מה צריך לדעת על ניטור NDVI בחקלאות

ניטור שדות חקלאיים מעקב אחר ההתקדמות ואיתור בעיות בשדה לפני שהסימפטומים ניראים הוא חיוני לקציר מוצלח. התקדמות טכנולוגית מאפשרת לנו לצלם תמונות של שדות ברחבי העולם בעזרת לוויינים, ובכך להפוך את הניטור לפשוט וזול. מדד הצמחייה הפופולרי ביותר שנמצא בשימוש על ידי חקלאים הוא מדד הצמחייה המנורמל (NDVI); ניטור NDVI בחקלאות יכול לשמש אינדיקטור לבריאות הצמחים.

מהו NDVI, ולמה הוא שימושי?

NDVI היא שיטת חישה מרחוק להערכת בריאות הצמחים והביו-מסה שלהם. מדד ה-NDVI מודד את ההבדל בין החזרת הצמחייה הנראית לעין וההחזרה באינפרא אדום הקרוב. החזרת האור מהצמחים תלויה בשטח העלים, תכולת הכלורופיל, גיל העלים, צפיפות העלווה וסוג האדמה. NDVI משמש לעתים קרובות עם תמונות לוויין, המספקות תמונות ברזולוציה גבוהה מהחלל. השימוש בלוויינים עזר להפוך את NDVI לנגיש יותר לחקלאים ברחבי העולם מכיוון שהוא זמין לכל מי שיש לו חיבור לאינטרנט. ניטור NDVI בחקלאות לבדיקת בריאות הצומח קיים כבר עשרות שנים. ובכל זאת, הוא צבר פופולריות רק לאחרונה בשל השימוש בלוויינים וצילום אווירי ברזולוציה גבוהה המספקים ביקורים חוזרים תכופים. זה נותן אומדן מדויק של ביו-מסה צמחית ומדד שטח עלים (LAI) ללא צורך באיסוף נתוני קרקע.

כיצד מחושב NDVI?

NDVI מחושב עם הנוסחה הבאה:

NDVI = (NIR-Red) / (NIR+Red)

כאשר NIR הוא אור בתחום האינפרא אדום הקרוב ו-Red הוא האור האדום הנראה לעין. ערכי NDVI נעים בין -1 ל-1. אזורי חול, סלעים או שלג מציגים ערכים של 0.1 או פחות. צמחייה דלילה מציגה ערכי NDVI מתונים של בין 0.2 ל-0.5. ערכי NDVI גבוהים של 0.6 עד 0.9 תואמים לצמחייה צפופה.

כיצד אוכל להתחיל לנטר את ה-NDVI של השדות שלי?

ניטור שדות הפך לפשוט מאוד, ואינו מצריך ידע מוקדם. אפליקציות כמו אגריו מאפשרות לך לצייר את השדות שלך על המפה כדי להתחיל בתהליך הניטור. לאחר הגדרת מיקומם של השדות, תקבלו סריקות ופרשנות תכופות.

כיצד לנתח תמונות NDVI?

על ידי בדיקת סריקות ה-NDVI, נוכל להבין טוב יותר את מצב השדות ולזהות מקומות שעלולים להראות בעיה. לדוגמה, בחנו את רמת הירוק בתמונה למטה, המראה שלבים שונים של התפתחות הצמח בתחומים השונים, ושונות פנימית בתוך שדות בודדים.

סריקות NDVI של שדות חיטה
סריקות NDVI של שדות חיטה

שימו לב לכתמים הירוקים המבודדים בשדות שרוב שטחם כתום. כתמים אלה מעידים על התפתחות של צמיחת עשבים שוטים.

כאשר משווים את סריקות ה-NDVI של ימים רצופים, אנו יכולים לראות כתמים שאינם מתפתחים כמצופה ודורשים טיפול מיידי. לדוגמה, בחנו את התמונה למטה ושימו לב לכתמים האדומים בשדות שנמצאים בשלבי התפתחות מוקדמים ולכן צפויים להראות עלייה ב-NDVI עם הזמן.

עקבו אחר השינויים היומיים בסריקת NDVI
עקבו אחר השינויים היומיים בסריקת NDVI

המגבלות של NDVI בחקלאות

NDVI מראה מתאם נמוך עם תכולת הכלורופיל; זה חמור יותר בשלבי גדילה מתקדמים כאשר ה-NDVI הופך לרווי. רוויה זו נובעת מהגידול בשטח העלים וצפיפות מבנה החופה. לכן בשלב זה יש צורך במעקב אחר אינדקס בעל קורלציה גבוהה לתכולת הכלורופיל העלה ופחות רגיש למבנה העלה והחופה.

לכלורופיל תפקיד מכריע בתהליכי פוטוסינתזה כגון קצירת אור; לפיכך, תכולת הכלורופיל היא אינדיקטור פוטנציאלי למגוון של בעיות. איזורים ספקטרליים שאינם באים לידי ביטוי באינדקס ה NDVI יכולים לזהות שינויים בתפקוד הכלורופיל בשלב מוקדם. זה קודם להפסדים בפועל בריכוזי כלורופיל בעלים; לכן, ניטור שינויים כאלה יכול לשמש אינדיקטור מוקדם להתפתחות עקה ביוטית ואביוטית.

