NDVI అంటే ఏమిటి, వ్యవసాయంలో ఇది ఎలా ఉపయోగించబడుతుంది - ఏ కెమెరాలతో

ఖచ్చితమైన వ్యవసాయం మరియు విశ్లేషణలలో నా వ్యక్తిగత ప్రయాణంలో , చిత్రాల విశ్లేషణ సందర్భంలో నేను NDVIని చూశాను. దరఖాస్తుకు ముందు మరియు తరువాత ఎరువుల ప్రభావాన్ని అంచనా వేయడానికి 45-హెక్టార్ల సేంద్రీయ అల్ఫాల్ఫా క్షేత్రాన్ని విశ్లేషించడం నా లక్ష్యం. నా ప్రాథమిక ప్రశ్న: నేను ఎక్కడ, ఏ రకమైన మరియు ఎంత ఎరువులు వేయాలి మరియు అది లూసర్న్ పంటపై ఎలాంటి ప్రభావం చూపుతుంది? నేను ప్రామాణిక RGB కెమెరాతో Mavic Pro కెమెరాను కలిగి ఉన్నాను. నేను ఎలా కొనసాగించాలని ట్విట్టర్‌లో అడిగినప్పుడు, NDVIతో సహా అనేక రకాల వృక్షసంపద సూచికలను అన్వేషించడానికి మల్టీస్పెక్ట్రల్ డేటాను ఉపయోగించమని ఎవరైనా సూచించారు. కాబట్టి, నేను NDVI గురించి మరింత తెలుసుకోవడానికి కుందేలు రంధ్రంలోకి లోతుగా పరిశోధించాను.

నార్మలైజ్డ్ డిఫరెన్స్ వెజిటేషన్ ఇండెక్స్ (NDVI) అంటే ఏమిటి
NDVI చరిత్ర
మీరు NDVIని ఎలా లెక్కిస్తారు?
వ్యవసాయంలో ఎన్‌డివిఐ
NDVI కోసం ఏ రకమైన (డ్రోన్) కెమెరా? RGB & IR-అప్‌గ్రేడ్ vs మల్టీస్పెక్ట్రల్
ఎందుకు agtechలో మల్టీస్పెక్ట్రల్ చిత్రాలు ముఖ్యమైనవి

నార్మలైజ్డ్ డిఫరెన్స్ వెజిటేషన్ ఇండెక్స్ (NDVI) అనేది ఒక నిర్దిష్ట ప్రాంతంలో, ప్రత్యేకించి వ్యవసాయంలో ప్రత్యక్ష వృక్షసంపదను అంచనా వేయడానికి విస్తృతంగా అనుసరించబడిన పద్ధతి.

NDVI అంటే ఏమిటి (సాధారణీకరించిన వ్యత్యాస వృక్ష సూచిక)

మొక్కలు తమ సొంత ఆహారాన్ని తయారు చేసుకోవడానికి సూర్యరశ్మిని శక్తిగా ఉపయోగించే అద్భుతమైన జీవులు. వారు కిరణజన్య సంయోగక్రియ అనే ప్రక్రియ ద్వారా దీన్ని చేస్తారు, ఇది వారి ఆకులలో సంభవిస్తుంది. ఆసక్తికరంగా, మొక్క ఆకులు సూర్యరశ్మిని గ్రహించడమే కాకుండా, వాటిలో కొంత భాగాన్ని తిరిగి ప్రతిబింబిస్తాయి. సమీప-పరారుణ కాంతికి ఇది ప్రత్యేకంగా వర్తిస్తుంది, ఇది మన కళ్ళకు కనిపించదు కానీ సూర్యకాంతిలోని శక్తిలో సగం ఉంటుంది.

