স্যাটেলাইট এবং ড্রোন দিয়ে উদ্ভিদ স্বাস্থ্য পর্যবেক্ষণ: এনডিভিআই এবং উদ্ভিদ সূচক

লাভ:

• এনডিভিআই এবং অন্যান্য গাছপালা সূচকগুলি কী পরিমাপ করে এবং কোন পরিস্থিতিতে কোন সূচকটি উপযুক্ত তা ব্যাখ্যা করার ক্ষমতা।
• AI এর সাহায্যে স্যাটেলাইট/ড্রোন ইমেজ থেকে উত্পাদিত সূচক মানচিত্র ব্যাখ্যা করার ক্ষমতা এবং চাপের ক্ষেত্রগুলিকে অগ্রাধিকার দেওয়ার ক্ষমতা
• ফিল্ড কন্ট্রোল, মেটিওরোলজি এবং ফেনোলজির সাথে সূচকের অসঙ্গতি যাচাই করে মিথ্যা অ্যালার্ম দূর করার ক্ষমতা

চোখের দ্বারা একটি ক্ষেত্র নেভিগেট করা উভয়ই ধীর এবং বৃহত্তর অঞ্চলে বিভ্রান্তিকর: চোখ ক্লান্ত হয়ে পড়ে, এতে অভ্যস্ত হয়ে যায় এবং বড় প্যাটার্নগুলি মিস করে। যাইহোক, যখন মহাকাশ বা ড্রোন থেকে দেখা হয়, গাছপালা স্বাস্থ্য একটি ডিজিটাল মানচিত্রে পরিণত হয় এবং চাপযুক্ত এলাকাগুলি স্পষ্টভাবে প্রকাশ করা হয়, চোখের জন্য খুব তাড়াতাড়ি লক্ষ্য করা যায়। এই রূপান্তরের প্রধান হাতিয়ার হল গাছপালা সূচক: সূত্র যা চিত্রের বিভিন্ন আলোক ব্যান্ডের অনুপাত থেকে উদ্ভিদের জীবনীশক্তিকে একটি সংখ্যায় রূপান্তরিত করে। এই ইউনিটটি সবচেয়ে সাধারণ সূচক, NDVI এবং এর ভাইবোনদের পরিচয় করিয়ে দেয়, স্যাটেলাইট এবং ড্রোনের মধ্যে পার্থক্য ব্যাখ্যা করে এবং আপনাকে দেখায় কিভাবে কৃত্রিম বুদ্ধিমত্তার সাহায্যে এই মানচিত্রগুলিকে ব্যাখ্যা করা এবং সবচেয়ে গুরুত্বপূর্ণভাবে যাচাই করা যায়।

চলুন প্রথমে পদার্থবিদ্যা বুঝি। একটি সুস্থ, সালোকসংশ্লেষী পাতা লাল আলোকে তীব্রভাবে শোষণ করে (কারণ ক্লোরোফিল এটি ব্যবহার করে) এবং কাছাকাছি-ইনফ্রারেড আলো (NIR; লালের বাইরে, চোখের অদৃশ্য) প্রতিফলিত করে। যেহেতু উদ্ভিদ চাপে পড়ে এবং ক্লোরোফিল হারায়, এটি কম লাল শোষণ করে এবং NIR কম প্রতিফলিত করে। NDVI (নর্মালাইজড ডিফারেন্স ভেজিটেশন ইনডেক্স) ঠিক এই পার্থক্য পরিমাপ করে:

NDVI = (NIR - লাল) / (NIR + লাল)

ফলাফল -1 এবং +1 এর মধ্যে। খালি মাটি এবং জল 0 বা ঋণাত্মক কাছাকাছি মান দেয়; স্পার্স উদ্ভিদ 0.2-0.4; ঘন, স্বাস্থ্যকর কভার 0.7-0.9 এর মধ্যে। NDVI সরাসরি ফলন, রোগ বা মাটির আর্দ্রতা পরিমাপ করে না - শুধুমাত্র সবুজ, জীবন্ত আবরণের ঘনত্ব। নিম্ন এনডিভিআই একটি সতর্কতা, রোগ নির্ণয় নয়।

কেন একটি সূচক যথেষ্ট নয়?

NDVI শক্তিশালী কিন্তু দুটি দুর্বলতা আছে। প্রথমটি হল স্যাচুরেশন: যখন আবরণটি খুব ঘন হয়ে যায় (বলুন, একটি ভালভাবে বিকশিত ভুট্টা) এনডিভিআই 0.8-0.9-এ শীর্ষে ওঠে এবং আরও জৈববস্তু বৃদ্ধি নির্দেশ করে না। দ্বিতীয়টি হল মাটির প্রভাব: বিরল আবরণে, পটভূমির মাটির রঙ সূচককে বিকৃত করে। এজন্য বিভিন্ন পরিস্থিতিতে বিভিন্ন সূচক তৈরি করা হয়েছে। নীচের সারণীটি সবচেয়ে বেশি ব্যবহৃত সারসংক্ষেপ করে; আপনি কোন সূচকটি চয়ন করেন তা আপনার প্রশ্নের উপর নির্ভর করে।

সূচক

এটা কি জন্য ভাল

নোট

এনডিভিআই

সাধারণ কভার কার্যকারিতা

ঘন কভারে স্যাচুরেশন প্রদান করে

NDRE (রেড-এজ)

ঘন কভারে নাইট্রোজেন/ক্লোরোফিল

শেষ সময়ে এনডিভিআই-এর প্রতি সংবেদনশীল

GNDVI (সবুজ)

ক্লোরোফিল/নাইট্রোজেন অবস্থা

সবুজ টেপ ব্যবহার করে

SAVI

বিক্ষিপ্ত আবরণ, খালি মাটি

মাটির প্রভাব ঠিক করে

NDWI/NDMI

উদ্ভিদ/মাটির জলের পরিমাণ

জলের চাপের কাছাকাছি

হাউস

ঘন কভার, বায়ুমণ্ডল সংশোধন করা হয়েছে

স্যাচুরেশন কমায়

ইঙ্গিত: "কোন সূচক?" প্রশ্নের উত্তর হল পণ্যের বিকাশের পর্যায়। প্রারম্ভিক সময়ের মধ্যে SAVI (স্পার্স কভার); NDRE/GNDVI উন্নত ঘন কভার এবং নাইট্রোজেন পর্যবেক্ষণে; জলের চাপে, NDWI/NDMI প্রায়ই NDVI-এর চেয়ে বেশি তথ্যপূর্ণ।

স্যাটেলাইট নাকি ড্রোন?

দুটি সম্পদ প্রতিযোগী নয় বরং একে অপরের পরিপূরক। স্যাটেলাইটগুলি (যেমন সেন্টিনেল-2, ল্যান্ডস্যাট) বিনামূল্যে বা সস্তায় নিয়মিত বিরতিতে বিশাল এলাকা জুড়ে, কিন্তু তাদের রেজোলিউশন মোটা (পিক্সেল 10-30 মিটার) এবং মেঘ ছবিটিকে অস্পষ্ট করতে পারে। ড্রোনটি খুব উচ্চ রেজোলিউশন (পিক্সেল এবং সেন্টিমিটার) প্রদান করে এবং আপনি যে কোনো দিন ফ্লাইট করতে পারেন, তবে এটি একটি ছোট এলাকা দখল করে এবং ফ্লাইট এবং প্রক্রিয়াকরণের জন্য শ্রমের প্রয়োজন হয়। ব্যবহারিক কৌশলটি স্তরযুক্ত: একটি স্যাটেলাইট দিয়ে পুরো খামারটি স্ক্যান করুন এবং সন্দেহজনক এলাকাগুলি সন্ধান করুন, তারপরে ড্রোনের সাহায্যে সেই অঞ্চলগুলি ঘনিষ্ঠভাবে পরীক্ষা করুন এবং অবশেষে মাঠে যান।

কিভাবে কৃত্রিম বুদ্ধিমত্তা সূচক মানচিত্র ব্যাখ্যা করে?

