Kategorija: Pasėlių stebėjimas

Mūsų svetainės skiltis „Pasėlių stebėsena“ skirta suteikti ūkininkams ir žemės ūkio specialistams naujausią informaciją ir įrankius, padedančius jiems stebėti ir optimizuoti savo pasėlius. Pasitelkus pažangias technologijas ir duomenų analizę, tai tapo esmine šiuolaikinio ūkininkavimo praktika, leidžiančia ūkininkams nustatyti galimas problemas ir jas spręsti, kol jos netapo didelėmis.

Šiame skyriuje pateikiama įvairių išteklių ir informacijos, padedančios ūkininkams priimti pagrįstus sprendimus dėl savo pasėlių. Nuo straipsnių apie geriausią praktiką ir naujausias technologijas iki pažangiausių stebėsenos įrankių ir programinės įrangos apžvalgų – siekiame pateikti išsamią ir naujausią informaciją apie pasėlių stebėsenos aplinką.

Nesvarbu, ar esate smulkus ūkininkas, ar didelis žemės ūkio verslas, šis skyrius turi ką pasiūlyti. Apžvelgiame platų augalų spektrą, įskaitant vaisius, daržoves, grūdus ir kt., o mūsų turinys pritaikytas įvairaus lygio ūkininkų poreikiams.

Mūsų pasėlių stebėsenos skyriaus esmė – padėti ūkininkams pasiekti didesnį efektyvumą ir tvarumą savo veikloje. Teikdami naujausią informaciją ir įrankius, siekiame padėti ūkininkams pagerinti derlių, sumažinti atliekas ir padidinti pelningumą, kartu kuo labiau sumažinant jų poveikį aplinkai.

Pasėlių stebėsenos vadovas ir atnaujinimai

Taigi, nesvarbu, ar tik pradedate, ar esate patyręs profesionalas, norintis neatsilikti nuo naujausių tendencijų ir technologijų, šiame skyriuje rasite viską, ko jums reikia sėkmei.

Augalijos indeksai ir chlorofilo kiekis

Paskelbta pagal dementievgeopard

„GeoPard“ plečia palaikomų chlorofilo susietų augmenijos indeksų šeimą

  • Augalų lajos chlorofilo kiekio indeksas (CCCI)
  • Modifikuotas chlorofilo absorbcijos santykio indeksas (MCARI)
  • Transformuoto chlorofilo absorbcijos atspindžio indeksas (TCARI)
  • MCARI/OSAVI santykis
  • TCARI/OSAVI santykis

Jie padeda suprasti dabartinį pasėlių vystymosi etapą, įskaitant

  • maistinių medžiagų poreikio turinčių sričių nustatymas,
  • azoto pašalinimo įvertinimas,
  • potencialaus derliaus įvertinimas,

O įžvalgos naudojamos tiksliam azoto kintamo kiekio taikymo žemėlapių kūrimui.

Skaityti daugiauKuris indeksas yra geriausia naudoti „PrecisionAg“

Skaityti daugiau: GeoPard augmenijos indeksai

Augalijos indeksai ir chlorofilo kiekisAugalų lajos chlorofilo kiekio indeksas (CCCI), palyginti su modifikuotu chlorofilo absorbcijos santykio indeksu (MCARI), palyginti su transformuoto chlorofilo absorbcijos atspindžio indeksu (TCARI), palyginti su MCARI/OSAVI santykiu

Kas yra augmenijos indeksai?

Augalijos indeksai yra skaitinės vertės, gautos iš nuotoliniu būdu gautų spektrinių duomenų, tokių kaip palydovinės arba aerofotonuotraukos, siekiant kiekybiškai įvertinti augalijos tankumą, sveikatą ir pasiskirstymą Žemės paviršiuje.

Jie dažniausiai naudojami nuotolinio stebėjimo, žemės ūkio, aplinkos monitoringo ir žemės valdymo srityse, siekiant įvertinti ir stebėti augmenijos augimą, produktyvumą ir sveikatą.

Šie indeksai apskaičiuojami naudojant skirtingų šviesos bangos ilgių, ypač raudonos, artimojo infraraudonųjų spindulių (NIR) ir kartais kitų diapazonų, atspindžio vertes.

Augalijos atspindžio savybės kinta priklausomai nuo skirtingo šviesos bangos ilgio, todėl galima atskirti augmeniją nuo kitų žemės dangos tipų.

Augalija paprastai pasižymi stipria absorbcija raudoname diapazone ir dideliu atspindžiu artimojo infraraudonojo spektro srityje dėl chlorofilo ir ląstelių struktūros ypatybių.

Kai kurie plačiai naudojami augmenijos indeksai apima:

  • Normalizuotas diferencinis vegetacijos indeksas (NDVI)Tai populiariausias ir plačiausiai naudojamas augmenijos indeksas, apskaičiuojamas kaip (NIR – raudonas) / (NIR + raudonas). NDVI vertės svyruoja nuo -1 iki 1, o didesnės vertės rodo sveikesnę ir tankesnę augmeniją.
  • Pagerintas augmenijos indeksas (EVI)Šis indeksas pagerina NDVI, nes sumažina atmosferos ir dirvožemio triukšmą, taip pat koreguoja medžių lajos foninius signalus. Jis naudoja papildomas juostas, pvz., mėlyną, ir įtraukia koeficientus, kad sumažintų šiuos efektus.
  • Dirvožemio pakoreguotas augmenijos indeksas (SAVI): SAVI sistema sukurta siekiant sumažinti dirvožemio ryškumo įtaką augmenijos indeksui. Ji įdiegia dirvožemio ryškumo korekcijos koeficientą, kuris leidžia tiksliau įvertinti augmeniją vietovėse, kuriose augalija reta arba maža.
  • Žalia-raudona augmenijos indeksas (GRVI)GRVI yra dar vienas paprastas santykio indeksas, kuris naudoja žalią ir raudoną juostas augmenijos sveikatai įvertinti. Jis apskaičiuojamas taip: (žalia – raudona) / (žalia + raudona).

Šiuos indeksus, be kita ko, naudoja tyrėjai, žemės valdytojai ir politikos formuotojai, kad priimtų pagrįstus sprendimus dėl žemės naudojimo, žemės ūkio, miškininkystės, gamtos išteklių valdymo ir aplinkos monitoringo.

NormalizuotoSkirtumoDrėgmėsIndeksas

Paskelbta pagal dementievgeopard

Skaičius „GeoPard“ palaikomi augmenijos indeksai nuolat auga. „GeoPard“ komanda pristato normalizuotą skirtuminį drėgmės indeksą (NDMI). Šis indeksas nustato augalijos vandens kiekį ir normalizuotą skirtuminį vandens indeksą (NDWI). Jis naudingas ieškant vietų su esamais augalais. vandens stresas augaluose.

Mažesnės NDMI vertės žymi vietas, kuriose augalai patiria stresą dėl nepakankamos drėgmės.
Kita vertus, mažesnės normalizuotos vandens indekso vertės, sekančios augmenijos piką, išryškina vietas, kurios tampa vis labiau pažeidžiamos. paruoštas derliaus nuėmimui pirmas.

Augalijos santykinio vandens kiekio skirtumas dviejuose palydoviniuose vaizduose (šiuo atveju – „Sentinel-2“ žvaigždyne).

Augalijos santykinio vandens kiekio skirtumas dviejuose palydoviniuose vaizduose (šiuo atveju – „Sentinel-2“ žvaigždyne).

Šiuose ekrano kopijose galite rasti NDMI zonas, sugeneruotas pagal birželio 19 d. (augalijos piko) ir liepos 6 d. palydovinius vaizdus, ir lygčių žemėlapį, vaizduojantį NDMI skirtumą.

Normalizuotas drėgmės skirtumo indeksas, apskaičiuotas ant planetos / „Sentinel-2“ / „Landsat“ vaizdoNDMI apskaičiuotas ant planetos viršaus / Sentinel-2 / Landsat vaizdas

Kas yra drėgmės indeksas?

Tai matas arba skaičiavimas, naudojamas drėgmės kiekiui arba prieinamumui konkrečioje vietovėje arba regione įvertinti. Paprastai jis apskaičiuojamas pagal įvairius aplinkos veiksnius, tokius kaip krituliai, garavimas, dirvožemio savybės ir augmenijos danga.

Tai suteikia santykinį rodiklį apie vietovės drėgnumą arba sausumą, padėdamas nustatyti galimą vandens trūkumą arba sausros sąlygas.

Tai vertinga priemonė vandens ištekliams stebėti ir valdyti, žemės ūkio planavimui ir konkretaus regiono ekologinėms sąlygoms suprasti.

Kas yra normalizuotas drėgmės skirtumo indeksas?

Normalizuotas skirtuminis drėgmės indeksas (NDMI) yra augmenijos indeksas, gautas iš nuotolinio stebėjimo duomenų, skirtas augmenijos drėgmės kiekiui įvertinti ir stebėti. Kaip ir kiti augmenijos indeksai, jis apskaičiuojamas naudojant spektrinio atspindžio vertes iš palydovinių arba aerofotonuotraukų.

Tai ypač naudinga stebint augalų vandens stresą, vertinant sausros sąlygas, gaisrų riziką ir tiriant klimato kaitos poveikį augmenijai.

Jis apskaičiuojamas naudojant artimojo infraraudonojo spektro (NIR) ir trumpųjų bangų infraraudonųjų spindulių (SWIR) diapazonus, kurie yra jautrūs augalijos drėgmės kiekiui. NDMI formulė yra:

NDMI = (NIR – SWIR) / (NIR + SWIR)

NDWI vertės paprastai svyruoja nuo -1 iki 1, kai didesnės vertės rodo didesnį augalijos drėgmės kiekį, o mažesnės – mažesnį drėgmės kiekį arba vandens stresą augmenijoje. Neigiamos NDMI vertės gali būti siejamos su neapaugusiomis sritimis arba sritimis, kuriose drėgmės kiekis yra labai mažas.

Kas yra NDWI?

NDWI, arba normalizuotas skirtuminis vandens indeksas, yra nuotolinio stebėjimo indeksas, naudojamas vandens kiekiui ar su vandeniu susijusioms savybėms augmenijoje ar kraštovaizdyje kiekybiškai įvertinti.

