Was ist NDVI, wie wird es in der Landwirtschaft verwendet – mit welchen Kameras

Auf meiner persönlichen Reise in die Präzisionslandwirtschaft und Analytik bin ich im Zusammenhang mit der Bildanalyse auf NDVI gestoßen. Mein Ziel ist es, ein 45 Hektar großes Feld mit Bio-Luzerne zu analysieren, um die Wirkung des Düngers vor und nach der Ausbringung zu bewerten. Meine Hauptfrage lautet: Wo, welche Art und wie viel Dünger sollte ich ausbringen, und welche Auswirkungen hat das auf die Luzernekultur? Ich besitze eine Mavic Pro Kamera mit einer Standard-RGB-Kamera. Als ich auf Twitter fragte, wie ich vorgehen sollte, schlug jemand vor, Multispektraldaten zu verwenden, um eine Reihe von Vegetationsindizes zu untersuchen, einschließlich NDVI. Also tauchte ich tief in den Kaninchenbau ein, um mehr über NDVI zu erfahren.

Was ist der Normalized Difference Vegetation Index (NDVI)?
Geschichte des NDVI
Wie berechnet man den NDVI?
NDVI in der Landwirtschaft
Welche Art von (Drohnen-)Kamera für NDVI? RGB & IR-aufgerüstet vs. Multispektral
Warum Multispektralbilder sind in Agtech wichtig

Der Normalized Difference Vegetation Index (NDVI) ist eine weit verbreitete Methode zur Bewertung der Menge an lebender Vegetation in einer bestimmten Region, insbesondere in der Landwirtschaft.

Was ist NDVI (Normalisierter Differenz-Vegetationsindex)

Pflanzen sind erstaunliche Organismen, die Sonnenlicht als Energie nutzen, um ihre eigene Nahrung herzustellen. Sie tun dies durch einen Prozess namens Photosynthese, der in ihren Blättern stattfindet. Interessanterweise absorbieren Pflanzenblätter nicht nur Sonnenlicht, sondern reflektieren auch einen Teil davon zurück. Dies gilt insbesondere für Nahinfrarotlicht, das für unsere Augen unsichtbar ist, aber die Hälfte der Energie des Sonnenlichts ausmacht.

Der Grund für diese Reflexion liegt darin, dass zu viel Nahinfrarotlicht für Pflanzen tatsächlich schädlich sein kann. Sie haben sich also entwickelt, um sich selbst zu schützen, indem sie diese Art von Licht reflektieren. Infolgedessen sehen lebende grüne Pflanzen im sichtbaren Licht dunkel aus, erscheinen jedoch im nahen Infrarotspektrum hell. Dies unterscheidet sich von Wolken und Schnee, die im sichtbaren Licht hell, im nahen Infrarotspektrum jedoch dunkel erscheinen.

Wissenschaftler können sich diese einzigartige Eigenschaft zunutze machen, um Pflanzen mit einem Werkzeug namens NDVI oder Normalized Difference Vegetation Index zu untersuchen. NDVI misst den Unterschied zwischen der Menge an rotem und nahem Infrarotlicht, die von Pflanzen reflektiert wird. Je mehr Blätter eine Pflanze hat, desto mehr werden diese Lichtwellenlängen beeinflusst, was uns wichtige Informationen über die Pflanzengesundheit und -verteilung liefern kann.

NDVI ist eine Möglichkeit für Wissenschaftler, Satellitenbilder zur Untersuchung von Pflanzen und Landwirtschaft zu verwenden. Indem wir verstehen, wie Pflanzen mit Sonnenlicht interagieren, können wir mehr über die Welt um uns herum erfahren und lernen, wie wir unseren Planeten pflegen können.

Zusammengefasst: NDVI ist ein standardisiertes Maß für eine gesunde Vegetation. Es quantifiziert die Vegetation, indem es den Unterschied zwischen nahem Infrarot (NIR) und rotem Licht misst. Gesunde Vegetation reflektiert mehr NIR- und grünes Licht als andere Wellenlängen, absorbiert aber mehr rotes und blaues Licht. NDVI-Werte reichen immer von -1 bis +1.

