Kategorija: Kultūraugu uzraudzība

Mūsu tīmekļa vietnes sadaļa “Kultūras monitorings” ir veltīta tam, lai sniegtu lauksaimniekiem un lauksaimniecības speciālistiem jaunāko informāciju un rīkus, kas palīdz viņiem uzraudzīt un optimizēt savu kultūraugu kultūraugus. Pateicoties progresīvu tehnoloģiju un datu analīzes palīdzībai, tā ir kļuvusi par būtisku praksi mūsdienu lauksaimniecībā, ļaujot lauksaimniekiem identificēt potenciālās problēmas un risināt tās, pirms tās kļūst par nopietnām problēmām.

Šajā sadaļā ir piedāvāts plašs resursu un informācijas klāsts, kas palīdzēs lauksaimniekiem pieņemt pārdomātus lēmumus par savām kultūrām. Sākot ar rakstiem par labāko praksi un jaunajām tehnoloģijām un beidzot ar modernāko uzraudzības rīku un programmatūras apskatiem, mūsu mērķis ir sniegt visaptverošu un aktuālu informāciju par kultūraugu uzraudzības ainavu.

Neatkarīgi no tā, vai esat mazs lauksaimnieks vai liels lauksaimniecības uzņēmums, šajā sadaļā ir ko piedāvāt. Mēs aptveram plašu kultūraugu klāstu, tostarp augļus, dārzeņus, graudaugus un citus, un mūsu saturs ir pielāgots lauksaimnieku vajadzībām visos zināšanu līmeņos.

Mūsu kultūraugu uzraudzības sadaļas pamatā ir apņemšanās palīdzēt lauksaimniekiem sasniegt lielāku efektivitāti un ilgtspējību savās darbībās. Sniedzot jaunāko informāciju un rīkus, mēs cenšamies palīdzēt lauksaimniekiem uzlabot ražu, samazināt atkritumus un palielināt rentabilitāti, vienlaikus samazinot ietekmi uz vidi.

Kultūraugu uzraudzības rokasgrāmata un atjauninājumi

Tātad, neatkarīgi no tā, vai jūs tikai sākat darbu vai esat pieredzējis profesionālis, kas vēlas būt lietas kursā par jaunākajām tendencēm un tehnoloģijām, šajā sadaļā ir viss nepieciešamais, lai gūtu panākumus.

Veģetācijas indeksi un hlorofila saturs

Publicēts dementievgeopard

GeoPard paplašina atbalstīto ar hlorofilu saistīto veģetācijas indeksu saimi ar

  • Vainagaugu hlorofila satura indekss (CCCI)
  • Modificētais hlorofila absorbcijas koeficienta indekss (MCARI)
  • Transformētā hlorofila absorbcijas atstarošanas indekss (TCARI)
  • MCARI/OSAVI attiecība
  • TCARI/OSAVI attiecība

Tie palīdz izprast pašreizējo kultūraugu attīstības stadiju, tostarp

  • to apgabalu noteikšana, kuriem ir nepieciešams uzturvielu daudzums,
  • slāpekļa atdalīšanas novērtējums,
  • potenciālās ražas novērtējums,

Un iegūtās atziņas tiek izmantotas precīzu slāpekļa mainīgas devas pielietojuma karšu izveidei.

Lasīt vairākKurš indekss ir vislabāk izmantot precīzās lauksaimniecības tehnikā

Lasīt vairāk: GeoPard veģetācijas indeksi

Veģetācijas indeksi un hlorofila satursLapu lapotnes hlorofila satura indekss (CCCI) salīdzinājumā ar modificētā hlorofila absorbcijas attiecības indeksu (MCARI) salīdzinājumā ar pārveidotā hlorofila absorbcijas atstarošanas indeksu (TCARI) salīdzinājumā ar MCARI/OSAVI attiecību

Kas ir veģetācijas indeksi?

Veģetācijas indeksi ir skaitliskas vērtības, kas iegūtas no attālināti iegūtiem spektrālajiem datiem, piemēram, satelīta vai aerofotoattēliem, lai kvantitatīvi noteiktu augu valsts blīvumu, veselību un izplatību uz Zemes virsmas.

Tos parasti izmanto tālizpētē, lauksaimniecībā, vides monitoringā un zemes apsaimniekošanā, lai novērtētu un uzraudzītu veģetācijas augšanu, produktivitāti un veselību.

Šie indeksi tiek aprēķināti, izmantojot dažādu gaismas viļņu garumu atstarošanas vērtības, jo īpaši sarkanajā, tuvajā infrasarkanajā (NIR) un dažreiz citās joslās.

Veģetācijas atstarošanas īpašības mainās atkarībā no gaismas viļņa garuma, ļaujot atšķirt veģetāciju no citiem zemes seguma veidiem.

Veģetācijai parasti ir spēcīga absorbcija sarkanajā apgabalā un augsta atstarošanas spēja tuvā infrasarkanā (NIR) apgabalā hlorofila un šūnu struktūras īpašību dēļ.

Daži plaši izmantotie veģetācijas indeksi ietver:

  • Normalizēts diferenciālais veģetācijas indekss (NDVI)Tas ir vispopulārākais un visplašāk izmantotais veģetācijas indekss, kas tiek aprēķināts kā (NIR – sarkanais) / (NIR + sarkanais). NDVI vērtības svārstās no -1 līdz 1, un augstākas vērtības norāda uz veselīgāku un blīvāku veģetāciju.
  • Uzlabotais veģetācijas indekss (EVI)Šis indekss uzlabo NDVI, samazinot atmosfēras un augsnes troksni, kā arī koriģējot koku lapotnes fona signālus. Tas izmanto papildu joslas, piemēram, zilo krāsu, un ietver koeficientus, lai mazinātu šos efektus.
  • Augsnes koriģētais veģetācijas indekss (SAVI): SAVI ir izstrādāts, lai samazinātu augsnes spilgtuma ietekmi uz veģetācijas indeksu. Tas ievieš augsnes spilgtuma korekcijas koeficientu, kas ļauj precīzāk novērtēt veģetāciju apgabalos ar skraju vai zemu veģetācijas segumu.
  • Zaļsarkanā veģetācijas indekss (GRVI)GRVI ir vēl viens vienkāršs attiecības indekss, kas izmanto zaļās un sarkanās joslas, lai novērtētu veģetācijas veselību. To aprēķina kā (zaļā – sarkanā) / (zaļā + sarkanā).

Šos indeksus, cita starpā, izmanto pētnieki, zemes apsaimniekotāji un politikas veidotāji, lai pieņemtu pamatotus lēmumus par zemes izmantošanu, lauksaimniecību, mežsaimniecību, dabas resursu pārvaldību un vides monitoringu.

Normalizētais mitruma indekss

Publicēts dementievgeopard

Skaits GeoPard atbalstītie veģetācijas indeksi nepārtraukti aug. GeoPard komanda ievieš normalizēto mitruma starpības indeksu (NDMI). Indekss nosaka veģetācijas ūdens saturu un normalizēto mitruma starpības indeksu (NDWI). Tas ir noderīgi, lai atrastu vietas ar esošiem ūdens stress augos.

Zemākas NDMI vērtības iezīmē vietas, kur augi ir pakļauti stresam nepietiekama mitruma dēļ.
No otras puses, zemākas normalizētās starpības ūdens indeksa vērtības pēc veģetācijas maksimuma izceļ vietas, kas kļūst gatavs ražas novākšanai pirmais.

Veģetācijas relatīvā ūdens satura atšķirība starp diviem satelītattēliem (šajā gadījumā Sentinel-2 zvaigznāju)

Veģetācijas relatīvā ūdens satura atšķirība starp diviem satelītattēliem (šajā gadījumā Sentinel-2 zvaigznāju)

Turpmākajos ekrānuzņēmumos var atrast NDMI zonas, kas ģenerētas, pamatojoties uz 19. jūnija (veģetācijas maksimuma) un 6. jūlija satelītattēliem, un vienādojumu karti, kas attēlo NDMI starpību.

Normalizēts mitruma indeksa starpības aprēķins uz Planet/Sentinel-2/Landsat attēlaNDMI aprēķināts uz planētas virsmas / Sentinel-2 / Landsat attēls

Kas ir mitruma indekss?

Tas ir mērījums vai aprēķins, ko izmanto, lai novērtētu mitruma saturu vai pieejamību noteiktā apgabalā vai reģionā. To parasti iegūst no dažādiem vides faktoriem, piemēram, nokrišņiem, iztvaikošanas, augsnes īpašībām un veģetācijas seguma.

Tas sniedz relatīvu norādi par apgabala mitrumu vai sausumu, palīdzot noteikt iespējamu ūdens trūkumu vai sausuma apstākļus.

Tas ir vērtīgs instruments ūdens resursu uzraudzībai un pārvaldībai, lauksaimniecības plānošanai un konkrēta reģiona ekoloģisko apstākļu izpratnei.

Kas ir normalizētais mitruma indeksa starpība?

Normalizētais mitruma starpības indekss (NDMI) ir veģetācijas indekss, kas iegūts no tālizpētes datiem, lai novērtētu un uzraudzītu veģetācijas mitruma saturu. Tāpat kā citi veģetācijas indeksi, tas tiek aprēķināts, izmantojot spektrālās atstarošanas vērtības no satelīta vai aerofotoattēliem.

Tas ir īpaši noderīgi augu ūdens stresa uzraudzībā, sausuma apstākļu novērtēšanā, ugunsgrēku riska aprēķināšanā un klimata pārmaiņu ietekmes uz veģetāciju izpētē.

To aprēķina, izmantojot tuvā infrasarkanā (NIR) un īsviļņu infrasarkanā (SWIR) diapazona diapazonus, kas ir jutīgi pret mitruma saturu veģetācijā. NDMI formula ir:

NDMI = (tuvākais starojums – SWIR) / (tuvākais starojums + SWIR)

NDWI vērtības parasti svārstās no -1 līdz 1, kur augstākas vērtības norāda uz augstāku veģetācijas mitruma saturu, bet zemākas vērtības - uz zemāku mitruma saturu vai ūdens stresu veģetācijā. Negatīvas NDMI vērtības var būt saistītas ar apgabaliem bez veģetācijas vai apgabaliem ar ļoti zemu mitruma saturu.

Kas ir NDWI?

