{"id":13324,"date":"2026-05-31T20:21:25","date_gmt":"2026-05-31T18:21:25","guid":{"rendered":"https:\/\/geopard.tech\/?p=13324"},"modified":"2026-05-31T20:47:12","modified_gmt":"2026-05-31T18:47:12","slug":"ryziu-derliaus-modelio-ir-kulturinio-tipo-kartografavimas-naudojant-nuotolini-stebejima","status":"publish","type":"post","link":"https:\/\/geopard.tech\/lt\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","title":{"rendered":"Ry\u017ei\u0173 auginimo modelio ir kult\u016brinio tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105"},"content":{"rendered":"

Ry\u017eiais visame pasaulyje maitina daugiau nei 3,5 milijardo \u017emoni\u0173, ta\u010diau, remiantis Tarptautinio ry\u017ei\u0173 tyrim\u0173 instituto (IRRI) 2024 m. pasaulinio ry\u017ei\u0173 atlaso atnaujinimu, ma\u017eiau nei 601 TP3 T ry\u017ei\u0173 auginimo plot\u0173 turi tikslius ir atnaujintus auginimo \u017eem\u0117lapius. Ry\u017ei\u0173 auginimo modelio ir kult\u016brinio tipo \u017eem\u0117lapi\u0173 sudarymas naudojant nuotolin\u012f steb\u0117jim\u0105 spar\u010diai ma\u017eina \u0161i\u0105 sprag\u0105, pateikiant erdvi\u0161kai tikslius, laike suderintus duomenis tokiu mastu, kurio negali atitikti jokie ant\u017eeminiai tyrimai.<\/p>\n

Nuo dr\u0117kinam\u0173 dvigubo pas\u0117li\u0173 \u017eemum\u0173 atpa\u017einimo Vietnamo Mekongo deltoje iki lietaus laistom\u0173 vieno sezono lauk\u0173 nustatymo U\u017esachario Afrikoje \u2013 palydovin\u0117s ir radarin\u0117s sistemos dabar teikia \u017evalgybos duomenis, kuri\u0173 reikia \u016bkininkams, vyriausyb\u0117ms ir maisto saugos agent\u016broms, kad jos gal\u0117t\u0173 u\u017etikrintai planuoti. Dirbtiniam intelektui ir debes\u0173 kompiuterijai spart\u0117jant duomen\u0173 apdorojimui, tikimasi, kad iki 2027 m. beveik realiuoju laiku vykdomas ry\u017ei\u0173 steb\u0117jimas taps pasauliniu standartu.<\/p>\n

Kod\u0117l ry\u017eiai svarb\u016bs ir kod\u0117l juos sunku steb\u0117ti<\/h2>\n

1. Ry\u017ei\u0173 gamyba ir pasaulin\u0117 apr\u016bpinimo maistu lygtis<\/h3>\n

Ry\u017eiai yra pagrindinis kalorij\u0173 \u0161altinis daugiau nei pusei pasaulio gyventoj\u0173, ir j\u0173 svarba gerokai per\u017eengia individualios mitybos ribas. Pasaulin\u0117 ry\u017ei\u0173 gamyba siek\u0117 ma\u017edaug 520 milijon\u0173 metrini\u0173 ton\u0173 nuluk\u0161tent\u0173 ry\u017ei\u0173 2024 m.<\/strong>, remiantis FAO duomenimis, Azijai tenka beveik 901 TP3 t \u0161ios produkcijos.<\/p>\n

Bet koks reik\u0161mingas ry\u017ei\u0173 tiekimo sutrikimas, nesvarbu, ar tai b\u016bt\u0173 sausra, potvynis, kenk\u0117j\u0173 protr\u016bkis, ar politikos nes\u0117km\u0117, sukelia staigius maisto kain\u0173 \u0161uolius, kurie neproporcingai paveikia skurd\u017eiausias pasaulio \u0161eimas.<\/p>\n

Norint i\u0161laikyti apr\u016bpinim\u0105 maistu tokiu mastu, reikia daugiau nei tiesiog u\u017eauginti pakankamai ry\u017ei\u0173. Reikia tiksliai \u017einoti, kur auginami ry\u017eiai, kiek kart\u0173 per metus kiekvienas laukas apdirbamas ir kokie \u016bkininkavimo metodai taikomi. Vyriausyb\u0117ms reikia \u0161i\u0173 duomen\u0173, kad gal\u0117t\u0173 paskirstyti dr\u0117kinimo infrastrukt\u016br\u0105, subsidijuoti s\u0105naudas ir sukaupti rezervus nenumatytiems atvejams.<\/p>\n

I\u0161\u0161\u016bkis yra tas, kad ry\u017eiai auginami nepaprastai suskaidytuose kra\u0161tovaizd\u017eiuose \u2013 nuo terasuot\u0173 kalv\u0173 Filipinuose iki pla\u010di\u0173 dr\u0117kinam\u0173 lygum\u0173 Kinijoje, tod\u0117l \u012fprastiniai kiekvieno lauko tyrimai nacionaliniu ar regioniniu mastu yra logisti\u0161kai ir finansi\u0161kai neprakti\u0161ki.<\/p>\n

2. Sistemingo ry\u017ei\u0173 auginimo modelio steb\u0117jimo poreikis<\/h3>\n

Ry\u017ei\u0173 auginimo modeliai, t. y. ry\u017ei\u0173 auginimo sezon\u0173 skai\u010dius per metus ir j\u0173 pasiskirstymas kra\u0161tovaizdyje, nuolat kinta. Klimato kintamumas kai kuriuose regionuose sutrumpina auginimo laikotarpius, o kituose \u2013 juos pailgina. Ekonominiai signalai skatina \u016bkininkus pereiti nuo vieno prie dviej\u0173 derliaus nu\u0117mimo, kai vandens prieinamumas ir rinkos kainos sutampa.<\/p>\n

Be sistemingo steb\u0117jimo planuotojai dirba su sura\u0161ymo duomenimis, kurie gali b\u016bti pasen\u0119 penkeriais ar daugiau met\u0173, tod\u0117l vanduo, tr\u0105\u0161\u0173 subsidijos ir kaimo kreditai nuolat paskirstomi neteisingai. Nuotolinis steb\u0117jimas si\u016blo sprendim\u0105 \u0161iam steb\u0117jimo tr\u016bkumui, per kelias dienas pateikiant nuoseklius, pakartojamus steb\u0117jimus visose \u0161alyse.<\/p>\n

U\u017euot pasikliavusios \u016bkinink\u0173 savaranki\u0161kai pateiktais duomenimis ar sura\u0161ytoj\u0173 apklausomis, palydovin\u0117s sistemos tiesiogiai stebi kra\u0161tovaizd\u012f, fiksuodamos, kaip ry\u017ei\u0173 laukai kei\u010diasi d\u0117l potvyni\u0173, persodinimo, vegetatyvinio augimo ir derliaus nu\u0117mimo kiekvienu met\u0173 laiku.<\/p>\n

3. K\u0105 nuotolinis steb\u0117jimas suteikia \u017eem\u0117s \u016bkio kartografavimui<\/h3>\n

Nuotolinis steb\u0117jimas \u2013 tai mokslas, kurio metu per atstum\u0105 gaunama informacija apie objektus ar vietoves, paprastai naudojant jutiklius, sumontuotus palydovuose, orlaiviuose ar bepilo\u010diuose orlaiviuose (UAV). \u017dem\u0117s \u016bkio kontekste jutikliai matuoja pas\u0117li\u0173, dirvo\u017eemio ir vandens atspind\u0117t\u0105 ar skleid\u017eiam\u0105 energij\u0105 \u012fvairiais elektromagnetinio spektro bangos ilgiais.<\/p>\n

Kadangi skirtingi \u017eem\u0117s dangos tipai skirtingais augimo etapais atspindi energij\u0105, palydoviniai vaizdai gali atskirti ry\u017ei\u0173 lauk\u0105 nuo kukur\u016bz\u0173 lauko, o u\u017etvindyt\u0105 persodint\u0105 ry\u017ei\u0173 plot\u0105 nuo sauso tiesiogiai s\u0117jamo ry\u017ei\u0173 ploto, o \u0161is tikslumas did\u0117ja tobul\u0117jant jutikli\u0173 technologijoms. Ry\u017ei\u0173 auginimo modelio ir kult\u016brinio tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105 padeda pasiekti keturis tarpusavyje susijusius tikslus.<\/p>\n

    \n
  • Pirma, ji pateikia erdvi\u0161kai ai\u0161kius ry\u017ei\u0173 auginimo viet\u0173 sezoninius ir metinius inventorius.<\/li>\n
  • Antra, jame klasifikuojama, kiek auginimo cikl\u0173 per metus pasitaiko kiekvienoje \u017eem\u0117lapyje pa\u017eym\u0117toje vietov\u0117je, i\u0161skiriant vieno, dvigubo ir trigubo pas\u0117li\u0173 sistemas.<\/li>\n
  • Tre\u010dia, jame nurodomi naudojami kult\u016briniai metodai, pavyzd\u017eiui, ar laukas persodinamas, ar s\u0117jamas tiesiogiai, ar kontroliuojamas vandens valdymas, ar laistomas lietaus vandeniu.<\/li>\n
  • Ketvirta, ji generuoja pradinius duomenis, kurie naudojami gamybos prognoz\u0117ms, vandens biud\u017eeto sudarymui, prisitaikymo prie klimato kaitos planavimui ir tiksliosios \u017eemdirbyst\u0117s sistemoms.<\/li>\n<\/ul>\n

    Ry\u017ei\u0173 auginimo sistem\u0173 ir kult\u016brini\u0173 tip\u0173 supratimas<\/h2>\n

    1. K\u0105 i\u0161 tikr\u0173j\u0173 rei\u0161kia ry\u017ei\u0173 auginimo modelis<\/h3>\n

    Ry\u017ei\u0173 auginimo modelis apib\u016bdina ry\u017ei\u0173 auginimo laiko i\u0161d\u0117stym\u0105 per kalendorinius metus tam tikroje vietoje. Jis parodo ne tik tai, ar ry\u017eiai auginami, bet ir kiek kart\u0173, kada prasideda ir baigiasi kiekvienas sezonas, ir kokie pas\u0117liai, jei toki\u0173 yra, seka arba yra prie\u0161 ry\u017eius tame pa\u010diame lauke. \u0160i\u0173 modeli\u0173 kartografavimas visame regione suteikia planuotojams dinami\u0161k\u0105 \u017eem\u0117s naudojimo intensyvumo ir i\u0161tekli\u0173 poreikio vaizd\u0105, kurio niekada negal\u0117t\u0173 pateikti viena momentin\u0117 nuotrauka.<\/p>\n

