NDVI کیا ہے، اسے زراعت میں کیسے استعمال کیا جاتا ہے - کن کیمروں کے ساتھ

درست زراعت اور تجزیات میں اپنے ذاتی سفر پر، میں نے تصویری تجزیہ کے تناظر میں NDVI کا سامنا کیا۔ میرا مقصد نامیاتی الفافہ کے 45 ہیکٹر فیلڈ کا تجزیہ کرنا ہے تاکہ استعمال سے پہلے اور بعد میں کھاد کے اثر کا اندازہ کیا جا سکے۔ میرا بنیادی سوال یہ ہے کہ میں کہاں، کس قسم کی اور کتنی کھاد ڈالوں، اور اس کا لوسرن کی فصل پر کیا اثر پڑے گا؟ میرے پاس معیاری RGB کیمرے والا Mavic Pro کیمرہ ہے۔ جب میں نے ٹویٹر پر پوچھا کہ آگے بڑھنے کا طریقہ، کسی نے NDVI سمیت مدد کرنے کے لیے پودوں کے اشاریے کی ایک رینج کو دریافت کرنے کے لیے ملٹی اسپیکٹرل ڈیٹا استعمال کرنے کا مشورہ دیا۔ لہذا، میں نے NDVI کے بارے میں مزید جاننے کے لیے خرگوش کے سوراخ میں گہرائی تک رسائی حاصل کی۔

نارملائزڈ فرق ویجیٹیشن انڈیکس (NDVI) کیا ہے؟
NDVI کی تاریخ
آپ NDVI کا حساب کیسے لگاتے ہیں؟
زراعت میں NDVI
NDVI کے لیے کس قسم کا (ڈرون) کیمرہ؟ آر جی بی اور آئی آر اپ گریڈ بمقابلہ ملٹی اسپیکٹرل
کیوں ملٹی اسپیکٹرل امیجز agtech میں اہم ہیں۔

نارملائزڈ ڈفرنس ویجیٹیشن انڈیکس (NDVI) ایک مخصوص خطہ، خاص طور پر زراعت میں زندہ پودوں کی مقدار کا اندازہ کرنے کے لیے ایک وسیع پیمانے پر اپنایا جانے والا طریقہ ہے۔

NDVI کیا ہے (نارملائزڈ فرق ویجیٹیشن انڈیکس)

پودے حیرت انگیز جاندار ہیں جو اپنی خوراک بنانے کے لیے سورج کی روشنی کو توانائی کے طور پر استعمال کرتے ہیں۔ وہ یہ کام فوٹو سنتھیس نامی عمل کے ذریعے کرتے ہیں، جو ان کے پتوں میں ہوتا ہے۔ دلچسپ بات یہ ہے کہ پودوں کے پتے نہ صرف سورج کی روشنی کو جذب کرتے ہیں بلکہ وہ اس میں سے کچھ کو واپس بھی منعکس کرتے ہیں۔ یہ خاص طور پر قریب اورکت روشنی کے لیے درست ہے، جو ہماری آنکھوں سے نظر نہیں آتی لیکن سورج کی روشنی میں توانائی کا نصف حصہ بناتی ہے۔

اس عکاسی کی وجہ یہ ہے کہ بہت زیادہ قریب اورکت روشنی دراصل پودوں کے لیے نقصان دہ ہو سکتی ہے۔ لہذا، انہوں نے اس قسم کی روشنی کو منعکس کرکے اپنے آپ کو بچانے کے لیے تیار کیا ہے۔ نتیجے کے طور پر، زندہ سبز پودے نظر آنے والی روشنی میں سیاہ نظر آتے ہیں، لیکن قریب اورکت سپیکٹرم میں روشن دکھائی دیتے ہیں۔ یہ بادلوں اور برف سے مختلف ہے، جو مرئی روشنی میں روشن نظر آتے ہیں لیکن قریب اورکت سپیکٹرم میں سیاہ نظر آتے ہیں۔

سائنس دان NDVI، یا نارملائزڈ ڈفرنس ویجیٹیشن انڈیکس نامی ٹول کا استعمال کرتے ہوئے پودوں کا مطالعہ کرنے کے لیے اس منفرد خصلت سے فائدہ اٹھا سکتے ہیں۔ NDVI پودوں سے منعکس ہونے والی سرخ اور قریب اورکت روشنی کی مقدار کے درمیان فرق کی پیمائش کرتا ہے۔ پودے میں جتنے زیادہ پتے ہوتے ہیں، روشنی کی یہ طول موج اتنی ہی زیادہ متاثر ہوتی ہے، جو ہمیں پودوں کی صحت اور تقسیم کے بارے میں اہم معلومات فراہم کر سکتی ہے۔

