Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 10:34, 8 Απριλίου 2022

Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία

Application of remote sensing methods in Agriculture

Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk Δημοσίευση: Wójtowicz M., Wójtowicz A., Piekarczyk J. (2016). Application of remote sensing methods in Agriculture. Communications in Biometry and Crop Science 11, 31–50, 21 December 2015 © CBCS 2016

Πηγή: 1

Εικόνα 1: Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης

Εικόνα 2: Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης

Αντικείμενο

Στη παρούσα εργασία παρουσιάζονται οι εφαρμογές των μεθόδων της επιστήμης της Τηλεπισκόπησης στην επιστήμη της Γεωπονίας. Οι μέθοδοι αυτοί είναι ικανές να προάγουν την αύξηση των εισροών στο τομέα της Γεωργικής Παραγωγής και να συνεισφέρουν στην Προστασία του Περιβάλλοντος. Επίσης, στην εργασία γίνεται λόγος για την αξιοποίηση των δεδομένων που λαμβάνονται από τις μεθόδους όσον αφορά τις αποδόσεις καλλιέργειας τις ανάγκες των φυτών και του εδάφους σε θρεπτικά συστατικά και νερό και τον έλεγχο των ασθενειών, παρασίτων και ζιζανίων.

Εισαγωγή

H επιστήμη της Τηλεπισκόπησης είναι η διαδικασία λήψης πληροφοριών με παρατήρηση αντικειμένων από απόσταση. Φορέας των πληροφοριών αποτελεί η ηλεκτρομαγνητική ακτινοβολία η οποία ταξιδεύει στο κενό με τη μορφή κυμάτων, διαφορετικού μήκους κύματος λ. Οι σημαντικές περιοχές του φάσματος για την Τηλεπισκόπηση ξεκινούν από το ορατό φως (VIS) μέχρι το εγγύς υπέρυθρο (ΝΙR) στο μέσο υπέρυθρο (SWIR), το θερμικό (thermal infrared (TIR) και τη περιοχή των μικροκυμάτων. Οι παθητικοί αισθητήρες τηλεπισκόπησης που βρίσκονται στις πλατφόρμες ανιχνεύουν την ακτινοβολία που ανακλάται η εκπέμπεται απο αντικείμενα, ενώ οι ενεργητικοί αισθητήρες εκπέμπουν τη δική τους ακτινοβολία, η οποία αλληλεπιδρά με το στόχο, ανιχνεύεται από τον αισθητήρα και επιστρέφει στο όργανο καταγραφής.

Δείκτες Βλάστησης

Τα χαρακτηριστικά των φυτών μπορούν να προσδιοριστούν από δείκτες βλάστησης. Οι δείκτες βλάστησης είναι μη μετρήσιμες ραδιομετρικές μονάδες και υπολογίζονται με πρόσθεση ή αφαίρεση ανάμεσα σε δύο ή περισσότερα κανάλια. Ο δείκτης βλάστησης που χρησιμοποιείται πιο συχνά είναι ο δείκτης βλάστησης κανονικοποιημένης διαφοράς (NDVI). Ο δείκτης αυτός ορίζεται από τη διαφορά της ανάκλασης στο κοντινό υπέρυθρο και στο κόκκινο κανάλι, δια του αθροίσματος αυτών. Τα πράσινα μέρη των φυτών ανακλούν σε μεγάλο βαθμό στο εγγύς υπέρυθρο λόγω της διάχυσης της ΗΜΑ στο μεσόφυλλο και απορροφούν σε μεγάλο βαθμό το κόκκινο και το μπλέ φως μέσω της χλωροφύλλης. Συνήθως, ο δείκτης NDVI χρησιμοποιείται για να προσδιορίσει την κατάσταση υγείας, τα στάδια ανάπτυξης και βιομάζας των καλλιεργούμενων φυτών και τις αποδόσεις της καλλιέργειας.

