നേട്ടങ്ങൾ:
- എൻഡിവിഐയും മറ്റ് സസ്യ സൂചികകളും എന്താണ് അളക്കുന്നതെന്നും ഏത് സാഹചര്യത്തിലാണ് ഏത് സൂചിക അനുയോജ്യമെന്നും വിശദീകരിക്കാനുള്ള കഴിവ്.
- AI-യുടെ സഹായത്തോടെ സാറ്റലൈറ്റ്/ഡ്രോൺ ചിത്രങ്ങളിൽ നിന്ന് നിർമ്മിച്ച സൂചിക മാപ്പുകൾ വ്യാഖ്യാനിക്കാനും സമ്മർദ്ദ മേഖലകൾക്ക് മുൻഗണന നൽകാനുമുള്ള കഴിവ്
- ഫീൽഡ് കൺട്രോൾ, മെറ്റീരിയോളജി, ഫിനോളജി എന്നിവ ഉപയോഗിച്ച് സൂചിക അപാകതകൾ പരിശോധിച്ച് തെറ്റായ അലാറങ്ങൾ ഇല്ലാതാക്കാനുള്ള കഴിവ്
കണ്ണ് ഉപയോഗിച്ച് ഒരു ഫീൽഡ് നാവിഗേറ്റ് ചെയ്യുന്നത് സാവധാനവും വലിയ പ്രദേശങ്ങളിൽ തെറ്റിദ്ധരിപ്പിക്കുന്നതുമാണ്: കണ്ണ് തളരുന്നു, അത് പരിചിതമാകുന്നു, വലിയ പാറ്റേണുകൾ നഷ്ടപ്പെടുന്നു. എന്നിരുന്നാലും, ബഹിരാകാശത്ത് നിന്നോ ഡ്രോണിൽ നിന്നോ നോക്കുമ്പോൾ, സസ്യജാലങ്ങളുടെ ആരോഗ്യം ഒരു ഡിജിറ്റൽ ഭൂപടമായി മാറുകയും സമ്മർദ്ദമുള്ള പ്രദേശങ്ങൾ വ്യക്തമായി വെളിപ്പെടുത്തുകയും ചെയ്യുന്നു, വളരെ നേരത്തെ തന്നെ. ഈ പരിവർത്തനത്തിനുള്ള പ്രധാന ഉപകരണം സസ്യങ്ങളുടെ സൂചികകളാണ്: ചിത്രത്തിലെ വ്യത്യസ്ത ലൈറ്റ് ബാൻഡുകളുടെ അനുപാതത്തിൽ നിന്ന് ചെടിയുടെ ജീവശക്തിയെ ഒരു സംഖ്യയാക്കി മാറ്റുന്ന സൂത്രവാക്യങ്ങൾ. ഈ യൂണിറ്റ് ഏറ്റവും സാധാരണമായ സൂചികയായ എൻഡിവിഐയും അതിൻ്റെ സഹോദരങ്ങളും അവതരിപ്പിക്കുന്നു, ഉപഗ്രഹവും ഡ്രോണും തമ്മിലുള്ള വ്യത്യാസം വിശദീകരിക്കുന്നു, കൂടാതെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് ഈ മാപ്പുകൾ എങ്ങനെ വ്യാഖ്യാനിക്കാമെന്നും ഏറ്റവും പ്രധാനമായി പരിശോധിക്കാമെന്നും കാണിക്കുന്നു.
