Au cours de mon parcours personnel dans l'agriculture de précision et l'analyse, je suis tombé sur NDVI dans le cadre de l'analyse d'images. Mon objectif est d' analyser un champ de 45 hectares de luzerne biologique afin d'évaluer l'effet de l'engrais avant et après application. Ma principale question est la suivante : où, quel type et quelle quantité d'engrais dois-je appliquer, et quel effet cela aura-t-il sur la culture de luzerne ? Je possède une caméra Mavic Pro avec une caméra RVB standard. Lorsque j'ai demandé sur Twitter comment procéder, quelqu'un a suggéré d'utiliser des données multispectrales pour explorer une gamme d'indices de végétation pour aider, y compris le NDVI. J'ai donc plongé profondément dans le terrier du lapin pour en savoir plus sur NDVI.

Qu'est-ce que l'indice de végétation par différence normalisée (NDVI)
Histoire du NDVI
Comment calculer le NDVI ?
NDVI dans l'agriculture
Quel type de caméra (drone) pour NDVI ? RVB et mise à niveau IR vs multispectral
Pourquoi Les images multispectrales sont importantes dans l'agtech

Les champs de luzerne de ma ferme, juin 2022

L'indice de végétation par différence normalisée (NDVI) est une méthode largement adoptée pour évaluer la quantité de végétation vivante dans une région spécifique, en particulier dans l'agriculture.

Qu'est-ce que le NDVI (indice de végétation par différence normalisée)

Les plantes sont des organismes étonnants qui utilisent la lumière du soleil comme énergie pour fabriquer leur propre nourriture. Ils le font grâce à un processus appelé photosynthèse, qui se produit dans leurs feuilles. Fait intéressant, les feuilles des plantes absorbent non seulement la lumière du soleil, mais elles en réfléchissent également une partie. Cela est particulièrement vrai pour la lumière proche infrarouge, qui est invisible à nos yeux mais représente la moitié de l'énergie du soleil.

La raison de cette réflexion est que trop de lumière proche infrarouge peut en fait être nocive pour les plantes. Ainsi, ils ont évolué pour se protéger en réfléchissant ce type de lumière. En conséquence, les plantes vertes vivantes semblent sombres à la lumière visible, mais apparaissent brillantes dans le spectre proche infrarouge. Ceci est différent des nuages et de la neige, qui ont tendance à paraître brillants dans la lumière visible mais sombres dans le spectre proche infrarouge.

copyright : Pix4D est une société suisse qui développe une suite de produits logiciels qui utilisent des algorithmes de photogrammétrie et de vision par ordinateur pour transformer des images RVB, thermiques et multispectrales en cartes et modèles 3D.

Les scientifiques peuvent tirer parti de ce trait unique pour étudier les plantes à l'aide d'un outil appelé NDVI, ou indice de végétation par différence normalisée. Le NDVI mesure la différence entre la quantité de lumière rouge et proche infrarouge réfléchie par les plantes. Plus une plante a de feuilles, plus ces longueurs d'onde de lumière sont affectées, ce qui peut nous donner des informations importantes sur la santé et la distribution des plantes.

NDVI est un moyen pour les scientifiques d'utiliser des images satellites pour étudier les plantes et l'agriculture. En comprenant comment les plantes interagissent avec la lumière du soleil, nous pouvons en apprendre davantage sur le monde qui nous entoure et comment prendre soin de notre planète.

Résumé: Le NDVI est une mesure normalisée de la végétation saine. Il quantifie la végétation en mesurant la différence entre le proche infrarouge (NIR) et la lumière rouge. Une végétation saine reflète plus de NIR et de lumière verte que les autres longueurs d'onde, mais elle absorbe plus de lumière rouge et bleue. Les valeurs NDVI sont toujours comprises entre -1 et +1.

Histoire du NDVI

Dans 1957, l'Union soviétique a lancé Spoutnik 1, le premier satellite artificiel en orbite autour de la Terre. Cela a conduit au développement de satellites météorologiques, tels que les programmes Spoutnik et Cosmos en Union soviétique, et le programme Explorer aux États-Unis. Série TIROS de satellites ont été lancés en 1960, et ont été suivis par les satellites Nimbus et les instruments Advanced Very High Resolution Radiometer sur les plates-formes de la National Oceanic and Atmospheric Administration (NOAA). La NASA a également développé le Earth Resources Technology Satellite (ERTS), qui est devenu le précurseur du programme Landsat.

