ಲಾಭಗಳು:
- NDVI ಮತ್ತು ಇತರ ಸಸ್ಯವರ್ಗದ ಸೂಚ್ಯಂಕಗಳು ಏನು ಅಳೆಯುತ್ತವೆ ಮತ್ತು ಯಾವ ಸೂಚ್ಯಂಕವು ಯಾವ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ ಸೂಕ್ತವಾಗಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸುವ ಸಾಮರ್ಥ್ಯ.
- AI ಸಹಾಯದಿಂದ ಉಪಗ್ರಹ/ಡ್ರೋನ್ ಚಿತ್ರಗಳಿಂದ ತಯಾರಿಸಲಾದ ಸೂಚ್ಯಂಕ ನಕ್ಷೆಗಳನ್ನು ಅರ್ಥೈಸುವ ಮತ್ತು ಒತ್ತಡದ ಪ್ರದೇಶಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವ ಸಾಮರ್ಥ್ಯ
- ಕ್ಷೇತ್ರ ನಿಯಂತ್ರಣ, ಹವಾಮಾನಶಾಸ್ತ್ರ ಮತ್ತು ಫಿನಾಲಾಜಿಯೊಂದಿಗೆ ಸೂಚ್ಯಂಕ ವೈಪರೀತ್ಯಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಸಾಮರ್ಥ್ಯ
ಕಣ್ಣಿನ ಮೂಲಕ ಕ್ಷೇತ್ರವನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡುವುದು ನಿಧಾನವಾಗಿ ಮತ್ತು ದೊಡ್ಡ ಪ್ರದೇಶಗಳಲ್ಲಿ ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ: ಕಣ್ಣು ದಣಿದಿದೆ, ಅದನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ದೊಡ್ಡ ಮಾದರಿಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಬಾಹ್ಯಾಕಾಶ ಅಥವಾ ಡ್ರೋನ್ನಿಂದ ನೋಡಿದಾಗ, ಸಸ್ಯವರ್ಗದ ಆರೋಗ್ಯವು ಡಿಜಿಟಲ್ ನಕ್ಷೆಯಾಗುತ್ತದೆ ಮತ್ತು ಒತ್ತುವ ಪ್ರದೇಶಗಳು ಸ್ಪಷ್ಟವಾಗಿ ಬಹಿರಂಗಗೊಳ್ಳುತ್ತವೆ, ಕಣ್ಣು ಗಮನಿಸಲು ತುಂಬಾ ಮುಂಚೆಯೇ. ಈ ರೂಪಾಂತರದ ಮುಖ್ಯ ಸಾಧನವೆಂದರೆ ಸಸ್ಯವರ್ಗದ ಸೂಚ್ಯಂಕಗಳು: ಚಿತ್ರದಲ್ಲಿನ ವಿಭಿನ್ನ ಬೆಳಕಿನ ಬ್ಯಾಂಡ್ಗಳ ಅನುಪಾತದಿಂದ ಸಸ್ಯದ ಜೀವಂತಿಕೆಯನ್ನು ಸಂಖ್ಯೆಗೆ ಪರಿವರ್ತಿಸುವ ಸೂತ್ರಗಳು. ಈ ಘಟಕವು ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ಸೂಚ್ಯಂಕ, NDVI ಮತ್ತು ಅದರ ಒಡಹುಟ್ಟಿದವರನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ, ಉಪಗ್ರಹ ಮತ್ತು ಡ್ರೋನ್ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಈ ನಕ್ಷೆಗಳನ್ನು ಹೇಗೆ ಅರ್ಥೈಸುವುದು ಮತ್ತು ಪರಿಶೀಲಿಸುವುದು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.
