Κέρδη:
- Ικανότητα να εξηγήσει τι μετρούν το NDVI και άλλοι δείκτες βλάστησης και ποιος δείκτης είναι κατάλληλος σε ποια κατάσταση.
- Δυνατότητα ερμηνείας χαρτών ευρετηρίου που παράγονται από εικόνες δορυφόρου/drone με τη βοήθεια AI και ιεράρχησης περιοχών στρες
- Δυνατότητα εξάλειψης ψευδών συναγερμών επαληθεύοντας ανωμαλίες δεικτών με έλεγχο πεδίου, μετεωρολογία και φαινολογία
Η πλοήγηση σε ένα πεδίο με το μάτι είναι αργή και παραπλανητική σε μεγάλες περιοχές: το μάτι κουράζεται, το συνηθίζει και χάνει μεγαλύτερα μοτίβα. Ωστόσο, όταν την βλέπει κανείς από το διάστημα ή ένα drone, η υγεία της βλάστησης γίνεται ψηφιακός χάρτης και αποκαλύπτονται ξεκάθαρα οι τονισμένες περιοχές, πολύ νωρίς για να τις αντιληφθεί το μάτι. Το κύριο εργαλείο για αυτόν τον μετασχηματισμό είναι οι δείκτες βλάστησης: τύποι που μετατρέπουν τη ζωτικότητα του φυτού σε αριθμό από την αναλογία των διαφορετικών ζωνών φωτός στην εικόνα. Αυτή η ενότητα παρουσιάζει το πιο κοινό ευρετήριο, το NDVI, και τα αδέρφια του, εξηγεί τη διαφορά μεταξύ δορυφόρου και drone και σας δείχνει πώς να ερμηνεύετε και - το πιο σημαντικό - να επαληθεύετε αυτούς τους χάρτες με τεχνητή νοημοσύνη.
Ας καταλάβουμε πρώτα τη φυσική. Ένα υγιές, φωτοσυνθετικό φύλλο απορροφά έντονα το κόκκινο φως (επειδή το χρησιμοποιεί η χλωροφύλλη) και αντανακλά το εγγύς υπέρυθρο φως (NIR, η ζώνη πέρα από το κόκκινο, αόρατη στο μάτι) έντονα. Καθώς το φυτό καταπονείται και χάνει χλωροφύλλη, απορροφά λιγότερο κόκκινο και αντανακλά λιγότερο το NIR. Το NDVI (Normalized Difference Vegetation Index) μετρά ακριβώς αυτή τη διαφορά:
NDVI = (NIR - Κόκκινο) / (NIR + Κόκκινο)
Το αποτέλεσμα είναι μεταξύ -1 και +1. Το γυμνό έδαφος και το νερό δίνουν τιμές κοντά στο 0 ή αρνητικές. αραιό φυτό 0,2-0,4; Η πυκνή, υγιής κάλυψη κυμαίνεται από 0,7-0,9. Το NDVI δεν μετρά άμεσα την απόδοση, την ασθένεια ή την υγρασία του εδάφους - μόνο την πυκνότητα της πράσινης, ζωντανής κάλυψης. Το χαμηλό NDVI είναι μια προειδοποίηση, όχι μια διάγνωση.
Γιατί δεν είναι αρκετός ένας δείκτης;
Το NDVI είναι ισχυρό αλλά έχει δύο αδυναμίες. Το πρώτο είναι ο κορεσμός: όταν το κάλυμμα γίνεται πολύ πυκνό (ας πούμε, ένα καλά ανεπτυγμένο καλαμπόκι) το NDVI κορυφώνεται στο 0,8-0,9 και δεν υποδηλώνει περαιτέρω αύξηση της βιομάζας. Το δεύτερο είναι το φαινόμενο του εδάφους: σε αραιή κάλυψη, το χρώμα του εδάφους φόντου παραμορφώνει τον δείκτη. Γι' αυτό έχουν αναπτυχθεί διαφορετικοί δείκτες για διαφορετικές καταστάσεις. Ο παρακάτω πίνακας συνοψίζει τα πιο χρησιμοποιούμενα. Ποιο ευρετήριο θα επιλέξετε εξαρτάται από την ερώτησή σας.
