NDVI શું છે, તેનો કૃષિમાં કેવી રીતે ઉપયોગ થાય છે - કયા કેમેરા સાથે

પ્રિસિઝન એગ્રીકલ્ચર અને એનાલિટિક્સમાં મારી અંગત યાત્રા પર, હું ઈમેજરી એનાલિસિસના સંદર્ભમાં NDVI ની સામે આવ્યો. મારો હેતુ 45-હેક્ટર ઓર્ગેનિક રજકોના ક્ષેત્રનું પૃથ્થકરણ કરવાનો છે જેથી ઉપયોગ પહેલાં અને પછી ખાતરની અસરનું મૂલ્યાંકન કરી શકાય. મારો પ્રાથમિક પ્રશ્ન છે: મારે ક્યાં, કયા પ્રકારનું અને કેટલું ખાતર આપવું જોઈએ અને તેની લ્યુસર્ન પાક પર શું અસર થશે? મારી પાસે પ્રમાણભૂત RGB કૅમેરા સાથેનો Mavic Pro કૅમેરો છે. જ્યારે મેં Twitter પર પૂછ્યું કે કેવી રીતે આગળ વધવું, ત્યારે કોઈએ NDVI સહિતની મદદ માટે વનસ્પતિ સૂચકાંકોની શ્રેણીની શોધ કરવા માટે મલ્ટિસ્પેક્ટરલ ડેટાનો ઉપયોગ કરવાનું સૂચન કર્યું. તેથી, NDVI વિશે વધુ જાણવા માટે મેં સસલાના છિદ્રમાં ઊંડા ઉતર્યા.

નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ (NDVI) શું છે
NDVI નો ઇતિહાસ
તમે NDVI ની ગણતરી કેવી રીતે કરશો?
કૃષિમાં NDVI
NDVI માટે કયા પ્રકારનો (ડ્રોન) કેમેરા? આરજીબી અને આઈઆર-અપગ્રેડેડ વિ મલ્ટીસ્પેક્ટ્રલ
શા માટે એજીટેકમાં મલ્ટિસ્પેક્ટરલ ઈમેજીસ મહત્વની છે

નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ (NDVI) એ ચોક્કસ પ્રદેશમાં, ખાસ કરીને કૃષિમાં જીવંત વનસ્પતિના જથ્થાનું મૂલ્યાંકન કરવા માટે વ્યાપકપણે અપનાવવામાં આવતી પદ્ધતિ છે.

NDVI શું છે (નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ)

છોડ એવા અદ્ભુત જીવો છે જે સૂર્યપ્રકાશનો ઊર્જા તરીકે ઉપયોગ કરીને પોતાનો ખોરાક બનાવે છે. તેઓ પ્રકાશસંશ્લેષણ નામની પ્રક્રિયા દ્વારા આ કરે છે, જે તેમના પાંદડાઓમાં થાય છે. રસપ્રદ વાત એ છે કે, છોડના પાંદડા માત્ર સૂર્યપ્રકાશને શોષી લેતા નથી, પરંતુ તેમાંથી કેટલાકને પાછું પણ પ્રતિબિંબિત કરે છે. આ ખાસ કરીને નજીકના ઇન્ફ્રારેડ પ્રકાશ માટે સાચું છે, જે આપણી આંખો માટે અદ્રશ્ય છે પરંતુ સૂર્યપ્રકાશમાં અડધી ઊર્જા બનાવે છે.

આ પ્રતિબિંબનું કારણ એ છે કે ખૂબ નજીક-ઇન્ફ્રારેડ પ્રકાશ વાસ્તવમાં છોડ માટે હાનિકારક હોઈ શકે છે. તેથી, તેઓ આ પ્રકારના પ્રકાશને પ્રતિબિંબિત કરીને પોતાને બચાવવા માટે વિકસિત થયા છે. પરિણામે, જીવંત લીલા છોડ દૃશ્યમાન પ્રકાશમાં ઘાટા દેખાય છે, પરંતુ નજીકના ઇન્ફ્રારેડ સ્પેક્ટ્રમમાં તેજસ્વી દેખાય છે. આ વાદળો અને બરફથી અલગ છે, જે દૃશ્યમાન પ્રકાશમાં તેજસ્વી દેખાય છે પરંતુ નજીકના-ઇન્ફ્રારેડ સ્પેક્ટ્રમમાં ઘાટા દેખાય છે.