ಮೊದಲು ಭೌತಶಾಸ್ತ್ರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳೋಣ. ಆರೋಗ್ಯಕರ, ದ್ಯುತಿಸಂಶ್ಲೇಷಕ ಎಲೆಯು ಕೆಂಪು ಬೆಳಕನ್ನು ತೀವ್ರವಾಗಿ ಹೀರಿಕೊಳ್ಳುತ್ತದೆ (ಏಕೆಂದರೆ ಕ್ಲೋರೊಫಿಲ್ ಅದನ್ನು ಬಳಸುತ್ತದೆ) ಮತ್ತು ಅತಿಗೆಂಪು ಬೆಳಕನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ (NIR; ಕೆಂಪು ಬಣ್ಣದ ಆಚೆಗಿನ ಬ್ಯಾಂಡ್, ಕಣ್ಣಿಗೆ ಕಾಣಿಸುವುದಿಲ್ಲ). ಸಸ್ಯವು ಒತ್ತಡಕ್ಕೆ ಒಳಗಾಗುತ್ತದೆ ಮತ್ತು ಕ್ಲೋರೊಫಿಲ್ ಅನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ, ಇದು ಕಡಿಮೆ ಕೆಂಪು ಬಣ್ಣವನ್ನು ಹೀರಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು NIR ಅನ್ನು ಕಡಿಮೆ ಪ್ರತಿಫಲಿಸುತ್ತದೆ. NDVI (ಸಾಮಾನ್ಯಗೊಳಿಸಿದ ವ್ಯತ್ಯಾಸ ಸಸ್ಯವರ್ಗ ಸೂಚ್ಯಂಕ) ನಿಖರವಾಗಿ ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಅಳೆಯುತ್ತದೆ:
NDVI = (NIR - ಕೆಂಪು) / (NIR + ಕೆಂಪು)
ಫಲಿತಾಂಶವು -1 ಮತ್ತು +1 ನಡುವೆ ಇರುತ್ತದೆ. ಬೇರ್ ಮಣ್ಣು ಮತ್ತು ನೀರು 0 ಅಥವಾ ಋಣಾತ್ಮಕ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ; ವಿರಳ ಸಸ್ಯ 0.2-0.4; ದಟ್ಟವಾದ, ಆರೋಗ್ಯಕರ ಕವರ್ 0.7-0.9 ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆ. NDVI ನೇರವಾಗಿ ಇಳುವರಿ, ರೋಗ, ಅಥವಾ ಮಣ್ಣಿನ ತೇವಾಂಶವನ್ನು ಅಳೆಯುವುದಿಲ್ಲ-ಹಸಿರು, ಜೀವಂತ ಹೊದಿಕೆಯ ಸಾಂದ್ರತೆಯನ್ನು ಮಾತ್ರ. ಕಡಿಮೆ NDVI ಒಂದು ಎಚ್ಚರಿಕೆ, ರೋಗನಿರ್ಣಯವಲ್ಲ.
ಒಂದು ಸೂಚ್ಯಂಕ ಏಕೆ ಸಾಕಾಗುವುದಿಲ್ಲ?
NDVI ಪ್ರಬಲವಾಗಿದೆ ಆದರೆ ಎರಡು ದೌರ್ಬಲ್ಯಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದು ಸ್ಯಾಚುರೇಶನ್: ಕವರ್ ತುಂಬಾ ದಟ್ಟವಾದಾಗ (ಸುಂದರವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ಕಾರ್ನ್) NDVI 0.8-0.9 ಕ್ಕೆ ಏರುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಜೀವರಾಶಿ ಹೆಚ್ಚಳವನ್ನು ಸೂಚಿಸುವುದಿಲ್ಲ. ಎರಡನೆಯದು ಮಣ್ಣಿನ ಪರಿಣಾಮವಾಗಿದೆ: ವಿರಳವಾದ ಕವರ್ನಲ್ಲಿ, ಹಿನ್ನೆಲೆ ಮಣ್ಣಿನ ಬಣ್ಣವು ಸೂಚ್ಯಂಕವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ವಿವಿಧ ಸೂಚ್ಯಂಕಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ. ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ಹೆಚ್ಚು ಬಳಸಿದದನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ; ನೀವು ಯಾವ ಸೂಚ್ಯಂಕವನ್ನು ಆರಿಸುತ್ತೀರಿ ಎಂಬುದು ನಿಮ್ಮ ಪ್ರಶ್ನೆಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.
