Zdjęcia satelitarne to jedna z najbardziej wszechstronnych funkcji, które można wdrożyć w produkcji rolnej, aby usprawnić proces podejmowania decyzji. Podejmowanie decyzji w oparciu o dużą ilość danych może pomóc rolnikom, agronomom i doradcom zrozumieć sytuację i procesy zachodzące na monitorowanych polach uprawnych.
Czym jest obrazowanie satelitarne?
Obrazowanie satelitarne, znane również jako teledetekcja satelitarna, to proces wykorzystywania obrazów satelitarnych do gromadzenia informacji o powierzchni Ziemi, atmosferze i oceanach. Technologia ta obejmuje wykorzystanie satelity wyposażonych w specjalistyczne czujniki i kamery, które mogą wykonywać wysokiej rozdzielczości zdjęcia Ziemi z kosmosu.
Zdjęcia rejestrowane przez satelity mogą być wykorzystywane do różnych zastosowań, takich jak monitorowanie wzorców pogodowych, śledzenie zmian w środowisku, mapowanie użytkowania gruntów i roślinności oraz ocena skutków klęsk żywiołowych. Mogą być również wykorzystywane do celów wojskowych i wywiadowczych.
Obrazowanie satelitarne, ze względu na swoje zalety, może stwarzać sytuacje niewidoczne przy regularnej obserwacji. Regularne obserwacje mogą być bardzo wymagające pod względem liczby zaangażowanych pracowników, finansów i czasu.
Nawet przy regularnych obserwacjach przeprowadzanych w okresie wzrostu roślin, istnieje kilka rzeczy, których nie można zobaczyć gołym okiem, takich jak wczesny postęp choroba i uszkodzenia wyrządzone przez szkodniki, które ostatecznie prowadzą do degradacji chlorofilu na poziomie komórkowym.
Dzięki integracji i obliczeniom pasm widmowych niewidocznych dla ludzkiego oka, plantatorzy i doradcy mogą łatwo zwizualizować degradację chlorofilu jeszcze przed pojawieniem się widocznych objawów chorób lub szkodników na roślinach.
Te zalety w monitorowaniu upraw są korzystne w kontekście współczesnych technologii, ponieważ pozwalają na integrację takich informacji z systemami informacji geograficznej, czego efektem jest szybki i wysokiej jakości zbiór danych, gotowych do wykorzystania w procesach decyzyjnych dotyczących systemów produkcji rolnej.
Oprócz podejmowania decyzji w oparciu o informacje, obrazy satelitarne można wykorzystywać do raportowania, prowadzenia dokumentacji i integracji z różnymi zestawami danych (modele chorób i szkodników, mapy plonów, monitoring szkodników, mapy nawożenia itp.), aby stworzyć jeszcze bardziej funkcjonalny system monitorowania upraw i sposób, w jaki rolnik lub inny specjalista może obserwować postęp upraw w okresie ich wzrostu.
Jak zdjęcia satelitarne są wykorzystywane w rolnictwie?
Obrazy mogą służyć do modelowania i obliczania wskaźników widmowych, które następnie są przyrównywane do wizualizacji w formie syntezy kolorów, zarówno w widzialnej części widma, jak i z uwzględnieniem innych długości fal. Prawidłowo dobrana synteza kolorów może ujawnić wzrost upraw, stres lub stan gleby. erozja wyświetlane w różnych kolorach.
Indeksy widmowe to kombinacje odbić widmowych dwóch lub więcej długości fal, które pozwalają na uwidocznienie interesujących cech. Indeksy upraw są najczęściej stosowane w rolnictwie, ale służą również do identyfikacji obszarów wypalonych, innych sztucznych cech, wody i innych formacji geologicznych.
Przydatne indeksy spektralne w produkcji roślinnej obejmują:
- NDVI (Znormalizowany wskaźnik różnicowy roślinności).
