Teledetekcja w rolnictwie – Indeksy wegetacyjne cz.1

Pozyskiwanie danych teledetekcyjnych pozwala na prowadzenie zrównoważonego, wydajnego i nowoczesnego gospodarstwa. Kamery multispektralne w zależności od rodzaju pomiarów umożliwiają monitorowanie upraw pod kątem wielu zmiennych. O kamerach multispektralnych mówiliśmy w poprzednim artykule:

https://rolnictwoprecyzyjne.eu/blog/podstawy-rolnictwa-precyzyjnego-czyli-kamery-multispektralne/

Wspominaliśmy tam, że pozyskane obrazy kamerą multispektralną są bardzo skutecznym narzędziem do oceny produktywności gleby i analizy stanu zdrowia roślin. Dzięki nim pobrane dane spektralne można odczytywać pod wieloma kątami w zależności od wybranego algorytmu.

Bardzo ważnym zagadnieniem są wskaźniki wegetacji (VI), które oparte na teledetekcji są dość prostymi i skutecznymi algorytmami do ilościowych i jakościowych ocen pokrycia roślinności, wigoru i dynamiki wzrostu, między innymi zastosowaniami.

Zdalne wykrywanie roślinności odbywa się głównie poprzez uzyskanie informacji o odbiciu fali elektromagnetycznej z powierzchni za pomocą czujników. Dobrze wiadomo, że współczynnik odbicia widm świetlnych od roślin zmienia się w zależności od rodzaju rośliny, zawartości wody w tkankach i innych czynników wewnętrznych co pozwala określić ich niedobory, choroby czy inne potrzeby.

Wykrywane informacje o wzroście, wigorze i ich dynamice z roślinności lądowej mogą dostarczyć niezwykle użytecznych informacji do zastosowań w monitorowaniu środowiska, ochronie różnorodności biologicznej, rolnictwie, leśnictwie, miejskiej zielonej infrastrukturze i innych powiązanych dziedzinach. W szczególności tego rodzaju informacje stosowane w rolnictwie stanowią nie tylko obiektywną podstawę (w zależności od rozdzielczości) do makro- i mikrozarządzania produkcją rolną, ale także w wielu przypadkach informacje niezbędne do oszacowania plonów.

Najczęściej używanym i wdrażanym wskaźnikiem jest NDVI (Normalized Difference Vegetetion Index) czyli wskaźnik znormalizowanej różnicy wegetacji. Pozwala on określić stan rozwoju i wegetacji rośli. Bazową otrzymanych informacji jest stosunek między pasmami czerwonymi i bliskiej podczerwieni. Pokazuje stan zdrowia roślin i pozwala określić jakie zabiegi należy wykonać aby poprawić ich zdrowotność.

NIR - odbicie pasma podczerwieni, R - odbicie pasma czerwonego

Więcej o NDVI dowiesz się z poprzedniego artykułu https://rolnictwoprecyzyjne.eu/blog/ndvi-i-rolnictwo-satelity-i-ich-historia/

Wskaźnik pokrycia liściowego (LAI) pokazuje stosunek ilości biomasy do wielkości powierzchni na której się znajduje. Na podstawie pokrycia liści może ocenić wiele biologicznych i fizycznych cech roślin. Pomaga w określaniu grubości pokrywy roślinnej oraz oblicza wielkość biomasy i strukturę roślinności w ekosystemie, która zależy od położenia, ukierunkowania, wielkości i kształtu zielonych organów wegetatywnych.

TLA – całkowita powierzchnia liścia.

TGA – całkowita powierzchnia ziemi, która znajduje się pod powierzchnią liścia.

BNDVI – niebieski wskaźnik znormalizowanej różnicy wegetacji gdzie indeks NDVI bez dostępności kanału czerwonego, dla obszarów wrażliwych na zawartość chlorofilu, dotyczy to również GNDVI – Indeksu znormalizowanej różnicy wegetacji zieleni. Wskaźnik ten jest podobny do NDVI, ale ze względu na wykorzystanie zakresu zielonego jest bardziej wrażliwy na koncentrację chlorofilu.

