راهنمای شاخص های تجزیه و تحلیل ماهواره ای پوشش گیاهی مزرعه

صادرات هندوانه به ترکیه
آوریل 3, 2024
آشنایی نخلداران خرمشهری با اصول کشت پاجوش خرما
آوریل 6, 2024

راهنمای شاخص های ماهواری برای پایش مزرعه

سامانه پایش مزرعه (مزرعه بان) چگونه کار می کند

سامانه مزرعه بان یک پلت‌فرم کشاورزی دقیق با انرژی ماهواره‌ای پیشرفته برای تولیدکنندگان مواد غذایی، شرکت‌های بیمه، تامین‌کنندگان ورودی و سایر بازیگران کشاورزی است. بدون زحمت به داده‌های مربوط به سلامت محصول، شرایط آب و هوایی، چرخش محصول، فعالیت‌های مزرعه، ارتفاع، رطوبت خاک و موارد دیگر دسترسی داشته باشید - همه به‌طور یکپارچه در یک رابط کاربرپسند تعبیه شده‌اند.
با پیشرفت حسگرها، ماهواره‌های رصد زمین داده‌های جدیدی را در اختیار کارشناسان سنجش از دور قرار می‌دهند تا تحقیقات آنها را تقویت کنند و تحلیل‌های موجود را بهبود بخشند. با استقبال از نوآوری‌های جدید در برنامه‌های کاربردی شاخص‌های پوشش گیاهی طیفی، شرکت‌هایی که قبلاً نرم‌افزار مبتنی بر شاخص خود را دارند، و همچنین آن‌هایی که قصد راه‌اندازی نرم‌افزار جدید را دارند، می‌توانند به طور قابل توجهی تقاضا برای محصولات مرتبط با کشاورزی خود را افزایش دهند.


شاخص های پوشش گیاهی یک پارامتر مهم در تجزیه و تحلیل توسعه محصول است. از جمله مزایای متعدد شاخص‌های پوشش گیاهی در سنجش از دور، دقت داده‌ها و کنترل مایل‌ها دور، محرک‌های کلیدی برای اتخاذ این فناوری مفید هستند.
با پیشرفت حسگرها، ماهواره‌های رصد زمین داده‌های جدیدی را در اختیار کارشناسان سنجش از دور قرار می‌دهند تا تحقیقات آنها را تقویت کنند و تحلیل‌های موجود را بهبود بخشند. با استقبال از نوآوری‌های جدید در برنامه‌های کاربردی شاخص‌های پوشش گیاهی طیفی، شرکت‌هایی که قبلاً نرم‌افزار مبتنی بر شاخص خود را دارند، و همچنین آن‌هایی که قصد راه‌اندازی نرم‌افزار جدید را دارند، می‌توانند به طور قابل توجهی تقاضا برای محصولات مرتبط با کشاورزی خود را افزایش دهند.



1

رسم مساحی مزرعه

ابتدا با استفاده از ابزار ترسیم، محدوده مزرعه را مشخص کنید
2

دریافت تصاویر ماهواره‌ای

با استفاده از دکمه "دریافت تصاویر"، روزهایی که ماهواره در ماه انتخاب شده از محدوده زمین ترسیم شده، عکس ارسال کرده را با میزان درصد ابر، مشاهده می کنید
3

انتخاب شاخص

بر اساس نیاز خود یکی از شاخص ها را انتخاب کنید و تاریخ مدنظر را کلیک کنید. تصویر ایجاد شده با استفاده از شاخص مربوطه به صورت چند رنگ روی مزرعه ظاهر می شود
4

بررسی شاخص

با ستفاده از تصویر بدست آمده و بر اساس راهنمای رنگ هر شاخص، وضعیت مزرعه یا تنش ها را مشاهده کنید و با کلیلک بر بروی هر نقطه از مزرعه اطلاعات دقیق تری از شاخص بدست آورید

معرفی شاخص های پوشش گیاهی

معرفی شاخص های پوشش گیاهی

پایش تنوع کشت

با استفاده از این الگوریتم تفاوت میزان سبزینگی گیاه در سه فصل بهار،تابستان و پاییز بررسی میشود


در این الگوریتم هر چقدر مزرعه در بهار (فروردین ماه) سبز تر باشد، رنگ تصویر ماهواره ای قرمز خواهد بود که به این معناست که محصول در این فصل آماده برداشت است
هر چقدر مزرعه در تابستان(تیرماه) سبز تر باشد، رنگ تصویر سبز خواهد بود و نشانه کشت بهاره است
هر چقدر مزرعه در پاییز(مهرماه) سبز تر باشد، رنگ تصویر آبی خواهد بود

راهنمای رنگ های شاخص

  • محل های شهری یا ساختمان
  • بیشترین سبزینگی در بهار (کشت پاییزه)
  • کشت های تابستانه
  • کشت های دیر برداشت پاییزه
  • بیشترین سبزینگی در تابستان (کشت بهاره)
  • بیشترین سبزینگی در پاییز
  • کشت های همواره سبز یا باغات


محتوای آبی گیاه (NDWI)

شاخص NDWI (Normalized Difference Water Index) یکی از شاخص‌های طیفی است که از تصاویر ماهواره‌ای استخراج می‌شود و به طور ویژه برای تشخیص و ارزیابی رطوبت و آب سطحی استفاده می‌شود. این شاخص برای پایش منابع آب، تحلیل رطوبت خاک، کشاورزی و محیط‌زیست کاربرد دارد.