NDWI jeb normalizēts diferenciālais ūdens indekss ir tālizpētes indekss, ko izmanto, lai kvantitatīvi noteiktu un novērtētu ūdens saturu vai ar ūdeni saistītas iezīmes veģetācijā vai ainavās.

To aprēķina, analizējot tuvā infrasarkanā un zaļās gaismas joslu atstarošanos no satelīta vai aerofotoattēliem. Tas ir īpaši noderīgi ūdenstilpņu identificēšanai, ūdens pieejamības izmaiņu uzraudzībai un veģetācijas veselības novērtēšanai.

Salīdzinot dažādu viļņu garumu absorbciju un atstarošanos, tas sniedz vērtīgu informāciju tādām lietojumprogrammām kā sausuma monitorings, hidroloģiskā analīze un ekosistēmu pārvaldība.

NDMI vizualizācija, lai noteiktu normalizēto ūdens indeksa starpību

NDMI vizualizācija ietver satelīta vai aerofotoattēlu apstrādi, NDMI vērtību aprēķināšanu un rezultātu attēlošanu krāsu kodētā kartē vai attēlā. Tālāk ir norādītas vispārīgās NDMI vizualizācijas darbības.

  • Iegūstiet satelīta vai aerofotoattēlus: Iegūstiet multispektrālus attēlus no satelīta vai gaisa platformas, piemēram, Landsat, Sentinel vai MODIS. Pārliecinieties, vai attēlos ir iekļautas nepieciešamās joslas: tuvais infrasarkanais (NIR) un īsviļņu infrasarkanais (SWIR).
  • Attēlu iepriekšēja apstrāde: Atkarībā no datu avota, iespējams, būs jāveic attēlu iepriekšēja apstrāde, lai labotu atmosfēras, ģeometriskos un radiometriskos kropļojumus. Pārveidojiet attēlā esošos digitālos skaitļus (DN) spektrālās atstarošanas vērtībās.
  • Aprēķiniet NDMI: Katram attēla pikselim izmantojiet NIR un SWIR atstarošanas vērtības, lai aprēķinātu NDMI, izmantojot formulu: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Krāsu kartēšana: Piešķiriet NDMI vērtībām krāsu paleti. Parasti tiek izmantota nepārtraukta krāsu skala, sākot no vienas krāsas (piemēram, sarkanas) zemām NDMI vērtībām (norāda zemu mitruma saturu) līdz citai krāsai (piemēram, zaļai) augstām NDMI vērtībām (norāda augstu mitruma saturu). Krāsu kartes izveidei varat izmantot tādu programmatūru kā QGIS, ArcGIS vai programmēšanas bibliotēkas, piemēram, Python Rasterio un Matplotlib.
  • Vizualizējiet NDMI karti: Izmantojot ĢIS programmatūru, programmēšanas bibliotēku vai tiešsaistes platformu, attēlojiet NDMI karti vai attēlu. Tas ļaus analizēt veģetācijas mitruma satura telpisko sadalījumu un noteikt ūdens stresa vai augsta mitruma zonas.
  • Interpretācija un analīze: Izmantojiet NDWI vizualizāciju, lai novērtētu veģetācijas veselību, uzraudzītu sausuma apstākļus vai novērtētu ugunsgrēku risku. Varat arī salīdzināt normalizētās diferenciālā ūdens indeksa kartes no dažādiem laika periodiem, lai analizētu veģetācijas mitruma satura izmaiņas laika gaitā.

Atcerieties, ka dažādiem programmatūras rīkiem vai programmēšanas bibliotēkām var būt nedaudz atšķirīgas darbplūsmas, taču kopējais process būs līdzīgs. Turklāt varat pārklāt citus datu slāņus, piemēram, zemes izmantošanu, augstumu vai administratīvās robežas, lai uzlabotu analīzi un labāk izprastu attiecības starp veģetācijas mitruma saturu un citiem faktoriem. 

Automatizēta lauku izlūkošana, apvienojot datu slāņus

Publicēts dementievgeopard

GeoPard mums ir modulis, kas paredzēts Automātiski izveidojiet kultūraugu datu izpētes zonas izmantojot elastīgu biznesa un agronomiskās loģikas konfigurāciju.

Tas ļauj kontrolēt milzīgu lauku skaitu un veikt izlūkošanu tikai ārkārtas situācijās.

Biznesa/agronomiskā loģika varētu būt elastīga. Šajā piemērā uzdevumi tiek izveidoti apgabalos, kur jaunākajos satelītattēlos ir redzamas zonas ar augstu vēsturisko lauka potenciālu un zema veģetācija.

Cita lietošanas gadījuma piemērs: Zemas ražas zona (no ražas faila), kas krustojas ar zema pH zonām – lai pielāgotu kaļķa auglības līmeni.

 

Automatizētas kultūraugu datu izpētes zonas ar datu slāņu krustpunktu
Augstas vēsturiskās lauka produktivitātes zonas, kas krustojas ar jaunāko Planet attēla zemas veģetācijas zonām -> Izlūkošanas uzdevumi tiek izveidoti automātiski programmā GeoPard

Ražas tirdzniecības uzņēmumiem un datu modelētājiem vēsturiski stabilāko un augstas ražas zonu krustošanās varētu būt labs rādītājs ražas prognožu ekstrapolēšanai.

Ja esat lauksaimnieks, agronoms vai precīzās lauksaimniecības speciālists, jūs zināt, cik svarīga ir kultūraugu datu izpēte. Tas ir svarīgi, lai uzraudzītu jūsu kultūraugu veselību un identificētu visas iespējamās problēmas, pirms tās kļūst par nopietnām problēmām.

Tomēr tradicionālā kultūraugu izlūkošana var būt laikietilpīga un darbietilpīga. Tieši šeit noder automatizēti izlūkošanas uzdevumi.

GeoPard ir revolucionāra automatizēta precīzās lauksaimniecības programmatūra, kas izmanto uzlabotus algoritmus un satelītattēlus, lai automātiski uzraudzītu jūsu kultūraugus. Ar GeoPard jūs varat viegli iestatīt automatizētus izlūkošanas uzdevumus, kas brīdinās jūs par jebkādām iespējamām problēmām, piemēram, kaitēkļiem, slimībām vai barības vielu trūkumu.

Viena no galvenajām automatizētu izlūkošanas uzdevumu izmantošanas priekšrocībām ir spēja ātri un precīzi identificēt problēmas jūsu kultūraugos. GeoPard izmanto uzlabotus algoritmus, lai analizētu jūsu lauku satelītattēlus, atklājot pat vismazākās izmaiņas jūsu kultūraugos.

Tas nozīmē, ka jūs varat ātri identificēt visas iespējamās problēmas un veikt pasākumus, lai tās novērstu, pirms tās kļūst nopietnākas.

Vēl viena automatizētu izlūkošanas uzdevumu priekšrocība ir iespēja regulāri uzraudzīt kultūraugus. Ar tradicionālo izlūkošanu var būt grūti regulāri apmeklēt laukus un pārbaudīt, vai nav potenciālu problēmu.

Taču ar GeoPard jūs varat iestatīt automatizētus uzdevumus, kas katru dienu vai katru nedēļu uzraudzīs jūsu kultūraugus, sniedzot jums visaptverošāku priekšstatu par to veselību.

GeoPard automatizētie izlūkošanas uzdevumi ir arī pielāgojami, ļaujot tos pielāgot jūsu īpašajām vajadzībām. Varat iestatīt uzdevumus konkrētu problēmu, piemēram, kaitēkļu vai slimību, uzraudzībai vai arī iestatīt uzdevumus konkrētu lauka zonu uzraudzībai. Tas nozīmē, ka varat iegūt nepieciešamo informāciju, lai pieņemtu pamatotus lēmumus par savām kultūrām.

Papildus automatizētajiem izlūkošanas uzdevumiem GeoPard piedāvā arī virkni citu funkciju, kas var palīdzēt pārvaldīt precīzās lauksaimniecības darbības. GeoPard var izmantot, lai plānotu sēšanu un mēslošanu, uzraudzītu augsnes mitruma līmeni un izsekotu ražu.

Kopumā GeoPard automatizētie izlūkošanas uzdevumi ir spēcīgs instruments lauksaimniekiem, agronomiem un precīzās lauksaimniecības speciālistiem. Ar GeoPard jūs varat ātri un vienkārši uzraudzīt savas kultūras un identificēt potenciālas problēmas, palīdzot jums pieņemt labākus lēmumus par savu darbību.

Kas ir kultūraugu izlūkošana?

Kultūraugu izlūkošana ir lauksaimniecības prakse, kas ietver sistemātisku kultūraugu pārbaudi un uzraudzību, lai novērtētu to veselību, augšanu un iespējamās problēmas. Tā parasti ietver fizisku pastaigu pa laukiem vai tādu tehnoloģiju kā dronu vai sensoru izmantošanu datu vākšanai.

Kultūraugu izlūki novēro un vāc informāciju par tādiem faktoriem kā kaitēkļu invāzijas, slimību uzliesmojumi, barības vielu trūkums un nezāļu spiediens.

Šie dati palīdz lauksaimniekiem pieņemt pamatotus lēmumus par kultūraugu apsaimniekošanu, piemēram, mērķtiecīgas apstrādes ieviešanu, mēslošanas līdzekļu lietošanas pielāgošanu vai kaitēkļu apkarošanas stratēģiju ieviešanu. Tam ir izšķiroša nozīme kultūraugu ražas palielināšanā un vispārējās kultūraugu veselības nodrošināšanā.

Kas ir automatizēta kultūraugu datu izpēte?

Automatizēta kultūraugu izlūkošana attiecas uz modernāko tehnoloģiju, tostarp robotikas, bezpilota lidaparātu (UAV), dažādu sensoru un mākslīgā intelekta (MI), izmantošanu, lai novērotu un novērtētu kultūraugu veselību un attīstību lauksaimniecības vidē.

Mērķis ir uzlabot efektivitāti, samazināt izmaksas un racionalizēt kultūraugu apsaimniekošanu, automatizējot uzdevumus, ko tradicionāli veic cilvēku kultūraugu izlūki.

