در سفر شخصی خود به کشاورزی دقیق و تجزیه و تحلیل، با NDVI در زمینه تجزیه و تحلیل تصویر مواجه شدم. هدف من تجزیه و تحلیل یک مزرعه 45 هکتاری یونجه ارگانیک به منظور ارزیابی اثر کود قبل و بعد از مصرف است. سوال اصلی من این است: کجا، چه نوع و چه مقدار کود مصرف کنم و چه تاثیری بر محصول لوسرن خواهد داشت؟ من یک دوربین Mavic Pro با یک دوربین RGB استاندارد دارم. وقتی در توییتر پرسیدم که چگونه باید ادامه داد، شخصی پیشنهاد کرد از داده‌های چندطیفی برای کشف طیف وسیعی از شاخص‌های گیاهی، از جمله NDVI استفاده شود. بنابراین، من عمیقاً در سوراخ خرگوش کاوش کردم تا درباره NDVI بیشتر بدانم.

شاخص تفاوت نرمال شده گیاهی (NDVI) چیست؟
تاریخچه NDVI
چگونه NDVI را محاسبه می کنید؟
NDVI در کشاورزی
چه نوع دوربین (پهپاد) برای NDVI؟ RGB و IR ارتقا یافته در مقابل چند طیفی
چرا تصاویر چند طیفی در agtech مهم هستند

مزارع یونجه در مزرعه من، ژوئن 2022

شاخص تفاوت نرمال شده گیاهی (NDVI) روشی است که به طور گسترده برای ارزیابی میزان پوشش گیاهی زنده در یک منطقه خاص به ویژه در کشاورزی مورد استفاده قرار گرفته است.

NDVI (شاخص تفاوت عادی شده گیاهی) چیست؟

گیاهان موجودات شگفت انگیزی هستند که از نور خورشید به عنوان انرژی برای تهیه غذای خود استفاده می کنند. آنها این کار را از طریق فرآیندی به نام فتوسنتز انجام می دهند که در برگ هایشان اتفاق می افتد. جالب اینجاست که برگ های گیاه نه تنها نور خورشید را جذب می کنند، بلکه مقداری از آن را نیز به عقب منعکس می کنند. این به ویژه برای نور مادون قرمز نزدیک، که برای چشم ما نامرئی است، اما نیمی از انرژی نور خورشید را تشکیل می دهد، صادق است.

دلیل این انعکاس این است که نور بیش از حد نزدیک به مادون قرمز در واقع می تواند برای گیاهان مضر باشد. بنابراین، آنها برای محافظت از خود با انعکاس این نوع نور تکامل یافته اند. در نتیجه، گیاهان سبز زنده در نور مرئی تیره به نظر می رسند، اما در طیف نزدیک به مادون قرمز روشن به نظر می رسند. این با ابرها و برف ها متفاوت است که در نور مرئی روشن و در طیف مادون قرمز نزدیک تاریک به نظر می رسند.

حق چاپ: Pix4D یک شرکت سوئیسی است که مجموعه ای از محصولات نرم افزاری را توسعه می دهد که از فتوگرامتری و الگوریتم های بینایی کامپیوتری برای تبدیل تصاویر RGB، حرارتی و چند طیفی به نقشه ها و مدل های سه بعدی استفاده می کند.

دانشمندان می توانند از این ویژگی منحصر به فرد برای مطالعه گیاهان با استفاده از ابزاری به نام NDVI یا شاخص گیاهی تفاوت عادی استفاده کنند. NDVI تفاوت بین مقدار نور قرمز و مادون قرمز نزدیک بازتاب شده توسط گیاهان را اندازه گیری می کند. هر چه برگ های گیاه بیشتر باشد، این طول موج های نور بیشتر تحت تأثیر قرار می گیرند که می تواند اطلاعات مهمی در مورد سلامت و توزیع گیاه به ما بدهد.

NDVI راهی برای دانشمندان است تا از تصاویر ماهواره ای برای مطالعه گیاهان و کشاورزی استفاده کنند. با درک نحوه تعامل گیاهان با نور خورشید، می‌توانیم درباره دنیای اطراف و نحوه مراقبت از سیاره خود اطلاعات بیشتری کسب کنیم.

