Нормализованный разностный индекс влажности

количество Индексы растительности, поддерживаемые GeoPard Растет постоянно. Команда GeoPard представляет нормализованный разностный индекс влажности (NDMI). Этот индекс определяет содержание воды в растительности и нормализованный разностный индекс влажности (NDWI). Он полезен для поиска мест с уже существующей растительностью. водный стресс у растений.

Низкие значения NDMI указывают на участки, где растения испытывают стресс из-за недостатка влаги.
С другой стороны, более низкие значения нормализованного разностного водного индекса после пика растительности указывают на участки, которые становятся... готовы к сбору урожая первый.

Разница в относительном содержании воды в растительности между двумя спутниковыми снимками (в данном случае, созвездия Sentinel-2).

Разница в относительном содержании воды в растительности между двумя спутниковыми снимками (в данном случае, созвездия Sentinel-2).

На следующих скриншотах вы можете увидеть зоны NDMI, сгенерированные на основе спутниковых снимков от 19 июня (пик растительности) и 6 июля, а также карту уравнений, отображающую разницу NDMI.

Нормализованный разностный индекс влажности, рассчитанный на основе изображения Planet / Sentinel-2 / Landsat.Индекс NDMI рассчитан на основе изображений Planet / Sentinel-2 / Landsat.

Что такое индекс влажности?

Это показатель или расчет, используемый для оценки содержания или доступности влаги в определенной области или регионе. Обычно он рассчитывается на основе различных факторов окружающей среды, таких как осадки, испарение, свойства почвы и растительный покров.

Это позволяет получить относительное представление о влажности или сухости местности, помогая выявить потенциальный дефицит воды или засуху.

Это ценный инструмент для мониторинга и управления водными ресурсами, планирования сельскохозяйственной деятельности и понимания экологических условий конкретного региона.

Что такое нормализованный разностный индекс влажности?

Нормализованный разностный индекс влажности (NDMI) — это индекс растительности, рассчитываемый на основе данных дистанционного зондирования для оценки и мониторинга содержания влаги в растительности. Как и другие индексы растительности, он вычисляется с использованием значений спектрального отражения, полученных со спутниковых или аэрофотоснимков.

Этот метод особенно полезен для мониторинга водного стресса у растений, оценки засушливых условий, прогнозирования риска пожаров и изучения воздействия изменения климата на растительность.

Он рассчитывается с использованием ближнего инфракрасного (NIR) и коротковолнового инфракрасного (SWIR) диапазонов, которые чувствительны к содержанию влаги в растительности. Формула для расчета NDMI выглядит следующим образом:

НДМИ = (NIR – SWIR) / (NIR + SWIR)

Значения NDWI обычно варьируются от -1 до 1, при этом более высокие значения указывают на более высокое содержание влаги в растительности, а более низкие — на более низкое содержание влаги или водный стресс у растительности. Отрицательные значения NDMI могут быть связаны с участками без растительности или участками с очень низким содержанием влаги.

Что такое NDWI?

NDWI, или нормализованный разностный водный индекс, — это индекс дистанционного зондирования, используемый для количественной оценки содержания воды или связанных с водой характеристик растительности или ландшафта.

Он рассчитывается путем анализа отражательной способности ближнего инфракрасного и зеленого диапазонов света на спутниковых или аэрофотоснимках. Он особенно полезен для идентификации водоемов, мониторинга изменений доступности воды и оценки состояния растительности.

Сравнивая поглощение и отражение различных длин волн, этот метод предоставляет ценную информацию для таких применений, как мониторинг засухи, гидрологический анализ и управление экосистемами.

Визуализация NDMI для определения нормализованного разностного водного индекса.

Визуализация NDMI включает в себя обработку спутниковых или аэрофотоснимков, вычисление значений NDMI и последующее отображение результатов в виде цветовой карты или изображения. Вот общие шаги для визуализации NDMI:

  • Получите спутниковые или аэрофотоснимки: Получите мультиспектральные изображения со спутника или аэрофотосъемочной платформы, такой как Landsat, Sentinel или MODIS. Убедитесь, что изображения включают необходимые диапазоны: ближний инфракрасный (NIR) и коротковолновый инфракрасный (SWIR).
  • Предварительная обработка изображений: В зависимости от источника данных может потребоваться предварительная обработка изображений для коррекции атмосферных, геометрических и радиометрических искажений. Преобразуйте цифровые значения (DN) на изображении в значения спектральной отражательной способности.
  • Рассчитайте NDMI: Для каждого пикселя изображения используйте значения отражательной способности в ближнем инфракрасном (NIR) и коротковолновом инфракрасном (SWIR) диапазонах для вычисления NDMI по формуле: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Цветовая гамма: Присвойте значениям NDMI цветовую палитру. Обычно используется непрерывная цветовая шкала, от одного цвета (например, красного) для низких значений NDMI (указывающих на низкое содержание влаги) до другого цвета (например, зеленого) для высоких значений NDMI (указывающих на высокое содержание влаги). Для создания цветовой карты можно использовать такие программы, как QGIS, ArcGIS, или программные библиотеки, такие как Rasterio и Matplotlib в Python.
  • Визуализируйте карту NDMI: Отобразите карту или изображение NDMI с помощью программного обеспечения ГИС, библиотеки программирования или онлайн-платформы. Это позволит вам проанализировать пространственное распределение влажности растительности и выявить зоны водного стресса или повышенной влажности.
  • Интерпретация и анализ: Используйте визуализацию NDWI для оценки состояния растительности, мониторинга засушливых условий или оценки риска возникновения пожаров. Вы также можете сравнивать карты нормализованного разностного водного индекса за разные периоды времени, чтобы анализировать изменения содержания влаги в растительности с течением времени.

Помните, что различные программные инструменты или библиотеки программирования могут иметь несколько отличающиеся рабочие процессы, но общий процесс будет схожим. Кроме того, вы можете накладывать другие слои данных, такие как землепользование, высота над уровнем моря или административные границы, чтобы улучшить анализ и лучше понять взаимосвязь между содержанием влаги в растительности и другими факторами. 

Расширенная статистика для зон управления в точном земледелии

Сайт точный расчет статистических данных Это краеугольный камень анализа данных в точном земледелии. GeoPard добавил более детальные статистические расчеты точности к зонам земледелия, созданным на платформе, чтобы гарантировать точность и надежность ваших карт и аналитических выводов, которые вы на них делаете. 

Рассчитываются расширенные статистические данные. по зонам, содержащий следующие атрибуты: минимум и максимум значения индекса растительности (или других атрибутов), медианасреднийстандартное отклонение, и сумма из всех значений в зоне.

Медиана — это среднее значение в наборе данных, упорядоченном по числовому признаку, в отличие от среднего арифметического. Она связана со стандартным отклонением, которое отражает расположение данных вокруг среднего значения.

Низкое стандартное отклонение указывает на то, что данные в данной зоне сгруппированы близко к среднему значению, тогда как высокое стандартное отклонение свидетельствует о том, что данные в зоне более широко распределены вокруг среднего значения.

Атрибут суммы представляет собой просто общую сумму всех значений пикселей в данной зоне. Перед расчетом статистики для ваших зон удаляются все выбросы или аномальные значения, чтобы предотвратить создание вводящей в заблуждение статистики, которая неточно отражает данные вашей зоны. 

После внесения ручных изменений в сельскохозяйственные зоны с помощью инструмента «Объединение/Разделение», Статистические данные по зонам пересчитываются на основе новой геометрии зон.. Это позволяет получить более точное и детальное представление о распределении данных внутри зон и между ними.

Статистика зон управления в GeoPard
Статистика зон управления в GeoPard

Как всегда, GeoPard ценит прозрачность На протяжении всего процесса работы платформы. При агрегировании классифицированных данных по сельскохозяйственным зонам все детали сглаживаются и скрываются без метрик, показывающих, что произошло, поэтому результаты агрегирования данных предоставляются посредством точной статистики.

Также всегда есть возможность вернуться назад и извлечь исходные значения из ваших зон, чтобы перепроверить их или использовать в собственных моделях. Вам никогда не нужно беспокоиться о потере исходных данных в GeoPard.

Статистические данные имеют большое значение для определения точности карт и рассчитываются для сельскохозяйственных зон на основе любого выбранного вами слоя данных, включая данные об урожайности, наземные датчики, спутниковые снимки, топографические данные и многослойные данные. 

GeoPard представляет статистику по зонам в очень понятной и доступной форме, что можно увидеть на примерах изображений ниже.

В GeoPard мы хотим помочь вам принимать взвешенные решения относительно ваших полей, предоставляя вам следующие возможности: Лучший и наиболее полный доступ к статистически точным расчетам мы можем.

Что такое продвинутая статистика?

Расширенная статистика — это раздел статистического анализа, включающий более сложные и изощренные методы, выходящие за рамки базовых статистических методов. Она охватывает ряд статистических моделей и методов, используемых для анализа и интерпретации сложных наборов данных.