কৃত্রিম বুদ্ধিমত্তা ইমেজ নিজেই নয়, কিন্তু এটি থেকে উত্পন্ন সংখ্যাসূচক সারাংশ ব্যাখ্যা করতে মূল্যবান: অঞ্চল গড়, সময়ের সাথে পরিবর্তন, প্রতিবেশী অঞ্চলের সাথে পার্থক্য। উদাহরণ স্বরূপ, আপনি যদি AI-কে একটি সারাংশ দেন যেমন “Plot-3 NDVI-এর উত্তর প্রান্ত গত 12 দিনে 0.72 থেকে 0.48-এ কমেছে, দক্ষিণ প্রান্ত স্থিতিশীল”, এটি আপনাকে সম্ভাব্য কারণগুলিকে অগ্রাধিকার দিতে এবং একটি ক্ষেত্র নিয়ন্ত্রণ পরিকল্পনা করতে সাহায্য করবে। তবে মনে রাখবেন: এআই যে "কেন" পরামর্শ দেয় তা অনুমানের একটি তালিকা। নিম্ন এনডিভিআই পানির চাপ, রোগ, পুষ্টির ঘাটতি, কদাচিৎ উত্থান, শিলাবৃষ্টি, মেঘের ছায়া বা সদ্য চাষ করা মাটির কারণে হতে পারে। শুধুমাত্র ক্ষেত্র, আবহাওয়াবিদ্যা এবং ফেনোলজি এগুলোকে আলাদা করে।

তিনটি মিনি কেস: সংখ্যা দ্বারা

কেস 1 - প্রাথমিক চাপ ক্যাপচার। একটি ভুট্টা ক্ষেতে, স্যাটেলাইট এনডিভিআই মাঠের দক্ষিণ-পশ্চিম 8-ডেকেয়ার বিভাগে পার্শ্ববর্তী এলাকার তুলনায় 0.15 পয়েন্ট কম ছিল। প্রকৌশলী ওই এলাকায় গেলেন; সেচ লাইনে একটি ক্লগ পাওয়া গেছে এবং দৃশ্যমান লক্ষণ (বিবর্ণ) দেখা দেওয়ার 6 দিন আগে ত্রুটিটি সংশোধন করা হয়েছিল। আনুমানিক উত্পাদনশীলতা ক্ষতি এড়ানো হয়েছিল।

কেস 2 - মিথ্যা অ্যালার্ম। এনডিভিআই একটি গমের প্লটে একক স্যাটেলাইট তারিখে হঠাৎ নেমে যায়। এআই বলেছে "সম্ভাব্য রোগ"। তবে আবহাওয়া অধিদপ্তর সেদিন ভারী মেঘ দেখিয়েছিল; পরবর্তী ক্লাউড-মুক্ত ছবিতে, NDVI স্বাভাবিক অবস্থায় ফিরে এসেছে। মেঘের ছায়া একটি মিথ্যা শঙ্কা ছিল; একটি একক তারিখের ভিত্তিতে সিদ্ধান্ত নেওয়া হয়নি, সময় সিরিজটি দেখা হয়েছিল।

কেস 3 - সূচক নির্বাচন। একটি উন্নত চিনির বীট ক্ষেত্রে এনডিভিআই সর্বত্র 0.85 এ পরিপূর্ণ ছিল এবং নাইট্রোজেনের পার্থক্য দেখায়নি। NDRE সূচকে স্যুইচ করার সময়, ক্ষেত্রের পূর্ব অর্ধে ক্লোরোফিলের ঘাটতি পরিলক্ষিত হয়েছিল; পাতার বিশ্লেষণে নাইট্রোজেনের ঘাটতি নিশ্চিত করা হয়েছে এবং সেই এলাকায় টার্গেটেড টপ ড্রেসিং প্রয়োগ করা হয়েছে।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই NDVI মানচিত্রের সাথে কোন সমস্যা আছে? আমি কি করব?

