NDVI म्हणजे काय, ते शेतीमध्ये कसे वापरले जाते – कोणत्या कॅमेऱ्यांसह

अचूक शेती आणि विश्लेषणाच्या माझ्या वैयक्तिक प्रवासात , मी प्रतिमा विश्लेषणाच्या संदर्भात NDVI ला भेटलो. खताचा वापर करण्यापूर्वी आणि नंतरच्या परिणामाचे मूल्यांकन करण्यासाठी सेंद्रिय अल्फल्फाच्या 45-हेक्टर क्षेत्राचे विश्लेषण करणे हे माझे उद्दिष्ट आहे. माझा प्राथमिक प्रश्न आहे: मी कुठे, कोणत्या प्रकारचे आणि किती खत घालावे आणि त्याचा ल्युसर्न पिकावर काय परिणाम होईल? माझ्याकडे मानक RGB कॅमेरा असलेला Mavic Pro कॅमेरा आहे. पुढे कसे जायचे हे मी Twitter वर विचारले असता, NDVI सह मदतीसाठी वनस्पति निर्देशांकांची श्रेणी एक्सप्लोर करण्यासाठी मल्टीस्पेक्ट्रल डेटा वापरून कोणीतरी सुचवले. म्हणून, NDVI बद्दल अधिक जाणून घेण्यासाठी मी सशाच्या छिद्रात खोलवर गेलो.

सामान्यीकृत फरक वनस्पती निर्देशांक (NDVI) म्हणजे काय?
NDVI चा इतिहास
तुम्ही NDVI ची गणना कशी करता?
कृषी क्षेत्रातील NDVI
NDVI साठी कोणत्या प्रकारचा (ड्रोन) कॅमेरा? RGB आणि IR-सुधारित वि मल्टीस्पेक्ट्रल
का एग्टेकमध्ये मल्टीस्पेक्ट्रल इमेजेस महत्त्वाच्या आहेत

नॉर्मलाइज्ड डिफरन्स व्हेजिटेशन इंडेक्स (NDVI) ही एका विशिष्ट प्रदेशात, विशेषत: शेतीमध्ये, जिवंत वनस्पतींचे मूल्यमापन करण्यासाठी व्यापकपणे अवलंबलेली पद्धत आहे.

NDVI (नॉर्मलाइज्ड डिफरन्स व्हेजिटेशन इंडेक्स) म्हणजे काय?

वनस्पती हे आश्चर्यकारक जीव आहेत जे स्वतःचे अन्न तयार करण्यासाठी सूर्यप्रकाशाचा ऊर्जा म्हणून वापर करतात. ते प्रकाशसंश्लेषण नावाच्या प्रक्रियेद्वारे हे करतात, जी त्यांच्या पानांमध्ये होते. विशेष म्हणजे, वनस्पतींची पाने केवळ सूर्यप्रकाश शोषून घेत नाहीत, तर त्यातील काही भाग परत परावर्तितही करतात. हे विशेषतः जवळच्या इन्फ्रारेड प्रकाशासाठी खरे आहे, जे आपल्या डोळ्यांना अदृश्य आहे परंतु सूर्यप्रकाशातील अर्धी ऊर्जा बनवते.

या परावर्तनाचे कारण म्हणजे खूप जवळ-अवरक्त प्रकाश वनस्पतींसाठी हानिकारक असू शकतो. म्हणून, या प्रकारच्या प्रकाशाचे परावर्तित करून ते स्वतःचे संरक्षण करण्यासाठी उत्क्रांत झाले आहेत. परिणामी, जिवंत हिरव्या वनस्पती दृश्यमान प्रकाशात गडद दिसतात, परंतु जवळ-अवरक्त स्पेक्ट्रममध्ये चमकदार दिसतात. हे ढग आणि बर्फापेक्षा वेगळे आहे, जे दृश्यमान प्रकाशात चमकदार दिसतात परंतु जवळ-अवरक्त स्पेक्ट्रममध्ये गडद दिसतात.

एनडीव्हीआय किंवा नॉर्मलाइज्ड डिफरन्स व्हेजिटेशन इंडेक्स नावाचे साधन वापरून वनस्पतींचा अभ्यास करण्यासाठी शास्त्रज्ञ या अद्वितीय वैशिष्ट्याचा फायदा घेऊ शकतात. एनडीव्हीआय वनस्पतींद्वारे परावर्तित लाल आणि जवळ-अवरक्त प्रकाशाच्या प्रमाणातील फरक मोजते. झाडाला जितकी जास्त पाने असतील, तितकी जास्त प्रकाशाच्या या तरंगलांबीवर परिणाम होतो, ज्यामुळे आपल्याला वनस्पती आरोग्य आणि वितरणाविषयी महत्त्वाची माहिती मिळू शकते.