    2. Vieno derliaus ry\u017ei\u0173 sistemos<\/h3>\n

    Vieno pas\u0117lio (monokropolio) sistemose \u016bkininkai augina vien\u0105 ry\u017ei\u0173 sezon\u0105 per metus, paprastai derindami j\u012f su musoniniu lietinguoju sezonu arba vienu kontroliuojamu dr\u0117kinimo ciklu. \u0160ios sistemos vyrauja regionuose, kur vandens prieinamumas, darbo j\u0117ga ar klimatas riboja antrojo sezono galimyb\u0119.<\/p>\n

    \"Ry\u017ei\u0173<\/p>\n

    Vieno pas\u0117lio sistemos paprastai turi ilgesnius vegetacijos laikotarpius per sezon\u0105, da\u017enai naudojant tradicines arba patobulintas ilgai auginimo veisles, ir jos yra neproporcingai gerai dr\u0117kinamos lietaus, tod\u0117l jos labai jautrios krituli\u0173 laikui ir pasiskirstymui.<\/p>\n

    3. Dvigubo derliaus ry\u017ei\u0173 sistemos<\/h3>\n

    Dvigubo pas\u0117li\u0173 auginimo sistemos leid\u017eia i\u0161 to paties lauko nuimti du ry\u017ei\u0173 derlius per metus. Jos labiausiai paplitusios Pietry\u010di\u0173 ir Piet\u0173 Azijoje, \u012fskaitant Raudonosios up\u0117s delt\u0105 Vietname, Banglade\u0161o u\u017eliejamas lygumas ir dr\u0117kinamus Indijos Pand\u017eabo rajonus.<\/p>\n

    Laiko skirtumas tarp dviej\u0173 sezon\u0173 yra ma\u017eas, da\u017enai ma\u017eesnis nei 30 dien\u0173, tod\u0117l norint nustatyti dvigubo pas\u0117li\u0173 plotus pagal palydovinius duomenis, reikia atlikti tankius laiko eilu\u010di\u0173 steb\u0117jimus, kad b\u016bt\u0173 galima aptikti du pilnus fenologinius ciklus per vienerius metus.<\/p>\n

    4. Trigubo derliaus ry\u017ei\u0173 sistemos<\/h3>\n

    Trigubas ry\u017ei\u0173 derlius, nuimant tris ry\u017eius per metus, taikomas ribotose vietov\u0117se, kuriose i\u0161tisus metus i\u0161lieka palankios vandens s\u0105lygos ir temperat\u016bra. Piet\u0173 Vietnamo Mekongo delta ir kai kurios Guangdongo provincijos dalys piet\u0173 Kinijoje palaiko trigubo derliaus sistemas.<\/p>\n

    Nors trigubo pas\u0117li\u0173 derlingumo sistemos maksimaliai padidina \u017eem\u0117s naudojimo intensyvum\u0105, jos kelia dideli\u0173 i\u0161\u0161\u016bki\u0173 dirvo\u017eemio derlingumui ir kenk\u0117j\u0173 kontrolei. Nuotolinis \u0161i\u0173 lauk\u0173 identifikavimas yra techni\u0161kai sud\u0117tingas, nes trumpi p\u016bdymo laikotarpiai tarp pas\u0117li\u0173 suspaud\u017eia fenologinius signalus \u012f siaurus intervalus.<\/p>\n

    5. Lietaus dr\u0117kinam\u0173 ry\u017ei\u0173 auginimas<\/h3>\n

    Tarptautinio ry\u017ei\u0173 tyrim\u0173 instituto (IRRI) duomenimis, lietaus dr\u0117kinami ry\u017eiai, auginami vien tik krituliais, be dirbtinio vandens tiekimo, sudaro ma\u017edaug 451 TP3 t viso ry\u017ei\u0173 ploto pasaulyje. Tai dominuojanti sistema U\u017esachario Afrikoje, Piet\u0173 ir Pietry\u010di\u0173 Azijos kalnuotose vietov\u0117se ir nuo lietaus priklausomose u\u017eliejamose lygumose.<\/p>\n

    Lietaus laistomos sistemos yra labai jautrios krituli\u0173 kiekio kintamumui, tod\u0117l kai kuriuose regionuose derlius svyruoja 30\u201350% tarp dr\u0117gn\u0173 ir saus\u0173 met\u0173. Nuotolinio steb\u0117jimo po\u017ei\u016briu, lietaus laistomus ry\u017eius sunkiau kartografuoti, nes potvynio signalas yra silpnesnis ir netolygesnis nei dr\u0117kinamuose laukuose.<\/p>\n

    6. Laistom\u0173 ry\u017ei\u0173 auginimas<\/h3>\n

    Laistom\u0173 ry\u017ei\u0173 sistemos vanden\u012f gauna kanalais, siurbliais arba valdomais rezervuarais, tod\u0117l \u016bkininkai gali labai tiksliai kontroliuoti sodinimo ir derliaus nu\u0117mimo laik\u0105. Laistomi ry\u017eiai \u0161iuo metu u\u017eima tik apie 551 TP3 T pasaulinio ry\u017ei\u0173 ploto, ta\u010diau sudaro 751 TP3 T visos ry\u017ei\u0173 produkcijos, o tai rodo vandens tiekimo saugumo teikiam\u0105 derliaus prana\u0161um\u0105.<\/p>\n

    Ty\u010dinis dr\u0117kinam\u0173 lauk\u0173 u\u017etvindymas sukuria stipr\u0173 ir nuosekl\u0173 radaro atspind\u017eio signal\u0105, kur\u012f patikimai aptinka palydoviniai jutikliai, tod\u0117l dr\u0117kinami ry\u017eiai yra vieni tiksliausiai pasaulyje u\u017efiksuot\u0173 pas\u0117li\u0173 r\u016b\u0161i\u0173.<\/p>\n

    7. Auk\u0161tum\u0173 ir \u017eemum\u0173 ry\u017ei\u0173 sistemos<\/h3>\n

    Kaln\u0173 ry\u017eiai auginami neu\u017eliejamuose, gerai drenuotuose dirvo\u017eemiuose, da\u017enai kalv\u0173 \u0161laituose ar terasose Azijoje ir Afrikoje. Kadangi \u0161ie laukai niekada n\u0117ra ty\u010dia u\u017eliejami, juose tr\u016bksta vandens signalo, kuris leist\u0173 atpa\u017einti \u017eemum\u0173 ry\u017eius radaru, tod\u0117l tyr\u0117jai turi pasikliauti vien spektriniais augmenijos modeliais.<\/p>\n

    Tuo tarpu \u017eemum\u0173 ry\u017eiai auginami lygiuose arba sekliai u\u017eliejamuose laukuose, kur vanduo kaupiasi nat\u016braliai arba dr\u0117kinant. \u017demum\u0173 sistemos dominuoja Azijos ry\u017ei\u0173 duben\u0173 regionuose ir yra pagrindinis daugelio didelio masto kartografavimo pastang\u0173 taikinys.<\/p>\n

    Morfologinis kontrastas tarp auk\u0161tum\u0173 ir \u017eemum\u0173 lauk\u0173, \u012fskaitant lauko form\u0105, topografin\u0119 pad\u0117t\u012f ir med\u017ei\u0173 lajos strukt\u016br\u0105, suteikia papildom\u0173 erdvini\u0173 u\u017euomin\u0173, kurias galima efektyviai panaudoti atliekant objektin\u0119 vaizd\u0173 analiz\u0119.<\/p>\n

    8. Tiesiogiai s\u0117ti ir persodinti ry\u017eiai<\/h3>\n

    Persodinami ry\u017eiai \u2013 tai daig\u0173 auginimas medelyne 25\u201330 dien\u0173, o tada rankiniu arba mechaniniu b\u016bdu perkeliami \u012f pagrindin\u012f lauk\u0105. Tuo tarpu tiesiogiai s\u0117jant ry\u017eius, s\u0117klos s\u0117jamos tiesiai \u012f paruo\u0161t\u0105 lauk\u0105 be daigyno.<\/p>\n

    \u0160ie du metodai palydoviniuose duomenyse sukuria i\u0161matuojamus skirtingus laiko para\u0161us: persodintuose laukuose ma\u017edaug po trij\u0173 savai\u010di\u0173 po u\u017eliejimo pastebimas ry\u0161kus, sinchronizuotas \u017ealumas, o tiesiogiai s\u0117tuose laukuose lajos vystymasis nuo s\u0117jos dienos yra laipsni\u0161kesnis. \u0160is fenologinis skirtumas, subtilus, bet realus, aptinkamas atliekant kruop\u0161\u010di\u0105 vegetacijos indeks\u0173 laiko eilu\u010di\u0173 analiz\u0119.<\/p>\n

    Nuotolinio steb\u0117jimo \u012frankiai ir technologijos ry\u017ei\u0173 kartografavimui<\/h2>\n

    1. Nuotolinio steb\u0117jimo fizikinis principas<\/h3>\n

    Kiekvienas augalas atspindi, sugeria ir praleid\u017eia saul\u0117s spinduliuot\u0119 pagal jo lap\u0173 biochemij\u0105, lajos strukt\u016br\u0105 ir vandens kiek\u012f. \u017dali lapai stipriai sugeria raudon\u0105 \u0161vies\u0105 fotosintezei, tuo pa\u010diu atspind\u0117dami didel\u0119 dal\u012f artimojo infraraudonojo spektro (NIR) energijos. Tuo tarpu u\u017elieti dirvo\u017eemiai sugeria beveik vis\u0105 gaunam\u0105 spinduliuot\u0119.<\/p>\n

    \u0160ie kontrastingi atsakai sukuria nusp\u0117jamus spektrinius para\u0161us, kuriuos palydov\u0173 jutikliai gali \u012fra\u0161yti nuosekliai, leisdami analitikams steb\u0117ti pas\u0117li\u0173 b\u016bkl\u0119, augimo stadij\u0105 ir lauko lygmens valdymo sprendimus net nesilankant lauke.<\/p>\n

    2. Optinis nuotolinis steb\u0117jimas<\/h3>\n

    Optiniai jutikliai aptinka atspind\u0117t\u0105 saul\u0117s spinduliuot\u0119 ir sukuria vaizdus, kurie labai pana\u0161\u016bs \u012f tai, k\u0105 \u017emogaus akis matyt\u0173, jei b\u016bt\u0173 i\u0161pl\u0117sta iki infraraudon\u0173j\u0173 spinduli\u0173. Ry\u017ei\u0173 kartografavimo tyrimuose dominuoja trys optin\u0117s platformos.<\/p>\n

    Landsat<\/strong> (NASA ir USGS nuo 1972 m. valdoma palydov\u0173 serija) teikia 30 metr\u0173 erdvin\u0117s skiriamosios gebos vaizdus su 16 dien\u0173 per\u017ei\u016br\u0173 ciklu. D\u0117l ilgo laiko archyvo jis yra b\u016btinas ry\u017ei\u0173 plot\u0173 poky\u010di\u0173 per de\u0161imtme\u010dius tyrimams. Ta\u010diau 16 dien\u0173 pasikartojimas rei\u0161kia, kad kai kurie fenologiniai \u012fvykiai per trump\u0105 vegetacijos sezon\u0105 tarp steb\u0117jim\u0173 gali b\u016bti nepasteb\u0117ti.<\/p>\n

