Nästan alla aspekter av våra liv - andning, kläder, tak över huvudet, mat, etc. — är djupt sammanflätade med vegetation. Varje förändring av vegetationsstrukturen visar på en drastisk påverkan såväl miljömässigt som ekonomiskt. På senare tid har framstegen inom GIS, GPS, fjärranalys och precisionsjordbruk varit de primära nycklarna till bättre grödor. Precisionsjordbruk, till exempel, möjliggör förbättrad analys och identifiering och hantering av tidsmässiga och rumsliga variationer i grödor i fält.
Nu kan ingen diskussion om precisionsjordbruk vara komplett utan Vegetationsindex, särskilt när man talar om fjärranalys i denna typ av jordbruk. Så läs vidare för att veta vad dessa vegetationsindex är och hur de är användbara i precisionsjordbruk.
Vad är vegetationsindex (VI)?
Ett vegetationsindex hjälper till med periodiska fjärrobservationer av vegetation och har använts aktivt sedan 1974. Detta matematiska uttryck är en spektral transformation för att identifiera vegetation (i dess vidare bemärkelse) med hjälp av två eller flera spektralband.
Med hjälp av denna algoritm kan forskare och annan berörd personal effektivt observera fotocentrerade aktiviteter och identifiera variationer i baldakinen, förutom att göra korrekta jämförelser om det behövs. Det inkluderar att bedöma olika aspekter, som grödans tillväxt, kraft, biomassa och klorofyllinnehåll.
Workings of Vegetation Index:Hur mäts de från rymden?
Valet av vegetationsindex skiljer sig beroende på dess tillämpning men alla olika index fungerar på identiska optiska band som är differentierade av färger. De flesta av dem använder nära-infraröd reflektans för att identifiera ett samband med sund vegetationstillväxt.
För detta använder forskare effektiva fjärranalystekniker. De tar avläsningar av attribut som:
- Grönt täckning i procent
- Lövarea Index
- Grön biomassa
- Klorofyllinnehåll
- Absorberad fotosyntetiskt aktiv strålning (APAR) etc. för att dra slutsatser.
Under de senaste 20 åren har vegetationsindexet utvecklats snabbt, och nu är Agritech-ledare, som Cropin , implementerar dess användning inom jordbrukssektorn dynamiskt. Med detta kan vital information som positiva och påfrestningar på en bit mark lätt fastställas.
Sådana avläsningar är rumsliga och tas från allt som är synligt från rymden eller från de nära-infraröda ljusreflektionerna från ytan till rymden. Med hjälp av optiska satellitsensorer är det möjligt att mäta solstrålning. Eftersom avläsningarna tas på olika band används multispektrala optiska sensorer. Varje kanal i detta band är designad så att den är känslig för ett mycket smalt våglängdsområde färgkodade som:
- Blå (450 nm-510 nm)
- Grön (510 nm-580 nm)
- Röd (630 nm-690 nm)
- Nära infraröd (NIR) (770 nm-895 nm)
- Short wave infrared (SWIR) (1100 nm-3000 nm)
Blå och röda band reflekterar vegetationsindex med lägre värde och när värdet ökar blir det grönt. Å andra sidan läses de med högre värden av det nära-infraröda bandet.
Olika sorters vegetationsindex är avsedda för specifika tillämpningar; de vanligaste sensorerna vi stöter på inkluderar dock avancerade, mycket högupplösta radiometer (AVHRR) och Moderate-resolution Imaging Spectroradiometer (MODIS) Vegetation 1 och 2 sensorer.
Tillämpningen av vegetationsindex i precisionsjordbruk
AgTech revolutionärer använder vegetationsindex aktivt inom precisionsjordbruk. Denna form av jordbruk syftar till att producera mer produktion med mindre insats, och vegetationsindexet är av enorm betydelse för att genomföra detta.
Denna nya implementering av VI i precisionsjordbruk erbjuder flera fördelar, som:
- Fysikalisk-kemisk övervakning:Parametrar som grönhet, klorofyllproxy, temperatur, evapotranspiration och markfuktighet härleds, vilket kan användas ytterligare för att utnyttja optimal växttillväxt.
- Nära-realtidsdata:Det hjälper till att erbjuda nästan realtidsdata för en tomt eller en region för att hålla dig uppdaterad om de väsentliga parametrarna utan att behöva göra ett fysiskt besök. Det sparar tid och ansträngning för att undersöka innan du tar ett ledningssamtal. Att använda dessa realtidsdata är också till hjälp för att säkerställa snabba åtgärder och ta ett steg framåt mot den förväntade grödans kvalitet.