ευρετήριο
Σε τι είναι καλό
σημείωση
NDVI
Γενική βιωσιμότητα κάλυψης
Παρέχει κορεσμό σε πυκνή κάλυψη
NDRE (Κόκκινη άκρη)
Άζωτο/χλωροφύλλη σε πυκνό κάλυμμα
Ευαίσθητο στο NDVI στην όψιμη περίοδο
GNDVI (Πράσινο)
Κατάσταση χλωροφύλλης/αζώτου
Χρησιμοποιεί πράσινη ταινία
SAVI
Αραιό κάλυμμα, γυμνό χώμα
Διορθώνει την επίδραση του εδάφους
NDWI/NDMI
Περιεκτικότητα σε νερό φυτού/εδάφους
Πιο κοντά στο στρες του νερού
ΣΠΙΤΙ
Πυκνό κάλυμμα, ατμόσφαιρα διορθωμένη
Μειώνει τον κορεσμό
Υπόδειξη: "Ποιο ευρετήριο;" Η απάντηση στο ερώτημα είναι η φάση ανάπτυξης του προϊόντος. SAVI στην πρώιμη περίοδο (αραιό κάλυμμα)? NDRE/GNDVI σε ενισχυμένη πυκνή κάλυψη και παρακολούθηση αζώτου. Σε υδατικό στρες, το NDWI/NDMI είναι συχνά πιο κατατοπιστικό από το NDVI.
Δορυφόρος ή Drone;
Οι δύο πόροι δεν είναι ανταγωνιστές αλλά αλληλοσυμπληρώνονται. Οι δορυφόροι (π.χ. Sentinel-2, Landsat) καλύπτουν μεγάλες περιοχές σε τακτά χρονικά διαστήματα δωρεάν ή φθηνά, αλλά η ανάλυσή τους είναι αδρή (pixel 10-30 m) και το σύννεφο μπορεί να κρύψει την εικόνα. Το drone παρέχει πολύ υψηλή ανάλυση (pixel και εκατοστά) και πτήση όποια μέρα θέλετε, αλλά καταλαμβάνει μια μικρή περιοχή και η πτήση και η επεξεργασία απαιτούν εργασία. Η πρακτική στρατηγική είναι πολυεπίπεδη: σαρώστε ολόκληρη τη φάρμα με έναν δορυφόρο και βρείτε ύποπτες περιοχές, στη συνέχεια εξετάστε αυτές τις περιοχές προσεκτικά με ένα drone και, τέλος, πηγαίνετε στο χωράφι.
Πώς ερμηνεύει η τεχνητή νοημοσύνη τον χάρτη ευρετηρίου;
Η τεχνητή νοημοσύνη είναι πολύτιμη για την ερμηνεία όχι της ίδιας της εικόνας, αλλά των αριθμητικών περιλήψεων που παράγονται από αυτήν: μέσοι όροι περιοχών, αλλαγές με την πάροδο του χρόνου, διαφορά με τις γειτονικές περιοχές. Για παράδειγμα, εάν δώσετε στο AI μια σύνοψη όπως "Το βόρειο άκρο του Plot-3 NDVI μειώθηκε από 0,72 σε 0,48 τις τελευταίες 12 ημέρες, το νότιο άκρο είναι σταθερό", θα σας βοηθήσει να ιεραρχήσετε πιθανές αιτίες και να κάνετε ένα σχέδιο ελέγχου πεδίου. Αλλά θυμηθείτε: το «γιατί» που προτείνει η AI είναι μια λίστα υποθέσεων. Το χαμηλό NDVI μπορεί να προκληθεί από στρες στο νερό, ασθένειες, ανεπάρκεια θρεπτικών ουσιών, σπάνια εμφάνιση, ζημιά από χαλάζι, σκιά νεφών ή φρέσκο οργωμένο έδαφος. Μόνο το πεδίο, η μετεωρολογία και η φαινολογία τα διακρίνει.
Three Mini Cases: By the Numbers
Περίπτωση 1 - Πρώιμη σύλληψη του στρες. Σε ένα χωράφι με καλαμπόκι, ο δορυφορικός NDVI ήταν 0,15 πόντους χαμηλότερος από τη γύρω περιοχή στο νοτιοδυτικό τμήμα των 8 δεκάδων του αγρού. Ο μηχανικός πήγε σε εκείνη την περιοχή. βρήκε φράξιμο στη γραμμή άρδευσης και η βλάβη διορθώθηκε 6 ημέρες πριν εμφανιστούν ορατά συμπτώματα (ξεθώριασμα). Η εκτιμώμενη απώλεια παραγωγικότητας αποφεύχθηκε.
