Εκτίμηση παραγωγής / Απόδοση
Από RemoteSensing Wiki
Οι εκτιμήσεις για την απόδοση των καλλιεργειών είναι μία γεωργική πρακτική η οποία υπάρχει εδώ και πολλούς αιώνες. Ακόμη και σήμερα, οι έμπειροι αγρότες και οι Γεωπόνοι του ΕΛ.Γ.Α που ειδικεύονται στην εκτίμηση της παραγωγής των καλλιεργειών είναι σε θέση να κάνουν απλές εκτιμήσεις για την τελική παραγωγή, με μία μόνο εξέταση της ευρωστίας των φυτών και την κατάσταση της υγείας στα μέσα της περιόδου και λαμβάνοντας υπόψη τις κλιματολογικές συνθήκες μέχρι εκείνο το σημείο. Πιο κοντά στην συγκομιδή είναι αυτονόητο ότι η εκτίμηση της παραγωγής είναι πιο ακριβής.
Χάρη στο συγκεκριμένο τρόπο με τον οποίο η βλάστηση αντανακλά την ηλεκτρομαγνητική ακτινοβολία μπορούμε να αξιολογήσουμε την κατάσταση των φυτών με τη χρήση δεδομένων τηλεπισκόπησης. Με τον συνδυασμό αυτών των στοιχείων με πρόσθετα στοιχεία (όπως οι κλιματικές συνθήκες) σε πολύπλοκα μοντέλα, είναι δυνατό να εκτιμηθεί το τελικό προϊόν από ένα πεδίο καλλιέργειας σε πολύ πρώιμο στάδιο. Πιο συγκεκριμένα Οι αισθητήρες που καταγράφουν το ηλεκτρομαγνητικό σήμα της βλάστησης δέχονται πολύ χαμηλό σήμα στην μπλε και κόκκινη περιοχή, κάπως εντονότερο σήμα στην πράσινη και πολύ ισχυρό στην κοντινή υπέρυθρη περιοχή του φάσματος. Εάν η ισχύς του σήματος για την κάθε περιοχή του φάσματος παρουσιαστεί σε ένα γράφημα, θα είναι κάπως έτσι: (Εικόνα 1).
Ο συνδυασμός χαμηλής ορατής ανάκλασης και υψηλής ανάκλασης στο κοντινό υπέρυθρο είναι μοναδική για τα περισσότερα είδη βλάστησης και γι αύτό είναι γνωστή ως φασματική υπογραφή βλάστησης. ¨Όταν τα φυτά είναι υγιή έχουν διαφορετική φασματική υπογραφή βλάστησης σε σχέση με τα καταπονημένα φυτά από μια η περισσότερες αιτίες (έλλειψη νερού, έλλειψη θρεπτικών στοιχείων, Ασθένειες, μύκητες, Βακτήρια) .Η φασματική ανάκλαση των φύλλων των καταπονημένων φυτών θα έχει υψηλότερη κόκκινη ανάκλαση - λόγω της μειωμένης συγκέντρωσης χλωροφύλλης - και μικρότερη ανάκλαση στο κοντινό υπέρυθρο ,(όπως στα υγιή φυτά) λόγω της απώλειας του νερού και της καταστροφής των κυτταρικών τοιχωμάτων. Με την τηλεπισκόπηση μπορούμε άμεσα να εκτιμήσουμε το ποσό χλωροφύλλης που υπάρχει σε ένα φυτό. Συνδυάζοντας περισσότερα από ένα κανάλια (τμήματα του ηλεκτρομαγνητικού φάσματος στα οποία γίνεται καταγραφή της έντασης της ακτινοβολίας) των καταγεγραμμένων στοιχειών τηλεπισκόπησης, μπορούμε να δημιουργήσουμε δείκτες βλάστησης τους οποίους θα χρησιμοποιήσουμε για την εκτίμηση της κατάστασης των καλλιεργειών. Με την χρήση δεικτών βλάστησης μπορούμε να επεξεργαστούμε τα στοιχεία τηλεπισκόπησης και να παράγουμε ταξινομήσεις , που μας δείχνουν τα φυτά που έχουν καταπονηθεί.
