Satelitné snímky sú jednou z najuniverzálnejších funkcií, ktoré možno implementovať v poľnohospodárskej výrobe s cieľom zlepšiť proces rozhodovania. Rozhodovania na základe veľkého množstva údajov môžu pomôcť farmárom, agronómom alebo poradcom pochopiť situáciu a procesy, ktoré prebiehajú v monitorovaných poľnohospodárskych oblastiach.
Čo je satelitné zobrazovanie?
Satelitné snímkovanie, známe aj ako diaľkový prieskum Zeme, je proces využívania satelitných snímok na zhromažďovanie informácií o zemskom povrchu, atmosfére a oceánoch. Táto technológia zahŕňa použitie satelity vybavené špecializovanými senzormi a kamerami, ktoré dokážu zachytiť snímky Zeme vo vysokom rozlíšení z vesmíru.
Snímky zachytené satelitmi sa dajú použiť na rôzne účely vrátane monitorovania poveternostných podmienok, sledovania zmien v životnom prostredí, mapovania využívania pôdy a vegetácie a posudzovania dopadu prírodných katastrof. Môžu sa tiež použiť na vojenské a spravodajské účely.
Satelitné snímkovanie so svojimi výhodami dokáže zobraziť situácie, ktoré nie je možné vidieť pri bežnom pozorovaní. Pravidelné pozorovania môžu byť veľmi náročné z hľadiska množstva vynaloženej pracovnej sily, financií a času.
Aj pri pravidelných pozorovaniach počas obdobia rastu plodín existuje niekoľko vecí, ktoré nie je možné vidieť voľným okom, ako napríklad skorý vývoj choroba a poškodenie spôsobené škodcami, ktoré v konečnom dôsledku vedie k degradácii chlorofylu na bunkovej úrovni.
Vďaka integrácii a výpočtu spektrálnych pásiem, ktoré sú pre ľudské oko neviditeľné, môžu pestovatelia a poradcovia ľahko vizualizovať degradáciu chlorofylu ešte pred viditeľnými príznakmi poškodenia rastlinami chorobami alebo škodcami.
Tieto výhody monitorovania plodín sú prospešné s dnešnými technológiami, ktoré umožňujú integráciu takýchto informácií do geografických informačných systémov, čo vedie k vytvoreniu rýchleho a kvalitného súboru údajov pripravených na využitie v rozhodovacích procesoch týkajúcich sa poľnohospodárskych výrobných systémov.
Okrem prijímania rozhodnutí založených na informáciách možno satelitné snímky použiť na podávanie správ, vedenie záznamov a integráciu s rôznymi súbormi údajov (modely chorôb a škodcov, mapy výnosov, monitorovanie škodcov, mapy hnojenia atď.) s cieľom vytvoriť ešte funkčnejší systém monitorovania plodín a spôsob, akým farmár alebo iní odborníci vidia priebeh plodín počas ich vegetačného obdobia.
Ako sa satelitné snímky využívajú v poľnohospodárstve?
Obrázky sa dajú použiť na modelovanie a výpočet spektrálnych indexov, ktoré sa neskôr porovnajú a použijú na vizualizáciu vo forme farebnej syntézy, buď vo viditeľnej časti spektra, alebo zahrnutím iných vlnových dĺžok. Správne zvolená farebná syntéza dokáže odhaliť rast plodín, stres alebo stav pôdy. erózia zobrazené rôznymi farbami.
Spektrálne indexy sú kombinácie spektrálneho odrazu dvoch alebo viacerých vlnových dĺžok na zobrazenie zaujímavých prvkov. Indexy plodín sa najčastejšie používajú v poľnohospodárstve, ale indexy sa používajú aj na identifikáciu spálených oblastí, iných umelých charakteristík, vody a iných geologických prvkov.
Medzi užitočné spektrálne indexy v pestovaní plodín patria:
- NDVI (Normalizovaný index rozdielnej vegetácie).
- EVI (Index vylepšenej vegetácie).
- RENDVI alebo NDRE (Index normalizovaných rozdielov vegetácie červeného okraja).
- GNDVI (Index zelenej normalizovanej diferenčnej vegetácie).
- MSI alebo NDWI (Moisture Stress Index).
- LAI (Index listovej plochy).
NDVI je jeden z najpoužívanejších indexov a často sa používa na posúdenie počiatočného stavu plodiny. Iné indexy pracujú s určitými charakteristikami, takže výsledky sú špecifické pre konkrétne poľnohospodárske lokality, je dôležité pracovať s históriou vegetácie pôdy.