NDVI سائنسدانوں کے لیے پودوں اور زراعت کا مطالعہ کرنے کے لیے سیٹلائٹ کی تصاویر استعمال کرنے کا ایک طریقہ ہے۔ یہ سمجھنے سے کہ پودے سورج کی روشنی کے ساتھ کیسے تعامل کرتے ہیں، ہم اپنے ارد گرد کی دنیا اور اپنے سیارے کی دیکھ بھال کے بارے میں مزید جان سکتے ہیں۔

خلاصہ: NDVI صحت مند پودوں کا ایک معیاری پیمانہ ہے۔. یہ قریب اورکت (NIR) اور سرخ روشنی کے درمیان فرق کی پیمائش کرکے پودوں کی مقدار درست کرتا ہے۔ صحت مند نباتات دیگر طول موجوں کے مقابلے زیادہ NIR اور سبز روشنی کی عکاسی کرتی ہیں، لیکن یہ سرخ اور نیلی روشنی کو زیادہ جذب کرتی ہے۔ NDVI قدریں ہمیشہ -1 سے +1 تک ہوتی ہیں۔

NDVI کی تاریخ

میں 1957، سوویت یونین نے شروع کیا۔ سپوتنک 1، زمین کے گرد چکر لگانے والا پہلا مصنوعی سیارہ۔ اس کی وجہ سے موسمیاتی سیٹلائٹس کی ترقی ہوئی، جیسے سوویت یونین میں سپوتنک اور کاسموس پروگرام، اور امریکہ میں ایکسپلورر پروگرام۔ TIROS سیریز میں سیٹلائٹ لانچ کیے گئے۔ 1960، اور اس کے بعد نیشنل اوشینک اینڈ ایٹموسفیرک ایڈمنسٹریشن (NOAA) پلیٹ فارمز پر نمبس سیٹلائٹس اور ایڈوانسڈ ویری ہائی ریزولوشن ریڈیومیٹر آلات شامل تھے۔ ناسا نے ارتھ ریسورس ٹیکنالوجی سیٹلائٹ (ERTS) بھی تیار کیا، جو Landsat پروگرام کا پیش خیمہ بن گیا۔

دی لینڈ سیٹ پروگرام میں لانچ کیا گیا تھا۔ 1972 ملٹی اسپیکٹرل سکینر (MSS) کے ساتھ، جس نے زمین کی ریموٹ سینسنگ کی اجازت دی۔ مرکزی امریکی محققین کے عظیم میدانی علاقے پر توجہ مرکوز کرتے ہوئے لینڈ سیٹ کا استعمال کرتے ہوئے ایک ابتدائی مطالعہ نے پایا کہ اس مضبوط عرض البلد میلان میں شمسی زینت زاویہ نے سیٹلائٹ سپیکٹرل سگنلز سے رینج لینڈ پودوں کی حیاتیاتی خصوصیات کو آپس میں جوڑنا مشکل بنا دیا۔ انہوں نے شمسی زینتھ زاویہ کے اثرات کو ایڈجسٹ کرنے کے ایک ذریعہ کے طور پر نارملائزڈ فرق ویجیٹیشن انڈیکس (NDVI) تیار کیا۔ NDVI اب زندہ سبز پودوں کی چھتوں کا پتہ لگانے کے لیے سب سے مشہور اور استعمال شدہ انڈیکس ہے۔ ملٹی اسپیکٹرل ریموٹ سینسنگ ڈیٹا میں۔ یہ پودوں کی چھتریوں کی روشنی سنتھیٹک صلاحیت کی مقدار کے لیے بھی استعمال ہوتا ہے، لیکن یہ ایک پیچیدہ کام ہو سکتا ہے۔

آپ NDVI کا حساب کیسے لگاتے ہیں؟

این ڈی وی آئی اپنے فارمولے میں NIR اور ریڈ چینلز کا استعمال کرتا ہے۔. لینڈ سیٹ اور سینٹینیل-2 جیسے سیٹلائٹس میں این آئی آر اور سرخ کے ساتھ ضروری بینڈ ہوتے ہیں۔ نتیجہ ایک پیدا کرتا ہے۔ -1 اور +1 کے درمیان قدر۔ اگر آپ کے ریڈ چینل میں کم عکاسی ہے اور NIR چینل میں زیادہ عکاسی ہے، تو اس سے ایک اعلی NDVI قدر ملے گی، اور اس کے برعکس۔