ആദ്യം ഭൗതികശാസ്ത്രം മനസ്സിലാക്കാം. ആരോഗ്യമുള്ള, ഫോട്ടോസിന്തറ്റിക് ഇല ചുവന്ന പ്രകാശത്തെ തീവ്രമായി ആഗിരണം ചെയ്യുന്നു (ക്ലോറോഫിൽ അത് ഉപയോഗിക്കുന്നതിനാൽ) കൂടാതെ ഇൻഫ്രാറെഡ് പ്രകാശത്തിന് സമീപം (NIR; ചുവപ്പിന് അപ്പുറത്തുള്ള ബാൻഡ്, കണ്ണിന് അദൃശ്യമാണ്) ശക്തമായി പ്രതിഫലിപ്പിക്കുന്നു. ചെടി സമ്മർദ്ദത്തിലാകുകയും ക്ലോറോഫിൽ നഷ്ടപ്പെടുകയും ചെയ്യുന്നതിനാൽ, അത് കുറച്ച് ചുവപ്പ് ആഗിരണം ചെയ്യുകയും എൻഐആർ കുറയുകയും ചെയ്യുന്നു. NDVI (നോർമലൈസ്ഡ് ഡിഫറൻസ് വെജിറ്റേഷൻ ഇൻഡക്സ്) ഈ വ്യത്യാസം കൃത്യമായി അളക്കുന്നു:
NDVI = (NIR - ചുവപ്പ്) / (NIR + ചുവപ്പ്)
ഫലം -1 നും +1 നും ഇടയിലാണ്. നഗ്നമായ മണ്ണും വെള്ളവും 0 അല്ലെങ്കിൽ നെഗറ്റീവ് മൂല്യങ്ങൾ നൽകുന്നു; വിരളമായ ചെടി 0.2-0.4; ഇടതൂർന്ന ആരോഗ്യകരമായ കവർ 0.7-0.9 പരിധിയിലാണ്. എൻഡിവിഐ വിളവ്, രോഗം അല്ലെങ്കിൽ മണ്ണിൻ്റെ ഈർപ്പം നേരിട്ട് അളക്കുന്നില്ല-പച്ച, ജീവനുള്ള ആവരണത്തിൻ്റെ സാന്ദ്രത മാത്രം. താഴ്ന്ന NDVI ഒരു മുന്നറിയിപ്പാണ്, രോഗനിർണയമല്ല.
എന്തുകൊണ്ട് ഒരു സൂചിക പോരാ?
NDVI ശക്തമാണെങ്കിലും രണ്ട് ബലഹീനതകളുണ്ട്. ആദ്യത്തേത് സാച്ചുറേഷൻ ആണ്: കവർ വളരെ സാന്ദ്രമാകുമ്പോൾ (പറയുക, നന്നായി വികസിപ്പിച്ച ധാന്യം) എൻഡിവിഐ 0.8-0.9 ൽ എത്തുമ്പോൾ കൂടുതൽ ബയോമാസ് വർദ്ധനവ് സൂചിപ്പിക്കുന്നില്ല. രണ്ടാമത്തേത് മണ്ണിൻ്റെ ഫലമാണ്: വിരളമായ കവറിൽ, പശ്ചാത്തല മണ്ണിൻ്റെ നിറം സൂചികയെ വികലമാക്കുന്നു. അതുകൊണ്ടാണ് വ്യത്യസ്ത സാഹചര്യങ്ങൾക്കായി വ്യത്യസ്ത സൂചികകൾ വികസിപ്പിച്ചെടുത്തത്. ചുവടെയുള്ള പട്ടിക ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്നവയെ സംഗ്രഹിക്കുന്നു; നിങ്ങൾ തിരഞ്ഞെടുക്കുന്ന സൂചിക നിങ്ങളുടെ ചോദ്യത്തെ ആശ്രയിച്ചിരിക്കുന്നു.
സൂചിക
അത് എന്തിനുവേണ്ടിയാണ് നല്ലത്
കുറിപ്പ്
എൻ.ഡി.വി.ഐ
പൊതുവായ കവർ പ്രവർത്തനക്ഷമത
ഇടതൂർന്ന കവറിൽ സാച്ചുറേഷൻ നൽകുന്നു
NDRE (റെഡ്-എഡ്ജ്)
നൈട്രജൻ/ക്ലോറോഫിൽ ഇടതൂർന്ന കവറിൽ
അവസാന കാലഘട്ടത്തിൽ എൻഡിവിഐയോട് സെൻസിറ്റീവ്
GNDVI (പച്ച)
ക്ലോറോഫിൽ/നൈട്രജൻ നില
പച്ച ടേപ്പ് ഉപയോഗിക്കുന്നു
SAVI
വിരളമായ കവർ, നഗ്നമായ മണ്ണ്
മണ്ണിൻ്റെ പ്രഭാവം ശരിയാക്കുന്നു
NDWI/NDMI
ചെടി/മണ്ണ് ജലത്തിൻ്റെ അളവ്
ജല സമ്മർദ്ദത്തോട് അടുത്ത്
വീട്
ഇടതൂർന്ന കവർ, അന്തരീക്ഷം ശരിയാക്കി
സാച്ചുറേഷൻ കുറയ്ക്കുന്നു
സൂചന: "ഏത് സൂചിക?" ചോദ്യത്തിനുള്ള ഉത്തരം ഉൽപ്പന്നത്തിൻ്റെ വികസന ഘട്ടമാണ്. ആദ്യകാല കാലഘട്ടത്തിൽ SAVI (സ്പാർസ് കവർ); NDRE/GNDVI മെച്ചപ്പെടുത്തിയ സാന്ദ്രമായ കവറിലും നൈട്രജൻ നിരീക്ഷണത്തിലും; ജല സമ്മർദ്ദത്തിൽ, NDWI/NDMI പലപ്പോഴും NDVI-യെക്കാൾ കൂടുതൽ വിവരദായകമാണ്.
