רווחים:
- יכולת להסביר מה מודדים מדדי NDVI ומדדי צמחייה ואיזה אינדקס מתאים באיזה מצב.
- יכולת לפרש מפות אינדקס המופקות מתמונות לווין/מל"ט בעזרת AI ולתעדף אזורי לחץ
- יכולת לחסל אזעקות שווא על ידי אימות חריגות אינדקס עם בקרת שדה, מטאורולוגיה ופנוולוגיה
ניווט בשדה לפי עין הוא גם איטי וגם מטעה על פני שטחים גדולים: העין מתעייפה, מתרגלת ומפספסת דפוסים גדולים יותר. עם זאת, במבט מהחלל או ממזל"ט, בריאות הצמחייה הופכת למפה דיגיטלית ואזורים לחוצים נחשפים בבירור, מוקדם מכדי שהעין תבחין. הכלי העיקרי לשינוי זה הוא מדדי צמחייה: נוסחאות הממירות את חיוניות הצמח למספר מתוך היחס בין פסי האור השונים בתמונה. יחידה זו מציגה את האינדקס הנפוץ ביותר, NDVI, ואחיו, מסבירה את ההבדל בין לוויין לרחפן, ומראה לך כיצד לפרש והכי חשוב - לאמת את המפות הללו באמצעות בינה מלאכותית.
בואו נבין קודם את הפיזיקה. עלה בריא ופוטוסינתטי סופג אור אדום בצורה אינטנסיבית (מכיוון שהכלורופיל משתמש בו) ומחזיר אור קרוב לאינפרא אדום (NIR; הפס שמעבר לאדום, בלתי נראה לעין) בצורה חזקה. כשהצמח נלחץ ומאבד כלורופיל, הוא סופג פחות אדום ומשקף פחות NIR. NDVI (Normalized Difference Vegetation Index) מודד בדיוק את ההבדל הזה:
NDVI = (NIR - אדום) / (NIR + אדום)
התוצאה היא בין -1 ל-+1. אדמה חשופה ומים נותנים ערכים קרובים ל-0 או שליליים; צמח דליל 0.2-0.4; כיסוי צפוף ובריא הוא בטווח של 0.7-0.9. NDVI אינו מודד ישירות יבול, מחלות או לחות בקרקע - רק את צפיפות הכיסוי הירוק והחי. NDVI נמוך הוא אזהרה, לא אבחנה.
מדוע אינדקס אחד אינו מספיק?
NDVI חזק אבל יש לו שתי נקודות חולשה. הראשון הוא רוויה: כאשר הכיסוי הופך צפוף מאוד (נניח, תירס מפותח) NDVI מגיע לשיא של 0.8-0.9 ואינו מעיד על עלייה נוספת בביומסה. השני הוא אפקט הקרקע: בכיסוי דליל, צבע אדמת הרקע מעוות את המדד. לכן פותחו מדדים שונים עבור מצבים שונים. הטבלה שלהלן מסכמת את אלה הנפוצים ביותר; איזה אינדקס תבחר תלוי בשאלה שלך.
אינדקס
בשביל מה זה טוב
הערה
NDVI
כדאיות כיסוי כללית
מספק רוויה בכיסוי צפוף
NDRE (אדום קצה)
חנקן/כלורופיל בכיסוי צפוף
רגיש ל-NDVI בתקופה המאוחרת
GNDVI (ירוק)
מצב כלורופיל/חנקן
משתמש בסרט ירוק
SAVI
כיסוי דליל, אדמה חשופה
מתקן את השפעת הקרקע
NDWI/NDMI
תכולת מים בצמח/אדמה
קרוב יותר ללחץ מים
בית
כריכה צפופה, אווירה תוקנה
מפחית רוויה
רמז: "איזה אינדקס?" התשובה לשאלה היא שלב הפיתוח של המוצר. SAVI בתקופה המוקדמת (כריכה דלילה); NDRE/GNDVI בכיסוי צפוף משופר וניטור חנקן; בלחץ מים, NDWI/NDMI הוא לרוב אינפורמטיבי יותר מ-NDVI.
לוויין או מזל"ט?