    Sentinel-2<\/strong> (valdomas Europos kosmoso agent\u016bros, paleistas 2015 ir 2017 m. kaip dviej\u0173 palydov\u0173 \u017evaig\u017edynas) patobulina \u201eLandsat\u201c su 10\u201320 metr\u0173 skiriam\u0105ja geba ir 5 dien\u0173 sugr\u012f\u017eimo ciklu ties pusiauju. \u0160ie du patobulinimai kartu leid\u017eia tiksliau nustatyti lauko ribas ir geriau imti fenologinius m\u0117ginius, o naujausiuose didelio tikslumo ry\u017ei\u0173 kartografavimo tyrimuose, \u012fskaitant tuos, kurie buvo paskelbti ISPRS \u017eurnale \u201ePhotogrammetry and Remote Sensing\u201c 2024 m., \u201eSentinel-2\u201c naudojamas kaip pagrindinis optinis duomen\u0173 \u0161altinis.<\/p>\n

    MODIS<\/strong> MODIS (vidutin\u0117s skiriamosios gebos vaizdavimo spektroradiometras), esantis NASA \u201eTerra\u201c ir \u201eAqua\u201c palydovuose, u\u017etikrina 250\u2013500 metr\u0173 skiriam\u0105j\u0105 geb\u0105 ir galimyb\u0119 per\u017ei\u016br\u0117ti duomenis kasdien. Nors MODIS duomenys yra per smulk\u016bs atskir\u0173 lauk\u0173 \u017eem\u0117lapiams sudaryti, jie i\u0161lieka vertingi vertinant nacionalinio ir \u017eemyno masto pas\u0117li\u0173 intensyvum\u0105, kai didel\u0117 erdvin\u0117 skiriamoji geba yra ma\u017eiau svarbi nei laiko tankis.<\/p>\n

    3. Radarinis nuotolinis steb\u0117jimas<\/h3>\n

    Sintetin\u0117s apert\u016bros radaras (SAR)<\/strong> yra radaro pagrindu sukurta technologija, kuri siun\u010dia mikrobang\u0173 impulsus \u012f \u017dem\u0117s pavir\u0161i\u0173 ir matuoja \u012f jutikl\u012f i\u0161sklaidyt\u0105 energij\u0105. Skirtingai nuo optini\u0173 jutikli\u0173, SAR veikia nepriklausomai nuo debesuotumo ir saul\u0117s \u0161viesos, o tai rei\u0161kia, kad duomenis jis gauna vienodai gerai tiek debesuot\u0105 musonin\u0119 nakt\u012f, tiek giedr\u0105 sausringo sezono dien\u0105.<\/p>\n

    \u0160i savyb\u0117 yra nepaprastai svarbi ry\u017ei\u0173 kartografavimui tropin\u0117je Azijoje, kur optiniai jutikliai d\u0117l debes\u0173 u\u017etvaros paprastai praranda vegetacijos sezono savaites.<\/p>\n

    Sentinel-1<\/strong> (ESA) perduoda C diapazono mikrobang\u0173 energij\u0105 (bangos ilgis ma\u017edaug 5,6 cm) ir teikia nemokamus, pasaulinius SAR duomenis 10 metr\u0173 skiriam\u0105ja geba su 6\u201312 dien\u0173 pasikartojimo ciklu. Ry\u017ei\u0173 laukai s\u0105veikauja su SAR signalais savitu b\u016bdu:<\/p>\n

      \n
    • u\u017elieti laukai veikia kaip beveik idealus veidrodis, atspindintis did\u017ei\u0105j\u0105 dal\u012f radaro energijos nuo jutiklio (sukuriant ma\u017eas atgalin\u0117s sklaidos vertes), o<\/li>\n
    • Augantis ry\u017ei\u0173 vainikas vis labiau i\u0161sklaido energij\u0105 atgal \u012f jutikl\u012f, did\u0117jant augal\u0173 tankumui ir lap\u0173 plotui.<\/li>\n<\/ul>\n

      \u0160i atgalin\u0117s sklaidos trajektorija laikui b\u0117gant, ma\u017ea potvynio ir persodinimo metu, kylanti vegetacin\u0117se stadijose ir v\u0117l ma\u017e\u0117janti po \u017eyd\u0117jimo, sudaro ry\u017eiams b\u016bding\u0105 radaro fenologin\u012f para\u0161\u0105.<\/p>\n

      Nguyen ir kt. (Nuotolinis aplinkos steb\u0117jimas, 2023 m.) nustat\u0117, kad \u201eSentinel-1\u201c SAR laiko eilu\u010di\u0173 klasifikacija buvo pasiekta 92.3% bendras tikslumas<\/strong> kartografuojant ry\u017ei\u0173 auginimo sezonus trijose Vietnamo Mekongo deltos provincijose, \u012fskaitant trij\u0173 pas\u0117li\u0173 zonas, kuriose optiniai duomenys nebuvo prieinami daugiau nei 60% auginimo laikotarpio d\u0117l debesuotumo.<\/p>\n

      Atogr\u0105\u017e\u0173 ry\u017ei\u0173 auginimo regionuose SAR pagr\u012fsti metodai yra ne tik optinio jutimo alternatyva, bet ir da\u017enai vienintel\u0117 patikima sezoninio kartografavimo galimyb\u0117 muson\u0173 m\u0117nesiais.<\/p>\n

      4. Keli\u0173 jutikli\u0173 duomen\u0173 integravimas<\/h3>\n

      N\u0117 vienas jutiklis nesi\u016blo idealaus erdvinio detalumo, laiko tankio ir debes\u0173 prasiskverbimo derinio. Tod\u0117l tiksliausios ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo sistemos integruoja kelis jutikli\u0173 tipus \u012f vien\u0105 analitin\u0119 sistem\u0105.<\/p>\n

      \u012eprasta architekt\u016bra sujungia \u201eSentinel-1\u201c SAR debes\u0173 neturin\u010diam laiko steb\u0117jimui su \u201eSentinel-2\u201c optiniais duomenimis spektriniam sodrumui giedrais laikotarpiais nustatyti ir naudoja MODIS kaip didel\u0117s skiriamosios gebos inkar\u0105 fenologiniam modeliui aptikti regioniniu mastu.<\/p>\n

      Kai \u0161ie duomen\u0173 srautai algoritmi\u0161kai sujungiami, bendras duomen\u0173 rinkinys gali nustatyti pas\u0117li\u0173 ribas, nustatyti persodinimo datas ir priskirti kult\u016brini\u0173 tip\u0173 klasifikacijas tokiu tikslumu, kokio negali pasiekti joks vienas jutiklis.<\/p>\n

      Ry\u017ei\u0173 auginimo modeli\u0173 nustatymas i\u0161 palydovini\u0173 duomen\u0173<\/h2>\n

      1. Ry\u017ei\u0173 augimo etap\u0173 laikiniai para\u0161ai<\/h3>\n

      Ry\u017eiai pereina ai\u0161kiai apibr\u0117\u017et\u0105 augimo etap\u0173 sek\u0105: \u017eem\u0117s paruo\u0161im\u0105 ir u\u017eliejim\u0105, persodinim\u0105 arba s\u0117j\u0105, kr\u016bmijim\u0105si (keli\u0173 stieb\u0173 i\u0161sivystym\u0105 i\u0161 vieno augalo), \u0161luotel\u0117s atsiradim\u0105, \u017eiedyn\u0173 susidarym\u0105 (gr\u016bdus laikan\u010dios \u017eiedyno galvut\u0117s atsiradim\u0105) ir derliaus nu\u0117mim\u0105.<\/p>\n

      Kiekvienas etapas sukelia i\u0161matuojam\u0105 lauko optini\u0173 ir radaro charakteristik\u0173 pokyt\u012f. Analitikai naudoja \u0161iuos etapams b\u016bdingus para\u0161us, u\u017efiksuotus kaip spektrini\u0173 indeks\u0173 arba SAR atgalin\u0117s sklaidos laiko eilutes, kad atkurt\u0173, kas ir kada \u012fvyko kiekviename lauke, be joki\u0173 i\u0161ankstini\u0173 \u016bkininko \u017eini\u0173.<\/p>\n

      2. Fenologija pagr\u012fstas ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymas<\/h3>\n

      Fenologija pagr\u012fstas \u017eem\u0117lapi\u0173 sudarymas<\/strong> (naudojant biologini\u0173 \u012fvyki\u0173 laik\u0105 pas\u0117liams klasifikuoti) yra dominuojantis dideli\u0173 plot\u0173 ry\u017ei\u0173 aptikimo metodas. \u0160is metodas veikia pritaikant matematines kreives prie laiko eilu\u010di\u0173 duomen\u0173, o tada nustatant laukus, kuriuose laiko modelis atitinka b\u016bding\u0105 ry\u017ei\u0173 augimo kreiv\u0119. Svarbiausios \u012fvyki\u0173 datos, gautos i\u0161 \u0161io pritaikymo proceso, apima:<\/p>\n

        \n
      • vegetacijos sezono prad\u017eia (paprastai \u017eymima staigiu vegetacijos indekso ver\u010di\u0173 padid\u0117jimu po potvynio),<\/li>\n
      • vegetacijos sezono piko metu (did\u017eiausias lap\u0173 ploto indeksas) ir<\/li>\n
      • sezono pabaiga (staigus kritimas derliaus nu\u0117mimo metu).<\/li>\n<\/ul>\n

        Toki\u0173 cikl\u0173, aptikt\u0173 per kalendorinius metus, skai\u010dius tiesiogiai lemia, ar laukas klasifikuojamas kaip vien\u0105, du ar tris kartus ap\u017eeldintas.<\/p>\n

        3. Auginimo intensyvumo vertinimas<\/h3>\n

        Auginimo intensyvumas, t. y. per metus \u017eem\u0117s vienete u\u017ebaigt\u0173 auginimo sezon\u0173 skai\u010dius, yra vienas i\u0161 politikos po\u017ei\u016briu svarbiausi\u0173 ry\u017ei\u0173 auginimo modeli\u0173 \u017eem\u0117lapi\u0173 rezultat\u0173. Paprastas, bet efektyvus metodas apskai\u010diuoja, kiek kart\u0173 pikselio metin\u0117je laiko eilut\u0117je pasitaiko ry\u017ei\u0173 tipo spektrinis arba atgalin\u0117s sklaidos pikas.<\/p>\n

        Kartu su erdviniais filtrais, skirtais pa\u0161alinti klaidingus aptikimus, kuriuos sukelia pelk\u0117s, vandens telkiniai ar sezoniniai potvyniai, \u0161ie cikl\u0173 skai\u010diavimai sukuria vieno, dviej\u0173 ir trij\u0173 pas\u0117li\u0173 ry\u017ei\u0173 \u017eem\u0117lapius, kuriuos galima patvirtinti pagal lauko tyrimus ir regionin\u0119 statistik\u0105.<\/p>\n

