સેટેલાઇટ અને ડ્રોન સાથે પ્લાન્ટ હેલ્થ મોનિટરિંગ: NDVI અને વનસ્પતિ સૂચકાંકો

નફો:

• NDVI અને અન્ય વનસ્પતિ સૂચકાંકો શું માપે છે અને કયો સૂચકાંક કઈ પરિસ્થિતિમાં યોગ્ય છે તે સમજાવવાની ક્ષમતા.
• એઆઈની મદદથી સેટેલાઇટ/ડ્રોન ઈમેજીસમાંથી ઉત્પાદિત ઈન્ડેક્સ નકશાનું અર્થઘટન કરવાની ક્ષમતા અને તાણના વિસ્તારોને પ્રાથમિકતા
• ક્ષેત્ર નિયંત્રણ, હવામાનશાસ્ત્ર અને ફિનોલોજી સાથે અનુક્રમણિકાની વિસંગતતાઓને ચકાસીને ખોટા એલાર્મ્સને દૂર કરવાની ક્ષમતા

આંખ દ્વારા ક્ષેત્રને નેવિગેટ કરવું એ મોટા વિસ્તારોમાં ધીમું અને ભ્રામક છે: આંખ થાકી જાય છે, તેની આદત પામે છે અને મોટી પેટર્ન ચૂકી જાય છે. જો કે, જ્યારે અવકાશ અથવા ડ્રોનથી જોવામાં આવે છે, ત્યારે વનસ્પતિનું આરોગ્ય ડિજિટલ નકશો બની જાય છે અને તાણવાળા વિસ્તારો સ્પષ્ટપણે જાહેર કરવામાં આવે છે, જે આંખને ધ્યાનમાં લેવા માટે ખૂબ જ વહેલું છે. આ રૂપાંતર માટેનું મુખ્ય સાધન વનસ્પતિ સૂચકાંકો છે: સૂત્રો કે જે છોડના જીવનશક્તિને છબીના વિવિધ પ્રકાશ બેન્ડના ગુણોત્તરમાં રૂપાંતરિત કરે છે. આ એકમ સૌથી સામાન્ય અનુક્રમણિકા, NDVI અને તેના ભાઈ-બહેનોનો પરિચય આપે છે, સેટેલાઇટ અને ડ્રોન વચ્ચેનો તફાવત સમજાવે છે અને તમને બતાવે છે કે આ નકશાનું આર્ટિફિશિયલ ઈન્ટેલિજન્સ વડે કેવી રીતે અર્થઘટન કરવું અને-સૌથી અગત્યનું-ચકાસવું.

ચાલો પહેલા ભૌતિકશાસ્ત્રને સમજીએ. એક સ્વસ્થ, પ્રકાશસંશ્લેષણ પર્ણ લાલ પ્રકાશને તીવ્રપણે શોષી લે છે (કારણ કે હરિતદ્રવ્ય તેનો ઉપયોગ કરે છે) અને નજીકના-ઇન્ફ્રારેડ પ્રકાશને (NIR; લાલ રંગની બહાર, આંખ માટે અદ્રશ્ય) મજબૂત રીતે પ્રતિબિંબિત કરે છે. જેમ જેમ છોડ તણાવગ્રસ્ત બને છે અને હરિતદ્રવ્ય ગુમાવે છે, તે ઓછા લાલ રંગને શોષી લે છે અને એનઆઈઆર ઓછું પ્રતિબિંબિત કરે છે. NDVI (નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ) આ તફાવતને બરાબર માપે છે:

NDVI = (NIR - લાલ) / (NIR + લાલ)

પરિણામ -1 અને +1 ની વચ્ચે છે. એકદમ માટી અને પાણી 0 અથવા નકારાત્મકની નજીકના મૂલ્યો આપે છે; છૂટાછવાયા છોડ 0.2-0.4; ગાઢ, તંદુરસ્ત આવરણ 0.7-0.9 ની રેન્જમાં છે. NDVI ઉપજ, રોગ અથવા જમીનની ભેજને સીધી રીતે માપતું નથી - માત્ર લીલા, જીવંત કવરની ઘનતા. નિમ્ન NDVI એ એક ચેતવણી છે, નિદાન નથી.

શા માટે એક ઇન્ડેક્સ પૂરતો નથી?

