İHA'lar, çok boyutlu, yüksek hassasiyetli tarım arazisi bilgileri elde edebilen ve çok sayıda tarım arazisi bilgisinin dinamik olarak izlenmesini gerçekleştirebilen çeşitli uzaktan algılama sensörleri taşıyabilir. Bu tür bilgiler temel olarak mahsulün mekansal dağılım bilgilerini (tarım arazisi lokalizasyonu, mahsul türlerinin tanımlanması, alan tahmini ve değişim dinamik izleme, tarla altyapısının çıkarılması), mahsul büyüme bilgilerini (mahsul fenotipik parametreleri, beslenme göstergeleri, verim) ve mahsul büyüme stres faktörlerini (tarla nemi) içerir. , zararlılar ve hastalıklar) dinamikleri.
Tarım Arazisi Mekansal Bilgisi
Tarım arazilerinin mekansal konum bilgisi, görsel ayrımcılık veya makine tanıma yoluyla elde edilen tarlaların coğrafi koordinatlarını ve ürün sınıflandırmalarını içerir. Tarla sınırları coğrafi koordinatlarla belirlenebilir ve ekim alanı da tahmin edilebilir. Bölgesel planlama ve alan tahmini için temel harita olarak topoğrafik haritaların dijitalleştirilmesine yönelik geleneksel yöntemin zamanlaması zayıftır ve sınır konumu ile gerçek durum arasındaki fark çok büyüktür ve sezgiden yoksundur, bu da hassas tarımın uygulanmasına elverişli değildir. İHA uzaktan algılama, geleneksel yöntemlerle kıyaslanamaz avantajlara sahip olan, tarım arazilerinin kapsamlı konumsal konum bilgilerini gerçek zamanlı olarak elde edebilmektedir. Yüksek çözünürlüklü dijital kameralardan alınan hava görüntüleri, tarım arazilerinin temel mekansal bilgilerinin tanımlanmasını ve belirlenmesini gerçekleştirebilir ve mekansal konfigürasyon teknolojisinin gelişmesi, tarım arazisi konum bilgilerine ilişkin araştırmaların hassasiyetini ve derinliğini artırır ve yükseklik bilgilerini sunarken mekansal çözünürlüğü geliştirir. Tarım arazilerinin mekansal bilgilerinin daha iyi izlenmesini sağlayan.
Mahsul Büyüme Bilgileri
Mahsul büyümesi fenotipik parametreler, beslenme göstergeleri ve verim hakkındaki bilgilerle karakterize edilebilir. Fenotipik parametreler arasında bitki örtüsü, yaprak alanı indeksi, biyokütle, bitki boyu vb. yer alır. Bu parametreler birbiriyle ilişkilidir ve toplu olarak mahsul büyümesini karakterize eder. Bu parametreler birbiriyle ilişkilidir ve kolektif olarak mahsul büyümesini karakterize eder ve nihai verimle doğrudan ilişkilidir. Çiftlik bilgileri izleme araştırmalarında baskındırlar ve daha fazla çalışma yapılmıştır.
1) Mahsul Fenotipik Parametreleri
Yaprak alanı indeksi (LAI), mahsulün ışık enerjisi emilimini ve kullanımını daha iyi karakterize edebilen birim yüzey alanı başına tek taraflı yeşil yaprak alanının toplamıdır ve mahsulün malzeme birikimi ve nihai verimi ile yakından ilişkilidir. Yaprak alanı indeksi, şu anda İHA uzaktan algılama tarafından izlenen ana ürün büyüme parametrelerinden biridir. Multispektral verilerle bitki örtüsü indekslerinin (oranlı bitki örtüsü indeksi, normalleştirilmiş bitki örtüsü indeksi, toprak iklimlendirme bitki örtüsü indeksi, fark bitki örtüsü indeksi, vb.) hesaplanması ve temel gerçek verilerle regresyon modellerinin oluşturulması, fenotipik parametreleri tersine çevirmek için daha olgun bir yöntemdir.
