Нормалізований індекс різниці вологості

Кількість індекси рослинності, що підтримуються GeoPard постійно зростає. Команда GeoPard представляє індекс нормалізованої різниці вологості (NDMI). Індекс визначає вміст води в рослинності та індекс нормалізованої різниці вологості (NDWI). Він корисний для пошуку місць з існуючими водний стрес у рослин.

Нижчі значення NDMI позначають місця, де рослини відчувають стрес через недостатню вологість.
З іншого боку, нижчі нормалізовані значення індексу різниці водних ресурсів після піку вегетації підкреслюють плями, які стають готовий до збору врожаю перший.

Різниця у відносному вмісті води у рослинності між двома супутниковими знімками (у цьому випадку сузір'я Sentinel-2)

Різниця у відносному вмісті води у рослинності між двома супутниковими знімками (у цьому випадку сузір'я Sentinel-2)

На наступних знімках екрана ви можете знайти зони NDMI, згенеровані на основі супутникових знімків від 19 червня (пік рослинності) та 6 липня, а також карту рівнянь, що відображає різницю NDMI.

Нормалізований індекс різниці вологості, розрахований на основі зображення Planet / Sentinel-2 / LandsatNDMI розрахований на основі зображення Planet / Sentinel-2 / Landsat

Що таке індекс вологості?

Це міра або розрахунок, що використовується для оцінки вмісту або доступності вологи в певній місцевості чи регіоні. Зазвичай він визначається на основі різних факторів навколишнього середовища, таких як опади, випаровування, властивості ґрунту та рослинний покрив.

Він дає відносну оцінку вологості або сухості ділянки, допомагаючи виявити потенційний водний стрес або умови посухи.

Це цінний інструмент для моніторингу та управління водними ресурсами, сільськогосподарського планування та розуміння екологічних умов певного регіону.

Що таке нормалізований індекс різниці вологості?

Нормалізований індекс різниці вологості (NDMI) – це індекс рослинності, отриманий з даних дистанційного зондування для оцінки та моніторингу вмісту вологи в рослинності. Як і інші індекси рослинності, він обчислюється за допомогою значень спектрального відбиття, отриманих із супутникових або аерофотознімків.

Це особливо корисно для моніторингу водного стресу рослин, оцінки умов посухи, оцінки ризику пожеж та вивчення впливу зміни клімату на рослинність.

Він розраховується з використанням ближнього інфрачервоного (NIR) та короткохвильового інфрачервоного (SWIR) діапазонів, які чутливі до вмісту вологи в рослинності. Формула для NDMI така:

НДМІ = (Близький інфрачервоний діапазон – коротке інфрачервоне діапазон) / (Близький інфрачервоний діапазон + коротке інфрачервоне діапазон)

Значення NDWI зазвичай коливаються від -1 до 1, причому вищі значення вказують на вищий вміст вологи в рослинності, а нижчі значення – на нижчий вміст вологи або водний стрес у рослинності. Негативні значення NDMI можуть бути пов'язані з нерослими ділянками або ділянками з дуже низьким вмістом вологи.

Що таке NDWI?

NDWI, або Нормалізований різницевий індекс води, – це індекс дистанційного зондування, який використовується для кількісної оцінки вмісту води або пов'язаних з водою характеристик у рослинності чи ландшафтах.

Він розраховується шляхом аналізу відбиття ближнього інфрачервоного та зеленого світлових смуг зі супутникових або аерофотознімків. Він особливо корисний для ідентифікації водойм, моніторингу змін у доступності води та оцінки стану рослинності.

Порівнюючи поглинання та відбиття різних довжин хвиль, це надає цінну інформацію для таких застосувань, як моніторинг посухи, гідрологічний аналіз та управління екосистемами.