        4. Sezoninis ir metinis ry\u017ei\u0173 pasiskirstymo \u017eem\u0117lapis<\/h3>\n

        Sezoniniai \u017eem\u0117lapiai (po vien\u0105 \u017eem\u0117lap\u012f kiekvienam auginimo sezonui per metus) rodo ne tik tai, kur auginami ry\u017eiai, bet ir kada jie auga kiekvienoje vietov\u0117je. Metiniai sezonini\u0173 \u017eem\u0117lapi\u0173 rinkiniai atskleid\u017eia vis\u0105 regiono derliaus nu\u0117mimo kalendori\u0173, \u012fskaitant ankstyvojo ir v\u0117lyvojo sezono ry\u017ei\u0173 erdvin\u012f pasiskirstym\u0105, kuris turi tiesiogin\u0117s \u012ftakos vandens paskirstymo planavimui, kenk\u0117j\u0173 poveikio valdymui ir derliaus logistikai.<\/p>\n

        5. Ry\u017ei\u0173 s\u0117jomain\u0173 nustatymas<\/h3>\n

        Daugelyje Azijos ry\u017ei\u0173 auginimo sistem\u0173 \u016bkininkai tame pa\u010diame lauke i\u0161 eil\u0117s sezonus kaitalioja ry\u017eius su kvie\u010diais, dar\u017eov\u0117mis, ank\u0161tiniais augalais arba p\u016bdymo laikotarpiais. Nuotolinis steb\u0117jimas aptinka \u0161ias rotacijas analizuodamas visas metines laiko eilutes, o ne atskir\u0105 sezon\u0105.<\/p>\n

        Laukas, dr\u0117gnuoju met\u0173 laiku klasifikuojamas kaip ry\u017ei\u0173 laukas, o sausuoju \u2013 kaip kvie\u010di\u0173 laukas, vegetacijos indekso duomenyse pasi\u017eymi ai\u0161kiu dviej\u0173 pik\u0173 laikiniu modeliu, kuriame kiekvieno piko spektrin\u0117s charakteristikos nurodo atitinkam\u0105 pas\u0117li\u0173 tip\u0105. \u0160i\u0173 s\u0117jomain\u0173 kartografavimas yra svarbus dirvo\u017eemio sveikatos vertinimui, dr\u0117kinimo poreikio modeliavimui ir pajam\u0173 diversifikavimo programoms.<\/p>\n

        Kaip \u201eGeoPard\u201c padeda sudaryti ry\u017ei\u0173 auginimo modeli\u0173 \u017eem\u0117lapius<\/h2>\n

        Ry\u017ei\u0173 derliaus \u017eem\u0117lapi\u0173 sudarymas reikalauja nuolatinio, i\u0161 keli\u0173 \u0161altini\u0173 gaunamo steb\u0117jimo per vis\u0105 auginimo sezon\u0105, ir b\u016btent tai \u201eGeoPard\u201c si\u016blo. Sujungdama \u201eLandsat-8\u201c, \u201eSentinel-2\u201c ir \u201ePlanet\u201c vaizdus \u012f vien\u0105 platform\u0105, \u201eGeoPard\u201c stebi laukus kas antr\u0105 dien\u0105 iki 3 metr\u0173 skiriam\u0105ja geba, u\u017etikrindama, kad d\u0117l debes\u0173 tarp\u0173 neb\u016bt\u0173 praleisti svarb\u016bs ry\u017ei\u0173 auginimo \u012fvykiai, tokie kaip potvyniai prie\u0161 persodinim\u0105, daig\u0173 \u017eal\u0117jimas ir derliaus nu\u0117mimas.<\/p>\n

        Platformos keli\u0173 jutikli\u0173 sintez\u0117 parod\u0117 4% tikslumo padid\u0117jim\u0105, palyginti su vieno jutiklio metodais, o tai tiesiogiai padidina skirtum\u0105 tarp vieno, dviej\u0173 ir trij\u0173 pas\u0117li\u0173 ry\u017ei\u0173 sistem\u0173.<\/p>\n

        \"Kaip<\/p>\n

        Kult\u016briniam tipui nustatyti \u201eGeoPard\u201c augmenijos indeks\u0173 rinkinys, \u012fskaitant NDWI pavir\u0161iniams potvyniams aptikti, EVI2 lajos biomas\u0117s laikui nustatyti ir LAI lajos tankiui nustatyti, fiksuoja spektrin\u0119 biografij\u0105, kuri skiria dr\u0117kinamus persodintus ry\u017eius nuo lietaus laistom\u0173 arba tiesiogiai s\u0117jam\u0173 sistem\u0173.<\/p>\n

        Debesuotomis musonin\u0117mis dienomis, kai optiniai vaizdai visi\u0161kai neveikia, \u201eGeoPard\u201c integruotas radaro duomen\u0173 sluoksnis leid\u017eia nepertraukiamai sekti augmenij\u0105, nuskaitydamas SAR atspind\u017eio \u012fdub\u0105, kuri yra galutinis u\u017etvindyto ry\u017ei\u0173 lauko po\u017eymis persodinimo metu.<\/p>\n

        Sluoksni\u0173 palyginimo \u012frankis leid\u017eia agronomams greta pateikti iki keturi\u0173 sinchronizuot\u0173 duomen\u0173 sluoksni\u0173, tod\u0117l lengva atskirti ry\u017ei\u0173 kult\u016brinius tipus, lyginant NDWI potvyni\u0173 signalus su daugiamet\u0117mis vegetacijos tendencijomis ir dirvo\u017eemio produktyvumo \u017eem\u0117lapiais.<\/p>\n

        Remiantis daugiau nei 30 met\u0173 palydovini\u0173 vaizd\u0173 duomenimis, platforma atskleid\u017eia ilgalaikius pas\u0117li\u0173 intensyvumo modelius lauko lygmeniu. \u0160ios \u012f\u017evalgos tiesiogiai perkeliamos \u012f kintamo kiekio tr\u0105\u0161\u0173, s\u0117kl\u0173 ir augal\u0173 apsaugos \u017eem\u0117lapius, paver\u010diant ry\u017ei\u0173 kult\u016brini\u0173 tip\u0173 \u017eem\u0117lapius konkre\u010diais, lauko lygmens valdymo nurodymais.<\/p>\n

        Ry\u017ei\u0173 kult\u016brini\u0173 tip\u0173 kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105<\/h2>\n

        1. Skirting\u0173 kult\u016brini\u0173 praktik\u0173 spektrin\u0117s charakteristikos<\/h3>\n

        Kult\u016brinis tipas, specifinis ry\u017ei\u0173 laukui taikom\u0173 valdymo praktik\u0173 derinys, formuoja to lauko spektrinio para\u0161o evoliucij\u0105 laikui b\u0117gant. Pavyzd\u017eiui, u\u017elieti persodinti ry\u017eiai sezono prad\u017eioje pasi\u017eymi vandens dominuojamu optiniu atsaku (ma\u017eas atspind\u0117jimas visose matomose juostose), po kurio staiga pasikei\u010dia, kai susidaro daig\u0173 laja.<\/p>\n

        Tiesiogin\u0117s s\u0117kl\u0173 lysv\u0117se pas\u0117ti ry\u017eiai, pasodinti \u012f neu\u017etvindyt\u0105 s\u0117kl\u0173 guol\u012f, rodo laipsni\u0161kesn\u012f vegetacijos signalo did\u0117jim\u0105 nuo dygimo prad\u017eios, be pradinio u\u017etvindymo laikotarpio, kur\u012f lengvai aptinka optiniai ir SAR jutikliai.<\/p>\n

        2. Laistom\u0173 ir lietaus laistom\u0173 ry\u017ei\u0173 skirtumai<\/h3>\n

        Laistomi ir lietaus dr\u0117kinami ry\u017ei\u0173 laukai skiriasi dviem pastebimais b\u016bdais: potvyni\u0173 laiku ir reguliarumu bei j\u0173 sezonin\u0117s fenologijos nuoseklumu. Laistomi laukai paprastai u\u017eliejami pagal grafik\u0105, persodinimo datos kasmet kinta ma\u017eiau ir kontroliuojant vandens valdym\u0105 i\u0161laiko pastov\u0173 lajos tank\u012f.<\/p>\n

        Lietaus dr\u0117kinamuose laukuose laiko at\u017evilgiu kintamumas tarp met\u0173 yra didesnis, juose sezono viduryje gali atsirasti vandens stresas, kur\u012f galima pasteb\u0117ti kaip anomalius vegetacijos indekso ver\u010di\u0173 suma\u017e\u0117jimus, o sausros metais kartais neu\u017ebaigiamas visas vegetacijos sezonas.<\/p>\n

        Daugiamet\u0117 laiko eilu\u010di\u0173 analiz\u0117 fiksuoja \u0161i\u0105 kintamumo strukt\u016br\u0105, leisdama klasifikavimo algoritmams atskirti dr\u0117kinamas ir lietaus laistomas zonas, kuri\u0173 tikslumas gerai kalibruotose sistemose paprastai vir\u0161ija 85%.<\/p>\n

        3. Persodint\u0173 ir tiesiogiai s\u0117jam\u0173 ry\u017ei\u0173 kartografavimas<\/h3>\n

        Patikimiausias rodiklis, leid\u017eiantis atskirti persodintus nuo tiesiogiai s\u0117jam\u0173 ry\u017ei\u0173 SAR duomenyse, yra pradinio \u017eemo atgalinio sklaidos potvynio laikotarpio laikas ir trukm\u0117.<\/p>\n

        Persodinti ry\u017ei\u0173 laukai 2\u20134 savaites u\u017eliejami vandeniu prie\u0161 daig\u0173 persodinim\u0105, tod\u0117l sezono prad\u017eioje susidaro ilgas, beveik nepermatomas langas.<\/p>\n

        Tiesiogin\u0117s s\u0117jos laukuose potvynio langas arba visai neb\u016bna (sausos s\u0117jos), arba jis labai trumpas (\u0161lapios s\u0117jos), o atgalin\u0117s sklaidos kilimas yra ankstesnis, palyginti su s\u0117jos data, ir strukt\u016bri\u0161kai skiriasi savo nuolyd\u017eiu. \u0160ias laiko charakteristikas galima automati\u0161kai i\u0161gauti naudojant algoritmus, taikomus tankioms SAR laiko eilut\u0117ms.<\/p>\n

        4. Valdymo praktikos nustatymas naudojant nuotolin\u012f steb\u0117jim\u0105<\/h3>\n

        Be persodinimo metodo ir vandens re\u017eimo, nuotolinis steb\u0117jimas gali aptikti tam tikrus vandens valdymo metodus, tokius kaip pakaitinis dr\u0117kinimas ir d\u017eiovinimas (AWD) \u2013 technika, naudojama metano i\u0161metimui ir vandens sunaudojimui suma\u017einti periodi\u0161kai sausinant ry\u017ei\u0173 laukus.<\/p>\n