Εφαρμογές Τηλεπισκόπησης στη Γεωπονία

Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης. Η μέθοδος επίγειας Τηλεπισκόπησης είναι χρήσιμη για μικρής κλίμακας αναλύσεις πεδίου, ώστε να ανιχνεύονται π.χ παράγοντες βιοτικού και αβιοτικού στρές. Η μέθοδος Λαμβάνει καλύτερα προσωρινές, φασματικές και χωρικές αναλύσεις σε σχέση με τις άλλες δύο μεθόδους. Παρόλα αυτά, ο περιορισμένος χρόνος επισκόπησης αποτελεί μειονεκτημα στο να μπορούν να αξιολογηθούν περιοχές μεγαλύτερης έκτασης. Στην εναέρια τηλεπισκόπηση, μέχρι σήμερα η πιο σύνηθης μορφή της ήταν αυτή των επανδρωμένων αεροσκαφών. Παρόλα αυτα, τα τελευταία χρόνια έχει διαδοθεί η αντικατάσταση τους απο μη επανδρωμένα αεροσκάφη (UAVS) τα οποία τηλεκατευθήνονται. Στα πλεονεκτήματα τους συγκαταλέγεται η υψηλή ανάλυση εικόνας, καθώς μπορούμε να διακρίνουμε μεμονομένα φυτά και σημαντικές λεπτομέρειες στο πεδίο, το χαμηλό κόστος και το μικρό βάρος. Τα μη επανδρωμένα αεροσκάφη χωρίζονται σε δύο βασικές κατηγορίες: με σταθερές πτέρυγες όπως τα αεροπλάνα και με έλικες, όπως τα ελικόπτερα. Η δορυφορική τηλεπισκόπηση αποσκοπούσε διαχρονικά στη χαρτογράφηση της βλάστησης, στην αξιολόγηση της υγειινής κατάστασης των φυτών και στην εκτίμηση του εμβαδού. Οι δορυφόροι χαρακτηρίζονται απο μικρή χωρική διακριτική ικανότητα, οπότε χρησιμοποιούνται σε μεγάλες εκτάσεις. Παρόλα αυτά, αναλύσεις απο δορυφόρους χρησιμοποιήθηκαν και για να ανιχνέυσουν τη ξηρασία, τις πλυμμήρες και τις ζημιές απο το χαλάζι. Έρευνες δείχνουν οτι οι τεχνητοί δορυφόροι μπορούν να επηρεαστούν σημαντικά απο τις καιρικές συνθήκες και ότι οι χαμηλής ανάλυσης εικόνες είναι ικανές μόνο για έρευνα σε μεγάλη κλίμακα. Επίσης, πολλοί δορυφόροι χαρακτηρίζονται απο μεγάλο εύρος τροχιάς, γεγονός που καθιστά δύσκολο το να λαμβάνουμε δορυφορικές εικόνες με μεγάλη συχνότητα.

Αποδόσεις Καλλιέργειας

Η τηλεπισκόπηση έχει χρησιμοποιηθεί για την πρόβλεψη των αποδόσεων των καλλιεργειών με βάση κυρίως στατιστικές-εμπειρικές σχέσεις μεταξύ της απόδοσης και των δεικτών βλάστησης. Πολλοί ερευνητές εστιάζουν την προσοχή τους στη φάση ανάπτυξης των φυτών καθώς αποτελεί ένα κρίσιμο στοιχείο για τη πρόβλεψη της απόδοσης (Basnyat and McConkey 2001, Wójtowicz et al. 2005, Piekarczyk 2011a). Πολλές μελέτες απέδειξαν επίσης τη χρησιμότητα του δείκτη NDVI για την πρόβλεψη των αποδόσεων (Basnyat και McConkey 2001, Piekarczyk et al. 2004, Wójtowicz et al. 2005, Walsh et al. 2012). Αναφέρεται ότι τα δεδομένα εναέριας τηλεπισκόπησης μπορούν να βελτιώσουν σημαντικά τα μοντέλα πρόβλεψης της απόδοσης των καλλιεργειών. Οι Launay και Guerif (2005) ανέπτυξαν ένα τέτοιο μοντέλο που αφομοιώνει πληροφορίες από εικόνες που λαμβάνονται καθ' όλη τη διάρκεια της καλλιεργητικής περιόδου. Οι εκτιμήσεις των αποδόσεων βελτιώθηκαν μειώνοντας το μέσο τετραγωνικό σφάλμα (RMSE) από 20% σε περίπου 10%. Ερευνητές διαπίστωσαν επίσης ότι το μοντέλο καλλιέργειας ήταν σημαντικά λιγότερο αξιόπιστο σε συνθήκες έντονης ξηρασίας. Όσον αφορά τη χρήση δορυφορικών εικόνων για τη πρόβλεψη της απόδοσης καλλιέργειας οι Dąbrowska-Zielińska et al. (2008) χρησιμοποίησαν τη μέθοδο για την παρακολούθηση της ανάπτυξης και της απόδοσης σιτηρών με βάση δορυφορικές εικόνες AVHRR/NOAA. Οι συγγραφείς ανέπτυξαν ένα μοντέλο το οποίο εκτιμούσε την απόδοση του σιταριού (με σφάλμα RMSE=13%). Οι Galvão et al. (2009) μελέτησαν τη δυνατότητα χρήσης Hyperion Υπερφασματικών δορυφορικών εικόνων για την εκτίμηση της απόδοσης στη καλλιέργεια σόγιας επιτυγχάνοντας υψηλή συσχέτιση (r= 0,74) μεταξύ των δεικτών βλάστησης και του βάρους των συγκομισμένων σπόρων.

Απαιτήσεις σε θρεπτικά συστατικά

Οι μέθοδοι επίγειας τηλεπισκόπησης χρησιμοποιούνται επίσης για τον προσδιορισμό των θρεπτικών απαιτήσεων των φυτών. Οι Li κ.ά. (2008a) χρησιμοποιώντας ένα φορητό ραδιόμετρο ικανό να μέτρησει στην περιοχή 325-1075 nm, απέδειξαν θετικά γραμμική σχέση μεταξύ του RVI και της πρόσληψης αζώτου στο χειμερινό σιτάρι. Άλλος τρόπος που αναφέρεται στο κείμενο, ήταν αυτός που αναπτύχθηκε για την αξιολόγηση της κατάστασης του αζώτου σε ένα χωράφι καλλιέργειας με τη μέτρηση της ανακλαστικότητας με ενεργούς αισθητήρες όπως το GreenSeeker και το Crop Circle. Οι αισθητήρες αυτοί σε αντίθεση με τους παθητικούς αισθητήρες έχουν τη δική τους πηγή φωτός. Οι ενεργητικοί αισθητήρες παράγουν συνήθως μόνο δύο ή τρία μήκη κύματος. Ένα ενδιαφέρον παράδειγμα χρήσης υπερφασματικών εικόνων εναέριας τηλεπισκόπισης ανίχνευσης ελλείψεων θρεπτικών συστατικών παρουσιάζεται από τους Quemada et al. (2014) οι οποίοι συνέκριναν την αξιοπιστία των επίγειων και εναέριων μεθόδων ανίχνευσης για τη διάκριση μεταξύ αγρών αραβοσίτου με ανεπάρκεια αζώτου και αγρών αραβοσίτου με επάρκεια αζώτου. Η μελέτη έδειξε ότι οι δείκτες βλάστησης που βασίζονται σε εναέριες μετρήσεις ήταν τόσο αξιόπιστοι οι όσο μετρήσεις που λαμβάνονται με επίγειο εξοπλισμό. Υπάρχουν επίσης πολυάριθμα παραδείγματα χρήσης των δορυφορικών εικόνων για την εκτίμηση της κατάστασης του αζώτου των καλλιεργειών. Για παράδειγμα, οι Bausch και Khosla (2010) απέδειξαν ότι τα πολυφασματικά δεδομένα του δορυφόρου QuickBird μπορούν να χρησιμοποιηθούν για μια ακριβή εκτίμηση της μεταβλητότητας της κατάστασης του αζώτου του αραβοσίτου εντός του αγρού με στόχο τη διαχείριση λίπανσης με άζωτο κατά τη διάρκεια της καλλιεργητικής περιόδου.

