На моем личном пути к точному земледелию и аналитике я столкнулся с NDVI в контексте анализа изображений. Моя цель — проанализировать поле органической люцерны площадью 45 гектаров , чтобы оценить эффект удобрения до и после применения. Мой главный вопрос: где, какого рода и в каком количестве вносить удобрения, и как они повлияют на урожай люцерны? У меня есть камера Mavic Pro со стандартной камерой RGB. Когда я спросил в Твиттере, как действовать, кто-то предложил использовать мультиспектральные данные для изучения ряда индексов растительности, включая NDVI. Итак, я углубился в кроличью нору , чтобы узнать больше о NDVI.

Что такое нормализованный разностный индекс вегетации (NDVI)
История НДВИ
Как рассчитать NDVI?
NDVI в сельском хозяйстве
Какой тип (беспилотной) камеры для NDVI? RGB и ИК-модернизация против мультиспектральной
Почему Мультиспектральные изображения важны в аграрных технологиях

Поля люцерны на моей ферме, июнь 2022 г.

Нормализованный индекс различий растительности (NDVI) — это широко распространенный метод оценки количества живой растительности в конкретном регионе, особенно в сельском хозяйстве.

Что такое NDVI (нормализованный разностный индекс растительности)

Растения — удивительные организмы, которые используют солнечный свет в качестве энергии для приготовления пищи. Они делают это с помощью процесса, называемого фотосинтезом, который происходит в их листьях. Интересно, что листья растений не только поглощают солнечный свет, но и частично отражают его обратно. Это особенно верно для ближнего инфракрасного света, который невидим для наших глаз, но составляет половину энергии солнечного света.

Причина такого отражения в том, что слишком много ближнего инфракрасного света может быть вредным для растений. Таким образом, они эволюционировали, чтобы защитить себя, отражая этот тип света. В результате живые зеленые растения выглядят темными в видимом свете, но кажутся яркими в ближнем инфракрасном спектре. Это отличается от облаков и снега, которые имеют тенденцию выглядеть яркими в видимом свете, но темными в ближнем инфракрасном спектре.

авторское право: Pix4D — швейцарская компания, разрабатывающая набор программных продуктов, использующих алгоритмы фотограмметрии и компьютерного зрения для преобразования RGB, тепловых и мультиспектральных изображений в трехмерные карты и модели.

Ученые могут воспользоваться этой уникальной чертой для изучения растений с помощью инструмента под названием NDVI, или Нормализованный индекс различий растительности. NDVI измеряет разницу между количеством красного и ближнего инфракрасного света, отражаемого растениями. Чем больше листьев у растения, тем больше он влияет на эти длины волн света, что может дать нам важную информацию о здоровье и распределении растений.

NDVI — это способ, с помощью которого ученые могут использовать спутниковые снимки для изучения растений и сельского хозяйства. Понимая, как растения взаимодействуют с солнечным светом, мы можем больше узнать об окружающем нас мире и о том, как заботиться о нашей планете.

Резюме: NDVI — это стандартизированный показатель здоровой растительности.. Он количественно определяет растительность, измеряя разницу между ближним инфракрасным (NIR) и красным светом. Здоровая растительность отражает больше NIR и зеленого света, чем другие длины волн, но поглощает больше красного и синего света. Значения NDVI всегда находятся в диапазоне от -1 до +1.

История НДВИ

В 1957, Советский Союз запустил Спутник 1, первый искусственный спутник на орбите Земли. Это привело к развитию метеорологических спутников, таких как программы «Спутник» и «Космос» в Советском Союзе и программа «Исследователь» в США. серия ТИРОС спутников было запущено в 1960, за ними последовали спутники Nimbus и усовершенствованные радиометры очень высокого разрешения на платформах Национального управления океанических и атмосферных исследований (NOAA). НАСА также разработало спутник для изучения природных ресурсов Земли (ERTS), который стал предшественником программы Landsat.