زراعت میں NDVI

NDVI کے پاس ہے۔ کئی ایپلی کیشنز مختلف شعبوں میں. جنگلات جنگل کی فراہمی اور لیف ایریا انڈیکس کی مقدار معلوم کرنے کے لیے NDVI استعمال کریں۔ ناسا بیان کرتا ہے کہ NDVI خشک سالی کا ایک اچھا اشارہ ہے۔ جب پانی پودوں کی نشوونما کو محدود کرتا ہے، تو اس میں نسبتاً کم نسبتہ NDVI اور پودوں کی کثافت ہوتی ہے۔ دوسرے شعبے جو NDVI استعمال کرتے ہیں ان میں شامل ہیں۔ ماحولیاتی سائنس، شہری منصوبہ بندی، اور قدرتی وسائل کا انتظام۔

NDVI ہے وسیع پیمانے پر زراعت میں استعمال کیا جاتا ہے فصل کی صحت کی نگرانی اور آبپاشی کو بہتر بنانے کے لیے۔ کسان NDVI کا استعمال درست کھیتی بایوماس کی پیمائش کے لیے، اور ان فصلوں کی شناخت کے لیے کرتے ہیں جن کو زیادہ پانی یا کھاد کی ضرورت ہوتی ہے۔

NDVI کا استعمال کیسے کریں؟ سیٹلائٹ امیجری بمقابلہ ڈرون امیجری

کون سی سیٹلائٹ تصویر NDVI کے لیے قریب اورکت ہے؟ جیسا کہ پہلے ذکر کیا گیا ہے، سینٹینیل-2، لینڈ سیٹ، اور SPOT جیسے سیٹلائٹس سرخ اور قریب اورکت تصاویر تیار کرتے ہیں۔ ویب پر مفت سیٹلائٹ امیجری ڈیٹا کے ذرائع موجود ہیں، جس میں ڈیٹا موجود ہے جسے کوئی بھی ڈاؤن لوڈ کر کے NDVI نقشے بنا سکتا ہے۔ آرکی جی آئی ایس یا کیو جی آئی ایس.

فصل کی صحت صحت سے متعلق زراعت کا ایک اہم پہلو ہے، اور NDVI ڈیٹا پیمائش کے لیے ایک قابل قدر ٹول ہے۔ یہ. آج، پیمائش کا موازنہ کرنے اور فصلوں کی صحت کے ممکنہ مسائل کی نشاندہی کرنے کے لیے NDVI ڈیٹا کو جوڑا بنانے کے لیے زرعی ڈرون کا استعمال عام ہو گیا ہے۔ قریب اورکت اور سرخ روشنی کے درمیان فرق کی پیمائش کرکے، NDVI کسانوں کو آبپاشی کو بہتر بنانے اور ان فصلوں کی نشاندہی کرنے میں مدد کر سکتا ہے جنہیں زیادہ پانی یا کھاد کی ضرورت ہوتی ہے۔

مثال کے طور پر، PrecisionHawk اور سینٹیرا زرعی ڈرون فراہم کرتے ہیں جو NDVI ڈیٹا کو ایک دن کے اندر پکڑ سکتے ہیں اور اس پر کارروائی کر سکتے ہیں، جو کہ روایتی NDVI تکنیکوں کے مقابلے میں ایک نمایاں بہتری ہے جس کے لیے اکثر طویل انتظار کا وقت درکار ہوتا ہے۔ محققین نے پایا ہے کہ معیاری ڈیجیٹل RGB کیمروں کا استعمال کرتے ہوئے NDVI تصاویر بھی حاصل کی جا سکتی ہیں۔ کے ساتھ کچھ ترمیمات، اور اس نقطہ نظر کو فصلوں کی صحت کی نگرانی کے نظام میں ضم کیا جا سکتا ہے۔

حالیہ برسوں میں موبائل ایپلی کیشنز میں اضافہ ہوا ہے، NDVI ڈیٹا کا استعمال فصل کی صحت کی نگرانی کے ایک ذریعہ کے طور پر۔ ڈاکٹر کا مدار ایک ایسی ایپ ہے جو کسانوں کو NDVI ڈیٹا فراہم کرتی ہے جو صحت کے نقشے کے طور پر پیش کیے جاتے ہیں تاکہ ان کے کھیتوں میں کسی بھی بے ضابطگی کی نشاندہی کی جا سکے۔ ان ایپس کا مقصد فیلڈ سکاؤٹنگ اور زراعت کو ڈیجیٹلائز کرنے کے نئے طریقے فراہم کرکے کاشتکاری کے طریقوں میں انقلاب لانا ہے۔ NDVI ٹکنالوجی پر مبنی ریموٹ فیلڈ مانیٹرنگ ٹولز کسانوں کو بار بار کھیت کے دوروں کی ضرورت کو کم کرکے ایندھن کے اہم اخراجات کو بچا سکتے ہیں، اور موثر آبپاشی کے انتظام میں مدد کر سکتے ہیں۔