Mahsullerin geç büyüme aşamasındaki toprak üstü biyokütle hem verim hem de kalite ile yakından ilişkilidir. Şu anda, tarımda İHA uzaktan algılama yoluyla biyokütle tahmini hâlâ çoğunlukla multispektral verileri kullanıyor, spektral parametreleri çıkarıyor ve modelleme için bitki örtüsü endeksini hesaplıyor; mekansal konfigürasyon teknolojisinin biyokütle tahmininde bazı avantajları vardır.
2) Mahsul Besin Göstergeleri
Mahsulün beslenme durumunun geleneksel olarak izlenmesi, besin maddelerinin veya göstergelerin (klorofil, nitrojen vb.) içeriğini teşhis etmek için sahadan numune alınmasını ve iç mekan kimyasal analizini gerektirir; İHA uzaktan algılama ise farklı maddelerin belirli spektral yansıma-absorbsiyon özelliklerine sahip olduğu gerçeğine dayanır. tanı. Klorofil, görünür ışık bandında 640-663 nm'lik kırmızı kısım ve 430-460 nm'lik mavi-mor kısım olmak üzere iki güçlü absorpsiyon bölgesine sahip olması, 550 nm'de ise absorpsiyonun zayıf olması esas alınarak izlenir. Mahsuller yetersiz olduğunda yaprak rengi ve doku özellikleri değişir ve farklı eksikliklere ve ilgili özelliklere karşılık gelen renk ve dokuya ilişkin istatistiksel özelliklerin keşfedilmesi, besin izlemenin anahtarıdır. Büyüme parametrelerinin izlenmesine benzer şekilde karakteristik bantların, bitki örtüsü indekslerinin ve tahmin modellerinin seçimi de çalışmanın ana içeriğini oluşturmaktadır.
3) Mahsul Verimi
Ürün verimini artırmak tarımsal faaliyetlerin temel amacıdır ve verimin doğru tahmin edilmesi hem tarımsal üretim hem de yönetimin karar alma birimleri için önemlidir. Çok sayıda araştırmacı, çok faktörlü analiz yoluyla daha yüksek tahmin doğruluğuna sahip getiri tahmin modelleri oluşturmaya çalışmıştır.
Tarımsal Nem
Tarım arazilerinin nemi genellikle termal kızılötesi yöntemlerle izlenir. Bitki örtüsünün yüksek olduğu bölgelerde, yaprak stomalarının kapanması terleme nedeniyle su kaybını azaltır, bu da yüzeydeki gizli ısı akışını azaltır ve yüzeydeki duyulur ısı akışını arttırır, bu da gölgelik sıcaklığının artmasına neden olur. bitki örtüsünün sıcaklığı olarak kabul edilir. Su stresi endeksinin mahsul enerji dengesini yansıtması, mahsulün su içeriği ile gölgelik sıcaklığı arasındaki ilişkiyi ölçebildiğinden, termal kızılötesi sensör tarafından elde edilen gölgelik sıcaklığı, tarım arazisinin nem durumunu yansıtabilir; Küçük alanlardaki çıplak toprak veya bitki örtüsü, toprak nemini yeraltı sıcaklığıyla dolaylı olarak tersine çevirmek için kullanılabilir; bu prensip şu şekildedir: Suyun özgül ısısı büyüktür, ısının sıcaklığı yavaş değişir, dolayısıyla gün boyunca yeraltı sıcaklığının mekansal dağılımı dolaylı olarak toprak neminin dağılımına yansıtılabilir. Bu nedenle gündüz yeraltı sıcaklığının mekansal dağılımı dolaylı olarak toprak neminin dağılımını yansıtabilir. Kanopi sıcaklığının izlenmesinde çıplak toprak önemli bir müdahale faktörüdür. Bazı araştırmacılar çıplak toprak sıcaklığı ile ürün zemin örtüsü arasındaki ilişkiyi incelemiş, çıplak toprağın neden olduğu kanopi sıcaklığı ölçümleri ile gerçek değer arasındaki boşluğu açıklığa kavuşturmuş ve izlemenin doğruluğunu artırmak için tarım arazisi nemini izlemede düzeltilmiş sonuçları kullanmıştır. sonuçlar. Gerçek tarım arazisi üretim yönetiminde, tarla nem sızıntısı da ilgi odağıdır; sulama kanalı nem sızıntısını izlemek için kızılötesi görüntüleyiciler kullanan çalışmalar yapılmıştır, doğruluk %93'e ulaşabilmektedir.