Візуалізація NDMI для визначення нормалізованого різницевого водного індексу

Візуалізація NDMI включає обробку супутникових або аерофотознімків, обчислення значень NDMI, а потім відображення результатів у вигляді кольорової карти або зображення. Ось загальні кроки для візуалізації NDMI:

  • Отримання супутникових або аерофотознімків: Отримайте мультиспектральні зображення із супутника або аероплатформи, такої як Landsat, Sentinel або MODIS. Переконайтеся, що зображення містять необхідні діапазони: ближній інфрачервоний (NIR) та короткохвильовий інфрачервоний (SWIR).
  • Попередня обробка зображень: Залежно від джерела даних, вам може знадобитися попередня обробка зображень для корекції атмосферних, геометричних та радіометричних спотворень. Перетворіть цифрові числа (DN) на зображенні на значення спектрального коефіцієнта відбиття.
  • Розрахуйте NDMI: Для кожного пікселя на зображенні використовуйте значення коефіцієнта відбиття в ближньому інфрачервоному (NIR) та короткохвильовому (SWIR) діапазонах, щоб обчислити NDMI за формулою: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Кольорове відображення: Призначте колірну палітру значенням NDMI. Зазвичай використовується безперервна кольорова шкала, що починається від одного кольору (наприклад, червоного) для низьких значень NDMI (що вказує на низький вміст вологи) до іншого кольору (наприклад, зеленого) для високих значень NDMI (що вказує на високий вміст вологи). Ви можете використовувати таке програмне забезпечення, як QGIS, ArcGIS, або бібліотеки програмування, такі як Rasterio та Matplotlib на Python, для створення кольорової карти.
  • Візуалізуйте карту NDMI: Відобразіть карту або зображення NDMI за допомогою програмного забезпечення ГІС, бібліотеки програмування або онлайн-платформи. Це дозволить вам проаналізувати просторовий розподіл вмісту вологи в рослинності та визначити зони дефіциту води або високого рівня вологості.
  • Інтерпретація та аналіз: Використовуйте візуалізацію NDWI для оцінки стану рослинності, моніторингу умов посухи або оцінки ризику пожеж. Ви також можете порівнювати карти нормалізованих різниць водного індексу з різних періодів часу, щоб аналізувати зміни вмісту вологи в рослинності з часом.

Пам’ятайте, що різні програмні засоби або бібліотеки програмування можуть мати дещо різні робочі процеси, але загальний процес буде схожим. Крім того, ви можете накладати інші шари даних, такі як землекористування, висоту або адміністративні межі, щоб покращити свій аналіз та краще зрозуміти взаємозв’язки між вмістом вологи в рослинності та іншими факторами. 

Розширена статистика для зон управління в точному землеробстві

У "The точний розрахунок статистики є наріжним каменем аналізу даних точного землеробства. GeoPard додав детальніші статистичні розрахунки точності до сільськогосподарських зон, створених на платформі, щоб забезпечити точність і надійність ваших карт і аналітичних висновків, які ви з них робите. 

Розраховується розширена статистика на зону, що містить атрибути: мінімум і максимум значення індексу рослинності (або інших атрибутів), медіанасереднійстандартне відхилення, і сума усіх значень у зоні.

Медіана — це середнє значення набору даних, яке було впорядковано за числовим кодом, на відміну від середнього значення. Це пов'язано зі стандартним відхиленням, яке відображає, як дані розташовані навколо середнього значення.

Низьке стандартне відхилення свідчить про те, що дані в даній зоні згруповані близько до середнього значення, тоді як високе стандартне відхилення вказує на те, що дані зони розподілені ширше навколо середнього значення.

Атрибут sum – це просто загальна сума всіх значень пікселів у цій зоні. Перш ніж розраховувати будь-яку статистику для ваших зон, усі викиди або аномальні точки даних видаляються, щоб запобігти створенню оманливої статистики, яка неточно відображає дані вашої зони. 

Після ручного внесення змін до сільськогосподарських зон за допомогою інструмента «Об’єднання/Розділення», Статистика зони перераховується на основі нової геометрії зони. Це дозволяє отримати уточнене та точне розуміння розподілу даних усередині зон та між ними.