Jis apskaičiuojamas analizuojant artimojo infraraudonojo spektro ir žalios šviesos juostų atspindį iš palydovinių arba aerofotonuotraukų. Tai ypač naudinga vandens telkinių identifikavimui, vandens prieinamumo pokyčių stebėjimui ir augmenijos sveikatos vertinimui.

Lyginant skirtingų bangos ilgių absorbciją ir atspindį, gaunama vertingos informacijos tokioms reikmėms kaip sausros stebėsena, hidrologinė analizė ir ekosistemų valdymas.

NDMI vizualizavimas normalizuoto skirtuminio vandens indekso nustatymui

NDMI vizualizavimas apima palydovinių arba aerofotonuotraukų apdorojimą, NDMI verčių apskaičiavimą ir rezultatų pateikimą spalvomis koduotame žemėlapyje arba paveikslėlyje. Štai bendrieji NDMI vizualizavimo veiksmai:

  • Gaukite palydovinius arba aerofotonuotraukas: Gaukite daugiaspektrinius vaizdus iš palydovo ar oro platformos, tokios kaip „Landsat“, „Sentinel“ arba „MODIS“. Įsitikinkite, kad vaizduose yra reikiamos juostos: artimoji infraraudonoji spinduliuotė (NIR) ir trumpųjų bangų infraraudonoji spinduliuotė (SWIR).
  • Iš anksto apdorokite vaizdus: Priklausomai nuo duomenų šaltinio, gali tekti iš anksto apdoroti vaizdus, kad būtų ištaisyti atmosferos, geometriniai ir radiometriniai iškraipymai. Konvertuokite vaizdo skaitmeninius skaičius (DN) į spektrinio atspindžio vertes.
  • Apskaičiuokite NDMI: Kiekvienam vaizdo pikseliui, naudodami artimojo infraraudonųjų spindulių (NIR) ir šviesiųjų spindulių (SWIR) atspindžio vertes, apskaičiuokite NDMI pagal formulę: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Spalvų atvaizdavimas: Priskirkite spalvų paletę NDMI reikšmėms. Paprastai naudojama ištisinė spalvų skalė – nuo vienos spalvos (pvz., raudonos) mažoms NDMI reikšmėms (rodančioms mažą drėgmės kiekį) iki kitos spalvos (pvz., žalios) didelėms NDMI reikšmėms (rodančioms didelį drėgmės kiekį). Spalvų žemėlapiui sukurti galite naudoti tokią programinę įrangą kaip QGIS, ArcGIS arba programavimo bibliotekas, tokias kaip Python „Rasterio“ ir „Matplotlib“.
  • Vizualizuokite NDMI žemėlapį: Parodykite NDMI žemėlapį arba vaizdą naudodami GIS programinę įrangą, programavimo biblioteką arba internetinę platformą. Tai leis jums analizuoti augmenijos drėgmės kiekio erdvinį pasiskirstymą ir nustatyti vandens trūkumo arba didelės drėgmės zonas.
  • Interpretacija ir analizė: Naudokite NDWI vizualizaciją augmenijos sveikatai įvertinti, sausros sąlygoms stebėti arba gaisrų rizikai įvertinti. Taip pat galite palyginti normalizuotus skirtingų laikotarpių vandens indekso žemėlapius, kad analizuotumėte augmenijos drėgmės kiekio pokyčius laikui bėgant.

Atminkite, kad skirtingos programinės įrangos priemonės ar programavimo bibliotekos gali turėti šiek tiek skirtingus darbo eigą, tačiau bendras procesas bus panašus. Be to, galite perdengti kitus duomenų sluoksnius, pvz., žemės naudojimo, aukščio ar administracines ribas, kad patobulintumėte analizę ir geriau suprastumėte augmenijos drėgmės kiekio ir kitų veiksnių ryšius. 

Automatizuotas pasėlių stebėjimas, derinant duomenų sluoksnius

Paskelbta pagal dementievgeopard

"GeoPard" turime modulį Automatiškai sukurti pasėlių duomenų žvalgybos zonas naudojant lanksčią verslo ir agronominės logikos konfigūraciją.

Ji leidžia kontroliuoti daugybę laukų ir atlikti žvalgybą tik įvykus avarinei situacijai.

Verslo ir (arba) agronominė logika gali būti lanksti. Šiame pavyzdyje - užduotys kuriamos tose vietovėse, kuriose naujausiose palydovinėse nuotraukose matome didelio istorinio lauko potencialo zonas ir mažą augmenijos kiekį.

Kito naudojimo atvejo pavyzdys: Mažo derliaus zona (iš derliaus failo) susikerta su žemo pH zonomis - kad būtų galima koreguoti kalkių derlingumo lygį.

 

Automatizuotos pasėlių duomenų žvalgymo zonos, kuriose susikerta duomenų sluoksniai
Didelio istorinio lauko našumo zonos susikerta su naujausiu planetos vaizdu, kuriame yra maža augmenijos zona -> žvalgymo užduotys automatiškai sukuriamos "GeoPard" programoje.

Pasėlių prekybos bendrovėms ir duomenų modeliuotojams istoriškai stabiliausių ir didelio derlingumo zonų sankirta gali būti geras rodiklis derliaus prognozėms ekstrapoliuoti.

Jei esate ūkininkas, agronomas ar tiksliosios žemdirbystės specialistas, žinote, kokia svarbi yra pasėlių duomenų žvalgyba. Ji labai svarbi stebint pasėlių būklę ir nustatant bet kokias galimas problemas, kol jos netapo didelėmis.

Tačiau tradicinė pasėlių žvalgyba gali pareikalauti daug laiko ir darbo sąnaudų. Štai kur ateina automatizuotos žvalgybos užduotys.

"GeoPard" yra revoliucinė automatizuota tiksliosios žemdirbystės programinė įranga, kuri naudoja pažangius algoritmus ir palydovinius vaizdus, kad automatiškai stebėtų jūsų pasėlius. Naudodamiesi "GeoPard" galite lengvai nustatyti automatines žvalgymo užduotis, kurios įspės jus apie galimas problemas, pavyzdžiui, kenkėjus, ligas ar maistinių medžiagų trūkumą.

Vienas iš pagrindinių automatinės žvalgybos užduočių privalumų - galimybė greitai ir tiksliai nustatyti pasėlių problemas. Programa "GeoPard" naudoja pažangius algoritmus, kad išanalizuotų jūsų laukų palydovines nuotraukas ir aptiktų net mažiausius pasėlių pokyčius.

Tai reiškia, kad galite greitai nustatyti visas galimas problemas ir imtis veiksmų joms spręsti, kol jos netapo rimtesnės.

Dar vienas automatinės žvalgybos užduočių privalumas - galimybė reguliariai stebėti pasėlius. Atliekant tradicinę žvalgybą, gali būti sunku reguliariai lankytis laukuose ir tikrinti galimas problemas.

Tačiau naudodami programą "GeoPard" galite nustatyti automatines užduotis, kurios kasdien arba kas savaitę stebės jūsų pasėlius ir suteiks išsamesnį jų būklės vaizdą.

"GeoPard" automatinės žvalgybos užduotys taip pat gali būti pritaikomos, todėl galite jas pritaikyti pagal savo konkrečius poreikius. Galite nustatyti užduotis, skirtas konkrečioms problemoms, pavyzdžiui, kenkėjams ar ligoms, stebėti, arba nustatyti užduotis, skirtas konkrečioms lauko sritims stebėti. Tai reiškia, kad galite gauti informaciją, kurios jums reikia, kad galėtumėte priimti pagrįstus sprendimus dėl savo pasėlių.

"GeoPard" siūlo ne tik automatizuotas žvalgymo užduotis, bet ir daugybę kitų funkcijų, kurios gali padėti valdyti tiksliosios žemdirbystės operacijas. Naudodamiesi GeoPard galite planuoti sėją ir tręšimą, stebėti dirvožemio drėgmės lygį ir stebėti derlių.

Apskritai "GeoPard" automatizuotos žvalgymo užduotys yra galingas įrankis ūkininkams, agronomams ir tiksliosios žemdirbystės specialistams. Naudodami "GeoPard" galite greitai ir lengvai stebėti savo pasėlius ir nustatyti galimas problemas, o tai padeda priimti geresnius sprendimus dėl savo veiklos.

Kas yra pasėlių žvalgyba?

Pasėlių žvalgyba - tai žemės ūkio praktika, kai sistemingai tikrinami ir stebimi pasėliai, siekiant įvertinti jų sveikatą, augimą ir galimas problemas. Paprastai fiziškai vaikštoma po laukus arba duomenims rinkti naudojamos tokios technologijos kaip dronai ar jutikliai.

Pasėlių žvalgai stebi ir renka informaciją apie tokius veiksnius kaip kenkėjų antplūdis, ligų protrūkiai, maistinių medžiagų trūkumas ir piktžolių plitimas.

Šie duomenys padeda ūkininkams priimti pagrįstus sprendimus, susijusius su pasėlių valdymu, pvz., taikyti tikslinį apdorojimą, koreguoti trąšų naudojimą arba įgyvendinti kenkėjų kontrolės strategijas. Tai labai svarbu siekiant padidinti derlių ir užtikrinti bendrą pasėlių būklę.

Kas yra automatinė pasėlių duomenų žvalgyba?

Automatizuota pasėlių žvalgyba - tai pažangiausių technologijų, įskaitant robotiką, bepilotes skraidykles, įvairius jutiklius ir dirbtinį intelektą, taikymas siekiant stebėti ir vertinti pasėlių būklę ir vystymąsi žemės ūkio aplinkoje.

Tikslas - padidinti efektyvumą, sumažinti išlaidas ir supaprastinti pasėlių valdymą, automatizuojant užduotis, kurias tradiciškai atlieka žmonės - pasėlių žvalgai.