Automatizētas kultūraugu datu izpētes process ietver vairākus posmus, piemēram:

  • Datu vākšana: Bezpilota lidaparāti (UAV) vai sauszemes roboti, kas aprīkoti ar dažādiem sensoriem (piemēram, kamerām, multispektrāliem sensoriem, LIDAR), iegūst informāciju par kultūraugu stāvokli, tostarp augu veselību, kaitēkļu un slimību sastopamību, augsnes īpašībām un barības vielu koncentrāciju.
  • Datu analīzeApkopotie dati pēc tam tiek apstrādāti un pārbaudīti, izmantojot mākslīgo intelektu un mašīnmācīšanās algoritmus, lai atklātu modeļus, neatbilstības un tendences, kas saistītas ar kultūraugu veselību un attīstību.
  • Lēmumu pieņemšana: Datu analīzes rezultātus var izmantot, lai pieņemtu pamatotus lēmumus par kultūraugu apsaimniekošanu, tostarp optimizējot laistīšanu, mēslošanu, kaitēkļu apkarošanu un citas intervences.
  • Rīcība: Lauksaimnieki var īstenot mērķtiecīgus pasākumus, pamatojoties uz automatizētas kultūraugu uzraudzības rezultātā iegūtajām zināšanām, lai risinātu konkrētas problēmas laukā, piemēram, pesticīdus vai barības vielas lietot tikai tur, kur tas nepieciešams, tādējādi samazinot atkritumus un ietekmi uz vidi.

Nodrošinot lauksaimniekiem precīzus datus reāllaikā, tas var ievērojami uzlabot lauksaimniecības produktivitāti un ilgtspējību, ļaujot pieņemt labākus lēmumus un ieviest precīzākas pārvaldības metodes.

Kā noteikt skautu zonu?

Kultūraugu datu izpētes zonu noteikšana ietver saimniecības lauka sadalīšanu mazākās, pārvaldāmākās daļās, pamatojoties uz tādiem aspektiem kā augsnes sastāvs, reljefs, vēsturiskie kultūraugu rezultāti vai citi būtiski faktori.

Mērķis ir izveidot vienādas zonas, kas pārstāv līdzīgus apstākļus, nodrošinot mērķtiecīgāku izlūkošanu, novērošanu un apsaimniekošanas praksi. Šeit ir soli pa solim sniegta metode, kā precīzi noteikt kultūraugu izlūkošanas zonu:

  • Apkopojiet vēsturisko informāciju: Apkopojiet datus par iepriekšējo kultūraugu ražu, augsnes analīžu rezultātiem, kaitēkļu un slimību sastopamību un jebkādu citu būtisku informāciju par lauku. Šie dati var palīdzēt atpazīt apgabalus ar salīdzināmiem apstākļiem vai sniegumu.
  • Apsveriet augsnes sastāvu un reljefu: Izpētiet lauka augsnes tipus un reljefu, lai izprastu dabiskās atšķirības. Dažāds augsnes sastāvs un augstuma līmeņi var ietekmēt kultūraugu augšanu, barības vielu uzsūkšanos un ūdens pieejamību, kas savukārt ietekmē kultūraugu veselību.
  • Izmantojiet tālizpētes tehnoloģiju: Izmantojiet satelīta vai dronu attēlus, lai iegūtu papildu informāciju par lauka apstākļiem, piemēram, veģetācijas indeksus, augsnes mitruma līmeni un temperatūras svārstības. Šī informācija var palīdzēt precizēt izpētes zonas, sniedzot visaptverošāku lauka ainu.
  • Ieviest precīzās lauksaimniecības metodes: Izmantojiet precīzās lauksaimniecības programmatūru, lai apstrādātu un analizētu apkopotos datus. Šie rīki var palīdzēt noteikt modeļus un izveidot uz datiem balstītas izpētes zonas, ņemot vērā tādus faktorus kā kultūraugu veselība, augsnes mainīgums un reljefs.
  • Izveidot izlūkošanas zonasPamatojoties uz datu analīzi, sadaliet lauku mazākās, vienādās zonās, kurām ir līdzīgas pazīmes. Šīm zonām jābūt pārvaldāmām pēc lieluma un pielāgotām jūsu darbības īpašajām prasībām.
  • Regulāri atjauniniet un pielāgojiet: Mainoties apstākļiem un kļūstot pieejamiem jauniem datiem, atkārtoti novērtējiet un modificējiet izlūkošanas zonas, lai nodrošinātu to atbilstību un precizitāti. Tas var ietvert zonu atjaunināšanu, pamatojoties uz jauniem ražas datiem, kaitēkļu un slimību gadījumiem vai citiem faktoriem, kas ietekmē kultūraugu produktivitāti.

Tādējādi, precīzi nosakot un izveidojot kultūraugu izpētes zonu, lauksaimnieki var efektīvāk koncentrēt savus uzraudzības centienus un piemērot mērķtiecīgas pārvaldības prakses, kā rezultātā tiek labāk izmantota resursu izmantošana un uzlabota kultūraugu veselība.

Normalizēts diferenciālais veģetācijas indekss (NDVI) atvieglo lauksaimnieku dzīvi

Publicēts dementievgeopard

Normalizētais diferenciālais veģetācijas indekss (NDVI) ir bieži izmantots rādītājs, lai kvantitatīvi noteiktu veģetācijas blīvumu un veselību. Tā vērtības svārstās no -1 līdz 1, kur negatīvas vērtības norāda uz ūdeni vai kailu augsni, vērtības, kas ir tuvu nullei, norāda uz retu veģetāciju, bet augstākas vērtības norāda uz blīvāku un veselīgāku veģetāciju.

Kas ir normalizētais diferenciālais veģetācijas indekss (NDVI)?

Tā ir metode, kas aprēķina atšķirību starp veģetācijas uztvertās sarkanās gaismas daudzumu un veģetācijas spēcīgi atstarotās tuvās infrasarkanās gaismas daudzumu.

Šīs metodes mērķis ir sniegt kvantitatīvu augu valsts stāvokļa analīzi. Nav tādas situācijas, kurā tās vērtība neietilpst diapazonā no -1 līdz +1. Tomēr nav skaidras robežas starp daudzajiem zemes seguma veidiem, ko var atrast.

Ja skaitļu summa ir mazāka par nulli, ir diezgan ticams, ka attiecīgā viela ir ūdens. Ja iegūtais NDVI rādītājs ir diezgan tuvu pozitīvam, pastāv liela iespēja, ka tā ir tikai cieši sakrautu zaļu lapu kopa. Tas jo īpaši attiecas uz gadījumiem, kad lapas ir blīvi sakrautas kopā.

Zaļām lapām ir lielāka vērtība nekā sarkanām lapām, tāpēc tas tā ir. Iedomājieties uz brīdi, ka tā ir ļoti tuvu nullei.

Šādā situācijā ir maza iespēja, ka tur joprojām ir kādas lapas, un reģions šajā brīdī varētu būt pat urbanizēts. Normalizētais veģetācijas diferenciācijas indikators ir indekss, ko analītiķi izmanto šādās jomās: attālā izpēte lielāko daļu laika.

Kāpēc normalizētais diferenciālais veģetācijas indekss ir noderīgs?

Ir daudz dažādu veģetācijas indeksu, un lielākā daļa no tiem ir salīdzināmi viens ar otru. Tomēr tieši šis indekss tiek izmantots visbiežāk un visplašāk, un tam ir arī būtiska priekšrocība – augsta attēlu izšķirtspēja, kas iegūti no satelītu dati.

Šādos apstākļos NDVI noteikšanai var izmantot kanālus ar desmit metru izšķirtspēju. Atcerieties, ka viens pikselis ir vienāds ar desmit reiz desmit metriem. No otras puses, indeksa izšķirtspēja, kas izmanto papildu gaismas kanālus, proti, sarkano vecumu, var būt divdesmit metri, kur viens pikselis ir vienāds ar divdesmit reiz divdesmit metriem.

Kā tiek aprēķināts NDVI?

To var noteikt, izmantojot šādu vienkāršu matemātisku procedūru, kas neapstrādātu satelīta informāciju pārveido veģetācijas indeksos.

Normalizētā diferenciālā veģetācijas indeksa formula

Vienādojums rada vienu reprezentatīvu skaitli un integrē informāciju, kas ir pieejama sarkanajā un NIR (tuvējā infrasarkanā starojuma) joslās.

Lai to izdarītu, tiek ņemta atstarošanas vērtība visā sarkanajā spektra joslā un atņemta no atstarošanas vērtības visā tuvā infrasarkanā (NIR) joslā. Pēc tam rezultāts tiek dalīts ar kopējo atstarošanas vērtību tuvā infrasarkanā (NIR) un sarkanā viļņu garuma diapazonā.

NDVI novērtējums nekad nebūs vairāk kā pozitīvs un mazāks par negatīvu. Turklāt skaitlis no -1 līdz 0 apzīmē mirušu augu un neorganiskus objektus, piemēram, akmeņus, ceļus un ēkas.

Vienlaikus tā vērtības dzīviem augiem var mainīties no 0 līdz 1, kur 1 apzīmē veselīgāko augu un 0 — neveselīgāko augu. Katram attēla pikselim ir iespējams piešķirt vienu vērtību neatkarīgi no tā, vai šis pikselis apzīmē vienu lapu vai kviešu lauku, kas aptver 500 akrus.

Kā mēs izmantojam normalizēto diferenciālo veģetācijas indeksu?

Pamatoti, to tagad izmanto vairākās dažādās pētniecības jomās. Piemēram, lauksaimniecības jomā to izmanto precīzās lauksaimniecības un biomasas novērtēšanas mērķiem. To izmanto arī mežsaimnieki, lai novērtētu meža resursus, kā arī lapu platības indeksu (LAI).

Turklāt NASA uzskata, ka tas ir uzticams sausuma apstākļu esamības rādītājs. Gan proporcionālais NDVI, gan veģetācijas koncentrācija ir zemāka apgabalos, kur ūdens kalpo kā šķērslis veģetācijas iedzīvošanai.

Tas ir tāpēc, ka ūdens neļauj augu saknēm augt dziļāk augsnē. Tas, ieskaitot cita veida attālā izpēte, realitātē var tikt izmantots ļoti dažādos veidos.

Ko NDVI var pastāstīt par augiem?

Ir svarīgi labi izprast normalizēto starpību. Veģetācijas indekss ir tikai auga veselības stāvokļa norāde un nesniedz nekādu informāciju par noteikta stāvokļa cēloņiem.

Veģetācijas indekss drīzāk ir izpausme, nevis tiešs lauka apstākļu atspoguļojums. Apskatīsim trīs NDVI pielietojumus lauka analīzē:

Kad sākas jauna sezona

Tas ir noderīgi, lai izprastu auga ziemcietību un to, kā tam izdevās izdzīvot.