ఈ ప్రతిబింబానికి కారణం ఏమిటంటే, చాలా సమీప-పరారుణ కాంతి నిజానికి మొక్కలకు హానికరం. కాబట్టి, వారు ఈ రకమైన కాంతిని ప్రతిబింబించడం ద్వారా తమను తాము రక్షించుకోవడానికి అభివృద్ధి చెందారు. ఫలితంగా, ప్రత్యక్ష ఆకుపచ్చ మొక్కలు కనిపించే కాంతిలో చీకటిగా కనిపిస్తాయి, కానీ సమీప-ఇన్‌ఫ్రారెడ్ స్పెక్ట్రంలో ప్రకాశవంతంగా కనిపిస్తాయి. ఇది మేఘాలు మరియు మంచుకు భిన్నంగా ఉంటుంది, ఇవి కనిపించే కాంతిలో ప్రకాశవంతంగా కనిపిస్తాయి కాని సమీప-ఇన్‌ఫ్రారెడ్ స్పెక్ట్రమ్‌లో చీకటిగా ఉంటాయి.

NDVI లేదా సాధారణీకరించిన వ్యత్యాస వృక్ష సూచిక అనే సాధనాన్ని ఉపయోగించి మొక్కలను అధ్యయనం చేయడానికి శాస్త్రవేత్తలు ఈ ప్రత్యేక లక్షణాన్ని ఉపయోగించుకోవచ్చు. NDVI మొక్కలు ప్రతిబింబించే ఎరుపు మరియు సమీప-పరారుణ కాంతి పరిమాణం మధ్య వ్యత్యాసాన్ని కొలుస్తుంది. మొక్క ఎంత ఎక్కువ ఆకులను కలిగి ఉంటే, కాంతి యొక్క ఈ తరంగదైర్ఘ్యాలు ఎక్కువగా ప్రభావితమవుతాయి, ఇది మొక్కల ఆరోగ్యం మరియు పంపిణీ గురించి మాకు ముఖ్యమైన సమాచారాన్ని అందిస్తుంది.

NDVI అనేది శాస్త్రవేత్తలు మొక్కలు మరియు వ్యవసాయాన్ని అధ్యయనం చేయడానికి ఉపగ్రహ చిత్రాలను ఉపయోగించే ఒక మార్గం. మొక్కలు సూర్యరశ్మితో ఎలా సంకర్షణ చెందుతాయో అర్థం చేసుకోవడం ద్వారా, మన చుట్టూ ఉన్న ప్రపంచం గురించి మరియు మన గ్రహాన్ని ఎలా చూసుకోవాలో మనం మరింత తెలుసుకోవచ్చు.

సారాంశం: NDVI అనేది ఆరోగ్యకరమైన వృక్షసంపద యొక్క ప్రామాణిక కొలత. ఇది సమీప-పరారుణ (NIR) మరియు ఎరుపు కాంతి మధ్య వ్యత్యాసాన్ని కొలవడం ద్వారా వృక్షసంపదను అంచనా వేస్తుంది. ఆరోగ్యకరమైన వృక్షసంపద ఇతర తరంగదైర్ఘ్యాల కంటే ఎక్కువ NIR మరియు ఆకుపచ్చ కాంతిని ప్రతిబింబిస్తుంది, అయితే ఇది మరింత ఎరుపు మరియు నీలం కాంతిని గ్రహిస్తుంది. NDVI విలువలు ఎల్లప్పుడూ -1 నుండి +1 వరకు ఉంటాయి.

