Сільське господарство
Індекс NDVI є одним з найпопулярніших вегетаційних показників з того часу, коли його було введено у 70-х роках ХХ століття. Знімки, отримані дистанційним методом за допомогою дронів і супутників, стають все більш доступними. Як наслідок, неухильно зростає число користувачів, які застосовують нормалізований диференційований вегетаційний індекс у своїй діяльності, не пов’язаній із науковими дослідженнями.
Сільське господарство – найпопулярніша галузь, що реалізує на практиці такі переваги супутникових даних, як масштабне охоплення території, точність результатів, висока частота збору даних. Це означає, що за будь-якою територією, чи то маленьке поле, чи то ціла велика країна, можна спостерігати з космосу з певним інтервалом часу.
І все ж, щодо індексів рослинності ще залишається багато загадок, помилок і прогалин у знаннях. Ми вирішили розробити відповіді на найбільш поширені питання, щоб допомогти користувачеві розібратися, як працювати з NDVI в сільському господарстві найбільш ефективно та отримати з цього максимум користі.
Отже, занурмося в цю тему глибше!
Спектральна відбивна здатність рослинних організмів у різних діапазонах, яка вимірюється сенсорами, служить індикатором наявності вегетації, а також її загального стану та розвитку.
Таким чином, вегетаційний індекс – це математична комбінація двох та більше спектральних діапазонів, яка підсилює контраст між рослинністю (що має високу відбивну здатність) і не покритим рослинністю ґрунтом, будівлями тощо.
Вегетаційний індекс також допомагає досліджувати такі характеристики культур, як біомаса, інтенсивність росту, густота покриву і т.д. Існує понад сто індексів для вегетаційного аналізу, дізнатися докладніше про них можна в базі даних індексів. Розрахунок індексу NDVI традиційно є невід’ємною частиною стандартного аналізу.
Нормалізований диференційований вегетаційний індекс – це простий показник біомаси, активної для фотосинтезу. Якщо говорити мовою неспеціаліста, використання NDVI дає можливість дізнатися, наскільки рослина здорова.
Простими словами, використання NDVI допомагає відрізнити рослинність та інші типи земних покривів і визначити її загальний стан. Крім того, він дозволяє виділити і візуалізувати на карті ділянки, покриті рослинністю, а також виявити аномальні зміни у процесі росту.
Нормалізований вегетаційний індекс вираховується за допомогою математичного виразу:
NDVI = (NIR-Red) / (NIR + Red), де NIR – ближнє інфрачервоне світло; Red – видиме червоне світло.
Численні безкоштовні GIS-інструменти дозволяють виконати миттєвий розрахунок.
Як показує формула вегетаційного індексу NDVI, необхідно брати значення відбивної здатності у двох діапазонах: видимому червоному та інфрачервоному. Даний індекс рослинності неможливо розрахувати за знімками в натуральному кольорі або каналами іншого типу, навіть якщо вони включають потрібні діапазони.
Розрахунок NDVI в QGIS виконується за допомогою Растрового калькулятора QGIS за попередньо завантаженими даними. При цьому застосовується стандартна формула. У разі використання Landsat 8, формула приймає наступний вигляд:
NDVI = (діапазон 5 – діапазон 4) / (діапазон 5 + діапазон 4), де діапазон 5 – видимий червоний (0,64-0,67 мкм); діапазон 4 – ближній інфрачервоний (0,85-0,88 мкм).
Crop Monitoring має численні супутникові знімки, дозволяє зробити аналіз даних без попереднього завантаження та не потребує десктопних програм для їх отримання.
Розрахунок індексу NDVI в ArcGIS проводиться на Растровому калькуляторі ArcGIS за тією ж формулою. Дані для обчислень завантажуються із зовнішніх джерел або вводяться вручну. Автоматичний аналізатор зображень ArcGIS дозволяє візуалізувати знімки.
Crop Monitoring не потребує введення чи завантаження даних, а також установлення десктопних програм. Усі необхідні супутникові знімки для аналізу вже є в програмі.
По суті, обчислення NDVI базується на методі математичного порівняння кількості поглиненого видимого червоного світла і відбитого ближнього інфрачервоного світла. І ось чому.
Пігмент хлорофілу здорової рослини поглинає більшу кількість видимого червоного світла, а клітинна структура рослини відображає більшу кількість ближнього інфрачервоного. Це означає, що висока фотосинтетична активність, яка традиційно асоціюється зі щільною рослинністю, буде менше відбиватися в червоному діапазоні та більше – у ближньому інфрачервоному. Порівнюючи ці значення, можна достовірно визначити і проаналізувати рослинний покрив, розрізняючи його серед інших природних типів покриву ґрунту.
Як ви, напевно, знаєте, NDVI шкала варіюється в межах -1 – 1. Негативні значення дають водні поверхні, будови, гори, хмари, сніг; відкритому ґрунтові зазвичай відповідає індекс 0,1 0,2. У разі рослин – це завжди позитивні значення 0,2 – 1. Показник здорової, густої рослинності має бути вище 0,5; для розрідженої – цифра коливатиметься в межах 0,2 – 0,5.
