Vegetatie-index:hoe wordt het gebruikt in precisielandbouw?

Bijna alle aspecten van ons leven - ademhaling, kleding, onderdak, voedsel, enz. - zijn diep verweven met vegetatie. Elke verandering in de vegetatiestructuur heeft zowel ecologisch als economisch een drastische impact. De laatste tijd waren de vooruitgang van GIS, GPS, teledetectie en precisielandbouw de belangrijkste sleutels tot een beter gewasbeheer. Precisielandbouw maakt bijvoorbeeld verbeterde analyse en de identificatie en het beheer van temporele en ruimtelijke variabiliteit van gewassen in het veld mogelijk.

Nu kan geen enkele discussie over precisielandbouw compleet zijn zonder Vegetation Index, zeker als we het hebben over teledetectie in dit soort landbouw. Lees dus verder om te weten wat deze vegetatie-indexen zijn en hoe ze bruikbaar zijn in precisielandbouw.

Wat is vegetatie-index (VI)?

Een vegetatie-index helpt bij de periodieke waarnemingen van vegetatie op afstand en wordt sinds 1974 actief gebruikt. Deze wiskundige uitdrukking is een spectrale transformatie om vegetatie (in bredere zin) te identificeren met behulp van twee of meer spectrale banden.

Met behulp van dit algoritme observeren wetenschappers en ander betrokken personeel effectief fotocentrische activiteiten en identificeren ze variaties in het bladerdak, naast het maken van nauwkeurige vergelijkingen indien nodig. Het omvat het beoordelen van verschillende aspecten, zoals gewasgroei, groeikracht, biomassa en chlorofylgehalte.

Werking van vegetatie-indexen:hoe worden ze gemeten vanuit de ruimte?

De keuze van de Vegetation-index verschilt afhankelijk van de toepassing, maar alle verschillende indices werken op identieke optische banden die worden onderscheiden door kleuren. De meeste van hen gebruiken nabij-infraroodreflectie om een ​​relatie met gezonde vegetatiegroei te identificeren.

Hiervoor gebruiken wetenschappers effectieve teledetectietechnieken. Ze nemen metingen op eigenschappen zoals:

1. Groen dekkingspercentage
2. Bladgebiedindex
3. Groene biomassa
4. Chlorofylgehalte
5. Geabsorbeerde fotosynthetisch actieve straling (APAR), enz., om conclusies te trekken.

In de afgelopen 20 jaar is de Vegetation-index snel geëvolueerd, en nu Agritech-leiders, zoals Cropin , implementeren het gebruik ervan in de agrarische sector dynamisch. Hiermee kan vitale informatie zoals positieven en spanningen op een stuk land eenvoudig worden bepaald.

Dergelijke metingen zijn ruimtelijk en zijn afkomstig van alles wat zichtbaar is vanuit de ruimte of van de nabij-infrarode lichtreflecties van het oppervlak naar de ruimte. Met behulp van optische satellietsensoren is het mogelijk om zonnestraling te meten. Omdat de metingen op verschillende banden worden uitgevoerd, worden multispectrale optische sensoren gebruikt. Elk kanaal in deze band is zo ontworpen dat het gevoelig is voor een zeer smal bereik van golflengten met een kleurcodering als:

1. Blauw (450 nm-510 nm)
2. Groen (510 nm-580 nm)
3. Rood (630 nm-690 nm)
4. Nabij-infrarood (NIR) (770 nm-895 nm)
5. Korte golf infrarood (SWIR) (1100 nm-3000 nm)

Blauwe en rode banden weerspiegelen de vegetatie-index met een lagere waarde en naarmate de waarde toeneemt, wordt deze groen. Aan de andere kant worden die met hogere waarden gelezen door de nabij-infraroodband.

Verschillende soorten vegetatie-indexen zijn bedoeld voor specifieke toepassingen; de meest voorkomende sensoren die we tegenkomen zijn onder meer Advanced Very High-Resolution Radiometer (AVHRR) en Moderate-resolution Imaging Spectroradiometer (MODIS) Vegetation 1- en 2-sensoren.

De toepassing van de vegetatie-index in precisielandbouw

AgTech-revolutionairen gebruiken de vegetatie-index actief in precisielandbouw. Deze vorm van landbouw heeft tot doel meer output te produceren met minder input, en de vegetatie-index is van enorm belang om dit uit te voeren.

Deze new-age implementatie van VI in precisielandbouw biedt verschillende voordelen, zoals:

• Fysisch-chemische monitoring:parameters zoals groenheid, chlorofylproxy, temperatuur, verdamping en bodemvocht worden afgeleid, die verder kunnen worden gebruikt om optimale plantengroei te stimuleren.
• Near-real-time data:het helpt bij het aanbieden van near-real-time data van een perceel of een regio om op de hoogte te blijven van de essentiële parameters zonder een fysiek bezoek te brengen. Het bespaart tijd en moeite van onderzoek voordat u een managementgesprek aanneemt. Het gebruik van deze realtime gegevens is ook nuttig om tijdige acties te garanderen en een stap vooruit te zetten naar de verwachte gewaskwaliteit.
• Planning van landbouwactiviteiten:Met Vegetation Index kan het tijdstip van zaaien, spuiten, gewasbescherming, irrigatie, oogsten en andere activiteiten optimaal worden bepaald. Met dit soort informatie kan men op tijd bellen om de input en het gebruik van hulpbronnen te optimaliseren.