NDVI हा वैज्ञानिकांसाठी वनस्पती आणि शेतीचा अभ्यास करण्यासाठी उपग्रह प्रतिमा वापरण्याचा एक मार्ग आहे. वनस्पती सूर्यप्रकाशाशी कसा संवाद साधतात हे समजून घेऊन, आपण आपल्या सभोवतालच्या जगाबद्दल आणि आपल्या ग्रहाची काळजी कशी घ्यावी याबद्दल अधिक जाणून घेऊ शकतो.

सारांशित: NDVI हे निरोगी वनस्पतींचे प्रमाणित माप आहे. हे जवळ-अवरक्त (NIR) आणि लाल दिवा यांच्यातील फरक मोजून वनस्पतींचे प्रमाण ठरवते. निरोगी वनस्पती इतर तरंगलांबीपेक्षा जास्त एनआयआर आणि हिरवा प्रकाश परावर्तित करते, परंतु ती अधिक लाल आणि निळा प्रकाश शोषून घेते. NDVI मूल्ये नेहमी -1 ते +1 पर्यंत असतात.

NDVI चा इतिहास

मध्ये 1957, सोव्हिएत युनियनने लाँच केले स्पुतनिक १, पृथ्वीभोवती फिरणारा पहिला कृत्रिम उपग्रह. यामुळे सोव्हिएत युनियनमधील स्पुतनिक आणि कॉसमॉस कार्यक्रम आणि यूएस मधील एक्सप्लोरर प्रोग्राम सारख्या हवामानविषयक उपग्रहांचा विकास झाला. TIROS मालिका मध्ये उपग्रह प्रक्षेपित करण्यात आले 1960, आणि त्यानंतर नॅशनल ओशनिक अँड अॅटमॉस्फेरिक अॅडमिनिस्ट्रेशन (NOAA) प्लॅटफॉर्मवर निंबस उपग्रह आणि प्रगत अतिशय उच्च रिझोल्यूशन रेडिओमीटर उपकरणे आहेत. नासाने पृथ्वी संसाधन तंत्रज्ञान उपग्रह (ERTS) देखील विकसित केला, जो लँडसॅट कार्यक्रमाचा अग्रदूत बनला.

द लँडसॅट कार्यक्रम मध्ये लाँच केले होते 1972 मल्टीस्पेक्ट्रल स्कॅनर (MSS) सह, ज्याने पृथ्वीच्या रिमोट सेन्सिंगला परवानगी दिली. मध्य यूएस संशोधकांच्या ग्रेट प्लेन्स प्रदेशावर लक्ष केंद्रित केलेल्या लँडसॅटचा वापर करून सुरुवातीच्या अभ्यासात असे आढळून आले की या मजबूत अक्षांश ग्रेडियंटमधील सौर झेनिथ कोनामुळे उपग्रह वर्णक्रमीय सिग्नलमधून रेंजलँड वनस्पतींच्या जैवभौतिक वैशिष्ट्यांशी संबंध जोडणे कठीण होते. त्यांनी सौर झेनिथ अँगलचे परिणाम समायोजित करण्याचे साधन म्हणून सामान्यीकृत फरक वनस्पती निर्देशांक (NDVI) विकसित केला. एनडीव्हीआय आता सर्वात प्रसिद्ध आणि थेट हिरव्या वनस्पती छत शोधण्यासाठी वापरलेला निर्देशांक आहे मल्टीस्पेक्ट्रल रिमोट सेन्सिंग डेटामध्ये. वनस्पती छतांची प्रकाशसंश्लेषण क्षमता मोजण्यासाठी देखील याचा वापर केला जातो, परंतु हे एक जटिल उपक्रम असू शकते.

तुम्ही NDVI ची गणना कशी करता?

NDVI त्याच्या सूत्रात NIR आणि लाल चॅनेल वापरते. लँडसॅट आणि सेंटिनेल-2 सारख्या उपग्रहांमध्ये एनआयआर आणि लाल रंगाचे आवश्यक बँड आहेत. परिणाम ए व्युत्पन्न करतो -1 आणि +1 मधील मूल्य. जर तुमच्याकडे लाल चॅनेलमध्ये कमी परावर्तकता आणि NIR चॅनेलमध्ये उच्च परावर्तकता असेल, तर हे उच्च NDVI मूल्य देईल आणि त्याउलट.