BNDVI

NDRE oznacza znormalizowaną różnicę czerwonej krawędzi. Ten wskaźnik wrażliwy jest na zawartość chlorofilu w liściach na działanie tła gleby, pokazuje ilość koloru czerwonego w roślinie. Indeks ten można sformułować tylko wtedy, gdy dostępny jest czerwony pasek krawędzi. Dzięki tym pomiarom określana jest ilość azotu w glebie, gdzie występują jego niedobory. W przypadku upraw buraków dzięki uzyskanym informacjom można określić na jakim poziomie wegetacji się znajdują oraz czy są gotowe do zbiorów. Odmiennie na ziemniakach widać czy i gdzie pojawiły się choroby.

RVI jest szeroko stosowany do szacowania i monitorowania zielonej biomasy, szczególnie przy pokryciu roślinnością o wysokiej gęstości, ponieważ wskaźnik ten jest bardzo wrażliwy na roślinność i ma dobrą korelację z biomasą roślin. Jednakże, gdy pokrywa wegetacyjna jest rzadka (mniej niż 50% pokrycia), RVI jest wrażliwy na wpływy atmosferyczne, a ich reprezentacja biomasy jest słaba.

Równanie matematyczne określające RVI, gdzie NIR oznacza odbicie pasma bliskiej podczerwieni natomiast R jest odbiciem pasma czerwonego.

Kolejnym wskaźnikiem jest DVI czyli Difference Vegetation Index określający różnicę wegetacji, pokazuje kontrast pomiędzy zdrowymi i chorymi roślinami. Akumulacja biomasy jest istotna przy np.  leczeniu drzew, dzięki czemu można ocenić rozwój choroby oraz skuteczność leczenia. Indeks pozwala na rozróżnienie pomiędzy glebą a roślinnością, jednak nie uwzględnia zmian wynikających z występowania cieni lub wpływu atmosfery.

DVI jest bardzo wrażliwy na zmiany tła gleby; może być stosowany do monitorowania ekologicznego środowiska roślinności. Dlatego DVI jest również nazywany wskaźnikiem wegetacji środowiska (EVI).

EVI (Enhanced Vegetation Index)  określa ilość zielonej roślinności, dzięki której można przewidzieć produkcję pierwotną netto. EVI wychwytuje zmiany strukturalne powierzchni rosliności  tak jak LAI. Te dwa indeksy uzupełniają się w badaniach wegetacji oraz właściwości czaszy, dzięki czemu wynik jest dokładniejszy.  Na początku 2006 roku badacz Alfredo Huete wraz ze swoim zespołem złosił udaną aplikację EVI, która wzięła pod lupę las amazoński. Indeks ten został opracowany w celu poprawy indeksu NDVI.

Zazwyczaj las amazoński jest postrzegany jako monotonny sezon wegetacyjny, w którym wzrost roślin nie ma szczególnego wzorca. Korzystając z produktu MODIS EVI, Huete i jego koledzy mogli po raz pierwszy wykazać, że wbrew temu pojęciu las amazoński wykazuje wyraźny wzrost w porze suchej, co ma poważne implikacje dla naszego obecnego zrozumienia cyklu węgla i pochłaniania, a następnie pytania dotyczące gazów cieplarnianych i globalnego ocieplenia. Nie wiadomo, czy jest to wynikiem zmiany klimatu, czy też jest normalnym zachowaniem.

Źródło:
https://www.hindawi.com/journals/js/2017/1353691/#copyright Tom 2017 ID artykułu 1353691
https://www.sciencedirect.com/science/article/abs/pii/S0034425709001746
http://agrobiol.sggw.pl/
https://en.wikipedia.org/wiki/Enhanced_vegetation_index
https://support.pix4d.com/hc/en-us/articles/360000891623-Generate-a-vegetation-index
https://www.researchgate.net/post/What_is_the_formula_to_find_Leaf_Area_Index_in_Wheat
https://en.wikipedia.org/wiki/List_of_academic_databases_and_search_engines

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *