வயல்களைக் கண்காணிப்பதும், பயிர்களின் வளர்ச்சியைத் தொடர்ந்து கவனிப்பதும், அறிகுறிகள் வெளிப்படுவதற்கு முன்பே பிரச்சினைகளைக் கண்டறிவதும் நல்ல அறுவடைக்கு மிகவும் முக்கியம். தொழில்நுட்ப முன்னேற்றங்களால் செயற்கைக்கோள்களின் உதவியுடன் உலகெங்கிலும் உள்ள பண்ணைகளைப் படமெடுக்க முடிகிறது. இதனால் கண்காணிப்பு எளிதாகவும் செலவு குறைவாகவும் மாறியுள்ளது. விவசாயிகள் அதிகம் பயன்படுத்தும் தாவரக் குறியீடு இயல்பாக்கப்பட்ட வேறுபாட்டு தாவரக் குறியீடு (NDVI) ஆகும். வேளாண்மையில் NDVI படங்களைக் கண்காணிப்பது தாவரங்களின் ஆரோக்கியத்தை அறிய உதவும்.
NDVI படங்கள் என்றால் என்ன, NDVI மதிப்புகள் எதைக் குறிக்கின்றன, அவை ஏன் பயனுள்ளவை?
NDVI என்பது பயிர்களின் ஆரோக்கியத்தையும் உயிர்த்திணிவையும் மதிப்பிடும் தொலை உணர்தல் முறையாகும். தாவரங்கள் பிரதிபலிக்கும் கண்ணுக்குத் தெரியும் ஒளிக்கும் அருகாமை அகச்சிவப்பு ஒளிக்கும் இடையிலான வேறுபாட்டை இந்தக் குறியீடு அளவிடுகிறது. பயிர்களின் பிரதிபலிப்புத் தன்மை இலைப் பரப்பு, பச்சையத்தின் அளவு, இலைகளின் வயது, தழைப்பின் அடர்த்தி மற்றும் மண் வகையைப் பொறுத்தது. விண்வெளியிலிருந்து உயர் தெளிவுத்திறன் கொண்ட படங்களை வழங்கும் செயற்கைக்கோள் படங்களுடன் NDVI அடிக்கடி பயன்படுத்தப்படுகிறது. இணைய இணைப்பு உள்ள எவரும் பயன்படுத்த முடிவதால், உலகெங்கிலும் உள்ள விவசாயிகள் NDVI-ஐ எளிதாக அணுக செயற்கைக்கோள்கள் உதவியுள்ளன. பயிர்களின் ஆரோக்கியத்தை மதிப்பிடுவதற்கான NDVI கண்காணிப்பு பல பத்தாண்டுகளாகப் பயன்பாட்டில் உள்ளது. இருப்பினும், அடிக்கடி மீண்டும் படமெடுக்க உதவும் செயற்கைக்கோள்கள் மற்றும் உயர் தெளிவுத்திறன் கொண்ட வான்வழிப் படங்களால் அண்மைக் காலத்தில்தான் இது பரவலாகியுள்ளது. தரையில் தரவுகளைச் சேகரிக்கவோ மனிதர்கள் நேரடியாகப் படங்களை விளக்கவோ தேவையில்லாமல், தாவர உயிர்த்திணிவையும் இலைப் பரப்புக் குறியீட்டையும் (LAI) இது துல்லியமாக மதிப்பிடுகிறது.
NDVI குறியீடு எவ்வாறு கணக்கிடப்படுகிறது?
NDVI பின்வரும் சூத்திரத்தைப் பயன்படுத்திக் கணக்கிடப்படுகிறது:
NDVI = (NIR-Red) / (NIR+Red)
இதில் NIR என்பது அருகாமை அகச்சிவப்பு ஒளியையும், Red என்பது கண்ணுக்குத் தெரியும் சிவப்பு ஒளியையும் குறிக்கிறது. NDVI மதிப்புகள் -1 முதல் 1 வரை இருக்கும். மணல், பாறை அல்லது பனி உள்ள பகுதிகள் 0.1 அல்லது அதற்குக் குறைவான மதிப்புகளைக் காட்டும். முதுமையடையும் பயிர்கள் போன்ற அடர்த்தி குறைந்த தாவரங்களுக்கு 0.2 முதல் 0.5 வரையிலான நடுத்தர NDVI மதிப்புகள் இருக்கும். 0.6 முதல் 0.9 வரையிலான உயர்ந்த மதிப்புகள் அடர்த்தியான தாவர வளர்ச்சியைக் குறிக்கும்.
NDVI படங்களை எப்படிப் பெறுவது?
அக்ரியோ என்பது ஆண்ட்ராய்டு மற்றும் ஐஓஎஸ் தளங்களுக்கான செயலி. அக்ரியோ மூலம் வயல்களைக் கண்காணிப்பது மிகவும் எளிது; இதற்கு முன்கூட்டிய அறிவு தேவையில்லை. அக்ரியோ போன்ற செயலிகளில் வரைபடத்தில் உங்கள் வயல்களின் எல்லைகளை வரைந்து கண்காணிப்பைத் தொடங்கலாம். வயல்களின் இருப்பிடம் குறிப்பிடப்பட்டதும் படங்களும் அவற்றின் விளக்கங்களும் தொடர்ந்து கிடைக்கும்.
NDVI படங்களை எப்படிப் புரிந்துகொண்டு பகுப்பாய்வு செய்வது?
NDVI படங்களை ஆய்வு செய்வதன் மூலம் வயல்களின் நிலையை நன்றாகப் புரிந்துகொள்ளவும், தாவரங்கள் பாதிப்புக்கு உள்ளாகியிருக்கக்கூடிய பகுதிகளைக் கண்டறியவும் முடியும். எடுத்துக்காட்டாக, கீழே உள்ள படத்தில் பச்சை நிறத்தின் அளவுகளைக் கவனியுங்கள். வெவ்வேறு வயல்களில் தாவரங்கள் வெவ்வேறு வளர்ச்சி நிலைகளில் இருப்பதையும், ஒரே வயலுக்குள் உள்ள வேறுபாடுகளையும் அவை காட்டுகின்றன.

பெரும்பாலும் ஆரஞ்சு நிறத்தில் காணப்படும் பகுதியில் தனித்தனியாகத் தெரியும் பச்சைத் திட்டுகளைக் கவனியுங்கள். அவை களைகளின் வளர்ச்சியைக் குறிக்கின்றன.
அடுத்தடுத்த நாட்களின் NDVI படங்களை ஒப்பிடும்போது, எதிர்பார்த்தபடி வளராத மற்றும் உடனடி கவனம் தேவைப்படும் பகுதிகளை அடையாளம் காணலாம். எடுத்துக்காட்டாக, கீழே உள்ள படத்தில் வளர்ச்சியின் ஆரம்ப நிலையில் உள்ள வயல்களில் காணப்படும் சிவப்புத் திட்டுகளைக் கவனியுங்கள். இந்த நிலையில் காலப்போக்கில் NDVI அதிகரிக்க வேண்டும்.

வேளாண்மையில் NDVI படங்களின் வரம்புகள்
NDVI-க்கும் பச்சையத்தின் அளவுக்கும் இடையிலான தொடர்பு குறைவாக உள்ளது. வளர்ச்சியின் பிந்தைய நிலைகளில் NDVI நிறைவுநிலையை அடையும்போது இந்த வரம்பு மேலும் தெளிவாகிறது. இலைப் பரப்பும் தழை அமைப்பின் அடர்த்தியும் அதிகரிப்பதே இந்த நிறைவுநிலைக்குக் காரணம். எனவே, இந்த நிலையில் இலைகளில் உள்ள பச்சையத்தின் அளவுடன் வலுவான தொடர்புடையதும், இலை மற்றும் தழை அமைப்பால் குறைவாகப் பாதிக்கப்படுவதுமான ஒரு குறியீட்டைக் கண்காணிக்க வேண்டும்.
ஒளியை உறிஞ்சுவது போன்ற ஒளிச்சேர்க்கைச் செயல்களில் பச்சையம் முக்கியப் பங்கு வகிக்கிறது. எனவே அதன் அளவு பல்வேறு வகையான பாதிப்புகளைக் காட்டும் அறிகுறியாக இருக்கலாம். சிவப்பு விளிம்பு போன்ற பிற நிறமாலைப் பட்டைகள் பச்சையத்தின் செயல்பாட்டில் ஏற்படும் மாற்றங்களை முன்கூட்டியே கண்டறிய உதவுகின்றன. இலைகளில் பச்சையத்தின் செறிவு உண்மையில் குறைவதற்கு முன்பே இம்மாற்றங்கள் ஏற்படுகின்றன. ஆகவே, அவற்றைக் கண்காணிப்பது உயிரியல் மற்றும் உயிரியல் அல்லாத காரணிகளால் ஏற்படும் பாதிப்புகளுக்கான ஆரம்ப எச்சரிக்கையாக அமையலாம்.
தொழில்நுட்ப முன்னேற்றத்தால் குறிப்பிட்ட தாவரக் குறியீடுகளைத் தேர்ந்தெடுப்பதன் முக்கியத்துவம் ஏன் குறைகிறது?