സാറ്റലൈറ്റ് അല്ലെങ്കിൽ ഡ്രോൺ?
രണ്ട് ഉറവിടങ്ങളും എതിരാളികളല്ല, മറിച്ച് പരസ്പര പൂരകങ്ങളാണ്. ഉപഗ്രഹങ്ങൾ (ഉദാ: സെൻ്റിനൽ-2, ലാൻഡ്സാറ്റ്) വലിയ പ്രദേശങ്ങൾ കൃത്യമായ ഇടവേളകളിൽ സൗജന്യമായി അല്ലെങ്കിൽ കുറഞ്ഞ നിരക്കിൽ ഉൾക്കൊള്ളുന്നു, എന്നാൽ അവയുടെ റെസല്യൂഷൻ പരുക്കനാണ് (പിക്സലുകൾ 10-30 മീ), ക്ലൗഡ് ചിത്രത്തെ മറയ്ക്കാൻ കഴിയും. ഡ്രോൺ വളരെ ഉയർന്ന റെസല്യൂഷനും (പിക്സലുകളും സെൻ്റീമീറ്ററുകളും) നിങ്ങൾക്ക് ആവശ്യമുള്ള ഏത് ദിവസവും ഫ്ലൈറ്റ് നൽകുന്നു, പക്ഷേ ഇത് ഒരു ചെറിയ പ്രദേശം ഉൾക്കൊള്ളുന്നു, ഫ്ലൈറ്റ്, പ്രോസസ്സിംഗ് എന്നിവയ്ക്ക് തൊഴിലാളികൾ ആവശ്യമാണ്. പ്രായോഗിക തന്ത്രം ലേയേർഡ് ആണ്: മുഴുവൻ ഫാമും ഒരു ഉപഗ്രഹം ഉപയോഗിച്ച് സ്കാൻ ചെയ്ത് സംശയാസ്പദമായ പ്രദേശങ്ങൾ കണ്ടെത്തുക, തുടർന്ന് ഡ്രോൺ ഉപയോഗിച്ച് ആ പ്രദേശങ്ങൾ സൂക്ഷ്മമായി പരിശോധിക്കുക, ഒടുവിൽ വയലിലേക്ക് പോകുക.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഇൻഡെക്സ് മാപ്പിനെ എങ്ങനെ വ്യാഖ്യാനിക്കുന്നു?
