利益:
- NDVI およびその他の植生指標が何を測定するのか、どの指標がどの状況に適切であるかを説明する能力。
- AI を利用して衛星/ドローン画像から作成されたインデックス マップを解釈し、ストレス領域に優先順位を付ける機能
- フィールド制御、気象学、生物季節学で指数の異常を検証することで誤報を排除する機能
目でフィールドをナビゲートするのは、広い領域では時間がかかり、誤解を招きます。目は疲れ、慣れて、より大きなパターンを見逃します。しかし、宇宙やドローンから見ると、植生の健全性がデジタル マップになり、ストレスを受けた領域がはっきりと明らかになり、目には気づくのが早すぎます。この変換の主なツールは植生インデックスです。これは、画像内のさまざまな光のバンドの比率から植物の活力を数値に変換する式です。この単元では、最も一般的なインデックスである NDVI とその兄弟を紹介し、衛星とドローンの違いを説明し、これらのマップを人工知能で解釈し、最も重要なことに検証する方法を示します。
まずは物理学を理解しましょう。健康な光合成葉は赤色光を強く吸収し（クロロフィルが赤色光を使用するため）、近赤外線（NIR、目には見えない赤色を超えた帯域）を強く反射します。植物がストレスを受けてクロロフィルを失うと、赤の吸収が減り、NIRの反射が少なくなります。 NDVI (正規化差植生指数) は、まさにこの差を測定します。
NDVI = (NIR - 赤) / (NIR + 赤)
結果は -1 から +1 の間になります。裸の土壌と水は 0 に近い値または負の値を示します。まばらな植物 0.2-0.4;濃密で健康的なカバーは 0.7 ～ 0.9 の範囲にあります。 NDVI は収量、病気、土壌水分を直接測定するものではなく、緑の生きている被覆の密度のみを測定します。 NDVI が低い場合は、診断ではなく警告です。
なぜ 1 つのインデックスでは不十分なのでしょうか?
NDVI は強力ですが、2 つの弱点があります。 1 つ目は飽和です。カバーが非常に密になると (たとえば、よく発達したトウモロコシ)、NDVI は 0.8 ～ 0.9 でピークに達し、バイオマスのさらなる増加を示しません。 2 つ目は土壌の影響です。まばらな被覆では、背景の土壌の色が指数を歪めます。そのため、さまざまな状況に応じてさまざまな指標が開発されてきました。以下の表は、最もよく使用されるものをまとめたものです。どのインデックスを選択するかは質問によって異なります。
インデックス
何に良いのですか
メモ
NDVI
一般的なカバーの存続可能性
密なカバーに彩度を提供します
NDRE (レッドエッジ)
密なカバー内の窒素/クロロフィル
後期にはNDVIに敏感になる
GNDVI (緑)
クロロフィル/窒素の状態
緑色のテープを使用
サビ
まばらな被覆、裸地
土壌効果を修正します
NDWI/NDMI
植物・土壌水分含有量
水ストレスに近づく
家
緻密なカバー、雰囲気修正
彩度を下げる
ヒント: 「どのインデックスですか?」質問に対する答えは、製品の開発段階にあります。初期のSAVI（カバーがまばら）。強化された密集カバーおよび窒素モニタリングにおける NDRE/GNDVI。水ストレスでは、NDVI よりも NDWI/NDMI の方が有益なことがよくあります。
衛星かドローンか？
2 つのリソースは競合するものではなく、互いに補完するものです。衛星 (Sentinel-2、Landsat など) は、定期的に無料または安価で広いエリアをカバーしますが、解像度が粗く (ピクセル 10 ～ 30 m)、雲によって画像が見えにくくなることがあります。ドローンは非常に高い解像度 (ピクセルとセンチメートル) を提供し、いつでも好きなときに飛行できますが、占有面積が小さく、飛行と処理には労力がかかります。実際の戦略は階層化されており、人工衛星で農場全体をスキャンして疑わしいエリアを見つけ、そのエリアをドローンで詳しく調査し、最後に畑に行きます。
人工知能はインデックス マップをどのように解釈しますか?