שני המשאבים אינם מתחרים אלא משלימים זה את זה. לוויינים (למשל Sentinel-2, Landsat) מכסים שטחים גדולים במרווחים קבועים בחינם או בזול, אך הרזולוציה שלהם גסה (פיקסלים 10-30 מ') וענן יכול לטשטש את התמונה. המל"ט מספק רזולוציה גבוהה מאוד (פיקסלים וסנטימטרים) וטיסה בכל יום שתרצו, אבל הוא תופס שטח קטן וטיסה ועיבוד דורשים עבודה. האסטרטגיה המעשית היא מרובדת: סרוק את כל החווה עם לוויין ומצא אזורים חשודים, לאחר מכן בחן אותם מקרוב עם מזל"ט, ולבסוף ללכת לשטח.
כיצד בינה מלאכותית מפרשת את מפת האינדקס?
לבינה מלאכותית יש ערך בפירוש לא את התמונה עצמה, אלא את הסיכומים המספריים המופקים ממנה: ממוצעי אזורים, שינוי לאורך זמן, הבדל עם אזורים שכנים. לדוגמה, אם אתה נותן ל-AI סיכום כמו "הקצה הצפוני של Plot-3 NDVI ירד מ-0.72 ל-0.48 ב-12 הימים האחרונים, הקצה הדרומי יציב", זה יעזור לך לתעדף סיבות אפשריות וליצור תוכנית בקרה בשטח. אבל זכרו: ה"למה" שה-AI מציע היא רשימה של השערות. NDVI נמוך יכול להיגרם מלחץ מים, מחלות, מחסור בחומרים מזינים, הופעה נדירה, נזקי ברד, צל עננים או אדמה שנחרשה טריה. רק התחום, המטאורולוגיה והפנוולוגיה מבדילים בין אלה.
שלושה מיני מארזים: לפי המספרים
מקרה 1 - לכידת מתח מוקדם. בשדה תירס, NDVI הלוויין היה נמוך ב-0.15 נקודות מהאזור שמסביב בקטע הדרום-מערבי של 8 הדקרים של השדה. המהנדס הלך לאזור ההוא; מצא סתימה בקו ההשקיה והתקלה תוקנה 6 ימים לפני שהופיעו תסמינים גלויים (דהייה). נמנע אובדן פרודוקטיביות משוער.
מקרה 2 - אזעקת שווא. NDVI ירד לפתע בתאריך לוויין בודד בחלקת חיטה. AI אמר "מחלה אפשרית". עם זאת, המטאורולוגיה הראתה עננים כבדים באותו יום; בתמונה הבאה נטולת ענן, NDVI חזר לקדמותו. צל הענן היה אזעקת שווא; ההחלטה לא התקבלה על סמך תאריך אחד, נבדקה סדרת הזמן.
מקרה 3 - בחירת אינדקס. בשדה סלק סוכר מפותח ה-NDVI היה רווי ב-0.85 בכל מקום ולא הראה הבדל בחנקן. במעבר למדד NDRE נצפה מחסור בכלורופיל בחציו המזרחי של השדה; ניתוח עלים אישר מחסור בחנקן והלבשה עליונה ממוקדת הושמה לאזור זה.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה:
האם יש בעיה עם מפת NDVI זו? מה עלי לעשות?
הנחיה עוצמתית:
תפקידך: אגרונום בסיוע חישה מרחוק. אני נותן לך סיכום של סדרות NDVI ו-NDREtime מבחינת אזור (תאריך, אזור, ערך ממוצע). משימה:- רשום את האזורים המראים ירידה משמעותית עם כמות ומשך הירידה.- תן 2-4 השערות סיבה אפשריות לכל אזור (מים/מחלה/תזונתי/אדמה/ענן).- כתוב במשפט אחד איך אני אאמת את זה בשטח עבור כל השערה.- סמן בנפרד שינויים פתאומיים חד-פעמיים כיוון שהם עשויים להיות עננים-DSEONdshadow ממליצים. חומרי הדברה/דשנים; נתונים: [סיכום סדרות זמן]
ההנחיה העוצמתית הופכת את הבינה המלאכותית ממכונת אבחון לעוזר של תיעדוף ותוכנית אימות; כותב בבירור על מלכודת התאריך הבודד ועל מגבלת האבחון.