વૈજ્ઞાનિકો NDVI અથવા નોર્મલાઈઝ્ડ ડિફરન્સ વેજીટેશન ઈન્ડેક્સ નામના સાધનનો ઉપયોગ કરીને છોડનો અભ્યાસ કરવા માટે આ અનન્ય લક્ષણનો લાભ લઈ શકે છે. NDVI છોડ દ્વારા પ્રતિબિંબિત થતા લાલ અને નજીકના ઇન્ફ્રારેડ પ્રકાશની માત્રા વચ્ચેના તફાવતને માપે છે. છોડમાં જેટલા વધુ પાંદડા હોય છે, તેટલી વધુ પ્રકાશની આ તરંગલંબાઇઓ પ્રભાવિત થાય છે, જે આપણને છોડના સ્વાસ્થ્ય અને વિતરણ વિશે મહત્વપૂર્ણ માહિતી આપી શકે છે.

NDVI એ વૈજ્ઞાનિકો માટે છોડ અને કૃષિનો અભ્યાસ કરવા માટે સેટેલાઇટ ઇમેજનો ઉપયોગ કરવાનો એક માર્ગ છે. છોડ સૂર્યપ્રકાશ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તે સમજવાથી, આપણે આપણી આસપાસની દુનિયા અને આપણા ગ્રહની સંભાળ કેવી રીતે રાખવી તે વિશે વધુ જાણી શકીએ છીએ.

સારાંશ: NDVI એ તંદુરસ્ત વનસ્પતિનું પ્રમાણભૂત માપ છે. તે નજીકના-ઇન્ફ્રારેડ (NIR) અને લાલ પ્રકાશ વચ્ચેના તફાવતને માપીને વનસ્પતિનું પ્રમાણ નક્કી કરે છે. તંદુરસ્ત વનસ્પતિ અન્ય તરંગલંબાઇ કરતાં વધુ NIR અને લીલા પ્રકાશને પ્રતિબિંબિત કરે છે, પરંતુ તે વધુ લાલ અને વાદળી પ્રકાશને શોષી લે છે. NDVI મૂલ્યો હંમેશા -1 થી +1 સુધીની હોય છે.

NDVI નો ઇતિહાસ

માં 1957, સોવિયેત યુનિયન શરૂ કર્યું સ્પુટનિક 1, પૃથ્વીની પરિક્રમા કરનાર પ્રથમ કૃત્રિમ ઉપગ્રહ. આના કારણે સોવિયેત યુનિયનમાં સ્પુટનિક અને કોસ્મોસ પ્રોગ્રામ્સ અને યુએસમાં એક્સપ્લોરર પ્રોગ્રામ જેવા હવામાનશાસ્ત્રીય ઉપગ્રહોનો વિકાસ થયો. TIROS શ્રેણી માં ઉપગ્રહો લોન્ચ કરવામાં આવ્યા હતા 1960, અને નેશનલ ઓસેનિક એન્ડ એટમોસ્ફેરિક એડમિનિસ્ટ્રેશન (NOAA) પ્લેટફોર્મ પર નિમ્બસ ઉપગ્રહો અને એડવાન્સ વેરી હાઈ રિઝોલ્યુશન રેડિયોમીટર સાધનો દ્વારા અનુસરવામાં આવ્યા હતા. NASA એ અર્થ રિસોર્સિસ ટેક્નોલોજી સેટેલાઇટ (ERTS) પણ વિકસિત કર્યો, જે લેન્ડસેટ પ્રોગ્રામનો પુરોગામી બન્યો.