人工知能は、画像そのものではなく、画像から生成された数値的な要約、つまり領域の平均、時間の経過に伴う変化、隣接する領域との差を解釈する際に役立ちます。たとえば、「プロット 3 の北端の NDVI は過去 12 日間で 0.72 から 0.48 に減少しました。南端は安定しています」のような概要を AI に与えると、考えられる原因に優先順位を付けて現場管理計画を立てるのに役立ちます。ただし、覚えておいてください。AI が提案する「理由」は仮説のリストです。低い NDVI は、水ストレス、病気、栄養欠乏、まれな羽化、雹害、雲の影、または新しく耕した土壌によって引き起こされる可能性があります。これらを区別できるのは、分野、気象学、季節学だけです。
3 つのミニケース: 数字で見る
ケース 1 - 早期のストレスの捕捉。トウモロコシ畑では、サテライト NDVI は、畑の南西 8 ディケア セクションで周囲のエリアより 0.15 ポイント低かった。エンジニアはその地域に行きました。灌漑ラインの詰まりを発見し、目に見える症状 (色褪せ) が現れる 6 日前に障害を修復しました。予想される生産性の損失は回避されました。
ケース 2 - 誤報。小麦畑の単一衛星の日付で、NDVI が突然低下しました。 AIは「病気の可能性がある」と言った。しかし、その日の天気予報では厚い雲があったことがわかりました。次の雲のない画像では、NDVI は通常に戻りました。雲の影は誤報だった。この決定は単一の日付に基づいて行われたのではなく、時系列が検討されました。
ケース 3 - インデックスの選択。開発されたテンサイ畑では、NDVI はどこでも 0.85 で飽和し、窒素の差は見られませんでした。 NDRE 指数に切り替えると、畑の東半分でクロロフィル欠乏が観察されました。葉の分析により窒素欠乏が確認され、その領域に的を絞った追肥が施されました。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この NDVI マップに問題はありますか?どうすればいいですか？
強力なプロンプト:
あなたの役割: リモート センシングを支援する農学者。地域ごとの NDVI および NDRE 時系列の概要 (日付、地域、平均値) を提供します。タスク:- 大幅な減少を示している地域を、減少の量と期間とともにリストします。- 各地域 (水/病気/栄養素/土壌/雲) について、考えられる原因仮説を 2 ～ 4 つ挙げます。- 各仮説について、現場でどのように検証するかを一文で書きます。- 雲や影の可能性があるため、単一日の突然の変化を個別にマークします。- 診断はせず、農薬/肥料を推奨します。優先チェックリストver.データ：【時系列概要】
強力なプロンプトにより、AI が診断マシンから優先順位付けと検証計画のアシスタントに変わります。単一日付トラップと診断限界について明確に書いています。
4 つのコピー可能なテンプレート
1) 指数選定相談：
作物: [作物]、発育段階: [段階]、私の質問: [水ストレス / 窒素 / 全体的な活力]。この状況に最適な 2 つの植生指数と、その理由と NDVI に対する利点を簡単に説明します。数式も書きましょう。
2) 時系列異常の概要:
以下の地域-日付-NDVI表では、(a) 0.1を超える下落と少なくとも2つの連続した日付が続いたもの、(b) 単一の日付の上昇を個別にリストします。コメントは追加せず、テーブルを抽出するだけです。
3) 現場制御計画:
以下の優先エリアについて現地調査計画を立てます。各エリアでどのような測定 (湿度、葉のサンプル、根のチェック) を行うか、またそれが必要な理由を書き留めます。地域センターへの GPS ポイントを推奨します。
4) 誤報フィルター:
決定を下す前にこの NDVI の低下を除外するためのチェックリスト: 雲/影、影の角度、収穫/解放、センサーの日付、隣接ゾーンの一貫性。各項目の「チェック済みですか？」を確認してください。として提示します。
よくある間違い
- 単一の日付に基づいて意思決定を行う。雲、影、大気が単一の画像を歪めます。常に時系列を見ます。
- NDVI が低い = 病気と誤解されます。索引にはその理由が記載されていません。水、栄養分、土壌、排水口の問題も同様に減少します。
- 飽和を無視します。 NDVI は密集したカバーでピークに達します。窒素モニタリングで NDRE/GNDVI に切り替えます。
- 解像度を忘れている。 10 メートルの衛星ピクセルでは、小さな応力パッチが隠れる可能性があります。ドローンを不審な場所に着陸させます。
- フィールドをスキップします。地図は人差し指です。診断は土壌と葉で行われます。
注: インデックス マップは、「何が問題なのか」という質問ではなく、「どこを見るべきか」という質問に答えます。チャートを直接薬剤や肥料の決定に置き換えることは、間違った原因に介入する危険性があります。
要約すると
植生インデックスは、さまざまな光バンドの比率から植物の活力を数値に変換します。 NDVI が最も一般的ですが、飽和や土壌の影響により、あらゆる状況に適合するわけではありません。NDRE、SAVI、NDWI などの兄弟は、特定の問題に関してはより強力です。衛星は広範囲のスキャン、ドローンは精密検査、現場は最終検証層です。 AI は、インデックスの概要に優先順位を付け、検証計画を確立するのに役立ちます。ただし、指数が低いということは仮説であり、診断ではありません。単一の日付の罠にはまらないように、質問ごとにインデックスを選択し、フィールド内の各シグナルをテストしてください。
アプリケーションタスク
少なくとも 3 つの日付付き NDVI と、可能であれば区画 (実際または代表) の NDRE 値を含む小さなテーブルを準備します。地域を意図的にドロップし、日付を 1 回だけジャンプします。本機の「時系列異常サマリー」と「誤報フィルター」テンプレートをAIに与えます。出力では、AI が実際のドロップとクラウド バウンスを区別できるかどうか、診断を試みるかどうかを評価し、各地域のフィールドで確認する 1 つの指標を書き留めます。
チェックリスト
- [ ] 私は意識的に自分の質問に適切なインデックス (NDVI/NDRE/SAVI/NDWI) を選択しました。
- [ ] 単一の画像ではなく、時系列に基づいて決定しました。
- [ ] 雲/影/吹き抜けの場合に備えて、急降下をフィルタリングしました。
- [ ] 私は AI によって与えられた理由を診断ではなく仮説として受け取りました。
- [ ] 優先ゾーンごとに現地検証測定を計画しました。