- EVI (Wskaźnik Wzmocnionej Roślinności).
- RENDVI lub NDRE (Red Edge Normalized Difference Vegetation Index).
- GNDVI (Zielony Znormalizowany Różnicowy Wskaźnik Roślinności).
- MSI lub NDWI (wskaźnik naprężenia wilgoci).
- LAI (Wskaźnik powierzchni liści).
NDVI jest jednym z najczęściej używanych wskaźników i często służy do oceny początkowego stanu upraw. Inne wskaźniki bazują na określonych cechach, więc wyniki są specyficzne i odnoszą się do konkretnych obszarów rolniczych. Ważne jest, aby uwzględnić historię roślinności lądowej.
NDVI (znormalizowany wskaźnik roślinności różnicowej)
Wskaźnik ten jest miarą zielonej roślinności i jest generalnie najczęściej stosowanym wskaźnikiem. Liście odbijają światło podczerwone (NIR) i wykorzystują wyłącznie światło widzialne do fotosyntezy. Oznacza to, że zdrową roślinę o dobrym tempie fotosyntezy można analizować, porównując NIR z widzialnym światłem czerwonym.
Niezdrowa roślinność odbija więcej światła widzialnego i ma niższy poziom bliskiej podczerwieni (NIR). Zdrowa roślinność redukuje część padającego na nią światła widzialnego. Jednak NDVI jest wrażliwy na wpływ gleby (światła i koloru), zachmurzenia i cienia. Ponadto wartości NDVI mogą być nieprawidłowe w przypadku gęstej roślinności.
EVI (Wskaźnik Wzmocnionej Roślinności)
Ten indeks jest standardem dla widm o średniej rozdzielczości – instrumentu używanego na satelitach Terra i Aqua. EVI stanowi alternatywę dla NDVI, która odnosi się do niektórych jego niedociągnięć, np. ograniczeń glebowych i atmosferycznych, poprzez optymalizację współczynnika odbicia roślinności liściastej.
Wykorzystuje niebieską część widma widzialnego do korekcji sygnału, zmniejszając skutki wyżej wymienionych ograniczeń, łącznie z rozpraszaniem promieniowania elektromagnetycznego przez aerozole.
RENDVI lub NDRE (Red Edge Normalized Difference Vegetation Index)
Ten indeks jest oparty na standardowym indeksie NDVI, ale z pewnymi modyfikacjami. Wskaźnik RENDVI jest bardzo przydatny w rolnictwie precyzyjnym, monitorowaniu lasów i wykrywaniu stresu upraw.
Jego skuteczność wynika z uwzględnienia długości fal mieszczących się w czerwonym paśmie granicznym, a nie długości fal odpowiadających wartościom odbicia i absorpcji. Jest on szczególnie przydatny do wykrywania niewielkich zmian w stanie roślinności.
GNDVI (Zielony Znormalizowany Wskaźnik Roślinności Różnicowej)
Ten indeks jest podobny do indeksu NDVI i mierzy odbicie światła w zielonej części widma w zakresie długości fal od 540 do 570 nanometrów, a nie w czerwonej części widma. Dzięki temu indeks jest bardziej wrażliwy na zawartość chlorofilu w zielonych częściach roślin uprawnych.
MSI (wskaźnik stresu wilgoci)
Wskaźnik ten jest wrażliwy na wzrost zawartości wody w liściach. Wskaźnik MSI służy do wykrywania stresu związanego z niedoborem wody i jest dobrym wskaźnikiem stanu upraw, często wykorzystywanym w modelowaniu upraw, analizie pożarów i fizjologii ekosystemów. Wysokie wartości wskazują na stres wodny i niższą zawartość wody.
LAI (wskaźnik powierzchni liści)
Wskaźnik ten służy do szacowania powierzchni liści oraz przewidywania wzrostu i plonu roślin.