        AWD laukuose vegetacijos laikotarpiu stebimi svyruojantys SAR atspind\u017eio modeliai, atspindintys pasikartojan\u010dius potvynio ir drena\u017eo ciklus, o nuolat u\u017eliejamuose laukuose atspind\u017eio trajektorija yra pastovesn\u0117. \u0160i galimyb\u0117 yra ypa\u010d vertinga stebint klimatui palanki\u0173 ry\u017ei\u0173 auginimo praktik\u0173 diegim\u0105 nacionalin\u0117se \u0161iltnamio efekt\u0105 sukelian\u010di\u0173 duj\u0173 inventorizacijose.<\/p>\n

        5. Vandens valdymo rodikliai ry\u017ei\u0173 laukuose<\/h3>\n

        SAR technologija leid\u017eia nustatyti vandens pavir\u0161iaus aptikim\u0105 net keli\u0173 centimetr\u0173 gylyje po ry\u017ei\u0173 med\u017ei\u0173 laja. Toks jautrumas leid\u017eia analitikams sudaryti potvyni\u0173 b\u016bkl\u0117s \u017eem\u0117lapius kiekviename lauke svarbiausiais vegetacijos sezono momentais, o tai padeda priimti sprendimus d\u0117l dr\u0117kinimo planavimo ir anksti \u012fvertinti potvyni\u0173 padaryt\u0105 \u017eal\u0105.<\/p>\n

        Kai keli\u0173 dat\u0173 vandens pavir\u0161iaus \u017eem\u0117lapiai sujungiami laike, kiekvienam laukui gaunamas dinaminis vandens valdymo para\u0161as, kuris yra vertingas \u012fvestis kult\u016brini\u0173 tip\u0173 klasifikavimo modeliams.<\/p>\n

        Technika ir metodai: nuo indeks\u0173 iki gilaus mokymosi<\/h2>\n

        1. Ry\u017ei\u0173 steb\u0117senos vegetacijos indeksai<\/h3>\n

        Augalijos indeksai yra matematiniai skirting\u0173 bangos ilgi\u0173 atspind\u017eio ver\u010di\u0173 deriniai, skirti sustiprinti augal\u0173 biomas\u0117s ir sveikatos signal\u0105, kartu suma\u017einant dirvo\u017eemio fono, atmosferos poveikio ir ap\u0161vietimo geometrijos keliam\u0105 triuk\u0161m\u0105. Trys indeksai yra esminiai ry\u017ei\u0173 kartografavimo darbe.<\/p>\n

        i. NDVI (normalizuotas diferencinis vegetacijos indeksas)<\/strong> apskai\u010diuojamas kaip (NIR \u2013 raudonas) \/ (NIR + raudonas) ir yra pla\u010diausiai naudojamas ry\u017ei\u0173 steb\u0117senos indeksas. Jis seka lajos \u017ealum\u0105 nuo daig\u0173 \u012fsitvirtinimo iki sen\u0117jimo, o vert\u0117s paprastai kyla nuo beveik nulio persodinimo metu iki 0,6\u20130,8 vegetacinio augimo piko metu.<\/p>\n

        ii. EVI (pagerintas augmenijos indeksas)<\/strong> efektyviau nei NDVI koreguoja atmosferos aerozoli\u0173 poveik\u012f ir dirvo\u017eemio fonin\u012f triuk\u0161m\u0105, tod\u0117l yra tinkamesnis aplinkoje, kurioje yra didelis aerozoli\u0173 kiekis, pavyzd\u017eiui, biomas\u0117s deginimo sezonais, b\u016bdingais tropinei Azijai.<\/p>\n

        iii. LSWI (sausumos pavir\u0161inio vandens indeksas)<\/strong> apima trump\u0173j\u0173 bang\u0173 infraraudon\u0173j\u0173 spinduli\u0173 atspind\u012f, kad aptikt\u0173 vandens kiek\u012f tiek augal\u0173 lajoje, tiek dirvo\u017eemio pavir\u0161iuje, tod\u0117l yra labai jautrus potvyniams, b\u016bdingiems \u017eemum\u0173 ry\u017ei\u0173 auginimui, ir teikia patikim\u0105 signal\u0105 auginimo sezono prad\u017eiai nustatyti.<\/p>\n

        2. Laiko eilu\u010di\u0173 analiz\u0117<\/h3>\n

        Vienas palydovinis vaizdas u\u017efiksuoja ry\u017ei\u0173 lauko b\u016bkl\u0119 vienu momentu, ta\u010diau ry\u017ei\u0173 lauko istorija para\u0161yta t\u0173 moment\u0173 sekoje. Laiko eilu\u010di\u0173 analiz\u0117 sujungia daug steb\u0117jim\u0173, paprastai po vien\u0105 vaizd\u0105 kas 5\u201316 dien\u0173 per visus metus, ir i\u0161skiria laiko metrikas, tokias kaip sezono prad\u017eios data, did\u017eiausias NDVI, \u017ealumo greitis ir derliaus nu\u0117mimo data.<\/p>\n

        \"Metodai<\/p>\n

        \u0160ie rodikliai kartu apib\u016bdina vis\u0105 lauko fenologin\u012f elges\u012f ir yra daug tikslesni diagnostiniai augal\u0173 tip\u0173 nustatymui nei bet koks vienos datos steb\u0117jimas. Statistiniai metodai, \u012fskaitant harmonin\u0119 regresij\u0105 ir dinamin\u012f laiko i\u0161kraipym\u0105 (DTW), da\u017eniausiai naudojami laiko eilu\u010di\u0173 duomenims suderinti ir palyginti skirtingais metais ir regionuose.<\/p>\n

        3. Ma\u0161ininis mokymasis ry\u017ei\u0173 klasifikavimui<\/h3>\n

        Ma\u0161ininis mokymasis pakeit\u0117 ry\u017ei\u0173 pas\u0117li\u0173 modelio kartografavimo mast\u0105 ir tikslum\u0105, automatizuodamas sud\u0117ting\u0173, netiesini\u0173 ry\u0161i\u0173 tarp spektrini\u0173-laikini\u0173 duomen\u0173 ir lauko s\u0105lyg\u0173 identifikavim\u0105.<\/p>\n

        i. Atsitiktinis mi\u0161kas (RF)<\/strong> yra ansamblinis metodas, kuris sukuria \u0161imtus nepriklausom\u0173 sprendim\u0173 med\u017ei\u0173, kuri\u0173 kiekvienas apmokytas atsitiktiniu po\u017eymi\u0173 pogrupiu, ir sumuoja j\u0173 balsus galutinei klasifikacijai. Jis yra atsparus triuk\u0161mingiems mokymo duomenims, efektyviai tvarko daugiama\u010dius po\u017eymi\u0173 erdves ir pateikia kintamus svarbos balus, kurie padeda analitikams suprasti, kurie laikiniai ar spektriniai po\u017eymiai lemia klasifikavimo sprendimus.<\/p>\n

        ii. Atramos vektoriaus ma\u0161ina (SVM)<\/strong> randa optimali\u0105 skiriam\u0105j\u0105 rib\u0105 tarp klasi\u0173 daugiamat\u0117je po\u017eymi\u0173 erdv\u0117je. SVM gerai veikia, kai mokymo duomen\u0173 yra nedaug, tod\u0117l yra naudingas duomen\u0173 stokojan\u010diose srityse, kur faktini\u0173 duomen\u0173 rinkimas yra brangus.<\/p>\n

        iii. Gilusis mokymasis<\/strong>, ypa\u010d konvoliuciniai neuroniniai tinklai (CNN) ir pasikartojantys neuroniniai tinklai (RNN), tokie kaip ilgos trumpalaik\u0117s atminties (LSTM) architekt\u016bros, gali vienu metu mokytis tiek erdvini\u0173 modeli\u0173 atskiruose vaizduose, tiek laiko modeli\u0173 skirtingose vaizd\u0173 sekose. LSTM pagr\u012fsti klasifikatoriai, taikomi palydovin\u0117ms laiko eilut\u0117ms, pasiek\u0117 pa\u017eangiausi\u0105 tikslum\u0105 ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo u\u017eduotyse, o keli tyrimai parod\u0117 bendr\u0105 tikslum\u0105, vir\u0161ijant\u012f 90% regioniniu mastu.<\/p>\n

        Xiao ir kt. (Tarptautinis taikomosios \u017dem\u0117s steb\u0117jimo ir geoinformacijos \u017eurnalas, 2025 m.) parod\u0117, kad LSTM gilaus mokymosi modelis, apmokytas naudojant \u201eSentinel-1\u201c ir \u201eSentinel-2\u201c sujungtus laiko eilu\u010di\u0173 duomenis, nubr\u0117\u017e\u0117 ry\u017ei\u0173 kult\u016br\u0173 tip\u0173 \u017eem\u0117lap\u012f trijose Piet\u0173 Azijos \u0161alyse. bendras tikslumas \u2013 91,7%, o kappa koeficientas \u2013 0,89<\/strong>, esant toms pa\u010dioms mokymo duomen\u0173 s\u0105lygoms, 6,4 procentinio punkto lenkdamas \u201eRandom Forest\u201c.<\/p>\n

        Didelio ploto ry\u017ei\u0173 kult\u016brini\u0173 tip\u0173 \u017eem\u0117lapi\u0173 sudarymui, kur galima rinkti mokymo duomenis, LSTM pagr\u012fsti gilaus mokymosi klasifikatoriai dabar yra etaloninis metodas ir tur\u0117t\u0173 b\u016bti numatytasis pasirinkimas naujoms nacionalin\u0117ms \u017eem\u0117lapi\u0173 sudarymo programoms.<\/p>\n

        4. Objektin\u0117 vaizd\u0173 analiz\u0117 (OBIA)<\/h3>\n

        Objektin\u0117 vaizd\u0173 analiz\u0117 (OBIA)<\/strong> veikia grupuojant gretimus pikselius su pana\u0161iomis spektrin\u0117mis ir erdvin\u0117mis charakteristikomis \u012f objektus (segmentus) prie\u0161 juos klasifikuojant, o ne klasifikuojant kiekvien\u0105 piksel\u012f atskirai.<\/p>\n

        Ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo srityje OBIA yra vertinga, nes \u012f klasifikacij\u0105 gali \u012ftraukti form\u0105, tekst\u016br\u0105 ir kontekst\u0105, atskiriant ry\u017ei\u0173 lauk\u0105 nuo pana\u0161ios spalvos vandens telkinio pagal taisykling\u0105 ry\u017ei\u0173 lauk\u0173 sta\u010diakamp\u0119 geometrij\u0105.<\/p>\n

        OBIA ypa\u010d efektyvi esant labai didelei erdvinei skiriamajai gebai, pavyzd\u017eiui, 1\u20135 metr\u0173 skiriamosios gebos komercini\u0173 palydov\u0173 duomenims arba bepilo\u010di\u0173 orlaivi\u0173 (UAV) vaizdams.<\/p>\n

