ஆதாயங்கள்:
- NDVI மற்றும் பிற தாவர குறியீடுகள் எதை அளவிடுகின்றன மற்றும் எந்த சூழ்நிலையில் எந்த குறியீடு பொருத்தமானது என்பதை விளக்கும் திறன்.
- செயற்கைக்கோள்/ட்ரோன் படங்களிலிருந்து தயாரிக்கப்பட்ட குறியீட்டு வரைபடங்களை AI உதவியுடன் விளக்கி, அழுத்தப் பகுதிகளுக்கு முன்னுரிமை அளிக்கும் திறன்
- புலக் கட்டுப்பாடு, வானிலை ஆய்வு மற்றும் பினாலஜி மூலம் குறியீட்டு முரண்பாடுகளை சரிபார்ப்பதன் மூலம் தவறான அலாரங்களை அகற்றும் திறன்
ஒரு புலத்தை கண்ணால் வழிசெலுத்துவது மெதுவாகவும் பெரிய பகுதிகளில் தவறாகவும் இருக்கும்: கண் சோர்வடைகிறது, பழகுகிறது மற்றும் பெரிய வடிவங்களைத் தவறவிடுகிறது. இருப்பினும், விண்வெளியில் இருந்து அல்லது ட்ரோனில் இருந்து பார்க்கும்போது, தாவரங்களின் ஆரோக்கியம் டிஜிட்டல் வரைபடமாக மாறுகிறது மற்றும் அழுத்தப்பட்ட பகுதிகள் தெளிவாக வெளிப்படும், கண் கவனிக்க முடியாதபடி மிக விரைவில். இந்த மாற்றத்திற்கான முக்கிய கருவி தாவர குறியீடுகள் ஆகும்: படத்தில் உள்ள வெவ்வேறு ஒளி பட்டைகளின் விகிதத்திலிருந்து தாவரத்தின் உயிர்ச்சக்தியை எண்ணாக மாற்றும் சூத்திரங்கள். இந்த அலகு மிகவும் பொதுவான குறியீட்டு எண், NDVI மற்றும் அதன் உடன்பிறப்புகளை அறிமுகப்படுத்துகிறது, செயற்கைக்கோள் மற்றும் ட்ரோன் இடையே உள்ள வித்தியாசத்தை விளக்குகிறது, மேலும் செயற்கை நுண்ணறிவு மூலம் இந்த வரைபடங்களை எவ்வாறு விளக்குவது மற்றும் சரிபார்ப்பது என்பதை உங்களுக்குக் காட்டுகிறது.
முதலில் இயற்பியலைப் புரிந்து கொள்வோம். ஒரு ஆரோக்கியமான, ஒளிச்சேர்க்கை இலை சிவப்பு ஒளியை தீவிரமாக உறிஞ்சி (குளோரோபில் அதைப் பயன்படுத்துவதால்) மற்றும் அருகிலுள்ள அகச்சிவப்பு ஒளியை (NIR; சிவப்புக்கு அப்பாற்பட்ட பட்டை, கண்ணுக்குத் தெரியாதது) வலுவாக பிரதிபலிக்கிறது. ஆலை அழுத்தம் மற்றும் குளோரோபில் இழக்கிறது, அது குறைந்த சிவப்பு உறிஞ்சி மற்றும் குறைவாக NIR பிரதிபலிக்கிறது. NDVI (இயல்பாக்கப்பட்ட வேறுபாடு தாவர அட்டவணை) இந்த வேறுபாட்டை சரியாக அளவிடுகிறது:
NDVI = (NIR - சிவப்பு) / (NIR + சிவப்பு)
முடிவு -1 மற்றும் +1 இடையே உள்ளது. வெற்று மண் மற்றும் நீர் மதிப்புகளை 0 அல்லது எதிர்மறைக்கு அருகில் கொடுக்கின்றன; அரிதான ஆலை 0.2-0.4; அடர்த்தியான, ஆரோக்கியமான உறை 0.7-0.9 வரம்பில் உள்ளது. NDVI நேரடியாக விளைச்சல், நோய் அல்லது மண்ணின் ஈரப்பதத்தை அளவிடுவதில்லை-பச்சை, வாழும் உறையின் அடர்த்தி மட்டுமே. குறைந்த என்டிவிஐ ஒரு எச்சரிக்கை, நோயறிதல் அல்ல.
ஒரு குறியீடு ஏன் போதாது?