ಸೂಚ್ಯಂಕ
ಅದು ಯಾವುದಕ್ಕೆ ಒಳ್ಳೆಯದು
ಗಮನಿಸಿ
NDVI
ಸಾಮಾನ್ಯ ಕವರ್ ಕಾರ್ಯಸಾಧ್ಯತೆ
ದಟ್ಟವಾದ ಕವರ್ನಲ್ಲಿ ಶುದ್ಧತ್ವವನ್ನು ಒದಗಿಸುತ್ತದೆ
NDRE (ಕೆಂಪು ಅಂಚು)
ದಟ್ಟವಾದ ಹೊದಿಕೆಯಲ್ಲಿ ಸಾರಜನಕ/ಕ್ಲೋರೊಫಿಲ್
ತಡವಾದ ಅವಧಿಯಲ್ಲಿ NDVI ಗೆ ಸಂವೇದನಾಶೀಲವಾಗಿರುತ್ತದೆ
GNDVI (ಹಸಿರು)
ಕ್ಲೋರೊಫಿಲ್/ನೈಟ್ರೋಜನ್ ಸ್ಥಿತಿ
ಹಸಿರು ಟೇಪ್ ಅನ್ನು ಬಳಸುತ್ತದೆ
SAVI
ವಿರಳವಾದ ಹೊದಿಕೆ, ಬರಿಯ ಮಣ್ಣು
ಮಣ್ಣಿನ ಪರಿಣಾಮವನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ
NDWI/NDMI
ಸಸ್ಯ/ಮಣ್ಣಿನ ನೀರಿನ ಅಂಶ
ನೀರಿನ ಒತ್ತಡಕ್ಕೆ ಹತ್ತಿರ
ಮನೆ
ದಟ್ಟವಾದ ಹೊದಿಕೆ, ವಾತಾವರಣವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ
ಶುದ್ಧತ್ವವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ
ಸುಳಿವು: "ಯಾವ ಸೂಚ್ಯಂಕ?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವು ಉತ್ಪನ್ನದ ಅಭಿವೃದ್ಧಿಯ ಹಂತವಾಗಿದೆ. ಆರಂಭಿಕ ಅವಧಿಯಲ್ಲಿ SAVI (ವಿರಳವಾದ ಕವರ್); NDRE/GNDVI ವರ್ಧಿತ ದಟ್ಟವಾದ ಕವರ್ ಮತ್ತು ನೈಟ್ರೋಜನ್ ಮಾನಿಟರಿಂಗ್; ನೀರಿನ ಒತ್ತಡದಲ್ಲಿ, NDWI/NDMI ಹೆಚ್ಚಾಗಿ NDVI ಗಿಂತ ಹೆಚ್ಚು ತಿಳಿವಳಿಕೆ ನೀಡುತ್ತದೆ.
ಉಪಗ್ರಹ ಅಥವಾ ಡ್ರೋನ್?
ಎರಡು ಸಂಪನ್ಮೂಲಗಳು ಪ್ರತಿಸ್ಪರ್ಧಿಗಳಲ್ಲ ಆದರೆ ಪರಸ್ಪರ ಪೂರಕವಾಗಿವೆ. ಉಪಗ್ರಹಗಳು (ಉದಾ. ಸೆಂಟಿನೆಲ್-2, ಲ್ಯಾಂಡ್ಸ್ಯಾಟ್) ದೊಡ್ಡ ಪ್ರದೇಶಗಳನ್ನು ನಿಯಮಿತ ಮಧ್ಯಂತರದಲ್ಲಿ ಉಚಿತವಾಗಿ ಅಥವಾ ಅಗ್ಗವಾಗಿ ಆವರಿಸುತ್ತವೆ, ಆದರೆ ಅವುಗಳ ರೆಸಲ್ಯೂಶನ್ ಒರಟಾಗಿರುತ್ತದೆ (ಪಿಕ್ಸೆಲ್ಗಳು 10-30 ಮೀ) ಮತ್ತು ಮೋಡವು ಚಿತ್ರವನ್ನು ಅಸ್ಪಷ್ಟಗೊಳಿಸಬಹುದು. ಡ್ರೋನ್ ಅತಿ ಹೆಚ್ಚು ರೆಸಲ್ಯೂಶನ್ (ಪಿಕ್ಸೆಲ್ಗಳು ಮತ್ತು ಸೆಂಟಿಮೀಟರ್ಗಳು) ಮತ್ತು ನಿಮಗೆ ಬೇಕಾದ ಯಾವುದೇ ದಿನ ಹಾರಾಟವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಆದರೆ ಇದು ಒಂದು ಸಣ್ಣ ಪ್ರದೇಶವನ್ನು ಆಕ್ರಮಿಸುತ್ತದೆ ಮತ್ತು ಹಾರಾಟ ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗೆ ಕಾರ್ಮಿಕರ ಅಗತ್ಯವಿರುತ್ತದೆ. ಪ್ರಾಯೋಗಿಕ ತಂತ್ರವು ಲೇಯರ್ಡ್ ಆಗಿದೆ: ಇಡೀ ಫಾರ್ಮ್ ಅನ್ನು ಉಪಗ್ರಹದಿಂದ ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮತ್ತು ಅನುಮಾನಾಸ್ಪದ ಪ್ರದೇಶಗಳನ್ನು ಹುಡುಕಿ, ನಂತರ ಆ ಪ್ರದೇಶಗಳನ್ನು ಡ್ರೋನ್ನೊಂದಿಗೆ ನಿಕಟವಾಗಿ ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ಅಂತಿಮವಾಗಿ ಕ್ಷೇತ್ರಕ್ಕೆ ಹೋಗಿ.