Статистика зон управління в GeoPard
Статистика зон управління в GeoPard

Як завжди, GeoPard цінує прозорість у всіх аспектах платформи. Під час агрегації класифікованих даних у сільськогосподарські зони всі деталі згладжуються та приховуються без метрик, щоб показати, що сталося, тому результати агрегації даних надаються за допомогою прецизійної статистики.

Також завжди можна повернутися назад та витягти вихідні значення з ваших зон, щоб повторно перевірити їх або використати у власних моделях. Вам ніколи не потрібно турбуватися про втрату вихідних даних у GeoPard.

Статистика має високе значення для визначення точності карти та розраховується для сільськогосподарських зон на основі будь-якого шару даних на ваш вибір, включаючи врожайність, наземні датчики, супутникові дані, топографію та багатошарові дані. 

GeoPard представляє статистику зон у дуже зрозумілій та простій формі, що можна побачити на прикладах зображень нижче.

У GeoPard ми хочемо, щоб ви могли бути впевнені у рішеннях, які ви приймаєте щодо своїх полів, надаючи вам найкращий та найповніший доступ до статистичних прецизійних розрахунків ми можемо.

Що таке попередня статистика?

Розширена статистика — це галузь статистичного аналізу, яка включає складніші та витонченіші методи, що виходять за рамки базових статистичних методів. Вона охоплює низку статистичних моделей та методів, що використовуються для аналізу та інтерпретації складних наборів даних.

До передових статистичних методів належать, серед іншого, регресійний аналіз, багатовимірний аналіз, аналіз часових рядів та планування експериментів. Ці методи дозволяють дослідникам та аналітикам розкривати глибші дані, виявляти закономірності та взаємозв'язки, а також робити точніші прогнози або обґрунтовані рішення на основі даних.

Аналіз даних георозвідників / TopsoilMapper

GeoPard здатний обробляти та аналізувати різні типи просторових сільськогосподарських даних. Це приклад роботи з наборами даних датчиків високої щільності з великою просторовою мінливістю, що забезпечується Геопроспектори ГмбХ

Після імпорту даних, отриманих за допомогою Картограф верхнього ґрунту, ви можете бачити 

  • відносний вміст води
  • глибина взаємодії з інформацією про ущільнення
  • електропровідність на 4 кумулятивній глибині
Відносний вміст води, сирі бали
Відносний вміст води, сирі бали

Geopard дозволяє бачити точки з необробленими значеннями та безперервною поверхнею; порівнювати різні шари даних; розмежовувати ґрунтові зони для зонального відбору проб ґрунту та VRA; об'єднувати дані TopsoilMapper з даними, доступними в GeoPard, такими як історична, сучасна рослинність та висота, в одну карту зон. 

Порівняння шарів: рослинність (WDRVI), карта зон (EC+Рельєф), EC, ущільнення
Порівняння шарів: рослинність (WDRVI), карта зон (EC+Рельєф), EC, ущільнення


Цікаво знати, що низькі значення електропровідності (EC) позначені на карті у вигляді кривої? Це стародавнє русло річки, поховане під землею.

Порівняння шарів даних для прийняття рішень щодо сільськогосподарських культур

Щоб візуалізувати польові дані та приймати обґрунтовані рішення, часто необхідно порівнювати шари на кількох синхронізованих виглядах.

У GeoPard ви можете візуально порівнювати до чотирьох шарів даних на одному екрані. Усі шари працюють синхронно під час масштабування або переміщення карти для вашої зручності.

Як увійти в режим розділеного екрана? Виберіть поле та натисніть піктограму порівняння шарів у верхньому правому куті екрана. Потім виберіть будь-які знімки, зони контролю поля або інші шари, які ви хочете бачити одночасно на одному екрані. Натисніть "Порівняти шари". 