- Gårdsaktivitetsplanering:Med vegetationsindex kan tidpunkten för sådd, sprutning, växtskydd, bevattning, skörd och andra aktiviteter bestämmas optimalt. Med information som denna kan man ta snabba samtal för att optimera input och resursanvändning också.
VI-mappning kan också effektivt användas för framtida referenser för att markera de periodiska förändringarna över tiden.
Exempel på vegetationsindex
Som nämnts tidigare är VI av olika typer (den faktiska siffran är i hundratal). De används för att räcka till olika ändamål baserat på fjärranalys.
Låt oss ta en titt på några av de VI:er som används mest på Cropin:
NDVI (Normalized Difference Vegetation Index)
NDVI i jordbruket upptäcker tidpunkten för fenologiska händelser med hjälp av synlig röd och nära-infraröd reflektans som fångas av sensorerna. Det är en extremt populär metod och fungerar bäst när växtligheten är på sin biomassatopp. NDVI använder Landsat.
NDVI fungerar dock inte bra med höstfenologi, medan högsta noggrannhet vid observation uppstår när det finns snö eller vatten på ytan, det senare är en vanlig företeelse på indiska tomter.
Källa:Phenospex
NDRE (Normalized Difference Red Edge)
NDRE anses vara den bättre versionen av NDVI eftersom den är mycket känsligare. Denna fjärranalysteknik är idealisk för grödor som befinner sig i mitten och senare stadier av tillväxt. Grunden för denna sensor är en ackumulering av klorofyll.
Anledningen är att NDRE arbetar med rödkantsljus, som passerar genom ett löv bättre än det röda ljuset som används i NDVI. Den använder Landsat 8 och fungerar på röda och NIR-band. Avläsningen hjälper till att bestämma hälsan hos vegetationen.
Observera att den fortfarande inte är idealisk för grödor i ett tidigare tillväxtstadium.
Källa:EOS
VHI (Vegetation Health Index)
Här bestäms avläsningen med en kombination av både Land Temperature Surface (LST) och NDVI. Detta index kanske inte är idealiskt för icke-torra regioner. Istället är det en av de bästa VI som används för analys av torka.
Källa:FAO
LAI (Lövområdesindex)
Detta enhetslösa index mäts som den ensidiga gröna bladytan per markyta i fallet med bredbladiga baldakiner. Att tänka på att en växt har ett LAI på 2 innebär att den har ett antal blad som kan täcka den givna markytan två gånger. Dessa data kan användas för hela grödan eller för en tomt för att bestämma tillväxten. LAI använder den populära Sentinel 2.
Källa:Land Products Validation and Characterization till stöd för Proba-V, S-2 och S-3 uppdrag
EVI (Enhanced Vegetation Index)
EVI mäter områden med täta baldakiner, helst skogar. Det är inte idealiskt för torra och bergiga områden.
Här är C1 och C2 korrelationer för att korrigera för spridningen av aerosoler i atmosfären, medan L är en koefficient för att justera för marken och bakgrunden i trädkronorna.
Denna formel fungerar för observationer av Landsat 8.
Källa:CAESCG , CC BY-SA 4.0 , via Wikimedia Commons
GRVI (Green Ratio Vegetation Index)
Forskare utvecklade GRVI för att bekämpa de negativa effekterna av NDVI. Den identifierar inte bara våren utan även höstfärgen. Med gröna och röda band använder GRVI mest Landsat. Detta tjänar idealiskt för att identifiera den perfekta skördetiden för grödor. Med GRVI kan man förvänta sig exakta avläsningar även i närvaro av snö och vatten.
NBR (Normalized Burn Ratio)
Detta vegetationsindex används för att identifiera brännskador i stora brandzoner med fjärråtkomst. Traditionellt härleds värdet för detta med hjälp av NIR- och SWIR-värden observerade från Landsat. På Cropin använder vi indexet för att upptäcka skogsbränder och stubbbränning, vilket är en årlig händelse i norra Indien.
Här är formeln:NBR=(NIR – SWIR) / (NIR + SWIR)
Källa:Wide World of Sport
Cropin implementerar vegetationsindex baserat på regionen och grödan i sina smarta AgTech-produkter, som SmartFarm och SmartRisk , baserat på en organisations personliga krav.
Snabb förbättring av tekniken hjälper jordbruket genom reformering av metoder som Cropin också anpassar på bästa möjliga sätt för att uppfylla de efterfrågade varumärkesmålen. Med sådana tekniker kommer tomtskörden förvisso att öka, men det kan också sänka trycket på marken på sikt och därmed uppfylla målen för ett hållbart jordbruk.
