Nyereség:
- Képes elmagyarázni, hogy mit mérnek az NDVI és más vegetációs indexek, és melyik index melyik helyzetben megfelelő.
- Képesség műhold/drónképekből készített indextérképek értelmezésére mesterséges intelligencia segítségével, és a stresszes területek rangsorolására
- Képes a téves riasztások kiküszöbölésére az index anomáliáinak helyszíni ellenőrzéssel, meteorológiával és fenológiával történő ellenőrzésével
A szántóföldön való navigálás nagy területeken lassú és félrevezető: a szem elfárad, megszokja, és kihagyja a nagyobb mintákat. Ha azonban az űrből vagy drónról nézzük, a növényzet állapota digitális térképpé válik, és a stresszes területek egyértelműen feltárulnak, még korán, hogy a szem észrevegye. Ennek az átalakításnak a fő eszköze a vegetációs indexek: olyan képletek, amelyek a képen látható különböző fénysávok arányából számmá alakítják a növény vitalitását. Ez az egység bemutatja a legelterjedtebb indexet, az NDVI-t és testvéreit, elmagyarázza a műhold és a drón közötti különbséget, és megmutatja, hogyan kell értelmezni és – ami a legfontosabb – ellenőrizni ezeket a térképeket mesterséges intelligenciával.
Először értsük meg a fizikát. Az egészséges, fotoszintetikus levél intenzíven elnyeli a vörös fényt (mert a klorofill használja), és erősen visszaveri a közeli infravörös fényt (NIR; a vörösen túli, szemnek láthatatlan sáv). Ahogy a növény stresszessé válik és elveszíti a klorofillt, kevésbé szívja fel a vöröset és kevésbé tükrözi vissza a NIR-t. Az NDVI (Normalized Difference Vegetation Index) pontosan ezt a különbséget méri:
NDVI = (NIR - piros) / (NIR + piros)
Az eredmény -1 és +1 között van. A csupasz talaj és a víz 0-hoz közeli vagy negatív értékeket ad; ritka növény 0,2-0,4; sűrű, egészséges borítás 0,7-0,9 tartományba esik. Az NDVI nem méri közvetlenül a hozamot, a betegségeket vagy a talaj nedvességtartalmát – csak a zöld, élő borítás sűrűségét. Az alacsony NDVI figyelmeztetés, nem diagnózis.
Miért nem elég egy index?
Az NDVI erős, de van két gyengesége. Az első a telítettség: amikor a borítás nagyon sűrűvé válik (mondjuk egy jól fejlett kukorica), az NDVI csúcsértéke 0,8-0,9, és nem utal további biomassza növekedésre. A második a talajhatás: gyér borításban a háttértalaj színe torzítja az indexet. Ezért különböző helyzetekre különböző indexeket dolgoztak ki. Az alábbi táblázat összefoglalja a leggyakrabban használtakat; A kérdéstől függ, hogy melyik indexet választja.
index
Mire jó
megjegyzés
NDVI
Általános fedezeti életképesség
Telítettséget biztosít a sűrű borításban
NDRE (vörös él)
Nitrogén/klorofill sűrű takaróban
NDVI-re érzékeny a késői időszakban
GNDVI (zöld)
Klorofil/nitrogén állapot
Zöld szalagot használ
SAVI
Ritka borítás, csupasz talaj
Korrigálja a talajhatást
NDWI/NDMI
Növény/talaj víztartalma
Közelebb a vízterheléshez
HÁZ
Sűrű borítás, hangulat korrigált
Csökkenti a telítettséget
Tipp: "Melyik index?" A kérdésre a válasz a termék fejlesztési szakasza. SAVI a korai időszakban (ritkás borítás); NDRE/GNDVI fokozott sűrű takarásban és nitrogén-ellenőrzésben; Vízterhelés esetén az NDWI/NDMI gyakran informatívabb, mint az NDVI.
Műhold vagy drón?