NDVI చరిత్ర

లో 1957, సోవియట్ యూనియన్ ప్రారంభించింది స్పుత్నిక్ 1, భూమి కక్ష్యలోకి వచ్చిన మొదటి కృత్రిమ ఉపగ్రహం. ఇది సోవియట్ యూనియన్‌లోని స్పుత్నిక్ మరియు కాస్మోస్ ప్రోగ్రామ్‌లు మరియు USలో ఎక్స్‌ప్లోరర్ ప్రోగ్రామ్ వంటి వాతావరణ ఉపగ్రహాల అభివృద్ధికి దారితీసింది. TIROS సిరీస్ లో ఉపగ్రహాలను ప్రయోగించారు 1960, మరియు నేషనల్ ఓషియానిక్ అండ్ అట్మాస్ఫియరిక్ అడ్మినిస్ట్రేషన్ (NOAA) ప్లాట్‌ఫారమ్‌లలో నింబస్ ఉపగ్రహాలు మరియు అధునాతన వెరీ హై రిజల్యూషన్ రేడియోమీటర్ సాధనాలు అనుసరించబడ్డాయి. నాసా ఎర్త్ రిసోర్సెస్ టెక్నాలజీ శాటిలైట్ (ERTS) ను కూడా అభివృద్ధి చేసింది, ఇది ల్యాండ్‌శాట్ ప్రోగ్రామ్‌కు పూర్వగామిగా మారింది.

ది ల్యాండ్‌శాట్ కార్యక్రమం లో ప్రారంభించబడింది 1972 మల్టీస్పెక్ట్రల్ స్కానర్ (MSS)తో, ఇది భూమిని రిమోట్ సెన్సింగ్ కోసం అనుమతించింది. సెంట్రల్ USలోని గ్రేట్ ప్లెయిన్స్ ప్రాంతంపై దృష్టి సారించిన ల్యాండ్‌శాట్‌ని ఉపయోగించిన ఒక ప్రారంభ అధ్యయనం, ఈ బలమైన అక్షాంశ ప్రవణత అంతటా సౌర అత్యున్నత కోణం ఉపగ్రహ వర్ణపట సంకేతాల నుండి రేంజ్‌ల్యాండ్ వృక్షాల యొక్క బయోఫిజికల్ లక్షణాలను పరస్పరం అనుసంధానించడం కష్టతరం చేసిందని పరిశోధకులు కనుగొన్నారు. సౌర అత్యున్నత కోణం యొక్క ప్రభావాలకు సర్దుబాటు చేయడానికి వారు సాధారణీకరించిన వ్యత్యాస వృక్ష సూచిక (NDVI)ని అభివృద్ధి చేశారు. NDVI ఇప్పుడు లైవ్ గ్రీన్ ప్లాంట్ పందిరిని గుర్తించడానికి అత్యంత ప్రసిద్ధ మరియు ఉపయోగించిన సూచిక మల్టీస్పెక్ట్రల్ రిమోట్ సెన్సింగ్ డేటాలో. మొక్కల పందిరి యొక్క కిరణజన్య సంయోగక్రియ సామర్థ్యాన్ని లెక్కించడానికి కూడా ఇది ఉపయోగించబడుతుంది, అయితే ఇది సంక్లిష్టమైన పని.

మీరు NDVIని ఎలా లెక్కిస్తారు?

NDVI దాని ఫార్ములాలో NIR మరియు ఎరుపు ఛానెల్‌లను ఉపయోగిస్తుంది. Landsat మరియు Sentinel-2 వంటి ఉపగ్రహాలు NIR మరియు ఎరుపు రంగులతో అవసరమైన బ్యాండ్‌లను కలిగి ఉంటాయి. ఫలితం a -1 మరియు +1 మధ్య విలువ. మీరు ఎరుపు ఛానెల్‌లో తక్కువ ప్రతిబింబం మరియు NIR ఛానెల్‌లో అధిక ప్రతిబింబం కలిగి ఉంటే, ఇది అధిక NDVI విలువను అందిస్తుంది మరియు దీనికి విరుద్ధంగా ఉంటుంది.

వ్యవసాయంలో ఎన్‌డివిఐ

NDVI ఉంది అనేక అప్లికేషన్లు వివిధ రంగాలలో. ఫారెస్టర్లు అటవీ సరఫరా మరియు ఆకుల విస్తీర్ణం సూచికను లెక్కించడానికి NDVIని ఉపయోగించండి మరియు నాసా NDVI కరువుకు మంచి సూచిక అని పేర్కొంది. నీరు వృక్షసంపద పెరుగుదలను పరిమితం చేసినప్పుడు, అది తక్కువ సాపేక్ష NDVI మరియు వృక్షసంపద యొక్క సాంద్రతను కలిగి ఉంటుంది. NDVIని ఉపయోగించే ఇతర రంగాలు ఉన్నాయి పర్యావరణ శాస్త్రం, పట్టణ ప్రణాళిక మరియు సహజ వనరుల నిర్వహణ.