        5. Poky\u010di\u0173 aptikimo metodai<\/h3>\n

        Poky\u010di\u0173 aptikimas nustato sritis, kuriose \u017eem\u0117s naudojimas pasikeit\u0117 per du ar daugiau dat\u0173. Ry\u017ei\u0173 sistemos steb\u0117jime poky\u010di\u0173 aptikimas atlieka du tikslus: steb\u0117ti ry\u017ei\u0173 ploto pl\u0117tr\u0105 ar ma\u017e\u0117jim\u0105 i\u0161 met\u0173 \u012f metus reaguojant \u012f klimato ar ekonominius veiksnius ir nustatyti sezono vidurio poky\u010dius, tokius kaip pas\u0117li\u0173 gedimas, apleidimas ar netik\u0117ti potvyniai.<\/p>\n

        Dviej\u0173 dat\u0173 palyginimas vienu metu (tiesiogiai lyginant dvi datas) yra paprastas, ta\u010diau jautrus met\u0173 fenologiniams skirtumams. Daugelio laik\u0173 poky\u010di\u0173 aptikimas, apimantis visus metinius duomen\u0173 rinkinius, yra patikimesnis ir gali atskirti tikr\u0105j\u012f \u017eem\u0117s naudojimo pokyt\u012f nuo sezonini\u0173 fenologini\u0173 skirtum\u0173.<\/p>\n

        Tikslumo vertinimas ir patvirtinimas<\/h2>\n

        1. Duomen\u0173 rinkimas pagal faktin\u0119 informacij\u0105<\/h3>\n

        Kiekvien\u0105 ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo produkt\u0105 reikia patvirtinti pagal nepriklausomai surinktus lauko steb\u0117jimus. Tiksl\u016bs duomenys paprastai apima GPS pagrindu atliktus lauko patikrinimus, kuri\u0173 metu apmokyti skai\u010diuotojai statisti\u0161kai reprezentatyviame viet\u0173 imtyje u\u017efiksuoja pas\u0117li\u0173 r\u016b\u0161\u012f, augimo stadij\u0105, vandens valdymo b\u016bkl\u0119 ir \u012fveisimo b\u016bd\u0105. \u0160ie steb\u0117jimai renkami taip, kad laike sutapt\u0173 su palydoviniais duomenimis, ir jie ne\u012ftraukiami \u012f modelio mokym\u0105 ir naudojami tik tikslumo vertinimui.<\/p>\n

        2. Klasifikavimo tikslumo metrika<\/h3>\n

        Ry\u017ei\u0173 auginimo srityje F1 balas, kuris subalansuoja gamintojo ir vartotojo tikslum\u0105 kiekvienoje klas\u0117je, vis da\u017eniau pateikiamas kartu su Kappa balu kaip informatyvesn\u0117 vieno skai\u010diaus na\u0161umo santrauka. Standartiniai \u017eem\u0117lapio tikslumo vertinimo rodikliai apima:<\/p>\n

          \n
        • bendras tikslumas (vis\u0173 teisingai klasifikuot\u0173 patvirtinimo ta\u0161k\u0173 procentin\u0117 dalis),<\/li>\n
        • gamintojo tikslumas (tikimyb\u0117, kad tam tikros tikrosios klas\u0117s laukas bus teisingai susietas, analogi\u0161kai at\u0161aukimui),<\/li>\n
        • vartotojo tikslumas (tikimyb\u0117, kad su tam tikra klase susietas laukas i\u0161 tikr\u0173j\u0173 yra ta klas\u0117, analogi\u0161kai tikslumui) ir<\/li>\n
        • Kappa koeficientas (atsitiktinio atitikimo pakoreguotas atitikimo matas, kai vert\u0117s, vir\u0161ijan\u010dios 0,80, rodo stipr\u0173 atitikim\u0105).<\/li>\n<\/ul>\n

          3. Auginimo modelio ir kult\u016brini\u0173 tip\u0173 \u017eem\u0117lapi\u0173 patvirtinimas<\/h3>\n

          Norint patvirtinti pas\u0117li\u0173 modeli\u0173 \u017eem\u0117lapius, reikia keli\u0173 laikotarpi\u0173 faktinio \u017eem\u0117s pavir\u0161iaus duomen\u0173, atliekant lauko patikrinimus keliuose pas\u0117li\u0173 auginimo kalendoriaus ta\u0161kuose, siekiant patvirtinti, kiek sezon\u0173 per metus kiekvienoje patvirtinimo vietoje i\u0161 tikr\u0173j\u0173 buvo nuimtas derlius.<\/p>\n

          Kult\u016brinio tipo patvirtinimas, atskiriantis persodintus nuo tiesiogiai s\u0117t\u0173 arba laistomus nuo lietaus laistom\u0173, yra sud\u0117tingesnis, nes \u0161ie skirtumai ne visada vizualiai akivaizd\u016bs lauke ir reikalauja \u016bkinink\u0173 apklaus\u0173 arba tiesioginio valdymo \u012fvyki\u0173 steb\u0117jimo jautriais vegetacijos laikotarpiais.<\/p>\n

          Nacionalin\u0117 \u017eem\u0117s \u016bkio statistika, nors da\u017enai apibendrinama provincijos ar rajono lygmeniu, suteikia papildom\u0105 patvirtinimo sluoksn\u012f ploto \u012fver\u010diams, leid\u017eiant\u012f palyginti \u017eem\u0117lapio sumas su oficialiai pateiktais duomenimis.<\/p>\n

          Taikymas visoje \u017eem\u0117s \u016bkio sistemoje<\/h2>\n

          1. \u017dem\u0117s \u016bkio planavimas ir politikos k\u016brimas<\/h3>\n

          Ry\u017ei\u0173 pas\u0117li\u0173 \u017eem\u0117lapiai, gauti nuotolinio steb\u0117jimo b\u016bdu, suteikia \u017eem\u0117s \u016bkio ministerijoms erdvin\u0119 skiriam\u0105j\u0105 geb\u0105, kurios joms reikia norint planuoti tikslines intervencijas. Regionams, identifikuotiems kaip vieno pas\u0117lio lietaus dr\u0117kinamiems, galima teikti pirmenyb\u0119 nedidelio masto dr\u0117kinimo pl\u0117trai; trij\u0173 pas\u0117li\u0173 plotus, kuriuose ma\u017e\u0117ja derlius, galima tirti d\u0117l dirvo\u017eemio degradacijos ar gruntinio vandens lygio suma\u017e\u0117jimo.<\/p>\n

          2. Ry\u017ei\u0173 gamybos \u012fvertinimas<\/h3>\n

          Derinant ry\u017ei\u0173 plot\u0173 \u017eem\u0117lapius i\u0161 nuotolinio steb\u0117jimo su derliaus \u012fvertinimo modeliais, tokiais kaip pas\u0117li\u0173 augimo modeliavimas, pagr\u012fstas or\u0173 duomenimis, galima gauti subnacionalines ir nacionalines gamybos prognozes likus savait\u0117ms ar m\u0117nesiams iki derliaus nu\u0117mimo.<\/p>\n

          Azijos pl\u0117tros banko maisto saugumo ataskait\u0173 suvestin\u0117 ir FAO pasaulin\u0117 informacijos ir ankstyvojo persp\u0117jimo sistema (GIEWS) apima palydovinius ry\u017ei\u0173 plot\u0173 duomenis, kad b\u016bt\u0173 galima apskai\u010diuoti derliaus nu\u0117mimo produkcijos \u012fver\u010dius, kurie yra tikslesni nei tyrimais pagr\u012fsti metodai.<\/p>\n

          3. Vandens i\u0161tekli\u0173 valdymas<\/h3>\n

          Laistomi ry\u017eiai yra did\u017eiausias g\u0117lo vandens vartotojas Azijoje \u2013 tokiose \u0161alyse kaip Indija ir Banglade\u0161as jiems sunaudojama ma\u017edaug 401 TP3 t viso \u017eem\u0117s \u016bkio vandens.<\/p>\n

          Vertingiausias palydovinio ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo rezultatas yra ne pats \u017eem\u0117lapis, o sprendimas, kur\u012f jis leid\u017eia priimti \u2013 statyti kanal\u0105, u\u017edaryti gr\u0119\u017ein\u012f ar nukreipti subsidijas.<\/p><\/blockquote>\n

          Tiksliai \u017einant, kur auginami dr\u0117kinami ry\u017eiai, kiek sezon\u0173 jie dr\u0117kinami ir kuriuose laukuose naudojami efektyv\u016bs vandens i\u0161tekli\u0173 valdymo metodai, tokie kaip AWD, tiesiogiai padedama planuoti upi\u0173 baseinus, rezervuar\u0173 eksploatavim\u0105 ir vertinti po\u017eeminio vandens tvarum\u0105.<\/p>\n

          4. Maisto saugumo steb\u0117sena<\/h3>\n

          Ankstyvojo persp\u0117jimo apie maisto nepritekli\u0173 sistemos priklauso nuo greito pas\u0117li\u0173 gedim\u0173 nustatymo. Kai ry\u017ei\u0173 plotai neu\u017ebaigia viso auginimo ciklo, palydovin\u0117 steb\u0117sena nustato anomalij\u0105 kaip neegzistuojant\u012f arba sutrumpint\u0105 fenologin\u012f pik\u0105 numatomu sezoniniu laikotarpiu. USAID remiamas FEWS NET (Bado ankstyvojo persp\u0117jimo sistem\u0173 tinklas) naudoja palydovinius augmenijos duomenis, \u012fskaitant su ry\u017eiais susijus\u012f steb\u0117jim\u0105, kad generuot\u0173 \u012fsp\u0117jimus apie maisto tr\u016bkum\u0105 visoje Azijoje ir Afrikoje.<\/p>\n

          5. Klimato kaitos poveikio vertinimas<\/h3>\n

          Ilgalaikiai ry\u017ei\u0173 auginimo modeli\u0173 \u017eem\u0117lapi\u0173 archyvai, apimantys 20 ar daugiau met\u0173 \u201eLandsat\u201c duomen\u0173, atskleid\u017eia, kaip ry\u017ei\u0173 auginimo plotai, met\u0173 laikai ir derlius keit\u0117si reaguojant \u012f kintan\u010dius temperat\u016bros ir krituli\u0173 re\u017eimus. \u0160ie istoriniai tendencij\u0173 \u017eem\u0117lapiai pateikia empirini\u0173 \u012frodym\u0173 apie klimato kaitos poveik\u012f ry\u017ei\u0173 sistemoms ir yra naudojami kaip \u012fvesties duomenys prognozuojant b\u016bsim\u0105 \u017eem\u0117s \u016bkio rizik\u0105 pagal skirtingus at\u0161ilimo scenarijus.<\/p>\n