خلاصه شده: NDVI یک معیار استاندارد از پوشش گیاهی سالم است. با اندازه گیری تفاوت بین نور مادون قرمز نزدیک (NIR) و نور قرمز، پوشش گیاهی را کمی می کند. پوشش گیاهی سالم نور سبز و NIR بیشتری را نسبت به سایر طول موج ها منعکس می کند، اما نور قرمز و آبی بیشتری را جذب می کند. مقادیر NDVI همیشه از -1 تا +1 متغیر است.

تاریخچه NDVI

که در 1957، اتحاد جماهیر شوروی راه اندازی شد اسپوتنیک 1، اولین ماهواره مصنوعی که به دور زمین می چرخد. این امر منجر به توسعه ماهواره های هواشناسی مانند برنامه های اسپوتنیک و کاسموس در اتحاد جماهیر شوروی و برنامه کاوشگر در ایالات متحده شد. سری TIROS ماهواره ها به فضا پرتاب شدند 1960و توسط ماهواره های نیمباس و ابزارهای رادیومتر با وضوح بسیار بالا در سکوهای اداره ملی اقیانوسی و جوی (NOAA) دنبال شدند. ناسا همچنین ماهواره فناوری منابع زمین (ERTS) را توسعه داد که پیشرو برنامه لندست شد.

این لندست برنامه در راه اندازی شد 1972 با اسکنر چندطیفی (MSS) که امکان سنجش از راه دور زمین را فراهم می کرد. یک مطالعه اولیه با استفاده از Landsat بر روی منطقه دشت بزرگ مرکز ایالات متحده متمرکز شد. محققان دریافتند که زاویه اوج خورشیدی در سراسر این گرادیان عرضی قوی، ارتباط بین ویژگی‌های بیوفیزیکی پوشش گیاهی مرتع را از سیگنال‌های طیفی ماهواره‌ای دشوار می‌کند. آنها شاخص گیاهی تفاوت نرمال شده (NDVI) را به عنوان وسیله ای برای تنظیم اثرات زاویه اوج خورشیدی توسعه دادند. NDVI در حال حاضر شناخته شده ترین و مورد استفاده ترین شاخص برای تشخیص سایبان گیاهان سبز زنده است در داده های سنجش از دور چندطیفی همچنین برای تعیین کمیت ظرفیت فتوسنتزی سایبان گیاهان استفاده می شود، اما این می تواند یک کار پیچیده باشد.

چگونه NDVI را محاسبه می کنید؟

NDVI از کانال های NIR و قرمز در فرمول خود استفاده می کند. ماهواره هایی مانند Landsat و Sentinel-2 دارای باندهای لازم با NIR و قرمز هستند. نتیجه یک را ایجاد می کند مقدار بین -1 و +1. اگر بازتاب کم در کانال قرمز و بازتاب زیاد در کانال NIR داشته باشید، مقدار NDVI بالایی به دست می‌آید و بالعکس.

ارزشنشانه
< 0مواد بی جان / مرده
0 -> 0.33مواد گیاهی ناسالم
0.33 -> 0.66مواد گیاهی سالم
> 0.66مواد گیاهی بسیار سالم

NDVI در کشاورزی

NDVI دارد چندین برنامه در بخش های مختلف جنگلبانان از NDVI برای تعیین کمیت عرضه جنگل و شاخص سطح برگ استفاده کنید ناسا بیان می کند که NDVI شاخص خوبی برای خشکسالی است. هنگامی که آب رشد پوشش گیاهی را محدود می کند، NDVI نسبی و تراکم پوشش گیاهی کمتری دارد. سایر بخش هایی که از NDVI استفاده می کنند عبارتند از علوم محیطی، برنامه ریزی شهری و مدیریت منابع طبیعی.

NDVI است به طور گسترده در کشاورزی استفاده می شود برای نظارت بر سلامت محصول و بهینه سازی آبیاری. کشاورزان از NDVI برای کشاورزی دقیق، اندازه گیری زیست توده و شناسایی محصولاتی که به آب یا کود بیشتری نیاز دارند، استفاده می کنند.

چگونه از NDVI استفاده کنیم؟ تصاویر ماهواره ای در مقابل تصاویر هواپیماهای بدون سرنشین

کدام تصاویر ماهواره ای مادون قرمز نزدیک برای NDVI دارند؟ همانطور که قبلا ذکر شد، ماهواره هایی مانند Sentinel-2، Landsat و SPOT تصاویر قرمز و نزدیک به فروسرخ تولید می کنند. منابع داده تصاویر ماهواره ای رایگان در وب وجود دارد که داده هایی دارد که می توان آنها را دانلود کرد و نقشه های NDVI ایجاد کرد. ArcGIS یا QGIS.