A két erőforrás nem versenytársa, hanem kiegészíti egymást. A műholdak (pl. Sentinel-2, Landsat) nagy területeket fednek le rendszeres időközönként ingyen vagy olcsón, de felbontásuk durva (10-30 m pixel) és a felhő eltakarhatja a képet. A drón nagyon nagy felbontást (pixel és centiméter) biztosít, és bármilyen nap repülést biztosít, de kis területet foglal el, a repülés és a feldolgozás munkaigényes. A gyakorlati stratégia többrétegű: pásztázzák át műholddal az egész farmot, és keressenek gyanús területeket, majd drónnal alaposan vizsgálják meg azokat, és végül menjenek a terepre.
Hogyan értelmezi a mesterséges intelligencia az indextérképet?
A mesterséges intelligencia nem magát a képet értelmezi, hanem a belőle generált számszerű összesítést: régióátlagok, időbeli változások, különbség a szomszédos régiókhoz képest. Például, ha olyan összefoglalót ad az AI-nak, mint „A Plot-3 NDVI északi vége 0,72-ről 0,48-ra csökkent az elmúlt 12 napban, a déli vége stabil”, ez segít a lehetséges okok rangsorolásában és a terepi ellenőrzési terv elkészítésében. De ne feledje: a „miért” az AI által javasolt hipotézisek listája. Az alacsony NDVI-t vízstressz, betegségek, tápanyaghiány, ritka kelés, jégeső okozta károk, felhőárnyék vagy frissen szántott talaj okozhatja. Csak a terület, a meteorológia és a fenológia különbözteti meg ezeket.
Három mini tok: a számok szerint
1. eset – Korai stresszelvonás. Egy kukoricatáblán a műhold NDVI 0,15 ponttal volt alacsonyabb a környező területnél a tábla délnyugati 8 dekás szakaszán. A mérnök arra a területre ment; dugulást talált az öntözővezetékben, és a hibát 6 nappal a látható tünetek (fakulás) megjelenése előtt javították. A becsült termelékenységcsökkenést elkerülték.
2. eset – Hamis riasztás. Az NDVI hirtelen leesett egyetlen műholdas dátumon egy búzaparcellában. Az AI azt mondta, hogy "lehetséges betegség". A meteorológia azonban erős felhőzetet mutatott aznap; A következő felhőmentes képen az NDVI visszatért a normál kerékvágásba. A felhőárnyék téves riasztás volt; A döntés nem egyetlen dátum alapján született, az idősort nézték.
3. eset – Index kiválasztása. Fejlett cukorrépa táblán az NDVI mindenhol 0,85 telített volt, és nem mutatott nitrogén különbséget. Az NDRE indexre való áttéréskor a tábla keleti felében klorofillhiány volt megfigyelhető; A levélelemzés megerősítette a nitrogénhiányt, és célzott fejtrágyázást alkalmaztunk ezen a területen.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Van valami probléma ezzel az NDVI térképpel? Mit tegyek?
Erőteljes felszólítás:
Az Ön szerepköre: Távérzékelési asszisztens agronómus. Adok egy régiónkénti NDVI és NDREtime sorozat összefoglalót (dátum, régió, átlagérték). Feladat:- Sorolja fel a szignifikáns CSÖKKENÉST mutató régiókat a csökkenés mértékével és időtartamával.- Adjon meg 2-4 LEHETSÉGES ok-hipotézist régiónként (víz/betegség/tápanyag/talaj/felhő).- Írja le egy mondatban, hogyan fogom igazolni a mezőben az egyes hipotéziseknél.- Jelölje meg külön-külön az egynapos hirtelen változásokat. DIAGNÓZIS, növényvédő szerek/műtrágyák ajánlása; prioritást kapott ellenőrzőlista ver.Data:[idősor összefoglaló]
A hatékony prompt az AI-t diagnosztikai gépből prioritási és ellenőrzési terv asszisztensévé változtatja; egyértelműen ír az egynapos csapdáról és a diagnosztikai határról.
Négy másolható sablon
1) Indexválasztási konzultáció:
Termés: [termés], fejlődési szakasz: [stádium], kérdésem: [vízstressz / nitrogén / általános életerő]. Röviden magyarázza el az erre a helyzetre legmegfelelőbb 2 vegetációs indexet, miért és ezek előnyei az NDVI-vel szemben! Írd le a képleteket is!
