиациясын дақылға жеткенге дейін және қайтадан сенсорға қайтар жолда сіңіріп, шашыратады, шағылысу мәндерін бұрмалайды.

Деректерді өңдеу кезінде қолданылатын атмосфералық түзету алгоритмдері бұл әсерді азайтады, бірақ жоймайды. Ұзақ бұлтты маусымдары бар тропикалық жүгері өндіретін аймақтарда деректердегі алшақтықтар уақыт қатарларын бақылауды бұзатындай жиі болуы мүмкін.

3. Аралас пиксельдер

Төмен кеңістіктік ажыратымдылықта пиксельдер дақыл жамылғысынан да, топырақтан да, жолдардан да, суару жабдықтарынан да немесе егістік шекараларынан да сигналдарды қабылдайды. Нәтижесінде аралас пиксельдік шағылысу тек жамылғыны ғана көрсетпейтін индекс мәндерін береді. Егістік шекарасын бүркеу және ең жоғары мүмкін кеңістіктік ажыратымдылық сенсорын пайдалану бұл қатені азайтудың стандартты тәжірибелері болып табылады.

4. Калибрлеу талаптары

Дәл, қайталанатын индекс мәндерін алу үшін сенсорды радиометриялық калибрлеу, атмосфералық әсерлерді түзету және дрон ұшулары кезінде айнымалы жарықтандыруды қалыпқа келтіру қажет. Бұл қадамдарды өткізіп жіберу күндер арасында немесе өрістер арасында салыстыруға келмейтін салыстырмалы VI карталарын шығарады, бұл олардың уақыттық қатарларды бақылау және көп өрісті бенчмаркинг үшін пайдалылығын шектейді.

5. Шындықты растау қажеттілігі

Өсімдік индекстері жанама өлшемдер болып табылады. Олар дақылдардың қасиеттерін — хлорофилл, азот, биомасса — тікелей өлшеудің орнына спектрлік үлгілерді биологиялық айнымалылармен корреляциялау арқылы бағалайды.

Әрбір VI негізіндегі дақылдарды бағалау жердің шындығын тексеруден пайда көреді: жапырақ азотының физикалық өлшемдері, хлорофилл өлшегішінің көрсеткіштері немесе егістіктің әртүрлі жерлерінде алынған деструктивті биомасса үлгілері. Жердің шындығы туралы деректер қашықтықтан зондтау интерпретациясын бекітеді және дұрыс емес диагноз қоюдың алдын алады.

Жүгері алқаптарында өсімдік индекстерін пайдаланудың ең жақсы тәжірибелері

1. Дұрыс индексті таңдау

Индексті таңдау бақылау мақсатына және қолжетімді сенсорға сәйкес келуі керек. Азотты бағалау үшін, егер қызыл жиек жолағы болса, NDRE немесе CI Red Edge таңдаңыз. Маусымның басындағы егістік алқабын бағалау үшін SAVI немесе MSAVI пайдаланыңыз.

Ең жоғары маусымдық шатыр мониторингі және өнімділікті болжау үшін EVI немесе NDVI-ді GNDVI немесе NDRE-мен бірге пайдаланыңыз. Маусымның басында немесе шатыр тығыздығы жоғары болған кезде NDVI-ді жалғыз пайдаланудан аулақ болыңыз — екі сценарийде де оның шектеулері жақсы анықталған.

2. Дұрыс өсу кезеңін таңдау

Деректерді жинау уақытын агрономиялық шешім қабылдау нүктелеріне дейін бөлу VI деректерінің басқару құндылығын барынша арттырады. Жүгеріге арналған практикалық мониторинг кестесі мыналарды қамтиды:

1. V2–V4 (өсуді тексеру): Алқаптардың біркелкілігін бағалау және қайта отырғызу аймақтарын анықтау үшін SAVI немесе MSAVI пайдаланыңыз.
2. V6 (жанама киімді азот шешімі): Азот күйін картаға түсіру және айнымалы жылдамдықты рецепт жасау үшін NDRE немесе CI Red Edge пайдаланыңыз.
3. V10–V12 (шатырды жабу): Биомассаны бағалау және нашар жұмыс істейтін басқару аймақтарын белгілеу үшін NDVI және EVI пайдаланыңыз.
4. VT (шашқабықша): Шатырдың шыңын бағалау және тозаңдану кезінде стресс қаупі бар аймақтарды анықтау үшін NDVI және GNDVI пайдаланыңыз.
5. R3 (сүт сатысы): Су стрессін анықтау және дәннің толу барысын бағалау үшін NDVI және NDWI пайдаланыңыз.
6. R6 (жетілуі): Модельді калибрлеу үшін маусымдық VI траекториясын егін жинау өнімділігімен байланыстыру үшін индекс деректерін пайдаланыңыз.