NDVI ఉంది వ్యవసాయంలో విస్తృతంగా ఉపయోగిస్తారు పంట ఆరోగ్యాన్ని పర్యవేక్షించడానికి మరియు నీటిపారుదలని ఆప్టిమైజ్ చేయడానికి. రైతులు ఖచ్చితమైన వ్యవసాయం కోసం, బయోమాస్‌ను కొలవడానికి మరియు ఎక్కువ నీరు లేదా ఎరువులు అవసరమయ్యే పంటలను గుర్తించడానికి NDVIని ఉపయోగిస్తారు.

NDVIని ఎలా ఉపయోగించాలి? ఉపగ్రహ చిత్రాలు వర్సెస్ డ్రోన్ చిత్రాలు

NDVI కోసం ఏ ఉపగ్రహ చిత్రాలు సమీప ఇన్‌ఫ్రారెడ్‌ను కలిగి ఉన్నాయి? ముందే చెప్పినట్లుగా, సెంటినెల్-2, ల్యాండ్‌శాట్ మరియు స్పాట్ వంటి ఉపగ్రహాలు ఎరుపు మరియు సమీప-ఇన్‌ఫ్రారెడ్ చిత్రాలను ఉత్పత్తి చేస్తాయి. వెబ్‌లో ఉచిత శాటిలైట్ ఇమేజరీ డేటా సోర్స్‌లు ఉన్నాయి, అందులో ఒకరు NDVI మ్యాప్‌లను డౌన్‌లోడ్ చేయగల మరియు సృష్టించగల డేటాను కలిగి ఉన్నారు ArcGIS లేదా QGIS.

ఖచ్చితమైన వ్యవసాయంలో పంట ఆరోగ్యం కీలకమైన అంశం, మరియు NDVI డేటా కొలిచే విలువైన సాధనం అది. నేడు, కొలతలను సరిపోల్చడానికి మరియు సంభావ్య పంట ఆరోగ్య సమస్యలను గుర్తించడానికి NDVI డేటాను జత చేయడంలో వ్యవసాయ డ్రోన్‌ల ఉపయోగం సాధారణ పద్ధతిగా మారింది. సమీప-పరారుణ మరియు ఎరుపు కాంతి మధ్య వ్యత్యాసాన్ని కొలవడం ద్వారా, NDVI రైతులకు నీటిపారుదలని ఆప్టిమైజ్ చేయడానికి మరియు ఎక్కువ నీరు లేదా ఎరువులు అవసరమయ్యే పంటలను గుర్తించడంలో సహాయపడుతుంది.

ఉదాహరణకి, ప్రెసిషన్ హాక్ మరియు సెంటెరా NDVI డేటాను ఒకే రోజులో క్యాప్చర్ చేయగల మరియు ప్రాసెస్ చేయగల అగ్రికల్చర్ డ్రోన్‌లను అందిస్తుంది, ఇది సాంప్రదాయ NDVI టెక్నిక్‌ల కంటే చాలా కాలం వేచి ఉండే సమయాలలో గణనీయమైన మెరుగుదల. అని పరిశోధకులు కనుగొన్నారు NDVI చిత్రాలను ప్రామాణిక డిజిటల్ RGB కెమెరాలను ఉపయోగించి కూడా పొందవచ్చు తో కొన్ని సవరణలు, మరియు ఈ విధానాన్ని పంట ఆరోగ్య పర్యవేక్షణ వ్యవస్థలలో విలీనం చేయవచ్చు.