Zararlılar ve Hastalıklar
Bitki zararlıları ve hastalıklarının yakın kızılötesi spektral yansıma izlemesinin kullanımı, aşağıdakilere dayanmaktadır: yakın kızılötesi bölgedeki yaprakların sünger dokusu ve çit dokusu tarafından yansımasının kontrolü, sağlıklı bitkiler, bu iki doku boşluğu nem ve genişleme ile doldurulur , çeşitli radyasyonun iyi bir yansıtıcısıdır; bitki zarar gördüğünde yaprak zarar görür, doku solar, su azalır, kızılötesi yansıma kaybolana kadar azalır.
Sıcaklığın termal kızılötesi izlenmesi aynı zamanda mahsul zararlıları ve hastalıklarının da önemli bir göstergesidir. Sağlıklı koşullarda bitkiler, kendi sıcaklıklarının stabilitesini korumak için, esas olarak yaprak stomalarının açılması ve kapanması yoluyla terleme düzenlemesinin kontrolü yoluyla; Hastalık durumunda, meydana gelecek patolojik değişiklikler, patojen - konakçı etkileşimleri, bitki üzerindeki patojenin özellikle transpirasyona bağlı etkileri, istila edilen kısımdaki sıcaklık artış ve düşüşlerini belirleyecektir. Genel olarak bitki algılaması stoma açıklığının serbestleşmesine yol açar ve dolayısıyla hastalıklı bölgede terleme sağlıklı bölgeye göre daha yüksektir. Şiddetli terleme, enfekte alanın sıcaklığının azalmasına ve yaprak yüzeyinde nekrotik lekeler oluşana kadar yaprak yüzeyinde normal yaprağa göre daha yüksek bir sıcaklık farkına yol açar. Nekrotik bölgedeki hücreler tamamen ölür, o kısımdaki terleme tamamen kaybolur ve sıcaklık yükselmeye başlar ancak yaprağın geri kalan kısmı enfeksiyon kapmaya başladığından yaprak yüzeyindeki sıcaklık farkı her zaman yaprak yüzeyinden daha yüksek olur. sağlıklı bir bitki.
Diğer Bilgiler
Tarım arazisi bilgilerinin izlenmesi alanında İHA uzaktan algılama verilerinin daha geniş bir uygulama yelpazesi vardır. Örneğin, birden fazla doku özelliği kullanarak mısırın düşmüş alanını çıkarmak, NDVI endeksini kullanarak pamuğun olgunluk aşamasında yaprakların olgunluk düzeyini yansıtmak ve absisik asit püskürtmeyi etkili bir şekilde yönlendirebilen absisik asit uygulama reçete haritaları oluşturmak için kullanılabilir. Aşırı pestisit uygulanmasını önlemek için pamuğa vb. Tarım arazilerinin izlenmesi ve yönetiminin ihtiyaçlarına göre, İHA uzaktan algılama verilerinin bilgilerinin sürekli olarak araştırılması ve uygulama alanlarının genişletilmesi, bilgilendirilmiş ve dijitalleştirilmiş tarımın gelecekteki gelişimi için kaçınılmaz bir eğilimdir.
Gönderim zamanı: 24 Aralık 2024