NDVI (Normalizovaný index rozdielnej vegetácie)
Tento index je mierou zelenej vegetácie a vo všeobecnosti je najpoužívanejším indexom. Listy odrážajú infračervené svetlo (NIR) a na fotosyntézu používajú iba viditeľné svetlo. To znamená, že zdravú rastlinu s dobrou rýchlosťou fotosyntézy možno analyzovať porovnaním NIR s viditeľným červeným svetlom.
Nezdravá vegetácia bude odrážať viac viditeľného svetla a zníži NIR. Zdravá vegetácia zníži časť viditeľného svetla, ktoré na ňu dopadá. NDVI je však citlivý na vplyvy pôdy (svetlo a farba), oblačnosť a tieň. Hodnoty NDVI môžu byť tiež nesprávne v situácii s hustou vegetáciou.
EVI (Index vylepšenej vegetácie)
Tento index je štandardom pre spektrá so stredným rozlíšením – nástroj používaný na satelitoch Terra a Aqua. EVI predstavuje alternatívu k NDVI, ktorá odráža niektoré jeho nedostatky, napr. pôdne a atmosférické obmedzenia, optimalizáciou odrazivosti listovej vegetácie.
Na korekciu signálu využíva modrú časť viditeľného spektra, čím znižuje účinky vyššie uvedených obmedzení vrátane rozptylu elektromagnetického žiarenia aerosólmi.
RENDVI alebo NDRE (Index normalizovaných rozdielov vegetácie červeného okraja)
Tento index je založený na štandardnom indexe NDVI, ale s úpravami. RENDVI je veľmi užitočný v presnom poľnohospodárstve, monitorovaní lesov a detekcii stresu plodín.
Jeho účinnosť je spôsobená zahrnutím vlnových dĺžok, ktoré spadajú do červeného koncového pásma, a nie vlnových dĺžok, ktoré zodpovedajú hodnote odrazu a absorpcie. Je obzvlášť vhodný na detekciu malých zmien v stave vegetácie.
GNDVI (Index zelenej normalizovanej diferenčnej vegetácie)
Tento index je podobný indexu NDVI a meria odraz svetla v zelenej časti spektra v rozsahu vlnových dĺžok 540 až 570 nanometrov namiesto červenej časti spektra. Vďaka tomu je index citlivejší na obsah chlorofylu v zelených častiach plodín.
MSI (index vlhkostného stresu)
Tento index je citlivý na zvýšenie obsahu vody v listoch. Index MSI sa používa na detekciu stresu z nedostatku vody a je dobrým indikátorom stavu plodín, ktorý sa často používa na modelovanie plodín, analýzu požiarov a fyziológiu ekosystémov. Vysoké hodnoty naznačujú stres z nedostatku vody a nižší obsah vody.
LAI (Index listovej plochy)
Tento index sa používa na odhad listovej plochy a na predpovedanie rastu a výnosu rastlín.
Typy satelitných snímok plodín
| Satelity a poskytovatelia technológií | Typ satelitných snímok | Opakovanie cyklu | Priestorové rozlíšenie |
| Landsat4-9 | RGB, MULTISPEKTÁLNY, PANCHROMATICKÝ | 8 dní | 15, 30, 100 m |
| Sentinel-2, | RGB, MULTISPEKTÁLNY | 5 dní | 10 metrov |
| Rozsah planéty | RGB, MULTISPEKTÁLNY | Denne | 3-4 m |
| Planéta SkySat | PANCHROMATICKÝ, MULTISPEKTÁLNY | Denne | 0,5, 0,71 – 0,82 m |
| Airbus Pleiades | MULTISPEKTÁLNY | Denne | 0,5 m |
| Prosí NEO | PANCHROMATICKÝ, MULTISPEKTÁLNY | 40 minút po požiadaní | 0,3 m |
| ĽADOVÉ OKO | SYNTETICKÝ APETÓRNY RADAR | Denne | 0,25 m |
| Hyperion | HYPERSPEKTRÁLNY | Neuvedené | 30 metrov |
| Hranol | HYPERSPEKTRÁLNY | Neuvedené | 0,3 m |
Prípady použitia satelitného zobrazovania
Tu je niekoľko dôležitých spôsobov využitia satelitných snímok pri monitorovaní plodín:
Termálne snímky
Teplo vyžarované objektmi na úrovni zeme je možné vidieť na termografii zhotovenej zo vzduchu, ktorá tiež odhaľuje teplotné zmeny zodpovedajúce stresu plodín. Odstránenie nepotrebných prvkov, ako napríklad otočného zariadenia, z obrazu pomocou kalibrácie a korekcie obrazu zabraňuje skresleniu údajov.