Rodzaje zdjęć satelitarnych upraw
| Dostawcy satelitów i technologii | Rodzaj zdjęć satelitarnych | Powtórz cykl | Rozdzielczość przestrzenna |
| Landsat4-9 | RGB, WIELOWIDMOWY, PANCHROMATYCZNY | 8 dni | 15, 30, 100 metrów |
| Sentinel-2, | RGB, WIELOWIDMOWO | 5 dni | 10 metrów |
| Zakres planet | RGB, WIELOWIDMOWO | Codziennie | 3-4 m |
| Planeta SkySat | PANCHROMATYCZNY, WIELOWIDMOWY | Codziennie | 0,5, 0,71-0,82 m |
| Airbus Pleiades | WIELOSPEKTRALNY | Codziennie | 0,5 m |
| Błaga NEO | PANCHROMATYCZNY, WIELOWIDMOWY | 40 minut po zgłoszeniu żądania | 0,3 m |
| LODOWE OKO | RADAR Z APOREM SYNTETYCZNYM | Codziennie | 0,25 m |
| Hyperion | HIPERSPEKTRALNY | Nie dotyczy | 30 metrów |
| Pryzmat | HIPERSPEKTRALNY | Nie dotyczy | 0,3 m |
Przykłady zastosowań obrazowania satelitarnego
Oto kilka ważnych zastosowań zdjęć satelitarnych w monitorowaniu upraw:
Obrazowanie termiczne
Ciepło emitowane przez obiekty na poziomie gruntu można zaobserwować na zdjęciach termowizyjnych wykonanych z powietrza, które ukazują również wahania temperatury odpowiadające stresowi upraw. Usunięcie zbędnych elementów, takich jak osprzęt obrotowy, z obrazu poprzez kalibrację i korekcję obrazu zapobiega przekłamaniom danych.
Chłodniejsze regiony są oznaczone kolorem fioletowym, a cieplejsze żółtym na końcowym obrazie. Termografia jest pomocna w znajdowaniu przecieków, zatorów i innych problemów z nawadnianiem, ponieważ woda chłodzi roślinność. Termografia pomaga plantatorom w identyfikacji chorób i szkodników przed wystąpieniem objawów oraz w szybszym i bardziej ukierunkowanym reagowaniu, ujawniając drobne zmiany temperatury powierzchni liści.
Wilgotność gleby
Rolnictwo musi uwzględniać wilgotność gleby. W przypadku zastosowań rolnictwa precyzyjnego (w skali poszczególnych pól) i w oczekiwaniu na poprawę modelowania plonów, dostępność map wilgotności gleby o wysokiej rozdzielczości jest szczególnie istotna.
Ze względu na słabą rozdzielczość przestrzenną i niewielką głębokość obserwacji, dane dotyczące wilgotności gleby generowane przez satelity były dotychczas rzadko wykorzystywane do wspomagania decyzji rolniczych na skalę gospodarstw rolnych i pól. Przewiduje się jednak, że dane dotyczące wilgotności gleby pochodzące z satelitów będą miały duży potencjał, jeśli dostarczą istotnych danych o akceptowalnych wymiarach czasowych i przestrzennych.
Rezolucja
Wysokorozdzielcze obrazowanie satelitarne z satelitów niskoorbitalnych stało się ostatnio bardziej rozwinięte i dostępne, co stwarza nowe możliwości zastosowań fenotypowania. Niniejszy artykuł ilustruje, jak fotografia satelitarna jest wykorzystywana w fenotypowaniu upraw i produkcji rolnej, a także identyfikuje cechy roślin, które można ocenić za pomocą danych satelitarnych o wysokiej rozdzielczości.
W artykule omówiono korzyści płynące z wykorzystania fenotypowania satelitarnego w programach hodowli roślin uprawnych, a także wady, takie jak blokowanie chmur. Analizuje się również potencjalne zastosowania obrazowania satelitarnego o wysokiej rozdzielczości jako narzędzia do fenotypowania w przyszłości.