NDVI મજબૂત છે પરંતુ તેની બે નબળાઈઓ છે. પ્રથમ સંતૃપ્તિ છે: જ્યારે આવરણ ખૂબ જ ગાઢ બની જાય છે (કહો, સારી રીતે વિકસિત મકાઈ) NDVI 0.8-0.9 પર પહોંચે છે અને તે વધુ બાયોમાસ વધારો સૂચવતું નથી. બીજી જમીનની અસર છે: છૂટાછવાયા આવરણમાં, પૃષ્ઠભૂમિની જમીનનો રંગ અનુક્રમણિકાને વિકૃત કરે છે. તેથી જ વિવિધ પરિસ્થિતિઓ માટે અલગ-અલગ સૂચકાંકો વિકસાવવામાં આવ્યા છે. નીચેનું કોષ્ટક સૌથી વધુ ઉપયોગમાં લેવાતા લોકોનો સારાંશ આપે છે; તમે કયો ઇન્ડેક્સ પસંદ કરો છો તે તમારા પ્રશ્ન પર આધાર રાખે છે.

અનુક્રમણિકા

તે શું માટે સારું છે

નોંધ

એનડીવીઆઈ

સામાન્ય કવર સદ્ધરતા

ગાઢ આવરણમાં સંતૃપ્તિ પ્રદાન કરે છે

NDRE (રેડ-એજ)

ગાઢ આવરણમાં નાઇટ્રોજન/ક્લોરોફિલ

અંતના સમયગાળામાં NDVI પ્રત્યે સંવેદનશીલ

GNDVI (લીલો)

હરિતદ્રવ્ય/નાઇટ્રોજન સ્થિતિ

લીલી ટેપનો ઉપયોગ કરે છે

SAVI

છૂટાછવાયા આવરણ, એકદમ માટી

જમીનની અસરને સુધારે છે

NDWI/NDMI

છોડ/જમીનની પાણીની સામગ્રી

પાણીના તાણની નજીક

ઘર

ગાઢ આવરણ, વાતાવરણ સુધારેલ

સંતૃપ્તિ ઘટાડે છે

સંકેત: "કયો અનુક્રમણિકા?" પ્રશ્નનો જવાબ ઉત્પાદનના વિકાસનો તબક્કો છે. પ્રારંભિક સમયગાળામાં SAVI (છુટા આવરણ); NDRE/GNDVI ઉન્નત ગાઢ કવર અને નાઇટ્રોજન મોનિટરિંગમાં; પાણીના તાણમાં, NDWI/NDMI ઘણીવાર NDVI કરતાં વધુ માહિતીપ્રદ હોય છે.

સેટેલાઇટ કે ડ્રોન?

બે સંસાધનો સ્પર્ધકો નથી પરંતુ એકબીજાના પૂરક છે. ઉપગ્રહો (દા.ત. સેન્ટીનેલ-2, લેન્ડસેટ) મોટા વિસ્તારોને નિયમિત અંતરાલે મફત અથવા સસ્તામાં આવરી લે છે, પરંતુ તેમનું રિઝોલ્યુશન બરછટ (પિક્સેલ્સ 10-30 મીટર) છે અને વાદળ છબીને અસ્પષ્ટ કરી શકે છે. ડ્રોન ખૂબ જ ઉચ્ચ રિઝોલ્યુશન (પિક્સેલ્સ અને સેન્ટિમીટર) પ્રદાન કરે છે અને તમે ઇચ્છો તે દિવસે ફ્લાઇટ આપે છે, પરંતુ તે એક નાનો વિસ્તાર ધરાવે છે અને ફ્લાઇટ અને પ્રક્રિયા માટે શ્રમની જરૂર પડે છે. વ્યવહારુ વ્યૂહરચના સ્તરવાળી છે: ઉપગ્રહ વડે સમગ્ર ખેતરને સ્કેન કરો અને શંકાસ્પદ વિસ્તારો શોધો, પછી ડ્રોન વડે તે વિસ્તારોની નજીકથી તપાસ કરો અને અંતે ખેતરમાં જાઓ.

આર્ટિફિશિયલ ઈન્ટેલિજન્સ ઈન્ડેક્સ મેપનું અર્થઘટન કેવી રીતે કરે છે?