Automatizuotos pasėlių duomenų žvalgybos procesas apima kelis etapus, pvz:

  • Duomenų rinkimas: Bepiločiai orlaiviai arba antžeminiai robotai su įvairiais jutikliais (pvz., kameromis, daugiaspektriais jutikliais, LIDAR) renka informaciją apie pasėlių būklę, įskaitant augalų sveikatą, kenkėjų ir ligų paplitimą, dirvožemio savybes ir maistinių medžiagų koncentraciją.
  • Duomenų analizė: Vėliau surinkti duomenys apdorojami ir tikrinami naudojant dirbtinio intelekto ir mašininio mokymosi algoritmus, kad būtų galima aptikti su pasėlių sveikata ir vystymusi susijusius dėsningumus, pažeidimus ir tendencijas.
  • Sprendimų priėmimas: Duomenų analizės rezultatai gali būti naudojami priimant pagrįstus sprendimus dėl pasėlių valdymo, įskaitant laistymo, tręšimo, kenkėjų kontrolės ir kitų intervencinių priemonių optimizavimą.
  • Imkitės veiksmų: Ūkininkai, remdamiesi automatinės pasėlių stebėsenos metu gautomis žiniomis, gali įgyvendinti tikslines priemones, skirtas konkrečioms lauko problemoms spręsti, pavyzdžiui, naudoti pesticidus ar maistingąsias medžiagas tik ten, kur reikia, taip sumažinant atliekų kiekį ir poveikį aplinkai.

Ūkininkams realiuoju laiku teikiant tikslius duomenis, galima gerokai padidinti žemės ūkio produktyvumą ir tvarumą, priimti geresnius sprendimus ir taikyti tikslesnius valdymo metodus.

Kaip nustatyti žvalgybos zoną?

Nustatant pasėlių duomenų žvalgybos zonas, ūkio laukas padalijamas į mažesnes, lengvai valdomas dalis, atsižvelgiant į tokius aspektus kaip dirvožemio sudėtis, reljefas, ankstesni pasėlių rezultatai ar kiti svarbūs veiksniai.

Tikslas - nustatyti vienodas panašias sąlygas atitinkančias teritorijas, kad būtų galima tikslingiau atlikti žvalgybą, stebėjimus ir valdymo praktiką. Toliau pateikiamas žingsnis po žingsnio metodas, kaip nustatyti pasėlių žvalgymo zoną:

  • Surinkite istorinę informaciją: Surinkite duomenis apie ankstesnių pasėlių derlių, dirvožemio analizės rezultatus, kenkėjus ir ligas bei kitą svarbią informaciją apie lauką. Šie duomenys gali padėti atpažinti vietoves, kuriose yra panašios sąlygos ar našumas.
  • Išnagrinėkite dirvožemio sudėtį ir reljefą: Ištirkite savo lauko dirvožemio tipus ir reljefą, kad suprastumėte natūralius skirtumus. Skirtinga dirvožemio sudėtis ir aukštis virš jūros lygio gali turėti įtakos pasėlių augimui, maisto medžiagų įsisavinimui ir vandens prieinamumui, o tai savo ruožtu daro įtaką pasėlių sveikatai.
  • Pasinaudokite nuotolinio stebėjimo technologijomis: Naudokite palydovinius arba dronais gautus vaizdus, kad gautumėte papildomos informacijos apie lauko sąlygas, pvz., augmenijos rodiklius, dirvožemio drėgmės lygį ir temperatūros svyravimus. Ši informacija gali padėti patikslinti žvalgymo zonas, nes suteikia išsamesnį lauko vaizdą.
  • Įdiegti tiksliosios žemdirbystės metodus: Naudokite tiksliosios žemdirbystės programinę įrangą surinktiems duomenims apdoroti ir analizuoti. Šios priemonės gali padėti nustatyti dėsningumus ir nustatyti duomenimis pagrįstas žvalgymo sritis, atsižvelgiant į tokius veiksnius kaip pasėlių sveikata, dirvožemio kintamumas ir reljefas.
  • Nustatyti žvalgybos zonas: Remdamiesi duomenų analize, suskirstykite lauką į mažesnius vienodus plotus, kuriems būdingi panašūs požymiai. Šie plotai turėtų būti lengvai valdomi ir pritaikyti konkretiems jūsų veiklos reikalavimams.
  • Reguliariai atnaujinkite ir koreguokite: Pasikeitus aplinkybėms ir gavus naujų duomenų, iš naujo įvertinkite ir pakeiskite žvalgybos rajonus, kad jie išliktų aktualūs ir tikslūs. Tai gali būti susiję su plotų atnaujinimu, atsižvelgiant į naujus derliaus duomenis, kenkėjų ir ligų paplitimą ar kitus pasėlių našumui įtakos turinčius veiksnius.

Taigi, nustatę ir sukūrę pasėlių žvalgymo zoną, ūkininkai gali veiksmingiau sutelkti stebėsenos pastangas ir taikyti tikslingą valdymo praktiką, todėl geriau panaudojami ištekliai ir pagerėja pasėlių būklė.

Normalizuotas skirtumo augmenijos indeksas (NDVI) palengvina ūkininko gyvenimą

Paskelbta pagal dementievgeopard

Normalizuotas diferencinis augmenijos indeksas (NDVI) yra dažnai naudojamas rodiklis augmenijos tankumui ir sveikatai kiekybiškai įvertinti. Jo vertės svyruoja nuo -1 iki 1, kur neigiamos vertės rodo vandenį arba pliką dirvožemį, vertės, artimos nuliui, rodo retą augmeniją, o didesnės vertės rodo tankesnę ir sveikesnę augmeniją.

Kas yra normalizuotas diferencinis vegetacijos indeksas (NDVI)?

Tai metodas, kuris apskaičiuoja skirtumą tarp raudonos šviesos kiekio, kurį gauna augmenija, ir artimojo infraraudonojo spektro šviesos kiekio, kurį stipriai atspindi augmenija.

Šio metodo tikslas – pateikti kiekybinę augalijos būklės analizę. Nėra situacijos, kai jos vertė nepatektų į spektrą nuo -1 iki +1. Tačiau nėra aiškios ribos tarp daugelio galimų žemės dangos tipų.

Jei skaičių suma yra mažesnė už nulį, gana tikėtina, kad nagrinėjama medžiaga yra vanduo. Jei NDVI balas yra gana artimas teigiamam, yra didelė tikimybė, kad tai tiesiog tankiai supakuotų žalių lapų krūva. Tai ypač pasakytina, jei lapai yra tankiai supakuoti.

Žali lapai turi didesnę vertę nei raudoni lapai, todėl taip yra. Įsivaizduokite akimirką, kad ji yra labai artima nuliui.

Tokioje situacijoje vargu ar yra bent menkiausia tikimybė, kad ten vis dar bus kokių nors lapų, ir regionas iki šio momento gali būti net urbanizuotas. Normalizuoto skirtumo augmenijos rodiklis yra indeksas, kurį analitikai naudoja šioje srityje. tolimoji žvalgyba didžiąją laiko dalį.

Kodėl normalizuotas diferencinės augmenijos indeksas yra naudingas?

Yra daug skirtingų augmenijos indeksų, ir didžioji dauguma jų yra palyginami tarpusavyje. Tačiau būtent šis naudojamas dažniausiai ir plačiausiai, be to, jis turi esminį privalumą – didelę iš jų gautų nuotraukų raišką. palydoviniai duomenys.

Tokiomis aplinkybėmis NDVI nustatymui gali būti naudojami dešimties metrų skiriamosios gebos kanalai. Atminkite, kad vienas pikselis yra lygus dešimčiai kartų per dešimt metrų. Kita vertus, indekso skiriamoji geba, kuri naudoja papildomus šviesos kanalus, būtent raudonojo amžiaus kanalus, gali būti dvidešimt metrų, kur vienas pikselis yra lygus dvidešimčiai kartų per dvidešimčiai metrų.

Kaip apskaičiuojamas NDVI?

Tai galima nustatyti naudojant šią paprastą matematinę procedūrą, kuri neapdorotą palydovinę informaciją paverčia augmenijos indeksais.

Normalizuoto skirtumo augmenijos indekso formulė

Lygtis sukuria vieną reprezentatyvų skaičių ir integruoja informaciją, prieinamą raudonojoje ir NIR (artimojo infraraudonojo spektro) juostose.

Tam reikia atimti raudonosios spektro juostos atspindžio koeficientą iš artimojo infraraudonojo spektro juostos atspindžio koeficiento. Po to rezultatas padalijamas iš bendro artimojo infraraudonojo spektro ir raudonųjų bangų ilgių atspindžio koeficiento.

NDVI įvertinimas niekada nebus didesnis nei teigiamas ir mažesnis nei neigiamas. Be to, skaičius nuo -1 iki 0 žymi negyvą augalą ir neorganinius objektus, tokius kaip akmenys, keliai ir pastatai.

Tuo pačiu metu, gyvų augalų vertės gali svyruoti nuo 0 iki 1, kur 1 reiškia sveikiausią augalą, o 0 – nesveikiausią. Kiekvienam paveikslėlio pikseliui galima priskirti vieną vertę, nesvarbu, ar tas pikselis žymi vieną lapą, ar 500 akrų kviečių lauką.

Kaip naudoti normalizuotą skirtuminį vegetacijos indeksą?

Pagrįstai, jis dabar naudojamas įvairiose tyrimų srityse. Pavyzdžiui, žemės ūkio srityje jis naudojamas tiksliojo ūkininkavimo ir biomasės vertinimo tikslais. Jį taip pat naudoja miškininkai miško ištekliams ir lapų ploto indeksui (LAI) įvertinti.

Be to, NASA mano, kad tai patikimas sausros sąlygų buvimo rodiklis. Proporcingas NDVI ir augmenijos koncentracija yra mažesni tose vietose, kur vanduo yra kliūtis augmenijai įsitvirtinti.

Taip yra todėl, kad vanduo neleidžia augalų šaknims giliau įsiskverbti į dirvą. Jis, įskaitant ir kitų rūšių tolimoji žvalgyba, turi galimybę būti panaudotas įvairiais būdais realybėje.

Ką NDVI gali mums pasakyti apie augalus?

Svarbu tvirtai suprasti, kad normalizuotas skirtumas Augalijos indeksas yra tik augalo sveikumo rodiklis ir nesuteikia jokios informacijos apie tam tikros būklės priežastis.

Augalijos indeksas yra labiau išraiška nei tiesioginis lauko pokyčių atspindys. Panagrinėkime tris NDVI taikymo lauko analizei būdus:

Kai prasideda naujas sezonas

Tai naudinga norint suprasti augalo atsparumą žiemai ir kaip jam pavyko išgyventi.