Однак, такий розрахунок усього лиш приблизний. Завжди слід брати до уваги конкретний сезон, види сільськогосподарських культур і регіональні особливості, щоб точно зрозуміти, що означають отримані дані.
Як правило, значення індексу NDVI 0,2 – 0,4 відповідають території із розрідженою рослинністю; показник для помірної рослинності варіюється в межах 0,4 – 0,6. Всі цифри вище 0,6 вказують на максимальну густоту зеленого листя.
Під час аналізу культур при розшифровці отриманих результатів враховуйте тип культивованих рослин і широту висадженого ряду.
Недоліком цього параметру як інструменту для вимірювання щільності рослинності є той факт, що його значення збиваються за умов високої концентрації зеленої біомаси. Простіше кажучи, у вас можуть вийти одні й ті ж дані для низької і дуже високої щільності вегетації. Тому рекомендуємо використовувати EVI (удосконалений вегетаційний індекс), який являє собою скориговану версію нормалізованого диференційованого вегетаційного індексу і дає більш точні результати, якщо рослинність густа.
Ще одна альтернатива – це NDRE (нормалізований диференційований індекс червоного краю), який виправдано застосовується для аналізу багаторічних густих культур та іншої рослинності з високою щільністю.
Зазвичай зображення представлені у вигляді кольорової карти, де кожен колір відповідає певній шкалі значень. Стандартної гами кольорів немає, але більшість програм використовує «червоно-зелений» набір. При цьому червоні, помаранчеві та жовті тони вказують на відкритий ґрунт або відмерлу / розріджену рослинність, а всі відтінки зеленого свідчать про нормальний / щільний рослинний покрив.
Якщо розшифровка NDVI викликає труднощі, перевірте його легенду, наприклад, у LandViewer (як показано на ілюстрації в нижньому правому куті). У деяких програмах ви можете самі створювати колірну гаму.
По суті, стандартний NDVI лежить в основі багатьох вегетаційних індексів. На відміну від формули NDVI, їх формули скориговані з урахуванням яскравості ґрунту, атмосферних явищ та інших факторів, які впливають на результати NDVI, і містять додаткові коефіцієнти. Це EVI, SAVI, ARVI, GCL, SIPI, докладніше про них читайте тут.
Простими словами, нормалізований вегетаційний індекс визначає стан і здоров’я рослин або їх потужність. Цей параметр – індикатор «зеленості» і тісно пов’язаний із зеленою біомасою; він є показником зростання. Як відомо, результати NDVI також співвідносяться з урожаєм, а це значить, що даний ВІ може застосовуватися як інструмент для вимірювання продуктивності культур і прогнозування врожаю.
Власне кажучи, значення цього показника, отримані за допомогою супутникових даних із високою часовою роздільною здатністю (наприклад, MODIS), тісно корелюють із фенологічними етапами розвитку рослин (проростанням насіння, дозріванням, плодоношенням).
Проте, існують певні обмеження. Так, на ранніх стадіях розвитку рослин, коли зелене листя займає малу площу, результати підпадають під вплив ґрунтового фону. Показники також можуть збиватися на наступних етапах, коли рослини утворюють зімкнутий полог. У цьому випадку розрахунок може бути неточним.
Звичайно ж. У кожного типу рослин своя структура надземної частини, стадії росту та необхідні кліматичні особливості для нормального розвитку. Всі ці фактори впливають на відбивні здатності. Як результат, для різних культур показники також будуть різними.
На жаль, стандартних норм для значень не існує, оскільки кожне поле має свої особливості. Тому розшифровка NDVI залежить від різних факторів (кліматичні умови, тип ґрунту, застосовані сільськогосподарські практики).
Ми рекомендуємо брати супутникові дані за декілька сезонів і генерувати часові ряди, щоб визначити тенденції зростання та норми значень для конкретного поля і зрозуміти, як розрахувати NDVI правильно.
Залежить від ситуації. Цей спектральний індекс застосовували для оцінки потужності виноградної лози, але на точність даних впливають практики культивування ґрунту. Якщо в міжряддях є рослинне покриття, буде складно розрізнити NDVI для рослин між рядами і власне для винограду. Якщо ж міжряддя відкриті, результати будуть більш точними.
Існує безліч варіантів використання цього параметру для аналізу розвитку рослин:
Отримайте доступ до супутникових знімків з високою роздільною здатністю – керуйте полями ефективно!
Звичайно ж, так. Перше, карти нормалізованого диференційованого вегетаційного індексу допомагають визначити результати застосування різних фунгіцидів на полях і подивитися, який із них найбільш сприяє здоров’ю та опірності рослин.
Друге, супутниковий знімок NDVI може слугувати рекомендаційною картою, яка вказує на ділянки з можливими ознаками грибкових захворювань у рослин, і відповідно, на необхідність застосування фунгіциду. Це буде коштувати дешевше, ніж обприскувати повністю все поле.