మొబైల్ అప్లికేషన్లు ఇటీవలి సంవత్సరాలలో విస్తరించాయి, NDVI డేటాను ఉపయోగించడం పంట ఆరోగ్యాన్ని పర్యవేక్షించే సాధనంగా. డాక్టార్ కక్ష్య రైతులకు వారి ఫీల్డ్‌లలో ఏవైనా క్రమరాహిత్యాలను గుర్తించడానికి ఆరోగ్య పటాలుగా అందించిన NDVI డేటాను అందించే అటువంటి యాప్ ఒకటి. ఫీల్డ్ స్కౌటింగ్ మరియు వ్యవసాయాన్ని డిజిటలైజ్ చేయడానికి కొత్త మార్గాలను అందించడం ద్వారా వ్యవసాయ పద్ధతులను విప్లవాత్మకంగా మార్చడం ఈ యాప్‌ల లక్ష్యం. NDVI సాంకేతికతపై ఆధారపడిన రిమోట్ ఫీల్డ్ మానిటరింగ్ సాధనాలు తరచుగా క్షేత్ర సందర్శనల అవసరాన్ని తగ్గించడం ద్వారా రైతులకు గణనీయమైన ఇంధన ఖర్చులను ఆదా చేయగలవు మరియు సమర్థవంతమైన నీటిపారుదల నిర్వహణలో సహాయపడతాయి.

NDVI కోసం ఏ రకమైన (డ్రోన్) కెమెరా? RGB & IR-అప్‌గ్రేడ్ vs మల్టీస్పెక్ట్రల్

సరే.. ఇది నేను గమనించిన వేడి క్షేత్రం, మరియు కుందేలు రంధ్రం మరింత లోతుగా వెళ్తుంది.

ప్రామాణిక RGB కెమెరాలు ఎరుపు, ఆకుపచ్చ మరియు నీలం కాంతిని సంగ్రహించడానికి రూపొందించబడ్డాయి సవరించిన కెమెరాలు కలయికను సంగ్రహించవచ్చు ఇన్‌ఫ్రారెడ్, ఎరుపు, ఆకుపచ్చ మరియు నీలం దగ్గర మోడల్ ఆధారంగా కాంతి. RGB మొక్కల ఆరోగ్యాన్ని ఉత్పత్తి చేయడానికి పంటల "పచ్చదనాన్ని" చూపించే పటాలు, ఒక చెయ్యవచ్చు ప్రామాణిక RGB కెమెరాను ఉపయోగించండి సాఫ్ట్‌వేర్‌లో నిర్దిష్ట అల్గారిథమ్‌లతో.

కొన్ని కంపెనీలు విక్రయిస్తున్నాయి "నకిలీ” ఆగ లేదా NDVI కెమెరాలు, ఇన్‌ఫ్రారెడ్ ఫిల్టర్ తీసివేయబడిన మరియు బ్లూ ఫిల్టర్ ఇన్‌స్టాల్ చేయబడిన సాధారణ కెమెరాలు. అయితే, ఈ కెమెరాలు NDVI వంటి రేడియోమెట్రిక్ కొలతలకు సరికావు ఎందుకంటే రంగు ఛానెల్‌ల మధ్య చాలా అతివ్యాప్తి ఉంది మరియు సందర్శనల మధ్య లైటింగ్‌లో తేడాలను లెక్కించడానికి వాటికి సెన్సార్ లేదు. ఫలితంగా, ఈ కెమెరాలు ఇచ్చిన ప్రాంతంలో సంబంధిత వ్యత్యాసాలను మాత్రమే చూపగలవు, కానీ NDVIని ఖచ్చితంగా కొలవలేవు.