3. Бірнеше индекстерді біріктіру

Жүгері дақылының жағдайының толық күрделілігін көрсететін бірде-бір индекс жоқ. Әртүрлі биологиялық сигналдарға бағытталған екі немесе одан да көп индекстерді біріктіру бай диагностикалық карталарды жасайды. Азот күйі үшін NDRE, жалпы биомасса үшін NDVI және су мөлшері үшін NDWI үйлесімі жүгері өндірісіндегі ең көп таралған үш шектеуші факторды қамтиды. Машиналық оқыту модельдеріндегі көп индексті біріктіру кез келген бір индексті тәсілге қарағанда өнімнің болжамының дәлдігін айтарлықтай арттырады.

4. Жердегі бақылауларды біріктіру

VI карталары әрқашан далалық барлау бақылауларымен қатар түсіндірілуі керек. Дрон картасында VI аномалиясы пайда болған кезде, сол жерге физикалық далалық бару спектрлік сигналдың нақты агрономиялық мәселені - азот жетіспеушілігін, тығыздалуын, батпақтануын, зиянкестердің зақымдануын - немесе сенсор шуының, көлеңкенің немесе топырақтың өзгеруінің артефактісін көрсететінін растайды. Жердегі бақылаулар сонымен қатар нақты будандар, топырақтар және басқару жүйелері үшін жергілікті VI шекті мәндерін калибрлеу үшін қажетті оқыту деректерін береді.

5. Уақыттық қатарларды талдауды қолдану

Бір VI кескін – бұл сурет. Пайда болудан жетілуге дейінгі кескіндердің уақыттық қатары – бұл бір оқиға. Уақыт бойынша индекс мәндерін сызу стресстік оқиғаларды олардың пайда болу күні, қаншалықты ауыр болғаны және қанша уақытқа созылғаны бойынша анықтайтын өсу траекторияларын көрсетеді. Уақыттық қатар деректері сонымен қатар ағымдағы маусым мен тарихи көрсеткіштерді салыстыруға мүмкіндік береді, бұл бір күндік кескіндер жеткізе алмайтын контекстті қамтамасыз етеді.

Жүгері өсуін бақылаудың болашақ үрдістері

1. Жасанды интеллект

Қазіргі уақытта агрономның пікірін талап ететін түсіндіру тапсырмаларын автоматтандыру үшін өсімдік индексі деректеріне жасанды интеллект алгоритмдері барған сайын қолданылуда. Үлкен VI деректер жиынтықтарында оқытылған терең оқыту модельдері стресс түрін, ауырлығын және кеңістіктік ауқымын бірнеше секунд ішінде көпспектрлі кескіндерден жіктей алады, әрбір кескінді толық қолмен талдауды талап етудің орнына агрономның шолуы үшін әрекет етуді қажет ететін аймақтарды белгілейді.

Ауыл шаруашылығы нарығындағы жасанды интеллект бағаланды 2023 жылы 2,1 миллиард АҚШ доллары және 2032 жылға дейін 24%-ден астам орташа жылдық өсіммен өседі деп болжануда. (GMI, 2025), бұл мүмкіндіктің қаншалықты тез коммерцияландырылып жатқанын көрсетеді.

2. Машиналық оқыту модельдері

Көп индексті, көп уақыттық деректер жиынтықтарына қолданылатын Random Forest, XGBoost және конволюциялық нейрондық желілер (CNN) дәстүрлі регрессияға негізделген VI-кірістілік модельдерінен үнемі асып түседі.

Жүгері өнімділігін болжау үшін GBM (градиенттік күшейткіш машиналар) көмегімен жүргізілген зерттеулерге қол жеткізілді R² мәндері 0,78 VI уақыттық қатарларын метеорологиялық деректермен біріктірген кезде, қарапайым регрессия тәсілдерінен асып түседі.

Бұл модельдер спектрлік үлгілер мен сызықтық модельдер түсіре алмайтын агрономиялық нәтижелер арасындағы күрделі, сызықтық емес қатынастарды зерттейді.

3. Гиперспектрлік бейнелеу

Гиперспектрлік сенсорлар шағылысу деректерін жүздеген тар спектрлік жолақтар арқылы бір уақытта түсіреді, бұл әдеттегі мультиспектрлік камералардың бес-он жолағымен салыстырғанда жоғары. Бұл спектрлік тығыздық кең жолақты сенсорларға көрінбейтін тар спектрлік терезелерге түсетін дақыл кернеуі сигналдарын анықтауға мүмкіндік береді.

Жүгері үшін ауруларды анықтаудың, ауыр металл стрессінің және микроэлементтердің жетіспеушілігінің гиперспектрлік көрсеткіштері белсенді түрде тексерілуде, ал коммерциялық пилотсыз ұшу аппараттарының гиперспектрлік жүйелері барған сайын қолжетімді бола түсуде.

4. Нақты уақыт режимінде дақылдарды бақылау

Сенсорлық миниатюризация, спутниктік шоқжұлдызды кеңейту және 5G қосылымының үйлесімі нақты уақыт режимінде дақылдардың жағдайын бақылауға бағытталған — мұнда VI деректері апта сайын немесе екі апта сайын емес, өсу кезеңінде үздіксіз қолжетімді болады.