سلامت محصول یک جنبه حیاتی در کشاورزی دقیق است داده های NDVI یک ابزار ارزشمند برای اندازه گیری است آی تی. امروزه، استفاده از پهپادهای کشاورزی در جفت کردن داده‌های NDVI برای مقایسه اندازه‌گیری‌ها و شناسایی مسائل بالقوه سلامت محصول به یک عمل رایج تبدیل شده است. با اندازه‌گیری تفاوت بین نور مادون قرمز نزدیک و نور قرمز، NDVI می‌تواند به کشاورزان کمک کند آبیاری را بهینه کنند و محصولاتی را که به آب یا کود بیشتری نیاز دارند، شناسایی کنند.

مثلا، Precision Hawk و سنترا پهپادهای کشاورزی را ارائه می دهد که می توانند داده های NDVI را ظرف یک روز ضبط و پردازش کنند، که پیشرفت قابل توجهی نسبت به تکنیک های سنتی NDVI است که اغلب به زمان انتظار طولانی نیاز دارند. محققان دریافته اند که حتی می توان تصاویر NDVI را با استفاده از دوربین های دیجیتال RGB استاندارد به دست آورد با مقداری اصلاحاتو این رویکرد را می توان در سیستم های نظارت بر سلامت محصول ادغام کرد.

اپلیکیشن های موبایل در سال های اخیر زیاد شده اند، استفاده از داده های NDVI به عنوان ابزاری برای نظارت بر سلامت محصول مدار دکتر یکی از این برنامه‌ها است که داده‌های NDVI را به کشاورزان ارائه می‌دهد که به عنوان نقشه‌های سلامت ارائه می‌شوند تا هر گونه ناهنجاری در مزارع خود را شناسایی کنند. هدف این برنامه‌ها ایجاد انقلابی در شیوه‌های کشاورزی با ارائه روش‌های جدید جستجوی میدانی و دیجیتالی کردن کشاورزی است. ابزارهای نظارت بر مزرعه از راه دور مبتنی بر فناوری NDVI می‌توانند با کاهش نیاز به بازدیدهای مکرر مزرعه، در هزینه‌های سوخت قابل توجهی برای کشاورزان صرفه‌جویی کنند و می‌توانند به مدیریت کارآمد آبیاری کمک کنند.

چه نوع دوربین (پهپاد) برای NDVI؟ RGB و IR ارتقا یافته در مقابل چند طیفی

خوب.. پس این یک میدان گرم است که من متوجه شدم، و سوراخ خرگوش عمیق تر و عمیق تر می شود.

RGB استاندارد دوربین ها برای گرفتن نور قرمز، سبز و آبی طراحی شده اند، در حالی که دوربین های اصلاح شده می تواند ترکیبی از نزدیک به مادون قرمز، قرمز، سبز و آبی نور بسته به مدل برای تولید سلامت گیاه RGB نقشه هایی که "سبز بودن" محصولات را نشان می دهد، یکنفر میتواند از یک دوربین RGB استاندارد استفاده کنید با الگوریتم های خاص در نرم افزار

برخی از شرکت ها می فروشندجعلیAg یا NDVI دوربین ها، که فقط دوربین های معمولی هستند که فیلتر مادون قرمز حذف شده و فیلتر آبی نصب شده است. با این حال، این دوربین‌ها برای اندازه‌گیری‌های رادیومتریک مانند NDVI دقیق نیستند، زیرا همپوشانی زیادی بین کانال‌های رنگی وجود دارد و سنسوری ندارند که تفاوت‌های نور را بین بازدیدها نشان دهد. در نتیجه، این دوربین‌ها فقط می‌توانند تفاوت‌های نسبی را در یک ناحیه مشخص نشان دهند، اما NDVI را به‌طور دقیق اندازه‌گیری نمی‌کنند.