  • Jei jo vertė yra mažesnė nei 0,15, yra gana didelė tikimybė, kad visi šio lauko ruožo augalai žuvo. Paprastai šie skaičiai taikomi įdirbtai dirvai be jokių augalų.
  • Kitas mažo skaičiaus pavyzdys yra 0,15–0,2. Tai gali reikšti, kad augalai pradėjo ruoštis žiemai ankstyvuoju fenologiniu laikotarpiu, prieš arimo etapą.
  • Rezultatas nuo 0,2 iki 0,3 yra patenkinamas. Augalai greičiausiai pasiekė arimo stadiją ir atgavo vegetatyvinę būseną. 0,3−
  • 0,5 yra tinkama vertė. Tačiau svarbu nepamiršti, kad didesni NDVI rodmenys rodo, jog augalai žiemojo vėlesniame fenologiniame etape. Tarkime, kad palydovinė nuotrauka buvo užfiksuota prieš augmenijai grįžtant į normalią būseną. Tokiu atveju svarbu išanalizuoti plotą po to, kai augmenija tęsė normalią formą.
  • Skaičius, didesnis nei 0,5, rodo anomaliją po žiemojimo fazėje. Rekomenduojama patikrinti šią lauko zoną.

Apibendrinant, jei pastebite, kad gautos vertės gerokai skiriasi nuo normos, turite patikrinti atitinkamą lauko dalį. Kad vertės tam tikroje srityje būtų priskirtos nenormalioms, jos turi labai nukrypti nuo normos.

Kai sezonas įpusėjo

Indekso naudojimas gali padėti geriau suprasti, kaip vystosi augalai. Įsivaizduokite, kad rodmenys yra tarp švelnaus ir aukšto (0,5–0,85). Labai tikėtina, kad šiuo metu ši konkreti vietovės dalis nesusiduria su jokiais dideliais iššūkiais.

Jei indeksas išlieka mažesnis nei turėtų būti, gali būti problemų, pavyzdžiui, dirvožemio vandens ar maistinių medžiagų trūkumas. Tačiau jums reikia atlikti savo tyrimą šioje konkrečioje srityje.

Mes generuojame kintamo kiekio purškimo (VRA) žemėlapiai azoto kiekį naudojant normalizuotą skirtuminį vegetacijos indeksą. Mes nustatome regionus, kurių vegetacijos indeksai svyruoja nuo žemo iki aukšto.

Po to kiekvienas ūkininkas pats nustato reikalingą trąšų kiekį. Toliau pateikiamas efektyviausias azoto naudojimo būdas:

  • Tarkime, kad regiono vegetacijos indeksas yra aukštas. Tokiu atveju rekomenduojamą trąšų dozę reikėtų sumažinti iki 10 ir 30 procentų įprastos normos.
  • Jei vegetacijos indeksas yra maždaug vidutinis, rekomenduojamą trąšų dozę reikėtų padidinti iki 20–25 procentų įprastos dozės.
  • Jei augmenijos indeksas yra žemas, pirmiausia reikia išsiaiškinti, kodėl taip yra.

Norint rekonstruoti lauką. žemės ūkio derlius, mes taip pat naudojame šį indeksą. Remdamiesi šiais duomenimis, sudarome žemėlapius, kurie gali būti naudojami kintamos normos kalio ir fosfato trąšoms naudoti.

Kai sezonas baigiasi

NDVI indeksas yra naudinga priemonė nustatyti, ar laukai yra paruošti derliaus nuėmimui; kuo mažesnis indeksas, tuo labiau dalis ploto artėja prie derliaus nuėmimo etapo. Tokiu atveju ideali indekso vertė būtų mažesnė nei 0,25.

NDVI indeksas yra naudinga priemonė nustatant, ar laukai yra paruošti derliaus nuėmimui.

Pirmiausia, tai matematinis skaičiavimas, atliekamas pikseliu po pikselio vaizde, naudojant GIS (geografinės informacijos sistemos) įrankius. Apskaičiuojant pagal augalo sugeriamos ir atspindėtos raudonos ir artimosios infraraudonosios šviesos kiekius, matuojama bendra augalo sveikatos būklė.

Normalizuotas diferencinės augmenijos indeksas gali būti naudojamas tiriant žemę visame pasaulyje, todėl jis idealiai tinka tiksliniams lauko tyrimams ir nacionaliniam ar pasauliniam augmenijos monitoringui.

Naudodami NDVI, galime gauti tiesioginę laukų analizę, kuri leis žemdirbiams optimizuoti plotų gamybos potencialą, apriboti jų poveikį aplinkai ir modifikuoti tiksliosios žemdirbystės operacijas.

Be to, nagrinėjant jį kartu su kitais duomenų srautais, pavyzdžiui, apie orus, galima geriau suprasti pasikartojančius sausrų, užšalimų ar potvynių modelius ir jų poveikį augmenijai.

Dažnai užduodami klausimai

1. Kam nustatyti daugiausia naudojamas NDVI?

Jis pirmiausia naudojamas augmenijos sveikatai ir tankumui tam tikroje vietovėje nustatyti. Šis indeksas plačiai naudojamas žemės ūkyje, miškininkystėje ir ekologijoje, siekiant stebėti augmenijos augimą, įvertinti augalų streso lygį, nustatyti sausros ar ligų paveiktas zonas ir padėti priimti sprendimus dėl pasėlių valdymo.

2. Kaip skaityti NDVI vaizdus?

Norėdami perskaityti NDVI vaizdus, galite interpretuoti su indekso reikšmėmis susietą spalvų skalę. Paprastai sveika augmenija atrodo žalia, o mažiau sveika arba reta augmenija – geltona arba raudona.

Tamsesni atspalviai gali rodyti vietoves, kuriose yra didelė biomasė, o šviesesni atspalviai – mažesnį augmenijos tankumą arba plikos dirvos buvimą.

Analizuojamos srities konteksto, pavyzdžiui, konkretaus pasėlių tipo ar aplinkos sąlygų, supratimas gali dar labiau padėti interpretuoti NDVI vaizdus ir priimti pagrįstus sprendimus dėl žemės ūkio praktikos.

Ūkių ir (arba) pasėlių derliaus duomenų stebėjimas ir skaičiavimas žemės ūkyje

Paskelbta pagal dementievgeopard

Žemės ūkyje derliaus žemėlapių sudarymas yra metodas, kai GPS duomenys naudojami vertinant veiksnius, įskaitant ūkio / pasėlių derlių ir drėgmės lygį konkrečiame lauke. Jis taip pat gali būti vadinamas derliaus stebėsena.

Jis buvo sukurtas 1990-aisiais ir naudojo GPS bei apčiuopiamų jutiklių, tokių kaip spidometrai, derinį, kad vienu metu būtų galima stebėti ūkio derlių, grūdų elevatoriaus našumą ir kombaino greitį.

Tuo tarpu derliaus monitoriai yra gyvybiškai svarbi daugelio skirtingų konkrečioms vietovėms skirtų valdymo strategijų sudedamoji dalis. Derliaus žemėlapiai, dar vadinami derliaus monitorių vizualiniais ir analitiniais rezultatais, įkvepia novatoriškus tyrimus ir gali suteikti patikimus atsakymus į tinkamai atliktus ūkyje atliktus eksperimentus.

Derliaus matuokliai (dar vadinami derliaus matuokliais) matuoja užauginto derliaus kiekį. Derliaus žemėlapių pateiktas grįžtamasis ryšys leidžia nustatyti kontroliuojamų sąnaudų, tokių kaip trąšos ir kalkės, sėklos ir pesticidai, bei meninių metodų, tokių kaip žemės dirbimas, drėkinimas ir drenažas, poveikį.

Derliaus stebėjimo įrenginys efektyviausias, kai naudojamas kartu su kombainu, kuriame taip pat sumontuotas diferencialiniu būdu koreguojamas pasaulinės padėties nustatymo sistemos (DGPS) imtuvas.

Derliaus stebėjimo duomenų sistema vienu metu registruoja derliaus, grūdų drėgmės ir padėties duomenis. Tai yra pagrindiniai pasėlių derliaus duomenys, reikalingi derliaus žemėlapiams sudaryti.

Derlingumo žemėlapyje bus įvairių spalvų ir atspalvių, ir kiekvienas iš jų atspindės įvairų produktyvumo ar pasėlių gamybos diapazoną. Derlingumo žemėlapiai padeda geriau suprasti derlingumo kintamumo dydį ir vietą lauke.

Reikėtų ištirti dirvožemio savybes ir kitus lauko aspektus, nes yra kintamumo dėsningumų. “Derliaus žemėlapiai patvirtina prisiminimus, kuriuos turėjote turėti” – tai frazė, kuri jau buvo pakartota kelis kartus.

Kas yra derlius žemės ūkyje?

Sėklų arba grūdų kiekis, kurį galima nuimti iš konkretaus žemės ploto, vadinamas derliumi. Dažniausiai naudojami jo matavimo vienetai yra kilogramai hektarui arba bušeliai akrui.

Naudojant tokį rodiklį kaip vidutinis ūkio derlius iš akro, galima ištirti ūkininko žemės ūkio produkciją konkrečiame lauke per tam tikrą laikotarpį.

Kadangi tai atspindi visą agrarininkų darbo ir išteklių, skirtų augalų auginimui savo laukuose, rezultatą, jis laikomas bene svarbiausiu kiekvieno ūkininko kompetencijos matu.

Nuolatinį ir matomą nuimto derliaus įrašą galima gauti naudojant derliaus žemėlapius. Kita vertus, vienerių metų derliaus kintamumas nesuteikia pakankamai informacijos, kad būtų galima nustatyti ilgalaikius produktyvumo modelius.

Analizės metu būtina atsižvelgti į tokius kintamuosius kaip dirvožemio derlingumas, kritulių kiekis ir piktžolių slėgis.

Įsitikinkite, kad neapdorotus pasėlių derliaus duomenis, naudojamus žemėlapiams kurti, išsaugote bent dviejose skirtingose saugiose vietose.

Nors anksčiau sukūrėte žemėlapį, diegiant naują valdymo ir sprendimų priėmimo programinę įrangą arba atnaujinant kompiuterines sistemas, jums gali vėl prireikti originalių duomenų.