ചിത്രത്തെ വ്യാഖ്യാനിക്കുന്നതിൽ കൃത്രിമബുദ്ധി മൂല്യവത്താണ്, മറിച്ച് അതിൽ നിന്ന് സൃഷ്ടിക്കുന്ന സംഖ്യാ സംഗ്രഹങ്ങളാണ്: പ്രദേശത്തിൻ്റെ ശരാശരി, കാലത്തിനനുസരിച്ച് മാറ്റം, അയൽ പ്രദേശങ്ങളുമായുള്ള വ്യത്യാസം. ഉദാഹരണത്തിന്, “പ്ലോട്ട്-3 NDVI യുടെ വടക്കേ അറ്റം കഴിഞ്ഞ 12 ദിവസത്തിനുള്ളിൽ 0.72 ൽ നിന്ന് 0.48 ആയി കുറഞ്ഞു, തെക്കേ അറ്റം സ്ഥിരതയുള്ളതാണ്” എന്നതുപോലുള്ള ഒരു സംഗ്രഹം നിങ്ങൾ AI-ക്ക് നൽകിയാൽ, സാധ്യമായ കാരണങ്ങൾക്ക് മുൻഗണന നൽകാനും ഫീൽഡ് കൺട്രോൾ പ്ലാൻ തയ്യാറാക്കാനും ഇത് നിങ്ങളെ സഹായിക്കും. എന്നാൽ ഓർക്കുക: AI നിർദ്ദേശിക്കുന്ന "എന്തുകൊണ്ട്" എന്നത് അനുമാനങ്ങളുടെ ഒരു പട്ടികയാണ്. കുറഞ്ഞ എൻഡിവിഐ ജല സമ്മർദ്ദം, രോഗം, പോഷകങ്ങളുടെ കുറവ്, അപൂർവ്വമായി പ്രത്യക്ഷപ്പെടൽ, ആലിപ്പഴ നാശം, മേഘ നിഴൽ അല്ലെങ്കിൽ പുതുതായി ഉഴുതുമറിച്ച മണ്ണ് എന്നിവ കാരണമാകാം. ഫീൽഡ്, മെറ്റീരിയോളജി, ഫിനോളജി എന്നിവ മാത്രമേ ഇവയെ വേർതിരിക്കുന്നുള്ളൂ.
മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം
കേസ് 1 - നേരത്തെയുള്ള സ്ട്രെസ് ക്യാപ്ചർ. ഒരു കോൺ ഫീൽഡിൽ, സാറ്റലൈറ്റ് NDVI ഫീൽഡിൻ്റെ തെക്കുപടിഞ്ഞാറൻ 8-ഡികെയർ വിഭാഗത്തിൽ ചുറ്റുമുള്ള പ്രദേശത്തേക്കാൾ 0.15 പോയിൻ്റ് കുറവായിരുന്നു. എഞ്ചിനീയർ ആ പ്രദേശത്തേക്ക് പോയി; ജലസേചന ലൈനിൽ ഒരു തടസ്സം കണ്ടെത്തി, ദൃശ്യമായ ലക്ഷണങ്ങൾ (മങ്ങൽ) പ്രത്യക്ഷപ്പെടുന്നതിന് 6 ദിവസം മുമ്പ് തകരാർ പരിഹരിച്ചു. കണക്കാക്കിയ ഉൽപ്പാദന നഷ്ടം ഒഴിവാക്കി.
കേസ് 2 - തെറ്റായ അലാറം. ഒരു ഗോതമ്പ് പ്ലോട്ടിൽ ഒരൊറ്റ ഉപഗ്രഹ തീയതിയിൽ NDVI പെട്ടെന്ന് വീണു. AI പറഞ്ഞു "സാധ്യമായ രോഗം". എന്നിരുന്നാലും, കാലാവസ്ഥാ നിരീക്ഷണം അന്ന് കനത്ത മേഘങ്ങൾ കാണിച്ചു; അടുത്ത ക്ലൗഡ് രഹിത ചിത്രത്തിൽ, NDVI സാധാരണ നിലയിലായി. മേഘ നിഴൽ ഒരു തെറ്റായ അലാറമായിരുന്നു; ഒരു തീയതിയുടെ അടിസ്ഥാനത്തിലല്ല തീരുമാനമെടുത്തത്, സമയക്രമം നോക്കി.
കേസ് 3 - സൂചിക തിരഞ്ഞെടുക്കൽ. ഒരു വികസിത പഞ്ചസാര ബീറ്റ്റൂട്ട് ഫീൽഡിൽ NDVI എല്ലായിടത്തും 0.85 ൽ പൂരിതമായി, നൈട്രജൻ വ്യത്യാസം കാണിച്ചില്ല. NDRE സൂചികയിലേക്ക് മാറുമ്പോൾ, വയലിൻ്റെ കിഴക്കൻ പകുതിയിൽ ക്ലോറോഫിൽ കുറവ് നിരീക്ഷിക്കപ്പെട്ടു; ലീഫ് അനാലിസിസ് നൈട്രജൻ്റെ കുറവ് സ്ഥിരീകരിക്കുകയും ടാർഗെറ്റുചെയ്ത ടോപ്പ് ഡ്രസ്സിംഗ് ആ പ്രദേശത്ത് പ്രയോഗിക്കുകയും ചെയ്തു.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
ഈ NDVI മാപ്പിൽ എന്തെങ്കിലും പ്രശ്നമുണ്ടോ? ഞാൻ എന്ത് ചെയ്യണം?