          7. Tiksliosios \u017eemdirbyst\u0117s taikymas<\/h3>\n

          \u016akio mastu bepilo\u010di\u0173 orlaivi\u0173 (UAV) pagrindu sudarytas ry\u017ei\u0173 kult\u016bros tipo \u017eem\u0117lapi\u0173 sudarymas kartu su lauko dirvo\u017eemio ir vandens duomenimis padeda priimti tikslius valdymo sprendimus, tokius kaip kintamo kiekio tr\u0105\u0161\u0173 naudojimas, kenk\u0117j\u0173 steb\u0117jimas konkre\u010dioje vietoje ir optimizuotas s\u0117jos dat\u0173 planavimas. \u0160ios programos \u0161iuo metu spar\u010diai br\u0119sta Japonijoje, Piet\u0173 Kor\u0117joje ir kai kuriose Kinijos dalyse, kur ry\u017ei\u0173 auginimas yra labai mechanizuotas ir yra duomen\u0173 infrastrukt\u016bra, leid\u017eianti susieti nuotolinio steb\u0117jimo rezultatus su \u016bkio valdymo sistemomis.<\/p>\n

          I\u0161\u0161\u016bkiai ir apribojimai, ribojantys ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarym\u0105<\/h2>\n

          1. Debesuotumas ir duomen\u0173 prieinamumas<\/h3>\n

          Nuolatin\u0117 debesuotumas muson\u0173 sezono metu, kai auginama didel\u0117 dalis Azijos ry\u017ei\u0173, labai riboja tinkam\u0173 naudoti optini\u0173 steb\u0117jim\u0173 skai\u010di\u0173. Kai kuriose vietose d\u0117l debes\u0173 u\u017eter\u0161tumo \u201eSentinel-2\u201c steb\u0117jim\u0173 skai\u010dius kritiniu persodinimo ir ankstyvuoju vegetacijos laikotarpiu suma\u017e\u0117ja iki ma\u017eiau nei dviej\u0173 per m\u0117nes\u012f. SAR duomenys \u0161i\u0105 problem\u0105 su\u0161velnina, bet nepa\u0161alina, nes smarkios li\u016btys gali laikinai prisotinti radaro signal\u0105.<\/p>\n

          2. Mi\u0161r\u016bs pikseliai ir ma\u017ei lauko dyd\u017eiai<\/h3>\n

          Regionuose, kur ry\u017ei\u0173 laukai yra ma\u017eesni nei jutiklio erdvin\u0117 skiriamoji geba, vienas pikselis fiksuoja ry\u017ei\u0173 ir ne ry\u017ei\u0173 \u017eem\u0117s dangos mi\u0161in\u012f, tod\u0117l klasifikacija yra dviprasmi\u0161ka. Kalnuotose vietov\u0117se esan\u010diose kalnuotose vietov\u0117se esan\u010diose ry\u017ei\u0173 auginimo sistemose ir sodo dyd\u017eio ry\u017ei\u0173 laukuose Indonezijos ir Filipin\u0173 dalyse \u012fprastai susidaro mi\u0161r\u016bs pikseliai net ir esant 10 metr\u0173 \u2019Sentinel-2\u201c skiriamajai gebai, tod\u0117l pikseliais pagr\u012fst\u0173 metod\u0173 naudojimas \u0161iose aplinkose ribojamas.<\/p>\n

          3. Pas\u0117li\u0173 tip\u0173 spektrinis ir laikinis pana\u0161umas<\/h3>\n

          Kai kurie pas\u0117liai, ypa\u010d cukranendr\u0117s, d\u017eiutas ir tam tikros pievos, NDVI arba EVI laiko eilut\u0117se sukuria pana\u0161ias fenologines kreives kaip ry\u017eiai, tod\u0117l kyla klasifikavimo painiava. SAR pagr\u012fstas potvyni\u0173 aptikimas suma\u017eina \u0161i\u0105 painiav\u0105 d\u0117l \u017eemum\u0173 ry\u017ei\u0173, ta\u010diau kaln\u0173 ry\u017ei\u0173 sistemas be u\u017etvindyt\u0173 lauk\u0173 sunku atskirti nuo spektriniu po\u017ei\u016briu pana\u0161i\u0173 pas\u0117li\u0173 be papildom\u0173 lauko duomen\u0173 ar pagalbini\u0173 geografini\u0173 duomen\u0173.<\/p>\n

          4. Laiko skiriamosios gebos apribojimai<\/h3>\n

          Ry\u017ei\u0173 auginimo modelio ir kult\u016bros tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105 reikalauja tankaus laiko m\u0117gini\u0173 \u0117mimo, idealiu atveju bent vieno steb\u0117jimo kas 8\u201310 dien\u0173 per vis\u0105 vegetacijos sezon\u0105. Kai debesuotumas arba palydov\u0173 orbit\u0173 tarpai suma\u017eina \u0161\u012f laiko tank\u012f, automatiniai aptikimo algoritmai gali visi\u0161kai praleisti trumpalaikes ry\u017ei\u0173 veisles arba greito ciklo trij\u0173 derliaus sezonus.<\/p>\n

          5. Ant\u017eemini\u0173 duomen\u0173 apribojimai<\/h3>\n

          Auk\u0161tos kokyb\u0117s pa\u017eenklinti mokymo duomenys, lauko steb\u0117jimai, suderinti su \u017einomais augal\u0173 tipais ir valdymo praktika, vis dar yra brang\u016bs ir logisti\u0161kai sunkiai surinkti tokiu mastu, koks reikalingas nacionalini\u0173 \u017eem\u0117lapi\u0173 sistem\u0173 mokymui ir patvirtinimui. Daugelyje ma\u017eesnes pajamas gaunan\u010di\u0173 ry\u017eius auginan\u010di\u0173 \u0161ali\u0173 \u017emogi\u0161k\u0173j\u0173 ir finansini\u0173 paj\u0117gum\u0173 sistemingam duomen\u0173 rinkimui ant \u017eem\u0117s tr\u016bkumas yra did\u017eiausias \u017eem\u0117lapi\u0173 tikslumo gerinimo apribojimas.<\/p>\n

          Naujos tendencijos ir ry\u017ei\u0173 steb\u0117senos ateitis<\/h2>\n

          1. Bepilo\u010diais orlaiviais ir dronais pagr\u012fstas ry\u017ei\u0173 steb\u0117jimas<\/h3>\n

          Bepilo\u010diai orlaiviai (UAV), apr\u016bpinti daugiaspektriais ir terminiais jutikliais, dabar teikia centimetr\u0173 lygio vaizdus vir\u0161 atskir\u0173 \u016bki\u0173, atskirdami lauk\u0173 ribas, pas\u0117li\u0173 eiles ir net atskir\u0173 augal\u0173 sveikatos b\u016bkl\u0119. UAV veikia kaip tiltas tarp palydovinio mastelio \u017eem\u0117lapi\u0173 sudarymo ir atskir\u0173 augal\u0173 steb\u0117jimo, teikdami itin didel\u0117s skiriamosios gebos ant\u017eeminius duomenis, reikalingus palydoviniams modeliams mokyti ir patvirtinti fragmentuotose kra\u0161tovaizd\u017eio aplinkose.<\/p>\n

          2. Dirbtinis intelektas ir gilusis mokymasis ry\u017ei\u0173 klasifikavimui<\/h3>\n

          Konvoliuciniai neuroniniai tinklai, taikomi palydovini\u0173 vaizd\u0173 laiko eilut\u0117ms, kartu su transformatori\u0173 architekt\u016bromis, pritaikytomis i\u0161 nat\u016bralios kalbos apdorojimo, \u0161iuo metu pasiekia auk\u0161\u010diausi\u0105 kada nors pasiekt\u0105 ry\u017ei\u0173 klasifikavimo tikslum\u0105.<\/p>\n

          2024 m. Vageningeno universiteto tyr\u0117j\u0173 paskelbta PRISM (fenologija pagr\u012fsta ry\u017ei\u0173 pas\u0117li\u0173 identifikavimo sistema, naudojant daugia\u0161altinius duomenis) sistema parod\u0117, kad savaranki\u0161kai pri\u017ei\u016brimas mokymasis nepa\u017eym\u0117tuose palydoviniuose archyvuose gali i\u0161 anksto apmokyti ry\u017ei\u0173 klasifikavimo modelius, kuriems tikslinimui reikia tik minimali\u0173 pa\u017eenklint\u0173 ant\u017eemini\u0173 duomen\u0173, taip \u017eymiai suma\u017einant lauko tyrim\u0173 na\u0161t\u0105.<\/p>\n

          3. Beveik realaus laiko ry\u017ei\u0173 steb\u0117jimo sistemos<\/h3>\n

          Beveik realiuoju laiku veikian\u010dios ry\u017ei\u0173 steb\u0117jimo sistemos automati\u0161kai apdoroja gaunamus palydovinius duomenis, atnaujina ry\u017ei\u0173 \u017eem\u0117lapius 10\u201316 dien\u0173 intervalais ir siun\u010dia \u012fsp\u0117jimus apie sodinimo datas, vandens tr\u016bkumo atvejus ir derliaus nu\u0117mimo laik\u0105 tiesiai \u012f vyriausyb\u0117s ataskait\u0173 suvestines arba mobili\u0105sias programas, kurias naudoja \u016bkininkai ir konsultavimo agentai.<\/p>\n

          Tailando ry\u017ei\u0173 departamentas ir Vietnamo \u017eem\u0117s \u016bkio ministerija valdo tokio tipo prototipines sistemas, o Tarptautinis ry\u017ei\u0173 tyrim\u0173 institutas remia pana\u0161i\u0173 paj\u0117gum\u0173 pl\u0117tr\u0105 Banglade\u0161e ir Kambod\u017eoje.<\/p>\n

          4. Palydovini\u0173 ir daikt\u0173 interneto duomen\u0173 integravimas<\/h3>\n

          Ry\u017ei\u0173 laukuose i\u0161d\u0117styti daikt\u0173 interneto (IoT) jutikliai, matuojantys dirvo\u017eemio dr\u0117gm\u0119, vandens lyg\u012f, temperat\u016br\u0105 ir augal\u0173 lajos mikroklimat\u0105, generuoja nuolatinius \u017eem\u0117s lygio steb\u0117jimus, kurie papildo ir kalibruoja palydovinius nuotolinio steb\u0117jimo duomenis.<\/p>\n

          Kai daikt\u0173 interneto jutikli\u0173 tinklai ir palydoviniai steb\u0117jimai sujungiami duomen\u0173 sintez\u0117s sistemose, gauta steb\u0117jimo sistema gali aptikti vandens tr\u016bkum\u0105, potvyni\u0173 prad\u017ei\u0105 ir lig\u0173 spaudim\u0105 didesniu patikimumu ir ankstesniu laiku, nei tai padaryt\u0173 kiekvienas \u0161altinis atskirai.<\/p>\n

