กำไร:
- ความสามารถในการอธิบายว่า NDVI และดัชนีพืชพรรณอื่นๆ ใช้วัดอะไร และดัชนีใดเหมาะสมในสถานการณ์ใด
- ความสามารถในการตีความแผนที่ดัชนีที่สร้างจากภาพถ่ายดาวเทียม/โดรนด้วยความช่วยเหลือของ AI และจัดลำดับความสำคัญของพื้นที่ที่มีความเครียด
- ความสามารถในการกำจัดการแจ้งเตือนที่ผิดพลาดโดยการตรวจสอบความผิดปกติของดัชนีด้วยการควบคุมภาคสนาม อุตุนิยมวิทยา และปรากฏการณ์วิทยา
การนำทางในสนามด้วยตานั้นทั้งช้าและทำให้เข้าใจผิดในพื้นที่ขนาดใหญ่ ดวงตาจะเหนื่อยล้า ชินกับมัน และพลาดรูปแบบที่ใหญ่ขึ้น อย่างไรก็ตาม เมื่อมองจากอวกาศหรือโดรน สุขภาพของพืชพรรณจะกลายเป็นแผนที่ดิจิทัล และพื้นที่ที่มีความเครียดจะถูกเปิดเผยอย่างชัดเจน เร็วเกินกว่าที่สายตาจะสังเกตเห็น เครื่องมือหลักสำหรับการเปลี่ยนแปลงนี้คือดัชนีพืชพรรณ ซึ่งเป็นสูตรที่แปลงความมีชีวิตชีวาของพืชให้เป็นตัวเลขจากอัตราส่วนของแถบแสงต่างๆ ในภาพ หน่วยนี้จะแนะนำดัชนีที่พบบ่อยที่สุด NDVI และดัชนีที่เกี่ยวข้องกัน อธิบายความแตกต่างระหว่างดาวเทียมกับโดรน และแสดงวิธีตีความและที่สำคัญที่สุดคือตรวจสอบแผนที่เหล่านี้ด้วยปัญญาประดิษฐ์
มาทำความเข้าใจฟิสิกส์กันก่อน ใบไม้สังเคราะห์แสงที่ดีต่อสุขภาพจะดูดซับแสงสีแดงอย่างเข้มข้น (เพราะคลอโรฟิลล์ใช้มัน) และสะท้อนแสงอินฟราเรดใกล้ (NIR; แถบที่อยู่เลยสีแดงซึ่งมองไม่เห็นด้วยตาเปล่า) อย่างแรง เมื่อพืชเกิดความเครียดและสูญเสียคลอโรฟิลล์ พืชจะดูดซับสีแดงน้อยลงและสะท้อน NIR น้อยลง NDVI (Normalized Difference Vegetation Index) จะวัดความแตกต่างนี้อย่างชัดเจน:
NDVI = (NIR - สีแดง) / (NIR + สีแดง)
ผลลัพธ์จะอยู่ระหว่าง -1 ถึง +1 ดินและน้ำเปล่าให้ค่าใกล้ 0 หรือลบ พืชกระจัดกระจาย 0.2-0.4; ความคุ้มครองที่หนาแน่นและดีต่อสุขภาพอยู่ในช่วง 0.7-0.9 NDVI ไม่ได้วัดผลผลิต โรค หรือความชื้นในดินโดยตรง วัดเพียงความหนาแน่นของสีเขียวและสิ่งปกคลุมที่มีชีวิตเท่านั้น NDVI ต่ำเป็นการเตือน ไม่ใช่การวินิจฉัย
เหตุใดดัชนีเดียวจึงไม่เพียงพอ
NDVI นั้นแข็งแกร่ง แต่มีจุดอ่อนสองประการ ประการแรกคือความอิ่มตัว: เมื่อส่วนปกคลุมมีความหนาแน่นมาก (เช่น ข้าวโพดที่พัฒนาอย่างดี) NDVI จะถึงจุดสูงสุดที่ 0.8-0.9 และไม่ได้บ่งชี้ถึงการเพิ่มขึ้นของมวลชีวมวลเพิ่มเติม ประการที่สองคือผลกระทบของดิน: ในพื้นที่ปกคลุมเบาบาง สีของดินพื้นหลังจะบิดเบือนดัชนี นั่นเป็นเหตุผลว่าทำไมจึงมีการพัฒนาดัชนีที่แตกต่างกันสำหรับสถานการณ์ที่แตกต่างกัน ตารางด้านล่างสรุปรายการที่ใช้มากที่สุด ดัชนีที่คุณเลือกขึ้นอยู่กับคำถามของคุณ
ดัชนี
มันมีประโยชน์อะไร
หมายเหตุ
เอ็นดีวีไอ
ความมีชีวิตความคุ้มครองทั่วไป
ให้ความอิ่มตัวในการปกปิดที่หนาแน่น
NDRE (ขอบสีแดง)
ไนโตรเจน/คลอโรฟิลล์ในที่ปกคลุมหนาแน่น
อ่อนไหวต่อ NDVI ในระยะหลัง
GNDVI (สีเขียว)
สถานะคลอโรฟิลล์/ไนโตรเจน
ใช้เทปสีเขียว
ซาวี
ดินปกคลุมกระจัดกระจาย
แก้ไขผลกระทบของดิน
NDWI/NDMI
ปริมาณน้ำของพืช/ดิน
ใกล้ชิดกับความเครียดของน้ำ
บ้าน
ฝาครอบหนาแน่น แก้ไขบรรยากาศ
ลดความอิ่มตัว
คำแนะนำ: "ดัชนีไหน" คำตอบสำหรับคำถามคือขั้นตอนการพัฒนาผลิตภัณฑ์ SAVI ในยุคแรก (ปกเบาบาง); NDRE/GNDVI ในส่วนปกคลุมหนาแน่นที่เพิ่มขึ้นและการตรวจสอบไนโตรเจน ในความเครียดจากน้ำ NDWI/NDMI มักจะให้ข้อมูลมากกว่า NDVI
ดาวเทียมหรือโดรน?