कृषी क्षेत्रातील NDVI

NDVI कडे आहे अनेक अनुप्रयोग विविध क्षेत्रांमध्ये. वनपाल वन पुरवठा आणि पानांचे क्षेत्र निर्देशांक मोजण्यासाठी NDVI चा वापर करा, आणि नासा NDVI हे दुष्काळाचे चांगले सूचक असल्याचे नमूद केले आहे. जेव्हा पाणी वनस्पतींच्या वाढीस मर्यादित करते, तेव्हा त्यात कमी सापेक्ष NDVI आणि वनस्पतींची घनता असते. NDVI वापरणाऱ्या इतर क्षेत्रांचा समावेश होतो पर्यावरण विज्ञान, शहरी नियोजन आणि नैसर्गिक संसाधन व्यवस्थापन.

NDVI आहे शेतीमध्ये मोठ्या प्रमाणावर वापरले जाते पिकांच्या आरोग्यावर लक्ष ठेवणे आणि सिंचन इष्टतम करणे. शेतकरी NDVI चा वापर अचूक शेतीसाठी, बायोमास मोजण्यासाठी आणि जास्त पाणी किंवा खतांची गरज असलेल्या पिकांना ओळखण्यासाठी करतात.

NDVI कसे वापरावे? उपग्रह प्रतिमा वि. ड्रोन प्रतिमा

NDVI साठी कोणत्या उपग्रह प्रतिमा जवळ-अवरक्त आहेत? आधी सांगितल्याप्रमाणे, सेंटिनेल-2, लँडसॅट आणि स्पॉट सारखे उपग्रह लाल आणि जवळ-अवरक्त प्रतिमा तयार करतात. वेबवर विनामूल्य सॅटेलाइट इमेजरी डेटा स्रोत आहेत, ज्यामध्ये डेटा आहे जो डाउनलोड करू शकतो आणि NDVI नकाशे तयार करू शकतो. ArcGIS किंवा QGIS.

पीक आरोग्य हा अचूक शेतीचा एक महत्त्वाचा पैलू आहे, आणि NDVI डेटा मोजण्यासाठी एक मौल्यवान साधन आहे ते आज, मोजमापांची तुलना करण्यासाठी आणि संभाव्य पीक आरोग्य समस्या ओळखण्यासाठी एनडीव्हीआय डेटा जोडण्यासाठी कृषी ड्रोनचा वापर सामान्य सराव झाला आहे. जवळच्या-इन्फ्रारेड आणि लाल दिव्यातील फरक मोजून, NDVI शेतकऱ्यांना सिंचन इष्टतम करण्यात मदत करू शकते आणि अधिक पाणी किंवा खतांची आवश्यकता असलेली पिके ओळखू शकतात.

उदाहरणार्थ, प्रिसिजन हॉक आणि सेंटेरा एका दिवसात NDVI डेटा कॅप्चर आणि प्रक्रिया करू शकणारे कृषी ड्रोन प्रदान करा, जे पारंपारिक NDVI तंत्रांपेक्षा एक महत्त्वपूर्ण सुधारणा आहे ज्यांना बर्‍याचदा प्रतीक्षा कालावधी आवश्यक आहे. असे संशोधकांना आढळून आले आहे मानक डिजिटल RGB कॅमेरे वापरून NDVI प्रतिमा देखील मिळवता येतात सह काही सुधारणा, आणि हा दृष्टीकोन पीक आरोग्य निरीक्षण प्रणालीमध्ये एकत्रित केला जाऊ शकतो.

अलिकडच्या वर्षांत मोबाईल ऍप्लिकेशन्सचा प्रसार झाला आहे, NDVI डेटा वापरत आहे पीक आरोग्य निरीक्षण साधन म्हणून. डॉक्टरांची कक्षा हे असे एक अॅप आहे जे शेतकऱ्यांना त्यांच्या शेतातील विसंगती ओळखण्यासाठी आरोग्य नकाशे म्हणून सादर केलेला NDVI डेटा प्रदान करते. फील्ड स्काउटिंगचे नवीन मार्ग प्रदान करून आणि शेतीचे डिजिटलीकरण करून शेती पद्धतींमध्ये क्रांती घडवून आणण्याचे या अॅप्सचे उद्दिष्ट आहे. NDVI तंत्रज्ञानावर आधारित रिमोट फील्ड मॉनिटरिंग टूल्स शेतकर्‍यांना वारंवार फील्ड भेटींची गरज कमी करून लक्षणीय इंधन खर्च वाचवू शकतात आणि कार्यक्षम सिंचन व्यवस्थापनास मदत करू शकतात.

