UAV:t voivat kantaa erilaisia kaukokartoitusantureita, jotka voivat saada moniulotteisia, erittäin tarkkoja viljelysmaatietoja ja toteuttaa dynaamisen monimuotoisen viljelysmaan tiedon valvonnan. Tällaisia tietoja ovat pääasiassa viljelykasvien alueelliset jakautumistiedot (viljelymaan sijainti, viljelykasvilajien tunnistaminen, pinta-alan estimointi ja muutosdynaaminen seuranta, peltoinfrastruktuurin louhinta), viljelykasvien kasvutiedot (kasvin fenotyyppiset parametrit, ravitsemusindikaattorit, sato) ja viljelykasvien kasvustressitekijät (pellon kosteus). , tuholaiset ja sairaudet) dynamiikkaa.
Viljelymaan paikkatiedot
Viljelymaan paikkatieto sisältää peltojen maantieteelliset koordinaatit ja viljelykasvien luokitukset, jotka on saatu visuaalisen erottelun tai koneentunnistuksen avulla. Pellon rajat voidaan tunnistaa maantieteellisistä koordinaateista ja myös istutusala voidaan arvioida. Perinteinen tapa digitoida topografisia karttoja aluesuunnittelun ja aluearvioinnin pohjakartana on heikko ajantasaisuus ja ero rajan sijainnin ja todellisen tilanteen välillä on valtava ja intuitiota vailla, mikä ei edistä tarkkuusmaatalouden toteuttamista. UAV-kaukokartoituksella voidaan saada reaaliajassa kattavaa viljelysmaan paikkatietoa, jolla on perinteisten menetelmien vertaansa vailla olevat edut. Teräväpiirtodigitaalikameroiden ilmakuvilla voidaan tunnistaa ja määrittää viljelymaan perustietoa, ja spatiaalisen konfigurointiteknologian kehitys parantaa viljelymaan sijaintitiedon tutkimuksen tarkkuutta ja syvyyttä sekä parantaa avaruusresoluutiota samalla kun otetaan käyttöön korkeustietoja. , joka toteuttaa viljelymaan paikkatietojen tarkempaa seurantaa.
Tietoja sadon kasvusta
Sadon kasvua voidaan luonnehtia tiedoilla fenotyyppisistä parametreistä, ravitsemusindikaattoreista ja sadosta. Fenotyyppisiä parametreja ovat kasvillisuuden peitto, lehtipinta-alaindeksi, biomassa, kasvin korkeus jne. Nämä parametrit liittyvät toisiinsa ja kuvaavat yhdessä sadon kasvua. Nämä parametrit liittyvät toisiinsa ja kuvaavat yhdessä sadon kasvua ja liittyvät suoraan lopulliseen tuottoon. Ne ovat hallitsevia maatilatietojen seurantatutkimuksessa ja tutkimuksia on tehty lisää.
1) Sadon fenotyyppiset parametrit
Lehtipinta-alaindeksi (LAI) on yksipuolisen viherlehtialan summa pinta-alayksikköä kohden, mikä kuvaa paremmin sadon valoenergian imeytymistä ja hyödyntämistä ja liittyy läheisesti sadon materiaalin kertymiseen ja loppusatoon. Lehden pinta-alaindeksi on yksi tärkeimmistä sadon kasvuparametreista, joita tällä hetkellä seurataan UAV-kaukokartoituksella. Kasvillisuusindeksien (suhteellinen kasvillisuusindeksi, normalisoitu kasvillisuusindeksi, maaperän kuntoutuskasvillisuusindeksi, erokasvillisuusindeksi jne.) laskeminen monispektrisillä tiedoilla ja regressiomallien muodostaminen pohjatotuustiedoilla on kypsempi menetelmä fenotyyppisten parametrien kääntämiseksi.
Maanpäällinen biomassa viljelykasvien myöhäisessä kasvuvaiheessa liittyy läheisesti sekä satoon että laatuun. Tällä hetkellä maatalouden UAV-kaukokartoituksen biomassan estimoinnissa käytetään edelleen enimmäkseen monispektridataa, poimitaan spektriparametreja ja lasketaan kasvillisuusindeksi mallintamista varten; tilakonfiguraatioteknologialla on tiettyjä etuja biomassan arvioinnissa.
2) Sadon ravitsemusindikaattorit
Perinteinen viljelykasvien ravitsemustilan seuranta vaatii peltonäytteitä ja sisäkemiallisia analyyseja ravinnepitoisuuksien tai indikaattoreiden (klorofylli, typpi jne.) diagnosoimiseksi, kun taas UAV-etäkartoitus perustuu siihen, että eri aineilla on spesifiset spektriheijastus-absorptio-ominaisuudet. diagnoosi. Klorofyllia seurataan sillä perusteella, että sillä on kaksi vahvaa absorptioaluetta näkyvän valon vyöhykkeellä, nimittäin punainen osa 640-663 nm ja sinivioletti osa 430-460 nm, kun taas absorptio on heikko 550 nm:ssä. Lehtien väri- ja rakenneominaisuudet muuttuvat, kun sato on puutteellinen, ja erilaisia puutteita ja niihin liittyviä ominaisuuksia vastaavien värin ja koostumuksen tilastollisten ominaisuuksien löytäminen on ravinneseurannan avain. Kasvuparametrien seurannan tapaan tyypillisten vyöhykkeiden, kasvillisuusindeksien ja ennustemallien valinta on edelleen tutkimuksen pääsisältö.
