Как спутниковые снимки помогают в мониторинге урожая

Спутниковые снимки — одна из наиболее универсальных функций, которые можно использовать в сельскохозяйственном производстве для улучшения процесса принятия решений. Принятие решений на основе большого объема данных может помочь фермерам, агрономам или консультантам понять ситуацию и процессы, происходящие на контролируемых сельскохозяйственных полях.

Что такое спутниковая съемка?

Спутниковая съемка, также известная как спутниковое дистанционное зондирование, — это процесс использования спутниковых снимков для сбора информации о поверхности Земли, атмосфере и океанах. Эта технология предполагает использование спутники Оснащен специализированными датчиками и камерами, способными получать изображения Земли высокого разрешения из космоса.

Изображения, полученные со спутников, могут использоваться для самых разных целей, включая мониторинг погодных условий, отслеживание изменений в окружающей среде, картирование землепользования и растительности, а также оценку последствий стихийных бедствий. Они также могут применяться в военных и разведывательных целях.

Спутниковая съемка, благодаря своим преимуществам, позволяет выявлять ситуации, недоступные для обычных наблюдений. Однако регулярные наблюдения могут быть очень трудоемкими с точки зрения количества задействованной рабочей силы, финансирования и времени.

Даже при регулярных наблюдениях в период роста культур, есть ряд вещей, которые нельзя увидеть невооруженным глазом, например, раннее развитие болезнь а также повреждения, вызванные вредителями, которые в конечном итоге приводят к деградации хлорофилла на клеточном уровне.

Благодаря интеграции и расчету спектральных диапазонов, невидимых человеческому глазу, производители и консультанты могут легко визуализировать деградацию хлорофилла до появления видимых симптомов заболеваний или повреждений от вредителей на растениях.

Эти преимущества в мониторинге урожая выгодны при использовании современных технологий, позволяющих интегрировать такую информацию в географические информационные системы, что приводит к созданию оперативного и качественного набора данных, готовых к использованию в процессах принятия решений, касающихся систем сельскохозяйственного производства.

Помимо принятия решений на основе информации, спутниковые снимки могут использоваться для составления отчетов, ведения учета и интеграции с различными наборами данных (модели болезней и вредителей, карты урожайности, (мониторинг вредителей, карты внесения удобрений и т. д.), чтобы создать еще более функциональную систему мониторинга урожая и способ, с помощью которого фермер или другие специалисты смогут отслеживать прогресс посевов в течение периода их роста.

Как спутниковые снимки используются в сельском хозяйстве?

Изображения можно использовать для моделирования и расчета спектральных индексов, которые впоследствии сопоставляются для визуализации в виде цветового синтеза, либо в видимой части спектра, либо с включением других длин волн. Правильно подобранный цветовой синтез может выявить рост растений, стресс или состояние почвы. эрозия Отображается разными цветами.

Спектральные индексы представляют собой комбинации спектрального отражения двух или более длин волн, позволяющие отображать интересующие объекты. Индексы сельскохозяйственных культур чаще всего используются в сельском хозяйстве, но также применяются для идентификации выгоревших участков, других искусственных объектов, водных и других геологических особенностей.

К полезным спектральным индексам в растениеводстве относятся:

• НДВИ (Нормализованный разностный индекс растительности).
• EVI (Улучшенный индекс растительности).
• RENDVI или NDRE (нормализованный разностный индекс растительности по красному краю).
• GNDVI (Зеленый нормализованный разностный индекс растительности).
• MSI или NDWI (индекс влажности).
• LAI (индекс листовой поверхности).

NDVI — один из наиболее часто используемых индексов, применяемый для оценки исходного состояния сельскохозяйственных культур. Другие индексы работают с определенными характеристиками, поэтому результаты специфичны для конкретных сельскохозяйственных участков, и важно учитывать историю растительного покрова.

NDVI (Нормализованный разностный индекс растительности)

Этот индекс измеряет состояние зеленой растительности и, как правило, является наиболее широко используемым. Листья отражают инфракрасный свет (ИК) и используют для фотосинтеза только видимый свет. Это означает, что здоровое растение с хорошей скоростью фотосинтеза можно оценить, сравнивая ИК-излучение с видимым красным светом.