ทรัพยากรทั้งสองไม่ใช่คู่แข่งแต่เป็นส่วนเสริมซึ่งกันและกัน ดาวเทียม (เช่น Sentinel-2, Landsat) ครอบคลุมพื้นที่ขนาดใหญ่ในช่วงเวลาปกติโดยไม่เสียค่าใช้จ่ายหรือราคาถูก แต่ความละเอียดจะหยาบ (พิกเซล 10-30 ม.) และเมฆอาจบดบังภาพได้ โดรนให้ความละเอียดสูงมาก (พิกเซลและเซนติเมตร) และบินได้ทุกวันที่คุณต้องการ แต่ใช้พื้นที่น้อย และการบินและการประมวลผลต้องใช้แรงงานคน กลยุทธ์เชิงปฏิบัติแบ่งออกเป็นหลายชั้น: สแกนทั้งฟาร์มด้วยดาวเทียมและค้นหาพื้นที่ต้องสงสัย จากนั้นตรวจสอบพื้นที่เหล่านั้นอย่างใกล้ชิดด้วยโดรน และสุดท้ายก็ไปที่สนาม
ปัญญาประดิษฐ์ตีความแผนที่ดัชนีอย่างไร
ปัญญาประดิษฐ์มีคุณค่าในการตีความไม่ใช่ตัวภาพ แต่เป็นการสรุปเชิงตัวเลขที่สร้างขึ้นจากภาพนั้น เช่น ค่าเฉลี่ยของภูมิภาค การเปลี่ยนแปลงตามเวลา ความแตกต่างกับภูมิภาคใกล้เคียง ตัวอย่างเช่น หากคุณให้ข้อมูลสรุปแก่ AI เช่น “ทางตอนเหนือของ Plot-3 NDVI ลดลงจาก 0.72 เป็น 0.48 ในช่วง 12 วันที่ผ่านมา ทางใต้สุดมีเสถียรภาพ” มันจะช่วยให้คุณจัดลำดับความสำคัญของสาเหตุที่เป็นไปได้และจัดทำแผนการควบคุมภาคสนาม แต่จำไว้ว่า "ทำไม" ที่ AI แนะนำคือรายการสมมติฐาน NDVI ที่ต่ำอาจเกิดจากความเครียดจากน้ำ โรค การขาดสารอาหาร การเกิดขึ้นไม่บ่อย ครั้งความเสียหายจากลูกเห็บ เงาเมฆ หรือดินที่เพิ่งไถใหม่ มีเพียงสาขาวิชา อุตุนิยมวิทยา และปรากฏการณ์วิทยาเท่านั้นที่แยกแยะสิ่งเหล่านี้ได้
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 - การจับความเครียดตั้งแต่เนิ่นๆ ในทุ่งข้าวโพด ดาวเทียม NDVI ต่ำกว่าพื้นที่โดยรอบ 0.15 จุดในส่วนตะวันตกเฉียงใต้ของสนาม 0.15 จุด วิศวกรก็ไปที่บริเวณนั้น พบการอุดตันในสายชลประทานและแก้ไขข้อบกพร่อง 6 วันก่อนแสดงอาการ (ซีดจาง) หลีกเลี่ยงการสูญเสียผลผลิตโดยประมาณ
กรณีที่ 2 - สัญญาณเตือนที่ผิดพลาด NDVI ลดลงอย่างกะทันหันในวันที่ดาวเทียมดวงเดียวในแปลงข้าวสาลี AI บอกว่า "โรคที่เป็นไปได้" อย่างไรก็ตามวันนั้นอุตุนิยมวิทยาพบเมฆหนาทึบ ในภาพไร้คลาวด์ถัดไป NDVI กลับมาเป็นปกติ เงาเมฆเป็นสัญญาณเตือนที่ผิดพลาด การตัดสินใจไม่ได้ขึ้นอยู่กับวันเดียว แต่ดูที่อนุกรมเวลา
กรณีที่ 3 - การเลือกดัชนี ในแปลงชูการ์บีตที่พัฒนาแล้ว NDVI มีความอิ่มตัวที่ 0.85 ทุกจุด และไม่แสดงความแตกต่างของไนโตรเจน เมื่อเปลี่ยนไปใช้ดัชนี NDRE พบว่ามีการขาดคลอโรฟิลล์ในครึ่งทางตะวันออกของสนาม การวิเคราะห์ใบยืนยันว่าขาดไนโตรเจนและมีการใช้ปุ๋ยเคมีตรงบริเวณนั้น
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
มีปัญหากับแผนที่ NDVI นี้หรือไม่? ฉันควรทำอย่างไร?