NDVI साठी कोणत्या प्रकारचा (ड्रोन) कॅमेरा? RGB आणि IR-सुधारित वि मल्टीस्पेक्ट्रल

ठीक आहे.. तर हे एक प्रकारचे गरम क्षेत्र आहे जे माझ्या लक्षात आले, आणि सशाचे छिद्र अधिक खोलवर जात आहे.

मानक RGB कॅमेरे लाल, हिरवा आणि निळा प्रकाश कॅप्चर करण्यासाठी डिझाइन केलेले आहेत सुधारित कॅमेरे चे संयोजन कॅप्चर करू शकते इन्फ्रारेड, लाल, हिरवा आणि निळा जवळ मॉडेलवर अवलंबून प्रकाश. RGB वनस्पती आरोग्य निर्माण करण्यासाठी पिकांचे "हिरवेपणा" दर्शवणारे नकाशे, एक करू शकता मानक RGB कॅमेरा वापरा सॉफ्टवेअरमधील विशिष्ट अल्गोरिदमसह.

काही कंपन्या विकत आहेत "बनावट” Ag किंवा NDVI कॅमेरे, जे इन्फ्रारेड फिल्टर काढलेले आणि निळे फिल्टर स्थापित केलेले फक्त नियमित कॅमेरे आहेत. तथापि, हे कॅमेरे NDVI सारख्या रेडिओमेट्रिक मापनांसाठी चुकीचे आहेत कारण रंग चॅनेलमध्ये खूप ओव्हरलॅप आहे, आणि भेटींमधील प्रकाशातील फरक लक्षात घेण्यासाठी त्यांच्याकडे सेन्सर नाही. परिणामी, हे कॅमेरे दिलेल्या क्षेत्रामध्ये केवळ सापेक्ष फरक दर्शवू शकतात, परंतु NDVI चे अचूक मोजमाप करू शकत नाहीत.

वास्तविक आणि कॅलिब्रेटेड NDVI कॅमेरा प्रकाशातील फरक विचारात घेईल आणि एकाच साइटवर अनेक भेटी दरम्यान सातत्यपूर्ण आउटपुट प्रदान करेल. त्यामुळे खरेदी करताना काळजी घ्या सुधारित "NDVI कॅमेरा" जो जवळ-अवरक्त प्रकाश कॅप्चर करतो, ड्रोन अपग्रेड करण्यासाठी (आधीपासूनच $400) वनस्पति आरोग्य विश्लेषण करण्यासाठी जवळ-अवरक्त (NIR) प्रतिमा कॅप्चर करण्यासाठी NDVI गणना. पण कृपया लक्षात ठेवा: हे आहे वास्तविक NDVI कॅमेरा नाही, आणि हे दिशाभूल करणारे असू शकते. ए सेंटेरा कॅमेरा हा आधीपासूनच एक चांगला पर्याय आहे कारण ते उद्देशाने तयार केलेले आहेत आणि कॅलिब्रेट केले जाऊ शकतात, परंतु तरीही ते पूर्ण NDVI प्रणालीमध्ये कमी पडतात. मल्टीस्पेक्ट्रल कॅमेरे, वास्तविक NDVI कॅमेरे आहेत महाग, “सुधारित RGB/IR कॅमेरे” पेक्षा खूपच महाग. पोपट च्या Sequoia येथे $3500. टेट्राकॅम एडीसी स्नॅप $4500, MicaSense चे RedEdge $6000+.

शेतीमध्ये मल्टीस्पेक्ट्रल इमेजरी महत्त्वाची आहे कारण ती पारंपरिक RGB कॅमेऱ्यांपेक्षा पिके आणि मातीबद्दल अधिक तपशीलवार आणि अचूक माहिती देऊ शकते.