Нездоровая растительность отражает больше видимого света и меньше ближнего инфракрасного излучения. Здоровая растительность уменьшает количество падающего на нее видимого света. Однако индекс NDVI чувствителен к влиянию почвы (свет и цвет), облачности и тени. Кроме того, значения NDVI могут быть неверными в условиях густой растительности.

EVI (Улучшенный индекс растительности)

Этот индекс является стандартом для спектров среднего разрешения – инструмента, используемого на спутниках Terra и Aqua. EVI представляет собой альтернативу NDVI, которая учитывает некоторые его недостатки, например, ограничения, связанные с почвой и атмосферой, путем оптимизации отражательной способности листовой растительности.

В нем используется синяя часть видимого спектра для коррекции сигнала, что снижает влияние вышеупомянутых ограничений, включая рассеяние электромагнитного излучения аэрозолями.

RENDVI или NDRE (нормализованный разностный индекс растительности по красному краю спектра)

Этот индекс основан на стандартном индексе NDVI, но с некоторыми модификациями. RENDVI очень полезен в точном земледелии, мониторинге лесов и выявлении стрессовых состояний сельскохозяйственных культур.

Его эффективность обусловлена включением длин волн, попадающих в красную часть спектра, а не длин волн, соответствующих значениям отражения и поглощения. Он особенно удобен для обнаружения небольших изменений в состоянии растительности.

GNDVI (Зеленый нормализованный разностный индекс растительности)

Этот индекс аналогичен индексу NDVI и измеряет отражение света в зеленой части спектра в диапазоне длин волн от 540 до 570 нанометров, а не в красной части спектра. Это делает индекс более чувствительным к содержанию хлорофилла в зеленых частях сельскохозяйственных культур.

MSI (индекс влажностного стресса)

Этот индекс чувствителен к увеличению содержания воды в листьях. Индекс MSI используется для выявления стресса, вызванного нехваткой воды, и является хорошим индикатором состояния сельскохозяйственных культур, часто используемым для моделирования урожая, анализа пожаров и физиологии экосистем. Высокие значения указывают на водный стресс и низкое содержание воды.

LAI (индекс листовой поверхности)

Этот индекс используется для оценки площади листьев, а также для прогнозирования роста и урожайности растений.

Типы спутниковых снимков сельскохозяйственных культур

Примеры применения спутниковой съемки

Вот несколько важных примеров использования спутниковых снимков в мониторинге сельскохозяйственных культур:

Тепловизионные изображения

Тепло, излучаемое наземными объектами, можно увидеть на тепловизионных снимках, сделанных с воздуха, которые также выявляют колебания температуры, соответствующие стрессу для растений. Удаление с изображения ненужных элементов, таких как поворотное оборудование, посредством калибровки и коррекции изображения предотвращает искажение данных.

На итоговом изображении более холодные участки отображаются фиолетовым цветом, а более теплые — желтым. Тепловизионная съемка полезна для обнаружения протечек, засоров и других проблем с орошением, поскольку вода охлаждает растительность. Тепловизионная съемка помогает фермерам выявлять досимптоматические заболевания и вредителей, а также оперативно и целенаправленно реагировать, обнаруживая мельчайшие изменения температуры поверхности листьев.

Влажность почвы

В сельском хозяйстве необходимо учитывать влажность почвы. Для применения методов точного земледелия (в масштабе отдельных полей) и с учетом ожидаемого улучшения моделирования урожайности сельскохозяйственных культур, наличие карт влажности почвы высокого разрешения имеет особенно важное значение.

Из-за низкого пространственного разрешения и небольшой глубины наблюдений спутниковые данные о влажности почвы до сих пор использовались в сельскохозяйственных исследованиях на уровне отдельных ферм или полей крайне редко. Однако, если спутниковые данные о влажности почвы смогут предоставлять актуальную информацию в приемлемых временных и пространственных рамках, ожидается, что они будут обладать большим потенциалом.