NDWI در ابتدا برای ترسیم بدنه‌های آب آزاد و ارزیابی کدورت آن‌ها، کاهش بازتاب پوشش گیاهی خاک و زمین ایجاد شد. NDWI با ترکیب باند سبز نزدیک به مادون قرمز و مرئی بازیابی می شود.


شاخص NDWI اغلب با NDMI (شاخص تفاوت نرمال شده رطوبت) اشتباه گرفته می شود. NDWI از کانال های SWIR (مادون قرمز موج کوتاه) و NIR استفاده می کند. بازتاب NIR امکان تجزیه و تحلیل محتوای ماده خشک در شاخ و برگ گیاهی و ساختار داخلی برگ را فراهم می کند، در حالی که بازتاب SWIR تغییرات در محتوای آب گیاه و ساختار مزوفیل را نشان می دهد. وقتی با هم ترکیب شوند، نوارهای NIR و SWIR ایده بهتری از محتوای آب گیاه به دست می دهند زیرا آب در ساختار برگ داخلی بر بازتاب طیفی در SWIR تأثیر می گذارد.

شناسایی زمین های کشاورزی سیل زده؛ تخصیص سیل در میدان؛ شناسایی زمین های کشاورزی آبی; تخصیص تالاب ها از موارد استفاده از این شاخص است. NDWI بیشتر برای ارزیابی موارد زیر استفاده می شود:



بازه مقادیر NDWI و مفهوم آن
مقادیر NDWI معمولاً بین -1 تا +1 متغیر است. هر محدوده از این مقادیر اطلاعات خاصی ارائه می‌دهد:
بیشتر از 0.5: نشان‌دهنده حضور آب آزاد، مانند دریاچه‌ها، رودخانه‌ها، و تالاب‌ها.
بین 0.2 تا 0.5: ممکن است نشان‌دهنده مناطق دارای پوشش گیاهی بسیار مرطوب یا خاک اشباع باشد.
بین 0 تا 0.2: مناطق با رطوبت کم، مثل خاک‌های خشک یا پوشش گیاهی غیرمتحرک.
کمتر از 0: معمولاً نشان‌دهنده مناطق بدون آب یا با پوشش‌هایی مانند خاک خشک، ساختمان‌ها و صخره‌ها.

کاربردهای NDWI
تشخیص و نقشه‌برداری منابع آب:
شناسایی دریاچه‌ها، تالاب‌ها و رودخانه‌ها.
نظارت بر تغییرات سطح آب در طول زمان.
پایش خشکسالی:
اندازه‌گیری تغییرات رطوبت خاک و سلامت محصولات کشاورزی.
مدیریت منابع آبی:
برنامه‌ریزی برای مدیریت منابع آب سطحی و زیرزمینی.
بررسی تغییرات زیست‌محیطی:
ارزیابی تأثیرات تغییرات اقلیمی بر منابع آب.
حفاظت از زیستگاه‌های آبی.
مدیریت آب و کشاورزی
پایش خشکسالی و نقشه برداری
اندازه گیری تنش آبی محصول
برای تشخیص وقایع سیل
بررسی منابع آب طبیعی و تالاب
برخی از مطالعات از NDWI برای تشخیص استخر استفاده می کنند.
نظارت بر کشاورزی برای مدیریت آبیاری و مرتع
پایش جنگل برای ارزیابی خطر آتش سوزی


محدودیت های شاخص NDWI

تنش به سایبان‌های کاشت می‌تواند ناشی از اثراتی غیر از خشکسالی باشد و تشخیص آنها فقط با استفاده از NDWI دشوار است. دوره ثبت داده های ماهواره ای کوتاه است و مطالعات آب و هوایی دشوار است. خشکسالی و تنش آبی تنها عواملی نیستند که می توانند باعث کاهش مقادیر/ناهنجاری های NDWI شوند. تغییر در پوشش زمین یا آفات و بیماری ها نیز می تواند مسئول چنین تغییرات سیگنال باشد. بنابراین این شاخص باید به طور مشترک با سایر شاخص هایی که اطلاعاتی در مورد کمبود بارندگی/رطوبت خاک ارائه می دهند استفاده شود تا مشخص شود که آیا تغییر در واکنش پوشش گیاهی (سیگنال) با یک رویداد خشکسالی مرتبط است یا خیر.

راهنمای رنگ های شاخص

  • One
  • Two
  • Three
  • Four
  • etc

شاخص پوشش گیاهی تعدیل شده خاک (SAVI)

شاخص SAVI برای محاسبه روشنایی خاک هنگام ارزیابی پوشش گیاهی استفاده می شود. می توان از آن در نظارت کشاورزی برای ارزیابی پوشش گیاهی و سلامت در مناطق با روشنایی خاک متفاوت استفاده کرد و به تمایز بین خاک لخت و پوشش گیاهی کمک کرد. خالق آن برای تصحیح اثرات نویز خاک (رنگ خاک، رطوبت خاک، تغییرپذیری خاک در مناطق مختلف و غیره)، که بر نتایج تأثیر می گذارد، یک عامل تنظیم خاک به معادله NDVI اضافه کرد.

شاخص SAVI برای تجزیه و تحلیل محصولات جوان برای مناطق خشک با پوشش گیاهی کم (کمتر از 15٪ از کل سطح) و سطوح در معرض خاک استفاده می شود.