का मल्टीस्पेक्ट्रल agtech मध्ये प्रतिमा महत्वाच्या आहेत

मल्टीस्पेक्ट्रल इमेजिंग मध्ये प्रतिमा डेटा कॅप्चर करते इलेक्ट्रोमॅग्नेटिक स्पेक्ट्रममध्ये विशिष्ट तरंगलांबी श्रेणी, विशिष्ट तरंगलांबींना संवेदनशील असलेले फिल्टर किंवा उपकरणे वापरणे. ते समाविष्ट करण्यासाठी दृश्यमान प्रकाश श्रेणीच्या पलीकडे विस्तारते इन्फ्रारेड आणि अतिनील प्रकाश, अतिरिक्त माहिती काढणे सक्षम करणे पलीकडे मानवी डोळा त्याच्या दृश्यमान रिसेप्टर्ससह काय शोधू शकतो लाल, हिरवा आणि निळा. मूलतः लष्करी लक्ष्य ओळखण्यासाठी आणि जाणण्यासाठी विकसित केलेले, बहुस्पेक्ट्रल इमेजिंगचा वापर अवकाश-आधारित इमेजिंगमध्ये पृथ्वीच्या किनारपट्टीच्या सीमा, वनस्पती आणि भूस्वरूपांचे तपशील मॅप करण्यासाठी केला गेला आहे. दस्तऐवज आणि चित्रकलेच्या विश्लेषणामध्ये देखील त्याला अनुप्रयोग सापडला आहे.

कृषी अनुप्रयोगांसाठी मल्टीस्पेक्ट्रल इमेजरी अधिक योग्य का आहे याची काही कारणे येथे आहेत:

1. ग्रेटर स्पेक्ट्रल रिझोल्यूशन: मल्टीस्पेक्ट्रल कॅमेरे इलेक्ट्रोमॅग्नेटिक स्पेक्ट्रमच्या अनेक अरुंद पट्ट्यांमध्ये प्रतिमा कॅप्चर करतात, ज्यामुळे झाडे शोषून घेतात किंवा परावर्तित करतात अशा प्रकाशाच्या विशिष्ट तरंगलांबींचे अधिक तपशीलवार विश्लेषण करण्यास अनुमती देतात. हे उघड्या डोळ्यांना दिसण्यापूर्वी पोषक तत्वांची कमतरता किंवा रोग यासारख्या समस्या ओळखण्यात मदत करू शकते.
2. वर्धित वनस्पती निर्देशांक: प्रकाशाच्या वेगवेगळ्या तरंगलांबीच्या परावर्तक मूल्यांची तुलना करून, मल्टीस्पेक्ट्रल कॅमेरे पारंपारिक RGB कॅमेऱ्यांपेक्षा अधिक अत्याधुनिक वनस्पती निर्देशांक तयार करू शकतात. या निर्देशांकांचा वापर वनस्पतींचे आरोग्य, वाढ आणि तणाव पातळी अधिक अचूकपणे मोजण्यासाठी केला जाऊ शकतो.
3. मातीच्या प्रकारांचा फरक: मल्टीस्पेक्ट्रल इमेजरी देखील मातीचे प्रकार अधिक प्रभावीपणे वेगळे करू शकते, जे अचूक शेतीसाठी महत्वाचे आहे. यामुळे शेतकऱ्यांना सिंचन, खते आणि पीक व्यवस्थापन पद्धतींबाबत अधिक माहितीपूर्ण निर्णय घेण्यास मदत होऊ शकते.
4. पाण्याचा ताण ओळखणे: मल्टीस्पेक्ट्रल कॅमेरे पिकांमध्‍ये उत्‍सर्जित होणार्‍या इन्फ्रारेड किरणोत्सर्गाचे प्रमाण मोजून देखील पिकांमध्‍ये पाण्याचा ताण ओळखू शकतात. यामुळे शेतकऱ्यांना कधी आणि किती पाणी द्यावे हे ठरवता येईल.

मल्टीस्पेक्ट्रल इमेजिंग सामान्यतः कमी संख्येने स्पेक्ट्रल बँडमध्ये प्रकाश मोजतो, 3 ते 15 पर्यंत.

हायपरस्पेक्ट्रल इमेजिंग स्पेक्ट्रल इमेजिंगचा एक विशेष प्रकार आहे, जेथे शेकडो संलग्न वर्णक्रमीय बँड विश्लेषणासाठी उपलब्ध आहेत. असंख्य स्पेक्ट्रल बँडमध्ये प्रतिमा डेटा कॅप्चर करून, हायपरस्पेक्ट्रल इमेजिंग मल्टीस्पेक्ट्रल इमेजिंगपेक्षा सामग्रीची अधिक अचूक ओळख आणि विश्लेषण करण्यास अनुमती देते.

मला असे वाटते की मला हे डुबकी इथेच थांबवावी लागेल. मला आशा आहे की तुम्ही माझ्यासारखेच शिकलात.