Aby pomóc hodowcom roślin w wyborze odmian o dużej wydajności i odporności na stres, które mogą pomóc w zaspokojeniu światowego zapotrzebowania na żywność, a jednocześnie radzić sobie ze zmianami klimatycznymi, jako narzędzie fenotypowania przy ocenie odmian upraw można wykorzystać zdjęcia satelitarne o wysokiej rozdzielczości.
Zastosowania obrazów satelitarnych
GeoPard możliwości i aplikacje obrazowania satelitarnego oferują Umożliwia użytkownikom wizualizację, normalizację, analizę i wyciąganie wniosków bezpośrednio z działek rolnych w celu poprawy produkcji rolnej. Wykorzystanie danych można zrealizować za pomocą gotowych algorytmów GeoPard lub tworząc własne algorytmy, aby wykorzystać je w agronomii.
Algorytmy te pozwalają na ocenę wzrostu upraw, stresu itp. (patrz zdjęcie), a nawet na tworzenie map recepturowych, na przykład map aplikacji azotu VR, map aplikacji środków ochrony roślin.
Często zadawane pytania
1. Jak zdobyć zdjęcia satelitarne gospodarstwa?
Aby uzyskać go dla swojego gospodarstwa, wyszukaj dostawców, zarejestruj się i uzyskaj dostęp do ich bazy danych lub portalu. Określ lokalizację swojego gospodarstwa i żądane parametry, aby pobrać odpowiednie obrazy do monitoringu rolniczego.
2. Dlaczego zdjęcia satelitarne są pomocne w zrozumieniu sieci pokarmowych?
Jest pomocny w zrozumieniu sieci pokarmowych ze względu na możliwość zapewnienia szerokiego i kompleksowego obrazu ekosystemów. Rejestrując wielkoskalowe obrazy lądów i zbiorników wodnych, pozwala naukowcom obserwować i analizować przestrzenne rozmieszczenie różnych siedlisk i zasobów.
Pomaga to w badaniu interakcji między różnymi gatunkami, identyfikowaniu kluczowych zależności pokarmowych i zrozumieniu przepływu energii w sieciach pokarmowych.
Pomaga zrozumieć złożoną dynamikę ekologiczną, przyczyniając się do głębszego zrozumienia funkcjonowania ekosystemów i wysiłków na rzecz ich ochrony.
3. Jak drogie są zdjęcia satelitarne?
Koszt usługi różni się w zależności od kilku czynników. Należą do nich m.in. dostawca, rozdzielczość, częstotliwość pozyskiwania danych oraz zakres wymaganego pokrycia. Ceny mogą się wahać od przystępnych cenowo opcji obrazowania o niskiej rozdzielczości do droższych opcji o wysokiej rozdzielczości i monitoringu w czasie rzeczywistym.
Dodatkowo, usługi specjalistyczne lub niestandardowe zamówienia danych mogą wiązać się z dodatkowymi kosztami. Zaleca się zapoznanie się z różnymi dostawcami i ich modelami cenowymi, aby znaleźć rozwiązanie z zakresu obrazowania satelitarnego, które odpowiada Państwa indywidualnym potrzebom i budżetowi.
4. Czym są zdjęcia satelitarne w podczerwieni? Jak je czytać?
Rejestruje promieniowanie podczerwone emitowane przez obiekty i powierzchnie na powierzchni Ziemi. Dostarcza cennych informacji o wahaniach temperatury i wzorcach termicznych.
Aby odczytać obraz satelitarny w podczerwieni, należy zrozumieć, że cieplejsze obiekty wydają się jaśniejsze na obrazie, a chłodniejsze – ciemniejsze. Analizując te wahania temperatury, można ocenić formacje chmur, zidentyfikować różnice w temperaturze lądu i wody, wykryć pożary, a nawet monitorować prądy oceaniczne.