  • Ja tā vērtība ir mazāka par 0,15, ir diezgan ticams, ka visi augi šajā lauka daļā ir gājuši bojā. Parasti šie skaitļi attiecas uz apstrādātu augsni bez augiem.
  • Vēl viens zema skaitļa piemērs ir 0,15–0,2. Tas varētu liecināt, ka augi sāka gatavoties ziemai agrīnā fenoloģiskajā periodā, pirms augsnes apstrādes stadijas.
  • Rezultāts diapazonā no 0,2 līdz 0,3 ir apmierinošs. Augi, visticamāk, ir sasnieguši aršanas stadiju un atguvuši veģetatīvo stāvokli. 0,3−
  • 0,5 ir pieņemama vērtība. Tomēr ir svarīgi atcerēties, ka augstāki NDVI rādījumi liecina, ka augi pārziemoja vēlākā fenoloģiskajā stadijā. Pieņemsim, ka satelītattēls tika uzņemts pirms veģetācijas atgriešanās normālā stāvoklī. Tādā gadījumā ir svarīgi analizēt teritoriju pēc tam, kad veģetācija turpināja savu normālo formu.
  • Skaitlis, kas lielāks par 0,5, norāda uz anomāliju pēcziemošanas fāzē. Ieteicams pārbaudīt šo lauka zonu.

Rezumējot, ja pamanāt, ka iegūtās vērtības būtiski atšķiras no normas, jums jāpārbauda attiecīgā lauka daļa. Lai vērtības konkrētajā apgabalā tiktu klasificētas kā neparastas, ir nepieciešama liela novirze no normas.

Kad sezona ir pusceļā

Indeksa izmantošana varētu palīdzēt labāk izprast augu attīstību. Iedomājieties, ka rādījumi ir starp mēreniem un augstiem (0,5–0,85). Ir ļoti iespējams, ka šajā konkrētajā apgabala daļā pašlaik nav lielu problēmu.

Ja indekss joprojām ir zemāks nekā tam vajadzētu būt, var būt tādas problēmas kā augsnes ūdens vai barības vielu trūkums. Tomēr jums ir jāveic sava izmeklēšana šajā konkrētajā jomā.

Mēs ģenerējam mainīgas devas lietošanas (VRA) kartes slāpekļa daudzumu, izmantojot normalizēto diferenciālo veģetācijas indeksu. Mēs identificējam reģionus ar veģetācijas indeksiem, kas svārstās no zema līdz augstam.

Pēc tam lauksaimnieks pats var noteikt nepieciešamo mēslojuma daudzumu. Visefektīvākā slāpekļa lietošanas metode ir šāda:

  • Pieņemsim, ka reģiona veģetācijas indekss ir augsts. Tādā gadījumā ieteicamā mēslojuma deva jāsamazina līdz 10 un 30 procentiem no tipiskās devas.
  • Ja veģetācijas indekss ir aptuveni vidējs, ieteicamā mēslojuma deva jāpalielina līdz 20–25 procentiem no tipiskās devas.
  • Ja veģetācijas indekss ir zems, vispirms jānoskaidro, kāpēc tas tā ir.

Lai rekonstruētu lauku lauksaimniecības raža, mēs arī izmantojam šo indeksu. Ar šiem datiem mēs veidojam kartes, kuras var izmantot kālija un fosfātu mēslošanas līdzekļu mainīgas devas lietošanai.

Kad sezona ir beigusies

NDVI indekss ir noderīgs rīks, lai noteiktu, vai lauki ir gatavi ražas novākšanai; jo zemāks indekss, jo tuvāk daļa platības tuvojas posmam, kad tā ir gatava ražas novākšanai. Šādā gadījumā ideāla būtu indeksa vērtība, kas zemāka par 0,25.

NDVI indekss ir noderīgs rīks, lai noteiktu, vai lauki ir gatavi ražas novākšanai.

Sākumā tas ir matemātisks aprēķins, kas tiek veikts pikseli pa pikselim uz attēla, izmantojot ĢIS (ģeogrāfiskās informācijas sistēmas) rīkus. Tas tiek aprēķināts, salīdzinot auga absorbētās un atstarotās sarkanās un tuvās infrasarkanās gaismas daudzumus, un tiek mērīts auga vispārējais veselības stāvoklis.

Normalizēto diferenciālās veģetācijas indeksu var izmantot, lai pētītu zemi visā pasaulē, padarot to par ideāli piemērotu mērķtiecīgiem lauka pētījumiem un valsts vai globālam veģetācijas monitoringam.

Izmantojot NDVI, mēs varam iegūt tūlītēju lauku analīzi, kas ļauj lauksaimniekiem optimizēt platību ražošanas potenciālu, ierobežot to ietekmi uz vidi un pielāgot precīzās lauksaimniecības darbības.

Turklāt, to izpētot kopā ar citiem datu avotiem, piemēram, par laikapstākļiem, varētu sniegt dziļāku ieskatu atkārtotos sausuma, salu vai plūdu modeļos un to ietekmē veģetāciju.

Biežāk uzdotie jautājumi

1. Ko galvenokārt nosaka ar NDVI?

To galvenokārt izmanto, lai noteiktu veģetācijas veselību un blīvumu noteiktā apgabalā. Šo indeksu plaši izmanto lauksaimniecībā, mežsaimniecībā un ekoloģijā, lai uzraudzītu veģetācijas augšanu, novērtētu augu stresa līmeni, identificētu sausuma vai slimību skartās zonas un palīdzētu pieņemt lēmumus par kultūraugu apsaimniekošanu.

2. Kā lasīt NDVI attēlus?

Lai lasītu NDVI attēlus, var interpretēt ar indeksa vērtībām saistīto krāsu skalu. Parasti veselīga veģetācija izskatās zaļa, savukārt mazāk veselīga vai skraja veģetācija izskatās dzeltena vai sarkana.

Tumšāki toņi var norādīt uz apgabaliem ar augstu biomasu, savukārt gaišāki toņi var liecināt par zemāku veģetācijas blīvumu vai kailas augsnes klātbūtni.

Izpratne par analizējamās teritorijas kontekstu, piemēram, konkrēto kultūraugu veidu vai vides apstākļiem, var vēl vairāk palīdzēt interpretēt NDVI attēlus un pieņemt pamatotus lēmumus par lauksaimniecības praksi.

Lauksaimniecības/kultūru ražas datu uzraudzība un aprēķināšana lauksaimniecībā

Publicēts dementievgeopard

Lauksaimniecībā ražas kartēšana ir metode, kas izmanto GPS datus, lai novērtētu faktorus, tostarp saimniecības/kultūraugu ražu un mitruma līmeni konkrētā laukā. To var saukt arī par ražas monitoringu.

Tas tika izveidots 20. gs. deviņdesmitajos gados un izmantoja GPS un taustāmu sensoru, piemēram, spidometru, kombināciju, lai vienlaikus uzraudzītu saimniecības ražu, graudu elevatora veiktspēju un kombaina ātrumu.

Tikmēr ražas monitori ir būtiska daudzu dažādu vietai specifisku apsaimniekošanas stratēģiju sastāvdaļa. Ražas kartes, kas pazīstamas arī kā ražas monitoru vizuālie un analītiskie rezultāti, iedvesmo inovatīvus pētījumus un var sniegt uzticamas atbildes uz pareizi veiktiem eksperimentiem saimniecībā.

Ražas monitori (pazīstami arī kā ražas mērītāji) mēra saražotās ražas daudzumu. Ražas karšu sniegtā atgriezeniskā saite ļauj noteikt kontrolētu resursu, piemēram, mēslojuma un kaļķa, sēklu un pesticīdu, kā arī māksliniecisku metožu, piemēram, augsnes apstrādes, apūdeņošanas un drenāžas, ietekmi.

Ražas monitors ir visefektīvākais, ja to lieto kopā ar kombainu, kas arī ir aprīkots ar diferenciāli koriģētu globālās pozicionēšanas sistēmas (DGPS) uztvērēju.

Ražas monitora datu sistēma vienlaikus reģistrē ražas, graudu mitruma un atrašanās vietas datus. Tie ir pamata kultūraugu ražas dati, kas nepieciešami ražas karšu izveidei.

Ražas kartē būs iekļautas dažādas krāsas un toņi, un katrs no tiem atspoguļos dažādu produktivitātes vai kultūraugu ražošanas diapazonu. Ražas kartes palīdz iegūt labāku izpratni par ražas mainīguma lielumu un pozīciju laukā.

Jāizpēta augsnes īpašības un citi lauka aspekti, jo pastāv mainīguma modeļi. “Ražas kartes apstiprina atmiņas, kas jums vajadzēja būt” ir frāze, kas ir atkārtota vairākas reizes.

Kas ir raža lauksaimniecībā?

Sēklu vai graudu daudzumu, ko var novākt no konkrētas zemes platības, sauc par ražu. Visizplatītākās mērvienības tās noteikšanai ir kilogrami uz hektāru vai bušeļi uz akru.

Izmantojot tādu rādītāju kā vidējā saimniecības raža uz akru, var pārbaudīt lauksaimnieka lauksaimniecisko ražošanu noteiktā laukā noteiktā laika periodā.

Tā kā tas atspoguļo visu agrāro darbinieku ieguldīto darbu un resursu rezultātu augu audzēšanā savos laukos, to uzskata par, iespējams, vissvarīgāko katra lauksaimnieka kompetences rādītāju.

Pastāvīgu un redzamu novāktās ražas uzskaiti var nodrošināt, izmantojot ražas kartes. No otras puses, ražas mainīgums viena gada laikā nesniedz pietiekamu informāciju, lai noteiktu ilgtermiņa produktivitātes modeļus.

Analīzes procesā jāņem vērā tādi mainīgie lielumi kā augsnes auglība, nokrišņu daudzums un nezāļu spiediens.

Pārliecinieties, ka neapstrādātie kultūraugu ražas dati, kas izmantoti karšu izveidei, ir saglabāti vismaz divās dažādās drošās vietās.

Lai gan iepriekš esat izveidojis karti, sākotnējie dati var būt nepieciešami vēlreiz, ieviešot jaunu pārvaldības un lēmumu pieņemšanas programmatūru vai atjauninot datorsistēmas.

Tā kā kļūs pieejami arvien vairāk gadu dati, būs lielāka pārliecība par mainīgumu radošo faktoru izpratni, un vēsturisko datu vērtība strauji pieaugs.

