Voitot:
- Kyky selittää mitä NDVI ja muut kasvillisuusindeksit mittaavat ja mikä indeksi on sopiva missä tilanteessa.
- Kyky tulkita satelliitti-/droonikuvista valmistettuja indeksikarttoja tekoälyn avulla ja priorisoida stressialueita
- Kyky eliminoida vääriä hälytyksiä tarkistamalla indeksipoikkeamat kenttävalvonnan, meteorologian ja fenologian avulla
Pellon silmän perusteella navigointi on sekä hidasta että harhaanjohtavaa suurilla alueilla: silmä väsyy, tottuu ja kaipaa suurempia kuvioita. Avaruudesta tai dronista katsottuna kasvillisuuden terveydestä tulee kuitenkin digitaalinen kartta ja stressaantuneet alueet paljastuvat selvästi, liian aikaisin silmälle. Tämän muunnoksen tärkein työkalu on kasvillisuusindeksit: kaavat, jotka muuntavat kasvin elinvoimaisuuden luvuksi kuvan eri valojuovien suhteesta. Tämä yksikkö esittelee yleisimmän indeksin, NDVI:n, ja sen sisarukset, selittää satelliitin ja dronin välisen eron ja näyttää, kuinka näitä karttoja tulkitaan ja - mikä tärkeintä - tarkistetaan tekoälyn avulla.
Ymmärretään ensin fysiikka. Terve, fotosynteettinen lehti imee punaista valoa intensiivisesti (koska klorofylli käyttää sitä) ja heijastaa voimakkaasti lähi-infrapunavaloa (NIR; punaisen takana oleva, silmälle näkymätön nauha). Kun kasvi stressaantuu ja menettää klorofyllin, se imee vähemmän punaista ja heijastaa vähemmän NIR:ää. NDVI (Normalized Difference Vegetation Index) mittaa juuri tämän eron:
NDVI = (NIR - punainen) / (NIR + punainen)
Tulos on välillä -1 ja +1. Paljas maaperä ja vesi antavat arvot lähellä nollaa tai negatiivisia; harva kasvi 0,2-0,4; tiheä, terve peitto on välillä 0,7-0,9. NDVI ei mittaa suoraan satoa, tauteja tai maaperän kosteutta – vain vihreän elävän peitteen tiheyttä. Matala NDVI on varoitus, ei diagnoosi.
Miksi yksi indeksi ei riitä?
NDVI on vahva, mutta siinä on kaksi heikkoutta. Ensimmäinen on kyllästyminen: kun peite tulee hyvin tiheäksi (esimerkiksi hyvin kehittynyt maissi), NDVI saavuttaa huippunsa arvossa 0,8-0,9, eikä se osoita biomassan lisäkasvua. Toinen on maaperävaikutus: harvassa peitossa taustamaan väri vääristää indeksiä. Siksi eri tilanteita varten on kehitetty erilaisia indeksejä. Alla olevassa taulukossa on yhteenveto eniten käytetyistä; Minkä indeksin valitset, riippuu kysymyksestäsi.
hakemisto
Mihin se on hyvä
huomautus
NDVI
Yleinen suojan elinkelpoisuus
Tarjoaa kylläisyyttä tiheässä peitossa
NDRE (punainen reuna)
Typpi/klorofylli tiheässä kannessa
Herkkä NDVI:lle myöhään
GNDVI (vihreä)
Klorofylli/typpitila
Käyttää vihreää teippiä
SAVI
Harva peitto, paljas maaperä
Korjaa maaperän vaikutusta
NDWI/NDMI
Kasvien/maaperän vesipitoisuus
Lähempänä vesistressiä
TALO
Tiheä kansi, tunnelma korjattu
Vähentää kylläisyyttä
Vihje: "Mikä indeksi?" Vastaus kysymykseen on tuotteen kehitysvaihe. SAVI alkukaudella (harva kansi); NDRE/GNDVI tehostetussa tiheässä peitossa ja typen valvonnassa; Vesistressissä NDWI/NDMI on usein informatiivisempi kuin NDVI.
Satelliitti vai drooni?
