Εκτίμηση των Παραμέτρων Ανάπτυξης των Σιτηρών με την Χρήση Υπερφασματικών Δεδομένων από ΣμηΕΑ
Από RemoteSensing Wiki
Εκτίμηση των Παραμέτρων Ανάπτυξης των Σιτηρών με την Χρήση Υπερφασματικών Δεδομένων από ΣμηΕΑ
Πρωτότυπος τίτλος: Estimation of Crop Growth Parameters Using UAV-Based Hyperspectral Remote Sensing Data
Συγγραφείς: Huilin Tao, Haikuan Feng, Liangji Mengke, Huiling Long, Jibo Yue, Zhenhai Li, Guijun Yang, Xiaodong Yang, Lingling Fan
Δημοσιεύθηκε: Sensors MDPI
Σύνδεσμος πρωτότυπου κειμένου: [1]
Εισαγωγή
Η ανάπτυξη της καλλιέργειας αξιολογείται από τους δείκτες above-ground biomass (AGB) και leaf area index (LAI). Τα πλεονεκτήματα των μεθόδων τηλεπισκόπησης συγκριτικά με τις παραδοσιακές μεθόδους αξιολόγησης είναι η μεγάλης κλίμακας, έγκαιρες και δυναμικές παρατηρήσεις. Υπάρχουν όμως κάποιοι περιορισμοί. Με τις μεθόδους τηλεπισκόπησης από εδάφους δεν λαμβάνονται δεδομένα για την δημιουργία ορθοφωτογραφιών. Οι δορυφόροι έχουν μεγάλο κύκλο λειτουργίας, ενδέχεται οι λήψεις να επηρεαστούν από τα σύννεφα και έχουν υψηλό κόστος συντήρησης. Μία καλή εναλλακτική αυτών είναι η χρήση ΣμηΕΑ, καθώς είναι εύκολα στην χρήση, οι δέκτες τους έχουν υψηλότερη ανάλυση από τους δέκτες των δορυφόρων και έχουν απλούστερα προαπαιτούμενα για τις πτήσεις, σε σχέση με τα αεροσκάφη. Αν και τα περισσότερα ΣμηΕΑ χρησιμοποιούν RGB και πολυφασματικές κάμερες, η χρήση των υπερφασματικών, οι οποίες έχουν περισσότερα φασματικά κανάλια, θα βελτιώσει την αξιολόγηση της ανάπτυξης των φυτών. Συγκρίνοντας τις RGB και υπερφασματικές κάμερες, η ανακλαστικότητα της βλάστησης διαφέρει ανάλογα το εύρος ζώνης κύματος. Για παράδειγμα, λόγω της απορρόφησης του φωτός από την χλωροφύλλη και τη διάχυσή του από τα φύλλα της κόμης των δέντρων, η φασματική ανακλαστικότητα της βλάστησης αυξάνεται απότομα στα μήκη κύματος 670-750nm και αποκαλείται “red edge” bands. Η ανακλαστικότητα σε αυτή την περιοχή είναι διαφορετική σε σχέση με άλλες φασματικές περιοχές και περιέχει πολλές πληροφορίες για την εκτίμηση των παραμέτρων ανάπτυξης. Οι επιστήμονες έχουν αναπτύξει αρκετούς δείκτες βλάστησης (VI), για την αξιολόγηση των AGB και LAI. Στην παρούσα μελέτη, για την εκτίμηση των δεικτών χρησιμοποιούνται μόνο οι VIs, οι παράμετροι red-edge και ο συνδυασμός τους.
Μεθοδολογία
Η έρευνα πραγματοποιήθηκε στο National Precision Agriculture Research Demonstration Base, στην πόλη Xiaotangshan της Κίνας. Φυτεύτηκαν διαφορετικές ποικιλίες σιταριού σε 48 πειραματικά τεμάχια των 48m2 και εφαρμόστηκαν διαφορετικά προγράμματα άρδευσης και λίπανσης αζώτου στο καθένα. Συλλέχθηκαν δεδομένα τηλεπισκόπησης από ΣμηΕΑ με υπερφασματική κάμερα, αλλά και δεδομένα από εδάφους για στα στάδια του αδελφώματος, του φύλλου σημαίας, της άνθισης και του γεμίσματος. Στο τέλος της καλλιεργητικές περιόδου συγκομίστηκαν κάποια φυτά και υπολογίστηκε ο LAI και ο AGB, σύμφωνα με το πρωτόκολλο. Λήφθηκαν δεδομένα από ΣμηΕΑ με υπερφασματικούς αισθητήρες και μελετήθηκαν οι σχέσεις των ο LAI και ο AGB με 20 VIs. Χρησιμοποιήθηκαν πέντε παράμετροι red-edge: 1. red edge position (REP) 2. red edge amplitude (Dr) 3. red edge area (SDr) 4. minimum red-edge amplitude (Drmin) 5. ο λόγος του red edge amplitude και του minimum red-edge amplitude (Dr/Drmin) Οι παράμετροι υπολογίστηκαν σύμφωνα με το maximum first derivative. Για την μελέτη χρησιμοποιήθηκε η μέθοδος PSLR, η οποία περιλαμβάνει γραμμική παλινδρόμηση, ανάλυση κανονικής συσχέτισης και ανάλυση κύριων συνιστωσών. Το μοντέλο δημιουργήθηκε από τα 2/3 των δεδομένων και το 1/3 χρησιμοποιήθηκε για την επαλήθευση.
Συμπεράσματα
Η μελέτη έδειξε ότι η ευαισθησία των VIs στα AGB και LAI εξαρτάται από το στάδιο ανάπτυξης, με τον δείκτη βλάστησης PBI να δίνει τα καλύτερα αποτελέσματα. Επίσης, έδειξε ότι ο συνδυασμός των VIs και των παραμέτρων red-edge δίνει καλύτερες εκτιμήσεις για την εκτίμηση της ανάπτυξης. Τέλος, οι μέθοδοι PSLR έδωσαν καλύτερα αποτελέσματα συγκριτικά με την απλή γραμμική παλινδρόμηση και την γραμμική παλινδρόμηση SWR.