Ilgtermiņa ražošanas uzskaites izpēte var palīdzēt novērtēt augsnes produktivitāti un dzīvotspēju, kā arī kultūraugu audzēšanā izmantoto kultivēšanas metožu piemērotību.

Pat ja augsnes tipu vai augsnes īpašību atšķirības bieži vien ir ražas atšķirību cēlonis laukā, laika apstākļi parasti būtiski ietekmē mainīgumu.

Pirmie trīs līdz pieci ražas datu vākšanas gadi jāuzskata par ierobežotas nozīmes periodu, jo nebūs apkopots pietiekami daudz informācijas, lai ņemtu vērā laikapstākļu izraisīto ražas mainīgumu.

Kā lauksaimniecībā tiek aprēķināta saimniecības/kultūraugu raža?

Parasti lauksaimnieki pirms ražas novērtēšanas saskaita, cik daudz konkrētas ražas ir novākts noteiktā platībā. Pēc tam novāktajai ražai tiek piešķirts svars, un no šī parauga tiek prognozēta visas saimniecības raža.

Pieņemsim, ka kviešu audzētājs uz vienu kvadrātpēdu iekļuva 30 graudu galviņās, un katrā galviņā bija 24 sēklas. Ja viņi pieņemtu, ka 1000 graudu svars ir 35 grami, tad raža, kas aprēķināta, izmantojot vienkāršo metodi, būtu 30 reizes 24 reizes 35 reizes 0,04356, kas ir vienāds ar 1097 kilogramiem uz akru.

Atkal atcerieties, ka šis aprēķins ir balstīts uz pieņēmumu, ka 1000 graudu svars ir 35 grami. Turklāt, tā kā viens kviešu bušelis sver 27,215 kilogramus, mēs aprēķinājām, ka paredzamā raža būs 40 bušeli uz akru (1097 dalīts ar 27,215).

Termins “raža” var attiekties arī uz auga saražoto sēklu skaitu. Piemēram, ja no viena kviešu grauda iegūtu vēl trīs kviešu graudus, raža būtu 1:3. Termins “lauksaimnieciskā ražošana” dažkārt tiek lietots arī kā sinonīms terminam “saimniecības/ražas raža”.”

Piezīme: Globālajā ekonomikā šie dati ir būtiski, lai noteiktu, vai audzētās kultūras nodrošinās pietiekamu pārtikas daudzumu valsts pārtikas apgādei, dzīvnieku barībai un enerģijas avotiem.

Saimniecības/kultūraugu ražas datu funkcijas

Šeit mēs apspriežam dažas no svarīgākajām lauksaimniecības ražas datu iezīmēm.

Visaptverošākas analīzes

Lai veiktu daudzslāņu analīzi, vispirms ir jāapkopo vairāki datu slāņi vienā kartē un pēc tam jāmeklē saiknes starp dažādiem datu slāņiem.

Izmantojot no satelītattēliem iegūtos veģetācijas indeksus, vajadzētu būt iespējai izveidot kombinētas produktivitātes zonas, topogrāfija, un datus no iekārtām, tostarp ražu, elektriskās īpašības, mitruma līmeni un citus, kā arī agroķīmiskās analīzes rezultātus un 3D kartes.

Automātiska vizualizācija

Lai labāk izprastu lauka mainīgumu un attīstību vadības zonas, neapstrādāts ražas dati vajadzēja pārveidot par vienmērīgi sadalītu gradienta attēlu.

Katru ražas faila raksturlielumu var apskatīt grafiskā veidā, tostarp mitrumu, ražas masu, ražas tilpumu (mitru un sausu), piespiedējspēku, degvielas patēriņu utt.

Kā lauksaimniecībā tiek aprēķināta saimniecības un kultūraugu raža?

Neapstrādātu datu labošana

Unikāls punkts laukā var tikt izlīdzināts (piemēram, strādājot pa daļu no kombinētās hedera, kas ir mazāka par visu tā platumu). Jums vajadzētu būt iespējai pielāgot izolētas zonas un daudzstūrus, vienlaikus ģenerējot saimniecības ražas datus, pamatojoties uz zonām.

Recepšu karšu izveide

Recepšu kartēs ir norādītas ievades devas konkrētām lauka zonām. Šīs kartes tiek iegūtas, izmantojot dažādus telpiskos datus, piemēram, augsnes barības vielu koncentrāciju un vēsturisko ražu.

Noslēguma piezīmes

Ražas mainīgumu ir iespējams ilustrēt tikai ar ražas karšu palīdzību. To precizitāte ir tikpat laba, cik dati, kas izmantoti to izveidošanā. Lai apkopotu ticamus datus, monitoru iestatījumiem jābūt pareizi konfigurētiem un bieži pārskatītiem.

Lai izprastu faktorus, kas veicina mainīgumu, jāizmanto kultūraugu ražas dati no kartēm, kā arī dati no augsnes testiem., izlūkošana Jāizmanto piezīmes un citi novērojumi.

Lauksaimnieki ir apgādāti ar nepieciešamo informāciju, lai pieņemtu labākus pārvaldības lēmumus, kam ir pozitīva ietekme uz vidi un kas palielina ražošanu un rentabilitāti. Šīs zināšanas var iegūt, izmantojot konkrētai vietai pielāgotu kultūraugu apsaimniekošanu.

Attālināta kultūraugu uzraudzības sistēma: Kā tā darbojas?

Publicēts dementievgeopard

Attālināta kultūraugu uzraudzības sistēma precīzajā lauksaimniecībā attiecas uz dažādu tehnoloģiju un rīku izmantošanu kultūraugu uzraudzībai un pārvaldībai no attāluma. Šī pieeja izmanto datu vākšanas, analīzes un komunikācijas tehnoloģijas, lai pieņemtu pamatotus lēmumus par kultūraugu veselību, apūdeņošanu, mēslošanu un kopējo saimniecības pārvaldību.

21. gadsimtā, kad viss kļūst digitāls, lauksaimniecība nav atstāta novārtā. Šobrīd, kad lasāt šo rakstu, vairāki lauksaimnieki visā pasaulē jau izmanto tehnoloģijas, lai veiktu dažādus uzdevumus savos laukos, piemēram, uzraudzītu augu mitrumu, augsnes stāvokli, vispārējo veselību, temperatūru un pat daudz ko citu, izmantojot sensorus.

Izmantojot tehnoloģijas, lauksaimnieki gūst priekšrocības, ko sniedz precīza statistika, salīdzinot ar vecajiem laikiem, kad lēmumu pieņemšanai tika izmantotas minējumi un intuīcija. Tas palīdz viņiem pieņemt labākus lēmumus, kas palielina ražu.

Kas ir kultūraugu uzraudzības sistēma?

Kultūraugu monitorings attiecas uz sistemātisku kultūraugu novērošanu, novērtēšanu un datu vākšanu visā to augšanas ciklā.

Tas ietver regulāru un sistemātisku kultūraugu novērošanu, lai apkopotu informāciju par to veselību, augšanu un attīstību.

Tās mērķis ir pieņemt pamatotus lēmumus par kultūraugu apsaimniekošanas praksi, optimizēt resursu izmantošanu un palielināt ražu. Tas parasti ietver šādas darbības:

  • Vizuāla pārbaude
  • Fenoloģiskie novērojumi
  • Augsnes monitorings
  • Laika apstākļu uzraudzība
  • Uz sensoriem balstīta uzraudzība
  • Datu analīze

Uzraugot kultūraugus, lauksaimnieki var proaktīvi risināt problēmas, optimizēt resursu sadali un pieņemt pamatotus lēmumus, lai uzlabotu vispārējo kultūraugu veselību, ražu un rentabilitāti. Tā ir būtiska precīzās lauksaimniecības sastāvdaļa, kas ļauj lauksaimniekiem praktizēt mērķtiecīgu un ilgtspējīgu kultūraugu apsaimniekošanu.

Viedā kultūraugu uzraudzības sistēma: kā tā darbojas?

Tās galvenais mērķis ir nodrošināt, lai lauksaimniecība kļūtu vienkāršāka un ienesīgāka salīdzinājumā ar tradicionālajām metodēm. Sākot ar datu attēlošanu par laukiem un beidzot ar laika prognozēm, tālāk ir sniegta visa informācija par attālinātu kultūraugu uzraudzību un saistītajām tēmām.

Viedā kultūraugu uzraudzības sistēma ietver dažādas tehnoloģijas, lai apkopotu, analizētu un izmantotu datus efektīvai kultūraugu apsaimniekošanai. Šeit ir aprakstīts, kā tā parasti darbojas:

1. Sensora izvietošana

Sistēma vispirms izvieto sensorus laukā. Šie sensori var izmērīt tādus parametrus kā augsnes mitrums, temperatūra, gaisa mitrums, barības vielu līmenis un gaismas intensitāte.

Tie var ietvert arī laikapstākļu sensorus, lai apkopotu datus par nokrišņiem, vēja ātrumu un saules radiāciju. Sensori ir stratēģiski izvietoti visā laukā, lai apkopotu reprezentatīvus datus.

2. Datu vākšana

Izvietotie sensori nepārtraukti vāc datus no lauka. To var izdarīt, izmantojot vadu vai bezvadu savienojumus.

Bezvadu sensori tiek plaši izmantoti, jo tie nodrošina elastību un ērtu izvietošanu. Apkopotie dati tiek nosūtīti uz centrālo sistēmu tālākai apstrādei un analīzei.

3. Datu pārraide

Bezvadu sensori pārraida apkopotos datus uz centrālo mezglu vai vārteju. To var izdarīt, izmantojot dažādas bezvadu sakaru tehnoloģijas, piemēram, mobilo sakaru tīklus, Wi-Fi vai īpašas radio sistēmas. Datu pārraide var notikt reāllaikā vai regulāros intervālos atkarībā no sistēmas konfigurācijas.

4. Datu glabāšana un apstrāde

Apkopotie dati tiek glabāti datubāzē tālākai analīzei. Datiem tiek pielietotas uzlabotas datu apstrādes metodes, tostarp mašīnmācīšanās algoritmi un statistiskie modeļi, lai iegūtu jēgpilnas atziņas un modeļus. Šī analīze palīdz identificēt korelācijas, tendences un anomālijas kultūraugu apstākļos.