NDVI வலுவானது ஆனால் இரண்டு பலவீனங்களைக் கொண்டுள்ளது. முதலாவது செறிவூட்டல்: கவர் மிகவும் அடர்த்தியாக மாறும்போது (நன்றாக வளர்ந்த சோளம்) என்டிவிஐ 0.8-0.9 உச்சத்தை அடைகிறது, மேலும் உயிரியளவு அதிகரிப்பதைக் குறிக்காது. இரண்டாவது மண்ணின் விளைவு: அரிதான அட்டையில், பின்னணி மண்ணின் நிறம் குறியீட்டை சிதைக்கிறது. அதனால்தான் வெவ்வேறு சூழ்நிலைகளுக்கு வெவ்வேறு குறியீடுகள் உருவாக்கப்பட்டுள்ளன. கீழே உள்ள அட்டவணை மிகவும் பயன்படுத்தப்பட்டவற்றை சுருக்கமாகக் கூறுகிறது; நீங்கள் தேர்வு செய்யும் குறியீட்டு உங்கள் கேள்வியைப் பொறுத்தது.
குறியீட்டு
அது எதற்கு நல்லது
குறிப்பு
என்.டி.வி.ஐ
பொது கவர் நம்பகத்தன்மை
அடர்த்தியான உறையில் பூரிதத்தை வழங்குகிறது
NDRE (சிவப்பு விளிம்பு)
அடர்த்தியான உறையில் நைட்ரஜன்/குளோரோபில்
பிற்பகுதியில் NDVI க்கு உணர்திறன்
GNDVI (பச்சை)
குளோரோபில்/நைட்ரஜன் நிலை
பச்சை நாடா பயன்படுத்துகிறது
SAVI
ஆங்காங்கே உறை, வெற்று மண்
மண்ணின் விளைவை சரிசெய்கிறது
NDWI/NDMI
தாவர/மண் நீர் உள்ளடக்கம்
நீர் அழுத்தத்திற்கு அருகில்
வீடு
அடர்த்தியான கவர், வளிமண்டலம் சரி செய்யப்பட்டது
செறிவூட்டலைக் குறைக்கிறது
குறிப்பு: "எந்தக் குறியீடு?" கேள்விக்கான பதில் தயாரிப்பின் வளர்ச்சி கட்டமாகும். ஆரம்ப காலத்தில் SAVI (ஸ்பேர்ஸ் கவர்); மேம்படுத்தப்பட்ட அடர்த்தியான கவர் மற்றும் நைட்ரஜன் கண்காணிப்பில் NDRE/GNDVI; நீர் அழுத்தத்தில், NDWI/NDMI பெரும்பாலும் NDVI ஐ விட அதிக தகவல் தரும்.
செயற்கைக்கோள் அல்லது ட்ரோனா?
இரண்டு வளங்களும் போட்டியாளர்கள் அல்ல, ஆனால் ஒன்றையொன்று நிரப்புகின்றன. செயற்கைக்கோள்கள் (எ.கா. சென்டினல்-2, லேண்ட்சாட்) பெரிய பகுதிகளை சீரான இடைவெளியில் இலவசமாகவோ அல்லது மலிவாகவோ உள்ளடக்கியது, ஆனால் அவற்றின் தெளிவுத்திறன் கரடுமுரடான (பிக்சல்கள் 10-30 மீ) மற்றும் மேகம் படத்தை மறைத்துவிடும். ட்ரோன் மிக உயர்ந்த தெளிவுத்திறன் (பிக்சல்கள் மற்றும் சென்டிமீட்டர்கள்) மற்றும் நீங்கள் விரும்பும் எந்த நாளிலும் விமானத்தை வழங்குகிறது, ஆனால் அது ஒரு சிறிய பகுதியை ஆக்கிரமித்துள்ளது மற்றும் விமானம் மற்றும் செயலாக்கத்திற்கு உழைப்பு தேவைப்படுகிறது. நடைமுறை மூலோபாயம் அடுக்கி வைக்கப்பட்டுள்ளது: முழு பண்ணையையும் செயற்கைக்கோள் மூலம் ஸ்கேன் செய்து சந்தேகத்திற்கிடமான பகுதிகளைக் கண்டறிந்து, பின்னர் ட்ரோன் மூலம் அந்த பகுதிகளை நெருக்கமாக ஆராய்ந்து, இறுதியாக வயலுக்குச் செல்லவும்.
செயற்கை நுண்ணறிவு குறியீட்டு வரைபடத்தை எவ்வாறு விளக்குகிறது?
