Супутникові знімки – одна з найуніверсальніших функцій, яку можна впровадити в сільськогосподарському виробництві для покращення процесу прийняття рішень. Прийняття рішень на основі великої кількості даних може допомогти фермерам, агрономам чи консультантам зрозуміти ситуацію та процеси, що відбуваються на сільськогосподарських полях, що підлягають моніторингу.
Що таке супутникова зйомка?
Супутникова зйомка, також відома як супутникове дистанційне зондування, — це процес використання супутникових знімків для збору інформації про поверхню Землі, атмосферу та океани. Ця технологія передбачає використання супутники оснащені спеціалізованими датчиками та камерами, здатними отримувати зображення Землі з високою роздільною здатністю з космосу.
Зображення, отримані супутниками, можуть бути використані для різних цілей, зокрема для моніторингу погодних умов, відстеження змін у навколишньому середовищі, картографування землекористування та рослинності, а також оцінки впливу стихійних лих. Їх також можна використовувати у військових та розвідувальних цілях.
Супутникові знімки з їхніми перевагами можуть демонструвати ситуації, які неможливо побачити за допомогою звичайних спостережень. Регулярні спостереження можуть бути дуже вимогливими з точки зору кількості залученої робочої сили, фінансів та часу.
Навіть за умови регулярних спостережень протягом періоду росту культур, є кілька речей, які неможливо побачити неозброєним оком, такі як раннє прогресування захворювання та пошкодження, спричинені шкідниками, що зрештою призводить до деградації хлорофілу на клітинному рівні.
Завдяки інтеграції та розрахунку спектральних смуг, невидимих для людського ока, виробники та консультанти можуть легко візуалізувати деградацію хлорофілу до появи видимих симптомів хвороб або пошкодження шкідниками на рослинах.
Ці переваги моніторингу сільськогосподарських культур є вигідними завдяки сучасним технологіям, що дозволяє інтегрувати таку інформацію в геоінформаційні системи, що призводить до створення оперативного та якісного набору даних, готових до використання в процесах прийняття рішень щодо систем сільськогосподарського виробництва.
Окрім прийняття рішень на основі інформації, супутникові знімки можна використовувати для звітності, ведення обліку та інтеграції з різними наборами даних (моделями хвороб та шкідників, карти врожайності, моніторинг шкідників, карти удобрення тощо) з метою створення ще більш функціональної системи моніторингу врожаю та способу, яким фермер чи інші фахівці бачать прогрес культур протягом періоду їх вегетації.
Як використовуються супутникові знімки в сільському господарстві?
Зображення можна використовувати для моделювання та розрахунку спектральних індексів, які згодом прирівнюються для візуалізації у вигляді синтезу кольорів, або у видимій частині спектра, або шляхом включення інших довжин хвиль. Правильно підібраний синтез кольорів може виявити ріст сільськогосподарських культур, стрес або стан ґрунту. ерозія відображаються різними кольорами.
Спектральні індекси – це комбінації спектрального відбиття двох або більше довжин хвиль для відображення об'єктів, що цікавлять. Індекси врожаю найчастіше використовуються в сільському господарстві, але ці індекси також використовуються для ідентифікації випалених ділянок, інших штучних характеристик, води та інших геологічних об'єктів.
До корисних спектральних індексів у рослинництві належать:
- НДВІ (Нормалізований індекс різниці рослинності).
- ІРВ (Покращений індекс рослинності).
- RENDVI або NDRE (Нормалізований індекс різниці рослинності червоного краю).
- GNDVI (Зелений нормалізований індекс різниці рослинності).
- MSI або NDWI (індекс вологості).
- Індекс листової площі (ІЛП).
NDVI є одним з найбільш використовуваних індексів, який часто використовується для оцінки початкового стану врожаю. Інші індекси працюють з певними характеристиками, тому результати є специфічними для конкретних сільськогосподарських ділянок, важливо враховувати історію наземної рослинності.
NDVI (Нормалізований індекс різниці рослинності)
Цей індекс є мірою зеленої рослинності та, як правило, є найширше використовуваним індексом. Листя відбиває інфрачервоне світло (БІС) і використовує лише видиме світло для фотосинтезу. Це означає, що здорову рослину з хорошою швидкістю фотосинтезу можна проаналізувати, порівнявши БІС з видимим червоним світлом.