The Ландсат программа был запущен в 1972 с помощью мультиспектрального сканера (МСС), который позволил проводить дистанционное зондирование Земли. Одно раннее исследование с использованием Landsat было сосредоточено на районе Великих равнин в центральной части США. Исследователи обнаружили, что зенитный угол солнца в этом сильном широтном градиенте затрудняет корреляцию биофизических характеристик пастбищной растительности по спутниковым спектральным сигналам. Они разработали нормализованный разностный вегетационный индекс (NDVI) как средство учета влияния зенитного угла солнца. NDVI в настоящее время является наиболее известным и используемым индексом для обнаружения живых зеленых насаждений. по данным мультиспектрального дистанционного зондирования. Он также используется для количественной оценки фотосинтетической способности растительного покрова, но это может быть сложной задачей.

Как рассчитать NDVI?

NDVI использует NIR и красный каналы в своей формуле. Такие спутники, как Landsat и Sentinel-2, имеют необходимые диапазоны с NIR и красным. Результат генерирует значение от -1 до +1. Если у вас низкий коэффициент отражения в красном канале и высокий коэффициент отражения в канале NIR, это даст высокое значение NDVI, и наоборот.

ЦенитьИндикация
< 0Неживой/мертвый материал
0 -> 0,33Нездоровый растительный материал
0,33 -> 0,66Здоровый растительный материал
> 0,66Очень здоровый растительный материал

NDVI в сельском хозяйстве

NDVI имеет несколько приложений в разных секторах. Лесники использовать NDVI для количественной оценки запасов леса и индекса листовой площади, а также НАСА утверждает, что NDVI является хорошим индикатором засухи. Когда вода ограничивает рост растительности, она имеет более низкий относительный NDVI и плотность растительности. Другие сектора, которые используют NDVI, включают наука об окружающей среде, городское планирование и управление природными ресурсами.

NDVI это широко используется в сельском хозяйстве следить за здоровьем растений и оптимизировать орошение. Фермеры используют NDVI для точного земледелия, для измерения биомассы и определения культур, которым требуется больше воды или удобрений.

Как использовать НДВИ? Спутниковые снимки против снимков с дронов

На каких спутниковых снимках есть ближний инфракрасный диапазон для NDVI? Как упоминалось ранее, такие спутники, как Sentinel-2, Landsat и SPOT, производят изображения в красном и ближнем инфракрасном диапазоне. В Интернете есть бесплатные источники данных спутниковых изображений, в которых есть данные, которые можно загрузить и создать карты NDVI в АркГИС или QGIS.

Здоровье сельскохозяйственных культур является критически важным аспектом точного земледелия. Данные NDVI являются ценным инструментом для измерения это. Сегодня использование сельскохозяйственных дронов стало обычной практикой для сопоставления данных NDVI для сравнения измерений и выявления потенциальных проблем со здоровьем сельскохозяйственных культур. Измеряя разницу между ближним инфракрасным и красным светом, NDVI может помочь фермерам оптимизировать орошение и определить культуры, которым требуется больше воды или удобрений.

Например, PrecisionHawk и Сентера предоставлять сельскохозяйственные дроны, которые могут собирать и обрабатывать данные NDVI в течение одного дня, что является значительным улучшением по сравнению с традиционными методами NDVI, которые часто требуют длительного времени ожидания. Исследователи обнаружили, что Изображения NDVI можно получить даже с помощью стандартных цифровых RGB-камер. с некоторый модификации, и этот подход может быть интегрирован в системы мониторинга здоровья сельскохозяйственных культур.

Мобильные приложения получили широкое распространение в последние годы, используя данные NDVI как средство наблюдения за здоровьем растений. Доктор Орбита — одно из таких приложений, которое предоставляет фермерам данные NDVI, представленные в виде карт здоровья, для выявления любых аномалий на их полях. Эти приложения призваны революционизировать методы ведения сельского хозяйства, предоставляя новые способы полевой разведки и цифровизации сельского хозяйства. Инструменты удаленного полевого мониторинга, основанные на технологии NDVI, могут сэкономить фермерам значительные затраты на топливо, уменьшив потребность в частых посещениях полей, и могут помочь в эффективном управлении ирригацией.

Какой тип (беспилотной) камеры для NDVI? RGB и ИК-модернизация против мультиспектральной

Хорошо.. так что это своего рода горячее поле, которое я заметил, и кроличья нора становится все глубже и глубже.

Стандартный RGB камеры предназначены для захвата красного, зеленого и синего света, в то время как модифицированные камеры можно зафиксировать комбинацию Ближний инфракрасный, красный, зеленый и синий свет в зависимости от модели. Для создания здоровья растений RGB карты, показывающие «зеленость» посевов, можно использовать стандартную RGB-камеру со специальными алгоритмами в программном обеспечении.