செயற்கை நுண்ணறிவு என்பது படத்தை விளக்குவதில் மதிப்புமிக்கது, ஆனால் அதிலிருந்து உருவாக்கப்பட்ட எண் சுருக்கங்கள்: பிராந்திய சராசரிகள், காலப்போக்கில் மாற்றம், அண்டை பிராந்தியங்களுடனான வேறுபாடு. எடுத்துக்காட்டாக, கடந்த 12 நாட்களில் "Plot-3 NDVI இன் வடக்கு முனை 0.72ல் இருந்து 0.48 ஆகக் குறைந்துள்ளது, தெற்கு முனை நிலையானது" போன்ற சுருக்கத்தை நீங்கள் AIக்கு வழங்கினால், சாத்தியமான காரணங்களை முதன்மைப்படுத்தி களக் கட்டுப்பாட்டுத் திட்டத்தை உருவாக்க இது உதவும். ஆனால் நினைவில் கொள்ளுங்கள்: AI பரிந்துரைக்கும் "ஏன்" என்பது கருதுகோள்களின் பட்டியல். குறைந்த NDVI நீர் அழுத்தம், நோய், ஊட்டச்சத்து குறைபாடு, எப்போதாவது தோன்றுதல், ஆலங்கட்டி சேதம், மேக நிழல் அல்லது புதிதாக உழவு செய்யப்பட்ட மண் ஆகியவற்றால் ஏற்படலாம். களம், வானிலை மற்றும் பினாலஜி ஆகியவை மட்டுமே இவற்றை வேறுபடுத்துகின்றன.
மூன்று சிறிய வழக்குகள்: எண்கள் மூலம்
வழக்கு 1 - ஆரம்பகால மன அழுத்தம். ஒரு சோள வயலில், தென்மேற்கு 8-டிகேர் பிரிவில் சுற்றியுள்ள பகுதியை விட செயற்கைக்கோள் NDVI 0.15 புள்ளிகள் குறைவாக இருந்தது. பொறியாளர் அந்தப் பகுதிக்குச் சென்றார்; நீர்ப்பாசன வரிசையில் ஒரு அடைப்பு கண்டறியப்பட்டது மற்றும் தெரியும் அறிகுறிகள் (மறைதல்) தோன்றுவதற்கு 6 நாட்களுக்கு முன்பு தவறு சரி செய்யப்பட்டது. மதிப்பிடப்பட்ட உற்பத்தி இழப்பு தவிர்க்கப்பட்டது.
வழக்கு 2 - தவறான அலாரம். NDVI கோதுமை நிலத்தில் ஒரு செயற்கைக்கோள் தேதியில் திடீரென விழுந்தது. AI "சாத்தியமான நோய்" என்று கூறியது. எனினும், வானிலை ஆய்வு அன்று கடும் மேகங்கள் காட்டியது; அடுத்த மேகக்கணி இல்லாத படத்தில், NDVI இயல்பு நிலைக்குத் திரும்பியது. மேக நிழல் ஒரு தவறான எச்சரிக்கை; ஒரு தேதியை அடிப்படையாகக் கொண்டு முடிவு எடுக்கப்படவில்லை, நேரத் தொடர் பார்க்கப்பட்டது.
வழக்கு 3 - குறியீட்டு தேர்வு. ஒரு வளர்ந்த சர்க்கரைவள்ளிக்கிழங்கு துறையில் NDVI எல்லா இடங்களிலும் 0.85 இல் நிறைவுற்றது மற்றும் நைட்ரஜன் வேறுபாட்டைக் காட்டவில்லை. NDRE குறியீட்டிற்கு மாறும்போது, வயலின் கிழக்குப் பகுதியில் குளோரோபில் குறைபாடு காணப்பட்டது; இலை பகுப்பாய்வு நைட்ரஜன் குறைபாட்டை உறுதிப்படுத்தியது மற்றும் அந்த பகுதிக்கு டார்கெட் டாப் டிரஸ்ஸிங் பயன்படுத்தப்பட்டது.
பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்
பலவீனமான உடனடி:
இந்த NDVI வரைபடத்தில் ஏதேனும் சிக்கல் உள்ளதா? நான் என்ன செய்ய வேண்டும்?