Боротьба з бур’янами стає більш ефективною за умов використання супутникових даних. Профіль для рослин, зростанню яких не перешкоджають бур’яни, значно відрізняється від профілю культур, які бур’яни заглушають.
Обчислення NDVI на основі аерознімків або супутникових зображень із високою роздільною здатністю, отриманих за кілька тижнів до зів’янення культур, допомагає розрізнити ділянки, де присутні і відсутні бур’яни. В останньому випадку відбивна здатність культур, зростанню яких перешкоджають бур’яни, буде більшою (отже, значення буде вищим).
Існує й інший варіант, коли ділянки, де ростуть бур’яни, можуть бути виявлені за допомогою зображень, зроблених після збирання врожаю.
Таким чином, знімки виконують функцію гербіцидних рекомендаційних карт, які дають можливість обприскувати тільки ділянки з бур’янами, а не ціле поле, що зменшує витрати і шкоду, нанесену довкіллю.
Побачити наявність бур’янів на ранніх етапах росту рослин допомагають встановлені в полі сенсори.
Звичайно ж. Страхові компанії користуються перевагами сучасних технологій в сільському господарстві та супутникових знімків NDVI, у тому числі:
Ми припускаємо, що іноді це нелегко. І культури, і дерева дають високі показники, тому побачити відмінності між ними важко. Найпростіший спосіб – вираховувати середнє арифметичне значень за кожні три місяці минулого року.
Покриті рослинністю ділянки з високими значеннями протягом більше трьох місяців – це, найімовірніше, хвойний ліс. Культури рідко зберігають високий показник настільки довго.
У цьому випадку є варіанти. Можна порахувати середнє арифметичне нормалізованого індекса за кілька місяців, починаючи з дати передбачуваної зачистки, і порівняти його із середнім арифметичним за ці ж місяці минулого року.
Якщо показник знизився принаймні на 0,25, то напевне, цей факт вказує на обезліснення. Також можна використовувати автоматичний інструмент виявлення змін; він визначить ділянки зі змінами ґрунтового покриву за декількома знімками NDVI, зробленими у різний час (бажано, брати один і той же місяць і різні роки).
Масивна вирубка лісів на острові Ванкувер у Канаді, 2017-2018
Важливо, щоб при проведенні аналізу за допомогою супутникових зображень хмарність була мінімальною. Це допоможе уникнути некоректних негативних значень.
Недолік цього методу полягає в тому, що він не уточнює причину втрат лісових масивів. Окрім вирубки, втрати рослинності в лісах можуть бути викликані пожежами, ураганами або застосуванням хімікатів.
Взагалі, ні. Як показує формула, індекс не має для цього відповідних діапазонів. Однак, як відомо, він здатний виявити посуху, а значить, може показати ділянки з пересушеною рослинністю (= низькі значення), де ризик виникнення пожежі є найбільш високим.
По суті, відповідь на це питання – і так, і ні. Фермери, які займаються розведенням худоби, використовували NDVI, щоб перевірити наявність та якість трави на пасовищах. Однак якщо фуражна трава прихована під густою кроною дерев і / або кущів (наприклад, у тропічних лісах), нормалізований диференційований вегетаційний індекс не є надійним джерелом інформації. Тому застосовувати його як інструмент для визначення наявності трави для годування тварин не слід.
EOS Data Analytics (EOSDA) оголосила про свої плани вивести сім оптичних супутників EOS SAT на орбіту до 2024 року. Компанія прагне охопити повний цикл роботи з супутниковими даними та вирішити деякі глобальні проблеми людства і аграрної індустрії.
EOS Data Analytics співпрацює з AgroXchange. Ця співпраця має на меті надати дрібним нігерійським фермерам технології точниго землеробства шляхом впровадження супутникового моніторингу врожаю.
Сівозміна передбачає ротацію різних культур протягом визначеного часового періоду. Таким чином, вона запобігає виснаження верхнього шару землі та забезпечує поля поживними речовинами.
Ерозія ґрунтів може бути спричинена як природними, так і антропогенними факторами. Оскільки ерозія та виснаження ґрунтів негативно впливають на їхню родючість, важливо попереджувати її та боротися з уже наявною ерозією.
Система супутникового моніторингу посівів дозволяє швидко отримувати і оцінювати інформацію по будь-якому полю. Ці дані необхідні учасникам агроринку щоб визначати продуктивність полів, ефективність використання і прибутковість на одиницю землі.
EOS Data Analytics повідомила про співпрацю зі StarkSat. Це партнерство дозволить фермерам Бразилії, Аргентини та Парагваю мати кращий доступ до точних сільськогосподарських інновацій, які в кінцевому підсумку покращать продуктивність регіону.
EOS.com uses cookies which are necessary for this site to operate properly, and some of which are used for improving your experience with us. You can click “I accept” to accept all cookies, and you can review the cookies used in our Privacy Policy here.