Kadangi bus prieinami daugiau metų duomenys, bus labiau pasitikima kintamumą lemiančiais veiksniais, o istorinių duomenų vertė smarkiai išaugs.

Ilgalaikių gamybos įrašų tyrimas gali padėti įvertinti dirvožemio produktyvumą ir gyvybingumą bei taikomų kultūrinių metodų tinkamumą augalui auginti.

Nors dirvožemio tipų ar savybių skirtumai dažnai lemia derliaus skirtumus lauke, oro sąlygos paprastai daro didelę įtaką kintamumui.

Pirmieji treji–penkeri derliaus duomenų rinkimo metai turėtų būti laikomi ribotos reikšmės, nes nebus surinkta pakankamai informacijos, kad būtų galima atsižvelgti į oro sąlygų sukeltą derliaus kintamumą.

Kaip žemės ūkyje apskaičiuojamas ūkio / pasėlių derlius?

Paprastai ūkininkai, prieš įvertindami pasėlių derlių, suskaičiuotų, kiek konkretaus derliaus buvo nuimta iš konkretaus ploto. Po to surinktam derliui suteikiamas svoris, o iš šio imties prognozuojamas viso ūkio pasėlių derlius.

Tarkime, kad kviečių augintojas užfiksavo 30 grūdų gūžes vienoje kvadratinėje pėdoje, o kiekvienoje gūžėje buvo 24 sėklos. Jei jie darytų prielaidą, kad 1000 grūdų sveria 35 gramus, tai derlius, apskaičiuotas naudojant paprastąjį metodą, būtų 30 kartų 24 kartus 35 kartus 0,04356, tai yra 1097 kilogramai iš akro.

Dar kartą atminkite, kad šis įvertinimas pagrįstas prielaida, jog 1000 grūdų svoris yra 35 gramai. Be to, kadangi vienas kviečių bušelis sveria 27,215 kilogramo, apskaičiavome, kad tikėtinas derlius būtų 40 bušelių iš akro (1097 padalinta iš 27,215).

Terminas “pasėlių derlius” taip pat gali reikšti augalo išauginamų sėklų skaičių. Pavyzdžiui, jei iš vieno kviečio grūdo išaugėtų trys kiti kviečio grūdai, derlius būtų 1:3. “Žemės ūkio produkcija” taip pat kartais vartojama kaip “ūkio / pasėlių derlius”.”

Pastaba: pasaulinėje ekonomikoje šie duomenys yra būtini norint nustatyti, ar auginami pasėliai pakankamai aprūpins valstybę maistu, pašarais gyvūnams ir energijos šaltiniais.

Ūkio / pasėlių derliaus duomenų funkcijos

Čia aptarsime kai kuriuos svarbius ūkių derliaus duomenų elementus.

Išsamesnės analizės

Norint atlikti daugiasluoksnę analizę, pirmiausia reikia surinkti daugybę duomenų sluoksnių į vieną žemėlapį ir tada ieškoti ryšių tarp įvairių duomenų sluoksnių.

Turėtų būti įmanoma sukurti bendras produktyvumo zonas naudojant iš palydovinių vaizdų gautus vegetacijos indeksus, topografija, ir įrangos duomenis, įskaitant derlių, elektrines savybes, drėgmės lygį ir kt., taip pat agrocheminės analizės rezultatus ir 3D žemėlapiai.

Automatinis vizualizavimas

Siekiant geriau suprasti srities kintamumą ir vystymąsi valdymo zonos, žaliava pasėlių derliaus duomenys turėjo būti transformuotas į tolygiai paskirstytą gradientinį paveikslėlį.

Kiekvieną iš derliaus failo charakteristikų galima matyti grafine forma, įskaitant drėgmę, derliaus masę, derliaus tūrį (šlapią ir sausą), prispaudimo jėgą, degalų sąnaudas ir kt.

Kaip žemės ūkyje apskaičiuojamas ūkio ir pasėlių derlius?

Neapdorotų duomenų taisymas

Unikalus lauko taškas gali būti išlygintas (pavyzdžiui, apdorojant kombinuotos pjaunamosios dalį, kuri yra mažesnė už visą jos plotį). Turėtumėte galėti koreguoti izoliuotas zonas ir poligonus, tuo pačiu metu rengdami ūkio derliaus duomenis pagal zonas.

Receptinių žemėlapių sudarymas

Receptiniuose žemėlapiuose pateikiamos įvesties normos konkrečioms lauko zonoms. Šie žemėlapiai sudaromi naudojant įvairius erdvinius duomenis, pvz., dirvožemio maistinių medžiagų koncentracijas ir istorinį derlių.

Baigiamosios pastabos

Derliaus kintamumą galima iliustruoti tik derliaus žemėlapiais. Jų tikslumas priklauso nuo duomenų, naudojamų jiems sukurti. Norint rinkti patikimus duomenis, monitorių nustatymai turi būti tinkamai sukonfigūruoti ir dažnai peržiūrimi.

Norint suprasti veiksnius, darančius įtaką kintamumui, reikia naudoti žemėlapių ir dirvožemio tyrimų duomenis., skautavimas Reikėtų naudoti užrašus ir kitus pastebėjimus.

Ūkininkai turi informacijos, reikalingos priimti geresnius valdymo sprendimus, kurie daro teigiamą poveikį aplinkai ir padidina gamybą bei pelningumą. Šių žinių galima įgyti taikant konkrečiai vietai pritaikytą pasėlių valdymą.

Nuotolinio pasėlių stebėjimo sistema: Kaip tai veikia?

Paskelbta pagal dementievgeopard

Nuotolinė pasėlių stebėjimo sistema tiksliojoje žemdirbystėje reiškia įvairių technologijų ir įrankių naudojimą pasėliams stebėti ir valdyti nuotoliniu būdu. Šis metodas naudoja duomenų rinkimo, analizės ir ryšio technologijas, kad būtų galima priimti pagrįstus sprendimus dėl pasėlių sveikatos, drėkinimo, tręšimo ir bendro ūkio valdymo.

XXI amžiuje, kai viskas tampa skaitmenine, ūkininkavimas neatsilieka. Skaitydami šį straipsnį, nemažai ūkininkų visame pasaulyje jau naudoja technologijas įvairioms užduotims savo laukuose atlikti, pavyzdžiui, stebėti augalų drėgmę, dirvožemio sąlygas, bendrą sveikatą, temperatūrą ir dar daug daugiau, naudodami jutiklius.

Naudodamiesi technologijomis, ūkininkai gali mėgautis tikslios statistikos privalumais, palyginti su senais laikais, kai pasirinkimai buvo daromi remiantis spėjimais ir intuicija. Tai padeda jiems priimti geresnius sprendimus, kurie lemia didesnį derlių.

Kas yra pasėlių stebėjimo sistema?

Pasėlių stebėsena – tai sistemingo augalų stebėjimo, vertinimo ir duomenų apie juos rinkimo procesas per visą jų augimo ciklą.

Tai apima reguliarų ir sistemingą augalų stebėjimą, siekiant surinkti informaciją apie jų sveikatą, augimą ir vystymąsi.

Jo tikslas – priimti pagrįstus sprendimus dėl pasėlių valdymo praktikos, optimizuoti išteklių naudojimą ir maksimaliai padidinti derlių. Paprastai tai apima šią veiklą:

  • Vizualinė apžiūra
  • Fenologiniai stebėjimai
  • Dirvožemio monitoringas
  • Orų stebėjimas
  • Jutiklių pagrindu veikiantis stebėjimas
  • Duomenų analizė

Stebėdami pasėlius, ūkininkai gali aktyviai spręsti problemas, optimizuoti išteklių paskirstymą ir priimti pagrįstus sprendimus, siekdami pagerinti bendrą pasėlių sveikatą, derlių ir pelningumą. Tai esminė tiksliosios žemdirbystės dalis, leidžianti ūkininkams taikyti tikslingą ir tvarų pasėlių valdymą.

Išmanioji pasėlių stebėjimo sistema: kaip ji veikia?

Pagrindinis jos tikslas – užtikrinti, kad ūkininkavimas taptų lengvesnis ir pelningesnis, palyginti su tradiciniais metodais. Nuo duomenų apie laukus rodymo iki orų prognozių – toliau pateikiama visa informacija, kurią galbūt norėsite sužinoti apie nuotolinį pasėlių stebėjimą ir susijusias temas.

Išmanioji pasėlių stebėjimo sistema apima įvairias technologijas, skirtas duomenims rinkti, analizuoti ir naudoti efektyviam pasėlių valdymui. Štai kaip ji paprastai veikia:

1. Jutiklių išdėstymas

Sistema pradedama diegiant jutiklius lauke. Šie jutikliai gali matuoti tokius parametrus kaip dirvožemio drėgmė, temperatūra, oro drėgnumas, maistinių medžiagų kiekis ir šviesos intensyvumas.

Juose taip pat gali būti oro jutikliai, skirti kritulių, vėjo greičio ir saulės spinduliuotės duomenims rinkti. Jutikliai yra strategiškai išdėstyti visame lauke, kad būtų renkami reprezentatyvūs duomenys.

2. Duomenų rinkimas

Išdėlioti jutikliai nuolat renka duomenis iš lauko. Tai galima padaryti naudojant laidinį arba belaidį ryšį.

Belaidžiai jutikliai dažniausiai naudojami, nes jie yra lankstūs ir lengvai diegiami. Surinkti duomenys siunčiami į centrinę sistemą tolesniam apdorojimui ir analizei.

3. Duomenų perdavimas

Belaidžiai jutikliai perduoda surinktus duomenis į centrinį mazgą arba šliuzą. Tai galima padaryti naudojant įvairias belaidžio ryšio technologijas, tokias kaip korinio ryšio tinklai, „Wi-Fi“ arba specialios radijo sistemos. Duomenys gali būti perduodami realiuoju laiku arba reguliariais intervalais, priklausomai nuo sistemos konfigūracijos.

4. Duomenų saugojimas ir apdorojimas

Surinkti duomenys saugomi duomenų bazėje tolesnei analizei. Duomenims taikomi pažangūs duomenų apdorojimo metodai, įskaitant mašininio mokymosi algoritmus ir statistinius modelius, siekiant išgauti prasmingas įžvalgas ir modelius. Ši analizė padeda nustatyti pasėlių sąlygų koreliacijas, tendencijas ir anomalijas.