சக்திவாய்ந்த தூண்டுதல்:
உங்கள் பங்கு: ரிமோட் சென்சிங் உதவி வேளாண் விஞ்ஞானி. நான் உங்களுக்கு பிராந்திய வாரியான NDVI மற்றும் NDREtime தொடர் சுருக்கத்தை (தேதி, மண்டலம், சராசரி மதிப்பு) தருகிறேன். பணி:- குறைவின் அளவு மற்றும் கால அளவுடன் குறிப்பிடத்தக்க சரிவைக் காட்டும் பகுதிகளை பட்டியலிடவும்.- ஒவ்வொரு பிராந்தியத்திற்கும் (நீர்/நோய்/ஊட்டச்சத்து/மண்/மேகம்) சாத்தியமான காரணக் கருதுகோள்களை 2-4 கொடுங்கள்.- ஒவ்வொரு கருதுகோளுக்கும் புலத்தில் நான் அதை எவ்வாறு சரிபார்க்கிறேன் என்பதை ஒரு வாக்கியத்தில் எழுதுங்கள். பூச்சிக்கொல்லிகள் / உரங்களைப் பரிந்துரைத்தல்; முன்னுரிமை சரிபார்ப்பு பட்டியல் ver.Data:[நேரத் தொடர் சுருக்கம்]
சக்திவாய்ந்த ப்ராம்ட் AI ஐ கண்டறியும் இயந்திரத்திலிருந்து முன்னுரிமை மற்றும் சரிபார்ப்பு திட்ட உதவியாளராக மாற்றுகிறது; ஒற்றை தேதி பொறி மற்றும் கண்டறியும் வரம்பு பற்றி தெளிவாக எழுதுகிறது.
நான்கு நகலெடுக்கக்கூடிய டெம்ப்ளேட்கள்
1) குறியீட்டு தேர்வு ஆலோசனை:
பயிர்: [பயிர்], வளர்ச்சி நிலை: [நிலை], எனது கேள்வி: [நீர் அழுத்தம் / நைட்ரஜன் / பொது வீரியம்]. இந்த சூழ்நிலைக்கு மிகவும் பொருத்தமான 2 தாவர குறியீடுகள், ஏன் மற்றும் NDVI ஐ விட அவற்றின் நன்மைகளை சுருக்கமாக விளக்குங்கள். சூத்திரங்களையும் எழுதுங்கள்.
2) நேரத் தொடர் ஒழுங்கின்மை சுருக்கம்:
கீழே உள்ள பிராந்திய-தேதி-NDVI அட்டவணையில்: தனித்தனியாக பட்டியலிடவும்: (a) 0.1 க்கும் அதிகமான சரிவுகள் மற்றும் குறைந்தபட்சம் 2 தொடர்ச்சியான தேதிகள் நீடிக்கும், (b) ஒற்றை தேதி தாவல்கள். கருத்துகளைச் சேர்க்க வேண்டாம், அட்டவணையைப் பிரித்தெடுக்கவும்.
3) களக் கட்டுப்பாட்டுத் திட்டம்:
பின்வரும் முன்னுரிமைப் பகுதிகளுக்கு ஒரு களப் பயணத் திட்டத்தை உருவாக்கவும்: ஒவ்வொரு பகுதியிலும் நான் என்ன அளவீடு (ஈரப்பதம், இலை மாதிரி, வேர் சோதனை) எடுப்பேன், அது ஏன் தேவைப்படுகிறது என்பதை எழுதவும். பிராந்திய மையத்திற்கு ஜிபிஎஸ் புள்ளிகளைப் பரிந்துரைக்கவும்.
4) தவறான எச்சரிக்கை வடிகட்டி:
முடிவெடுப்பதற்கு முன் இந்த NDVI வீழ்ச்சியை நிராகரிப்பதற்கான சரிபார்ப்பு பட்டியல்: மேகம்/நிழல், நிழல் கோணம், அறுவடை/வெளியீடு, சென்சார் தேதி, அண்டை மண்டல நிலைத்தன்மை. ஒவ்வொரு உருப்படியையும் சரிபார்க்கவும் "அது சரிபார்க்கப்பட்டதா?" என வழங்கவும்.
பொதுவான தவறுகள்
- ஒரு தேதியின் அடிப்படையில் முடிவுகளை எடுப்பது. மேகங்கள், நிழல்கள் மற்றும் வளிமண்டலம் ஒற்றை படத்தை சிதைக்கிறது; எப்போதும் நேரத் தொடரைப் பாருங்கள்.
- குறைந்த NDVI = நோய் என தவறாக கருதப்படுகிறது. குறியீட்டு காரணம் சொல்லவில்லை; நீர், ஊட்டச்சத்து, மண் மற்றும் வெளியேறும் பிரச்சனைகள் அதே சரிவைக் கொடுக்கின்றன.
- செறிவூட்டலைப் புறக்கணித்தல். NDVI அடர்த்தியான உறையில் உச்சம்; நைட்ரஜன் கண்காணிப்பில் NDRE/GNDVI க்கு மாறவும்.