Planet Labs компаниясының күнделікті спутниктік қайта оралу жиілігі және деректерді бұлттық платформаларға ағынмен жіберетін IoT қолдайтын өріс сенсорларын орналастыру ерте қолданушылар үшін нақты уақыт режимінде бақылау мүмкіндігін ұсынады.

DJI компаниясының дронға негізделген қашықтықтан зондтау жүйелері хабарлады Химиялық кіріс көлемінің 67.78% төмендеуі VI деректерін берудің айнымалы жылдамдықты бүрку жүйелерінен алынған рецепт карталары кезінде (Mordor Intelligence, 2026).

5. Дәлме-дәл ауыл шаруашылығы жүйелерімен интеграция

Жүгері VI мониторингінің келесі қадамы - деректерді жинау, өңдеу, түсіндіру және далалық іс-шаралар арасындағы үздіксіз интеграция. Бұлтқа негізделген фермаларды басқару платформалары қазірдің өзінде спутниктік және дрондық кескін құбырларын айнымалы жылдамдықты контроллер бағдарламалық жасақтамасына тікелей қосуда, бұл деректерді жинаудан далалық іс-шараларға дейінгі уақытты күннен сағатқа дейін қысқартады.

Бейне провайдерлері, агрономиялық бағдарламалық жасақтама және ауылшаруашылық жабдықтары арасындағы API стандартталған сайын, “дронмен ұшудан” “айнымалы мөлшерлемедегі рецепт қолданылғанға” дейінгі жұмыс процесі барлық деңгейдегі өндірушілер үшін қолжетімді болады.

Жиі қойылатын сұрақтар

Жүгері үшін қандай өсімдік индексі ең жақсы?
Ешқандай бір индекс әмбебап ең жақсы емес. NDRE азотты бағалау үшін, SAVI ерте кезеңдегі мониторинг үшін, EVI тығыз шатыр жағдайлары үшін және NDVI жалпы биомасса мен өнімділік корреляциясы үшін ең жақсы нәтиже көрсетеді. Мониторинг мақсатына бейімделген екі немесе үш индексті біріктіру кез келген бір индекстен үнемі асып түседі.

Өсімдік индекстерін қаншалықты жиі бақылау керек?
Жүгеріні толық маусымдық басқару үшін V4-тен R3-ке дейінгі кезеңде әрбір 7-14 күн сайын бақылау аралығы ұсынылады. Маңызды шешім қабылдау терезелері (азот үшін V6, стрессті бағалау үшін VT, суару үшін R3) стандартты бақылау кестесіне қарамастан ұшуларды немесе спутниктік деректерді алуды ақтайды.

Жүгерінің ерте өсуі кезінде қандай өсімдік индексі жақсы жұмыс істейді?
SAVI және MSAVI өскін шыққаннан бастап V4-ке дейін ең жақсы нәтиже көрсетеді, себебі олар ашық топырақтың индекс мәніне әсерін азайтады, тіпті жер жамылғысы 30%-ден төмен болған кезде де маңызды шатыр өлшемдерін береді.

Өсімдік индекстері ауруды симптомдар пайда болғанға дейін анықтай ала ма?
Зерттеулер жапырақ аурулары көрінетін зақымданулар пайда болғанға дейін жұқтырған жапырақтардың спектрлік белгісін өзгертетінін көрсетеді. Қызыл жиекке негізделген индекстер ауруды ерте анықтау үшін ең сезімтал болып табылады, себебі олар жұқтырған тіндердегі хлорофиллдің ыдырауына жауап береді. Анықтауға дейінгі уақыт аурудың түрі мен ауырлығына байланысты, бірақ бақыланатын зерттеулерде көрінетін симптомдар пайда болғанға дейін 5-10 күн бұрын ерте анықтау көрсетілген.

Қорытынды

Жүгері өсуін бақылауға арналған өсімдік индекстері зерттеу қызығушылығынан әлдеқайда асып түсті. Олар қазір фермерлер мен агрономдарға дақылдардың күйзелісін, азот жетіспеушілігін және өнімділікті шектейтін жағдайларды бұл мәселелер көрінетінге дейін және олар қайтымсыз өнімділіктің төмендеуіне әкелмес бұрын бірнеше апта бұрын көруге мүмкіндік беретін практикалық, далалық сынақтан өткен құралдар болып табылады. Әрбір өсу кезеңі үшін дұрыс индексті таңдау кішігірім техникалық бөлшек емес; бұл нақты мәселені анықтау мен жаңылыстыратын деректерді жасау арасындағы айырмашылық. Бірнеше индекстерді біріктіру — азот үшін NDRE, тығыз шатырлы биомасса үшін EVI, судың жай-күйі үшін NDWI — ешбір өлшеу бере алмайтын диагностикалық көріністі береді. Бұл спектрлік көріністі физикалық далалық бақылаулармен біріктіру деректерді агрономиялық шындыққа негіздейді және тек қашықтықтан зондтауға сүйенуден туындайтын қате түсіндірудің алдын алады.