Нездорова рослинність відбиватиме більше видимого світла та зменшуватиме ближнє інфрачервоне випромінювання (NIR). Здорова рослинність зменшить частину видимого світла, що на неї падає. Однак NDVI чутливий до впливу ґрунту (світла та кольору), хмарності та тіні. Крім того, значення NDVI можуть бути неточними в умовах густої рослинності.
EVI (Покращений індекс рослинності)
Цей індекс є стандартом для спектрів середньої роздільної здатності – інструменту, що використовується на супутниках Terra та Aqua. EVI представляє альтернативу NDVI, яка враховує деякі його недоліки, наприклад, ґрунтові та атмосферні обмеження, шляхом оптимізації відбивної здатності листової рослинності.
Він використовує синю частину видимого спектру для корекції сигналу, зменшуючи вплив вищезгаданих обмежень, включаючи розсіювання електромагнітного випромінювання аерозолями.
RENDVI або NDRE (індекс нормованої різниці рослинності червоного краю)
Цей індекс базується на стандартному індексі NDVI, але з модифікаціями. RENDVI дуже корисний у точному землеробстві, моніторингу лісів та виявленні стресу сільськогосподарських культур.
Його ефективність зумовлена включенням довжин хвиль, що потрапляють у червону кінцеву смугу, а не довжин хвиль, що відповідають значенню відбиття та поглинання. Це особливо зручно для виявлення невеликих змін у стані рослинності.
GNDVI (Зелений нормалізований індекс різниці рослинності)
Цей індекс подібний до індексу NDVI та вимірює відбиття світла в зеленій частині спектра в діапазоні довжин хвиль від 540 до 570 нанометрів, замість червоної частини спектра. Це робить індекс більш чутливим до вмісту хлорофілу в зелених частинах сільськогосподарських культур.
MSI (індекс вологості)
Цей індекс чутливий до збільшення вмісту води в листі. Індекс MSI використовується для виявлення стресу, пов'язаного з нестачею води, і є хорошим показником стану сільськогосподарських культур, який часто використовується для моделювання сільськогосподарських культур, аналізу пожеж та фізіології екосистеми. Високі значення вказують на водний стрес та нижчий вміст води.
Індекс площі листя (LAI)
Цей індекс використовується для оцінки площі листя та прогнозування росту й врожайності рослин.
Типи супутникових знімків культур
| Супутники та постачальники технологій | Тип супутникових знімків | Повторення циклу | Просторова роздільна здатність |
| Landsat4-9 | RGB, МУЛЬТИСПЕКТРАЛЬНИЙ, ПАНХРОМАТИЧНИЙ | 8 днів | 15, 30, 100 м |
| Сентінел-2, | RGB, МУЛЬТИСПЕКТРАЛЬНИЙ | 5 днів | 10 м |
| Планета Скоуп | RGB, МУЛЬТИСПЕКТРАЛЬНИЙ | Щоденно | 3-4 м |
| Планета SkySat | ПАНХРОМАТИЧНИЙ, МУЛЬТИСПЕКТРАЛЬНИЙ | Щоденно | 0,5, 0,71-0,82 м |
| Airbus Pleiades | МУЛЬТИСПЕКТРАЛЬНИЙ | Щоденно | 0,5 м |
| Благає NEO | ПАНХРОМАТИЧНИЙ, МУЛЬТИСПЕКТРАЛЬНИЙ | 40 хвилин після запиту | 0,3 м |
| ЛЬОДОВЕ ОКО | РАДАР ІЗ СИНТЕТИЧНОЮ АПЕРТУРОЮ | Щоденно | 0,25 м |
| Гіперіон | ГІПЕРСПЕКТРАЛЬНИЙ | Немає даних | 30 м |
| Призма | ГІПЕРСПЕКТРАЛЬНИЙ | Немає даних | 0,3 м |
Варіанти використання супутникових знімків
Ось деякі важливі способи використання супутникових знімків для моніторингу сільськогосподарських культур:
Тепловізійні зображення
Тепло, що випромінюється об'єктами на рівні землі, можна побачити на тепловізійних знімках, зроблених з повітря, які також виявляють коливання температури, що відповідають стресу, спричиненому врожаєм. Видалення непотрібних елементів, таких як шарнірне обладнання, із зображення за допомогою калібрування та корекції зображення запобігає спотворенню даних.