నిజమైన మరియు క్రమాంకనం చేయబడిన NDVI కెమెరా లైటింగ్ తేడాలను పరిగణనలోకి తీసుకుంటుంది మరియు ఒకే సైట్‌కు బహుళ సందర్శనల మధ్య స్థిరమైన అవుట్‌పుట్‌లను అందిస్తుంది. కాబట్టి కొనుగోలు చేసేటప్పుడు జాగ్రత్తగా ఉండండి సమీప-ఇన్‌ఫ్రారెడ్ లైట్‌ని క్యాప్చర్ చేసే "NDVI కెమెరా" సవరించబడింది, డ్రోన్‌లను అప్‌గ్రేడ్ చేయడానికి (ఇప్పటికే $400) ద్వారా వృక్షసంపద ఆరోగ్య విశ్లేషణను నిర్వహించడానికి సమీప-ఇన్‌ఫ్రారెడ్ (NIR) చిత్రాలను సంగ్రహించడం NDVI గణన. కానీ దయచేసి గమనించండి: ఇది నిజమైన NDVI కెమెరా కాదు, మరియు ఇది తప్పుదారి పట్టించేది కావచ్చు. ఎ సెంటెరా కెమెరా ఇప్పటికే ఒక మంచి ఎంపిక ఎందుకంటే అవి ఉద్దేశ్యంతో నిర్మించబడ్డాయి మరియు క్రమాంకనం చేయబడతాయి, కానీ అవి ఇప్పటికీ పూర్తి NDVI సిస్టమ్‌లో లేవు. మల్టీస్పెక్ట్రల్ కెమెరాలు, అసలు NDVI కెమెరాలు ఉన్నాయి ఖరీదైన, "అప్‌గ్రేడ్ చేసిన RGB/IR కెమెరాల" కంటే చాలా ఖరీదైనది. చిలుక యొక్క సీక్వోయా వద్ద $3500. TetraCam ADC స్నాప్ $4500, MicaSense యొక్క RedEdge $6000+.

వ్యవసాయంలో మల్టీస్పెక్ట్రల్ ఇమేజరీ ముఖ్యమైనది ఎందుకంటే ఇది సాంప్రదాయ RGB కెమెరాల కంటే పంటలు మరియు నేల గురించి మరింత వివరమైన మరియు ఖచ్చితమైన సమాచారాన్ని అందించగలదు.

ఎందుకు మల్టీస్పెక్ట్రల్ Agtechలో చిత్రాలు ముఖ్యమైనవి

మల్టీస్పెక్ట్రల్ ఇమేజింగ్ లోపల ఇమేజ్ డేటాను క్యాప్చర్ చేస్తుంది నిర్దిష్ట తరంగదైర్ఘ్యం విద్యుదయస్కాంత వర్ణపటం అంతటా ఉంటుంది, నిర్దిష్ట తరంగదైర్ఘ్యాలకు సున్నితంగా ఉండే ఫిల్టర్‌లు లేదా సాధనాలను ఉపయోగించడం. ఇది చేర్చడానికి కనిపించే కాంతి పరిధికి మించి విస్తరించింది పరారుణ మరియు అతినీలలోహిత కాంతి, అదనపు సమాచారం యొక్క వెలికితీతను ప్రారంభించడం దాటి మానవ కన్ను దాని కనిపించే గ్రాహకాలతో దేనిని గుర్తించగలదు ఎరుపు, ఆకుపచ్చ మరియు నీలం. వాస్తవానికి సైనిక లక్ష్య గుర్తింపు మరియు నిఘా కోసం అభివృద్ధి చేయబడింది, మల్టీస్పెక్ట్రల్ ఇమేజింగ్ భూమి యొక్క తీర సరిహద్దులు, వృక్షసంపద మరియు భూభాగాల వివరాలను మ్యాప్ చేయడానికి అంతరిక్ష-ఆధారిత ఇమేజింగ్‌లో ఉపయోగించబడింది. ఇది డాక్యుమెంట్ మరియు పెయింటింగ్ విశ్లేషణలో అప్లికేషన్‌లను కూడా కనుగొంది.

