Использование спутников и беспилотников для мониторинга состояния здоровья сельскохозяйственных культур

Мониторинг здоровья посевов — одна из самых важных вещей, которую фермеры могут сделать, чтобы гарантировать, что их посевы дают хорошие урожаи. Несколько десятилетий назад фермерам приходилось выходить в поле, чтобы вручную проверить здоровье своих посевов и убедиться, что на полях нет вредителей или болезней. Этот процесс отнимал много времени и сил, и чаще всего операторы поля могли пропустить некоторые важные места, что могло привести к потере урожая. Если ферма была очень большой, на их ручной мониторинг могли уйти часы и дни.

Однако с появлением технологии дистанционного зондирования фермеры получили возможность получать изображения здоровья посевов с помощью спутников, дронов и самолетов (подробнее здесь). Эти устройства мониторинга оснащены датчиками и камерами, которые делают снимки посевов через регулярные интервалы времени. Данные, собранные с этих устройств, анализируются и обрабатываются передовыми технологиями ИИ, предоставляя фермерам информацию для принятия обоснованных решений.

Для визуализации состояния здоровья сельскохозяйственных культур используются три основных типа устройств: дроны, спутники и самолеты.

• Спутниковые снимки лучше всего использовать, когда фермеры не ограничены во времени и когда нет чрезвычайной ситуации. Это связано с тем, что изображения предоставляются с большими интервалами, около 10–14 дней. В настоящее время качественные спутниковые снимки урожая можно получить практически бесплатно с помощью других сервисов, которые могут помочь фермерам с аналитикой.
• Воздушные или пилотируемые самолеты лучше всего использовать, когда требуется более высокое разрешение изображений. Обычно фермеры, у которых нет самолета, могут заказать его при необходимости. Одним из главных преимуществ использования самолета является предоставление тепловизионных изображений урожая для кругового мониторинга.
• Дроны также можно использовать для сбора аэрофотоснимков сельскохозяйственных культур для мониторинга их здоровья и урожайности. Эти устройства оснащены сложными камерами, которые обеспечивают получение изображений с высоким разрешением. Кроме того, облака не являются проблемой при использовании дронов для получения изображений состояния здоровья сельскохозяйственных культур. Дроны пилотируются сертифицированными FAA дистанционными пилотами, которые фотографируют фермы.

Эффект смесей покровных культур

Источник: sustainableagriculture.net

Покровные культуры приносят много пользы сельскому хозяйству и земледелию, например, они обеспечивают питательными веществами товарные культуры. Другая важная функция покровных культур — предотвращать смыв почвы зимой и в дождливые месяцы. Это особенно заметно, когда ваша ферма находится на склоне. Для тех, кто держит скот, товарные культуры также могут использоваться для выпаса скота.

Исследования показали увеличение урожайности сои после использования покровных культур на поле. Другие исследования в США показали увеличение урожайности кукурузы до 30 процентов после использования смесей покровных культур. Однако есть также исследования, которые показывают, что покровные культуры могут влиять на урожайность отрицательно. Поэтому важно понимать, что использование покровных культур может влиять на урожайность положительно, нейтрально или отрицательно.

Производительность и здоровье урожая являются первостепенными приоритетами для всех фермеров. Вот почему фермеры Небраски SHI ищут характеристики и инструменты для измерения этих показателей. Обычно получение только показателя производительности урожая на конец года не дает всей картины. Вот почему технология дистанционного зондирования может использоваться для мониторинга каждого изменения и обеспечения фермеров подробной информацией о жизненном цикле их культур. Дистанционное зондирование также может использоваться для мониторинга здоровья почвы, погоды, вредителей и болезней сельскохозяйственных культур. Фермеры используют эту информацию для принятия важных и обоснованных решений.

Отчет SHI по результатам исследований на ферме

Источник: fertilux.lu

В отчете Nebraska SHI сравниваются урожайности сельского хозяйства с использованием смеси покровных культур и без покровной культуры. Смесь покровных культур, посеянная в сентябре 2018 года, состояла из 9 различных видов, рекомендованных NRCS. Затем фермеры собрали надземную биомассу покровной культуры 10 мая 2019 года. Это было сделано до химической обработки. Общая биомасса покровных культур составила 1,25 тонны на акр. Затем соевые бобы были высажены через два дня после обработки покровной культуры с междурядьем 30 дюймов. Теперь рост и здоровье соевых бобов контролировались с помощью изображений высокого разрешения еженедельно.