આ લેન્ડસેટ કાર્યક્રમ માં લોન્ચ કરવામાં આવી હતી 1972 મલ્ટિસ્પેક્ટરલ સ્કેનર (એમએસએસ) સાથે, જે પૃથ્વીના રિમોટ સેન્સિંગ માટે પરવાનગી આપે છે. કેન્દ્રીય યુએસ સંશોધકોના ગ્રેટ પ્લેઇન્સ પ્રદેશ પર કેન્દ્રિત લેન્ડસેટનો ઉપયોગ કરીને એક પ્રારંભિક અભ્યાસમાં જાણવા મળ્યું છે કે આ મજબૂત અક્ષાંશ ઢાળમાં સૌર ઝેનિથ કોણે સેટેલાઇટ સ્પેક્ટ્રલ સિગ્નલોમાંથી રેન્જલેન્ડ વનસ્પતિની બાયોફિઝિકલ લાક્ષણિકતાઓને સહસંબંધિત કરવાનું મુશ્કેલ બનાવ્યું છે. તેઓએ સૌર ઝેનિથ એંગલની અસરોને સમાયોજિત કરવાના સાધન તરીકે નોર્મલાઇઝ્ડ ડિફરન્સ વેજીટેશન ઇન્ડેક્સ (NDVI) વિકસાવ્યો. NDVI એ હવે જીવંત લીલા છોડની છત્રોને શોધવા માટે સૌથી વધુ જાણીતું અને વપરાયેલ ઇન્ડેક્સ છે મલ્ટિસ્પેક્ટરલ રિમોટ સેન્સિંગ ડેટામાં. તેનો ઉપયોગ છોડની છત્રોની પ્રકાશસંશ્લેષણ ક્ષમતાને માપવા માટે પણ થાય છે, પરંતુ આ એક જટિલ ઉપક્રમ હોઈ શકે છે.

તમે NDVI ની ગણતરી કેવી રીતે કરશો?

એનડીવીઆઈ તેના સૂત્રમાં NIR અને લાલ ચેનલોનો ઉપયોગ કરે છે. લેન્ડસેટ અને સેન્ટીનેલ-2 જેવા ઉપગ્રહોમાં NIR અને લાલ સાથે જરૂરી બેન્ડ હોય છે. પરિણામ એ પેદા કરે છે -1 અને +1 વચ્ચેનું મૂલ્ય. જો તમારી પાસે લાલ ચેનલમાં ઓછું પ્રતિબિંબ અને NIR ચેનલમાં ઉચ્ચ પ્રતિબિંબ હોય, તો આ ઉચ્ચ NDVI મૂલ્ય પ્રાપ્ત કરશે, અને ઊલટું.

કૃષિમાં NDVI

NDVI પાસે છે ઘણી એપ્લિકેશનો વિવિધ ક્ષેત્રોમાં. ફોરેસ્ટર્સ વન સપ્લાય અને લીફ એરિયા ઈન્ડેક્સને માપવા માટે NDVI નો ઉપયોગ કરો, અને નાસા જણાવે છે કે NDVI દુષ્કાળનું સારું સૂચક છે. જ્યારે પાણી વનસ્પતિની વૃદ્ધિને મર્યાદિત કરે છે, ત્યારે તે નીચા સંબંધિત NDVI અને વનસ્પતિની ઘનતા ધરાવે છે. NDVI નો ઉપયોગ કરતા અન્ય ક્ષેત્રોમાં સમાવેશ થાય છે પર્યાવરણીય વિજ્ઞાન, શહેરી આયોજન અને કુદરતી સંસાધન વ્યવસ્થાપન.

NDVI છે કૃષિમાં વ્યાપકપણે ઉપયોગમાં લેવાય છે પાકના સ્વાસ્થ્યનું નિરીક્ષણ કરવા અને સિંચાઈને શ્રેષ્ઠ બનાવવા માટે. ખેડૂતો ચોક્કસ ખેતી માટે, બાયોમાસ માપવા અને વધુ પાણી અથવા ખાતરની જરૂર હોય તેવા પાકને ઓળખવા માટે NDVI નો ઉપયોગ કરે છે.

NDVI નો ઉપયોગ કેવી રીતે કરવો? સેટેલાઇટ છબી વિ. ડ્રોન છબી

NDVI માટે કઈ સેટેલાઇટ ઇમેજની નજીક-ઇન્ફ્રારેડ છે? અગાઉ સૂચવ્યા મુજબ, સેન્ટીનેલ-2, લેન્ડસેટ અને SPOT જેવા ઉપગ્રહો લાલ અને નજીક-ઇન્ફ્રારેડ છબીઓ બનાવે છે. વેબ પર મફત સેટેલાઇટ ઇમેજરી ડેટા સ્ત્રોતો છે, જેમાં એવો ડેટા છે જે ડાઉનલોડ કરી શકે છે અને એનડીવીઆઈ નકશા બનાવી શકે છે. આર્કજીઆઈએસ અથવા QGIS.