మల్టీస్పెక్ట్రల్ ఇమేజరీ వ్యవసాయ అనువర్తనాలకు ఎందుకు బాగా సరిపోతుందో ఇక్కడ కొన్ని కారణాలు ఉన్నాయి:

1. గ్రేటర్ స్పెక్ట్రల్ రిజల్యూషన్: మల్టీస్పెక్ట్రల్ కెమెరాలు విద్యుదయస్కాంత వర్ణపటం యొక్క బహుళ ఇరుకైన బ్యాండ్‌లలో చిత్రాలను సంగ్రహిస్తాయి, ఇది మొక్కలు గ్రహించే లేదా ప్రతిబింబించే కాంతి యొక్క నిర్దిష్ట తరంగదైర్ఘ్యాలను మరింత వివరంగా విశ్లేషించడానికి అనుమతిస్తుంది. ఇది పోషకాహార లోపాలు లేదా వ్యాధి వంటి సమస్యలను కంటికి కనిపించే ముందు గుర్తించడంలో సహాయపడుతుంది.
2. మెరుగైన వృక్ష సూచికలు: కాంతి యొక్క వివిధ తరంగదైర్ఘ్యాల ప్రతిబింబ విలువలను పోల్చడం ద్వారా, మల్టీస్పెక్ట్రల్ కెమెరాలు సాంప్రదాయ RGB కెమెరాల కంటే మరింత అధునాతన వృక్ష సూచికలను సృష్టించగలవు. మొక్కల ఆరోగ్యం, పెరుగుదల మరియు ఒత్తిడి స్థాయిలను మరింత ఖచ్చితంగా కొలవడానికి ఈ సూచికలను ఉపయోగించవచ్చు.
3. నేల రకాల భేదం: మల్టీస్పెక్ట్రల్ ఇమేజరీ కూడా మట్టి రకాలను మరింత ప్రభావవంతంగా వేరు చేయగలదు, ఇది ఖచ్చితమైన వ్యవసాయానికి ముఖ్యమైనది. ఇది నీటిపారుదల, ఫలదీకరణం మరియు పంట నిర్వహణ పద్ధతుల గురించి మరింత సమాచారంతో కూడిన నిర్ణయాలు తీసుకోవడానికి రైతులకు సహాయపడుతుంది.
4. నీటి ఒత్తిడిని గుర్తించడం: మల్టీస్పెక్ట్రల్ కెమెరాలు అవి విడుదల చేసే ఇన్‌ఫ్రారెడ్ రేడియేషన్ పరిమాణాన్ని కొలవడం ద్వారా పంటలలో నీటి ఒత్తిడిని కూడా గుర్తించగలవు. ఇది రైతులకు ఎప్పుడు, ఎంత నీరు ఇవ్వాలో నిర్ణయించడంలో సహాయపడుతుంది.

మల్టీస్పెక్ట్రల్ ఇమేజింగ్ సాధారణంగా తక్కువ సంఖ్యలో స్పెక్ట్రల్ బ్యాండ్‌లలో కాంతిని కొలుస్తుంది, 3 నుండి 15 వరకు.

హైపర్ స్పెక్ట్రల్ ఇమేజింగ్ స్పెక్ట్రల్ ఇమేజింగ్ యొక్క ప్రత్యేక రూపం, విశ్లేషణ కోసం వందలాది వరుస స్పెక్ట్రల్ బ్యాండ్‌లు అందుబాటులో ఉన్నాయి. అనేక స్పెక్ట్రల్ బ్యాండ్‌లలో ఇమేజ్ డేటాను సంగ్రహించడం ద్వారా, హైపర్‌స్పెక్ట్రల్ ఇమేజింగ్ మల్టీస్పెక్ట్రల్ ఇమేజింగ్ కంటే మెటీరియల్‌లను మరింత ఖచ్చితమైన గుర్తింపు మరియు విశ్లేషణ కోసం అనుమతిస్తుంది.

నేను ఈ డైవ్‌ని ఇక్కడే ఆపాలని అనుకుంటున్నాను. నేను చేసినంత మాత్రాన మీరు కూడా నేర్చుకున్నారని ఆశిస్తున్నాను.