खेतों की निगरानी करना, फसलों की बढ़वार पर नज़र रखना और लक्षण स्पष्ट होने से पहले समस्याएँ पहचानना अच्छी पैदावार के लिए बेहद ज़रूरी है। तकनीक में हुई प्रगति से उपग्रहों की मदद से दुनिया भर के खेतों की तस्वीरें लेना संभव हुआ है, जिससे निगरानी आसान और किफ़ायती बन गई है। किसानों के बीच सबसे लोकप्रिय वनस्पति सूचकांक सामान्यीकृत अंतर वनस्पति सूचकांक (NDVI) है। कृषि में NDVI चित्रों की निगरानी पौधों की सेहत का संकेत दे सकती है।

NDVI इमेजरी क्या है, NDVI के मान क्या बताते हैं और यह क्यों उपयोगी है?

NDVI फसल की सेहत और जैवभार का अनुमान लगाने की एक सुदूर संवेदन विधि है। यह सूचकांक वनस्पति से परावर्तित दृश्य और निकट-अवरक्त प्रकाश के बीच अंतर को मापता है। फसल की परावर्तन क्षमता पत्तियों के क्षेत्रफल, क्लोरोफिल की मात्रा, पत्तियों की उम्र, पौधों के ऊपरी आवरण के घनत्व और मिट्टी के प्रकार पर निर्भर करती है। NDVI का उपयोग अक्सर उपग्रह चित्रों के साथ किया जाता है, जो अंतरिक्ष से उच्च-रिज़ॉल्यूशन की तस्वीरें उपलब्ध कराते हैं। उपग्रहों ने इसे दुनिया भर के किसानों के लिए अधिक सुलभ बनाया है, क्योंकि इंटरनेट कनेक्शन वाला कोई भी व्यक्ति इसका उपयोग कर सकता है। फसलों की सेहत जाँचने के लिए कृषि में NDVI की निगरानी कई दशकों से की जा रही है। हालाँकि, यह हाल के वर्षों में अधिक लोकप्रिय हुई है, क्योंकि उपग्रह और उच्च-रिज़ॉल्यूशन की हवाई तस्वीरें बार-बार निरीक्षण संभव बनाते हैं। इससे पौधों के जैवभार और पत्ती क्षेत्र सूचकांक (LAI) का सटीक अनुमान मिलता है, जिसके लिए ज़मीन पर डेटा एकत्र करने या हाथ से व्याख्या करने की ज़रूरत नहीं होती।

NDVI सूचकांक की गणना कैसे की जाती है?

NDVI की गणना निम्न सूत्र से की जाती है:

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

यहाँ NIR निकट-अवरक्त प्रकाश और Red दृश्य लाल प्रकाश को दर्शाता है। NDVI के मान -1 से 1 के बीच होते हैं। रेत, चट्टान या बर्फ़ वाले क्षेत्रों का मान 0.1 या उससे कम होता है। विरल वनस्पति, जैसे उम्र बढ़ने के साथ मुरझाती फसलें, 0.2 से 0.5 के बीच मध्यम NDVI मान दिखाती हैं। 0.6 से 0.9 के ऊँचे मान घनी वनस्पति को दर्शाते हैं।

NDVI चित्र कैसे प्राप्त करें?

एग्रियो एंड्रॉइड और आईओएस के लिए उपलब्ध ऐप है। एग्रियो से खेतों की निगरानी बहुत सरल हो जाती है और इसके लिए पहले से कोई जानकारी होना ज़रूरी नहीं है। एग्रियो जैसे ऐप आपको नक्शे पर अपने खेतों की सीमाएँ खींचकर निगरानी शुरू करने देते हैं। खेतों का स्थान निर्धारित करने के बाद आपको नियमित रूप से तस्वीरें और उनकी व्याख्या मिलती रहती है।

NDVI चित्रों को कैसे पढ़ें और उनका विश्लेषण कैसे करें?