3) Sadon tuotto
Sadon kasvattaminen on maataloustoiminnan päätavoite, ja tarkka sadonarviointi on tärkeää sekä maataloustuotannon että johdon päätöksentekoosastoille. Lukuisat tutkijat ovat yrittäneet luoda tuoton estimointimalleja, joilla on suurempi ennustetarkkuus monitekijäanalyysin avulla.
Maatalouden kosteus
Viljelymaan kosteutta seurataan usein lämpöinfrapunamenetelmillä. Alueilla, joilla kasvipeitto on korkea, lehtien stomaatien sulkeutuminen vähentää haihtumisesta johtuvaa vesihävikkiä, mikä vähentää pinnalla olevaa piilevää lämpövirtaa ja lisää pinnan herkkää lämpövirtaa, mikä puolestaan aiheuttaa latvuslämpötilan nousua, mikä katsotaan kasvin latvoksen lämpötilaksi. Koska vesistressiindeksin sadon energiatasapaino heijastaa sadon vesipitoisuuden ja latvuslämpötilan välistä suhdetta, lämpöinfrapuna-anturin saama latvuslämpötila voi heijastaa viljelymaan kosteustilaa; paljas maaperä tai kasvipeite pienillä alueilla, voidaan käyttää epäsuorasti kääntämään maaperän kosteutta maanalaisen lämpötilan kanssa, mikä on periaate, että: veden ominaislämpö on suuri, lämmön lämpötila muuttuu hitaasti, joten maanalaisen lämpötilan alueellinen jakautuminen päivän aikana voi välillisesti heijastua maaperän kosteuden jakautumiseen. Siksi päiväsaikaan maanalaisen lämpötilan tilajakauma voi epäsuorasti heijastaa maaperän kosteuden jakautumista. Katon lämpötilan seurannassa paljas maaperä on tärkeä häiriötekijä. Jotkut tutkijat ovat tutkineet paljaan maan lämpötilan ja sadon pintapeitteen välistä suhdetta, selventäneet paljaan maan aiheuttaman latvuslämpötilamittausten ja todellisen arvon välistä eroa sekä käyttäneet korjattuja tuloksia viljelysmaan kosteuden seurannassa seurannan tarkkuuden parantamiseksi. tuloksia. Varsinaisessa viljelysmaan tuotannon hallinnassa kentän kosteusvuoto on myös huomion keskipisteessä, on tehty tutkimuksia infrapunakameran avulla kastelukanavan kosteusvuotojen seuraamiseksi, tarkkuus voi olla 93%.
Tuholaiset ja taudit
Lähi-infrapunaspektrin heijastuskyvyn seuranta kasvituholaisten ja -tautien perusteella: lehdet lähi-infrapuna-alueella heijastuksen sienikudoksen ja aidan kudosten hallinnassa, terveet kasvit, nämä kaksi kudosrakoa täynnä kosteutta ja laajenemista , heijastaa hyvin erilaista säteilyä; kun kasvi on vaurioitunut, lehti vaurioituu, kudos kuihtuu, vesi vähenee, infrapunaheijastus vähenee, kunnes se katoaa.
Lämpötilan infrapunavalvonta on myös tärkeä indikaattori viljelykasvien tuholaisista ja taudeista. Kasvit terveissä olosuhteissa, pääasiassa ohjaamalla lehtien stomatalin avautumista ja sulkemista haihtumissäädön avulla, ylläpitämään oman lämpötilansa vakautta; taudin tapauksessa tapahtuu patologisia muutoksia, taudinaiheuttajan ja isännän vuorovaikutus patogeenissä kasvissa, erityisesti vaikutuksen transpiraatioon liittyvissä näkökohdissa, määrää lämpötilan nousun ja laskun saastuneen osan. Yleensä kasvien havaitseminen johtaa avautumisen säätelyn purkamiseen, ja siten transpiraatio on suurempi sairaalla alueella kuin terveellä alueella. Voimakas transpiraatio johtaa infektoituneen alueen lämpötilan laskuun ja suurempaan lämpötilaeroon lehden pinnalla kuin normaalilehdellä, kunnes lehden pintaan ilmestyy nekroottisia täpliä. Nekroottisen alueen solut ovat täysin kuolleita, transpiraatio siinä osassa on kokonaan kadonnut ja lämpötila alkaa nousta, mutta koska muu lehti alkaa tulehtua, lämpötilaero lehden pinnalla on aina suurempi kuin lehden pinnalla. terve kasvi.
Muut tiedot
UAV-kaukokartoitustiedoilla on viljelysmaan tietojen valvonnassa laajempi valikoima sovelluksia. Sitä voidaan käyttää esimerkiksi maissin pudonneen alueen erottamiseen useiden rakenneominaisuuksien avulla, lehtien kypsyysasteen heijastamiseen puuvillan kypsyysvaiheen aikana NDVI-indeksin avulla ja abskisiinihapon levitysreseptikarttojen luomiseen, jotka voivat ohjata tehokkaasti abskisiinihapon ruiskutusta. puuvillalle torjunta-aineiden liiallisen käytön välttämiseksi ja niin edelleen. Viljelysmaan seurannan ja hoidon tarpeiden mukaisesti informatisoidun ja digitalisoidun maatalouden tulevan kehityksen väistämätön trendi on jatkuvasti tutkia UAV-kaukokartoitusdatan tietoa ja laajentaa sen sovellusalueita.
Postitusaika: 24.12.2024