Geschichte des NDVI

In 1957, startete die Sowjetunion Sputnik 1, der erste künstliche Satellit, der die Erde umkreist. Dies führte zur Entwicklung meteorologischer Satelliten, wie dem Sputnik- und Cosmos-Programm in der Sowjetunion und dem Explorer-Programm in den USA TIROS-Serie von Satelliten wurden gestartet 1960, gefolgt von den Nimbus-Satelliten und den Advanced Very High Resolution Radiometer-Instrumenten auf den Plattformen der National Oceanic and Atmospheric Administration (NOAA). Die NASA entwickelte auch den Earth Resources Technology Satellite (ERTS), der zum Vorläufer des Landsat-Programms wurde.

Der Landsat Programm wurde ins Leben gerufen 1972 mit dem MultiSpectral Scanner (MSS), der die Fernerkundung der Erde ermöglichte. Eine frühe Studie mit Landsat konzentrierte sich auf die Region Great Plains in den zentralen USA. Forscher fanden heraus, dass der Sonnenzenitwinkel über diesem starken Breitengradienten es schwierig machte, die biophysikalischen Eigenschaften der Weidelandvegetation aus den Spektralsignalen der Satelliten zu korrelieren. Sie entwickelten den normalisierten Vegetationsdifferenzindex (NDVI) als Mittel zur Anpassung an die Auswirkungen des Sonnenzenitwinkels. NDVI ist heute der bekannteste und am häufigsten verwendete Index zur Erkennung lebender grüner Pflanzen in multispektralen Fernerkundungsdaten. Es wird auch verwendet, um die photosynthetische Kapazität von Pflanzenkronen zu quantifizieren, aber dies kann ein komplexes Unterfangen sein.

Wie berechnet man den NDVI?

NDVI verwendet die NIR- und roten Kanäle in seiner Formel. Satelliten wie Landsat und Sentinel-2 haben die notwendigen Bänder mit NIR und Rot. Das Ergebnis generiert a Wert zwischen -1 und +1. Wenn Sie eine geringe Reflexion im roten Kanal und eine hohe Reflexion im NIR-Kanal haben, ergibt dies einen hohen NDVI-Wert und umgekehrt.

NDVI in der Landwirtschaft

NDVI hat mehrere Anwendungen in verschiedenen Branchen. Förster Verwenden Sie NDVI, um den Waldvorrat und den Blattflächenindex zu quantifizieren, und NASA besagt, dass NDVI ein guter Indikator für Dürre ist. Wenn Wasser das Vegetationswachstum begrenzt, hat es einen niedrigeren relativen NDVI und eine niedrigere Vegetationsdichte. Andere Sektoren, die NDVI verwenden, umfassen Umweltwissenschaften, Stadtplanung und Management natürlicher Ressourcen.

NDVI ist in der Landwirtschaft weit verbreitet um die Pflanzengesundheit zu überwachen und die Bewässerung zu optimieren. Landwirte verwenden NDVI für die Präzisionslandwirtschaft, zur Messung der Biomasse und zur Identifizierung von Pflanzen, die mehr Wasser oder Düngemittel benötigen.

Wie verwende ich NDVI? Satellitenbilder vs. Drohnenbilder

Welche Satellitenbilder haben Nahinfrarot für NDVI? Wie bereits erwähnt, erzeugen Satelliten wie Sentinel-2, Landsat und SPOT Bilder im Rot- und Nahinfrarotbereich. Es gibt kostenlose Satellitenbild-Datenquellen im Internet, die Daten enthalten, die man herunterladen und in denen man NDVI-Karten erstellen kann ArcGIS oder QGIS.