5. Lēmumu atbalsts un brīdinājumi

Pamatojoties uz analizētajiem datiem, sistēma sniedz lēmumu atbalstu lauksaimniekiem vai agronomiem. Tā ģenerē brīdinājumus un paziņojumus par kritiskiem notikumiem, piemēram, augsnes mitruma līmeņa pazemināšanos zem noteikta sliekšņa vai kaitēkļu vai slimību klātbūtni.

Šie brīdinājumi tiek piegādāti, izmantojot tīmekļa informācijas paneļus, mobilās lietotnes vai e-pasta/SMS paziņojumus, nodrošinot savlaicīgu iejaukšanos.

6. Vizualizācija un pārskatu sniegšana

Sistēma attēlo analizētos datus lietotājam draudzīgā veidā, izmantojot vizualizācijas un pārskatus. Grafikus, diagrammas un kartes bieži izmanto, lai sniegtu informāciju par kultūraugu veselību, augšanas modeļiem un vides apstākļiem. Tas palīdz lauksaimniekiem viegli interpretēt datus un pieņemt pamatotus lēmumus.

7. Automatizācija un vadība

Dažos gadījumos to var integrēt ar automatizētām apūdeņošanas sistēmām, mēslošanas sistēmām vai tehniku.

Pamatojoties uz apkopotajiem datiem un analīzi, sistēma var automātiski kontrolēt apūdeņošanas grafikus, pielāgot barības vielu lietošanas devas vai aktivizēt kaitēkļu apkarošanas pasākumus.

Šī integrācija ļauj pieņemt uz datiem balstītus lēmumus reāllaikā un precīzi kontrolēt kultūraugu apsaimniekošanas praksi.

Viedās kultūraugu uzraudzības sistēmas galvenais mērķis ir optimizēt resursu izmantošanu, uzlabot kultūraugu produktivitāti un samazināt izmaksas, nodrošinot lauksaimniekiem precīzu un savlaicīgu informāciju lēmumu pieņemšanai. Izmantojot tehnoloģijas, šādas sistēmas mūsdienu lauksaimniecībā nodrošina efektīvāku un ilgtspējīgāku kultūraugu apsaimniekošanas praksi.

Attālinātās kultūraugu uzraudzības sistēmas nozīme

Viens no svarīgākajiem uzdevumiem, kas vienmēr tiek veikts, lai iegūtu labu ražu, ir kultūraugu uzraudzība. Tā kā augi tiek pastāvīgi uzraudzīti, tas nodrošina, ka tie aug vislabākajos apstākļos, un jebkādu anomāliju gadījumā tās tiek savlaicīgi novērstas, tādējādi samazinot postošo gaidāmo ietekmi.

Kā lauksaimniekam vai lauksaimniecības entuziastam ir vērts atzīmēt, ka pašlaik ir obligāti jāgaida labākas, masīvākas un kvalitatīvākas ražas, jo lielākā daļa trūkumu tiek novērsti pietiekami agri.

Kopš kultūraugu uzraudzība ir viena no pamatprasībām labai ražai, tāpēc ir nepieciešama īpaša apmācība. Īpaša apmācība nenozīmē maģistra vai bakalaura grādu, bet tikai to, ka ir jāsaprot, kā koordinēt, uzraudzīt un pat izvērtēt iegūtos rezultātus. Tādējādi jūs varēsiet pieņemt labākus lēmumus, pamatojoties uz precīzu diagnozi un vēlāk iegūt vislabākās kvalitātes ražu.

Izvēloties kultūraugu uzraudzību, jums jāzina, ka papildus invāziju un kaitēkļu izplatības novēršanai, slimības un pat nezāles vienmēr tiek kontrolētas, tāpēc nav postošas ietekmes, kas pazemina ražīgumu un pat galaproduktu kvalitāti.

Vai jūs zināt, ka kultūraugi katru gadu tiek pakļauti dīvainiem draudiem kaitēkļu bioloģisko komponentu mutāciju un transformāciju dēļ, tāpēc, izvēloties vienu līdzīgu apstrādes metodi, jūs kļūdāties un katru reizi jāmaina taktika?

Šī iemesla dēļ kultūraugu uzraudzība tiek uztverta kā nopietns uzdevums, kam nepieciešama lielāka atbildība un ko nevajadzētu noniecināt.

Ikreiz, kad tiek uzraudzīti augļu kultūras, piemēram, bumbieri un pat āboli, izmantojot integrēto kaitēkļu apkarošanas programmu, ieteicams ne tikai sekot līdzi izmaiņām kokos, bet arī pārbaudīt laika apstākļus apgabalā, kas tos ietekmē.

Tas ļauj jums izveidot iespējamo kaitēkļu sarakstu, kas var apdraudēt koku augšanu. Sistemātiska augļu dārza kvartāla vizuālā uzraudzība būs noderīga ikreiz, kad vēlaties samazināt izmaksas un laiku no stādīšanas sezonas līdz ražas novākšanas sezonai.

Klimats un kaitēkļi

Analizējot klimata ietekmi, strīdīgais aspekts ir vienkārši tas, ka daži kaitēkļi var ar to baroties un vēlāk tik ātri kļūt toksiski kultūraugiem. Būtībā lauksaimniecībā daudziem lauksaimniekiem vienmēr trūkst izpratnes, tāpēc viņi pamana, kad ir jau par vēlu, kad viņu kultūraugi jau ir masveidā inficēti ar kaitēkļiem.

Vislabākais ir tas, ka kaitēkļi vienmēr reaģē uz klimatu paredzami, tāpēc var izstrādāt perfektu stratēģiju, lai izvairītos no vēl viena kaitēkļu uzbrukuma un arī novērstu tos nākotnē.

Lai gan monitorings tiek veikts biežāk, dārzeņu un augļu audzētāji par kaitēkļu klātbūtni vai jebkādiem draudiem vienmēr uzzina nedaudz vēlu. Tas parāda, cik svarīgi ir uzraudzīt klimatiskos faktorus, kas galu galā izrādās agrākas kaitēkļu dīgšanas un invāzijas pazīmes.

Bloķēt kultūraugu uzraudzību

Kultūraugu uzraudzībai var izmantot daudzus veidus, un viens no tiem ir vizuālā uzraudzība, izmantojot blokus, kas ļauj analizēt kokus ar līdzīgām īpašībām, pamatojoties uz to šķirni, vecumu un pat fizisko stāvokli.

Vizuālās uzraudzības ideja ir tāda, lai bloki darbotos kā zīmes un tos varētu pētīt kā vienotu veselumu, nevis atsevišķi, jo šo metodi izmanto vairāki lauksaimnieki visā pasaulē un dārzkopības ekspertiem vienmēr ir ierobežots laiks, lai pārskatītu katru no laukā izvietotajiem blokiem.

Attālinātās kultūraugu uzraudzības sistēmas nozīme

Izvēloties piemērotāko bloku, jāpievērš zināma uzmanība. Tas ir tāpēc, ka izvēlētajam blokam ir jābūt visai kaitēkļu vēsturei, lai varētu piemērot labāko ārstēšanu un profilaksi citu koku augšanas aizsardzībai.

Jums nav nepieciešams liels aprīkojums, instrumenti un pat sarežģītas metodes, lai uzraudzītu savas kultūras. Viens no labākajiem veidiem, kā to izdarīt, ir vienkārši veikt rūpīgu un plašu vizuālu pārbaudi, kas ļauj pamanīt dažādus veidus. kaitēkļi atrodas kokos.

To vienmēr var paveikt, izmantojot parastu lēcu, tomēr eksperti vienmēr izmantos sarežģītāku aprīkojumu, piemēram, binokulāro mikroskopu. Tas ļauj viņiem saskaitīt un pat identificēt ērces un tripšus.

Kultūraugu temperatūra

Lai precīzi izmērītu temperatūru, uzraugot kultūraugus, var izvēlēties izmantot vienkāršu termometru, uzzinot vienkāršu informāciju. Papildus tam var izvēlēties izmantot arī maksimālās un minimālās temperatūras termometru, kas ir ļoti izplatīts lauku piegādātāju vidū, un pierakstīt papildu informāciju.

Ir arī vērts atzīmēt, ka termometrs jānovieto augļu dārzā un jānodrošina, lai tas netiktu pakļauts tiešiem saules stariem. Varat arī pievienot datu reģistrētāju, lai reģistrētu precīzāku informāciju par laika apstākļiem.

Datu reģistrētājiem varat izvēlēties arī tādus, kas spēj izmērīt temperatūru, lietu, mitrumu un pat lapu mitrumu.

Lai jūs varētu nolikt malā kokus, kas netiks pētīti, kopā ar tiem blokos, kas kalpos kā indikatori, lai jūs varētu tos atšķirt, jums tie vienkārši jāiezīmē, izmantojot akrila krāsu vai pat līmlenti.

Integrētas kaitēkļu apkarošanas piemērošana nodrošina ziedu, pumpuru un augļu nejaušu atlasi un marķēšanu, lai uzraudzītu katru koku.

Pēc aptuveni vienas līdz divām nedēļām, laikā, kad attīstās augļi, lauksaimniekiem ir jāpavada desmit līdz divdesmit minūtes uz katriem diviem ar pusi akriem, stingri apstrādājot iezīmētos augļus, ziedus un pumpurus, meklējot jebkādas pazīmes, kas varētu liecināt par viena vai pat vairāku kaitēkļu klātbūtni kultūrā.

Ikreiz, kad kultūraugos tiek atrasts kaitēklis, tas ir ātri un detalizēti jāreģistrē žurnālā, kas izveidots tieši šāda veida datiem.

Secinājums

Visa mūsu agronomu komanda ir dažādu lauksaimniecības nozaru profesionāļi, kas spēj sniegt arī uzraudzības pakalpojumus, apvienojot lauka apmeklējumus ar kvantitatīvu un kvalitatīvu novērtējumu un lauksaimniecības kultūru attālinātās uzraudzības sistēmu.

Visas šīs inovatīvās sistēmas ir novērtējumi, kas vērsti uz plašu darbību klāstu, rūpīgi uzraugot kultūraugu attīstību, apkopojot datus un informāciju, kas saistīta ar attiecīgo teritoriju.

Pēc tam mūsu profesionālā komanda rūpīgi analizē šos datus un pēc tam tos iekļauj galīgajā ziņojumā, kas ļauj viņiem pieminēt un novērtēt galvenos faktorus, kas var ietekmēt kultūraugu produktivitāti.