Функція порівняння шарів синхронізує карти, курсори, рівні масштабування. Також ви маєте можливість додавати/видаляти шари. Наразі ми підтримуємо до 4 шарів даних.

Що таке шари даних у точному землеробстві?

У точному землеробстві шарами даних називаються різні типи даних, які збираються та аналізуються для прийняття обґрунтованих рішень щодо управління врожаєм. Ці шари можуть включати:

  • Дані ґрунту: Інформація про характеристики ґрунту, такі як рівень поживних речовин, pH та текстура, яка може допомогти у прийнятті рішень щодо внесення добрив та інших методів управління ґрунтом.
  • Дані про погоду: Дані про поточні та історичні погодні умови, включаючи температуру, опади та вітер, можуть допомогти фермерам приймати рішення щодо посіву, зрошення та інших практик.
  • Дані врожаюДані про ріст та стан посівів, включаючи висоту рослин, площу листя та рівень хлорофілу, можуть допомогти у прийнятті рішень щодо удобрення, поливу та боротьби зі шкідниками.
  • Дані про врожайність: Інформація про врожайність та якість може допомогти фермерам приймати рішення щодо збору та продажу своєї продукції.
  • Топографічні дані: Інформація про форму та висоту місцевості може допомогти у прийнятті рішень щодо посадки та зрошення, а також виявити території, які можуть бути схильні до ерозії чи інших екологічних проблем.
  • Дані дистанційного зондування: Дані, зібрані супутниками, дронами або іншими дистанційними датчиками, можуть надавати інформацію про стан посівів, вологість ґрунту та інші фактори, які можуть допомогти у прийнятті рішень щодо управління сільськогосподарськими культурами.

Аналізуючи та інтегруючи ці різні шари даних, фермери можуть приймати більш обґрунтовані рішення щодо управління культурами, що призведе до більш ефективних та стійких методів ведення сільського господарства.

Операції в сільськогосподарських зонах для прийняття рішень на основі даних

ЗОНАЛЬНІ ОПЕРАЦІЇ НА РІЗНИХ ШАРАХ

У точному землеробстві збір польових даних та прийняття рішень на основі даних є абсолютно необхідними. Як наступний етап у розробці багаторівневої аналітики та пошуку залежностей між шарами, ми представляємо новий модуль «Операції зон». 

Там ви можете шукати залежності між різними картами сільськогосподарських зон, такими як історична рослинність, топографія, включаючи її похідні, дані моніторів врожайності, дані ґрунту, сканери, карти стабільності тощо. Це крок вперед у визначенні найбільш впливових зон та розумінні причин неоднорідності полів. 

Як можна визначити ці області? 

Перш за все, виберіть карти полів, які ви хочете перехресно дослідити. Порівняння шарів – це гарний підхід для визначення конкретних сільськогосподарських зон для аналізу.

Ви можете порівняти низький потенціал врожайності та неохайні ділянки, найбільш нестабільні зони та низьку рослинність, низьку електропровідність та врожайність, застосовану карту удобрення та поточну рослинність тощо.

По-друге, позначте конкретні сільськогосподарські зони на кожній карті, яку ви хочете порівняти, в модулі «Операції із зонами». І, нарешті, отримайте зону інтересу. Зверніть увагу, що в аналізі можна використовувати більше двох карт. 

Як ви можете застосувати ці знання? 

Окрім пошуку взаємозв'язків, які можуть допомогти пояснити врожайність, можна встановити цільові показники врожайності для визначених сільськогосподарських зон; розвідати цікаві райони; зменшити інвестиції в такі локалізовані зони або розробити план пом'якшення обмежувальних факторів та виявити райони з низькою продуктивністю, знаючи основні причини; розробити агрономічний план, використовуючи методи VRA. 

На скріншотах наведено кілька прикладів аналізу полів. Зверніть увагу, що кожне поле унікальне, і наведені нижче випадки не гарантують однакового результату для вашого поля, але це гарний спосіб розпочати розслідування. 