Die Pflanzengesundheit ist ein kritischer Aspekt der Präzisionslandwirtschaft und NDVI-Daten sind ein wertvolles Messinstrument Es. Heutzutage ist der Einsatz landwirtschaftlicher Drohnen zur gängigen Praxis geworden, um NDVI-Daten zu paaren, um Messungen zu vergleichen und potenzielle Gesundheitsprobleme der Pflanzen zu identifizieren. Durch die Messung des Unterschieds zwischen Nahinfrarot- und Rotlicht kann NDVI Landwirten helfen, die Bewässerung zu optimieren und Pflanzen zu identifizieren, die mehr Wasser oder Düngemittel benötigen.

Zum Beispiel, PrecisionHawk und Sentera Bereitstellung von landwirtschaftlichen Drohnen, die NDVI-Daten innerhalb eines Tages erfassen und verarbeiten können, was eine erhebliche Verbesserung gegenüber herkömmlichen NDVI-Techniken darstellt, die oft lange Wartezeiten erfordern. Das haben Forscher herausgefunden NDVI-Bilder können sogar mit standardmäßigen digitalen RGB-Kameras erhalten werden mit manche Modifikationen, und dieser Ansatz kann in Systeme zur Überwachung der Pflanzengesundheit integriert werden.

Mobile Anwendungen haben sich in den letzten Jahren stark verbreitet, Verwendung von NDVI-Daten als Mittel zur Überwachung der Pflanzengesundheit. Doktar’ Orbit ist eine solche App, die Landwirten NDVI-Daten in Form von Gesundheitskarten zur Verfügung stellt, um Anomalien auf ihren Feldern zu identifizieren. Diese Apps zielen darauf ab, landwirtschaftliche Praktiken zu revolutionieren, indem sie neue Wege der Felderkundung und Digitalisierung der Landwirtschaft bieten. Fernüberwachungstools auf der Grundlage der NDVI-Technologie können Landwirten erhebliche Kraftstoffkosten sparen, indem sie die Notwendigkeit häufiger Feldbesuche reduzieren, und können bei einem effizienten Bewässerungsmanagement helfen.

Welche Art von (Drohnen-)Kamera für NDVI? RGB & IR-aufgerüstet vs. Multispektral

Okay, das ist also ein heißes Feld, das mir aufgefallen ist, und das Kaninchenloch geht tiefer und tiefer.

Standard-RGB Kameras sind so konzipiert, dass sie rotes, grünes und blaues Licht aufnehmen modifizierte Kameras kann eine Kombination aus erfassen Nahes Infrarot, Rot, Grün und Blau Licht je nach Modell. Generieren von RGB-Pflanzengesundheit Karten, die die “Grünheit” von Getreide, man kann Verwenden Sie eine Standard-RGB-Kamera mit spezifischen Algorithmen in Software.

Einige Unternehmen verkaufen “gefälscht” Ag oder NDVI Kameras, die nur normale Kameras sind, bei denen ein Infrarotfilter entfernt und ein Blaufilter installiert ist. Diese Kameras sind jedoch für radiometrische Messungen wie NDVI ungenau, da sich die Farbkanäle zu stark überlappen und sie keinen Sensor haben, um Unterschiede in der Beleuchtung zwischen den Besuchen zu berücksichtigen. Infolgedessen können diese Kameras nur relative Unterschiede in einem bestimmten Bereich anzeigen, aber den NDVI nicht genau messen.

Eine echte und kalibrierte NDVI-Kamera berücksichtigt Beleuchtungsunterschiede und liefert konsistente Ergebnisse zwischen mehreren Besuchen derselben Site. Seien Sie also vorsichtig beim Kauf eines modifizierte “NDVI-Kamera” das Nahinfrarotlicht einfängt, um Drohnen aufzurüsten (bereits für $400), um Nahinfrarot (NIR)-Bilder aufzunehmen, um Vegetationsgesundheitsanalysen durchzuführen NDVI-Berechnung. Aber bitte beachten Sie: Das ist keine echte NDVI-Kamera, und das kann irreführend sein. A Sentera Kamera ist bereits eine bessere Option, da diese speziell entwickelt wurden und kalibriert werden können, aber sie bleiben immer noch hinter einem vollständigen NDVI-System zurück. Multispektralkameras, tatsächlich NDVI-Kameras Sind teuer, viel teurer als die “aktualisierten RGB/IR-Kameras”. Parrot’s Sequoia bei $3500. TetraCam ADC Snap $4500, MicaSense’s RedEdge $6000+.