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸೂಚ್ಯಂಕ ನಕ್ಷೆಯನ್ನು ಹೇಗೆ ಅರ್ಥೈಸುತ್ತದೆ?
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಚಿತ್ರವನ್ನು ಅರ್ಥೈಸುವಲ್ಲಿ ಮೌಲ್ಯಯುತವಾಗಿದೆ, ಆದರೆ ಅದರಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಸಂಖ್ಯಾತ್ಮಕ ಸಾರಾಂಶಗಳು: ಪ್ರದೇಶದ ಸರಾಸರಿಗಳು, ಕಾಲಾನಂತರದಲ್ಲಿ ಬದಲಾವಣೆ, ನೆರೆಯ ಪ್ರದೇಶಗಳೊಂದಿಗೆ ವ್ಯತ್ಯಾಸ. ಉದಾಹರಣೆಗೆ, ನೀವು AI ಗೆ ಸಾರಾಂಶವನ್ನು ನೀಡಿದರೆ “ಕಳೆದ 12 ದಿನಗಳಲ್ಲಿ Plot-3 NDVI ನ ಉತ್ತರ ತುದಿಯು 0.72 ರಿಂದ 0.48 ಕ್ಕೆ ಇಳಿದಿದೆ, ದಕ್ಷಿಣದ ತುದಿಯು ಸ್ಥಿರವಾಗಿದೆ”, ಇದು ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಆದ್ಯತೆ ನೀಡಲು ಮತ್ತು ಕ್ಷೇತ್ರ ನಿಯಂತ್ರಣ ಯೋಜನೆಯನ್ನು ಮಾಡಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದರೆ ನೆನಪಿಡಿ: AI ಸೂಚಿಸುವ "ಏಕೆ" ಎಂಬುದು ಊಹೆಗಳ ಪಟ್ಟಿಯಾಗಿದೆ. ಕಡಿಮೆ NDVI ನೀರಿನ ಒತ್ತಡ, ರೋಗ, ಪೌಷ್ಟಿಕಾಂಶದ ಕೊರತೆ, ಅಪರೂಪದ ಹೊರಹೊಮ್ಮುವಿಕೆ, ಆಲಿಕಲ್ಲು ಹಾನಿ, ಮೋಡದ ನೆರಳು ಅಥವಾ ಹೊಸದಾಗಿ ಉಳುಮೆ ಮಾಡಿದ ಮಣ್ಣಿನಿಂದ ಉಂಟಾಗಬಹುದು. ಕ್ಷೇತ್ರ, ಹವಾಮಾನ ಮತ್ತು ಫಿನಾಲಾಜಿ ಮಾತ್ರ ಇವುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ.
ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು: ಸಂಖ್ಯೆಗಳ ಮೂಲಕ
ಪ್ರಕರಣ 1 - ಆರಂಭಿಕ ಒತ್ತಡ ಸೆರೆಹಿಡಿಯುವಿಕೆ. ಕಾರ್ನ್ ಫೀಲ್ಡ್ನಲ್ಲಿ, ಉಪಗ್ರಹ NDVI ಕ್ಷೇತ್ರದ ನೈಋತ್ಯ 8-ಡಿಕೇರ್ ವಿಭಾಗದಲ್ಲಿ ಸುತ್ತಮುತ್ತಲಿನ ಪ್ರದೇಶಕ್ಕಿಂತ 0.15 ಪಾಯಿಂಟ್ಗಳಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ. ಇಂಜಿನಿಯರ್ ಆ ಪ್ರದೇಶಕ್ಕೆ ಹೋದರು; ನೀರಾವರಿ ರೇಖೆಯಲ್ಲಿ ಅಡಚಣೆ ಕಂಡುಬಂದಿದೆ ಮತ್ತು ಗೋಚರ ಲಕ್ಷಣಗಳು (ಮರೆಯಾಗುವುದು) ಕಾಣಿಸಿಕೊಳ್ಳುವ 6 ದಿನಗಳ ಮೊದಲು ದೋಷವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ. ಅಂದಾಜು ಉತ್ಪಾದಕತೆಯ ನಷ್ಟವನ್ನು ತಪ್ಪಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 2 - ತಪ್ಪು ಎಚ್ಚರಿಕೆ. NDVI ಗೋಧಿ ಪ್ಲಾಟ್ನಲ್ಲಿ ಒಂದೇ ಉಪಗ್ರಹ ದಿನಾಂಕದಂದು ಹಠಾತ್ತನೆ ಕುಸಿಯಿತು. AI "ಸಂಭವನೀಯ ಕಾಯಿಲೆ" ಎಂದು ಹೇಳಿದೆ. ಆದಾಗ್ಯೂ, ಹವಾಮಾನಶಾಸ್ತ್ರವು ಆ ದಿನ ಭಾರೀ ಮೋಡಗಳನ್ನು ತೋರಿಸಿತು; ಮುಂದಿನ ಕ್ಲೌಡ್-ಮುಕ್ತ ಚಿತ್ರದಲ್ಲಿ, NDVI ಸಾಮಾನ್ಯ ಸ್ಥಿತಿಗೆ ಮರಳಿತು. ಮೋಡದ ನೆರಳು ಸುಳ್ಳು ಎಚ್ಚರಿಕೆಯಾಗಿತ್ತು; ಒಂದೇ ದಿನಾಂಕವನ್ನು ಆಧರಿಸಿ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿಲ್ಲ, ಸಮಯದ ಸರಣಿಯನ್ನು ನೋಡಲಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಸೂಚ್ಯಂಕ ಆಯ್ಕೆ. ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ಸಕ್ಕರೆ ಬೀಟ್ ಕ್ಷೇತ್ರದಲ್ಲಿ NDVI ಎಲ್ಲೆಡೆ 0.85 ನಲ್ಲಿ ಸ್ಯಾಚುರೇಟೆಡ್ ಆಗಿತ್ತು ಮತ್ತು ಸಾರಜನಕ ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸಲಿಲ್ಲ. NDRE ಸೂಚ್ಯಂಕಕ್ಕೆ ಬದಲಾಯಿಸುವಾಗ, ಕ್ಷೇತ್ರದ ಪೂರ್ವಾರ್ಧದಲ್ಲಿ ಕ್ಲೋರೊಫಿಲ್ ಕೊರತೆಯನ್ನು ಗಮನಿಸಲಾಗಿದೆ; ಎಲೆಯ ವಿಶ್ಲೇಷಣೆಯು ಸಾರಜನಕದ ಕೊರತೆಯನ್ನು ದೃಢಪಡಿಸಿತು ಮತ್ತು ಆ ಪ್ರದೇಶಕ್ಕೆ ಉದ್ದೇಶಿತ ಉನ್ನತ ಡ್ರೆಸ್ಸಿಂಗ್ ಅನ್ನು ಅನ್ವಯಿಸಲಾಯಿತು.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ NDVI ನಕ್ಷೆಯಲ್ಲಿ ಏನಾದರೂ ಸಮಸ್ಯೆ ಇದೆಯೇ? ನಾನು ಏನು ಮಾಡಬೇಕು?
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ರಿಮೋಟ್ ಸೆನ್ಸಿಂಗ್ ಸಹಾಯಕ ಕೃಷಿಶಾಸ್ತ್ರಜ್ಞ. ನಾನು ನಿಮಗೆ ಪ್ರದೇಶವಾರು NDVI ಮತ್ತು NDREtime ಸರಣಿಯ ಸಾರಾಂಶವನ್ನು ನೀಡುತ್ತಿದ್ದೇನೆ (ದಿನಾಂಕ, ಪ್ರದೇಶ, ಸರಾಸರಿ ಮೌಲ್ಯ). ಕಾರ್ಯ:- ಇಳಿಕೆಯ ಪ್ರಮಾಣ ಮತ್ತು ಅವಧಿಯೊಂದಿಗೆ ಗಮನಾರ್ಹವಾದ ಕುಸಿತವನ್ನು ತೋರಿಸುವ ಪ್ರದೇಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.- ಪ್ರತಿ ಪ್ರದೇಶಕ್ಕೆ (ನೀರು/ರೋಗ/ಪೋಷಕಾಂಶ/ಮಣ್ಣು/ಮೇಘ) 2-4 ಸಂಭವನೀಯ ಕಾರಣದ ಊಹೆಗಳನ್ನು ನೀಡಿ.- ಪ್ರತಿ ಊಹೆಗೆ ಕ್ಷೇತ್ರದಲ್ಲಿ ನಾನು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ ಎಂಬುದನ್ನು ಒಂದೇ ವಾಕ್ಯದಲ್ಲಿ ಬರೆಯಿರಿ.- ಡಿಎಸ್ಐ, ಡಿಎಸ್ಐಎ/ಇದ್ದಂತೆ ಮೋಡಗಳು ಪ್ರತ್ಯೇಕವಾಗಿರಬಹುದು. ಕೀಟನಾಶಕಗಳು/ಗೊಬ್ಬರಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುವುದು; ಆದ್ಯತೆಯ ಪರಿಶೀಲನಾಪಟ್ಟಿ ver.Data:[ಸಮಯ ಸರಣಿ ಸಾರಾಂಶ]
ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ರೋಗನಿರ್ಣಯ ಯಂತ್ರದಿಂದ AI ಅನ್ನು ಆದ್ಯತೆ ಮತ್ತು ಪರಿಶೀಲನೆ ಯೋಜನೆ ಸಹಾಯಕವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ; ಒಂದೇ ದಿನಾಂಕದ ಬಲೆ ಮತ್ತು ರೋಗನಿರ್ಣಯದ ಮಿತಿಯ ಬಗ್ಗೆ ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯುತ್ತಾರೆ.
ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಸೂಚ್ಯಂಕ ಆಯ್ಕೆ ಸಮಾಲೋಚನೆ:
ಬೆಳೆ: [ಬೆಳೆ], ಬೆಳವಣಿಗೆಯ ಹಂತ: [ಹಂತ], ನನ್ನ ಪ್ರಶ್ನೆ: [ನೀರಿನ ಒತ್ತಡ / ಸಾರಜನಕ / ಸಾಮಾನ್ಯ ಶಕ್ತಿ]. ಈ ಪರಿಸ್ಥಿತಿಗೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾದ 2 ಸಸ್ಯವರ್ಗದ ಸೂಚ್ಯಂಕಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ವಿವರಿಸಿ, ಏಕೆ ಮತ್ತು NDVI ಗಿಂತ ಅವುಗಳ ಪ್ರಯೋಜನ. ಸೂತ್ರಗಳನ್ನೂ ಬರೆಯಿರಿ.
2) ಸಮಯ ಸರಣಿಯ ಅಸಂಗತತೆಯ ಸಾರಾಂಶ:
ಕೆಳಗಿನ ಪ್ರದೇಶ-ದಿನಾಂಕ-NDVI ಕೋಷ್ಟಕದಲ್ಲಿ: ಪ್ರತ್ಯೇಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡಿ: (a) 0.1 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಕುಸಿತಗಳು ಮತ್ತು ಕನಿಷ್ಠ 2 ಸತತ ದಿನಾಂಕಗಳವರೆಗೆ ಇರುತ್ತದೆ, (b) ಏಕ-ದಿನಾಂಕದ ಜಿಗಿತಗಳು. ಕಾಮೆಂಟ್ಗಳನ್ನು ಸೇರಿಸಬೇಡಿ, ಟೇಬಲ್ ಅನ್ನು ಹೊರತೆಗೆಯಿರಿ.
3) ಕ್ಷೇತ್ರ ನಿಯಂತ್ರಣ ಯೋಜನೆ:
ಕೆಳಗಿನ ಆದ್ಯತೆಯ ಪ್ರದೇಶಗಳಿಗೆ ಕ್ಷೇತ್ರ ಪ್ರವಾಸದ ಯೋಜನೆಯನ್ನು ಮಾಡಿ: ಪ್ರತಿ ಪ್ರದೇಶದಲ್ಲಿ ನಾನು ಯಾವ ಅಳತೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತೇನೆ (ಆರ್ದ್ರತೆ, ಎಲೆ ಮಾದರಿ, ಮೂಲ ಪರಿಶೀಲನೆ) ಮತ್ತು ಅದು ಏಕೆ ಬೇಕು ಎಂದು ಬರೆಯಿರಿ. ಪ್ರಾದೇಶಿಕ ಕೇಂದ್ರಕ್ಕೆ GPS ಪಾಯಿಂಟ್ಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡಿ.