Холодніші ділянки на кінцевих зображеннях мають фіолетовий колір, а тепліші — жовтий. Тепловізійне зображення корисне для виявлення протікань, заторів та інших проблем із зрошенням, оскільки вода охолоджує рослинність. Тепловізійне зображення допомагає виробникам виявляти досимптомні хвороби та шкідники, а також реагувати більш своєчасно та цілеспрямовано, виявляючи незначні зміни температури поверхні листя.
Вологість ґрунту
У сільському господарстві необхідно враховувати вологість ґрунту. Для застосування в точному землеробстві (у масштабі окремих полів) та з урахуванням очікуваного покращення моделювання врожайності сільськогосподарських культур, наявність карт вологості ґрунту з високою роздільною здатністю є особливо важливою.
Через низьку просторову роздільну здатність та малу глибину спостережень, дані про вологість ґрунту, отримані за допомогою супутників, досі рідко використовувалися для підтримки сільськогосподарських рішень у масштабах ферм або полів. Однак, якщо вони можуть надати відповідні дані з прийнятними часовими та просторовими вимірами, очікується, що дані про вологість ґрунту, отримані за допомогою супутників, мають великий потенціал.
Роздільна здатність
Супутникові знімки високої роздільної здатності, отримані з низькоорбітальних супутників, останнім часом стали більш розвиненими та доступними, що забезпечує ще один потенціал для застосування фенотипування. У цій статті показано, як супутникова фотографія використовується у фенотипуванні сільськогосподарських культур та сільськогосподарському виробництві, а також визначено особливості рослин, які можна оцінити за допомогою супутникових даних високої роздільної здатності.
У статті розглядаються переваги використання супутникового фенотипування в програмах селекції сільськогосподарських культур, а також його недоліки, такі як хмарність. Також досліджуються потенційні можливості використання супутникових знімків високої роздільної здатності як інструменту фенотипування в майбутньому.
Щоб допомогти селекціонерам рослин вибрати високоврожайні, стресостійкі сорти, які можуть допомогти задовольнити світовий попит на продукти харчування, одночасно долаючи зміни клімату, супутникові знімки високої роздільної здатності можуть бути використані як інструмент фенотипування для оцінки сортів сільськогосподарських культур.
Застосування супутникових знімків
ГеоПард можливості та пропонуються програми супутникової зйомки користувачам візуалізувати, нормалізувати, аналізувати та отримувати інформацію безпосередньо з сільськогосподарських ділянок для покращення виробництва сільськогосподарських культур. Це використання даних може бути здійснено за допомогою готових алгоритмів GeoPard або шляхом створення власних алгоритмів, щоб зробити їх корисними для агрономії.
Ці алгоритми дозволяють оцінювати ріст культур, стрес тощо (див. фото) або навіть створювати карти призначення: наприклад, карти застосування азоту VR, карти застосування обприскування засобами захисту рослин.
Поширені запитання
1. Як отримати супутникові знімки для ферми?
Щоб отримати це для своєї ферми, дослідіть постачальників, зареєструйтесь та отримайте доступ до їхньої бази даних або порталу. Вкажіть місцезнаходження вашої ферми та бажані параметри, щоб отримати відповідні зображення для сільськогосподарського моніторингу.
2. Чому супутникові знімки корисні для розуміння харчових ланцюгів?
Це корисно для розуміння харчових мереж завдяки своїй здатності надавати широке та всебічне уявлення про екосистеми. Завдяки отриманню великомасштабних зображень суші та водойм, це дозволяє вченим спостерігати та аналізувати просторовий розподіл різних середовищ існування та ресурсів.
Це, у свою чергу, допомагає вивчати взаємодію між різними видами, визначати ключові харчові зв'язки та розуміти потік енергії через харчові мережі.
Це допомагає розгадати складну екологічну динаміку, сприяючи глибшому розумінню функціонування екосистеми та зусиль щодо її збереження.
3. Наскільки дорогі супутникові знімки?
Його вартість залежить від кількох факторів. До них належать постачальник, роздільна здатність, частота збору даних та необхідний обсяг покриття. Ціни можуть варіюватися від доступних варіантів для зображень з низькою роздільною здатністю до дорожчих варіантів для високої роздільної здатності та моніторингу в режимі реального часу.