பெருமளவிலான தரவுகளில் உள்ள வடிவங்களை அடையாளம் காண கணினிகளுக்குக் கற்றுக்கொடுப்பதில் நாம் திறம்படச் செயல்படுகிறோம். எனவே ஒரு குறிப்பிட்ட குறியீட்டைத் தேர்ந்தெடுப்பது கட்டாயமில்லை. அதற்குப் பதிலாக, செயற்கை நுண்ணறிவு பிரதிபலிக்கும் ஒளியின் முழு நிறமாலையையும் பகுப்பாய்வு செய்து பயனுள்ள தகவல்களை வழங்க முடியும். முன்பு, தரவுகளில் உள்ள வடிவங்களை வகைப்படுத்த இயந்திரங்களுக்குப் பயிற்சியளிக்க, அம்சங்களை முன்கூட்டியே வடிவமைக்க வேண்டியிருந்தது. இப்போது பயிற்சியின் போதே சிறந்த அம்சங்களை இயந்திரமே தேர்ந்தெடுக்கும்படி நிரலாக்க முடிகிறது.
நிபுணர்கள் படங்களை நேரடியாக ஆய்வு செய்யும்போது தாவரக் குறியீடுகள் வசதியானவை. முழு நிறமாலையிலும் அடங்கியிருக்கும் பெருமளவிலான தகவல்களை மனிதர்கள் புரிந்துகொள்வது கடினம். எனவே நிபுணர்களுக்குப் பழக்கமான குறியீடுகளைக் காட்டுவது இன்னும் பயனுள்ளதாக உள்ளது. ஆனால் கண்காணிக்கப்படும் பரப்பளவு அதிகமாக இருப்பதும், செயற்கைக்கோள்கள் அடிக்கடி மீண்டும் அதே பகுதியைப் படமெடுப்பதும், விவசாயிகளும் வேளாண் நிபுணர்களும் நேரடியாகப் பகுப்பாய்வு செய்வதைச் சிரமமாக்குகின்றன.
தொழில்நுட்ப வரம்புகளால் முதலில் தேர்ந்தெடுக்கப்பட்ட ஒரு முறை, பின்னர் இத்துறையின் வழக்கமான நடைமுறையாக மாறியது.
செயற்கைக்கோள் படங்களில் இயல்புக்கு மாறான நிலைகளைக் கண்டறிய செயற்கை நுண்ணறிவைப் பயன்படுத்துதல்
நிறமாலைப் பிரதிபலிப்பைக் கண்காணிப்பதன் நன்மைகளைப் பார்த்த பிறகு, இந்த அணுகுமுறையை நடைமுறையில் பயன்படுத்துவதையும் ஆராய வேண்டும். தாவரப் பாதிப்புகளைக் கண்டறிய நிறமாலைப் பகுப்பாய்வைப் பயன்படுத்துவதில் உள்ள சவால்களில் ஒன்று, தாவரங்கள் பாதிக்கப்பட்டிருப்பதைக் காட்டும் துல்லியமான வடிவங்களைச் செயற்கைக்கோள் படங்களில் அடையாளம் காண்பதாகும். ஒருவர் படங்களை நேரடியாக ஆய்வு செய்வதில் நிபுணத்துவம் பெற்றிருந்தாலும், கண்காணிக்கப்படும் பரப்பளவு அதிகரிக்கும்போது இப்பணி கடினமாகிவிடுகிறது.
அண்மைய தொழில்நுட்ப முன்னேற்றங்களால் வேளாண்மையில் செயற்கை நுண்ணறிவின் பயன்பாடு அதிகரித்து வருகிறது. இந்தச் சவால்களைச் சமாளிக்கவும் அது உதவுகிறது. பெரிய பயிற்சித் தரவுத் தொகுப்புகளிலிருந்து கற்றுக்கொண்ட வடிவங்களின் அடிப்படையில் முடிவெடுத்து, இயல்புக்கு மாறான நிலைகளைச் செயற்கை நுண்ணறிவு கண்டறிகிறது.