4) ತಪ್ಪು ಎಚ್ಚರಿಕೆಯ ಫಿಲ್ಟರ್:
ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಮೊದಲು ಈ NDVI ಡ್ರಾಪ್ ಅನ್ನು ತಳ್ಳಿಹಾಕಲು ಪರಿಶೀಲನಾಪಟ್ಟಿ: ಮೋಡ/ನೆರಳು, ನೆರಳು ಕೋನ, ಕೊಯ್ಲು/ಬಿಡುಗಡೆ, ಸಂವೇದಕ ದಿನಾಂಕ, ನೆರೆಯ ವಲಯದ ಸ್ಥಿರತೆ. ಪ್ರತಿ ಐಟಂ ಅನ್ನು ಪರಿಶೀಲಿಸಿ "ಅದನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ?" ಎಂದು ಪ್ರಸ್ತುತಪಡಿಸಿ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಒಂದೇ ದಿನಾಂಕದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು. ಮೋಡಗಳು, ನೆರಳುಗಳು ಮತ್ತು ವಾತಾವರಣವು ಒಂದೇ ಚಿತ್ರವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ; ಯಾವಾಗಲೂ ಸಮಯದ ಸರಣಿಯನ್ನು ನೋಡಿ.
- ಕಡಿಮೆ NDVI = ತಪ್ಪಾಗಿ ರೋಗ. ಸೂಚ್ಯಂಕವು ಕಾರಣವನ್ನು ಹೇಳುವುದಿಲ್ಲ; ನೀರು, ಪೋಷಕಾಂಶಗಳು, ಮಣ್ಣು ಮತ್ತು ಔಟ್ಲೆಟ್ ಸಮಸ್ಯೆಗಳು ಅದೇ ಕುಸಿತವನ್ನು ನೀಡುತ್ತವೆ.
- ಶುದ್ಧತ್ವವನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. ದಟ್ಟವಾದ ಹೊದಿಕೆಯಲ್ಲಿ NDVI ಶಿಖರಗಳು; ಸಾರಜನಕ ಮಾನಿಟರಿಂಗ್ನಲ್ಲಿ NDRE/GNDVI ಗೆ ಬದಲಿಸಿ.
- ನಿರ್ಣಯವನ್ನು ಮರೆತುಬಿಡುವುದು. 10 ಮೀ ಉಪಗ್ರಹ ಪಿಕ್ಸೆಲ್ ಸಣ್ಣ ಒತ್ತಡದ ಪ್ಯಾಚ್ ಅನ್ನು ಮರೆಮಾಡಬಹುದು; ಅನುಮಾನಾಸ್ಪದ ಸ್ಥಳದಲ್ಲಿ ಡ್ರೋನ್ ಅನ್ನು ಇಳಿಸಿ.
- ಕ್ಷೇತ್ರವನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ನಕ್ಷೆಯು ತೋರು ಬೆರಳು; ರೋಗನಿರ್ಣಯವನ್ನು ಮಣ್ಣು ಮತ್ತು ಎಲೆಗಳಲ್ಲಿ ಮಾಡಲಾಗುತ್ತದೆ.
ಗಮನಿಸಿ: ಸೂಚ್ಯಂಕ ನಕ್ಷೆಯು "ನೀವು ಎಲ್ಲಿ ನೋಡಬೇಕು" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುತ್ತದೆ, "ಏನು ಸಮಸ್ಯೆ" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಅಲ್ಲ. ಚಾರ್ಟ್ ಅನ್ನು ನೇರವಾಗಿ ಔಷಧ ಅಥವಾ ರಸಗೊಬ್ಬರ ನಿರ್ಧಾರಕ್ಕೆ ಭಾಷಾಂತರಿಸುವುದು ತಪ್ಪು ಕಾರಣದಲ್ಲಿ ಮಧ್ಯಪ್ರವೇಶಿಸುವ ಅಪಾಯವಾಗಿದೆ.