NDVI चित्रों की जाँच करके हम खेतों की स्थिति बेहतर समझ सकते हैं और उन हिस्सों को पहचान सकते हैं जहाँ पौधे तनाव में हो सकते हैं। उदाहरण के लिए, नीचे की तस्वीर में हरे रंग के स्तर पर ध्यान दें। यह अलग-अलग खेतों में पौधों के विकास की अलग अवस्थाएँ और एक ही खेत के भीतर के अंतर दिखाता है।

गेहूँ के खेतों के NDVI चित्र
गेहूँ के खेतों के NDVI चित्र

मुख्य रूप से नारंगी दिखने वाले क्षेत्र में अलग-अलग हरे धब्बों पर ध्यान दें। ये खरपतवार की बढ़वार का संकेत देते हैं।

लगातार दिनों के NDVI चित्रों की तुलना से हम ऐसे हिस्से पहचान सकते हैं जो अपेक्षा के अनुसार विकसित नहीं हो रहे और जिन पर तुरंत ध्यान देना चाहिए। उदाहरण के लिए, नीचे की तस्वीर में उन खेतों के लाल धब्बे देखें जहाँ फसल विकास की शुरुआती अवस्था में है और समय के साथ NDVI बढ़ना चाहिए।

NDVI चित्रों में रोज़ाना होने वाले बदलावों पर नज़र रखें
NDVI चित्रों में रोज़ाना होने वाले बदलावों पर नज़र रखें

कृषि में NDVI इमेजरी की सीमाएँ

NDVI का क्लोरोफिल की मात्रा से कम सहसंबंध होता है। बढ़वार की उन्नत अवस्थाओं में, जब NDVI संतृप्त होने लगता है, यह सीमा और स्पष्ट होती है। संतृप्ति पत्तियों के क्षेत्रफल और पौधों के ऊपरी आवरण के घनत्व में वृद्धि के कारण होती है। इसलिए इस अवस्था में ऐसे सूचकांक की निगरानी आवश्यक है जिसका पत्तियों में क्लोरोफिल की मात्रा से मज़बूत सहसंबंध हो और जो पत्तियों तथा ऊपरी आवरण की संरचना से कम प्रभावित हो।

क्लोरोफिल प्रकाश-संश्लेषण की प्रक्रियाओं, जैसे प्रकाश ग्रहण करने, में महत्वपूर्ण भूमिका निभाता है। इसलिए इसकी मात्रा कई तरह के तनावों का संकेत हो सकती है। अन्य वर्णक्रमीय बैंड, जैसे रेड-एज यानी लाल किनारे वाला बैंड, क्लोरोफिल की कार्यप्रणाली में बदलावों को जल्दी पहचान सकते हैं। ये बदलाव पत्तियों में क्लोरोफिल की सांद्रता वास्तव में घटने से पहले होते हैं। इसलिए इनकी निगरानी जैविक और अजैविक तनाव विकसित होने का शुरुआती संकेत दे सकती है।

तकनीकी प्रगति से किसी विशेष वनस्पति सूचकांक का चुनाव कम निर्णायक क्यों हो जाता है?

हम कंप्यूटर को बड़ी मात्रा में डेटा के पैटर्न पहचानना सिखाने में काफी सक्षम हो गए हैं, इसलिए किसी एक खास सूचकांक का चयन अनिवार्य नहीं है। इसके बजाय कृत्रिम बुद्धिमत्ता परावर्तित प्रकाश के पूरे वर्णक्रम का विश्लेषण करके उपयोगी जानकारी दे सकती है। पहले मशीनों को डेटा के पैटर्न वर्गीकृत करना सिखाने के लिए विशेषताएँ पहले से तय करनी पड़ती थीं। अब हम मशीन को इस तरह प्रोग्राम करना जानते हैं कि वह प्रशिक्षण के दौरान सबसे उपयोगी विशेषताएँ स्वयं चुन सके।

जब विशेषज्ञ तस्वीरों का निरीक्षण करते हैं, तब वनस्पति सूचकांक सुविधाजनक रहते हैं। पूरे वर्णक्रम में समाहित बहुत सारी जानकारी को समझना मनुष्यों के लिए कठिन है। इसलिए विशेषज्ञों के परिचित सूचकांक दिखाना आज भी उपयोगी है। लेकिन निगरानी वाले क्षेत्र का बड़ा आकार और उपग्रहों द्वारा बार-बार उसी स्थान का अवलोकन किसानों तथा कृषि विशेषज्ञों के लिए हाथ से विश्लेषण करना कम व्यावहारिक बनाते हैं।

जो विकल्प शुरुआत में तकनीकी सीमाओं के कारण चुना गया था, वह उद्योग में एक प्रचलित तरीका बन गया।