พรอมต์อันทรงพลัง:
บทบาทของคุณ: นักปฐพีวิทยาที่ได้รับความช่วยเหลือจากการสำรวจระยะไกล ฉันกำลังให้ข้อมูลสรุปซีรีส์ NDVI และ NDREtime ตามภูมิภาคแก่คุณ (วันที่ ภูมิภาค ค่าเฉลี่ย) ภารกิจ:- ทำรายการภูมิภาคที่แสดงการลดลงอย่างมีนัยสำคัญด้วยจำนวนและระยะเวลาที่ลดลง- ให้สมมติฐานสาเหตุที่เป็นไปได้ 2-4 ข้อสำหรับแต่ละภูมิภาค (น้ำ/โรค/สารอาหาร/ดิน/เมฆ)- เขียนเป็นประโยคเดียวว่าฉันจะตรวจสอบมันในสนามสำหรับแต่ละสมมติฐานอย่างไร- ทำเครื่องหมายการเปลี่ยนแปลงอย่างฉับพลันแบบวันเดียวแยกจากกันเนื่องจากอาจเป็นเมฆ/เงา- อย่าวินิจฉัย แนะนำยาฆ่าแมลง/ปุ๋ย รายการตรวจสอบที่จัดลำดับความสำคัญ ver.Data:[สรุปอนุกรมเวลา]
ข้อความแจ้งอันทรงพลังเปลี่ยน AI จากเครื่องวินิจฉัยให้กลายเป็นผู้ช่วยวางแผนการจัดลำดับความสำคัญและการตรวจสอบ เขียนอย่างชัดเจนเกี่ยวกับกับดักวันที่เดียวและขีดจำกัดการวินิจฉัย
เทมเพลตที่คัดลอกได้สี่แบบ
1) การให้คำปรึกษาในการเลือกดัชนี:
ครอบตัด: [ครอบตัด] ระยะการพัฒนา: [ระยะ] คำถามของฉัน: [ความเครียดจากน้ำ / ไนโตรเจน / ความแข็งแรงทั่วไป] อธิบายสั้น ๆ เกี่ยวกับดัชนีพืชพรรณ 2 ดัชนีที่เหมาะสมที่สุดสำหรับสถานการณ์นี้ สาเหตุ และข้อได้เปรียบเหนือ NDVI เขียนสูตรด้วย
2) สรุปความผิดปกติอนุกรมเวลา:
ในตารางภูมิภาค-วันที่-NDVI ด้านล่าง: แยกรายการ: (a) การลดลงมากกว่า 0.1 และคงอยู่เป็นเวลาอย่างน้อย 2 วันติดต่อกัน (b) การกระโดดแบบวันเดียว ไม่ต้องเพิ่มความคิดเห็น เพียงแยกตารางออก
3) แผนการควบคุมภาคสนาม:
จัดทำแผนทัศนศึกษาสำหรับพื้นที่ที่มีลำดับความสำคัญต่อไปนี้: จดบันทึกสิ่งที่จะวัด (ความชื้น ตัวอย่างใบ การตรวจสอบราก) ฉันจะใช้ในแต่ละพื้นที่ และเหตุใดจึงจำเป็น แนะนำจุด GPS ไปยังศูนย์ภูมิภาค
4) ตัวกรองสัญญาณเตือนที่ผิดพลาด:
รายการตรวจสอบเพื่อแยกแยะการลดลงของ NDVI ก่อนตัดสินใจ: เมฆ/เงา มุมของเงา การเก็บเกี่ยว/การปล่อย วันที่เซ็นเซอร์ ความสอดคล้องของโซนเพื่อนบ้าน ตรวจสอบแต่ละรายการ "ตรวจสอบแล้วหรือยัง" ปัจจุบันเป็น.