Nämä kaksi resurssia eivät ole kilpailijoita vaan täydentävät toisiaan. Satelliitit (esim. Sentinel-2, Landsat) kattavat suuria alueita säännöllisin väliajoin ilmaiseksi tai halvalla, mutta niiden resoluutio on karkea (pikseliä 10-30 m) ja pilvi voi peittää kuvan. Drone tarjoaa erittäin korkean resoluution (pikseliä ja senttimetriä) ja lennon milloin tahansa haluat, mutta se vie pienen alueen ja lento ja käsittely vaativat työvoimaa. Käytännön strategia on kerroksellinen: skannaa koko maatila satelliitilla ja etsi epäilyttävät alueet, tutki niitä tarkasti dronilla ja mene lopuksi pellolle.
Kuinka tekoäly tulkitsee hakemistokartan?
Tekoäly on arvokasta tulkittaessa itse kuvaa, vaan siitä syntyviä numeerisia yhteenvetoja: alueen keskiarvot, muutos ajan myötä, ero naapurialueiden kanssa. Jos esimerkiksi annat tekoälylle yhteenvedon, kuten "Pot-3 NDVI:n pohjoispää laski 0,72:sta 0,48:aan viimeisen 12 päivän aikana, eteläpää on vakaa", se auttaa sinua priorisoimaan mahdolliset syyt ja laatimaan kentän ohjaussuunnitelman. Mutta muista: "miksi" tekoäly ehdottaa on luettelo hypoteeseista. Matala NDVI voi johtua vesistressistä, sairauksista, ravinteiden puutteesta, harvoista ilmaantumisesta, rakevaurioista, pilvivarjosta tai vasta kynnetystä maaperästä. Vain ala, meteorologia ja fenologia erottavat nämä.
Kolme minikoteloa: Numeroiden mukaan
Tapaus 1 - Varhainen stressin talteenotto. Maissipellolla satelliitti NDVI oli 0,15 pistettä ympäröivää aluetta alhaisempi pellon lounaisosassa 8 dekaria. Insinööri meni tälle alueelle; löytyi tukos kastelulinjasta ja vika korjattiin 6 päivää ennen näkyvien oireiden (häipymistä) ilmaantumista. Arvioitu tuottavuuden menetys vältyttiin.
Tapaus 2 - Väärä hälytys. NDVI putosi yhtäkkiä yhdelle satelliittipäivälle vehnäkuvassa. AI sanoi "mahdollinen sairaus". Kuitenkin meteorologia osoitti raskaita pilviä sinä päivänä; Seuraavassa pilvettömässä kuvassa NDVI palasi normaaliksi. Pilvivarjo oli väärä hälytys; Päätöstä ei tehty yhden päivämäärän perusteella, vaan tarkasteltiin aikasarjoja.
Tapaus 3 - Hakemiston valinta. Kehittyneellä sokerijuurikaspellolla NDVI oli kyllästynyt 0,85:een kaikkialla, eikä siinä ollut typen eroa. NDRE-indeksiin vaihdettaessa pellon itäosassa havaittiin klorofyllin puutetta; Lehtianalyysi vahvisti typen puutteen ja alueelle levitettiin kohdennettua pintakäsittelyä.
Heikko kehote / Vahva kehote
Heikko kehote:
Onko tässä NDVI-kartassa ongelmia? Mitä minun pitäisi tehdä?
Tehokas kehotus:
Tehtäväsi: Kaukokartoitusavustettu agronomi. Annan sinulle aluekohtaisen NDVI- ja NDREtime-sarjan yhteenvedon (päivämäärä, alue, keskiarvo). Tehtävä:- Listaa alueet, joilla on merkittävä HAENEMINEN laskun määrällä ja kestolla.- Anna kullekin alueelle 2-4 MAHDOLLISTA syyhypoteesia (vesi/sairaus/ravinne/maa/pilvi).- Kirjoita yhdellä lauseella kuinka varmistan sen kenttään kunkin hypoteesin kohdalla.- Merkitse yksipäiväiset äkilliset muutokset erikseen. DIAGNOSE, torjunta-aineiden/lannoitteiden suositteleminen; priorisoitu tarkistuslista ver.Data:[aikasarjan yhteenveto]
Tehokas kehote muuttaa tekoälyn diagnostiikasta priorisointi- ja vahvistussuunnitelman avustajaksi; kirjoittaa selkeästi yhden päivämäärän ansasta ja diagnostisesta rajasta.
Neljä kopioitavaa mallia
1) Hakemistovalintakonsultointi:
Sato: [sato], kehitysvaihe: [vaihe], kysymykseni: [vesistressi / typpi / yleinen elinvoima]. Selitä lyhyesti kaksi tähän tilanteeseen sopivinta kasvillisuusindeksiä, miksi ja niiden etu NDVI:hen verrattuna. Kirjoita myös kaavat.