உயர்தரமான தரவுகளைப் பெருமளவில் குறைந்த செலவில் சேகரிக்க முடிந்தால், ஆரம்பக் கண்டறிதல் கருவிகளின் உருவாக்கத்தை விரைவுபடுத்தலாம். இதற்காகப் பலரின் பங்களிப்பைப் பெறும் அணுகுமுறையைத் தேர்ந்தெடுத்து, திறன்பேசியில் எடுக்கப்பட்ட படங்களைக் கொண்டு தாவர நோய்களைக் கண்டறிய விவசாயிகளுக்கு உதவும் கருவியை உருவாக்கினோம். இந்தச் சேவையால் விவசாயிகள் நேரடியாகப் பயனடைவதுடன், ஆரம்பக் கண்டறிதலுக்கான வழிமுறைகளுக்குப் பயிற்சியளிக்கவும் உதவுகின்றனர். நீண்ட காலத்தில் இத்திறன் அவர்களுக்கு மேலும் பயனளிக்கலாம். இருப்பிடக் குறியீடுகளுடன் கூடிய படங்கள் தரைநிலைச் சரிபார்ப்புத் தரவுகளாகப் பயன்படுகின்றன. செயற்கைக்கோள் படங்களிலிருந்தே பிரச்சினைகளைக் கண்டறிய வழிமுறைகளுக்குப் பயிற்சியளிக்க அவை உதவுகின்றன. வயலின் எந்தப் பகுதிகள் நோயால் பாதிக்கப்பட்டுள்ளன என்பது தெரிந்த செயற்கைக்கோள் படங்கள் கணினிக்கு வழங்கப்படுகின்றன. உயர்தரமான தரவுகளைப் பெருமளவில் சேகரிக்க முடிவதால் நாம் விரைவாக முன்னேறுகிறோம்.
தாவரங்களின் பல்வேறு பிரச்சினைகளுடன் தொடர்புடைய தனித்துவமான பிரதிபலிப்பு வடிவங்களைக் கற்றுக்கொள்ள இத்தரவுகள் உதவுகின்றன. இத்திறன்களைக் கொண்டு பயன்படுத்த எளிதான கண்காணிப்புத் தீர்வுகளை உருவாக்குகிறோம். அக்ரியோ பயன்படுத்தும் விவசாயிகள் தங்கள் வயல்களின் ஆரோக்கியத்தை மிகவும் எளிதாகக் கண்காணிக்கலாம். வயலின் எல்லையைக் குறிக்கும் பலகோணத்தை வரைந்து அதன் இருப்பிடத்தைக் குறிப்பிடுவது மட்டுமே தேவை. அதன் பிறகு தொடர்ச்சியான கண்காணிப்பைத் தொடங்கி, புதிய படம் கிடைக்கும்போது உங்களுக்குத் தெரிவிக்கிறோம்.
சுருக்கம்
வேளாண்மையில் செயற்கைக்கோள் கண்காணிப்பு பல ஆண்டுகளாகப் பயன்படுத்தப்படுகிறது. இருப்பினும், கடந்த பத்தாண்டுகளில் வயல்களைக் கண்காணிக்கச் செயற்கைக்கோள் தொழில்நுட்பத்தைப் பயன்படுத்துவது குறிப்பிடத்தக்க அளவில் அதிகரித்துள்ளது. இது மகசூலை உயர்த்தவும், துல்லியத்தை மேம்படுத்தவும், பயிர்களின் பிரச்சினைகளை முன்கூட்டியே கண்டறியவும் உதவலாம்.
எங்கள் தளத்தில் சென்டினல் மற்றும் பிளானெட்ஸ்கோப் செயற்கைக்கோள் படங்களைப் பயனர்கள் அணுகலாம். பயிர்களின் வளர்ச்சியைக் கண்காணிக்கவும், வயல்களில் பிரச்சினைகளைக் கண்டறியவும், நடவடிக்கை தேவைப்படும்போது விவசாயிகளை எச்சரிக்கவும் எங்கள் வழிமுறையை இப்படங்களில் பயன்படுத்துகிறோம்.
இழப்புகளைத் தவிர்க்கவும், சிறப்பாகப் பயிரிடவும், தெளிப்பைக் குறைக்கவும் இத்திறன்களைப் பயன்படுத்த உங்களை அழைக்கிறோம்.
- சோயாபீன் பூஞ்சைக்கொல்லி: எப்போது தெளிக்க, எப்போது ஆய்வு செய்ய
- கூரையுள்ள பால்கனியில் தொட்டி ரோஜாக்களுக்கு ஊகமின்றி நீர் பாய்ச்சுதல்
- மர மருத்துவர் செயலி: செயற்கை நுண்ணறிவால் வேளாண்மையில் புரட்சி
- தோட்டக்கலை கட்டுக்கதைகள்: கையடக்க AI வேளாண் நிபுணருடன் உண்மைகளை அறியுங்கள்
- ஒரு மழை, ஐந்து பயிர்கள்: பண்ணை முழுவதையும் அறிந்த சிறு விவசாயிகளுக்கான செயற்கை நுண்ணறிவு