Разрешение

Высокоразрешающая спутниковая съемка с низкоорбитальных спутников в последнее время получила широкое развитие и стала более доступной, открывая новые возможности для применения в фенотипировании. В данной статье показано, как спутниковая фотография используется в фенотипировании сельскохозяйственных культур и в сельскохозяйственном производстве, а также определены характеристики растений, которые можно оценить с помощью высокоразрешенных спутниковых данных.

В статье рассматриваются преимущества использования спутникового фенотипирования в программах селекции сельскохозяйственных культур, а также его недостатки, такие как блокировка облачным светом. Кроме того, исследуются потенциальные возможности применения спутниковых снимков высокого разрешения в качестве инструмента фенотипирования в будущем.

Для того чтобы помочь селекционерам растений выбрать высокоурожайные, стрессоустойчивые сорта, способные удовлетворить глобальный спрос на продовольствие и одновременно справиться с изменением климата, спутниковые снимки высокого разрешения могут быть использованы в качестве инструмента фенотипирования для оценки сортов сельскохозяйственных культур.

Применение спутниковых снимков

ГеоПард возможности и Приложения для спутниковой съемки предлагают Пользователи могут визуализировать, нормализовать, анализировать данные и получать полезную информацию непосредственно с сельскохозяйственных участков для повышения урожайности. Использование этих данных может осуществляться с помощью готовых алгоритмов GeoPard или путем создания собственных алгоритмов, которые будут полезны в агрономии.

Эти алгоритмы позволяют оценивать рост, стресс и т. д. сельскохозяйственных культур (см. фото) или даже создавать карты предписаний: например, карты внесения азота с помощью виртуальной реальности, карты внесения средств защиты растений путем опрыскивания.

Часто задаваемые вопросы

1. Как получить спутниковые снимки для фермы?

Чтобы получить доступ к данным для вашей фермы, найдите поставщиков, зарегистрируйтесь и получите доступ к их базе данных или порталу. Укажите местоположение вашей фермы и необходимые параметры, чтобы получить соответствующие изображения для сельскохозяйственного мониторинга.

2. Почему спутниковые снимки помогают понять пищевые цепи?

Этот метод полезен для понимания пищевых цепей благодаря своей способности предоставлять широкий и всесторонний обзор экосистем. Получая крупномасштабные изображения суши и водоемов, он позволяет ученым наблюдать и анализировать пространственное распределение различных местообитаний и ресурсов.

Это, в свою очередь, помогает изучать взаимодействие между различными видами, выявлять ключевые пищевые связи и понимать поток энергии в пищевых сетях.

Это помогает раскрыть сложные экологические закономерности, способствуя более глубокому пониманию функционирования экосистем и усилий по их сохранению.

3. Насколько дорогостоящи спутниковые снимки?

Стоимость варьируется в зависимости от нескольких факторов. К ним относятся поставщик услуг, разрешение, частота получения изображений и необходимая степень охвата. Цены могут варьироваться от доступных вариантов для изображений низкого разрешения до более дорогих вариантов для изображений высокого разрешения и мониторинга в режиме реального времени.

Кроме того, специализированные услуги или индивидуальные запросы данных могут повлечь за собой дополнительные расходы. Рекомендуется изучить предложения различных поставщиков и их ценовые модели, чтобы найти решение для получения спутниковых снимков, соответствующее вашим конкретным требованиям и бюджету.

4. Что такое инфракрасные спутниковые снимки? Как их интерпретировать?

Он регистрирует инфракрасное излучение, испускаемое объектами и поверхностями на поверхности Земли. Это позволяет получить ценную информацию о колебаниях температуры и тепловых закономерностях.

Для анализа инфракрасных спутниковых снимков необходимо понимать, что более теплые объекты выглядят на изображении ярче, а более холодные — темнее. Анализируя эти температурные колебания, можно оценивать облачность, выявлять различия в температуре суши и воды, обнаруживать лесные пожары и даже отслеживать океанские течения.

Понимание цветовой шкалы и интерпретация уровней яркости на изображениях помогают извлекать значимую информацию из инфракрасных спутниковых снимков.