Ви можете поділитися своїми агрономічними практиками, залишивши коментар до цієї публікації, або зв’язатися безпосередньо з командою GeoPard Agriculture. Ми відкриті до відгуків, оскільки створюємо для вас рішення для кращого розуміння мінливості поля та управління нею.

Якість зон

Майже всі зони управління коригуються перш ніж стати картою внесення змінної норми. Це може включати об'єднання деяких зон, ручне виправлення у відомих місцях, додавання додаткових буферних зон, сумісність сільськогосподарського обладнання тощо.

Ми, команда GeoPard, розуміємо, що точні зони природного управління з дійсними полігонами заощадять багато часу під час процесів перевірки та корекції зон.

Двигун GeoPard виконує наступне:

  • автоматично усуває шум,
  • автоматично об'єднує малі полігони в найближчу більшу зону,
  • зберігає лише необхідну мінімальну кількість точок у кожному полігоні зони,
  • робить карти VRA сумісними з будь-яким сільськогосподарським обладнанням та технікою.

Окрім автоматичної корекції, інструмент для об'єднання та розділення зон доступний для коригування карти відповідно до ваших власних польових знань та агрономічної практики. 

На ринку є багато різних карт від різних постачальників, але ви точно впізнаєте карти GeoPard.

Об'єднання та розділення зон для управління в сільському господарстві

Ніхто не знає своє поле краще, ніж фермер або агроном, який працює на ньому багато років. Саме тому будь-яка аналітика, що базується на алгоритмах, часто потребує перевірки та коригування професіоналом, який використовує свої глибокі знання про поле.

Функція об'єднання та розділення зон дозволяє професіоналу зробити кілька важливих речей: 

  • Розділені багатокутники
  • Об'єднати полігони
  • Призначити полігон або цілу зону до іншого класу

Ці налаштування можна застосувати до будь-якого шару даних, і це дуже корисна функція для підготовки ваших ідеальних зон для точних сільськогосподарських операцій, таких як віртуальний посів, внесення добрив або обприскування.

Що таке розкол у сільському господарстві?

У сільському господарстві під розпаюванням розуміють поділ або розбиття поля на різні ділянки для різних методів господарювання.

Такий поділ дозволяє фермерам застосовувати різні методи обробки або техніки на кожній ділянці залежно від конкретних потреб.

Наприклад, фермери можуть розділити поле, щоб застосовувати різні добрива, гербіциди або методи зрошення залежно від стану ґрунту або вимог культури.

Розподіл дозволяє цілеспрямовано та ефективно застосовувати ресурси, оптимізувати ріст врожаю та мінімізувати витрати, вирішуючи конкретні завдання на різних ділянках поля.

Контроль врожаю з аналітикою стабільності та продуктивності

 

Виявлення змін, що відбулися в полі протягом останніх 1-2 тижнів, 1-2 місяців або навіть кількох років, допомагає отримати уявлення про розвиток врожаю.

Його можна використовувати для:

  • знайти ділянки з подібними показниками протягом 5-10-20 років та розмістити випробування в районах зі схожими умовами, щоб зменшити ймовірність помилок,
  • відстежувати зміни протягом сезону та оцінювати продуктивність культури під час росту,
  • розпізнати пошкоджені ділянки після стихійного лиха, хвороби чи нападу шкідників та підрахувати пошкоджені площі,
  • виявити різницю між двома останніми зображеннями та контролювати ефективність кадрування.
Зони стабільності поля

І все це, та навіть більше випадків, охоплюється зонами стабільності полів GeoPard. Зокрема, це надасть більше інформації разом із зонами сезонного та історичного управління.

Просто виберіть знімки поля та супутникові знімки, щоб відстежувати зміни на них, контролювати посіви та отримувати інформацію про кожну ділянку вашого поля.