પાકની તંદુરસ્તી એ સચોટ ખેતીનું નિર્ણાયક પાસું છે, અને NDVI ડેટા માપવા માટેનું મૂલ્યવાન સાધન છે તે આજે, માપની તુલના કરવા અને સંભવિત પાક આરોગ્ય સમસ્યાઓને ઓળખવા માટે NDVI ડેટાને જોડી બનાવવા માટે કૃષિ ડ્રોનનો ઉપયોગ સામાન્ય બાબત બની ગઈ છે. નજીકના-ઇન્ફ્રારેડ અને લાલ પ્રકાશ વચ્ચેના તફાવતને માપવાથી, NDVI ખેડૂતોને સિંચાઈને શ્રેષ્ઠ બનાવવામાં અને વધુ પાણી અથવા ખાતરની જરૂર હોય તેવા પાકને ઓળખવામાં મદદ કરી શકે છે.

દાખ્લા તરીકે, PrecisionHawk અને સેન્ટેરા એગ્રીકલ્ચર ડ્રોન પ્રદાન કરે છે જે એક દિવસમાં NDVI ડેટાને કેપ્ચર કરી શકે છે અને તેની પ્રક્રિયા કરી શકે છે, જે પરંપરાગત NDVI તકનીકોની તુલનામાં નોંધપાત્ર સુધારો છે જેને ઘણીવાર લાંબા સમય સુધી રાહ જોવાની જરૂર પડે છે. એવું સંશોધકોએ શોધી કાઢ્યું છે NDVI છબીઓ પ્રમાણભૂત ડિજિટલ RGB કેમેરાનો ઉપયોગ કરીને પણ મેળવી શકાય છે સાથે કેટલાક ફેરફારો, અને આ અભિગમને પાક આરોગ્ય દેખરેખ પ્રણાલીમાં એકીકૃત કરી શકાય છે.

તાજેતરના વર્ષોમાં મોબાઇલ એપ્લિકેશન્સનો વધારો થયો છે, NDVI ડેટાનો ઉપયોગ પાકના આરોગ્યની દેખરેખના સાધન તરીકે. ડોકટરની ભ્રમણકક્ષા આવી જ એક એપ છે જે ખેડૂતોને તેમના ક્ષેત્રોમાં કોઈપણ વિસંગતતાઓને ઓળખવા માટે આરોગ્ય નકશા તરીકે પ્રસ્તુત NDVI ડેટા પ્રદાન કરે છે. આ એપ્સનો હેતુ ફિલ્ડ સ્કાઉટિંગની નવી રીતો પ્રદાન કરીને અને કૃષિને ડિજિટલાઇઝ કરીને ખેતીની પદ્ધતિઓમાં ક્રાંતિ લાવવાનો છે. NDVI ટેક્નોલોજી પર આધારિત રિમોટ ફિલ્ડ મોનિટરિંગ ટૂલ્સ ખેડૂતોને વારંવાર ફિલ્ડ વિઝિટની જરૂરિયાત ઘટાડીને નોંધપાત્ર બળતણ ખર્ચ બચાવી શકે છે અને કાર્યક્ષમ સિંચાઈ વ્યવસ્થાપનમાં મદદ કરી શકે છે.

NDVI માટે કયા પ્રકારનો (ડ્રોન) કેમેરા? આરજીબી અને આઈઆર-અપગ્રેડેડ વિ મલ્ટીસ્પેક્ટ્રલ

ઠીક છે.. તો આ એક પ્રકારનું ગરમ ક્ષેત્ર છે જે મેં નોંધ્યું છે, અને સસલાના છિદ્ર વધુ ને વધુ ઊંડે જાય છે.

માનક RGB કેમેરા લાલ, લીલો અને વાદળી પ્રકાશ કેપ્ચર કરવા માટે રચાયેલ છે, જ્યારે સંશોધિત કેમેરા ના સંયોજનને પકડી શકે છે ઇન્ફ્રારેડ, લાલ, લીલો અને વાદળી નજીક મોડેલ પર આધાર રાખીને પ્રકાશ. RGB પ્લાન્ટ આરોગ્ય પેદા કરવા માટે પાકની "હરિયાળી" દર્શાવતા નકશા, એક કરી શકો છો પ્રમાણભૂત RGB કેમેરાનો ઉપયોગ કરો સોફ્ટવેરમાં ચોક્કસ અલ્ગોરિધમ્સ સાથે.