5. Sprendimų palaikymas ir įspėjimai

Remdamasi analizuotais duomenimis, sistema teikia ūkininkams ar agronomams sprendimų priėmimo pagalbą. Ji generuoja įspėjimus ir pranešimus apie kritinius įvykius, tokius kaip dirvožemio drėgmės lygio kritimas žemiau ribos arba kenkėjų ar ligų buvimas.

Šie įspėjimai teikiami per žiniatinklio valdymo skydus, mobiliąsias programėles arba el. pašto / SMS pranešimus, todėl galima laiku įsikišti.

6. Vizualizacija ir ataskaitų teikimas

Sistema pateikia analizuojamus duomenis patogiu vartotojui būdu vizualizacijų ir ataskaitų pavidalu. Grafikai, diagramos ir žemėlapiai dažnai naudojami informacijai apie pasėlių sveikatą, augimo modelius ir aplinkos sąlygas perteikti. Tai padeda ūkininkams lengvai interpretuoti duomenis ir priimti pagrįstus sprendimus.

7. Automatizavimas ir valdymas

Kai kuriais atvejais jį galima integruoti su automatizuotomis drėkinimo sistemomis, tręšimo sistemomis ar mašinomis.

Remdamasi surinktais duomenimis ir analize, sistema gali automatiškai valdyti laistymo grafikus, koreguoti maistinių medžiagų kiekį arba aktyvuoti kenkėjų kontrolės priemones.

Ši integracija leidžia priimti realiuoju laiku, duomenimis pagrįstus sprendimus ir tiksliai kontroliuoti pasėlių valdymo praktiką.

Išmaniosios pasėlių stebėjimo sistemos pagrindinis tikslas – optimizuoti išteklių naudojimą, pagerinti pasėlių produktyvumą ir sumažinti išlaidas, suteikiant ūkininkams tikslią ir savalaikę informaciją sprendimams priimti. Pasitelkdamos technologijas, tokios sistemos leidžia taikyti efektyvesnę ir tvaresnę pasėlių valdymo praktiką šiuolaikiniame žemės ūkyje.

Nuotolinės pasėlių stebėjimo sistemos svarba

Viena svarbiausių užduočių, visada atliekamų siekiant gero derliaus, yra pasėlių stebėsena. Kadangi augalai yra nuolat stebimi, užtikrinama, kad jie augtų geriausiomis sąlygomis, o atsiradus bet kokiems nukrypimams, jie laiku ištaisomi, taip sumažinant niokojantį gresiantį poveikį.

Ūkininkui ar žemės ūkio entuziastui verta paminėti, kad šiuo metu būtina tikėtis geresnio, masyvaus ir aukštesnės kokybės derliaus, nes dauguma trūkumų išsprendžiami pakankamai anksti.

Nuo tada pasėlių stebėjimas yra vienas iš pagrindinių gero derliaus reikalavimų, todėl reikia specialių mokymų. Specialūs mokymai nereiškia, kad reikia turėti magistro ar bakalauro laipsnį, tereikia suprasti, kaip koordinuoti, stebėti ir netgi įvertinti gautus rezultatus. Taip galėsite priimti geresnius sprendimus, pagrįstus tikslia diagnoze ir vėliau gauti geriausios kokybės derlių.

Rinkdamiesi stebėti savo pasėlius, turite žinoti, kad be užkrėtimo ir kenkėjų plitimo prevencijos, ligos ir net piktžolės visada yra kontroliuojamos, todėl nėra jokio niokojančio poveikio, kuris sumažintų galutinių produktų našumą ir netgi kokybę.

Ar žinote, kad dėl kenkėjų biologinių komponentų mutacijų ir transformacijų pasėliams kasmet kyla keistų grėsmių, todėl dažniausiai pasirinkus vieną ir tą patį gydymo metodą, klystate ir turite kaskart keisti taktiką?

Dėl šios priežasties pasėlių stebėsena laikoma rimta užduotimi, reikalaujančia daugiau atsakomybės ir kurios negalima menkinti.

Stebint vaisinius augalus, tokius kaip kriaušės ir net obelys, taikant integruotą kenkėjų kontrolės programą, patartina ne tik sekti medžių pokyčius, bet ir tikrinti orus juos veikiančioje vietovėje.

Tai leidžia jums sudaryti galimų kenkėjų, galinčių kelti grėsmę medžių augimui, sąrašą. Sistemingas vizualinis sodo sklypo stebėjimas padės sumažinti išlaidas ir laiką nuo sodinimo sezono iki derliaus nuėmimo.

Klimatas ir kenkėjai

Abejotina klimato įtakos analizės dalis yra tiesiog ta, kad kai kurie kenkėjai gali juo maitintis ir vėliau labai greitai tapti toksiški pasėliams. Iš esmės, žemės ūkyje daugeliui ūkininkų visada trūksta sąmoningumo, todėl jie pastebi, kada jau per vėlu, kai jų pasėlius jau masiškai užpuolę kenkėjai.

Geroji šio reiškinio dalis yra ta, kad kenkėjai visada nuspėjamai reaguoja į klimatą, todėl galima sukurti puikią strategiją, kaip išvengti kito kenkėjų atakos ir užkirsti jam kelią ateityje.

Nors stebėsena atliekama dažniau, daržovių ir vaisių augintojai apie kenkėjų buvimą ar bet kokią grėsmę visada sužino šiek tiek vėlai. Tai rodo, kaip svarbu stebėti klimato veiksnius, kurie galiausiai tampa ankstesniais kenkėjų atsiradimo ir užkrėtimo požymiais.

Blokinių pasėlių stebėjimas

Pasėlius galima stebėti įvairiais būdais, o vienas iš jų – vizualinis stebėjimas naudojant blokus, kurie leidžia analizuoti medžius, turinčius panašias savybes pagal jų veislę, amžių ir net fizinę būklę.

Vizualinio stebėjimo idėja – turėti blokus, kurie veiktų kaip ženklai, ir tokius, kuriuos būtų galima tirti kaip vienetą, o ne atskirai, nes tai yra būdas, kurį naudoja daugelis ūkininkų visame pasaulyje, o sodininkystės ekspertai visada turi ribotą laiką peržiūrėti kiekvieną lauke išdėstytą bloką.

nuotolinės pasėlių stebėjimo sistemos svarba

Renkantis tinkamiausią bloką, reikia atkreipti dėmesį, nes pasirinktas blokas turi turėti visą kenkėjų istoriją, kad būtų galima pritaikyti geriausią gydymą ir prevenciją kitų medžių augimui apsaugoti.

Jums nereikia turėti didelės įrangos, įrankių ar net sudėtingų metodų savo pasėliams stebėti. Vienas geriausių būdų tai padaryti – tiesiog atlikti kruopštų ir išsamų vizualinį patikrinimą, kuris leis jums pastebėti skirtingus tipus. kenkėjai esantis medžiuose.

Tai visada galima atlikti naudojant įprastą lęšį, tačiau ekspertai visada naudos sudėtingesnę įrangą, pavyzdžiui, binokulinį mikroskopą. Tai leidžia jiems suskaičiuoti ir net identifikuoti erkes ir tripsus.

Pasėlių temperatūra

Norint tiksliai išmatuoti temperatūrą stebint pasėlius, galima pasirinkti paprastą termometrą, prieš tai sužinojus apie paprastą informaciją. Be to, galite naudoti ir temperatūros matuoklį, kuris labai populiarus tarp kaimo tiekėjų, ir užsirašyti papildomą informaciją.

Taip pat verta paminėti, kad termometrą reikia pastatyti sode ir užtikrinti, kad jis nebūtų veikiamas tiesioginių saulės spindulių. Taip pat galite pridėti duomenų kaupiklį, kad būtų galima įrašyti tikslesnę informaciją apie orus.

Duomenų kaupikliams taip pat galite pasirinkti tuos, kurie gali matuoti temperatūrą, lietų, drėgmę ir net lapų drėgmę.

Kad galėtumėte atidėti medžius, kurie nebus tiriami, su blokuose esančiais medžiais, kurie bus naudojami kaip indikatoriai, kad galėtumėte juos atskirti, jums tereikia juos pažymėti akriliniais dažais arba net lipnia juosta.

Integruotos kenkėjų kontrolės taikymas užtikrina žiedų, pumpurų ir vaisių atsitiktinį atrinkimą ir žymėjimą, kad būtų galima stebėti kiekvieną medį.

Maždaug po vienos ar dviejų savaičių, kai vystosi vaisiai, ūkininkai turi skirti dešimt–dvidešimt minučių kiekvienam dviejų su puse akro plotui, griežtai tvarkydami pažymėtus vaisius, žiedus ir pumpurus, ieškodami bet kokių požymių, kurie galėtų rodyti vieno ar net kelių kenkėjų buvimą pasėlyje.

Kai pasėliuose aptinkamas kenkėjas, tai reikia greitai ir išsamiai užregistruoti specialiai tokio pobūdžio duomenims skirtame žurnale.

Išvada

Visa mūsų agronomų komanda yra įvairių žemės ūkio sričių profesionalai, taip pat galintys teikti stebėsenos paslaugas, derindami lauko patikrinimus su kiekybiniu ir kokybiniu vertinimu bei nuotoline žemės ūkio pasėlių stebėsenos sistema.

Visos šios novatoriškos sistemos yra vertinimai, orientuoti į įvairią veiklą, kuria atidžiai stebima pasėlių raida, renkami su šia vietove susiję duomenys ir informacija.

Šiuos duomenis kruopščiai išanalizuoja mūsų profesionalų komanda ir pateikia galutinėje ataskaitoje, kurioje jie gali paminėti ir įvertinti pagrindinius veiksnius, galinčius turėti įtakos pasėlių produktyvumui.

Remdamasi šiais rezultatais, „GeoPard“ gali pateikti numatomą derliaus nuėmimo laiką ir pasėlių derlių. Tai leidžia klientams sklandžiai stebėti savo pasėlius naudojant naujausius palydovinius vaizdus. Sverkite duomenų sluoksnius tam tikroje vietoje nenaudojant konkretaus įrenginio.