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: রিমোট সেন্সিং সহকারী কৃষিবিদ। আমি আপনাকে একটি অঞ্চলভিত্তিক NDVI এবং NDREtime সিরিজের সারাংশ (তারিখ, অঞ্চল, গড় মান) দিচ্ছি। কাজ:- হ্রাসের পরিমাণ এবং সময়কাল সহ উল্লেখযোগ্য পতন দেখানো অঞ্চলগুলি তালিকাভুক্ত করুন।- প্রতিটি অঞ্চলের জন্য 2-4 সম্ভাব্য কারণ অনুমান দিন (জল/রোগ/পুষ্টি/মাটি/মেঘ)।- প্রতিটি অনুমানের ক্ষেত্রে আমি কীভাবে এটি যাচাই করব তা এক বাক্যে লিখুন।- একক-তারিখের আকস্মিক পরিবর্তনগুলি আলাদাভাবে চিহ্নিত করুন। মেঘ না হতে পারে। কীটনাশক/সার সুপারিশ করা; অগ্রাধিকারযুক্ত চেকলিস্ট ver.Data:[সময় সিরিজ সারাংশ]

শক্তিশালী প্রম্পট একটি ডায়াগনস্টিক মেশিন থেকে AI কে অগ্রাধিকার এবং যাচাইকরণ পরিকল্পনা সহকারীতে পরিণত করে; স্পষ্টভাবে একক তারিখ ফাঁদ এবং ডায়গনিস্টিক সীমা সম্পর্কে লিখেছেন।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) সূচক নির্বাচন পরামর্শ:

ফসল: [ফসল], উন্নয়নমূলক পর্যায়: [পর্যায়], আমার প্রশ্ন: [জলের চাপ/নাইট্রোজেন/সাধারণ শক্তি]। এই পরিস্থিতির জন্য সবচেয়ে উপযোগী 2টি উদ্ভিদ সূচক সংক্ষেপে ব্যাখ্যা করুন, কেন এবং NDVI-এর উপর তাদের সুবিধা। সূত্রগুলোও লিখুন।

2) সময় সিরিজের অসঙ্গতির সারাংশ:

নীচের অঞ্চল-তারিখ-এনডিভিআই সারণীতে: আলাদাভাবে তালিকা: (ক) 0.1-এর বেশি হ্রাস এবং কমপক্ষে 2 টানা তারিখের জন্য স্থায়ী, (খ) একক-তারিখ জাম্প। মন্তব্য যোগ করবেন না, শুধু টেবিল নিষ্কাশন.

3) ক্ষেত্র নিয়ন্ত্রণ পরিকল্পনা:

নিম্নলিখিত অগ্রাধিকার ক্ষেত্রগুলির জন্য একটি ফিল্ড ট্রিপ প্ল্যান তৈরি করুন: প্রতিটি এলাকায় কী পরিমাপ (আর্দ্রতা, পাতার নমুনা, মূল পরীক্ষা) আমি নেব এবং কেন এটি প্রয়োজন তা লিখুন। আঞ্চলিক কেন্দ্রে জিপিএস পয়েন্টের সুপারিশ করুন।

4) মিথ্যা অ্যালার্ম ফিল্টার:

সিদ্ধান্ত নেওয়ার আগে এই NDVI ড্রপটি বাতিল করার জন্য চেকলিস্ট: মেঘ/ছায়া, ছায়া কোণ, ফসল/মুক্তি, সেন্সর তারিখ, প্রতিবেশী অঞ্চলের সামঞ্জস্য। প্রতিটি আইটেম পরীক্ষা করুন "এটি পরীক্ষা করা হয়েছে?" হিসাবে উপস্থিত।

সাধারণ ভুল

• একটি একক তারিখের উপর ভিত্তি করে সিদ্ধান্ত নেওয়া। মেঘ, ছায়া এবং বায়ুমণ্ডল একক চিত্রকে বিকৃত করে; সবসময় সময় সিরিজের দিকে তাকান।
• কম NDVI = রোগের জন্য ভুল। সূচক কারণ বলে না; জল, পুষ্টি, মাটি এবং আউটলেট সমস্যা একই পতন দেয়।
• স্যাচুরেশন উপেক্ষা করা। ঘন আবরণে NDVI শিখর; নাইট্রোজেন পর্যবেক্ষণে NDRE/GNDVI-এ স্যুইচ করুন।
• রেজোলিউশন ভুলে যাওয়া। একটি 10 ​​মিটার স্যাটেলাইট পিক্সেল একটি ছোট স্ট্রেস প্যাচ লুকাতে পারে; সন্দেহজনক স্থানে ড্রোনটি অবতরণ করুন।
• মাঠ এড়িয়ে যাচ্ছেন। মানচিত্র একটি তর্জনী; রোগ নির্ণয় করা হয় মাটি ও পাতায়।

