Гіперспектральні зображення для сільського господарства. Грант від землі Північний Рейн-Вестфалія.

Ми раді повідомити, що проєкт “Структура штучного інтелекту для кількісної оцінки властивостей ґрунту з використанням гіперспектральних супутникових знімків” був обраний для часткового фінансування Міністерством навколишнього середовища землі Північний Рейн-Вестфалія та Європейським Союзом у рамках REACT-EU InnovationUmweltwirtschaft.NRW програма. Грант фінансується Європейським фондом регіонального розвитку / Europäischen Fonds für regionale Entwicklung (EFRE).

Використання штучного інтелекту та статистики в цьому проєкті дозволило визначити кореляцію між гіперспектральними даними та даними ґрунту (наприклад, N, pH), що сприяло більш точному та масштабованому підходу до аналізу ґрунту. Майбутній запуск гіперспектральних супутників з частими інтервалами повторного відвідування та безперешкодним доступом до нових зображень без затримок має кілька переваг, особливо в управлінні поживними речовинами для сталого сільського господарства. Технологія допомагає оцінити вміст та доступність поживних речовин у ґрунті, дозволяючи фермерам адаптувати стратегії удобрення. Це призводить до кращого засвоєння поживних речовин рослинами, зменшення впливу на навколишнє середовище та економії коштів.

Що таке гіперспектральне зображення?

Гіперспектральне зображення — це потужний метод дистанційного зондування, який фіксує електромагнітний спектр з високою спектральною роздільною здатністю.

На відміну від традиційних супутникових знімків, які зазвичай складаються з трьох-чотирьох смуг (червоного, зеленого, синього та іноді ближнього інфрачервоного діапазону), гіперспектральні знімки збирають сотні-тисячі вузьких спектральних смуг у видимому, ближньому інфрачервоному та короткохвильовому інфрачервоному діапазонах. Кожна смуга надає унікальну інформацію про властивості поверхні зображуваної області.

Його отримують за допомогою датчиків, встановлених на повітряних або космічних платформах. Ці датчики використовують спектрометри для вимірювання інтенсивності відбитого або випромінюваного випромінювання в кількох вузьких діапазонах.

Збираючи широкий спектр спектральних даних, гіперспектральні датчики можуть виявляти тонкі відмінності в спектральних сигнатурах різних матеріалів, що дозволяє проводити дуже детальний та точний аналіз.

Застосування гіперспектральної зйомки

• Моніторинг навколишнього середовища: Він відіграє життєво важливу роль у моніторингу та оцінці здоров'я екосистем. Він допомагає виявляти стрес рослинності, контролювати зміни земного покриву, виявляти інвазивні види та вимірювати параметри якості води, такі як концентрація хлорофілу або каламутність в озерах та річках.
• Сільське господарство: Це допомагає в точному землеробстві, надаючи детальну інформацію про стан здоров'я врожаю, вміст поживних речовин, рівень вологості та виявлення хвороб. Фермери можуть приймати рішення на основі даних щодо зрошення, удобрення та боротьби зі шкідниками, що призводить до оптимізації врожайності та зменшення впливу на навколишнє середовище.
• Геологія та розвідка корисних копалинВін відіграє важливу роль у картографуванні геологічних формацій, виявленні родовищ корисних копалин та характеристиці типів гірських порід. Він допомагає геологам виявляти зміни у складі мінералів та картографувати потенційні ділянки для розвідки, сприяючи більш ефективній та цілеспрямованій гірничій діяльності.
• ЛісівництвоЦе допомагає в управлінні лісами та моніторингу. Це дозволяє ідентифікувати види дерев, кількісно визначати лісову біомасу, виявляти стрес дерев та оцінювати шкоду від лісових пожеж. Ця інформація допомагає в сталому управлінні лісами, збереженні біорізноманіття та системах раннього попередження про лісові пожежі.

Переваги гіперспектральної зйомки

Його головна перевага полягає в здатності надавати детальну спектральну інформацію, що дозволяє розрізняти матеріали з високою точністю.

Це призводить до покращення класифікації та картографування типів земного покриву, покращення ідентифікації конкретних речовин та кращого розуміння екологічних процесів.

Гіперспектральні дані також можна аналізувати за допомогою передових алгоритмів та методів машинного навчання для отримання цінної інформації та автоматизації інтерпретації зображень.