מדוע התקדמות הטכנולוגיה הופכת את בחירת מדדי הצמחייה הספציפיים לפחות קריטית?


מכיוון שהפכנו מיומנים מאוד בלימוד מחשבים לזהות דפוסים בכמות גדולה של נתונים, בחירת אינדקס ספציפי אינה חיונית. במקום זאת, בינה מלאכותית יכולה לנתח את כל ספקטרום האור המוחזר ולספק תובנות. בימים עברו, נדרשו מאפיינים מהונדסים מראש כדי להכשיר מכונות לסיווג דפוסים בנתונים. אבל הימים האלה נגמרו, ועכשיו אנחנו יודעים איך לתכנת את המכונה כדי לבחור את המאפיניים הטובים ביותר במהלך תהליך האימון.


מדדי הצמחייה נוחים כאשר מומחים אנושיים בוחנים את הסריקות. לבני אדם קשה להבין כמות גדולה של מידע שמקודד מכל הספקטרום. לשם כך, עדיין כדאי להציג מדדים ספציפיים שמומחים מכירים. אבל מספר הדונמים המנוטרים והתדירות הגבוהה של ביקורים חוזרים בלוויינים הופכים את הניתוח באופן ידני למשימה קשה ולכן לפחות רצויה.

מה שהתחיל כבחירה בשל מגבלות טכנולוגיות הפך למוסכמה בתעשייה.


שימוש בבינה מלאכותית לאיתור חריגות בתמונות לוויין

לאחר שניהלנו דיון ביתרונות שיכולים לנבוע מניטור ההחזר הספקטרלי עלינו להתמודד עם שאלת המעשיות של גישה זו. אחד האתגרים בשימוש ניתוח ספקטרלי בזיהוי עקות הוא לזהות את התבניות המדויקות בסריקות הלווין המעידות על כך שהצמחים נמצאים במצב של עקה. כפי שציינו, גם כאשר אנשים מפתחים את המומחיות של בחינת הסריקות באופן ידני, המשימה הופכת למסורבלת כאשר מספר הדונמים הנסרקים גבוה.

השימוש בבינה מלאכותית בחקלאות נמצא במגמת עלייה עקב ההתקדמות האחרונה בטכנולוגיה ותורם למאמצים להתגבר על אתגרים אלו. בעיות מתגלות באמצעות בינה מלאכותית על ידי קבלת החלטות המבוססות על דפוסים שנלמדו ממערכי נתונים גדולים של אימונים.

הספקטרום השלם של האור כפי שניתן ללכוד על ידי חיישני לוויין מכיל מידע מעניין בכל הנוגע לזיהוי מוקדם של עקה
הספקטרום השלם של האור כפי שניתן ללכוד על ידי חיישני לוויין מכיל מידע מעניין בכל הנוגע לזיהוי מוקדם של עקה

ההתקדמות בפיתוח כלי זיהוי מוקדם יכולה להיות מהירה יותר ברגע שניתן לאסוף כמות גדולה של נתונים באיכות גבוהה בצורה כלכלית. כדי להשיג זאת נקטנו בגישת מיקור המונים ובנינו כלי המאפשר למגדלים לזהות פתולוגיה של צמחים על סמך תמונות שצולמו בסמארטפון. המגדלים נהנים משירות זה תוך שהם עוזרים להכשיר אלגוריתמים לגילוי מוקדם מתמונות לווין, יכולת שיכולה להועיל להם יותר בטווח הארוך. התמונות המתויגות גיאוגרפיות עוזרות לנו לאמן את האלגוריתמים לזהות את הבעיות ישירות מסריקת הלוויין. למחשב מוצגות סריקות לוויין שבהן ידוע אילו מאזורי השדה חולים וכל שעליו לעשות הוא לזהות את הדפוס.

נתונים כאלה מאפשרים לנו ללמוד את דפוסי ההחזר האופייניים למספר רב של בעיות. אנו ממנפים את היכולות הללו כדי לפתח פתרונות ניטור קלים לשימוש. חקלאים המשתמשים באגריו יכולים לפקח על בריאות השדות שלהם בצורה פשוטה מאוד. כל שעליכם לעשות הוא להגדיר את מיקום השדה על ידי ציור מצולע המייצג את גבולות השדה. ברגע שזה נעשה, אנחנו מתחילים לעשות עבורכם ניטור מתמיד, ולהודיע ​​לכם כאשר יש בעיה.

סיכום

ניטור לוויין בחקלאות הוא טכניקה שנמצאת בשימוש כבר שנים רבות. עם זאת, השימוש בטכנולוגיית לוויין לניטור שדות חקלאיים גדל משמעותית בעשור האחרון. השימוש בניטור לווייני בחקלאות מגדיל את התפוקה, ומשפר את הדיוק והזיהוי המוקדם של בעיות בגידולים.

בפלטפורמה שלנו, משתמשים יכולים לקבל גישה לסריקות לוויין של Sentinel ו-PlanetScope. אנו מיישמים את האלגוריתם שלנו על התמונות כדי לעקוב אחר התקדמות היבול, לזהות בעיות בשטח ולהתריע למגדלים כאשר יש צורך בהתערבות.

אנו מזמינים אתכם לעשות שימוש ביכולות האלה כדי למנוע הפסדים, לגדל טוב יותר ולרסס פחות.