Le Landsat programme a été lancé en 1972 avec le scanner multispectral (MSS), qui a permis la télédétection de la Terre. Une première étude utilisant Landsat s'est concentrée sur la région des Grandes Plaines du centre des États-Unis. Les chercheurs ont découvert que l'angle zénithal solaire à travers ce fort gradient latitudinal rendait difficile la corrélation des caractéristiques biophysiques de la végétation des parcours à partir des signaux spectraux des satellites. Ils ont développé l'indice de végétation par différence normalisée (NDVI) comme moyen de s'adapter aux effets de l'angle zénithal solaire. Le NDVI est maintenant l'indice le plus connu et le plus utilisé pour détecter les couverts de plantes vertes vivantes dans les données de télédétection multispectrales. Il est également utilisé pour quantifier la capacité photosynthétique des couverts végétaux, mais cela peut être une entreprise complexe.

Comment calculer le NDVI ?

NDVI utilise les canaux NIR et rouge dans sa formule. Les satellites comme Landsat et Sentinel-2 ont les bandes nécessaires avec NIR et rouge. Le résultat génère une valeur entre -1 et +1. Si vous avez une faible réflectance dans le canal rouge et une réflectance élevée dans le canal NIR, cela donnera une valeur NDVI élevée, et vice versa.

ValeurIndication
< 0Matériel inanimé / mort
0 -> 0,33Matériel végétal malsain
0,33 -> 0,66Matériel végétal sain
> 0,66Matériel végétal très sain

NDVI dans l'agriculture

NDVI a plusieurs applications dans différents secteurs. Forestiers utiliser le NDVI pour quantifier l'approvisionnement forestier et l'indice de surface foliaire, et Nasa indique que le NDVI est un bon indicateur de sécheresse. Lorsque l'eau limite la croissance de la végétation, elle a un NDVI relatif et une densité de végétation plus faibles. D'autres secteurs qui utilisent NDVI comprennent sciences de l'environnement, urbanisme et gestion des ressources naturelles.

Le NDVI est largement utilisé dans l'agriculture surveiller la santé des cultures et optimiser l'irrigation. Les agriculteurs utilisent le NDVI pour l'agriculture de précision, pour mesurer la biomasse et pour identifier les cultures qui ont besoin de plus d'eau ou d'engrais.

Comment utiliser NDVI ? Imagerie satellite vs imagerie par drone

Quelle imagerie satellite a le proche infrarouge pour le NDVI ? Comme mentionné précédemment, des satellites comme Sentinel-2, Landsat et SPOT produisent des images rouges et proches de l'infrarouge. Il existe des sources de données d'imagerie satellite gratuites sur le Web, qui contiennent des données que l'on peut télécharger et créer des cartes NDVI dans ArcGIS ou QGIS.

La santé des cultures est un aspect essentiel de l'agriculture de précision, et Les données NDVI sont un outil précieux pour mesurer il. Aujourd'hui, l'utilisation de drones agricoles est devenue une pratique courante pour coupler les données NDVI afin de comparer les mesures et d'identifier les problèmes potentiels de santé des cultures. En mesurant la différence entre le proche infrarouge et la lumière rouge, le NDVI peut aider les agriculteurs à optimiser l'irrigation et à identifier les cultures qui ont besoin de plus d'eau ou d'engrais.

Par exemple, PrecisionHawk et Sentera fournir des drones agricoles capables de capturer et de traiter les données NDVI en une journée, ce qui représente une amélioration significative par rapport aux techniques NDVI traditionnelles qui nécessitent souvent de longs temps d'attente. Les chercheurs ont découvert que Les images NDVI peuvent même être obtenues à l'aide de caméras RVB numériques standard avec quelques modifications, et cette approche peut être intégrée dans les systèmes de surveillance de la santé des cultures.

Les applications mobiles se sont multipliées ces dernières années, utilisant les données NDVI comme moyen de surveiller la santé des cultures. Doktar’ Orbite est l'une de ces applications qui fournit aux agriculteurs des données NDVI présentées sous forme de cartes de santé pour identifier toute anomalie dans leurs champs. Ces applications visent à révolutionner les pratiques agricoles en offrant de nouvelles façons de repérer les champs et de numériser l'agriculture. Les outils de surveillance à distance sur le terrain basés sur la technologie NDVI peuvent permettre aux agriculteurs d'économiser des coûts de carburant importants en réduisant le besoin de visites fréquentes sur le terrain, et peuvent aider à une gestion efficace de l'irrigation.

Quel type de caméra (drone) pour NDVI ? RVB et mise à niveau IR vs multispectral

Ok .. donc c'est une sorte de champ chaud que j'ai remarqué, et le terrier du lapin va de plus en plus profondément.

RVB standard les caméras sont conçues pour capturer la lumière rouge, verte et bleue, tandis que caméras modifiées peut capturer une combinaison de Proche infrarouge, rouge, vert et bleu léger selon le modèle. Pour générer la santé des plantes RVB cartes montrant la “verdure” de cultures, on peut utiliser une caméra RVB standard avec des algorithmes spécifiques dans le logiciel.