उपग्रह चित्रों में असामान्यताएँ पहचानने के लिए कृत्रिम बुद्धिमत्ता का उपयोग

वर्णक्रमीय परावर्तन की निगरानी के लाभ समझने के बाद इस तरीके की व्यावहारिकता पर भी विचार करना ज़रूरी है। तनाव पहचानने में वर्णक्रमीय विश्लेषण की एक चुनौती उपग्रह चित्रों में उन सटीक पैटर्न को पहचानना है जो बताते हैं कि पौधे तनाव में हैं। भले ही कोई व्यक्ति तस्वीरों का हाथ से निरीक्षण करने में विशेषज्ञ हो जाए, बड़े क्षेत्र को कवर करने पर यह काम बहुत बोझिल हो जाता है।

हाल की तकनीकी प्रगति से कृषि में कृत्रिम बुद्धिमत्ता का उपयोग बढ़ रहा है और इन चुनौतियों से निपटने में मदद मिल रही है। कृत्रिम बुद्धिमत्ता बड़े प्रशिक्षण डेटासेट से सीखे गए पैटर्न के आधार पर निर्णय लेकर असामान्यताओं को पहचानती है।

उपग्रह सेंसर प्रकाश का जो पूरा वर्णक्रम दर्ज कर सकते हैं, उसमें तनाव की शुरुआती पहचान के लिए उपयोगी जानकारी होती है।
उपग्रह सेंसर प्रकाश का जो पूरा वर्णक्रम दर्ज कर सकते हैं, उसमें तनाव की शुरुआती पहचान के लिए उपयोगी जानकारी होती है।

यदि बड़ी मात्रा में उच्च-गुणवत्ता वाला डेटा किफ़ायती ढंग से एकत्र किया जा सके, तो शुरुआती पहचान के उपकरणों का विकास तेज़ हो सकता है। इसके लिए हमने सामूहिक योगदान का तरीका अपनाया और ऐसा उपकरण बनाया जो किसानों को स्मार्टफ़ोन से ली गई तस्वीरों के आधार पर पौधों के रोग पहचानने देता है। किसानों को इस सेवा का सीधा लाभ मिलता है और वे शुरुआती पहचान के एल्गोरिदम को प्रशिक्षित करने में भी मदद करते हैं। यह क्षमता लंबे समय में उनके लिए और अधिक उपयोगी हो सकती है। स्थान की जानकारी वाली तस्वीरें ज़मीनी सत्यापन डेटा के रूप में काम करती हैं और हमें एल्गोरिदम को सीधे उपग्रह चित्रों से समस्याएँ पहचानना सिखाने में मदद करती हैं। कंप्यूटर को ऐसी उपग्रह तस्वीरें दी जाती हैं जिनमें यह पता होता है कि खेत के कौन-से हिस्से रोगग्रस्त हैं। बड़ी मात्रा में अच्छी गुणवत्ता का डेटा एकत्र कर पाने से हम तेज़ी से आगे बढ़ते हैं।

ऐसा डेटा हमें पौधों की विभिन्न समस्याओं से जुड़े विशिष्ट परावर्तन पैटर्न सीखने में मदद करता है। हम इन क्षमताओं से आसानी से उपयोग किए जा सकने वाले निगरानी समाधान विकसित करते हैं। एग्रियो का उपयोग करने वाले किसान बहुत सरल तरीके से अपने खेतों की सेहत पर नज़र रख सकते हैं। केवल खेत की सीमा दर्शाने वाला बहुभुज खींचकर उसका स्थान तय करना होता है। इसके बाद हम लगातार निगरानी शुरू करते हैं और नई तस्वीर उपलब्ध होने पर आपको सूचित करते हैं।

सारांश

कृषि में उपग्रह निगरानी कई वर्षों से इस्तेमाल की जा रही तकनीक है। फिर भी, पिछले दशक में खेतों की निगरानी के लिए उपग्रह तकनीक का उपयोग काफी बढ़ा है। यह पैदावार बढ़ाने, सटीकता सुधारने और फसलों की समस्याएँ जल्दी पहचानने में मदद कर सकती है।

हमारे प्लेटफ़ॉर्म पर उपयोगकर्ता सेंटिनल और प्लैनेटस्कोप उपग्रहों के चित्र देख सकते हैं। हम इन चित्रों पर अपना एल्गोरिदम लागू करके फसलों की बढ़वार पर नज़र रखते हैं, खेतों की समस्याएँ पहचानते हैं और हस्तक्षेप की ज़रूरत होने पर किसानों को चेतावनी देते हैं।

इन क्षमताओं का उपयोग करके नुकसान से बचें, बेहतर खेती करें और छिड़काव कम करें।