Για την εκτίμηση της απόδοσης των καλλιεργειών με τη βοήθεια των δεδομένων τηλεπισκόπησης υπάρχουν 2 μέθοδοι. Η πρώτη μέθοδος χρησιμοποιεί μόνο τα δεδομένα τηλεπισκόπησης, ενώ η δεύτερη χρησιμοποιεί επίσης και άλλες μορφές δεδομένων, τα οποία χρησιμοποιούνται σε μοντέλα που προσομοιώνουν την ανάπτυξη των καλλιεργειών, και τελικά δίνουν μια εκτίμηση σχετικά με την απόδοση των καλλιεργειών Για να εκτιμήσουμε τη γεωργική απόδοση, μόνο με τη χρήση εικόνων τηλεπισκόπησης συγκρίνουμε δορυφορικές εικόνες που έχουν ληφθεί σε διάφορες ημερομηνίες, με στατιστικά στοιχεία απόδοσης των καλλιεργειών των χωραφιών. Σε αυτές τις περιπτώσεις, η εικόνα ήταν συνήθως επεξεργασμένη για τον υπολογισμό ενός ή περισσοτέρων δεικτών βλάστησης (Ο NDVI είναι ένας από τους δείκτες που χρησιμοποιούνται πιο συχνά στις μελέτες που σχετίζονται με τη γεωργία και τη βλάστηση γενικότερα, ειδικά όταν υπάρχει υψηλή κάλυψη βλάστησης.) και οι τιμές των δεικτών που αντιστοιχούν σε ένα χωράφι συγκρίθηκαν με την απόδοση του χωραφιού. Πολλές σχέσεις μεταξύ δεικτών βλάστησης και απόδοσης καλλιεργειών έχουν δημιουργηθεί με αυτό τον τρόπο. Ωστόσο, κάθε μία από αυτές τις σχέσεις ισχύει μόνο για τη συγκεκριμένη καλλιέργεια, στη συγκεκριμένη περιοχή και μόνο όταν τα δεδομένα τηλεπισκόπησης αποκτήθηκαν κατά τη συγκεκριμένη χρονική στιγμή του έτους. Ακόμη και τότε, η ακρίβεια της εκτίμησης της τελικής γεωργικής απόδοσης κυμαίνεται από έτος σε έτος κι αυτό είναι λογικό γιατί οι κλιματικές συνθήκες οι αιτίες καταπόνησης (ασθένειες, εχθροί) και οι γεωργικές πρακτικές ποτέ δεν είναι ίδιες. Ωστόσο, η χρήση των δεικτών βλάστησης χωρίς άλλα δεδομένα είναι ένας γρήγορος και εύκολος τρόπος για να γίνουν απλές εκτιμήσεις απόδοσης καλλιεργειών.
Για να γίνουν πιο ακριβείς προβλέψεις, είναι απαραίτητο να εξεταστούν οι παράγοντες που επηρεάζουν την ανάπτυξη και την απόδοση καλλιεργειών στη συγκεκριμένη χρονιά. Πληροφορίες όπως τα μετεωρολογικά και κλιματικά δεδομένα, οι ιδιότητες του εδάφους και των γεωργικών πρακτικών συνδυάζονται με τα πρόσφατα δεδομένα τηλεπισκόπησης για να εξομοιώσουν την ανάπτυξη των καλλιεργειών και να κάνουν εκτιμήσεις για την τελική απόδοση των καλλιεργειών.
Ένα τέτοιο παράδειγμα είναι το Σύστημα Πρόβλεψης MARS για την Γεωργική Απόδοση (MYCFS) το οποίο λειτουργεί από το MARS (Παρακολούθηση της Γεωργίας με Τηλεπισκόπηση) του τομέα STAT της Μονάδας Γεωργίας και Αλιείας του Ενιαίου Κέντρου Ερευνών (JRC). Εκτός από τα μετεωρολογικά δεδομένα και τις γεωργικές πρακτικές, οι γεωγραφικές πληροφορίες περιλαμβάνονται επίσης σε ορισμένα μοντέλα.Για παράδειγμα, η κλίση του χωραφιού, σε συνδυασμό με τις ιδιότητες του εδάφους, μπορεί να δώσει χρήσιμες πληροφορίες για τη συμπεριφορά των επιφανειακών υδάτων. Αυτό είναι πολύ σημαντικό, όταν πρέπει να εκτιμηθεί η απορροή λιπασμάτων και φυτοφαρμάκων Επίσης πολύ συχνή είναι και η χρήση των Γεωγραφικών συστημάτων Πληροφοριών (G.I.S) για την αποθήκευση πληροφοριών που σχετίζονται με συγκεκριμένα χωράφια ή περιοχές. Εκτός από την εκτιμώμενη απόδοση των καλλιεργειών, άλλες πληροφορίες περιλαμβάνουν το είδος της καλλιέργειας ή καλλιεργειών κατά τη διάρκεια της σεζόν, τον ιδιοκτήτη του χωραφιού, τις ιδιότητες του εδάφους, καθώς και ιστορικά στοιχεία, όπως οι γεωργικές πρακτικές που έχουν ακολουθηθεί και το ιστορικό επιθέσεων παρασίτων.
Πηγή:
http://www.seos-project.eu/modules/agriculture/agriculture-c02-p04.g