вибір зон стабільності поля

Порівняння шарів

Не секрет, що ми постійно вдосконалюємо рішення GeoPard Agriculture та підвищуємо його цінність для користувачів. Просто перегляньте розділ “скоро” на нашому вебсайті. https://geopard.tech щоб отримати уявлення про деякі особливості на шляху.

Їхнє визначення пріоритетів може бути складним. Тут на допомогу приходять відгуки та демонстрації продуктів. Таким чином, презентація нашого рішення багатьом учасникам Світовий агротехнологічний саміту в Лондоні, нам вдалося скоригувати план доставки та випустити нову функцію порівняння шарів лише за кілька днів.

Що це таке? Ви можете візуально порівнювати польову аналітику поруч у розділеному вигляді. Для порівняння можна вибрати будь-який тип шарів: зображення з природними або інфрачервоними кольорами, зображення з видами рослинності, сезонні або історичні зони управління. Два шари поводяться синхронно під час збільшення/зменшення масштабу або переміщення карти для вашої зручності.

Як увійти в режим розділеного перегляду? Виберіть поле та натисніть значок порівняння шарів у верхньому меню. На екрані розділеного перегляду виберіть шар аналітики за допомогою розкривного списку з можливістю пошуку, розташованого угорі.

увійти в режим розділеного перегляду
вибір польових аналітиків
порівняння польових аналітиків

Багаторічні зони

Що це означає? Історичні (багаторічні) зони управління будуються на основі 30-річного архіву супутникових знімків.

Зображення з піком рослинності протягом кожного сезону автоматично вибираються як вхідні дані для аналітики. В іншому випадку кожне таке зображення являє собою потенційний файл врожайності за відповідний рік.

 

Історичні (багаторічні) зони управління надають уявлення про кожну точку в полі.

Як ви можете це використовувати? Схема розвитку польових культур допомагає краще знати сільськогосподарську територію та застосовувати правильні рішення з правильними нормами внесення речовин у правильних місцях.

Історичні зони управління можна використовувати як основу для файлів рецептів (Rx) на посів, удобрення, відбір проб ґрунту на основі зон.

Ми підтримуємо всі регіони на запит.

Що таке багаторічні зони?

Багаторічні зони в точному землеробстві стосуються певних ділянок у межах поля, які демонструють послідовні та помітні закономірності росту та врожайності сільськогосподарських культур протягом кількох вегетаційних періодів.

Ці зони визначаються за допомогою різних технологій, таких як дистанційне зондування, GPS-картографування та відбір проб ґрунту.

Аналізуючи дані, зібрані за допомогою цих технологій, фермери та агрономи можуть виявляти закономірності мінливості в межах поля та створювати карти, які відрізняють ділянки з високою продуктивністю від тих, що мають нижчу врожайність.

Цю інформацію потім можна використовувати для оптимізації методів управління сільськогосподарськими культурами, таких як зміна щільності посадки, коригування норм поливу та удобрення, і навіть впровадження методів точного збору врожаю.

Вони є цінним інструментом для точного землеробства, оскільки дозволяють фермерам приймати обґрунтовані рішення щодо розподілу ресурсів та управління сільськогосподарськими культурами, що призводить до підвищення ефективності, зниження витрат та збільшення врожайності.

Розуміючи мінливість поля та адаптуючи методи управління до кожної конкретної зони, фермери можуть максимально використати потенціал своєї землі та ресурсів.

 

wpChatIcon
wpChatIcon

    Замовити безкоштовну демонстрацію / консультацію GeoPard








    Натискаючи кнопку, ви погоджуєтесь з нашими Політика конфіденційності. Нам це потрібно, щоб відповісти на ваш запит.

      Підписатися


      Натискаючи кнопку, ви погоджуєтесь з нашими Політика конфіденційності

        Надішліть нам інформацію


        Натискаючи кнопку, ви погоджуєтесь з нашими Політика конфіденційності