Zrozumienie skali kolorów i interpretacja poziomów jasności na obrazach pomagają w wyodrębnieniu znaczących informacji z satelitarnych zdjęć w podczerwieni.




Oto jak działa mapowanie dronami: dron jest wyposażony w czujniki, takie jak kamery i skanery laserowe, które przelatują nad obszarem, rejestrując obrazy lub skanując go laserami na różnych wysokościach i pod różnymi kątami. Zebrane dane są następnie przetwarzane na mapy 3D, które można przeglądać na ekranie komputera lub smartfona.
2. Mapy recepturowe nawozów, herbicydów i pestycydów z wykorzystaniem badań dronem
Tylko jedna strategia jest przestarzała, ponieważ nie tylko marnuje zasoby, ale może również wpływać na zdrowie i witalność upraw. Na przykład zbyt duża ilość wody może zniszczyć zdrowe rośliny, uniemożliwiając ich korzeniom wchłanianie tlenu, więc nawet regularne podlewanie nie jest najlepszym podejściem do uprawy nieskazitelnych plonów. To samo dotyczy nawozów; użycie odpowiedniej ilości ma kluczowe znaczenie dla wzrostu, ponieważ zbyt duża ilość powoduje spalenie korzeni, co może zniszczyć zdrowe rośliny. Mapowanie za pomocą dronów pozwala na rozpylanie oprysków tylko tam, gdzie występuje problem, zmniejszając marnotrawstwo zasobów i ryzyko uszkodzenia zdrowych upraw, które nie wymagają takiego samego traktowania. Podczas gdy ludzie nie byliby w stanie rozpoznać unikalnych potrzeb każdej rośliny w swojej uprawie, technologia badań dronów pozwala to zrobić w ciągu kilku minut.
3. Ocena upraw
Jednym naciśnięciem przycisku rozpoczyna się misja rozpoznawcza; dron opuszcza odporną na warunki atmosferyczne stację ładowania, zbiera dane i przesyła je do sieci. Wyniki uzyskane przez drona, a także analiza wykrywania stresu roślinnego oraz skuteczności wszelkich aktualnie stosowanych zabiegów lub modyfikacji, mogą zostać wykorzystane do dostosowania zautomatyzowanych systemów nawadniania. Dzięki dronom rozpoznawczym na miejscu możliwe są stałe kontrole stanu roślin.
4. Liczenie populacji roślin
Dzięki zaawansowanej technologii sztucznej inteligencji drona można zidentyfikować dowolną odmianę roślin. Pozwala to na określenie całkowitej produkcji i strat na początku i na końcu każdego sezonu, zwiększając precyzję i świadomość sukcesu sezonu wegetacyjnego.
5. Automatyczne klasyfikacje z wykorzystaniem obrazowania drona
Obrazowanie z drona pozwala określić rodzaj gruntów rolnych, nad którymi przelatuje – czy są to grunty orne, pastwiska czy tereny mieszane. Drony mogą również liczyć uprawy i zwierzęta gospodarskie, jak pokazano powyżej, aby zweryfikować aktualność danych i ewentualne straty.
6. Śledzenie upraw
Zdrowie upraw nie jest z góry przesądzone, ponieważ czynniki środowiskowe mogą wpływać na ich rozwój. Należy wziąć pod uwagę temperaturę, wilgotność, zawartość składników odżywczych i pierwiastków śladowych, obecność owadów i chorób, dostępność wody oraz nasłonecznienie. Wszystkie te czynniki można monitorować za pomocą różnych ładunków dronów, a wiele z tych niematerialnych zmiennych można kontrolować, stosując wodę lub opryski bezpośrednio na odpowiednie obszary. Im zdrowsze jest otoczenie uprawy, tym silniejszy staje się jej układ odpornościowy, a tym samym – staje się ona zdrowsza – i ma znacznie większą zdolność do odpierania szkodników i chorób.