Περίπτωση 2 - Εσφαλμένος συναγερμός. Το NDVI έπεσε ξαφνικά σε μια μόνο δορυφορική ημερομηνία σε ένα οικόπεδο σίτου. Η AI είπε "πιθανή ασθένεια". Ωστόσο, η μετεωρολογία έδειξε πυκνές νεφώσεις εκείνη την ημέρα. Στην επόμενη εικόνα χωρίς σύννεφο, το NDVI επέστρεψε στο κανονικό. Η σκιά του σύννεφου ήταν ένας ψευδής συναγερμός. Η απόφαση δεν ελήφθη με βάση μια ενιαία ημερομηνία, εξετάστηκε η χρονοσειρά.
Περίπτωση 3 - Επιλογή ευρετηρίου. Σε ένα ανεπτυγμένο χωράφι ζαχαρότευτλων το NDVI ήταν κορεσμένο στο 0,85 παντού και δεν έδειξε διαφορά αζώτου. Κατά τη μετάβαση στον δείκτη NDRE, παρατηρήθηκε ανεπάρκεια χλωροφύλλης στο ανατολικό μισό του αγρού. Η ανάλυση των φύλλων επιβεβαίωσε την έλλειψη αζώτου και εφαρμόστηκε στοχευμένος επίδεσμος στην περιοχή αυτή.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Υπάρχει κάποιο πρόβλημα με αυτόν τον χάρτη NDVI; Τι πρέπει να κάνω;
Ισχυρή προτροπή:
Ο ρόλος σας: Βοηθός γεωπόνος τηλεπισκόπησης. Σας δίνω μια περίληψη των σειρών NDVI και NDREtime σε σχέση με την περιοχή (ημερομηνία, περιοχή, μέση τιμή). Εργασία:- Καταγράψτε τις περιοχές που εμφανίζουν σημαντική ΠΑΡΑΤΥΠΗ με το ποσό και τη διάρκεια της μείωσης.- Δώστε 2-4 υποθέσεις ΠΙΘΑΝΩΝ αιτιών για κάθε περιοχή (νερό/νόσος/θρεπτικό/έδαφος/σύννεφο).- Γράψτε με μία πρόταση πώς θα το επαληθεύσω στο πεδίο για κάθε υπόθεση.- Σημειώστε τις ξαφνικές αλλαγές μιας ημερομηνίας ξεχωριστά. σύσταση φυτοφαρμάκων/λιπασμάτων· προτεραιότητα λίστας ελέγχου έκδοση.Δεδομένα:[σύνοψη χρονολογικής σειράς]
Η ισχυρή προτροπή μετατρέπει την τεχνητή νοημοσύνη από διαγνωστικό μηχάνημα σε βοηθό σχεδίου ιεράρχησης και επαλήθευσης. γράφει ξεκάθαρα για την παγίδα μονής ημερομηνίας και το διαγνωστικό όριο.
Τέσσερα αντιγράψιμα πρότυπα
1) Διαβούλευση για την επιλογή ευρετηρίου:
Καλλιέργεια: [καλλιέργεια], στάδιο ανάπτυξης: [στάδιο], η ερώτησή μου: [υδατική καταπόνηση / άζωτο / γενική ευρωστία]. Εξηγήστε συνοπτικά τους 2 δείκτες βλάστησης που είναι πιο κατάλληλοι για αυτήν την κατάσταση, γιατί και το πλεονέκτημά τους έναντι του NDVI. Γράψε και τους τύπους.
2) Περίληψη ανωμαλιών χρονοσειρών:
Στον παρακάτω πίνακα region-date-NDVI: λίστα χωριστά: (α) μειώσεις άνω του 0,1 και διαρκούν για τουλάχιστον 2 διαδοχικές ημερομηνίες, (β) άλματα μίας ημερομηνίας. Μην προσθέτετε σχόλια, απλώς εξαγάγετε τον πίνακα.
3) Σχέδιο ελέγχου πεδίου:
Κάντε ένα σχέδιο εκδρομής για τις ακόλουθες περιοχές προτεραιότητας: γράψτε τι μέτρηση (υγρασία, δείγμα φύλλου, έλεγχος ρίζας) θα κάνω σε κάθε περιοχή και γιατί χρειάζεται. Προτείνετε σημεία GPS στο περιφερειακό κέντρο.
4) Φίλτρο ψευδούς συναγερμού:
Λίστα ελέγχου για να αποκλείσετε αυτήν την πτώση NDVI πριν λάβετε μια απόφαση: σύννεφο/σκιά, γωνία σκιάς, συγκομιδή/έκδοση, ημερομηνία αισθητήρα, συνοχή γειτονικής ζώνης. Ελέγξτε κάθε στοιχείο "έχει ελεγχθεί;" Παρουσίαση ως.