Duomenų sluoksnių palyginimas sprendimams dėl pasėlių priėmimo

Paskelbta pagal dementievgeopard

Norint vizualizuoti lauko duomenis ir priimti pagrįstus sprendimus, dažnai reikia palyginti sluoksnius keliuose sinchronizuotuose vaizduose.

„GeoPard“ galite vizualiai palyginti iki keturių duomenų sluoksnių viename ekrane. Visi sluoksniai veikia sinchroniškai, kai priartinate/nutolinate arba judinate žemėlapį, kad būtų patogiau.

Kaip įjungti padalinto ekrano režimą? Pasirinkite lauką ir viršutiniame dešiniajame ekrano kampe spustelėkite sluoksnių palyginimo piktogramą. Tada pasirinkite bet kokius momentinius vaizdus, lauko valdymo sritis ar kitus sluoksnius, kuriuos norite matyti tuo pačiu metu tame pačiame ekrane. Spustelėkite "Palystraukite sluoksnius". 

Sluoksnių palyginimo funkcija sinchronizuoja žemėlapius, žymeklius, mastelio lygius. Taip pat turite galimybę pridėti/pašalinti sluoksnius. Šiuo metu palaikome iki 4 duomenų sluoksnių.

Kas yra duomenų sluoksniai tiksliame ūkininkavime?

Tiksliojoje žemdirbystėje duomenų sluoksniai reiškia skirtingus duomenų tipus, kurie renkami ir analizuojami, siekiant priimti pagrįstus sprendimus dėl pasėlių priežiūros. Šie sluoksniai gali apimti:

  • Dirvožemio duomenysInformacija apie dirvožemio savybes, tokias kaip maistingųjų medžiagų kiekis, pH ir tekstūra, kuri gali padėti apsispręsti dėl tręšimo ir kitų dirvožemio valdymo praktikų.
  • Orų duomenys: Duomenys apie dabartinius ir istorinius orų modelius, įskaitant temperatūrą, kritulius ir vėją, gali padėti ūkininkams priimti sprendimus dėl sėjos, drėkinimo ir kitų praktikų.
  • Atidarykite duomenis: Duomenys apie augalų augimą ir sveikatą, įskaitant augalų aukštį, lapų plotą ir chlorofilo lygį, gali padėti priimti sprendimus dėl tręšimo, drėkinimo ir kenkėjų kontrolės.
  • Derliaus duomenys: Informacija apie pasėlių derlių ir kokybę gali padėti ūkininkams priimti sprendimus dėl savo pasėlių nuėmimo ir pardavimo.
  • Topografiniai duomenysInformacija apie žemės paviršiaus formą ir aukštį gali padėti priimti sprendimus dėl sodinimo ir drėkinimo bei nustatyti vietas, kurioms gali grėsti erozija ar kitos aplinkos problemos.
  • Nuotolinio zondavimo duomenys: Duomenys, surinkti iš palydovų, dronų ar kitų nuotolinių jutiklių, gali suteikti informacijos apie pasėlių būklę, dirvožemio drėgmę ir kitus veiksnius, kurie gali padėti priimti sprendimus dėl pasėlių valdymo.

Analizuodami ir integruodami šiuos skirtingus duomenų sluoksnius, ūkininkai gali priimti labiau pagrįstus sprendimus dėl pasėlių valdymo, o tai lemia efektyvesnę ir tvaresnę žemės ūkio praktiką.

Apkarpytų rastrinių duomenų naudojimas žemės ūkio versle

Paskelbta pagal dementievgeopard

Apkarpyti rastriniai duomenys, paremti lauko ribomis, skamba labai paprastai. Kai kurie duomenų šaltiniai yra rastrai su pikseliais ir 3 m / 10 m / 30 m skiriamąja geba, kiti – vektoriai su poligonais arba daugiapoligoniais.

WDRVI apkarpyti rastriniai duomenys
Artimojo infraraudonojo spektro apkirptas rastrinis geopardas

Tiksli apkirptų rastrinių duomenų riba yra sudėtinga. Daugelio GIS ir tiksliosios žemdirbystės programinės įrangos numatytasis rezultatas yra pikselizuotas rastras. Tikslus duomenų įvertinimas arti lauko ribos padeda geriau suprasti, pavyzdžiui, lajos sąlygas, nuolydžio vertę. 

Pikselinių rastrų pavyzdžiai:

Artimųjų infraraudonųjų spindulių pikselių rastras
Artimųjų infraraudonųjų spindulių pikselių rastras
Aukščio pikselizuotas rastras
Aukščio pikselizuotas rastras

Ar įmanoma jį patobulinti ir padaryti tikslesnį?

Taip, „GeoPard“ tai daro ir netgi pateikia duomenis tolesnei integracijai per API. Keletas pavyzdžių:

  • Neapdorotų (raudonos, žalios, mėlynos ir artimojo infraraudonojo spindulio) palydovinių vaizdų, pagrįstų lauko riba, apkarpymas:
RGB apkirptas rastras
„GeoPard Agriculture“ RGB apkirptas rastras
Artimųjų infraraudonųjų spindulių apkirptas rastras
„GeoPard Agriculture“ artimojo infraraudonojo spektro apkirptas rastras

 

  • Palydovinių vaizdų su augmenijos indeksu, pvz., WDRVI, apkarpymas pagal lauko ribą:

 

WDRVI apkirptas rastras
G„eoPard Agriculture“ WDRVI apkirptas rastras

 

  • Skaitmeninio topografinio duomenų rinkinio (aukščio ir šiurkštumo) apkarpymas pagal lauko ribą:

 

Apkirptas aukščio rastras
„GeoPard“ žemės ūkio aukščio apkirptas rastras
Apkirptas rastras su šiurkštumu
„GeoPard Agriculture“ apkirptas šiurkštumo rastras

Kaip tai atrodo „GeoPard“ sąsajoje ir kaip tai galima integruoti į jūsų žemės ūkio technologijų sprendimą:

„GeoPard Agriculture“ apkarpyto rastro NIR duomenys
„GeoPard Agriculture“ apkarpyto rastro NIR duomenys
„GeoPard“ žemės ūkio pagalbos pozicija
„GeoPard“ žemės ūkio pagalbos pozicija
„GeoPard“ žemės ūkis WDRVI
„GeoPard“ žemės ūkis WDRVI

Mes, „GeoPard“, suprantame tokių detalių vertę ir nuolat dirbame, kad tobulintume sprendimą.

Kas yra rastriniai duomenys?

Rastriniai duomenys yra skaitmeninių vaizdų duomenų tipas, vaizduojamas pikselių arba langelių tinkleliu, kur kiekviena langelis atitinka konkrečią vietą Žemės paviršiuje. Kiekvienam rastrinio vaizdo pikseliui priskiriama reikšmė, kuri nurodo konkretų tos vietos atributą ar charakteristiką, pvz., aukštį, temperatūrą ar žemės dangą.

Jis dažniausiai naudojamas geografinėse informacinėse sistemose (GIS) ir nuotolinio stebėjimo programose įvairių tipų erdviniams duomenims atvaizduoti ir analizuoti. Jis gali būti renkamas iš įvairių šaltinių, įskaitant palydovinius ir aerofotonuotraukas, skaitmenines kameras ir antžeminius jutiklius.

Jis dažnai saugomas įvairiais formatais, tokiais kaip „GeoTIFF“, JPEG ir PNG, kurie skirti efektyviai suspausti ir saugoti duomenis. GIS programinė įranga ir vaizdų apdorojimo įrankiai gali būti naudojami duomenims manipuliuoti ir analizuoti, pavyzdžiui, atliekant pikselių verčių skaičiavimus arba taikant filtrus tam tikroms funkcijoms pagerinti.

Taikymo pavyzdžiai apima žemės naudojimo ir žemės dangos kartografavimą, augmenijos pokyčių analizę laikui bėgant ir pasėlių derliaus prognozavimą remiantis aplinkos veiksniais.

Kaip rastriniai duomenys naudojami tiksliojoje žemdirbystėje?

Tai esminė tiksliosios žemdirbystės dalis, nes ji teikia išsamią informaciją apie pasėlių sveikatą, dirvožemio savybes ir aplinkos veiksnius, kuri gali būti naudojama priimant labiau pagrįstus sprendimus dėl pasėlių valdymo. Štai keletas pavyzdžių, kaip rastriniai duomenys naudojami tiksliojoje žemdirbystėje:

  • Pasėlių sveikatos analizė: Nuotolinio stebėjimo duomenys, gauti iš palydovinių vaizdų arba dronų vaizdų, gali būti naudojami duomenų sluoksniams, rodantiems augmenijos indeksus, tokius kaip NDVI (normalizuotas diferencinis augmenijos indeksas) arba NDRE (normalizuotas diferencinis raudonasis kraštas), generuoti. Šie indeksai padeda nustatyti lauko sritis su sveika augmenija, taip pat sritis, kuriose pasėliai gali patirti stresą dėl ligų, kenkėjų ar maistinių medžiagų trūkumo.
  • Dirvožemio analizė: Dirvožemio duomenys, tokie kaip dirvožemio drėgmės kiekis ar dirvožemio tekstūra, gali būti renkami naudojant jutiklius, kurie generuoja duomenų sluoksnius. Šie sluoksniai gali padėti nustatyti lauko sritis su skirtingomis dirvožemio savybėmis, o tai gali pagrįsti sprendimus dėl tręšimo, drėkinimo ir kitų dirvožemio tvarkymo praktikų.
  • Aplinkos analizė: Duomenų sluoksniai, rodantys aplinkos veiksnius, tokius kaip temperatūra, krituliai ir vėjo greitis, gali būti naudojami pasėlių augimui modeliuoti ir derliui prognozuoti. Šie sluoksniai taip pat gali padėti nustatyti lauko vietas, kurios yra linkusios į eroziją, potvynius ar kitas aplinkos problemas.
  • Kintamo kiekio naudojimas: Jis gali būti naudojamas kintamo kiekio trąšų ar pesticidų naudojimo receptinių žemėlapių generavimui. Taikydami skirtingas trąšų ar pesticidų normas pagal skirtingų lauko plotų poreikius, ūkininkai gali sumažinti atliekas ir optimizuoti pasėlių augimą.