આર્ટિફિશિયલ ઇન્ટેલિજન્સ એ છબીનું જ નહીં, પરંતુ તેમાંથી પેદા થયેલા આંકડાકીય સારાંશનું અર્થઘટન કરવામાં મૂલ્યવાન છે: પ્રદેશની સરેરાશ, સમય જતાં ફેરફાર, પડોશી પ્રદેશો સાથેનો તફાવત. ઉદાહરણ તરીકે, જો તમે AI ને સારાંશ આપો જેમ કે "Plot-3 NDVI નો ઉત્તર છેડો છેલ્લા 12 દિવસમાં 0.72 થી 0.48 સુધી ઘટ્યો છે, દક્ષિણ છેડો સ્થિર છે", તો તે તમને સંભવિત કારણોને પ્રાથમિકતા આપવામાં અને ક્ષેત્ર નિયંત્રણ યોજના બનાવવામાં મદદ કરશે. પરંતુ યાદ રાખો: એઆઈ જે "શા માટે" સૂચવે છે તે પૂર્વધારણાઓની સૂચિ છે. નિમ્ન એનડીવીઆઈ પાણીના તણાવ, રોગ, પોષક તત્ત્વોની ઉણપ, અવારનવાર ઉદભવ, કરાનું નુકસાન, વાદળ છાયા અથવા તાજી ખેડેલી જમીનને કારણે થઈ શકે છે. માત્ર ક્ષેત્ર, હવામાનશાસ્ત્ર અને ફિનોલોજી આને અલગ પાડે છે.

ત્રણ મિની કેસ: સંખ્યાઓ દ્વારા

કેસ 1 - પ્રારંભિક તણાવ કેપ્ચર. મકાઈના ખેતરમાં, ઉપગ્રહ NDVI ખેતરના દક્ષિણપશ્ચિમ 8-ડેકેર વિભાગમાં આસપાસના વિસ્તાર કરતાં 0.15 પોઈન્ટ નીચો હતો. ઈજનેર તે વિસ્તારમાં ગયા; સિંચાઈની લાઈનમાં એક ક્લોગ જોવા મળે છે અને દૃશ્યમાન લક્ષણો (વિલીન) દેખાય તેના 6 દિવસ પહેલા ખામી સુધારાઈ હતી. અંદાજિત ઉત્પાદકતા નુકશાન ટાળવામાં આવ્યું હતું.

કેસ 2 - ખોટું એલાર્મ. NDVI ઘઉંના પ્લોટમાં એક જ સેટેલાઇટ તારીખે અચાનક ડ્રોપ થયું. એઆઈએ "સંભવિત રોગ" કહ્યું. જો કે, હવામાનશાસ્ત્રે તે દિવસે ભારે વાદળો દર્શાવ્યા હતા; આગામી ક્લાઉડ-ફ્રી ઈમેજમાં, NDVI સામાન્ય થઈ ગયું હતું. વાદળ છાયા ખોટા એલાર્મ હતા; નિર્ણય એક તારીખના આધારે લેવામાં આવ્યો ન હતો, સમય શ્રેણી જોવામાં આવી હતી.

કેસ 3 - અનુક્રમણિકા પસંદગી. સુગર બીટના વિકસિત ક્ષેત્રમાં NDVI સર્વત્ર 0.85 પર સંતૃપ્ત હતું અને તેમાં કોઈ નાઈટ્રોજન તફાવત જોવા મળ્યો ન હતો. NDRE ઇન્ડેક્સ પર સ્વિચ કરતી વખતે, ક્ષેત્રના પૂર્વ ભાગમાં હરિતદ્રવ્યની ઉણપ જોવા મળી હતી; પાંદડાના પૃથ્થકરણે નાઈટ્રોજનની ઉણપની પુષ્ટિ કરી અને તે વિસ્તારમાં લક્ષિત ટોપ ડ્રેસિંગ લાગુ કરવામાં આવ્યું.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

શું આ NDVI નકશામાં કોઈ સમસ્યા છે? મારે શું કરવું જોઈએ?