Chladnejšie oblasti sa na finálnych snímkach zobrazujú fialovo a teplejšie oblasti žlto. Termografia je užitočná pri hľadaní únikov, upchatia a iných problémov so zavlažovaním, pretože voda ochladzuje vegetáciu. Termografia pomáha pestovateľom identifikovať predsymptomatické choroby a škodcov a reagovať včasnejšími a cielenejšími zásahmi odhalením drobných zmien teploty povrchu listov.
Vlhkosť pôdy
Poľnohospodárstvo musí zohľadňovať pôdnu vlhkosť. Pre aplikácie presného poľnohospodárstva (v rozsahu jednotlivých polí) a s očakávaním zlepšenia modelovania výnosov plodín je dostupnosť máp pôdnej vlhkosti s vysokým rozlíšením obzvlášť dôležitá.
Vzhľadom na nízke priestorové rozlíšenie a malú hĺbku pozorovaní sa produkty pôdnej vlhkosti generované zo satelitov doteraz používali len zriedkavo na podporu poľnohospodárskeho rozhodovania na úrovni fariem alebo polí. Ak však dokážu poskytnúť relevantné údaje o prijateľných časových a priestorových rozmeroch, očakáva sa, že pôdna vlhkosť získaná zo satelitov bude mať veľký potenciál.
Rozlíšenie
Satelitné snímky s vysokým rozlíšením z nízkoobrátkových satelitov sa v poslednej dobe stali rozvinutejšími a dostupnejšími, čo poskytuje ďalší potenciál pre aplikácie fenotypizácie. Tento článok ilustruje, ako sa satelitná fotografia používa pri fenotypizácii plodín a poľnohospodárskej produkcii, a identifikuje vlastnosti rastlín, ktoré je možné posúdiť pomocou satelitných údajov s vysokým rozlíšením.
Článok sa zaoberá výhodami používania satelitného fenotypovania v programoch šľachtenia plodín, ako aj jeho nevýhodami, ako je napríklad blokovanie oblačnosťou. Skúma tiež potenciálne využitie satelitného snímania s vysokým rozlíšením ako nástroja fenotypovania v budúcnosti.
Aby sa šľachtitelia rastlín mohli vybrať vysoko výnosné a stresu odolné odrody, ktoré dokážu uspokojiť globálny dopyt po potravinách a zároveň sa vyrovnať so zmenou klímy, možno ako fenotypizačný nástroj na hodnotenie odrôd plodín použiť satelitné snímky s vysokým rozlíšením.
Aplikácie satelitných snímok
GeoPard schopnosti a ponúkajú aplikácie satelitného zobrazovania používateľom vizualizovať, normalizovať, analyzovať a získavať poznatky priamo z poľnohospodárskych pozemkov s cieľom zlepšiť produkciu plodín. Toto využitie údajov je možné dosiahnuť pomocou hotových algoritmov GeoPard alebo vytvorením vlastných algoritmov, ktoré budú užitočné pre agronómiu.
Tieto algoritmy umožňujú vyhodnotenie rastu plodín, stresu atď. (pozri fotografiu) alebo dokonca vytváranie máp s predpismi: napríklad mapy aplikácie dusíka VR, mapy aplikácie postrekov na ochranu plodín.
Často kladené otázky
1. Ako získať satelitné snímky pre farmu?
Ak ho chcete získať pre svoju farmu, vyhľadajte poskytovateľov, zaregistrujte sa a získajte prístup k ich databáze alebo portálu. Zadajte polohu svojej farmy a požadované parametre, aby ste získali relevantné obrázky pre monitorovanie poľnohospodárstva.
2. Prečo sú satelitné snímky užitočné pre pochopenie potravinových sietí?
Je užitočná pri pochopení potravinových sietí vďaka svojej schopnosti poskytnúť široký a komplexný pohľad na ekosystémy. Zachytením veľkoplošných snímok pevniny a vodných plôch umožňuje vedcom pozorovať a analyzovať priestorové rozloženie rôznych biotopov a zdrojov.
To zase pomáha pri štúdiu interakcií medzi rôznymi druhmi, identifikácii kľúčových vzťahov v oblasti kŕmenia a pochopení toku energie prostredníctvom potravinových sietí.
Pomáha rozlúštiť zložitú ekologickú dynamiku a prispieva k hlbšiemu pochopeniu fungovania ekosystémov a úsilia o ich ochranu.
3. Aké drahé sú satelitné snímky?
Jeho cena sa líši v závislosti od niekoľkých faktorov. Patria sem poskytovateľ, rozlíšenie, frekvencia snímania a rozsah potrebného pokrytia. Ceny sa môžu pohybovať od cenovo dostupných možností pre snímky s nízkym rozlíšením až po drahšie možnosti pre monitorovanie s vysokým rozlíšením v reálnom čase.