Συνήθη λάθη
- Λήψη αποφάσεων με βάση μια ενιαία ημερομηνία. Τα σύννεφα, οι σκιές και η ατμόσφαιρα παραμορφώνουν την ενιαία εικόνα. κοιτάτε πάντα τις χρονολογικές σειρές.
- Χαμηλό NDVI = λάθος για ασθένεια. Ο δείκτης δεν λέει τον λόγο. Τα προβλήματα νερού, θρεπτικών ουσιών, εδάφους και εξόδου δίνουν την ίδια μείωση.
- Αγνοώντας τον κορεσμό. Το NDVI κορυφώνεται σε πυκνή κάλυψη. Εναλλαγή σε NDRE/GNDVI στην παρακολούθηση αζώτου.
- Ξεχνώντας την ανάλυση. Ένα δορυφορικό εικονοστοιχείο μήκους 10 μέτρων μπορεί να κρύψει ένα μικρό άγχος. Προσγειώστε το drone στην ύποπτη θέση.
- Παράκαμψη του γηπέδου. Ο χάρτης είναι ένας δείκτης. Η διάγνωση γίνεται σε χώμα και φύλλα.
Σημείωση: Ο χάρτης ευρετηρίου απαντά στην ερώτηση "πού πρέπει να κοιτάξετε", όχι στην ερώτηση "ποιο είναι το πρόβλημα". Η απευθείας μετάφραση του διαγράμματος σε απόφαση φαρμάκου ή λιπάσματος είναι ένας κίνδυνος παρέμβασης σε λάθος αιτία.
Συνοπτικά
Οι δείκτες βλάστησης μεταφράζουν την ευρωστία των φυτών σε αριθμούς από την αναλογία διαφορετικών ζωνών φωτός. Ενώ το NDVI είναι το πιο κοινό, δεν ταιριάζει σε κάθε κατάσταση λόγω κορεσμού και επιπτώσεων του εδάφους - τα αδέρφια του όπως NDRE, SAVI, NDWI είναι ισχυρότερα σε ορισμένες ερωτήσεις. Ο δορυφόρος είναι η ευρεία σάρωση, το drone είναι η στενή επιθεώρηση και το πεδίο είναι το τελικό επίπεδο επαλήθευσης. Η τεχνητή νοημοσύνη είναι πολύτιμη για την ιεράρχηση των περιλήψεων ευρετηρίων και τη δημιουργία ενός σχεδίου επικύρωσης. Αλλά ένας χαμηλός δείκτης είναι υπόθεση, όχι διάγνωση. Μην πέσετε στην παγίδα μιας ημερομηνίας, επιλέξτε το ευρετήριο ανά ερώτηση και δοκιμάστε κάθε σήμα στο πεδίο.
Εργασία εφαρμογής
Ετοιμάστε έναν μικρό πίνακα που περιέχει τουλάχιστον τρεις με ημερομηνία NDVI και, εάν είναι δυνατόν, τιμές NDRE για ένα δέμα (πραγματικό ή αντιπροσωπευτικό). βάλτε μια σκόπιμη πτώση σε μια περιοχή και ένα εφάπαξ άλμα σε μια ημερομηνία. Δώστε το στην τεχνητή νοημοσύνη με τα πρότυπα "σύνοψη ανωμαλιών χρονικής σειράς" και "φίλτρο ψευδούς συναγερμού" σε αυτήν τη μονάδα. Στην έξοδο, αξιολογήστε εάν η τεχνητή νοημοσύνη μπορεί να διαχωρίσει την πραγματική πτώση από την αναπήδηση του νέφους, εάν επιχειρεί να κάνει μια διάγνωση και σημειώστε τη μία μέτρηση που θα εξετάσετε στο πεδίο για κάθε περιοχή.
λίστα ελέγχου
- [ ] Επέλεξα συνειδητά το ευρετήριο (NDVI/NDRE/SAVI/NDWI) που ταιριάζει στην ερώτησή μου.
- [ ] Βάσισα την απόφαση στη χρονολογική σειρά, όχι στη μεμονωμένη εικόνα.
- [ ] Φιλτράρωσα ξαφνικές πτώσεις σε περίπτωση σύννεφων/σκιών/παρασυρμάτων.
- [ ] Έλαβα τους λόγους που έδωσε η τεχνητή νοημοσύνη ως υποθέσεις, όχι ως διαγνώσεις.
- [ ] Σχεδίασα μια μέτρηση επαλήθευσης πεδίου για κάθε ζώνη προτεραιότητας.