Pamatojoties uz šiem rezultātiem, GeoPard var sniegt jums aptuvenu ražas novākšanas laiku, kā arī ražas apjomu. Tas ļauj klientiem netraucēti uzraudzīt savu kultūraugu ražu, izmantojot jaunākos satelītattēlus. Nosveriet datu slāņus noteiktā vietā, neizmantojot konkrētu objektu.

Datu slāņu salīdzināšana lēmumu pieņemšanai par kultūraugiem

Publicēts dementievgeopard

Lai vizualizētu lauka datus un pieņemtu pamatotus lēmumus, bieži vien ir nepieciešams salīdzināt slāņus vairākos sinhronizētos skatos.

GeoPard lietotnē vienā ekrānā var vizuāli salīdzināt līdz pat četriem datu slāņiem. Visi slāņi darbojas sinhroni, kad pietuvināt/attālināt vai pārvietojat karti savas ērtības labad.

Kā pārslēgties uz dalītā ekrāna režīmu? Atlasiet lauku un noklikšķiniet uz slāņu salīdzināšanas ikonas ekrāna augšējā labajā stūrī. Pēc tam atlasiet jebkurus momentuzņēmumus, lauka kontroles apgabalus vai citus slāņus, kurus vēlaties redzēt vienā ekrānā vienlaikus. Noklikšķiniet uz Salīdzināt slāņus. 

Slāņu salīdzināšanas funkcija sinhronizē kartes, kursorus un tālummaiņas līmeņus. Jums ir arī iespēja pievienot/noņemt slāņus. Pašlaik mēs atbalstām līdz 4 datu slāņiem.

Kas ir datu slāņi precīzajā lauksaimniecībā?

Precīzajā lauksaimniecībā datu slāņi attiecas uz dažādiem datu veidiem, kas tiek apkopoti un analizēti, lai pieņemtu pamatotus lēmumus par kultūraugu apsaimniekošanu. Šie slāņi var ietvert:

  • Augsnes datiInformācija par augsnes īpašībām, piemēram, barības vielu līmeni, pH līmeni un tekstūru, kas var palīdzēt pieņemt lēmumus par mēslošanu un citām augsnes apsaimniekošanas praksēm.
  • Laika apstākļu dati: Dati par pašreizējiem un vēsturiskiem laikapstākļiem, tostarp temperatūru, nokrišņiem un vēju, var palīdzēt lauksaimniekiem pieņemt lēmumus par stādīšanu, apūdeņošanu un citām praksēm.
  • Ražas datiDati par kultūraugu augšanu un veselību, tostarp auga augstumu, lapu platību un hlorofila līmeni, var sniegt informāciju lēmumu pieņemšanai par mēslošanu, apūdeņošanu un kaitēkļu apkarošanu.
  • Ienesīguma datiInformācija par kultūraugu ražu un kvalitāti var palīdzēt lauksaimniekiem pieņemt lēmumus par kultūraugu novākšanu un tirdzniecību.
  • Topogrāfiskie datiInformācija par zemes formu un augstumu var palīdzēt pieņemt lēmumus par stādīšanu un apūdeņošanu, kā arī noteikt teritorijas, kuras varētu būt pakļautas erozijai vai citām vides problēmām.
  • Attālās izpētes dati: No satelītiem, droniem vai citiem tālvadības sensoriem iegūtie dati var sniegt informāciju par kultūraugu veselību, augsnes mitrumu un citiem faktoriem, kas var ietekmēt lēmumus par kultūraugu apsaimniekošanu.

Analizējot un integrējot šos dažādos datu slāņus, lauksaimnieki var pieņemt pamatotākus lēmumus par kultūraugu apsaimniekošanu, tādējādi nodrošinot efektīvāku un ilgtspējīgāku lauksaimniecības praksi.

Apgrieztu rastra datu izmantošana lauksaimniecības uzņēmējdarbībā

Publicēts dementievgeopard

Apgriezti rastra dati, kuru pamatā ir lauka robežas, izklausās ļoti vienkārši. Daži datu avoti ir rastri ar pikseļiem un izšķirtspēju 3m/10m/30m, citi – vektori ar daudzstūriem vai daudzstūriem.

WDRVI apgrieztie rastra dati
Tuvā infrasarkanā starojuma apgrieztā rastra ģeopards

Apgriezto rastra datu precīzas robežas noteikšana ir sarežģīta. Vairums ĢIS un precīzās lauksaimniecības programmatūras pēc noklusējuma nodrošina pikseļotu rastra attēlu. Precīza datu novērtēšana lauka robežas tuvumā palīdz labāk izprast, piemēram, vainaga stāvokli vai slīpuma vērtību. 

Pikselētu rastru piemēri:

Tuvā infrasarkanā starojuma pikseļots rastrs
Tuvā infrasarkanā starojuma pikseļots rastrs
Augstuma pikseļotais rastrs
Augstuma pikseļotais rastrs

Vai to ir iespējams uzlabot un padarīt precīzāku?

Jā, GeoPard to dara un pat padara datus pieejamus tālākai integrācijai, izmantojot API. Daži piemēri:

  • Neapstrādātu (sarkanzaļzilā un tuvā infrasarkanā skatā) satelītattēlu apgriešana, pamatojoties uz lauka robežu:
RGB apgriezts rastrs
GeoPard Agriculture RGB apgrieztais rastrs
Tuvā infrasarkanā starojuma apgrieztais rastrs
GeoPard Agriculture tuvā infrasarkanā starojuma apgrieztais rastrs

 

  • Satelītattēlu apgriešana ar veģetācijas indeksu, piemēram, WDRVI, pamatojoties uz lauka robežu:

 

WDRVI apgrieztais rastrs
GeoPard Agriculture WDRVI apgrieztais rastrs

 

  • Digitālās topogrāfijas datu kopas (augstuma un nelīdzenuma) apgriešana, pamatojoties uz lauka robežu:

 

Augstuma apgrieztais rastrs
GeoPard lauksaimniecības pacēluma apgrieztais rastrs
Nelīdzenuma apgrieztais rastrs
GeoPard Agriculture nelīdzenumu apgrieztais rastrs

Kā tas izskatās GeoPard saskarnē un kā to var integrēt jūsu lauksaimniecības tehnoloģiju risinājumā:

GeoPard Agriculture NIR apgrieztais rastrs
GeoPard Agriculture NIR apgrieztais rastrs
GeoPard lauksaimniecības atbalsta pozīcija
GeoPard lauksaimniecības atbalsta pozīcija
GeoPard Lauksaimniecība WDRVI
GeoPard Lauksaimniecība WDRVI

Mēs, GeoPard, saprotam šādu detaļu vērtību un pastāvīgi strādājam, lai uzlabotu risinājumu.

Kas ir rastra dati?

Rastra dati ir digitālu attēlu datu veids, ko attēlo pikseļu vai šūnu režģis, kur katra šūna atbilst noteiktai atrašanās vietai uz Zemes virsmas. Katram pikselim rastra attēlā ir piešķirta vērtība, kas apzīmē konkrētu šīs atrašanās vietas atribūtu vai raksturlielumu, piemēram, augstumu, temperatūru vai zemes segumu.

To parasti izmanto ģeogrāfiskās informācijas sistēmās (ĢIS) un tālizpētes lietojumprogrammās, lai attēlotu un analizētu dažāda veida telpiskos datus. Tos var apkopot no dažādiem avotiem, tostarp satelītu un aerofotoattēliem, digitālajām kamerām un uz zemes bāzētiem sensoriem.

Tas bieži tiek glabāts dažādos formātos, piemēram, GeoTIFF, JPEG un PNG, kas ir paredzēti datu efektīvai saspiešanai un glabāšanai. ĢIS programmatūru un attēlu apstrādes rīkus var izmantot, lai manipulētu ar datiem un tos analizētu, piemēram, veicot aprēķinus par pikseļu vērtībām vai lietojot filtrus, lai uzlabotu noteiktas funkcijas.

Pielietojuma piemēri ir zemes izmantošanas un zemes seguma kartēšana, veģetācijas izmaiņu analīze laika gaitā un ražas prognozēšana, pamatojoties uz vides faktoriem.

Kā rastra dati tiek izmantoti precīzajā lauksaimniecībā?

Tā ir būtiska precīzās lauksaimniecības sastāvdaļa, jo sniedz detalizētu informāciju par kultūraugu veselību, augsnes īpašībām un vides faktoriem, ko var izmantot, lai pieņemtu pamatotākus lēmumus par kultūraugu apsaimniekošanu. Šeit ir daži piemēri, kā rastra dati tiek izmantoti precīzajā lauksaimniecībā:

  • Kultūraugu veselības analīze: Tālizpētes datus satelītattēlu vai dronu attēlu veidā var izmantot, lai ģenerētu datu slāņus, kas parāda veģetācijas indeksus, piemēram, NDVI (normalizēto veģetācijas diferenciālo indeksu) vai NDRE (normalizēto diferenciālo sarkano malu). Šie indeksi palīdz identificēt lauka zonas ar veselīgu veģetāciju, kā arī zonas, kur kultūraugi varētu būt pakļauti stresam slimību, kaitēkļu vai barības vielu trūkuma dēļ.
  • Augsnes analīze: Augsnes datus, piemēram, augsnes mitruma saturu vai augsnes tekstūru, var apkopot, izmantojot sensorus, kas ģenerē datu slāņus. Šie slāņi var palīdzēt identificēt lauka zonas ar atšķirīgām augsnes īpašībām, kas var informēt par lēmumiem par mēslošanu, apūdeņošanu un citām augsnes apsaimniekošanas praksēm.
  • Vides analīze: Datu slāņus, kas parāda tādus vides faktorus kā temperatūra, nokrišņi un vēja ātrums, var izmantot, lai modelētu kultūraugu augšanu un prognozētu ražu. Šie slāņi var arī palīdzēt identificēt lauka zonas, kas ir pakļautas erozijai, plūdiem vai citām vides problēmām.
  • Mainīgas devas pielietojums: To var izmantot, lai ģenerētu recepšu kartes mainīga daudzuma mēslošanas līdzekļu, piemēram, mēslošanas līdzekļu vai pesticīdu, lietošanai. Pielietojot dažādas devas atbilstoši dažādu lauka platību vajadzībām, lauksaimnieki var samazināt atkritumus un optimizēt kultūraugu augšanu.