ข้อผิดพลาดทั่วไป
- การตัดสินใจขึ้นอยู่กับวันเดียว เมฆ เงา และบรรยากาศทำให้ภาพเดี่ยวบิดเบี้ยว ดูอนุกรมเวลาเสมอ
- NDVI ต่ำ = เข้าใจผิดว่าเป็นโรค ดัชนีไม่ได้ระบุเหตุผล ปัญหาน้ำ สารอาหาร ดิน และทางออกก็ลดลงเช่นเดียวกัน
- ละเว้นความอิ่มตัว ยอดเขา NDVI อยู่ในที่ปกคลุมหนาแน่น เปลี่ยนเป็น NDRE/GNDVI ในการตรวจสอบไนโตรเจน
- ลืมความละเอียด. พิกเซลดาวเทียม 10 ม. สามารถซ่อนแพทช์ความเครียดขนาดเล็กได้ นำโดรนลงจอดในตำแหน่งที่น่าสงสัย
- ข้ามสนาม. แผนที่เป็นนิ้วชี้ การวินิจฉัยทำในดินและใบ
หมายเหตุ: แผนที่ดัชนีจะตอบคำถาม "คุณควรดูที่ใด" ไม่ใช่คำถาม "ปัญหาคืออะไร" การแปลแผนภูมิเป็นการตัดสินใจเรื่องยาหรือปุ๋ยโดยตรงมีความเสี่ยงที่จะเข้าไปแทรกแซงสาเหตุที่ไม่ถูกต้อง
โดยสรุป
ดัชนีพืชพรรณแปลความแข็งแรงของพืชเป็นตัวเลขจากอัตราส่วนของแถบแสงต่างๆ แม้ว่า NDVI จะพบได้บ่อยที่สุด แต่ก็ไม่เหมาะกับทุกสถานการณ์เนื่องจากความอิ่มตัวของสีและผลกระทบของดิน แต่พี่น้องเช่น NDRE, SAVI, NDWI นั้นแข็งแกร่งกว่าในบางคำถาม ดาวเทียมเป็นการสแกนแบบกว้าง โดรนเป็นการตรวจสอบอย่างใกล้ชิด และสนามเป็นชั้นการตรวจสอบขั้นสุดท้าย AI มีคุณค่าในการจัดลำดับความสำคัญของการสรุปดัชนีและจัดทำแผนการตรวจสอบ แต่ดัชนีที่ต่ำเป็นเพียงสมมติฐาน ไม่ใช่การวินิจฉัย อย่าตกหลุมพรางวันที่เดียว เลือกดัชนีตามคำถาม และทดสอบแต่ละสัญญาณในฟิลด์
งานสมัคร
เตรียมโต๊ะเล็กๆ ที่ประกอบด้วย NDVI อย่างน้อยสามวันที่ และถ้าเป็นไปได้ ค่า NDRE สำหรับพัสดุ (จริงหรือตัวแทน) วางการจงใจลดลงในภูมิภาคและกระโดดเพียงครั้งเดียวในวันที่ มอบให้กับ AI ด้วยเทมเพลต "สรุปความผิดปกติอนุกรมเวลา" และ "ตัวกรองสัญญาณเตือนที่ผิดพลาด" ในหน่วยนี้ ในผลลัพธ์ ให้ประเมินว่า AI สามารถแยกการดรอปจริงจากการตีกลับของคลาวด์ได้หรือไม่ พยายามทำการวินิจฉัยหรือไม่ และจดเมตริกหนึ่งรายการที่คุณจะดูในฟิลด์สำหรับแต่ละภูมิภาค
รายการตรวจสอบ
- [ ] ฉันตั้งใจเลือกดัชนี (NDVI/NDRE/SAVI/NDWI) ให้เหมาะสมกับคำถามของฉัน
- [ ] ฉันตัดสินใจโดยใช้อนุกรมเวลา ไม่ใช่ภาพเดียว
- [ ] ฉันกรองการหยดลงอย่างกะทันหันในกรณีที่มีเมฆ/เงา/การเคลื่อนตัว
- [ ] ฉันถือว่าเหตุผลที่ AI ให้ไว้เป็นสมมติฐาน ไม่ใช่เป็นการวินิจฉัย
- [ ] ฉันวางแผนการตรวจวัดการตรวจสอบภาคสนามสำหรับโซนที่มีลำดับความสำคัญแต่ละโซน