ശക്തമായ നിർദ്ദേശം:
നിങ്ങളുടെ റോൾ: റിമോട്ട് സെൻസിംഗ് അഗ്രോണമിസ്റ്റ്. ഞാൻ നിങ്ങൾക്ക് പ്രദേശാടിസ്ഥാനത്തിലുള്ള NDVI, NDREtime പരമ്പരകളുടെ സംഗ്രഹം നൽകുന്നു (തീയതി, പ്രദേശം, ശരാശരി മൂല്യം). ടാസ്ക്ക്:- കുറയുന്നതിൻ്റെ അളവും ദൈർഘ്യവും അനുസരിച്ച് ഗണ്യമായ കുറവുകൾ കാണിക്കുന്ന പ്രദേശങ്ങൾ പട്ടികപ്പെടുത്തുക.- ഓരോ പ്രദേശത്തിനും (ജലം/രോഗം/പോഷകം/മണ്ണ്/മേഘം) 2-4 സാധ്യമായ കാരണ സിദ്ധാന്തങ്ങൾ നൽകുക.- ഓരോ അനുമാനത്തിനും ഫീൽഡിൽ ഞാൻ അത് എങ്ങനെ പരിശോധിക്കും എന്ന് ഒരു വാക്യത്തിൽ എഴുതുക.- ഒറ്റ തീയതിയിലെ പെട്ടെന്നുള്ള മാറ്റങ്ങൾ വെവ്വേറെ അടയാളപ്പെടുത്തുക. കീടനാശിനികൾ/വളങ്ങൾ ശുപാർശ ചെയ്യുന്നു; മുൻഗണനയുള്ള ചെക്ക്ലിസ്റ്റ് ver.Data:[സമയ ശ്രേണി സംഗ്രഹം]
ശക്തമായ പ്രോംപ്റ്റ് ഒരു ഡയഗ്നോസ്റ്റിക് മെഷീനിൽ നിന്ന് AI-യെ ഒരു മുൻഗണനാ, സ്ഥിരീകരണ പ്ലാൻ അസിസ്റ്റൻ്റാക്കി മാറ്റുന്നു; ഒറ്റ തീയതി ട്രാപ്പിനെയും ഡയഗ്നോസ്റ്റിക് പരിധിയെയും കുറിച്ച് വ്യക്തമായി എഴുതുന്നു.
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) സൂചിക തിരഞ്ഞെടുക്കൽ കൺസൾട്ടേഷൻ:
വിള: [വിള], വികസന ഘട്ടം: [ഘട്ടം], എൻ്റെ ചോദ്യം: [ജല സമ്മർദ്ദം / നൈട്രജൻ / പൊതു വീര്യം]. ഈ സാഹചര്യത്തിന് ഏറ്റവും അനുയോജ്യമായ 2 സസ്യ സൂചികകൾ, എന്തുകൊണ്ടാണെന്നും എൻഡിവിഐയെക്കാൾ അവയുടെ ഗുണം എന്നിവയും സംക്ഷിപ്തമായി വിശദീകരിക്കുക. സൂത്രവാക്യങ്ങളും എഴുതുക.
2) സമയ ശ്രേണിയിലെ അപാകത സംഗ്രഹം:
താഴെയുള്ള മേഖല-തീയതി-NDVI പട്ടികയിൽ: വെവ്വേറെ ലിസ്റ്റ്: (a) 0.1-ൽ കൂടുതൽ കുറയുന്നതും കുറഞ്ഞത് 2 തുടർച്ചയായ തീയതികളെങ്കിലും നീണ്ടുനിൽക്കുന്നതും, (b) ഒറ്റ-തീയതി ജമ്പുകൾ. അഭിപ്രായങ്ങൾ ചേർക്കരുത്, പട്ടിക എക്സ്ട്രാക്റ്റ് ചെയ്യുക.