ಸಾರಾಂಶದಲ್ಲಿ
ಸಸ್ಯವರ್ಗದ ಸೂಚ್ಯಂಕಗಳು ಸಸ್ಯದ ಶಕ್ತಿಯನ್ನು ವಿವಿಧ ಬೆಳಕಿನ ಬ್ಯಾಂಡ್ಗಳ ಅನುಪಾತದಿಂದ ಸಂಖ್ಯೆಗಳಾಗಿ ಭಾಷಾಂತರಿಸುತ್ತವೆ; NDVI ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾಗಿದ್ದರೂ, ಶುದ್ಧತ್ವ ಮತ್ತು ಮಣ್ಣಿನ ಪರಿಣಾಮಗಳಿಂದಾಗಿ ಇದು ಪ್ರತಿಯೊಂದು ಸಂದರ್ಭಕ್ಕೂ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ - NDRE, SAVI, NDWI ಯಂತಹ ಅದರ ಒಡಹುಟ್ಟಿದವರು ಕೆಲವು ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಪ್ರಬಲರಾಗಿದ್ದಾರೆ. ಉಪಗ್ರಹವು ವಿಶಾಲವಾದ ಸ್ಕ್ಯಾನ್ ಆಗಿದೆ, ಡ್ರೋನ್ ನಿಕಟ ತಪಾಸಣೆಯಾಗಿದೆ ಮತ್ತು ಕ್ಷೇತ್ರವು ಅಂತಿಮ ಪರಿಶೀಲನೆ ಪದರವಾಗಿದೆ. ಸೂಚ್ಯಂಕ ಸಾರಾಂಶಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡುವಲ್ಲಿ ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ಯೋಜನೆಯನ್ನು ಸ್ಥಾಪಿಸುವಲ್ಲಿ AI ಮೌಲ್ಯಯುತವಾಗಿದೆ; ಆದರೆ ಕಡಿಮೆ ಸೂಚ್ಯಂಕವು ಒಂದು ಊಹೆಯಾಗಿದೆ, ರೋಗನಿರ್ಣಯವಲ್ಲ. ಒಂದೇ ದಿನಾಂಕದ ಬಲೆಗೆ ಬೀಳಬೇಡಿ, ಪ್ರಶ್ನೆಯ ಮೂಲಕ ಸೂಚ್ಯಂಕವನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರತಿ ಸಂಕೇತವನ್ನು ಪರೀಕ್ಷಿಸಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಕನಿಷ್ಠ ಮೂರು ದಿನಾಂಕದ NDVI ಮತ್ತು ಸಾಧ್ಯವಾದರೆ, ಪಾರ್ಸೆಲ್ಗಾಗಿ NDRE ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ಸಣ್ಣ ಕೋಷ್ಟಕವನ್ನು ತಯಾರಿಸಿ (ನಿಜವಾದ ಅಥವಾ ಪ್ರತಿನಿಧಿ); ಒಂದು ಪ್ರದೇಶದಲ್ಲಿ ಉದ್ದೇಶಪೂರ್ವಕ ಡ್ರಾಪ್ ಮತ್ತು ದಿನಾಂಕದಲ್ಲಿ ಒಂದು ಬಾರಿ ಜಿಗಿತವನ್ನು ಹಾಕಿ. ಈ ಘಟಕದಲ್ಲಿ "ಸಮಯ ಸರಣಿಯ ಅಸಂಗತತೆಯ ಸಾರಾಂಶ" ಮತ್ತು "ತಪ್ಪು ಎಚ್ಚರಿಕೆ ಫಿಲ್ಟರ್" ಟೆಂಪ್ಲೇಟ್ಗಳೊಂದಿಗೆ ಅದನ್ನು AI ಗೆ ನೀಡಿ. ಔಟ್ಪುಟ್ನಲ್ಲಿ, ಕ್ಲೌಡ್ ಬೌನ್ಸ್ನಿಂದ AI ನಿಜವಾದ ಡ್ರಾಪ್ ಅನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದೇ, ರೋಗನಿರ್ಣಯವನ್ನು ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿ ಪ್ರದೇಶಕ್ಕೆ ನೀವು ಕ್ಷೇತ್ರದಲ್ಲಿ ನೋಡುವ ಒಂದು ಮೆಟ್ರಿಕ್ ಅನ್ನು ಬರೆಯಿರಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಪ್ರಜ್ಞಾಪೂರ್ವಕವಾಗಿ ನನ್ನ ಪ್ರಶ್ನೆಗೆ ಸೂಕ್ತವಾದ ಸೂಚ್ಯಂಕವನ್ನು (NDVI/NDRE/SAVI/NDWI) ಆಯ್ಕೆ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ನಿರ್ಧಾರವನ್ನು ಸಮಯ ಸರಣಿಯ ಮೇಲೆ ಆಧರಿಸಿದೆ, ಒಂದೇ ಚಿತ್ರವಲ್ಲ.
- [ ] ನಾನು ಮೋಡಗಳು/ನೆರಳುಗಳು/ಡ್ರಿಫ್ಟ್ಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಹಠಾತ್ ಹನಿಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು AI ನೀಡಿದ ಕಾರಣಗಳನ್ನು ಊಹೆಗಳಾಗಿ ತೆಗೆದುಕೊಂಡಿದ್ದೇನೆ, ರೋಗನಿರ್ಣಯವಾಗಿ ಅಲ್ಲ.
- [ ] ನಾನು ಪ್ರತಿ ಆದ್ಯತೆಯ ವಲಯಕ್ಕೆ ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆ ಮಾಪನವನ್ನು ಯೋಜಿಸಿದೆ.