કેટલીક કંપનીઓ વેચી રહી છે "નકલી” એજી અથવા એનડીવીઆઈ કેમેરા, જે ઇન્ફ્રારેડ ફિલ્ટર કાઢી નાખવામાં આવેલા અને બ્લુ ફિલ્ટર ઇન્સ્ટોલ કરેલા નિયમિત કેમેરા છે. જો કે, આ કેમેરા NDVI જેવા રેડિયોમેટ્રિક માપન માટે અચોક્કસ છે કારણ કે રંગ ચેનલો વચ્ચે ખૂબ જ ઓવરલેપ છે, અને મુલાકાતો વચ્ચેના પ્રકાશમાં તફાવતને ધ્યાનમાં લેવા માટે તેમની પાસે સેન્સર નથી. પરિણામે, આ કેમેરા આપેલ વિસ્તારમાં માત્ર સંબંધિત તફાવતો જ બતાવી શકે છે, પરંતુ NDVI ને ચોક્કસ રીતે માપતા નથી.

એક વાસ્તવિક અને માપાંકિત NDVI કૅમેરો પ્રકાશના તફાવતોને ધ્યાનમાં લેશે અને એક જ સાઇટની બહુવિધ મુલાકાતો વચ્ચે સતત આઉટપુટ આપશે. તેથી ખરીદતી વખતે સાવચેત રહો સંશોધિત "NDVI કૅમેરો" જે નજીકના-ઇન્ફ્રારેડ લાઇટને કૅપ્ચર કરે છે, ડ્રોનને અપગ્રેડ કરવા માટે (પહેલાથી જ $400) દ્વારા વનસ્પતિ આરોગ્ય વિશ્લેષણ હાથ ધરવા માટે નજીક-ઇન્ફ્રારેડ (NIR) છબી મેળવવા માટે NDVI ગણતરી. પરંતુ કૃપા કરીને ધ્યાન રાખો: આ છે વાસ્તવિક NDVI કૅમેરો નથી, અને આ ભ્રામક હોઈ શકે છે. એ સેન્ટેરા કૅમેરા પહેલેથી જ એક સારો વિકલ્પ છે કારણ કે તે હેતુ-નિર્મિત છે અને માપાંકિત કરી શકાય છે, પરંતુ તે હજુ પણ સંપૂર્ણ NDVI સિસ્ટમથી ઓછા છે. મલ્ટીસ્પેક્ટ્રલ કેમેરા, વાસ્તવિક NDVI કેમેરા છે ખર્ચાળ, “અપગ્રેડેડ RGB/IR કેમેરા” કરતાં વધુ ખર્ચાળ. પોપટના સેક્વોઇયા ખાતે $3500. ટેટ્રાકેમ એડીસી સ્નેપ $4500, MicaSense's RedEdge $6000+.

કૃષિમાં મલ્ટિસ્પેક્ટ્રલ ઇમેજરી મહત્વપૂર્ણ છે કારણ કે તે પરંપરાગત RGB કેમેરા કરતાં પાક અને જમીન વિશે વધુ વિગતવાર અને સચોટ માહિતી પ્રદાન કરી શકે છે.

શા માટે મલ્ટિસ્પેક્ટરલ એજટેકમાં ઈમેજો મહત્વપૂર્ણ છે

મલ્ટિસ્પેક્ટ્રલ ઇમેજિંગ અંદર ઇમેજ ડેટા મેળવે છે ઇલેક્ટ્રોમેગ્નેટિક સ્પેક્ટ્રમમાં ચોક્કસ તરંગલંબાઇ રેન્જ, ફિલ્ટર્સ અથવા સાધનોનો ઉપયોગ કરીને જે ચોક્કસ તરંગલંબાઇ માટે સંવેદનશીલ હોય છે. તે સમાવવા માટે દૃશ્યમાન પ્રકાશ શ્રેણીની બહાર વિસ્તરે છે ઇન્ફ્રારેડ અને અલ્ટ્રાવાયોલેટ પ્રકાશ, વધારાની માહિતીના નિષ્કર્ષણને સક્ષમ કરવું બહાર માનવ આંખ તેના દૃશ્યમાન રીસેપ્ટર્સથી શું શોધી શકે છે લાલ, લીલો અને વાદળી. મૂળરૂપે લશ્કરી લક્ષ્યની ઓળખ અને જાસૂસી માટે વિકસાવવામાં આવેલ, મલ્ટિસ્પેક્ટ્રલ ઇમેજિંગનો ઉપયોગ અવકાશ-આધારિત ઇમેજિંગમાં પૃથ્વીની દરિયાકાંઠાની સીમાઓ, વનસ્પતિ અને ભૂમિ સ્વરૂપોની વિગતોના નકશા માટે કરવામાં આવે છે. તેને દસ્તાવેજ અને પેઇન્ટિંગ વિશ્લેષણમાં પણ એપ્લિકેશન મળી છે.

