Обнаружение облаков и теней в сельском хозяйстве

Обнаружение облаков и теней — одна из важнейших задач в аналитических решениях для дистанционного зондирования.

Если весь спутниковый снимок имеет разрешение 90%, всё равно существует вероятность 10%, что ваше поле окажется в облачной/теневой зоне. Верно и обратное – многие системы не обрабатывают изображения с облаками выше 70%, хотя оставшиеся 30% могут помочь агроному или фермеру принять правильное решение в течение сезона.

В GeoPard мы решаем эту проблему с помощью нескольких алгоритмов машинного обучения, которые работают с очень высокой точностью.

Мы определяем маску облаков и маску теней на уровне всего изображения, и для каждой пары «поле-изображение» мы рассматриваем, какой процент поля покрыт облаками или тенями от облаков.

В автоматическом анализе мы используем только полностью безоблачные изображения для конкретного поля, что позволяет пользователю с уверенностью принимать решения на основе многолетнего анализа.

Пользователь GeoPard имеет возможность просматривать и даже запускать аналитику самостоятельно, даже на изображениях с частичной облачностью.

Это может быть очень полезно, например, в течение сезона для применения дифференцированного опрыскивания средствами защиты растений на основе последних спутниковых снимков, на которых 101 тонна площади поля находится под облаками. Это означает, что для 901 тонны площади поля решение будет приниматься на основе проверенных данных.

Связанные:  Как спутниковые снимки помогают в мониторинге урожая

Кроме того, пользователи GeoPard могут легко проверять исходные изображения на региональном уровне в ближнем инфракрасном диапазоне, что помогает отличать чистую местность от облаков и теней (см. прилагаемое изображение).

Фильтр облачных данных в пользовательском интерфейсе находится в верхнем меню модуля “Спутниковый мониторинг”, см. прикрепленные скриншоты.

Следует помнить, что у компаний, занимающихся цифровым сельским хозяйством, по-прежнему могут возникать проблемы с правильным обнаружением облаков и теней. На приложенном скриншоте одна из таких компаний создает карту внесения удобрений в виртуальной реальности на основе данных об облаках и тенях. Поэтому неправильно составленная карта приводит к неправильным агрономическим решениям и, в конечном итоге, к неправильным результатам.

GeoPard с высокой точностью определяет облака и тени и не предлагает принимать решение о переменной ставке налога на основе облаков. Вы всегда можете просмотреть исходные изображения в разных режимах и индексах, а также уменьшить масштаб, чтобы увидеть окружающую картину.

Не все решения одинаковы, выбирайте лучшие варианты, доступные на рынке!

Что такое обнаружение облаков в точном земледелии?

Обнаружение облаков в точном земледелии — это процесс идентификации и мониторинга облачного покрова на сельскохозяйственных угодьях с использованием технологий дистанционного зондирования. Облака могут существенно влиять на сельскохозяйственную практику и урожайность, поэтому их обнаружение и анализ имеют решающее значение для эффективного управления фермерским хозяйством.

Этот метод предполагает использование различных датчиков, таких как спутники, дроны или наземные приборы, для получения изображений сельскохозяйственных полей. Эти датчики собирают данные в виде видимого и инфракрасного света, которые затем анализируются для определения наличия и характеристик облаков.

В точном земледелии его основная цель — оценка пространственного и временного распределения облаков над сельскохозяйственными угодьями.

Эта информация помогает фермерам и агрономам принимать обоснованные решения относительно орошения, внесения удобрений, борьбы с вредителями и других методов ведения сельского хозяйства. Понимая закономерности облачного покрова, фермеры могут оптимизировать распределение ресурсов и минимизировать риск повреждения урожая или снижения его урожайности.

Алгоритмы обнаружения облаков анализируют полученные изображения, чтобы различать пиксели, на которых видны облака, и пиксели, на которых облаков нет.

Эти алгоритмы используют различные методы, такие как пороговая обработка, спектральный анализ и машинное обучение, для точной идентификации и классификации облачных образований.

Результаты работы алгоритмов обычно включают процент облачного покрытия, классификацию типов облаков и закономерности движения облаков.

После обнаружения облаков и определения их характеристик фермеры могут использовать эту информацию для внедрения методов точного земледелия.

Например, если над определенным участком поля обнаруживается облако, фермеры могут отложить полив или внесение пестицидов в этом регионе до тех пор, пока облако не пройдет. Синхронизируя сельскохозяйственные работы с движением облаков, фермеры могут оптимизировать использование ресурсов и минимизировать ненужные затраты.

Это особенно полезно в регионах с высокой облачностью или там, где погодные условия быстро меняются. Благодаря непрерывному мониторингу облачности фермеры могут в режиме реального времени адаптировать свои методы ведения сельского хозяйства, внося корректировки в зависимости от текущих погодных условий.

В заключение, обнаружение облаков в точном земледелии играет решающую роль в оптимизации методов ведения сельского хозяйства и управлении ресурсами. Точное определение и мониторинг облачного покрова позволяют фермерам принимать обоснованные решения для повышения урожайности, сокращения потерь ресурсов и снижения рисков, связанных с изменением погодных условий.