2) Aikasarjapoikkeamien yhteenveto:
Alla olevaan alue-päivämäärä-NDVI-taulukkoon: luettele erikseen: (a) yli 0,1:n laskut, jotka kestävät vähintään 2 peräkkäistä päivämäärää, (b) yhden päivämäärän hyppyjä. Älä lisää kommentteja, vaan pura taulukko.
3) Kenttäohjaussuunnitelma:
Tee retkisuunnitelma seuraaville prioriteettialueille: kirjoita, minkä mittauksen (kosteus, lehtinäyte, juuritarkastus) teen kullakin alueella ja miksi sitä tarvitaan. Suosittele GPS-pisteitä aluekeskukseen.
4) Väärän hälytyksen suodatin:
Tarkistuslista tämän NDVI-pudotuksen poissulkemiseksi ennen päätöksen tekemistä: pilvi/varjo, varjon kulma, sadonkorjuu/vapautus, anturin päivämäärä, naapurivyöhykkeen yhdenmukaisuus. Tarkista jokainen kohde "onko se tarkistettu?" Esitä muodossa.
Yleisiä virheitä
- Päätösten teko yhden päivämäärän perusteella. Pilvet, varjot ja tunnelma vääristävät yhtä kuvaa; katso aina aikasarjoja.
- Matala NDVI = luullaan sairaudeksi. Indeksi ei kerro syytä; Vesi-, ravinto-, maaperä- ja poistumisongelmat aiheuttavat saman laskun.
- Kylläisyyden huomioiminen. NDVI-huiput tiheässä peitossa; Vaihda NDRE/GNDVI-tilaan typen valvonnassa.
- Unohdetaan resoluutio. 10 metrin satelliittipikseli voi piilottaa pienen jännityspisteen; Laske drooni epäilyttävään paikkaan.
- Kentän ohittaminen. Kartta on etusormi; Diagnoosi tehdään maaperästä ja lehdistä.
Huomautus: Hakemistokartta vastaa kysymykseen "mihin kannattaa katsoa", ei kysymykseen "mikä on ongelma". Kaavion kääntäminen suoraan lääke- tai lannoitepäätökseksi on riski puuttua väärään asiaan.
Yhteenvetona
Kasvillisuusindeksit kääntävät kasvien elinvoiman lukuiksi eri valovyöhykkeiden suhteesta; Vaikka NDVI on yleisin, se ei sovi kaikkiin tilanteisiin kyllästymisen ja maaperävaikutusten vuoksi - sen sisarukset, kuten NDRE, SAVI, NDWI, ovat vahvempia tietyissä kysymyksissä. Satelliitti on laajakuvaus, drone tarkka tarkastus ja kenttä on lopullinen varmistuskerros. Tekoäly on arvokas indeksitiivistelmien priorisoinnissa ja validointisuunnitelman laatimisessa; Mutta alhainen indeksi on hypoteesi, ei diagnoosi. Älä lankea yhden päivämäärän ansaan, valitse indeksi kysymykseltä ja testaa jokainen signaali kentällä.
Sovellustehtävä
Laadi pieni taulukko, joka sisältää vähintään kolme päivättyä NDVI- ja, jos mahdollista, NDRE-arvoa paketille (todellinen tai edustava); laita tarkoituksellinen pudotus alueelle ja kertahyppy treffeille. Anna se tekoälylle tämän laitteen "aikasarjapoikkeamien yhteenveto"- ja "väärähälytyssuodatin" -malleilla. Arvioi tulosteessa, pystyykö tekoäly erottamaan todellisen pudotuksen pilven pomppimisesta, yrittääkö se tehdä diagnoosin, ja kirjoita kenttään yksi mittari, jota tarkastelet kullekin alueelle.
tarkistuslista
- [ ] Valitsin tietoisesti indeksin (NDVI/NDRE/SAVI/NDWI), joka sopii kysymykseeni.
- [ ] Perustin päätöksen aikasarjaan, en yksittäiseen kuvaan.
- [ ] Suodatin äkilliset pudotukset pilvien/varjojen/ajoitumisen varalta.
- [ ] Pidin tekoälyn antamat syyt hypoteeseina, en diagnooseina.
- [ ] Suunnittelin kenttävarmennusmittauksen jokaiselle prioriteettialueelle.