Kopumā rastra dati ir ļoti svarīgs instruments precīzajā lauksaimniecībā, jo tie sniedz detalizētu informāciju par kultūraugu un augsnes stāvokli, ko var izmantot, lai pieņemtu pamatotākus lēmumus par kultūraugu apsaimniekošanu.

Kuru veģetācijas indeksu labāk izmantot precīzajā lauksaimniecībā?

Publicēts dementievgeopard

Ir vairāki bieži izmantotie veģetācijas indeksi, tostarp normalizētais diferenciālās veģetācijas indekss (NDVI), plaša dinamiskā diapazona veģetācijas indekss (WDRVI) un zaļā hlorofila indekss (GCI).

  • Kurš veģetācijas indekss atspoguļo vairāk detaļu?
  • Kurš veģetācijas indekss labāk parāda mainību?
  • Vai NDVI ir labākais multispektrālo veģetācijas indeksu saimē?

Jautājumi ir zināmi un rodas ļoti bieži. Izpētīsim tos.

NDVI lauksaimniecības zonu karte
WDRVI lauksaimniecības zonu karte
GCI lauksaimniecības zonu karte
RCI lauksaimniecības zonu karte

Kas ir veģetācijas indekss?

Veģetācijas indekss ir skaitlisks rādītājs, kas, pamatojoties uz tālizpētes datiem, kvantificē veģetācijas daudzumu un stāvokli noteiktā apgabalā.

Veģetācijas indeksus aprēķina, apvienojot dažādas spektra joslas no satelītattēliem vai aerofotogrāfijas, kas atspoguļo augu absorbēto un atstaroto enerģijas daudzumu elektromagnētiskā spektra redzamajā un tuvajā infrasarkanajā apgabalā.

Šie indeksi var sniegt informāciju par veģetācijas veselību, blīvumu un produktivitāti, kas ir noderīga plašam pielietojumu klāstam, tostarp lauksaimniecībā, mežsaimniecībā, zemes apsaimniekošanā un klimata monitoringā.

Kas ir normalizētais diferenciālais veģetācijas indekss?NDVI)?

NDVI (normalizēts diferenciālais veģetācijas indekss) ir visslavenākais un plaši izmantotais nozarēs, kas saistītas ar biomasu un tālizpēti.

NDVI piesātinājums ietekmē precīzu veģetācijas atšķiršanu biomasas maksimuma vietās. Vēl viena problēma ar NDVI ir augsnes trokšņa ietekme uz kultūraugu attīstības sākumposmiem.

To aprēķina, izmantojot satelīta vai gaisa tālizpētes datus, pamatojoties uz divu spektra joslu – tuvā infrasarkanā (NIR) un sarkanās joslas – atstarošanas atšķirību.

NDVI formula ir NDVI = (NIR-sarkanais) / (NIR+sarkanais).

Kur NIR ir atstarošanas koeficients tuvajā infrasarkanajā joslā un Red ir atstarošanas koeficients sarkanajā joslā.

Iegūtā NDVI vērtība svārstās no -1 līdz +1, kur augstākas vērtības norāda uz lielāku veģetācijas blīvumu. Nulles vērtība norāda uz veģetācijas neesamību, savukārt negatīvas vērtības norāda uz ūdenstilpnēm vai citām neapaugušām virsmām.

NDVI vērtības, kas ir tuvas +1, norāda uz blīvu un veselīgu veģetāciju, savukārt vērtības, kas ir tuvākas nullei, norāda uz skraju veģetāciju vai apgabaliem ar ievērojamu stresu vai bojājumiem.

To plaši izmanto lauksaimniecības un ekoloģijas jomā, lai uzraudzītu veģetācijas augšanu, novērtētu ražu un novērtētu mežu un citu ekosistēmu veselību un produktivitāti.

To var izmantot arī sausuma, augsnes erozijas un citu vides faktoru, kas ietekmē veģetācijas segumu, noteikšanai un uzraudzībai.

Piemēram, to aprēķina, atņemot atstarošanas koeficientu tuvajā infrasarkanajā (NIR) joslā no atstarošanas koeficienta sarkanajā joslā un rezultātu dalot ar abu summu. Iegūtā vērtība svārstās no -1 līdz +1, un lielākas vērtības norāda uz augstāku veģetācijas līmeni.

Turklāt ideja par WDRVI (plaša dinamiskā diapazona veģetācijas indekss) tika izveidots, lai atrisinātu NDVI piesātinājuma problēmas. Tas tika panākts, paplašinot iespējamo WDRVI vērtību diapazonu, ieviešot matemātisko koeficientu (α).

NDVI (normalizētā diferenciālā veģetācijas indeksa) izmantošana

NDVI (normalizētā diferenciālā veģetācijas indeksa) formula tika pārveidota par WDRVI = (α∗NIR-Red) / (α∗NIR+Red).

WDRVI (plaša dinamiskā diapazona veģetācijas indekss) un NDVI

Zonas, kas veidotas, pamatojoties uz WDRVI, ir labākas salīdzinājumā ar NDVI zonām. Tomēr tās joprojām nav ideālas pārāk lielas biomasas dēļ. 

GCI (zaļā hlorofila indekss) tiek izmantots, lai novērtētu lapu hlorofila saturu augos, pamatojoties uz tuvā infrasarkanā starojuma un zaļajām joslām. Kopumā hlorofila vērtība tieši atspoguļo veģetāciju.

GCI formula izskatās šādi: GCI = NIR / Green – 1.

GCI (zaļā hlorofila indekss) 

Zonas, kas izveidotas, pamatojoties uz GCI, labāk atšķir vietas ar augstu biomasu, salīdzinot ar NDVI un WDRVI. Sīkāka informācija palīdz precīzāk un efektīvāk pārvaldīt lauku.

RCI (sarkanā hlorofila indekss) ietver tādu pašu hlorofila satura zināšanu bāzi kā GCI un atspoguļo to caur sarkano multispektrālo joslu.

RCI formula izskatās šādi: RCI = NIR / Red – 1.

RCI (sarkanā hlorofila indekss) 

Uz RCI balstītās zonas ir tikpat precīzas kā GCI zonas.

Turpiniet sekot līdzi saviem laukiem un izmantojiet pareizo veģetācijas indeksu īstajā brīdī sezonas laikā. GeoPard platformā pašlaik ir pieejams plašs veģetācijas indeksu klāsts.

Lauksaimniecības zonu operācijas datu vadītai lēmumu pieņemšanai

Publicēts dementievgeopard
karšu salīdzināšana: zonas ar zemu olbaltumvielu saturu un slīpumi: zonas ar zemu olbaltumvielu saturu korelē ar slīpumiem
divu ražas EC un augsnes mitruma karšu salīdzināšana
salīdzinot zemu ražu un lielu augstumu
Šķērsslāņu karšu piemērs apgabaliem ar augstu organisko vielu saturu

ZONU DARBĪBAS DAŽĀDOS SLĀŅOS

Precīzajā lauksaimniecībā lauka datu vākšana un uz datiem balstīta lēmumu pieņemšana ir absolūti nepieciešama. Kā nākamo posmu daudzslāņu analītikas attīstībā un atkarību noteikšanā starp slāņiem mēs ieviešam jaunu moduli “Zonu darbības”. 

Tur var meklēt atkarības starp dažādu lauksaimniecības zonu kartēm, piemēram, vēsturisko veģetāciju, topogrāfiju, ieskaitot tās atvasinājumus, datus no ražas monitoriem, augsnes datus, skeneriem, stabilitātes kartēm utt. Tas ir solis uz priekšu, lai noteiktu visvairāk ietekmētās zonas un izprastu lauka neviendabīguma iemeslus. 

Kā jūs varat identificēt zonas? 

Vispirms atlasiet lauku kartes, kuras vēlaties salīdzināt. Slāņu salīdzināšanas skats ir laba pieeja, lai definētu konkrētas lauksaimniecības zonas analīzei.

Jūs varētu vēlēties salīdzināt apgabalus ar zemu ražas potenciālu un aplaistītām augsnēm, nestabilākās zonas un zemu veģetāciju, zemu elektrovadītspēju un ražu, kā arī pielietotās mēslošanas karti un pašreizējo veģetāciju un citus.

Otrkārt, atzīmējiet konkrētas lauksaimniecības zonas katrā kartē, kuru vēlaties salīdzināt, Zonu darbību modulī. Visbeidzot, atrodiet interesējošo zonu. Ņemiet vērā, ka analīzēs ir iespējams izmantot vairāk nekā divas kartes. 

Kā jūs varat pielietot šīs zināšanas? 

Papildus sakarību atrašanai, kas var palīdzēt izskaidrot ražu, ir iespējams noteikt ražas mērķus noteiktām lauksaimniecības zonām; izpētīt interesantas teritorijas; samazināt ieguldījumus šādās lokalizētās zonās vai izstrādāt ierobežojošo faktoru mazināšanas plānu un izcelt nepietiekami produktīvās teritorijas, zinot pamatcēloņus; izveidot agronomijas plānu, izmantojot VRA praksi. 

Ekrānuzņēmumos ir redzami vairāki lauka ieskatu piemēri. Ņemiet vērā, ka katrs lauks ir unikāls, un tālāk minētie gadījumi negarantē tādu pašu 100% rezultātu jūsu laukam, taču tas ir labs veids, kā sākt izpēti. 

Jūs droši varat dalīties savās agronomiskajās praksēs, komentējot šo ierakstu vai tieši sazinoties ar GeoPard Agriculture komandu. Mēs esam atvērti atsauksmēm, jo mēs izstrādājam risinājumu jūsu vietā, lai labāk izprastu lauka mainīgumu un tā pārvaldību.

wpChatIcon
wpChatIcon

    Pieprasīt bezmaksas GeoPard demonstrāciju / konsultāciju








    Noklikšķinot uz pogas, jūs piekrītat mūsu Privātuma politika. Mums tas ir nepieciešams, lai atbildētu uz jūsu pieprasījumu.

      Abonēt


      Noklikšķinot uz pogas, jūs piekrītat mūsu Privātuma politika

        Nosūtiet mums informāciju


        Noklikšķinot uz pogas, jūs piekrītat mūsu Privātuma politika

        Mēs izmantojam sīkdatnes, lai nodrošinātu jums vislabāko pārlūkošanas pieredzi, personalizētu vietnes saturu, analizētu tās datplūsmu un rādītu atbilstošas reklāmas.
        Skaties mūsu Privātuma politika lai uzzinātu vairāk.

        Pieņemt visus