NDVI کے لیے کس قسم کا (ڈرون) کیمرہ؟ آر جی بی اور آئی آر اپ گریڈ بمقابلہ ملٹی اسپیکٹرل

ٹھیک ہے.. تو یہ ایک گرم میدان ہے جسے میں نے دیکھا، اور خرگوش کا سوراخ گہرا اور گہرا ہوتا چلا جاتا ہے۔

معیاری آر جی بی کیمرے سرخ، سبز اور نیلی روشنی کو پکڑنے کے لیے بنائے گئے ہیں۔ تبدیل شدہ کیمرے کا ایک مجموعہ پکڑ سکتا ہے۔ اورکت، سرخ، سبز اور نیلے کے قریب روشنی ماڈل پر منحصر ہے. آر جی بی پلانٹ کی صحت پیدا کرنے کے لیے نقشے جو فصلوں کی "ہریالی" دکھا رہے ہیں۔، ایک کر سکتے ہیں معیاری RGB کیمرہ استعمال کریں۔ سافٹ ویئر میں مخصوص الگورتھم کے ساتھ۔

کچھ کمپنیاں فروخت کر رہی ہیں "جعلی” اگ یا این ڈی وی آئی کیمرےجو کہ صرف باقاعدہ کیمرے ہیں جن میں ایک اورکت فلٹر ہٹایا گیا ہے اور ایک نیلے رنگ کا فلٹر نصب ہے۔ تاہم، یہ کیمرے NDVI کی طرح ریڈیو میٹرک پیمائش کے لیے غلط ہیں کیونکہ رنگین چینلز کے درمیان بہت زیادہ اوورلیپ ہوتا ہے، اور ان کے پاس دوروں کے درمیان روشنی میں فرق کا حساب دینے کے لیے کوئی سینسر نہیں ہوتا ہے۔ نتیجے کے طور پر، یہ کیمرے صرف ایک مخصوص علاقے میں رشتہ دار فرق دکھا سکتے ہیں، لیکن NDVI کی درست پیمائش نہیں کر سکتے۔

ایک حقیقی اور کیلیبریٹڈ NDVI کیمرہ روشنی کے فرق کو مدنظر رکھے گا اور ایک ہی سائٹ کے متعدد دوروں کے درمیان مسلسل نتائج فراہم کرے گا۔ لہذا خریدتے وقت محتاط رہیں ترمیم شدہ "NDVI کیمرہ" جو قریب کی انفراریڈ روشنی کو پکڑتا ہے۔ڈرونز کو اپ گریڈ کرنے کے لیے (پہلے سے ہی $400) پودوں کی صحت کا تجزیہ کرنے کے لیے قریب اورکت (NIR) تصویروں کو حاصل کرنا NDVI کا حساب کتاب. لیکن براہ کرم آگاہ رہیں: یہ ہے۔ اصلی NDVI کیمرہ نہیں ہے۔، اور یہ گمراہ کن ہوسکتا ہے۔ اے سینٹیرا کیمرہ پہلے سے ہی ایک بہتر آپشن ہے کیونکہ یہ مقصد سے بنائے گئے ہیں اور کیلیبریٹ کیے جا سکتے ہیں، لیکن پھر بھی وہ مکمل NDVI سسٹم سے محروم ہیں۔ ملٹی اسپیکٹرل کیمرے, حقیقی NDVI کیمرے ہیں مہنگا، "اپ گریڈ شدہ RGB/IR کیمروں" سے کہیں زیادہ مہنگا ہے۔ طوطے کی سیکویا پر $3500. TetraCam ADC سنیپ $4500، مائیکا سینس کا ریڈ ایج $6000+.