કૃષિ એપ્લિકેશનો માટે મલ્ટિસ્પેક્ટ્રલ ઈમેજરી વધુ યોગ્ય હોવાના કેટલાક કારણો અહીં છે:

1. ગ્રેટર સ્પેક્ટ્રલ રિઝોલ્યુશન: મલ્ટીસ્પેક્ટ્રલ કેમેરા ઇલેક્ટ્રોમેગ્નેટિક સ્પેક્ટ્રમના બહુવિધ સાંકડા બેન્ડમાં છબીઓ કેપ્ચર કરે છે, જે છોડને શોષી અથવા પ્રતિબિંબિત કરતી પ્રકાશની ચોક્કસ તરંગલંબાઇના વધુ વિગતવાર વિશ્લેષણ માટે પરવાનગી આપે છે. આ પોષક તત્ત્વોની ઉણપ અથવા રોગ જેવી સમસ્યાઓને નરી આંખે દેખાય તે પહેલાં ઓળખવામાં મદદ કરી શકે છે.
2. ઉન્નત વનસ્પતિ સૂચકાંકો: પ્રકાશની વિવિધ તરંગલંબાઇના પ્રતિબિંબ મૂલ્યોની તુલના કરીને, મલ્ટિસ્પેક્ટ્રલ કેમેરા પરંપરાગત RGB કેમેરા કરતાં વધુ અત્યાધુનિક વનસ્પતિ સૂચકાંકો બનાવી શકે છે. આ સૂચકાંકોનો ઉપયોગ છોડના સ્વાસ્થ્ય, વૃદ્ધિ અને તણાવના સ્તરને વધુ ચોક્કસ રીતે માપવા માટે થઈ શકે છે.
3. માટીના પ્રકારોનો તફાવત: મલ્ટિસ્પેક્ટ્રલ ઇમેજરી માટીના પ્રકારોને વધુ અસરકારક રીતે અલગ કરી શકે છે, જે સચોટ ખેતી માટે મહત્વપૂર્ણ છે. આ ખેડૂતોને સિંચાઈ, ગર્ભાધાન અને પાક વ્યવસ્થાપન પદ્ધતિઓ વિશે વધુ માહિતગાર નિર્ણયો લેવામાં મદદ કરી શકે છે.
4. પાણીના તાણની તપાસ: મલ્ટિસ્પેક્ટ્રલ કેમેરા પાકમાં પાણીના તાણને પણ શોધી શકે છે જે તેઓ ઉત્સર્જન કરતા ઇન્ફ્રારેડ રેડિયેશનની માત્રાને માપી શકે છે. આનાથી ખેડૂતોને ક્યારે અને કેટલી સિંચાઈ કરવી તે નક્કી કરવામાં મદદ મળી શકે છે.

મલ્ટિસ્પેક્ટરલ ઇમેજિંગ સામાન્ય રીતે સ્પેક્ટ્રલ બેન્ડની નાની સંખ્યામાં પ્રકાશને માપે છે, 3 થી 15 સુધી.

હાઇપરસ્પેક્ટ્રલ ઇમેજિંગ સ્પેક્ટ્રલ ઇમેજિંગનું વિશિષ્ટ સ્વરૂપ છે, જ્યાં સેંકડો સંલગ્ન સ્પેક્ટ્રલ બેન્ડ વિશ્લેષણ માટે ઉપલબ્ધ છે. અસંખ્ય સ્પેક્ટ્રલ બેન્ડમાં ઇમેજ ડેટા કેપ્ચર કરીને, હાઇપરસ્પેક્ટ્રલ ઇમેજિંગ મલ્ટિસ્પેક્ટરલ ઇમેજિંગ કરતાં સામગ્રીની વધુ ચોક્કસ ઓળખ અને વિશ્લેષણ માટે પરવાનગી આપે છે.

મને લાગે છે કે મારે આ ડાઈવને અહીં જ રોકવાની જરૂર છે. હું આશા રાખું છું કે તમે મારા જેટલું શીખ્યા છો.