Okrem toho, špecializované služby alebo požiadavky na prispôsobené údaje môžu byť spojené s dodatočnými nákladmi. Odporúča sa preskúmať rôznych poskytovateľov a ich cenové modely, aby ste našli riešenie satelitného zobrazovania, ktoré zodpovedá vašim špecifickým požiadavkám a rozpočtu.
4. Čo sú infračervené satelitné snímky? Ako ich čítať?
Zachytáva infračervené žiarenie vyžarované objektmi a povrchmi na zemskom povrchu. Poskytuje cenné poznatky o teplotných variáciách a tepelných vzorcoch.
Na čítanie infračervených satelitných snímok je potrebné pochopiť, že teplejšie objekty sa na snímke javia jasnejšie, zatiaľ čo chladnejšie objekty sa javia tmavšie. Analýzou týchto teplotných zmien je možné posúdiť formáciu oblakov, identifikovať teplotné rozdiely na súši a vo vode, odhaliť lesné požiare a dokonca monitorovať oceánske prúdy.
Pochopenie farebnej škály a interpretácia úrovní jasu na snímkach pomáha pri získavaní zmysluplných informácií z infračervených satelitných snímok.




Mapovanie dronmi funguje takto: dron je vybavený senzormi, ako sú kamery a laserové skenery, ktoré lietajú nad oblasťou a zachytávajú snímky alebo ju skenujú lasermi v rôznych výškach a uhloch. Zozbierané údaje sa potom spracujú do 3D máp, ktoré si môžete pozrieť na obrazovke počítača alebo smartfónu.
2. Mapy predpisovania hnojív, herbicídov a pesticídov s prieskumom dronmi
Už len jedna stratégia je zastaraná, pretože nielenže plytvá zdrojmi, ale môže tiež ovplyvniť zdravie a vitalitu plodín. Napríklad príliš veľa vody môže zničiť inak zdravú plodinu tým, že zabráni jej koreňom absorbovať kyslík, takže ani zavlažovanie nie je najlepším prístupom k pestovaniu bezchybných plodín. To isté platí pre hnojivá; použitie správneho množstva je pre rast kľúčové, pretože použitie príliš veľkého množstva spôsobuje spálenie koreňov, čo môže zničiť inak zdravé rastliny. Mapovanie dronmi umožňuje rozprašovať postreky iba tam, kde je problém, čím sa znižuje plytvanie zdrojmi a riziko poškodenia zdravých plodín, ktoré nevyžadujú rovnakú starostlivosť. Zatiaľ čo ľudia by nedokázali rozpoznať jedinečné požiadavky každej rastliny vo svojej plodine, technológia prieskumu dronmi to dokáže za pár minút.
3. Posúdenie plodín
Stlačením tlačidla sa spustia prieskumné misie; dron opustí nabíjaciu stanicu odolnú voči poveternostným vplyvom, zhromaždí údaje a nahraje ich. Zistenia dronu, ako aj štúdia detekcie stresu rastlín a účinnosti akýchkoľvek aktuálnych ošetrení alebo úprav, sa dajú použiť na prispôsobenie automatizovaných zavlažovacích systémov. S prieskumnými dronmi na mieste sú možné neustále kontroly stavu.
4. Počet populácií rastlín
Vďaka výkonnej technológii umelej inteligencie dronu je možné identifikovať akúkoľvek odrodu rastlín. To umožňuje určiť celkovú produkciu a celkové straty na začiatku a na konci každej sezóny, čím sa zvyšuje presnosť a povedomie o úspechu vegetačného obdobia.
5. Automatické klasifikácie pomocou snímok z dronov
Snímky z dronu dokážu určiť, nad akým typom poľnohospodárskej pôdy dron prelieta, či je orná, pastvinová alebo zmiešaná. Drony môžu počítať počet plodín a hospodárskych zvierat, ako je uvedené vyššie, aby overili, či sú záznamy aktuálne a či sú zaznamenané akékoľvek straty.
6. Sledovanie plodín
Zdravie plodín nie je vopred určené, pretože vývoj môžu ovplyvniť faktory prostredia. Teplota, vlhkosť, obsah živín a stopových prvkov, prítomnosť hmyzu a chorôb, dostupnosť vody a množstvo slnečného žiarenia sú všetko prvky, ktoré treba zvážiť. Všetky tieto faktory je možné sledovať pomocou rôznych užitočných záťaží dronov a mnohé z týchto nehmotných premenných je možné zvládnuť aplikáciou vody alebo postrekov priamo na potrebné oblasti. Čím zdravšie je okolie plodiny, tým silnejší je jej imunitný systém, a tým zdravšia je – s oveľa väčšou schopnosťou odrážať škodcov a choroby.