ملٹی اسپیکٹرل امیجری زراعت میں اہم ہے کیونکہ یہ روایتی RGB کیمروں کے مقابلے فصلوں اور مٹی کے بارے میں زیادہ تفصیلی اور درست معلومات فراہم کر سکتی ہے۔

کیوں ملٹی سپیکٹرل agtech میں تصاویر اہم ہیں۔

ملٹی اسپیکٹرل امیجنگ کے اندر تصویری ڈیٹا حاصل کرتا ہے۔ برقی مقناطیسی سپیکٹرم میں مخصوص طول موج کی حدودفلٹرز یا آلات کا استعمال کرتے ہوئے جو مخصوص طول موج کے لیے حساس ہوتے ہیں۔ یہ شامل کرنے کے لیے نظر آنے والی روشنی کی حد سے باہر پھیلا ہوا ہے۔ اورکت اور الٹرا وایلیٹ روشنی, اضافی معلومات کے نکالنے کو چالو کرنا دسترس سے باہر انسانی آنکھ اپنے نظر آنے والے رسیپٹرز سے کس چیز کا پتہ لگا سکتی ہے۔ سرخ، سبز اور نیلے رنگ. اصل میں فوجی ہدف کی شناخت اور جاسوسی کے لیے تیار کیا گیا، ملٹی اسپیکٹرل امیجنگ کو خلا پر مبنی امیجنگ میں زمین کی ساحلی حدود، پودوں اور زمینی شکلوں کی تفصیلات کا نقشہ بنانے کے لیے استعمال کیا گیا ہے۔ اس نے دستاویز اور پینٹنگ کے تجزیے میں بھی درخواستیں پائی ہیں۔

زرعی ایپلی کیشنز کے لیے ملٹی اسپیکٹرل امیجری بہتر موزوں ہونے کی چند وجوہات یہ ہیں:

1. عظیم تر سپیکٹرل ریزولوشن: ملٹی اسپیکٹرل کیمرے برقی مقناطیسی سپیکٹرم کے متعدد تنگ بینڈوں میں تصاویر کھینچتے ہیں، جو روشنی کی مخصوص طول موج کے مزید تفصیلی تجزیے کی اجازت دیتا ہے جسے پودے جذب یا عکاسی کرتے ہیں۔ اس سے غذائی اجزاء کی کمی یا بیماری جیسے مسائل کی نشاندہی کرنے میں مدد مل سکتی ہے اس سے پہلے کہ وہ ننگی آنکھ سے دکھائی دیں۔
2. بہتر پودوں کے اشاریہ جات: روشنی کی مختلف طول موجوں کی عکاسی اقدار کا موازنہ کرکے، ملٹی اسپیکٹرل کیمرے روایتی RGB کیمروں سے زیادہ نفیس پودوں کے اشاریے بنا سکتے ہیں۔ ان اشاریہ جات کو پودوں کی صحت، نشوونما اور تناؤ کی سطح کو زیادہ درست طریقے سے ماپنے کے لیے استعمال کیا جا سکتا ہے۔
3. مٹی کی اقسام کی تفریق: ملٹی اسپیکٹرل امیجری مٹی کی اقسام کو بھی زیادہ مؤثر طریقے سے الگ کر سکتی ہے، جو درست زراعت کے لیے اہم ہے۔ اس سے کسانوں کو آبپاشی، کھاد ڈالنے، اور فصلوں کے انتظام کے طریقوں کے بارے میں زیادہ باخبر فیصلے کرنے میں مدد مل سکتی ہے۔
4. پانی کے دباؤ کا پتہ لگانا: ملٹی اسپیکٹرل کیمرے فصلوں میں پانی کے تناؤ کا بھی پتہ لگاسکتے ہیں اور ان سے خارج ہونے والی انفراریڈ تابکاری کی مقدار کی پیمائش کرتے ہیں۔ اس سے کسانوں کو یہ طے کرنے میں مدد مل سکتی ہے کہ کب اور کتنی آبپاشی کرنی ہے۔

ملٹی سپیکٹرل امیجنگ عام طور پر سپیکٹرل بینڈ کی ایک چھوٹی تعداد میں روشنی کی پیمائش کرتا ہے۔، 3 سے 15 تک۔

ہائپر اسپیکٹرل امیجنگ سپیکٹرل امیجنگ کی ایک خصوصی شکل ہے، جہاں سینکڑوں متصل سپیکٹرل بینڈ تجزیہ کے لیے دستیاب ہیں۔. متعدد اسپیکٹرل بینڈز میں تصویری ڈیٹا کو کیپچر کرکے، ہائپر اسپیکٹرل امیجنگ ملٹی اسپیکٹرل امیجنگ کے مقابلے مواد کی زیادہ درست شناخت اور تجزیہ کرنے کی اجازت دیتی ہے۔

مجھے لگتا ہے کہ مجھے اس ڈوبکی کو یہیں روکنے کی ضرورت ہے۔ مجھے امید ہے کہ آپ نے اتنا ہی سیکھا جتنا میں نے سیکھا ہے۔