یک دوربین NDVI واقعی و کالیبره شده تفاوت های نوری را در نظر می گیرد و خروجی های ثابتی را بین بازدیدهای متعدد از یک سایت ارائه می دهد. پس در هنگام خرید دقت کنید "دوربین NDVI" تغییر یافته که نور مادون قرمز نزدیک را می گیرد، برای ارتقاء پهپادها (از قبل برای $400) برای گرفتن تصاویر مادون قرمز نزدیک (NIR) به منظور انجام تجزیه و تحلیل سلامت پوشش گیاهی توسط محاسبه NDVI. اما لطفا توجه داشته باشید: این است یک دوربین NDVI واقعی نیست، و این ممکن است گمراه کننده باشد. آ سنترا دوربین در حال حاضر گزینه بهتری است زیرا این دوربین ها به صورت هدفمند ساخته شده اند و می توان آنها را کالیبره کرد، اما هنوز از یک سیستم کامل NDVI فاصله دارند. دوربین های چند طیفی, واقعی دوربین های NDVI هستند گران، بسیار پرهزینه تر از "دوربین های RGB/IR ارتقا یافته" هستند. طوطی سکویا در $3500. TetraCam ADC Snap $4500، MicaSense's RedEdge $6000+.

تصاویر چند طیفی در کشاورزی مهم است زیرا می تواند اطلاعات دقیق و دقیق تری در مورد محصولات و خاک نسبت به دوربین های RGB سنتی ارائه دهد.

چرا چند طیفی تصاویر در agtech مهم هستند

تصویربرداری چند طیفی داده های تصویر را در داخل می گیرد محدوده طول موج خاص در سراسر طیف الکترومغناطیسی، با استفاده از فیلترها یا ابزارهایی که به طول موج های خاص حساس هستند. فراتر از محدوده نور مرئی است تا شامل شود فرو سرخ و ماوراء بنفش سبک، امکان استخراج اطلاعات اضافی را فراهم می کند فراتر آنچه که چشم انسان می تواند با گیرنده های مرئی خود تشخیص دهد قرمز، سبز و آبی. تصویربرداری چندطیفی که در اصل برای شناسایی و شناسایی اهداف نظامی توسعه یافته بود، در تصویربرداری فضایی برای نقشه‌برداری جزئیات مرزهای ساحلی، پوشش گیاهی و شکل‌های زمین استفاده شده است. همچنین کاربردهایی در تجزیه و تحلیل اسناد و نقاشی پیدا کرده است.

در اینجا چند دلیل وجود دارد که چرا تصاویر چند طیفی برای کاربردهای کشاورزی مناسب تر است:

  1. وضوح طیفی بیشتر: دوربین های چند طیفی تصاویر را در باندهای باریک متعدد طیف الکترومغناطیسی می گیرند که امکان تجزیه و تحلیل دقیق تر از طول موج های خاص نوری را که گیاهان جذب یا منعکس می کنند را فراهم می کند. این می تواند به شناسایی مسائلی مانند کمبود مواد مغذی یا بیماری قبل از اینکه با چشم غیر مسلح قابل مشاهده باشد کمک کند.
  2. افزایش شاخص های پوشش گیاهی: با مقایسه مقادیر بازتابی طول موج های مختلف نور، دوربین های چند طیفی می توانند شاخص های پوشش گیاهی پیچیده تری نسبت به دوربین های RGB سنتی ایجاد کنند. از این شاخص ها می توان برای اندازه گیری سلامت، رشد و سطوح تنش گیاه با دقت بیشتری استفاده کرد.
  3. تمایز انواع خاک: تصاویر چند طیفی همچنین می تواند انواع خاک را به طور موثرتری متمایز کند، که برای کشاورزی دقیق مهم است. این می تواند به کشاورزان کمک کند تا تصمیمات آگاهانه تری در مورد آبیاری، کوددهی و شیوه های مدیریت محصول بگیرند.
  4. تشخیص تنش آبی: دوربین‌های چند طیفی همچنین می‌توانند تنش آبی را در گیاهان با اندازه‌گیری میزان تابش مادون قرمز ساطع می‌کنند، تشخیص دهند. این می تواند به کشاورزان کمک کند تا تعیین کنند چه زمانی و چه مقدار آبیاری کنند.

چند طیفی تصویربرداری معمولا نور را در تعداد کمی از باندهای طیفی اندازه گیری می کند، از 3 تا 15.

فراطیفی تصویربرداری شکل تخصصی تصویربرداری طیفی است، که در آن صدها باند طیفی پیوسته برای تجزیه و تحلیل در دسترس هستند. تصویربرداری فراطیفی با گرفتن داده‌های تصویر در باندهای طیفی متعدد، امکان شناسایی و تجزیه و تحلیل دقیق‌تر مواد را نسبت به تصویربرداری چند طیفی فراهم می‌کند.

فکر می کنم باید همین جا این شیرجه را متوقف کنم. امیدوارم شما هم مثل من یاد گرفته باشید.

fa_IRPersian