Результаты этого исследования не показали чистого увеличения влажности, урожайности и качества после использования покровной культуры или без нее. Чтобы проверить, как использование смесей покровных культур повлияло на ситуацию, нам необходимо проанализировать нормализованный индекс разницы вегетации (NDVI) в течение вегетационного периода. Этот индекс представляет собой соотношение между красным и ближним инфракрасным, что дает количественную оценку биомассы и роста растительности. NDVI колеблется от 0 до 1, при этом низкие значения указывают на неплодородную почву, а высокие — на густую и здоровую растительность.

Цифровой мониторинг урожая

Источник: xyonix.com

Цифровые датчики могут улавливать световые длины волн, видимые и невидимые невооруженным глазом. Эти длины волн варьируются от ультрафиолетового до радиолокационного. Для дистанционного зондирования в сельском хозяйстве наиболее часто используются длины волн красного, синего, зеленого и ближнего инфракрасного диапазона.

Существует три альтернативы при сборе многоспектральных световых изображений, когда длины волн получаются с помощью камеры. Первый более дешевый вариант — это многоспектральная камера, состоящая из разных камер с отдельными объективами. Следующие два используют камеру с одним объективом, которая разделена на разные длины волн. Существует три метода сбора многоспектральных световых изображений, когда разные длины волн собираются одной камерой.

Цифровой мониторинг урожая имеет потенциал для прогнозирования или обнаружения вспышек заболеваний до их возникновения. Это связано с тем, что устройства мониторинга оснащены передовыми гиперспектральными камерами, которые могут захватывать до 128 различных частот света. Согласно некоторым исследованиям, некоторые вредители и болезни поглощают и отражают определенные частоты.

Light Detection and Ranging (LiDAR) — еще один популярный способ создания цифрового изображения. Световые волны посылаются на поверхность через равные промежутки времени, и вычисляется время, необходимое для возвращения импульса. Эта процедура выполняется много раз в течение одной секунды, создавая точную трехмерную карту облаков.

Способы мониторинга растительности

Источник: ta-survey.nl

Мониторинг растительности — это система наблюдения и оценки различных воздействий на растения и деревья. К таким воздействиям относятся незаконная вырубка леса, лесные пожары, наличие вредителей, ошибки в хозяйственной деятельности людей в лесу или на ферме.

Например, мониторинг лесов выявляет степень поврежденности лесов, изучает причины и последствия ухудшения состояния лесных насаждений, помогает решать проблемы лесопользования, управлять и контролировать лесные ресурсы.

Основной целью мониторинга лесов является обеспечение органов управления лесным хозяйством достоверной и своевременной информацией о состоянии лесных экосистем и всех изменениях в лесном фонде.

Методы мониторинга лесов включают:

• Авиационный мониторинг
• Мониторинг наземных объектов
• Спутниковый мониторинг.

Авиационный мониторинг осуществляется с помощью бесконтактной съемки с различных летательных аппаратов (парящих аэростатов, вертолетов, самолетов).

Источник: eanet.asia

Наземный мониторинг ведет наблюдение за состоянием леса с использованием вышек, камер видеонаблюдения и наземного транспорта.

Спутниковый мониторинг необходим для оперативной оценки пожарной, метеорологической, санитарной и патологической обстановки в лесу. Он осуществляется с помощью космических средств наблюдения и позволяет получить представление об отдельных изменениях на больших лесных массивах, которые невозможно обнаружить другими методами мониторинга.

Изображение в инфракрасном диапазоне со спутника передается на аналитическую станцию, которая находится на Земле. Полученные данные обрабатываются по блокам (блок лесных пожаров, санитарно-лесопатологический лесной блок, блок лесовосстановления). Например, разница между температурой земной поверхности и температурой площади, охваченной пожаром, позволяет специалистам определить его местоположение.

При таком методе мониторинга на карте специалисты могут увидеть контуры пожара. Информация сохраняется в базах данных для дальнейшего статистического анализа и составления прогнозов.

Преимуществами данного метода мониторинга являются автоматизация процедуры получения информации, удаленность, возможность отслеживания любого участка земной поверхности, доступность данных, низкая стоимость мониторинга.

Читайте также:

Как найти надежного поставщика сельскохозяйственной продукции