К передовым статистическим методам относятся регрессионный анализ, многомерный анализ, анализ временных рядов и экспериментальное проектирование, а также другие. Эти методы позволяют исследователям и аналитикам получать более глубокие знания, выявлять закономерности и взаимосвязи, а также делать более точные прогнозы или принимать обоснованные решения на основе данных.

Анализ данных Geoprospectors / TopsoilMapper

GeoPard способен обрабатывать и анализировать различные типы пространственных данных в сельском хозяйстве. Это пример работы с высокоплотными наборами данных с датчиков, обладающими значительной пространственной изменчивостью, предоставляемыми Geoprospectors GmbH

После импорта данных, полученных с помощью TopsoilMapper, вы можете увидеть 

  • относительное содержание воды
  • глубина взаимодействия с информацией о уплотнении
  • электропроводность на 4 суммарных глубинах
Относительное содержание воды, исходные точки
Относительное содержание воды, исходные точки

Geopard позволяет просматривать точки с исходными значениями и сплошной поверхностью; сравнивать различные слои данных; определять почвенные зоны для зонального отбора проб почвы и анализа вариабельности почв; объединять данные TopsoilMapper с данными, доступными в GeoPard, такими как исторические данные, текущая растительность и высота, в единую карту зон. 

Сравните слои: растительность (WDRVI), карта зон (EC+высота), EC, уплотнение.
Сравните слои: растительность (WDRVI), карта зон (EC+высота), EC, уплотнение.


Интересно узнать, что означают низкие значения EC на карте в виде кривой? Это древнее русло реки, погребенное под землей.

Сравнение слоев данных для принятия решений относительно культур

Для визуализации полевых данных и принятия обоснованных решений часто необходимо сравнивать слои на нескольких синхронизированных видах.

В GeoPard вы можете визуально сравнить до четырех слоев данных на одном экране. Все слои работают синхронно при масштабировании или перемещении карты для вашего удобства.

Как войти в режим разделенного экрана? Выберите поле и нажмите значок сравнения слоев в правом верхнем углу экрана. Затем выберите любые снимки, области управления полем или другие слои, которые вы хотите видеть на одном экране одновременно. Нажмите «Сравнить слои». 

Функция сравнения слоев синхронизирует карты, курсоры, уровни масштабирования. Также у вас есть возможность добавлять/удалять слои. В настоящее время мы поддерживаем до 4 уровней данных.

Что такое слои данных в точном земледелии?

В точном земледелии слои данных относятся к различным типам данных, которые собираются и анализируются для принятия обоснованных решений по управлению посевами. Эти слои могут включать:

  • Данные о почве: Информация о характеристиках почвы, таких как уровень питательных веществ, pH и текстура, которая может помочь в принятии решений о внесении удобрений и других методах управления почвой.
  • Данные о погоде: Данные о текущих и исторических погодных условиях, включая температуру, осадки и ветер, могут помочь фермерам принимать решения о посеве, орошении и других видах деятельности.
  • Данные урожаяДанные о росте и здоровье сельскохозяйственных культур, включая высоту растений, площадь листьев и уровень хлорофилла, могут помочь в принятии решений об удобрении, ирригации и борьбе с вредителями.
  • Данные урожайности: Информация о урожайности и качестве может помочь фермерам принимать решения об уборке и сбыте урожая.
  • Топографические данные: Сведения о форме и рельефе местности могут помочь в принятии решений о посадках и орошении, а также выявить участки, которые могут быть подвержены эрозии или другим экологическим проблемам.
  • Данные дистанционного зондирования: Данные, собранные со спутников, дронов или других дистанционных датчиков, могут предоставить информацию о состоянии посевов, влажности почвы и других факторах, которые могут повлиять на решения по управлению посевами.

Анализируя и интегрируя эти различные слои данных, фермеры могут принимать более обоснованные решения об управлении посевами, что приводит к повышению эффективности и устойчивости методов ведения сельского хозяйства.

Управление сельскохозяйственными зонами для принятия решений на основе данных.

Зональные операции на разных уровнях

В точном земледелии сбор полевых данных и принятие решений на основе данных имеют первостепенное значение. В качестве следующего этапа развития многоуровневой аналитики и выявления зависимостей между уровнями мы представляем новый модуль «Операции в зонах». 

Там можно искать зависимости между картами различных сельскохозяйственных зон, такими как историческая растительность, топография, включая ее производные, данные мониторов урожайности, данные о почве, сканеры, карты стабильности и так далее. Это шаг вперед в определении наиболее затронутых областей и понимании причин неоднородности полей. 