Apskritai rastriniai duomenys yra labai svarbi tiksliosios žemdirbystės priemonė, nes jie suteikia išsamią informaciją apie pasėlių ir dirvožemio sąlygas, kurią galima panaudoti priimant labiau pagrįstus sprendimus dėl pasėlių valdymo.

Kuris vegetacijos indeksas geriausiai tinka taikomajai žemdirbystei?

Paskelbta pagal dementievgeopard

Yra keli dažniausiai naudojami augmenijos indeksai, įskaitant normalizuotą skirtuminės augmenijos indeksą (NDVI), plataus dinaminio diapazono augmenijos indeksą (WDRVI) ir žaliojo chlorofilo indeksą (GCI).

  • Kuris augmenijos indeksas atspindi daugiau detalių?
  • Kuris augmenijos indeksas geriau parodo kintamumą?
  • Ar NDVI yra geriausias multispektrinių augmenijos indeksų šeimoje?

Klausimai žinomi ir kyla labai dažnai. Ištirkime.

NDVI žemės ūkio zonų žemėlapis
WDRVI žemės ūkio zonų žemėlapis
GCI žemės ūkio zonų žemėlapis
RCI žemės ūkio zonų žemėlapis

Kas yra vegetacijos indeksas?

Augalijos indeksas yra skaitinis matas, kuris, remiantis nuotolinio stebėjimo duomenimis, kiekybiškai įvertina augmenijos kiekį ir būklę konkrečioje vietovėje.

Augalijos indeksai apskaičiuojami sujungiant skirtingas spektro juostas iš palydovinių vaizdų arba aerofotografijos, kurios atspindi augalų sugeriamą ir atspindėtą energijos kiekį matomoje ir artimojoje infraraudonojoje elektromagnetinio spektro srityse.

Šie indeksai gali suteikti informacijos apie augmenijos sveikatą, tankumą ir produktyvumą, o tai naudinga įvairioms reikmėms, įskaitant žemės ūkį, miškininkystę, žemės valdymą ir klimato stebėseną.

Kas yra normalizuotas diferencinis vegetacijos indeksas?NDVI)?

NDVI (normalizuotas diferencinis vegetacijos indeksas) yra garsiausias ir plačiausiai naudojamas su biomase ir nuotoliniu stebėjimu susijusiose pramonės šakose.

NDVI prisotinimas turi įtakos tiksliam augmenijos atskyrimui biomasės pikų metu. Kita NDVI problema yra dirvožemio triukšmo poveikis ankstyvosiose pasėlių vystymosi stadijose.

Jis apskaičiuojamas naudojant palydovinius arba aerofotonuotolinio stebėjimo duomenis, remiantis dviejų spektrinių juostų: artimojo infraraudonųjų spindulių (NIR) ir raudonojo diapazono – atspindžio skirtumu.

NDVI formulė yra NDVI = (NIR-raudona) / (NIR+raudona).

Kur NIR yra atspindys artimojoje infraraudonojoje spektro juostoje, o Red – atspindys raudonojoje spektro juostoje.

Gauta NDVI vertė svyruoja nuo -1 iki +1, o didesnės vertės rodo didesnį augmenijos tankumą. Nulio vertė reiškia, kad augmenijos nėra, o neigiamos vertės rodo vandens telkinius ar kitus neapaugusius paviršius.

NDVI vertės, artimos +1, rodo tankią ir sveiką augmeniją, o vertės, artimesnės nuliui, rodo retą augmeniją arba sritis, kuriose yra didelis stresas ar pažeidimai.

Jis plačiai naudojamas žemės ūkio ir ekologinėse srityse, siekiant stebėti augmenijos augimą, įvertinti pasėlių derlių ir įvertinti miškų bei kitų ekosistemų sveikatą ir produktyvumą.

Jis taip pat gali būti naudojamas sausrai, dirvožemio erozijai ir kitiems aplinkos veiksniams, turintiems įtakos augmenijos dangai, aptikti ir stebėti.

Pavyzdžiui, jis apskaičiuojamas atėmus artimojo infraraudonojo spektro (NIR) juostos atspindį iš raudonojo spektro atspindžio ir rezultatą padalijant iš dviejų sumos. Gauta vertė svyruoja nuo -1 iki +1, o didesnės vertės rodo didesnį augmenijos lygį.

Be to, idėja apie WDRVI (plataus dinaminio diapazono augmenijos indeksas) buvo sukurtas siekiant išspręsti NDVI sodrumo problemas. Tai buvo pasiekta išplėtus galimų WDRVI reikšmių diapazoną, įvedant matematinį koeficientą (α).

NDVI (normalizuoto skirtumo augmenijos indekso) naudojimas

NDVI (normalizuoto skirtuminio vegetacijos indekso) formulė buvo transformuota į WDRVI = (α∗NIR-Red) / (α∗NIR+Red).

WDRVI (plataus dinaminio diapazono augmenijos indeksas) ir NDVI

Zonų, sukurtų remiantis WDRVI, vertė yra geresnė, palyginti su NDVI zonomis. Vis dėlto jos vis tiek nėra idealios dėl per didelės biomasės. 

Žaliojo chlorofilo indeksas (GCI) naudojamas augalų lapų chlorofilo kiekiui įvertinti remiantis artimojo infraraudonojo spektro ir žaliosiomis juostomis. Paprastai chlorofilo vertė tiesiogiai atspindi augmeniją.

GCI formulė atrodo taip: GCI = NIR / Green – 1.

Žaliojo chlorofilo indeksas (GCI) 

Pagal GCI sudarytos zonos geriau išskiria didelės biomasės vietas, palyginti su NDVI ir WDRVI. Šios detalės padeda tiksliau ir efektyviau valdyti lauką.

RCI (raudonojo chlorofilo indeksas) apima tą pačią chlorofilo kiekio žinių bazę kaip ir GCI ir atspindi ją per raudoną multispektrinę juostą.

RCI formulė atrodo taip: RCI = NIR / Red – 1.

RCI (raudonojo chlorofilo indeksas) 

RCI pagrįstos zonos yra tikslios kaip ir GCI zonos.

Stebėkite savo laukus ir tinkamu sezono metu naudokite tinkamą augmenijos indeksą. Šiuo metu „GeoPard“ sistemoje galima rasti didelę augmenijos indeksų šeimą.

Žemės ūkio zonų operacijos, pagrįstos duomenimis

Paskelbta pagal dementievgeopard
Lyginant žemėlapius: mažo baltymų kiekio zonos ir nuolydžiai: mažo baltymų kiekio zonos koreliuoja su nuolydžiais
Lyginant du derlingumo EC ir dirvožemio drėgmės žemėlapius
Lyginant mažą derlių ir didelį aukštį
Kryžminių sluoksnių žemėlapių, kuriuose pavaizduotos didelės organinės medžiagos koncentracijos, pavyzdys

ZONŲ OPERACIJOS SKIRTINGUOSE SLUOKSNIUOSE

Tiksliajame ūkininkavime lauko duomenų rinkimas ir duomenimis pagrįstas sprendimų priėmimas yra absoliučiai būtini. Kaip kitą daugiasluoksnės analizės ir priklausomybių tarp sluoksnių paieškos etapą, pristatome naują modulį „Zonų operacijos“. 

Ten galite ieškoti priklausomybių tarp skirtingų žemės ūkio zonų žemėlapių, tokių kaip istorinė augmenija, topografija, įskaitant jos išvestines, duomenys iš derliaus monitorių, dirvožemio duomenys, skenerių, stabilumo žemėlapiai ir kt. Tai žingsnis į priekį apibrėžiant labiausiai paveiktas sritis ir suprantant laukų nevienalytiškumo priežastis. 

Kaip galite atpažinti sritis? 

Pirmiausia pasirinkite lauko žemėlapius, kuriuos norite palyginti. Sluoksnių palyginimo rodinys yra geras būdas apibrėžti konkrečias žemės ūkio zonas analizei.

Galite palyginti mažo derlingumo potencialo ir apleistas vietoves, nestabiliausias zonas ir žemą augmeniją, mažą elektros laidumą ir derlių, kaip ir tręšimo žemėlapį bei dabartinę augmeniją ir kt.

Antra, zonų operacijų modulyje kiekviename norimame palyginti žemėlapyje pažymėkite konkrečias žemės ūkio zonas. Galiausiai, nustatykite jus dominančią zoną. Atkreipkite dėmesį, kad analizėse galima naudoti daugiau nei du žemėlapius. 

Kaip galite pritaikyti šias žinias? 

Be ryšių, kurie gali padėti paaiškinti derlių, paieškos, galima nustatyti derliaus tikslus apibrėžtoms žemės ūkio zonoms; išžvalgyti įdomias sritis; sumažinti investicijas tokiose lokalizuotose zonose arba parengti ribojančių veiksnių mažinimo planą ir išryškinti nenašius plotus žinant pagrindines priežastis; parengti agronominį planą, naudojant VRA praktiką. 

Ekrano kopijose pateikta keletas lauko įžvalgų pavyzdžių. Atminkite, kad kiekvienas laukas yra unikalus ir toliau minėti atvejai negarantuoja to paties 100% rezultato jūsų laukui, tačiau tai yra geras būdas pradėti tyrimą. 

Mielai kviečiame pasidalinti savo agronominiais metodais komentuodami šį įrašą arba susisiekdami tiesiogiai su „GeoPard Agriculture“ komanda. Laukiame atsiliepimų, nes kuriame sprendimą, kuris padės geriau suprasti lauko kintamumą ir jį valdyti.

wpChatIcon
wpChatIcon

    Prašyti nemokamos „GeoPard“ demonstracijos / konsultacijos








    Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika. Mums to reikia, kad galėtume atsakyti į jūsų užklausą.

      Prenumeruoti


      Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika

        Atsiųskite mums informaciją


        Spustelėdami mygtuką sutinkate su mūsų Privatumo Politika

        Slapukus naudojame, kad suteiktume jums geriausią naršymo patirtį, personalizuotume mūsų svetainės turinį, analizuotume jos srautą ir rodytume jums aktualią reklamą.
        Žiūrėkite mūsų Privatumo politika daugiau informacijos.

        Priimti viską