ארבע תבניות הניתנות להעתקה
1) ייעוץ לבחירת אינדקס:
יבול: [יבול], שלב התפתחותי: [שלב], השאלה שלי: [לחץ מים / חנקן / מרץ כללי]. הסבר בקצרה את 2 מדדי הצמחייה המתאימים ביותר למצב זה, מדוע והיתרון שלהם על פני NDVI. כתוב גם את הנוסחאות.
2) סיכום חריגות של סדרת זמן:
בטבלת אזור-תאריך-NDVI להלן: רשום בנפרד: (א) ירידות של יותר מ-0.1 ונמשכות לפחות 2 תאריכים עוקבים, (ב) קפיצות חד-פעמיות. אל תוסיף הערות, פשוט חלץ את הטבלה.
3) תוכנית בקרת שטח:
ערכו תוכנית טיול בשטח לאזורי העדיפות הבאים: רשמו איזו מדידה (לחות, דגימת עלים, בדיקת שורשים) אקח בכל אזור ומדוע היא נחוצה. המלץ על נקודות GPS למרכז האזורי.
4) מסנן אזעקות שווא:
רשימת רשימות לשלילת נפילת NDVI זו לפני קבלת החלטה: ענן/צל, זווית צל, קציר/שחרור, תאריך חיישן, עקביות של אזור שכן. סמן כל פריט "האם הוא נבדק?" הצג כ.
טעויות נפוצות
- קבלת החלטות על סמך דייט בודד. עננים, צללים ואווירה מעוותים את התמונה הבודדת; תמיד להסתכל על סדרת הזמן.
- NDVI נמוך = בטעות כמחלה. המדד לא אומר את הסיבה; בעיות מים, חומרי הזנה, אדמה ויציאות נותנות את אותה ירידה.
- התעלמות מרוויה. פסגות NDVI בכיסוי צפוף; עבור ל-NDRE/GNDVI בניטור חנקן.
- שוכחים רזולוציה. פיקסל לווין של 10 מ' יכול להסתיר תיקון מתח קטן; הנחית את המל"ט במיקום החשוד.
- דילוג על השדה. המפה היא אצבע מורה; האבחנה מתבצעת באדמה ובעלים.
הערה: מפת האינדקס עונה על השאלה "איפה כדאי לחפש", לא על השאלה "מה הבעיה". תרגום התרשים ישירות להחלטה על תרופה או דשן מהווה סיכון להתערבות בגורם הלא נכון.
לסיכום
מדדי הצמחייה מתרגמים את מרץ הצמח למספרים מתוך היחס בין פסי אור שונים; בעוד NDVI הוא הנפוץ ביותר, הוא לא מתאים לכל מצב בגלל הרוויה והשפעות קרקע - אחיו כמו NDRE, SAVI, NDWI חזקים יותר בשאלות מסוימות. הלוויין הוא הסריקה הרחבה, המל"ט הוא הבדיקה המדוקדקת, והשדה הוא שכבת האימות הסופית. AI הוא בעל ערך בתעדוף סיכומי אינדקס והקמת תוכנית אימות; אבל מדד נמוך הוא השערה, לא אבחנה. אל תיפול למלכודת התאריך היחיד, בחר את האינדקס לפי שאלה ובדוק כל אות בשטח.
משימת יישום
הכן טבלה קטנה המכילה לפחות שלושה ערכי NDVI מתוארכים ובמידת האפשר, NDRE עבור חבילה (בפועל או מייצג); לשים ירידה מכוונת באזור וקפיצה חד פעמית בדייט. תן אותו ל-AI עם תבניות "סיכום חריגות סדרת זמן" ו"מסנן אזעקות שווא" ביחידה זו. בפלט, העריכו אם ה-AI יכול להפריד את הירידה בפועל מהקפיצה בענן, האם הוא מנסה לבצע אבחנה, ורשום את המדד היחיד שתסתכל עליו בשטח עבור כל אזור.
רשימת בדיקה
- [ ] בחרתי במודע באינדקס (NDVI/NDRE/SAVI/NDWI) המתאים לשאלתי.
- [ ] ביססתי את ההחלטה על סדרת הזמן, לא על התמונה הבודדת.
- [ ] סיננתי נפילות פתאומיות במקרה של עננים/צללים/סחיפה.
- [ ] לקחתי את הסיבות שניתנו על ידי AI כהשערות, לא כאבחנות.
- [ ] תכננתי מדידת אימות שדה עבור כל אזור עדיפות.