VI-mapping kan ook effectief worden gebruikt voor toekomstige referenties om de periodieke veranderingen in de tijd te markeren.

Voorbeelden van vegetatie-indexen

Zoals eerder vermeld, zijn VI's van verschillende typen (het werkelijke aantal is in honderden). Ze worden gebruikt voor verschillende doeleinden op basis van teledetectie.

Laten we eens kijken naar enkele van de VI's die het meest worden gebruikt bij Cropin:

NDVI (Normalized Difference Vegetation Index)

NDVI in de landbouw detecteert de timing van fenologische gebeurtenissen met behulp van zichtbare rode en nabij-infrarode reflectie die door de sensoren wordt vastgelegd. Het is een extreem populaire methode en werkt het beste wanneer de vegetatie op zijn biomassa-piek is. NDVI gebruikt Landsat.

NDVI werkt echter niet goed met herfstfenologie, terwijl de hoogste nauwkeurigheid bij waarneming optreedt wanneer er sneeuw of water aan de oppervlakte is, wat vaak voorkomt op Indiase percelen.

Bron:Phenospex

NDRE (genormaliseerd verschil rode rand)

NDRE wordt beschouwd als de betere versie van NDVI omdat het veel gevoeliger is. Deze teledetectietechniek is ideaal voor gewassen die zich in de middelste en latere groeifasen bevinden. De basis van deze sensor is een ophoping van chlorofyl.

De reden is dat NDRE werkt met rood licht, dat beter door een blad gaat dan het rode licht dat in NDVI wordt gebruikt. Het maakt gebruik van Landsat 8 en werkt op rode en NIR-banden. De lezing helpt bij het bepalen van de gezondheid van de vegetatie.

Merk op dat het nog steeds niet ideaal is voor gewassen in een vroeger groeistadium.

Bron:EOS

VHI (Vegetation Health Index)

Hier wordt de uitlezing bepaald met een combinatie van zowel Land Temperature Surface (LST) als NDVI. Deze index is echter mogelijk niet ideaal voor niet-aride regio's. In plaats daarvan is het een van de beste VI's die wordt gebruikt voor de analyse van droogte.

Bron:FAO

LAI (Bladgebied Index)

Deze eenheidsloze index wordt gemeten als het eenzijdige groenbladoppervlak per grondoppervlak bij breedbladige luifels. Gezien het feit dat een plant een LAI van 2 heeft, betekent dit dat hij een aantal bladeren heeft dat het gegeven grondoppervlak twee keer kan bedekken. Deze gegevens kunnen voor het hele gewas of voor een perceel worden gebruikt om de groei te bepalen. LAI gebruikt de populaire Sentinel 2.

Bron:Land Products Validatie en Karakterisering ter ondersteuning van Proba-V, S-2 en S-3 missie

EVI (Enhanced Vegetation Index)

EVI meet gebieden met dichte luifels, idealiter bossen. Het is niet ideaal voor droge en bergachtige gebieden.

Hier zijn C1 en C2 correlaties om te corrigeren voor de aerosolverstrooiing in de atmosfeer, terwijl L een coëfficiënt is om te corrigeren voor de bodem en de achtergrond van het bladerdak.

Deze formule werkt voor waarnemingen van Landsat 8.

Bron:CAESCG , CC BY-SA 4.0 , via Wikimedia Commons

GRVI (Green Ratio Vegetation Index)

Wetenschappers hebben GRVI ontwikkeld om de negatieven van NDVI te bestrijden. Het identificeert niet alleen de lente, maar ook de herfstkleur. GRVI maakt gebruik van groene en rode banden en maakt voornamelijk gebruik van Landsat. Dit dient bij uitstek om de perfecte oogsttijd voor gewassen te identificeren. Met GRVI kan men zelfs in aanwezigheid van sneeuw en water nauwkeurige metingen verwachten.

NBR (genormaliseerde verbrandingsratio)

Deze Vegetatie-index wordt gebruikt om de ernst van brandwonden te identificeren in grote brandzones met toegang op afstand. Traditioneel wordt de waarde hiervoor afgeleid met behulp van NIR- en SWIR-waarden die zijn waargenomen uit Landsat. Bij Cropin gebruiken we de index om bosbranden en stoppelverbranding te detecteren, een jaarlijks terugkerend evenement in Noord-India.

Hier is de formule:NBR=(NIR – SWIR) / (NIR + SWIR)

Bron:Wide World of Sport

Cropin implementeert vegetatie-indexen op basis van de regio en het gewas in zijn slimme AgTech-producten, zoals SmartFarm en SmartRisk , gebaseerd op de persoonlijke vereisten van een organisatie.

Snelle verbetering van technologie helpt de landbouw via hervorming van praktijken die Cropin ook op de best mogelijke manier aanpast om aan de vereiste merkdoelen te voldoen. Met dergelijke technieken zal de perceelopbrengst zeker toenemen, maar dit kan op termijn ook de druk op het land verlagen en daarmee de doelstellingen van duurzame landbouw realiseren.