Multispektrale Bilder sind in der Landwirtschaft wichtig, da sie detailliertere und genauere Informationen über Feldfrüchte und Boden liefern können als herkömmliche RGB-Kameras.

Warum Multispektral Bilder sind wichtig in Agtech

Multispektrale Bildgebung erfasst Bilddaten innerhalb bestimmte Wellenlängenbereiche über das elektromagnetische Spektrum, mit Filtern oder Instrumenten, die für bestimmte Wellenlängen empfindlich sind. Es erstreckt sich über den Bereich des sichtbaren Lichts hinaus Infrarot und ultraviolett Licht, wodurch zusätzliche Informationen extrahiert werden können außerhalb was das menschliche Auge mit seinen sichtbaren Rezeptoren wahrnehmen kann rot, grün und blau. Ursprünglich für die Identifizierung und Aufklärung militärischer Ziele entwickelt, wurde die multispektrale Bildgebung in der weltraumgestützten Bildgebung verwendet, um Details der Küstengrenzen, der Vegetation und der Landformen der Erde zu kartieren. Es hat auch Anwendungen in der Dokumenten- und Gemäldeanalyse gefunden.

Hier sind einige Gründe, warum multispektrale Bilder besser für landwirtschaftliche Anwendungen geeignet sind:

1. Größere spektrale Auflösung: Multispektralkameras erfassen Bilder in mehreren schmalen Bändern des elektromagnetischen Spektrums, was eine detailliertere Analyse der spezifischen Lichtwellenlängen ermöglicht, die Pflanzen absorbieren oder reflektieren. Dies kann helfen, Probleme wie Nährstoffmangel oder Krankheiten zu erkennen, bevor sie mit bloßem Auge sichtbar sind.
2. Verbesserte Vegetationsindizes: Durch den Vergleich der Reflexionswerte verschiedener Lichtwellenlängen können Multispektralkameras differenziertere Vegetationsindizes erstellen als herkömmliche RGB-Kameras. Diese Indizes können verwendet werden, um die Pflanzengesundheit, das Wachstum und das Stressniveau genauer zu messen.
3. Unterscheidung von Bodenarten: Multispektrale Bilder können auch Bodentypen besser unterscheiden, was für die Präzisionslandwirtschaft wichtig ist. Dies kann Landwirten dabei helfen, fundiertere Entscheidungen über Bewässerungs-, Dünge- und Pflanzenmanagementpraktiken zu treffen.
4. Erkennung von Wasserstress: Multispektralkameras können auch Wasserstress in Pflanzen erkennen, indem sie die Menge an Infrarotstrahlung messen, die sie aussenden. Dies kann den Landwirten helfen zu bestimmen, wann und wie viel sie bewässern müssen.

Multispektral Bildgebung typisch misst Licht in einer kleinen Anzahl von Spektralbändern, zwischen 3 und 15.

Hyperspektral Bildgebung ist eine spezialisierte Form der spektralen Bildgebung, wo Hunderte von zusammenhängenden Spektralbändern für die Analyse verfügbar sind. Durch die Erfassung von Bilddaten über zahlreiche Spektralbänder ermöglicht die hyperspektrale Bildgebung eine genauere Identifizierung und Analyse von Materialien als die multispektrale Bildgebung.

Ich glaube, ich muss diesen Tauchgang genau hier abbrechen. Ich hoffe, Sie haben so viel gelernt wie ich.