3) ഫീൽഡ് കൺട്രോൾ പ്ലാൻ:
ഇനിപ്പറയുന്ന മുൻഗണനാ മേഖലകൾക്കായി ഒരു ഫീൽഡ് ട്രിപ്പ് പ്ലാൻ തയ്യാറാക്കുക: ഓരോ പ്രദേശത്തും ഞാൻ എന്ത് അളവെടുക്കും (ഈർപ്പം, ഇലയുടെ സാമ്പിൾ, റൂട്ട് പരിശോധന) ഞാൻ എടുക്കുന്നതെന്നും അത് എന്തിനാണ് ആവശ്യമുള്ളതെന്നും എഴുതുക. പ്രാദേശിക കേന്ദ്രത്തിലേക്ക് GPS പോയിൻ്റുകൾ ശുപാർശ ചെയ്യുക.
4) തെറ്റായ അലാറം ഫിൽട്ടർ:
തീരുമാനമെടുക്കുന്നതിന് മുമ്പ് ഈ NDVI ഡ്രോപ്പ് ഒഴിവാക്കാനുള്ള ചെക്ക്ലിസ്റ്റ്: ക്ലൗഡ്/ഷാഡോ, ഷാഡോ ആംഗിൾ, വിളവെടുപ്പ്/റിലീസ്, സെൻസർ തീയതി, അയൽ മേഖലയുടെ സ്ഥിരത. ഓരോ ഇനവും പരിശോധിക്കുക "അത് പരിശോധിച്ചിട്ടുണ്ടോ?" ആയി അവതരിപ്പിക്കുക.
സാധാരണ തെറ്റുകൾ
- ഒരൊറ്റ തീയതിയെ അടിസ്ഥാനമാക്കി തീരുമാനങ്ങൾ എടുക്കുന്നു. മേഘങ്ങളും നിഴലുകളും അന്തരീക്ഷവും ഒരൊറ്റ ചിത്രത്തെ വികലമാക്കുന്നു; എപ്പോഴും സമയ ശ്രേണി നോക്കുക.
- താഴ്ന്ന NDVI = രോഗമായി തെറ്റിദ്ധരിക്കപ്പെടുന്നു. സൂചിക കാരണം പറയുന്നില്ല; ജലം, പോഷകങ്ങൾ, മണ്ണ്, ഔട്ട്ലെറ്റ് പ്രശ്നങ്ങൾ എന്നിവയും ഇതേ തകർച്ച നൽകുന്നു.
- സാച്ചുറേഷൻ അവഗണിക്കുന്നു. ഇടതൂർന്ന കവറിൽ NDVI കൊടുമുടികൾ; നൈട്രജൻ നിരീക്ഷണത്തിൽ NDRE/GNDVI-ലേക്ക് മാറുക.
- പ്രമേയം മറക്കുന്നു. 10 മീറ്റർ സാറ്റലൈറ്റ് പിക്സലിന് ഒരു ചെറിയ സ്ട്രെസ് പാച്ച് മറയ്ക്കാൻ കഴിയും; സംശയാസ്പദമായ സ്ഥലത്ത് ഡ്രോൺ ഇറക്കുക.
- ഫീൽഡ് ഒഴിവാക്കുന്നു. മാപ്പ് ഒരു ചൂണ്ടുവിരലാണ്; മണ്ണിലും ഇലകളിലും രോഗനിർണയം നടത്തുന്നു.
ശ്രദ്ധിക്കുക: "എന്താണ് പ്രശ്നം" എന്ന ചോദ്യത്തിനല്ല, "നിങ്ങൾ എവിടെ നോക്കണം" എന്ന ചോദ്യത്തിനാണ് സൂചിക മാപ്പ് ഉത്തരം നൽകുന്നത്. ചാർട്ട് നേരിട്ട് മയക്കുമരുന്ന് അല്ലെങ്കിൽ വളം തീരുമാനത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നത് തെറ്റായ കാരണത്തിൽ ഇടപെടാനുള്ള അപകടമാണ്.