          5. Skaitmenin\u0117 \u017eemdirbyst\u0117 ir i\u0161manusis \u016bkininkavimas<\/h3>\n

          Palydovinio ry\u017ei\u0173 \u017eem\u0117lapi\u0173 sudarymo, daikt\u0173 interneto jutikli\u0173 ir dirbtinio intelekto valdomos sprendim\u0173 palaikymo konvergencija kuria i\u0161maniojo ry\u017ei\u0173 auginimo pamatus, kai valdymo sprendimai nuo dr\u0117kinimo laiko iki tr\u0105\u0161\u0173 naudojimo priimami remiantis erdvi\u0161kai ai\u0161kiais, beveik realiuoju laiku gautais duomen\u0173 srautais, o ne kalendoriumi pagr\u012fstomis nyk\u0161\u010dio taisykl\u0117mis.<\/p>\n

          Bandomosios programos Japonijos Nijigatos prefekt\u016broje ir Kinijos Heilongdziango provincijoje parod\u0117, kad tikslus ry\u017ei\u0173 auginimo valdymas, pagr\u012fstas nuotoliniais tyrimais, gali suma\u017einti s\u0105naudas. 15-25%<\/strong> i\u0161laikant arba gerinant derli\u0173, remiantis preliminariomis 2024 m. lauko bandym\u0173 ataskaitomis.<\/p>\n

          I\u0161vada<\/h2>\n

          Ry\u017ei\u0173 auginimo modelio ir kult\u016bros tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105 i\u0161 akademini\u0173 tyrim\u0173 disciplinos i\u0161augo \u012f operacin\u0119 priemon\u0119, kuri\u0105 naudoja vyriausyb\u0117s, tarptautin\u0117s agent\u016bros ir \u017eem\u0117s \u016bkio technologij\u0173 platformos visoje Azijoje ir u\u017e jos rib\u0173. Daugiajutikli\u0173 laiko eilu\u010di\u0173 metodai, apjungiantys optinius ir SAR duomenis, apdorotus ma\u0161ininio mokymosi ir gilaus mokymosi klasifikatoriais, dabar reguliariai teikia ry\u017ei\u0173 plot\u0173 \u017eem\u0117lapius nacionaliniu mastu, kuri\u0173 bendras tikslumas vir\u0161ija 85\u201390%. \u0160ie \u017eem\u0117lapiai nustato ne tik tai, kur auga ry\u017eiai, bet ir kiek kart\u0173 per metus, esant kokiam vandens re\u017eimui ir kokiu b\u016bdu auga.<\/p>\n

          Per\u0117jimas nuo paprasto ry\u017ei\u0173 plot\u0173 \u017eem\u0117lapi\u0173 sudarymo prie kult\u016brini\u0173 tip\u0173 klasifikavimo paver\u010dia \u017eem\u0117s dangos produkt\u0105 \u017eem\u0117s \u016bkio \u017evalgybos i\u0161tekliumi. \u017dinojimas, kad per de\u0161imtmet\u012f regionas per\u0117jo nuo persodint\u0173 prie tiesiogiai s\u0117jam\u0173 ry\u017ei\u0173, vienu metu signalizuoja apie darbo rinkos poky\u010dius ir gruntinio vandens lygio suma\u017e\u0117jim\u0105. \u017dinojimas, kurios lietaus laistomos vietov\u0117s yra labiausiai pa\u017eeid\u017eiamos ankstyvojo sezono sausros period\u0173, identifikuojamos pagal j\u0173 laiko spektrinius modelius, leid\u017eia i\u0161 anksto reaguoti \u012f sausr\u0105, o ne imtis reaktyviosios pagalbos nelaim\u0117s atveju. Nuotolinis steb\u0117jimas leid\u017eia gauti tok\u012f erdvinio intelekto lyg\u012f u\u017e nedidel\u0119 lygiaver\u010di\u0173 \u017eem\u0117s tyrim\u0173 program\u0173 kainos dal\u012f.<\/p>","protected":false},"excerpt":{"rendered":"

          Ry\u017eiais visame pasaulyje maitina daugiau nei 3,5 milijardo \u017emoni\u0173, ta\u010diau ma\u017eiau nei 601 TP3 t ry\u017ei\u0173 auginimo plot\u0173 turi tikslius ir atnaujintus auginimo \u017eem\u0117lapius, teigia Tarptautin\u0117 ry\u017ei\u0173 auginimo taryba...<\/p>","protected":false},"author":210157960,"featured_media":13326,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1378],"tags":[],"class_list":["post-13324","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-remote-sensing"],"acf":[],"yoast_head":"\nMapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/geopard.tech\/lt\/tinklarastis\/ryziu-derliaus-modelio-ir-kulturinio-tipo-kartografavimas-naudojant-nuotolini-stebejima\/\" \/>\n<meta property=\"og:locale\" content=\"lt_LT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture\" \/>\n<meta property=\"og:description\" content=\"Rice feeds more than 3.5 billion people globally, yet less than 60% of rice-growing areas have accurate, up-to-date cultivation maps, according to the International Rice...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/geopard.tech\/lt\/tinklarastis\/ryziu-derliaus-modelio-ir-kulturinio-tipo-kartografavimas-naudojant-nuotolini-stebejima\/\" \/>\n<meta property=\"og:site_name\" content=\"GeoPard - Precision agriculture Mapping software\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/geopardAgriculture\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-31T18:21:25+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-31T18:47:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing-1024x576.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"dementievgeopard\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:site\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"dementievgeopard\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"26 minut\u0117s\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"},\"author\":{\"name\":\"dementievgeopard\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\"},\"headline\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing\",\"datePublished\":\"2026-05-31T18:21:25+00:00\",\"dateModified\":\"2026-05-31T18:47:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"},\"wordCount\":5536,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"articleSection\":[\"Remote Sensing\"],\"inLanguage\":\"lt-LT\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\",\"url\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\",\"name\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"datePublished\":\"2026-05-31T18:21:25+00:00\",\"dateModified\":\"2026-05-31T18:47:12+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#breadcrumb\"},\"inLanguage\":\"lt-LT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"width\":1920,\"height\":1080,\"caption\":\"Mapping Rice-Cropping Pattern and Cultural Type Using Remote Sensing\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/geopard.tech\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"name\":\"GeoPard - Precision agriculture software\",\"description\":\"Precision agriculture Mapping software\",\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"alternateName\":\"GeoPard\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/geopard.tech\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"lt-LT\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\",\"name\":\"GeoPard Agriculture\",\"alternateName\":\"GeoPard\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"width\":200,\"height\":200,\"caption\":\"GeoPard Agriculture\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/geopardAgriculture\\\/\",\"https:\\\/\\\/x.com\\\/geopardagri\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/geopard-agriculture\\\/\",\"https:\\\/\\\/www.instagram.com\\\/geopardagriculture\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\",\"name\":\"dementievgeopard\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"lt-LT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"caption\":\"dementievgeopard\"},\"url\":\"#\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Ry\u017ei\u0173 pas\u0117li\u0173 modelio ir kult\u016brinio tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105 - \u201eGeoPard Agriculture\u201c","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/geopard.tech\/lt\/tinklarastis\/ryziu-derliaus-modelio-ir-kulturinio-tipo-kartografavimas-naudojant-nuotolini-stebejima\/","og_locale":"lt_LT","og_type":"article","og_title":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture","og_description":"Rice feeds more than 3.5 billion people globally, yet less than 60% of rice-growing areas have accurate, up-to-date cultivation maps, according to the International Rice...","og_url":"https:\/\/geopard.tech\/lt\/tinklarastis\/ryziu-derliaus-modelio-ir-kulturinio-tipo-kartografavimas-naudojant-nuotolini-stebejima\/","og_site_name":"GeoPard - Precision agriculture Mapping software","article_publisher":"https:\/\/www.facebook.com\/geopardAgriculture\/","article_published_time":"2026-05-31T18:21:25+00:00","article_modified_time":"2026-05-31T18:47:12+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing-1024x576.png","type":"image\/png"}],"author":"dementievgeopard","twitter_card":"summary_large_image","twitter_creator":"@geopardagri","twitter_site":"@geopardagri","twitter_misc":{"Written by":"dementievgeopard","Est. reading time":"26 minut\u0117s"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#article","isPartOf":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"},"author":{"name":"dementievgeopard","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a"},"headline":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing","datePublished":"2026-05-31T18:21:25+00:00","dateModified":"2026-05-31T18:47:12+00:00","mainEntityOfPage":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"},"wordCount":5536,"commentCount":0,"publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"image":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","articleSection":["Remote Sensing"],"inLanguage":"lt-LT","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","url":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","name":"Ry\u017ei\u0173 pas\u0117li\u0173 modelio ir kult\u016brinio tipo kartografavimas naudojant nuotolin\u012f steb\u0117jim\u0105 - \u201eGeoPard Agriculture\u201c","isPartOf":{"@id":"https:\/\/geopard.tech\/#website"},"primaryImageOfPage":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"image":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","datePublished":"2026-05-31T18:21:25+00:00","dateModified":"2026-05-31T18:47:12+00:00","breadcrumb":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#breadcrumb"},"inLanguage":"lt-LT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"]}]},{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","width":1920,"height":1080,"caption":"Mapping Rice-Cropping Pattern and Cultural Type Using Remote Sensing"},{"@type":"BreadcrumbList","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/geopard.tech\/"},{"@type":"ListItem","position":2,"name":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing"}]},{"@type":"WebSite","@id":"https:\/\/geopard.tech\/#website","url":"https:\/\/geopard.tech\/","name":"GeoPard \u2013 tiksliosios \u017eemdirbyst\u0117s programin\u0117 \u012franga","description":"Tiksliosios \u017eemdirbyst\u0117s kartografavimo programin\u0117 \u012franga","publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"alternateName":"GeoPard","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/geopard.tech\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"lt-LT"},{"@type":"Organization","@id":"https:\/\/geopard.tech\/#organization","name":"GeoPard \u017dem\u0117s \u016bkis","alternateName":"GeoPard","url":"https:\/\/geopard.tech\/","logo":{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","width":200,"height":200,"caption":"GeoPard Agriculture"},"image":{"@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/geopardAgriculture\/","https:\/\/x.com\/geopardagri","https:\/\/www.linkedin.com\/company\/geopard-agriculture\/","https:\/\/www.instagram.com\/geopardagriculture\/"]},{"@type":"Person","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a","name":"dementjevgeopardo","image":{"@type":"ImageObject","inLanguage":"lt-LT","@id":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","caption":"dementievgeopard"},"url":"#"}]}},"jetpack_publicize_connections":[],"jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/pdiCPa-3sU","jetpack_featured_media_url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","_links":{"self":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts\/13324","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/users\/210157960"}],"replies":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/comments?post=13324"}],"version-history":[{"count":0,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/posts\/13324\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/media\/13326"}],"wp:attachment":[{"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/media?parent=13324"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/categories?post=13324"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/geopard.tech\/lt\/wp-json\/wp\/v2\/tags?post=13324"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}