2) Az idősor anomáliájának összefoglalása:
Az alábbi régió-dátum-NDVI táblázatban: sorolja fel külön a következőket: (a) 0,1-nél nagyobb és legalább 2 egymást követő dátumig tartó csökkenés, (b) egy dátumú ugrások. Ne fűzz hozzá megjegyzéseket, csak vond ki a táblázatot.
3) Területi ellenőrzési terv:
Készítsen terepbejárási tervet az alábbi kiemelt területekre: írja le, hogy az egyes területeken milyen mérést (páratartalom, levélminta, gyökérellenőrzés) végzek és miért van rá szükség. GPS-pontok ajánlása a regionális központhoz.
4) Téves riasztás szűrő:
Ellenőrzőlista, amely kizárja ezt az NDVI-esést, mielőtt döntést hozna: felhő/árnyék, árnyékszög, betakarítás/kibocsátás, érzékelő dátuma, szomszédos zóna konzisztenciája. Ellenőrizze az egyes tételeket "ellenőrizték?" Jelen mint.
Gyakori hibák
- Döntéshozatal egyetlen dátum alapján. A felhők, az árnyékok és a légkör torzítja az egyetlen képet; mindig nézd meg az idősorokat.
- Alacsony NDVI = összetéveszthető betegséggel. Az index nem mondja meg az okot; A víz, a tápanyag, a talaj és a kivezetési problémák ugyanilyen csökkenést eredményeznek.
- Telítettség figyelmen kívül hagyása. NDVI csúcsok sűrű takarásban; Váltson NDRE/GNDVI-re a nitrogénfigyelésnél.
- A felbontás elfelejtése. Egy 10 m-es műholdas pixel elrejthet egy kis feszültségfoltot; Leszáll a drón a gyanús helyre.
- A mezőny kihagyása. A térkép egy mutatóujj; A diagnózis a talajban és a levelekben történik.
Megjegyzés: Az indextérkép arra a kérdésre ad választ, hogy „hol nézzen utána”, nem pedig a „mi a probléma” kérdésre. Ha a táblázatot közvetlenül gyógyszer- vagy műtrágya-döntéssé fordítja, fennáll annak a veszélye, hogy rossz okból avatkozunk be.
Összefoglalva
A vegetációs indexek a növényi életerőt számokká fordítják a különböző fénysávok arányából; Míg az NDVI a legelterjedtebb, a telítettség és a talajhatások miatt nem minden helyzethez passzol – testvérei, mint az NDRE, SAVI, NDWI, bizonyos kérdésekben erősebbek. A műhold a széles letapogatás, a drón a közeli vizsgálat, a mező pedig a végső ellenőrző réteg. A mesterséges intelligencia értékes az index-összefoglalók prioritásainak meghatározásában és az érvényesítési terv elkészítésében; De az alacsony index hipotézis, nem diagnózis. Ne essen bele az egyetlen dátum csapdájába, válassza ki az indexet kérdésenként, és teszteljen minden jelet a terepen.
Pályázati feladat
Készítsen egy kis táblázatot, amely legalább három kelt NDVI- és, ha lehetséges, NDRE-értéket tartalmaz egy csomaghoz (tényleges vagy reprezentatív); szándékos csökkenést egy régióban és egyszeri ugrást egy időpontban. Adja meg a mesterséges intelligencia számára az „idősor anomália összegzése” és a „téves riasztási szűrő” sablonokkal ebben az egységben. A kimenetben értékelje, hogy a mesterséges intelligencia el tudja-e különíteni a tényleges cseppet a felhő visszapattanásától, megkísérel-e diagnózist felállítani, és írja le az egyes régiókra vonatkozóan a mezőben megnézni kívánt mérőszámot.
ellenőrző lista
- [ ] Tudatosan választottam a kérdésemnek megfelelő indexet (NDVI/NDRE/SAVI/NDWI).
- [ ] A döntést az idősorokra alapoztam, nem az egyes képre.
- [ ] Felhők/árnyék/sodródás esetén szűrtem le a hirtelen eséseket.
- [ ] Az MI által megadott okokat hipotézisnek, nem diagnózisnak vettem.
- [ ] Minden kiemelt zónára terepi ellenőrző mérést terveztem.