ചുരുക്കത്തിൽ
വെജിറ്റേഷൻ സൂചികകൾ വ്യത്യസ്ത ലൈറ്റ് ബാൻഡുകളുടെ അനുപാതത്തിൽ നിന്ന് സസ്യങ്ങളുടെ ശക്തിയെ സംഖ്യകളാക്കി മാറ്റുന്നു; എൻഡിവിഐ ഏറ്റവും സാധാരണമായതാണെങ്കിലും, സാച്ചുറേഷൻ, മണ്ണിൻ്റെ സ്വാധീനം എന്നിവ കാരണം ഇത് എല്ലാ സാഹചര്യങ്ങൾക്കും അനുയോജ്യമല്ല - അതിൻ്റെ സഹോദരങ്ങളായ എൻഡിആർഇ, സാവി, എൻഡിഡബ്ല്യുഐ എന്നിവ ചില ചോദ്യങ്ങളിൽ ശക്തരാണ്. ഉപഗ്രഹം വൈഡ് സ്കാൻ ആണ്, ഡ്രോൺ സൂക്ഷ്മ പരിശോധനയാണ്, ഫീൽഡ് അന്തിമ സ്ഥിരീകരണ പാളിയാണ്. സൂചിക സംഗ്രഹങ്ങൾക്ക് മുൻഗണന നൽകുന്നതിനും മൂല്യനിർണ്ണയ പദ്ധതി സ്ഥാപിക്കുന്നതിനും AI വിലപ്പെട്ടതാണ്; എന്നാൽ കുറഞ്ഞ സൂചിക ഒരു അനുമാനമാണ്, രോഗനിർണയമല്ല. ഒറ്റ തീയതി കെണിയിൽ വീഴരുത്, ചോദ്യത്തിലൂടെ സൂചിക തിരഞ്ഞെടുത്ത് ഫീൽഡിലെ ഓരോ സിഗ്നലും പരിശോധിക്കുക.
ആപ്ലിക്കേഷൻ ടാസ്ക്
കുറഞ്ഞത് മൂന്ന് തീയതികളുള്ള NDVI അടങ്ങിയ ഒരു ചെറിയ പട്ടിക തയ്യാറാക്കുക, സാധ്യമെങ്കിൽ, ഒരു പാഴ്സലിനായി NDRE മൂല്യങ്ങൾ (യഥാർത്ഥ അല്ലെങ്കിൽ പ്രതിനിധി); ഒരു മേഖലയിൽ ബോധപൂർവമായ വീഴ്ചയും ഒരു തീയതിയിൽ ഒറ്റത്തവണ കുതിച്ചുചാട്ടവും ഇടുക. ഈ യൂണിറ്റിലെ "ടൈം സീരീസ് അനോമലി സംഗ്രഹം", "ഫാൾസ് അലാറം ഫിൽട്ടർ" ടെംപ്ലേറ്റുകൾ എന്നിവ ഉപയോഗിച്ച് ഇത് AI-ക്ക് നൽകുക. ഔട്ട്പുട്ടിൽ, ക്ലൗഡ് ബൗൺസിൽ നിന്ന് യഥാർത്ഥ ഡ്രോപ്പ് വേർതിരിക്കാൻ AI-ന് കഴിയുമോ, അത് രോഗനിർണയം നടത്താൻ ശ്രമിക്കുന്നുണ്ടോ എന്ന് വിലയിരുത്തുക, കൂടാതെ ഓരോ പ്രദേശത്തിനും ഫീൽഡിൽ നിങ്ങൾ നോക്കുന്ന ഒരു മെട്രിക് എഴുതുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] എൻ്റെ ചോദ്യത്തിന് അനുയോജ്യമായ സൂചിക (NDVI/NDRE/SAVI/NDWI) ഞാൻ ബോധപൂർവ്വം തിരഞ്ഞെടുത്തു.
- [ ] ഞാൻ തീരുമാനമെടുത്തത് സമയ ശ്രേണിയെ അടിസ്ഥാനമാക്കിയാണ്, ഒരൊറ്റ ചിത്രമല്ല.
- [ ] മേഘങ്ങൾ/നിഴലുകൾ/ഡ്രിഫ്റ്റുകൾ എന്നിവ ഉണ്ടാകുമ്പോൾ ഞാൻ പെട്ടെന്നുള്ള തുള്ളികൾ ഫിൽട്ടർ ചെയ്തു.
- [ ] ഞാൻ AI പറഞ്ഞ കാരണങ്ങൾ രോഗനിർണയമായിട്ടല്ല, അനുമാനങ്ങളായാണ് എടുത്തത്.
- [ ] ഓരോ മുൻഗണനാ മേഖലയ്ക്കും വേണ്ടി ഞാൻ ഒരു ഫീൽഡ് വെരിഫിക്കേഷൻ മെഷർമെൻ്റ് പ്ലാൻ ചെയ്തു.