Как можно определить эти районы? 

В первую очередь выберите карты полей, которые вы хотите проанализировать. Для определения конкретных сельскохозяйственных зон для анализа хорошо подойдет режим сравнения слоев.

Возможно, вам захочется сравнить низкий потенциал урожайности и склоны, наиболее нестабильные зоны и низкую растительность, низкую электропроводность и урожайность, карту внесения удобрений и текущую растительность, а также другие факторы.

Во-вторых, в модуле «Операции с зонами» отметьте на каждой карте, которую хотите сравнить, конкретные сельскохозяйственные зоны. И наконец, выберите интересующую вас зону. Обратите внимание, что в анализе можно использовать более двух карт. 

Как можно применить эти знания на практике? 

Помимо выявления взаимосвязей, которые могут помочь объяснить урожайность, можно установить целевые показатели урожайности для определенных сельскохозяйственных зон; исследовать перспективные районы; сократить инвестиции в такие локализованные зоны или разработать план по смягчению ограничивающих факторов и улучшению показателей на неэффективных участках, зная их первопричины; разработать агрономический план с использованием методов вертикального регулирования урожайности. 

На скриншотах представлено несколько примеров анализа данных с полей. Обратите внимание, что каждое поле уникально, и приведенные ниже случаи не гарантируют получения того же результата для вашего поля, но это хороший способ начать расследование. 

Мы будем очень рады, если вы поделитесь своими агрономическими практиками, оставив комментарий к этому посту, или свяжитесь напрямую с командой GeoPard Agriculture. Мы открыты для обратной связи, поскольку создаем решение для вас, чтобы вы лучше понимали изменчивость полей и могли ею управлять.

Качество зон

Почти все зоны управления корректируются. Прежде чем стать картой для внесения удобрений с переменной нормой, это может включать в себя объединение некоторых зон, ручную корректировку в известных местах, добавление дополнительных буферных зон, совместимость сельскохозяйственной техники и т. д.

Мы в команде GeoPard понимаем, что точное определение зон управления природными ресурсами с помощью корректных полигонов позволит значительно сэкономить время в процессе проверки и корректировки зон.

Движок GeoPard делает следующее:

  • автоматически удаляет шум.,
  • автоматически объединяет небольшие многоугольники в ближайшую более крупную зону.,
  • сохраняет только необходимое минимальное количество точек в каждом полигоне зоны.,
  • Обеспечивает совместимость карт VRA с любым сельскохозяйственным оборудованием и техникой.

Помимо автоматической коррекции, инструмент для объединения и разделения зон Вы можете скорректировать карту в соответствии со своими знаниями в данной области и агрономической практикой. 

На рынке представлено множество различных карт от разных поставщиков, но карты GeoPard вам наверняка знакомы.

Зонирование путем объединения и разделения для управления в сельском хозяйстве.

Никто не знает свою область лучше, чем фермер или агроном, работающий в ней много лет. Именно поэтому любая аналитика на основе алгоритмов часто нуждается в проверке и корректировке профессионалом, использующим свои глубокие знания в данной области.

Функция слияния и разделения зон позволяет профессионалу выполнить несколько важных задач: 

  • Разделение многоугольников
  • Объединение многоугольников
  • Присвоить многоугольник или целую зону другому классу

Эти корректировки можно применять к любому слою данных, и это очень полезная функция для подготовки ваших идеальных зон для операций точного земледелия, таких как посев, внесение удобрений или опрыскивание с использованием виртуальной реальности.

Что такое разделение в сельском хозяйстве?

В сельском хозяйстве под разделением поля на различные участки понимается деление поля на части для применения различных методов управления.

Это разделение позволяет фермерам применять различные методы обработки или технологии к каждому участку в зависимости от конкретных потребностей.

Например, фермеры могут разделить поле для внесения различных удобрений, гербицидов или применения разных методов орошения в зависимости от состояния почвы или потребностей культуры.

Разделение ресурсов позволяет целенаправленно и эффективно использовать ресурсы, оптимизируя рост урожая и минимизируя затраты, одновременно решая конкретные задачи в разных областях поля.

Контроль урожая с аналитикой стабильности и производительности

 

Выявление изменений, произошедших в поле за последние 1-2 недели, 1-2 месяца или даже пару лет, помогает получить представление о развитии сельскохозяйственных культур.