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: રીમોટ સેન્સિંગ આસિસ્ટેડ કૃષિવિજ્ઞાની. હું તમને પ્રદેશ મુજબની NDVI અને NDREtime શ્રેણીનો સારાંશ (તારીખ, પ્રદેશ, સરેરાશ મૂલ્ય) આપી રહ્યો છું. કાર્ય:- ઘટાડાની માત્રા અને અવધિ સાથે નોંધપાત્ર ઘટાડો દર્શાવતા પ્રદેશોની યાદી આપો.- દરેક પ્રદેશ માટે 2-4 સંભવિત કારણોની પૂર્વધારણા આપો (પાણી/રોગ/પોષક/માટી/વાદળ).- એક વાક્યમાં લખો કે દરેક પૂર્વધારણા માટે હું તેને ક્ષેત્રમાં કેવી રીતે ચકાસીશ.- સિંગલ-ડેટ અચાનક ચિહ્નિત કરો. વાદળો અલગ-અલગ બદલાઈ શકે છે. જંતુનાશકો/ખાતરોની ભલામણ; પ્રાથમિકતાવાળી ચેકલિસ્ટ ver.Data:[સમય શ્રેણી સારાંશ]

શક્તિશાળી પ્રોમ્પ્ટ એઆઈને ડાયગ્નોસ્ટિક મશીનમાંથી પ્રાથમિકતા અને ચકાસણી યોજના સહાયકમાં ફેરવે છે; સ્પષ્ટપણે સિંગલ ડેટ ટ્રેપ અને ડાયગ્નોસ્ટિક લિમિટ વિશે લખે છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) અનુક્રમણિકા પસંદગી પરામર્શ:

પાક: [પાક], વિકાસનો તબક્કો: [સ્ટેજ], મારો પ્રશ્ન: [પાણીનો તાણ/નાઈટ્રોજન/સામાન્ય ઉત્સાહ]. આ પરિસ્થિતિ માટે સૌથી યોગ્ય 2 વનસ્પતિ સૂચકાંકો, શા માટે અને NDVI પર તેમનો ફાયદો સંક્ષિપ્તમાં સમજાવો. સૂત્રો પણ લખો.

2) સમય શ્રેણી વિસંગતતા સારાંશ:

નીચેના પ્રદેશ-તારીખ-NDVI કોષ્ટકમાં: અલગથી સૂચિબદ્ધ કરો: (a) 0.1 થી વધુનો ઘટાડો અને ઓછામાં ઓછી 2 સતત તારીખો સુધી ટકી રહે છે, (b) સિંગલ-ડેટ જમ્પ્સ. ટિપ્પણીઓ ઉમેરશો નહીં, ફક્ત ટેબલ બહાર કાઢો.

3) ક્ષેત્ર નિયંત્રણ યોજના:

નીચેના પ્રાધાન્યતા ક્ષેત્રો માટે ફિલ્ડ ટ્રિપ પ્લાન બનાવો: દરેક વિસ્તારમાં હું શું માપ લઈશ (ભેજ, પાંદડાના નમૂના, મૂળની તપાસ) લખો અને શા માટે તેની જરૂર છે. પ્રાદેશિક કેન્દ્રને જીપીએસ પોઇન્ટની ભલામણ કરો.

4) ખોટા એલાર્મ ફિલ્ટર:

નિર્ણય લેતા પહેલા આ NDVI ડ્રોપને નકારી કાઢવા માટે ચેકલિસ્ટ: ક્લાઉડ/શેડો, શેડો એંગલ, હાર્વેસ્ટ/રિલીઝ, સેન્સરની તારીખ, પડોશી ઝોન સુસંગતતા. દરેક આઇટમ તપાસો "શું તે તપાસવામાં આવી છે?" તરીકે હાજર.

સામાન્ય ભૂલો

• એક જ તારીખના આધારે નિર્ણયો લેવા. વાદળો, પડછાયાઓ અને વાતાવરણ એક છબીને વિકૃત કરે છે; હંમેશા સમય શ્રેણી જુઓ.
• નિમ્ન NDVI = રોગ માટે ભૂલથી. ઇન્ડેક્સ કારણ જણાવતું નથી; પાણી, પોષક તત્ત્વો, માટી અને આઉટલેટ સમસ્યાઓ સમાન ઘટાડો આપે છે.
• સંતૃપ્તિની અવગણના. ગાઢ આવરણમાં NDVI શિખરો; નાઇટ્રોજન મોનિટરિંગમાં NDRE/GNDVI પર સ્વિચ કરો.
• ઠરાવ ભૂલી જવું. 10 મીટર ઉપગ્રહ પિક્સેલ નાના તણાવ પેચને છુપાવી શકે છે; ડ્રોનને શંકાસ્પદ સ્થળે લેન્ડ કરો.
• ક્ષેત્ર છોડવું. નકશો એક તર્જની છે; નિદાન માટી અને પાંદડામાં થાય છે.