দ্রষ্টব্য: সূচক মানচিত্রটি "কোথায় আপনার তাকাতে হবে" প্রশ্নের উত্তর দেয়, "সমস্যা কী" প্রশ্নের উত্তর দেয় না। চার্টটি সরাসরি একটি ওষুধ বা সারের সিদ্ধান্তে অনুবাদ করা ভুল কারণে হস্তক্ষেপ করার ঝুঁকি।

সংক্ষেপে

উদ্ভিদের সূচকগুলি বিভিন্ন আলোক ব্যান্ডের অনুপাত থেকে উদ্ভিদের শক্তিকে সংখ্যায় অনুবাদ করে; যদিও NDVI সবচেয়ে সাধারণ, এটি স্যাচুরেশন এবং মাটির প্রভাবের কারণে প্রতিটি পরিস্থিতিতে খাপ খায় না - এর ভাইবোন যেমন NDRE, SAVI, NDWI কিছু প্রশ্নে শক্তিশালী। স্যাটেলাইট হল প্রশস্ত স্ক্যান, ড্রোন হল ঘনিষ্ঠ পরিদর্শন এবং ক্ষেত্র হল চূড়ান্ত যাচাইকরণ স্তর। সূচী সারাংশকে অগ্রাধিকার দিতে এবং একটি বৈধতা পরিকল্পনা প্রতিষ্ঠার ক্ষেত্রে এআই মূল্যবান; কিন্তু একটি নিম্ন সূচক একটি অনুমান, একটি নির্ণয় নয়। একক তারিখের ফাঁদে পড়বেন না, প্রশ্ন অনুসারে সূচক নির্বাচন করুন এবং ক্ষেত্রের প্রতিটি সংকেত পরীক্ষা করুন।

আবেদন টাস্ক

একটি ছোট টেবিল প্রস্তুত করুন যাতে কমপক্ষে তিনটি তারিখযুক্ত NDVI এবং, যদি সম্ভব হয়, একটি পার্সেলের জন্য NDRE মান (প্রকৃত বা প্রতিনিধি); একটি অঞ্চলে একটি ইচ্ছাকৃত ড্রপ এবং একটি তারিখে একটি এক-বার লাফ দেওয়া. এই ইউনিটে "টাইম সিরিজ অসংগতি সারাংশ" এবং "মিথ্যা অ্যালার্ম ফিল্টার" টেমপ্লেট সহ এটি AI কে দিন৷ আউটপুটে, AI ক্লাউড বাউন্স থেকে প্রকৃত ড্রপকে আলাদা করতে পারে কিনা, এটি একটি নির্ণয় করার চেষ্টা করে কিনা তা মূল্যায়ন করুন এবং প্রতিটি অঞ্চলের ক্ষেত্রে আপনি যে একটি মেট্রিকটি দেখবেন তা লিখুন।

চেকলিস্ট

• [ ] আমি সচেতনভাবে আমার প্রশ্নের উপযুক্ত সূচক (NDVI/NDRE/SAVI/NDWI) বেছে নিয়েছি।
• [ ] আমি টাইম সিরিজের উপর ভিত্তি করে সিদ্ধান্ত নিয়েছি, একক চিত্র নয়।
• [ ] আমি মেঘ/ছায়া/প্রবাহের ক্ষেত্রে হঠাৎ ফোঁটা ফিল্টার করেছি।
• [ ] আমি AI দ্বারা প্রদত্ত কারণগুলিকে অনুমান হিসাবে নিয়েছি, রোগ নির্ণয় হিসাবে নয়।
• [ ] আমি প্রতিটি অগ্রাধিকার অঞ্চলের জন্য একটি ক্ষেত্র যাচাইকরণ পরিমাপের পরিকল্পনা করেছি৷