Его можно использовать для:

  • Найдите участки с аналогичными показателями за 5-10-20 лет и проведите испытания в местах со схожими условиями, чтобы снизить вероятность ошибок.,
  • отслеживать изменения в течение сезона и оценивать урожайность в период роста.,
  • определить поврежденные участки после стихийного бедствия, болезни или нашествия вредителей и рассчитать площадь поврежденных территорий.,
  • Обнаружить разницу между двумя последними изображениями и контролировать параметры обрезки.
Зоны устойчивости поля

И все это, а также многие другие случаи, охватываются с помощью зон стабильности поля GeoPard. В частности, это позволит получить более глубокое понимание ситуации в сочетании с зонами управления в течение сезона и историческими данными.

Просто выберите свое поле и спутниковые снимки, чтобы отслеживать изменения на них, контролировать посевы и получать информацию о каждом участке вашего поля.

выбор зон устойчивости поля

Сравнение слоев

Ни для кого не секрет, что мы постоянно совершенствуем решение GeoPard Agriculture и повышаем его ценность для пользователей. Просто загляните в раздел “Скоро будет доступно” на нашем сайте. https://geopard.tech чтобы получить представление о некоторых функциях, которые появятся в будущем.

Расстановка приоритетов может быть сложной задачей. В этом случае на помощь приходят обратная связь и демонстрации продукта. Таким образом, мы представили наше решение многим участникам мероприятия. Мировые агротехнологии На саммите в Лондоне нам удалось скорректировать план внедрения и выпустить новую функцию сравнения слоев всего за несколько дней.

Что это такое? Вы можете визуально сравнивать результаты полевой аналитики в режиме разделенного экрана. Для сравнения можно выбрать любые типы слоев: изображения с естественными или инфракрасными цветами, изображения с растительностью, зоны управления в течение сезона или исторические зоны. Для вашего удобства два слоя работают синхронно при увеличении/уменьшении масштаба или перемещении карты.

Как войти в режим разделенного экрана? Выберите свою область и нажмите значок сравнения слоев в верхнем меню. На экране разделенного экрана выберите слой аналитики, используя выпадающий список с возможностью поиска, расположенный вверху.

переключиться в режим разделенного экрана
выбор полевых аналитиков
сравнение полевых аналитиков

Многолетние зоны

Что это значит? Исторические (многолетние) зоны управления формируются на основе архива спутниковых снимков, охватывающего более 30 лет.

Изображения с пиком вегетации в каждый сезон автоматически выбираются в качестве входных данных для анализа. В противном случае каждое такое изображение представляет собой потенциальный файл урожайности за соответствующий год.

 

Исторические (многолетние) зоны управления позволяют получить представление о каждом участке поля.

Как этим можно пользоваться? Анализ схемы развития полевых культур помогает лучше понять сельскохозяйственные угодья и принять правильные решения, используя оптимальные нормы внесения удобрений и средств защиты растений в нужных местах.

Исторические зоны управления могут использоваться в качестве основы для рецептов (Rx) по посеву, внесению удобрений и отбору проб почвы в зависимости от зоны.

Мы поддерживаем все регионы по запросу.

Что такое многолетние зоны?

В точном земледелии многолетние зоны — это определенные участки поля, демонстрирующие устойчивые и различимые закономерности роста и урожайности сельскохозяйственных культур в течение нескольких вегетационных сезонов.

Эти зоны определяются с помощью различных технологий, таких как дистанционное зондирование, GPS-картирование и отбор проб почвы.

Анализируя данные, собранные с помощью этих технологий, фермеры и агрономы могут выявлять закономерности изменчивости на поле и создавать карты, позволяющие отличать участки с высокой урожайностью от участков с более низкими показателями.

Полученная информация может быть использована для оптимизации методов управления посевами, таких как изменение плотности посадки, корректировка норм орошения и внесения удобрений, а также внедрение методов точной уборки урожая.

Они представляют собой ценный инструмент для точного земледелия, поскольку позволяют фермерам принимать обоснованные решения о распределении ресурсов и управлении посевами, что приводит к повышению эффективности, снижению затрат и увеличению урожайности.

Понимая изменчивость характеристик поля и адаптируя методы управления к каждой конкретной зоне, фермеры могут максимально использовать потенциал своих земель и ресурсов.

 

wpChatIcon
wpChatIcon

    Запросить бесплатную демоверсию / консультацию GeoPard








    Нажимая кнопку, вы соглашаетесь с нашими Политика конфиденциальности. Это нам нужно, чтобы ответить на ваш запрос.

      Подписаться


      Нажимая кнопку, вы соглашаетесь с нашими Политика конфиденциальности

        Пришлите нам информацию


        Нажимая кнопку, вы соглашаетесь с нашими Политика конфиденциальности