- தீர்மானத்தை மறப்பது. 10 மீ செயற்கைக்கோள் பிக்சல் ஒரு சிறிய அழுத்தத்தை மறைக்க முடியும்; சந்தேகத்திற்கிடமான இடத்தில் ட்ரோனை தரையிறக்கவும்.
- களத்தைத் தவிர்த்தல். வரைபடம் ஒரு ஆள்காட்டி விரல்; மண் மற்றும் இலைகளில் நோய் கண்டறிதல் செய்யப்படுகிறது.
குறிப்பு: குறியீட்டு வரைபடம் "நீங்கள் எங்கு பார்க்க வேண்டும்" என்ற கேள்விக்கு பதிலளிக்கிறது, "என்ன பிரச்சனை" என்ற கேள்விக்கு அல்ல. விளக்கப்படத்தை நேரடியாக மருந்து அல்லது உர முடிவாக மொழிபெயர்ப்பது தவறான காரணத்தில் தலையிடும் அபாயம்.
சுருக்கமாக
தாவரக் குறியீடுகள் தாவர வீரியத்தை வெவ்வேறு ஒளி பட்டைகளின் விகிதத்திலிருந்து எண்களாக மொழிபெயர்க்கின்றன; NDVI மிகவும் பொதுவானதாக இருந்தாலும், செறிவூட்டல் மற்றும் மண்ணின் விளைவுகளால் ஒவ்வொரு சூழ்நிலைக்கும் பொருந்தாது - NDRE, SAVI, NDWI போன்ற அதன் உடன்பிறப்புகள் சில கேள்விகளில் வலிமையானவை. செயற்கைக்கோள் என்பது பரந்த ஸ்கேன், ட்ரோன் என்பது நெருக்கமான ஆய்வு மற்றும் புலம் இறுதி சரிபார்ப்பு அடுக்கு ஆகும். குறியீட்டு சுருக்கங்களுக்கு முன்னுரிமை அளிப்பதிலும் சரிபார்ப்புத் திட்டத்தை நிறுவுவதிலும் AI மதிப்புமிக்கது; ஆனால் குறைந்த குறியீடு என்பது ஒரு கருதுகோள், நோயறிதல் அல்ல. ஒற்றை தேதி வலையில் விழ வேண்டாம், கேள்வியின் அடிப்படையில் குறியீட்டைத் தேர்ந்தெடுத்து புலத்தில் ஒவ்வொரு சிக்னலையும் சோதிக்கவும்.
விண்ணப்ப பணி
குறைந்தபட்சம் மூன்று தேதியிட்ட NDVI மற்றும் முடிந்தால், ஒரு பார்சலுக்கான NDRE மதிப்புகளைக் கொண்ட சிறிய அட்டவணையைத் தயாரிக்கவும் (உண்மையான அல்லது பிரதிநிதி); ஒரு பிராந்தியத்தில் வேண்டுமென்றே குறைத்து, ஒரு தேதியில் ஒரு முறை தாண்டுதல். இந்த யூனிட்டில் உள்ள "நேர வரிசை ஒழுங்கின்மை சுருக்கம்" மற்றும் "தவறான அலாரம் வடிகட்டி" டெம்ப்ளேட்களுடன் AIக்கு வழங்கவும். வெளியீட்டில், கிளவுட் பவுன்ஸிலிருந்து உண்மையான வீழ்ச்சியை AIயால் பிரிக்க முடியுமா, அது நோயறிதலைச் செய்ய முயற்சிக்கிறதா என்பதை மதிப்பீடு செய்து, ஒவ்வொரு பிராந்தியத்திற்கும் புலத்தில் நீங்கள் பார்க்கும் ஒரு அளவீட்டை எழுதுங்கள்.
சரிபார்ப்பு பட்டியல்
- [ ] எனது கேள்விக்கு பொருத்தமான குறியீட்டை (NDVI/NDRE/SAVI/NDWI) நான் மனப்பூர்வமாகத் தேர்ந்தெடுத்தேன்.
- [ ] நான் முடிவெடுத்தது நேரத் தொடரின் அடிப்படையில், ஒற்றைப் படத்தை அல்ல.
- [ ] மேகங்கள்/நிழல்கள்/சறுக்கல்கள் ஏற்பட்டால் திடீர் துளிகளை வடிகட்டினேன்.
- AI வழங்கிய காரணங்களை நான் கருதுகோள்களாக எடுத்துக் கொண்டேன், நோயறிதல்களாக அல்ல.
- [ ] ஒவ்வொரு முன்னுரிமை மண்டலத்திற்கும் கள சரிபார்ப்பு அளவீட்டைத் திட்டமிட்டுள்ளேன்.