Некоторые компании продают «фальшивыйАг или NDVI камеры, которые представляют собой обычные камеры с удаленным инфракрасным фильтром и установленным синим фильтром. Однако эти камеры неточны для радиометрических измерений, таких как NDVI, потому что между цветовыми каналами слишком много перекрытий, и у них нет датчика для учета различий в освещении между посещениями. В результате эти камеры могут показывать только относительные различия в данной области, но не точно измерять NDVI.

Настоящая и откалиброванная камера NDVI будет учитывать разницу в освещении и обеспечивать согласованные выходные данные между несколькими посещениями одного и того же объекта. Так что будьте бдительны при покупке модифицированная «камера NDVI», которая улавливает ближний инфракрасный свет, для апгрейда дронов (уже за $400) для захвата изображений в ближнем инфракрасном диапазоне (NIR) для проведения анализа состояния растительности с помощью Расчет NDVI. Но имейте в виду: это не настоящая камера NDVI, и это может ввести в заблуждение. А Сентера камера уже является лучшим вариантом, потому что они специально созданы и могут быть откалиброваны, но они все еще не соответствуют полноценной системе NDVI. Мультиспектральные камеры, действительный камеры NDVI являются дорогой, намного дороже, чем «модернизированные RGB/ИК-камеры». Секвойя попугая в $3500. Привязка АЦП TetraCam $4500, RedEdge от MicaSense $6000+.

Мультиспектральные изображения важны в сельском хозяйстве, поскольку они могут предоставить более подробную и точную информацию о сельскохозяйственных культурах и почве, чем традиционные камеры RGB.

Почему Мультиспектральный Изображения важны в агротех

Мультиспектральная визуализация захватывает данные изображения в пределах определенные диапазоны длин волн в электромагнитном спектре, используя фильтры или инструменты, чувствительные к определенным длинам волн. Он выходит за пределы диапазона видимого света и включает инфракрасный и ультрафиолет свет, что позволяет извлекать дополнительную информацию вне то, что человеческий глаз может обнаружить с помощью своих видимых рецепторов для красный, зеленый и синий. Первоначально разработанная для военной идентификации целей и разведки, многоспектральная визуализация использовалась в космической съемке для картографирования прибрежных границ Земли, растительности и рельефа. Он также нашел применение в анализе документов и живописи.

Вот несколько причин, по которым мультиспектральные изображения лучше подходят для сельскохозяйственных приложений:

  1. Большее спектральное разрешение: Мультиспектральные камеры захватывают изображения в нескольких узких полосах электромагнитного спектра, что позволяет проводить более подробный анализ конкретных длин волн света, которые растения поглощают или отражают. Это может помочь выявить такие проблемы, как дефицит питательных веществ или болезни, до того, как они будут видны невооруженным глазом.
  2. Расширенные вегетационные индексы: сравнивая значения коэффициента отражения различных длин волн света, мультиспектральные камеры могут создавать более сложные индексы растительности, чем традиционные камеры RGB. Эти индексы можно использовать для более точного измерения уровня здоровья, роста и стресса растений.
  3. Дифференциация типов почвы: мультиспектральные изображения также могут более эффективно различать типы почвы, что важно для точного земледелия. Это может помочь фермерам принимать более обоснованные решения в отношении методов орошения, внесения удобрений и управления культурами.
  4. Обнаружение водного стресса: Мультиспектральные камеры также могут обнаруживать водный стресс в сельскохозяйственных культурах, измеряя количество испускаемого ими инфракрасного излучения. Это может помочь фермерам определить, когда и сколько поливать.

Мультиспектральный визуализация обычно измеряет свет в небольшом количестве спектральных диапазонов, от 3 до 15.

Гиперспектральный визуализация представляет собой специализированную форму спектрального изображения, где для анализа доступны сотни смежных спектральных диапазонов. Захватив данные изображения в многочисленных спектральных диапазонах, гиперспектральная визуализация позволяет более точно идентифицировать и анализировать материалы, чем мультиспектральная визуализация.

Я думаю, мне нужно остановить это погружение прямо здесь. Надеюсь, вы узнали столько же, сколько и я.

ru_RURussian