Крім того, спеціалізовані послуги або індивідуальні запити на дані можуть спричинити додаткові витрати. Рекомендується дослідити різних постачальників та їхні моделі ціноутворення, щоб знайти рішення для супутникової зйомки, яке відповідає вашим конкретним вимогам та бюджету.
4. Що таке інфрачервоні супутникові знімки? Як їх читати?
Він фіксує інфрачервоне випромінювання, що випромінюється об'єктами та поверхнями на поверхні Землі. Це надає цінну інформацію про коливання температури та теплові закономірності.
Щоб читати інфрачервоні супутникові знімки, необхідно розуміти, що тепліші об'єкти виглядають яскравішими на зображенні, тоді як холодніші об'єкти — темнішими. Аналізуючи ці температурні коливання, можна оцінити утворення хмар, визначити відмінності в температурі суші та води, виявити лісові пожежі та навіть контролювати океанські течії.
Розуміння колірної шкали та інтерпретація рівнів яскравості на зображеннях допомагає витягувати важливу інформацію з інфрачервоних супутникових знімків.




Ось як працює картографування за допомогою дрона: на дрон встановлені датчики, такі як камери та лазерні сканери, які пролітають над певною територією, захоплюючи зображення або скануючи її лазерами на різних висотах і під різними кутами. Зібрані дані потім обробляються у 3D-карти, які можна переглядати на екрані комп’ютера або смартфона.
2. Карти призначення добрив, гербіцидів та пестицидів за допомогою дронового дослідження
Одна лише стратегія застаріла, оскільки вона не лише марнує ресурси, але й може вплинути на здоров'я та життєздатність культур. Наприклад, занадто багато води може вбити здорову культуру, перешкоджаючи її корінню поглинати кисень, тому навіть полив не є найкращим підходом до вирощування бездоганних культур. Те саме стосується і добрив; використання правильної кількості має вирішальне значення для росту, оскільки використання занадто великої кількості призводить до опіків коренів, що може знищити здорові рослини. Картографування за допомогою дронів дозволяє розпилювати препарат лише там, де існує проблема, зменшуючи витрати ресурсів та ризик пошкодження здорових культур, які не потребують такого ж догляду. Хоча люди не можуть розпізнати унікальні вимоги кожної рослини у своїй культурі, технологія дронового дослідження може зробити це за лічені хвилини.
3. Оцінка врожаю
Одним натисканням кнопки запускаються розвідувальні місії; дрон залишає захищену від погодних умов зарядну станцію, збирає дані та завантажує їх. Результати роботи дрона, а також дослідження виявлення ним стресу рослин та ефективності будь-яких поточних обробок чи внесених змін, можна використовувати для адаптації автоматизованих систем зрошення. Завдяки розвідувальним дронам на місці можливі постійні перевірки стану.
4. Підрахунок популяції рослин
Завдяки потужній технології штучного інтелекту дрона можна ідентифікувати будь-який сорт рослин. Це дозволяє визначати весь обсяг виробництва та загальні втрати на початку та в кінці кожного сезону, підвищуючи точність та усвідомлення успіху вегетаційного періоду.
5. Автоматична класифікація за допомогою зйомки з дрона
Зображення з дрона можуть визначити, над яким типом сільськогосподарських угідь він пролітає, чи це орні, пасовищні чи змішані. Дрони можуть підраховувати кількість посівів та худоби, як показано вище, щоб перевірити актуальність записів та наявність будь-яких втрат.
6. Відстеження посівів
Стан здоров'я врожаю не є заздалегідь визначеним, оскільки фактори навколишнього середовища можуть впливати на його розвиток. Температура, вологість, вміст поживних речовин та мікроелементів, наявність комах та хвороб, доступність води та кількість сонячного світла – все це елементи, які слід враховувати. Усе це можна відстежувати за допомогою різного корисного навантаження дронів, і багато з цих невловимих змінних можна контролювати, застосовуючи воду або обприскування безпосередньо до потрібних ділянок. Чим здоровіше оточення врожаю, тим сильнішою стає його імунна система, а отже, тим здоровішою стає сама рослина – з набагато більшою здатністю захищатися від шкідників та хвороб.