Ανίχνευση προσβολών από ασθένειες και παράσιτα

Οι μεταβολές στο φάσμα ανάκλασης των φυτών που προκύπτουν από την εμφάνιση των παρασίτων και των ασθενειών επιτρέπουν τον εντοπισμό τους με τη χρήση δεδομένων τηλεπισκόπησης. Τα φασματικά χαρακτηριστικά των υγιών και των προσβεβλημένων φυτών διαφέρουν σημαντικά. Στο φάσμα του ορατού (VIS) ένα υγιές φύλλωμα ανακλά την ακτινοβολία σε μικρή ποσότητα λόγω της ισχυρής απορρόφησης από τις φωτοσυνθετικές χρωστικές ουσίες, ενώ η φασματική ανάκλαση στις ζώνες NIR είναι σχετικά υψηλή και καθορίζεται κυρίως από την εσωτερική δομή του φύλλου και την ξηρή ουσία. Στην έρευνα των Genc et al. (2008), χρησιμοποιήθηκε ένα φορητό ραδιόμετρο και εκτιμήθηκαν ζημιές από το παράσιτο Eurygaster integriceps στο σιτάρι, με τη βοήθεια του NDVI. Ένα ακόμη παρουσιάζεται από τους Ashourloo et al. (2014 οι οποίοι διερεύνησαν τη χρήση δεικτών βλάστησης που προέκυψαν από δεδομένα που ελήφθησαν με ένα υπερφασματικό ραδιόμετρο για την ανίχνευση προσβολών από τη σκωρίαση των φύλλων του σιταριού (Puccinia triticina). Οι Zhang κ.ά. (2003), ανίχνευσαν την παρουσία του Phytophthora infestans στις τομάτες χρησιμοποιώντας την ανάκλαση. Η μελέτη έδειξε ότι η περιοχή του εγγύς υπέρυθρου (NIR), ιδιαίτερα στα 700 - 1300 nm, ήταν πολύ πιο χρήσιμη από την περιοχή VIS για την ανίχνευση των συμπτωμάτων της ασθένειας που προκαλούνται από το P. Infestans. Ο Mewes(2010) συνέκρινε την αποτελεσματικότητα του εντοπισμού φυτών σιταριού που έχουν μολυνθεί με καστανή σκωρίαση (Puccinia recondita f. sp. tritici) με δύο υπερφασματικές κάμερες. Η εμφάνιση φυτικών ασθενειών και παρασίτων στις γεωργικές καλλιέργειες μπορεί επίσης να παρατηρηθεί με τη χρήση δορυφορικών εικόνων. Οι Apan et al. (2004) απέδειξαν ότι η Hyperion δορυφορικές υπερφασματικές εικόνες θα μπορούσαν να χρησιμοποιηθούν για την ανίχνευση του μύκητα της σκουριάς (Puccinia kuehnii) στο ζαχαροκάλαμο

Εκτίμηση απαιτήσεων σε νερό

Ένα άλλο παράδειγμα που δείχνει τις δυνατότητες των φασματικών μετρήσεων που πραγματοποιούνται στο επίπεδο του εδάφους είναι η ανάπτυξη φασματικών δεικτών για τον προσδιορισμό των απαιτήσεων των φυτών σε νερό. Ανάλογα με τη διαθεσιμότητα νερού, τα φυτά που παρουσιάζουν συμπτώματα μάρανσης εκπέμπουν περισσότερη υπέρυθρη ακτινοβολία μεγάλου μήκους κύματος. Προκειμένου να συγκριθούν τα θερμικά δεδομένα στο χρόνο και στο χώρο, αναπτύχθηκε ο δείκτης CWSI. Αυτός προέκυψε χρησιμοποιώντας την ελάχιστη και τη μέγιστη διαφορά μεταξύ των θερμοκρασιών του θόλου των φυτών και των θερμοκρασιών του αέρα. Δεδομένα μπορούν επίσης να χρησιμοποιηθούν για τον προσδιορισμό της ημερομηνίας έναρξης της άρδευσης της καλλιέργειας, όπως έδειξαν οι Mogensen et al. (1996), οι οποίοι χρησιμοποίησαν φασματικές μετρήσεις για τον έλεγχο της φυτείας ελαιοκράμβης. Από τα αερομεταφερόμενα δεδομένα οι Champagne et al., (2003) εκτίμησαν άμεσα το ισοδύναμο πάχος νερού (EWT), το οποίο είναι το βάρος του νερού ανά μονάδα επιφάνειας φύλλου. Υπάρχει στενή σχέση μεταξύ του EWT και της βιομάζας των φυτών και του LAI τους, οι οποίες είναι σημαντικές μεταβλητές σε πολλές γεωργικές εφαρμογές. Το μοντέλο που κατασκευάστηκε περιγράφει τη σχέση μεταξύ του EWT και των υπερφασματικών αερομεταφερόμενων δεδομένων εικόνας, αποδείχθηκε ότι είναι ένας καλός προγνωστικός δείκτης για καλλιέργειες πλατύφυλλων, όπως φασόλια, καλαμπόκι, canola και μπιζέλια, ενώ για το σιτάρι παρείχε φτωχές προβλέψεις. Στο κείμενο επίσης αναφέρεται όσον αφορά την εναέρια τηλεπισκόπιση ότι η δυνατότητα πτήσης σε χαμηλό υψόμετρο επιτρέπει τη λήψη θερμικών εικόνων με υψηλή ανάλυση και συνεπώς την εξάλειψη του φαινομένου του εδαφικού υποβάθρου. Πολλές μελέτες έχουν δείξει ότι οι ακριβείς εκτιμήσεις της περιεκτικότητας σε νερό στα φυτά μπορούν να να ληφθούν και απο δορυφορικές εικόνες.Οι δορυφορικές εικόνες είναι ιδιαίτερα χρήσιμες για την εκτίμηση της περιεκτικότητας σε νερό σε τεράστιες γεωργικές εκτάσεις και μπορούν να υποστηρίξουν την αποτελεσματική διαχείριση των υδάτων, παρέχοντας πληροφορίες σχετικά με τη συνολική ζήτηση νερού για τις καλλιέργειες.

Έλεγχος ζιζανίων

Έχουν διεξαχθεί εντατικές μελέτες για τη χρήση φορητών ραδιομέτρων με σκοπό τον έλεγχο των ζιζανίων σε γεωργικές καλλιέργειες. Ο έλεγχος περιλαμβάνει την ταυτοποίηση των ειδών ζιζανίων ή τη διάκριση τους από τα καλλιεργούμενα φυτά. Η διάκριση είναι λιγότερο περίπλοκη σε σχέση με την ταυτοποίηση των ειδών των ζιζανίων, αλλά επαρκεί για την ακριβή εφαρμογή ζιζανιοκτόνων. Τα συστήματα που χρησιμοποιούνται στη γεωργική πρακτική βασίζονται σε οπτικούς αισθητήρες (φωτοδίοδοι), όπως το Weedseeker (Trimble Navigation Ltd., Westminster, ΗΠΑ), μπορούν να διακρίνουν το φυτό από το έδαφος. Οι Burks κ.ά. (2000) απέδειξαν ότι η ακρίβεια αυτής της μεθόδου ήταν πολύ υψηλή από 80 έως 97%. Ο συνδυασμός της πληροφοριών σχετικά με το μέγεθος, το σχήμα και το χρώμα των φυτών επέτρεψε την ταυτοποίηση ζιζανίων πατάτας σε καλλιέργειες καλαμποκιού και ζαχαρότευτλων (Nieuwenhuizen et al. 2007, Van Evert et al. 2006), καθώς και τη διάκριση ζιζανίων από φυτά καλαμποκιού (Shrestha and Steward 2005). Από όλες τις εφαρμογές της εναέρειας τηλεπισκόπησης, η εφαρμογή στην ανίχνευση των ζιζανίων φαίνεται να είναι η πιο επιτυχημένη. Για παράδειγμα, οι Lamb et al. (1999), χρησιμοποιώντας δεδομένα υπερφασματικής ακτινοβολίας από αερομεταφερόμενο αισθητήρα κατέδειξαν την ανίχνευση ζιζανίων στο στάδιο των σποροφύτων μιας καλλιέργειας τριτικάλε (υβρίδιου σίτου και σίκαλης). Λόγω των πολύ χαμηλού ύψους (40 m) και υψηλής χωρικής ανάλυσης των αεροφωτογραφιών εντοπίστηκαν ζιζάνια με ακρίβεια έως και 91%, 50 ημέρες μετά τη σπορά. Αναφέρεται επίσης ότι η αναγνώριση των ζιζανίων με τη χρήση πολυφασματικών δορυφόρων υψηλής ανάλυσης, όπως QuickBird και GeoEye είναι πολλά υποσχόμενη. Ωστόσο, οι δορυφόροι μέτριας ανάλυσης όπως ο SPOT (20 m) ή ο Landsat TM (30 m) και οι χαμηλής ανάλυσης NOAA-AVHRR (1100 m) έχουν αποδειχθεί χρήσιμοι σε ευρείας κλίμακας για την ανίχνευση και χαρτογράφηση μεγάλων συστάδων ζιζανίων λόγω διαφορών μεταξύ των φασματικών ιδιοτήτων των ζιζανίων και του υποβάθρου τους.

Συμπεράσματα

Τα παραδείγματα που αναφέρονται παραπάνω, σχετίζονται και με τη χρήση μεθόδων Τηλεπισκόπησης στη Γεωργία Ακριβείας, η οποία αναπτύσσεται με υψηλούς ρυθμούς τα τελευταία χρόνια. Ο σκοπός αυτής της μεθόδου Γεωργίας είναι να βελτιστοποιήσει τις εισροές αποδόσεων, ενω παραλληλα να εξασφαλίσει τη σωστή περιβαλλοντική διαχείριση. Υψηλές τεχνολογίες που χρησιμοποιούνται στη Γεωργία Ακριβείας παρέχουν συνεχή πρόσβαση σε πληροφορίες για τις συνθήκες του περιβάλλοντος της παραγωγής. Τέτοιες πληροφορίες μπορούν να ληφθούν απο μη επανδρωμένα αεροσκάφη αλλά και από τις δορυφορικές εικόνες. Δεδομένα που συλλέγονται από δορυφορικές εικόνες, drones και επίγειους σταθμούς διευκολύνουν την παρακολούθηση προσβολών από ζιζάνια, ζημιές που προκαλούνται από παθογόνα και από παράσιτα. Η ικανότητα χρήσης των δεδομένων της Τηλεπισκόπισης που καθορίζει τις ανάγκες σε λίπανση, οι οποίες βασίζονται στη σύσταση των θρεπτικών συστατικών των φυτών και του εδάφους, βοηθάει στην άυξηση των αποδόσεων, στη βελτίωση της ποιότητας των σπόρων και φρούτων και κατ’ επέκταση στην άνοδο του κέρδους της καλλιέργειας. Η τηλεπισκόπηση επίσης έχει βοηθήσει ώστε να οριστούν οι ανάγκες σε νερό των φυτών και η ημερομηνία έναρξης της άρδευσης καθιστώντας πιο εύκολη τη διαχείριση το υδατικού στρες σε μια καλλιέργεια. Παρόλα αυτά, δύο μεγάλα προβλήματα πρέπει να λυθούν για να αναπτυχθούν ποσοτικές μέθοδοι τηλεπισκόπησης. Η ανακλαστικότητα παραλλάσσεται λόγω ηλιακής γωνίας, κατεύθυνση θέασης του αισθητήρα και τον προσανατολισμό της σειράς των φυτών. Το δεύτερο πρόβλημα αφορά τους αλγόριθμους ανίχνευσης στρες οι οποίοι και είναι ικανοί να ανιχνεύσουν το υδατικό στρες, τη προσβολή από παράσιτα, από ηχητικά σήματα που εκπέμπονται από το έδαφος και από μη ενεργά φωτοσυνθετικό φυτικό υλικό. Μια τελευταία τάση στην Τηλεπισκόπηση αποτελεί η ενσωμάτωση των παραμέτρων της Τηλεπισκόπησης σε Συστήματα Υποστήριξης Λήψης Αποφάσεων. Συνδυάζοντας δεδομένα από υπάρχουσες προσομοιώσεις καλλιέργειας βελτιώνεται η αξιοπιστία των Συστημάτων υποστήριξης Λήψης αποφάσεων και προάγεται ο εκσυγχρονισμός της διαχείρισης της αγροτικής παραγωγής.