Certaines entreprises vendent “fauxAG ou NDVI appareils photo, qui ne sont que des caméras ordinaires avec un filtre infrarouge retiré et un filtre bleu installé. Cependant, ces caméras sont imprécises pour les mesures radiométriques comme le NDVI car il y a trop de chevauchement entre les canaux de couleur et elles n'ont pas de capteur pour tenir compte des différences d'éclairage entre les visites. Par conséquent, ces caméras ne peuvent montrer que des différences relatives dans une zone donnée, mais ne mesurent pas avec précision le NDVI.

Une caméra NDVI réelle et calibrée prendra en compte les différences d'éclairage et fournira des sorties cohérentes entre plusieurs visites sur le même site. Soyez donc prudent lors de l'achat d'un modifié “caméra NDVI” qui capture la lumière proche infrarouge, pour moderniser les drones (déjà pour $400) pour capturer des images dans le proche infrarouge (NIR) afin d'effectuer une analyse de la santé de la végétation en Calcul du NDVI. Mais s'il vous plaît soyez conscient: c'est pas une vraie caméra NDVI, et cela peut être trompeur. UN Sentera La caméra est déjà une meilleure option car elles sont spécialement conçues et peuvent être calibrées, mais elles ne correspondent toujours pas à un système NDVI complet. Caméras multispectrales, réel Caméras NDVI sont cher, beaucoup plus coûteux que les “caméras RVB/IR améliorées”. Parrot’s Sequoia à $3500. TetraCam ADC Snap $4500, MicaSense’s RedEdge $6000+.

L'imagerie multispectrale est importante dans l'agriculture car elle peut fournir des informations plus détaillées et plus précises sur les cultures et le sol que les caméras RVB traditionnelles.

Pourquoi Multispectral Les images sont importantes dans l'agtech

Imagerie multispectrale capture des données d'image dans gammes de longueurs d'onde spécifiques à travers le spectre électromagnétique, à l'aide de filtres ou d'instruments sensibles à des longueurs d'onde spécifiques. Il s'étend au-delà de la plage de lumière visible pour inclure infrarouge et ultra-violet lumière, permettant l'extraction d'informations supplémentaires au-delà ce que l'œil humain peut détecter avec ses récepteurs visibles pour rouge, vert et bleu. Développée à l'origine pour l'identification et la reconnaissance de cibles militaires, l'imagerie multispectrale a été utilisée dans l'imagerie spatiale pour cartographier les détails des limites côtières, de la végétation et des reliefs de la Terre. Il a également trouvé des applications dans l'analyse de documents et de peintures.

Voici quelques raisons pour lesquelles l'imagerie multispectrale est mieux adaptée aux applications agricoles :

  1. Meilleure résolution spectrale: Les caméras multispectrales capturent des images dans plusieurs bandes étroites du spectre électromagnétique, ce qui permet une analyse plus détaillée des longueurs d'onde spécifiques de la lumière que les plantes absorbent ou réfléchissent. Cela peut aider à identifier des problèmes tels que des carences en nutriments ou des maladies avant qu'ils ne soient visibles à l'œil nu.
  2. Indices de végétation améliorés: En comparant les valeurs de réflectance de différentes longueurs d'onde de lumière, les caméras multispectrales peuvent créer des indices de végétation plus sophistiqués que les caméras RVB traditionnelles. Ces indices peuvent être utilisés pour mesurer plus précisément la santé, la croissance et les niveaux de stress des plantes.
  3. Différenciation des types de sol: L'imagerie multispectrale peut également différencier plus efficacement les types de sol, ce qui est important pour l'agriculture de précision. Cela peut aider les agriculteurs à prendre des décisions plus éclairées sur les pratiques d'irrigation, de fertilisation et de gestion des cultures.
  4. Détection du stress hydrique : Les caméras multispectrales peuvent également détecter le stress hydrique des cultures en mesurant la quantité de rayonnement infrarouge qu'elles émettent. Cela peut aider les agriculteurs à déterminer quand et combien irriguer.

Multispectral imagerie typiquement mesure la lumière dans un petit nombre de bandes spectrales, allant de 3 à 15.

Hyperspectral imagerie est une forme spécialisée d'imagerie spectrale, où des centaines de bandes spectrales contiguës sont disponibles pour analyse. En capturant des données d'image sur de nombreuses bandes spectrales, l'imagerie hyperspectrale permet une identification et une analyse plus précises des matériaux que l'imagerie multispectrale.

Je pense que je dois arrêter cette plongée ici. J'espère que vous avez appris autant que moi.

fr_FRFrench