નોંધ: અનુક્રમણિકા નકશો "તમારે ક્યાં જોવું જોઈએ" પ્રશ્નનો જવાબ આપે છે, પ્રશ્ન "સમસ્યા શું છે" નો નહીં. દવા અથવા ખાતરના નિર્ણયમાં ચાર્ટનો સીધો અનુવાદ કરવો એ ખોટા કારણમાં હસ્તક્ષેપ થવાનું જોખમ છે.

સારાંશમાં

વનસ્પતિ સૂચકાંકો છોડના ઉત્સાહને વિવિધ પ્રકાશ બેન્ડના ગુણોત્તરમાંથી સંખ્યામાં અનુવાદિત કરે છે; જ્યારે NDVI સૌથી સામાન્ય છે, તે સંતૃપ્તિ અને માટીની અસરોને કારણે દરેક પરિસ્થિતિમાં બંધબેસતું નથી - તેના ભાઈ-બહેનો જેમ કે NDRE, SAVI, NDWI ચોક્કસ પ્રશ્નો પર વધુ મજબૂત છે. સેટેલાઇટ એ વિશાળ સ્કેન છે, ડ્રોન એ નજીકનું નિરીક્ષણ છે અને ક્ષેત્ર એ અંતિમ ચકાસણી સ્તર છે. અનુક્રમણિકાના સારાંશને પ્રાધાન્ય આપવા અને માન્યતા યોજનાની સ્થાપનામાં AI મૂલ્યવાન છે; પરંતુ નીચો ઇન્ડેક્સ એ એક પૂર્વધારણા છે, નિદાન નથી. સિંગલ ડેટ ટ્રેપમાં ન પડો, પ્રશ્ન દ્વારા અનુક્રમણિકા પસંદ કરો અને ક્ષેત્રમાં દરેક સિગ્નલનું પરીક્ષણ કરો.

એપ્લિકેશન કાર્ય

ઓછામાં ઓછા ત્રણ તારીખવાળી NDVI અને જો શક્ય હોય તો, પાર્સલ (વાસ્તવિક અથવા પ્રતિનિધિ) માટે NDRE મૂલ્યો ધરાવતું નાનું કોષ્ટક તૈયાર કરો; એક પ્રદેશમાં ઇરાદાપૂર્વકનો ઘટાડો અને તારીખમાં એક વખતનો જમ્પ મૂકો. આ એકમમાં "સમય શ્રેણી વિસંગતતા સારાંશ" અને "ખોટા એલાર્મ ફિલ્ટર" નમૂનાઓ સાથે AI ને આપો. આઉટપુટમાં, મૂલ્યાંકન કરો કે શું AI વાસ્તવિક ડ્રોપને ક્લાઉડ બાઉન્સથી અલગ કરી શકે છે, શું તે નિદાન કરવાનો પ્રયાસ કરે છે અને દરેક ક્ષેત્ર માટે તમે જે એક મેટ્રિક જોશો તે લખો.

ચેકલિસ્ટ

• [ ] મેં મારા પ્રશ્ન માટે યોગ્ય અનુક્રમણિકા (NDVI/NDRE/SAVI/NDWI) સભાનપણે પસંદ કરી છે.
• [ ] મેં સમય શ્રેણી પર નિર્ણય લીધો, એકલ છબી પર નહીં.
• [ ] મેં વાદળો/પડછાયા/વહેંચવાના કિસ્સામાં અચાનક ટીપાં ફિલ્ટર કર્યા.
• [ ] મેં AI દ્વારા આપવામાં આવેલા કારણોને પૂર્વધારણા તરીકે લીધા છે, નિદાન તરીકે નહીં.
• [ ] મેં દરેક પ્રાધાન્યતા ઝોન માટે ક્ષેત્ર ચકાસણી માપનનું આયોજન કર્યું છે.