http://147.102.106.44/rs/wiki/index.php?feed=atom&target=Eftichia&title=%CE%95%CE%B9%CE%B4%CE%B9%CE%BA%CF%8C%3A%CE%A3%CF%85%CE%BD%CE%B5%CE%B9%CF%83%CF%86%CE%BF%CF%81%CE%AD%CF%82%2FEftichia 2026-06-19T14:30:38Z Από RemoteSensing Wiki MediaWiki 1.16.2 http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%BA%CE%BA%CE%AF%CE%BD%CE%BF%CF%85_%CE%95%CF%85%CF%84%CF%85%CF%87%CE%AF%CE%B1 2022-04-08T20:44:15Z

<p>Eftichia: </p> <hr /> <div> [[category: ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]<br /> <br /> <br /> [[Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία]]<br /> <br /> [[Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir]]<br /> <br /> [[Ακριβής αναγνώριση καρπών της αμπέλου με βάση πολλαπλά δορυφορικά δεδομένα]]<br /> <br /> [[Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου]]<br /> <br /> [[Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου]]</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:42:34Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου'''<br /> <br /> '''Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation'''<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: [https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841 1]<br /> <br /> [[Αρχείο:ΚΟΚΚ5.1.JPG|thumb|right|'''Εικόνα 1''': Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης]]<br /> [[Αρχείο:ΚΟΚΚ5.2.JPG|thumb|right|'''Εικόνα 2''': Δομή ασαφούς ελεγκτή]]<br /> [[Αρχείο:ΚΟΚΚ5.3.JPG|thumb|right|'''Εικόνα 3''': Αποτελέσματα δοκιμής σε δεξαμενή ζύμωσης]]<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:42:06Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου'''<br /> <br /> '''Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation'''<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> [[Αρχείο:ΚΟΚΚ5.1.JPG|thumb|right|'''Εικόνα 1''': Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης]]<br /> [[Αρχείο:ΚΟΚΚ5.2.JPG|thumb|right|'''Εικόνα 2''': Δομή ασαφούς ελεγκτή]]<br /> [[Αρχείο:ΚΟΚΚ5.3.JPG|thumb|right|'''Εικόνα 3''': Αποτελέσματα δοκιμής σε δεξαμενή ζύμωσης]]<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:41:49Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου'''<br /> <br /> '''Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation'''<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ5.1.JPG|thumb|right|'''Εικόνα 1''': Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης]]<br /> [[Αρχείο:ΚΟΚΚ5.2.JPG|thumb|right|'''Εικόνα 2''': Δομή ασαφούς ελεγκτή]]<br /> [[Αρχείο:ΚΟΚΚ5.3.JPG|thumb|right|'''Εικόνα 3''': Αποτελέσματα δοκιμής σε δεξαμενή ζύμωσης]]<br /> <br /> <br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:41:03Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου'''<br /> <br /> '''Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation'''<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ5.1.jpg|thumb|right|'''Εικόνα 1''': Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης]]<br /> [[Αρχείο:ΚΟΚΚ5.2.jpg|thumb|right|'''Εικόνα 2''': Δομή ασαφούς ελεγκτή]]<br /> [[Αρχείο:ΚΟΚΚ5.3.jpg|thumb|right|'''Εικόνα 3''': Αποτελέσματα δοκιμής σε δεξαμενή ζύμωσης]]<br /> <br /> <br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:38:40Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου'''<br /> <br /> '''Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation'''<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> '''Αποτελέσματα''' <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> <br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:37:58Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου<br /> <br /> Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> <br /> Σκοπός<br /> <br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> <br /> <br /> Εισαγωγή<br /> <br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> Υλικά και Μέθοδοι<br /> <br /> Οι βασικές μονάδες του συστήματος είναι το RTD, ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> <br /> <br /> Αποτελέσματα <br /> <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> <br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> <br /> <br /> Συμπεράσματα<br /> <br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:36:53Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου<br /> <br /> Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> Σκοπός<br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> Εισαγωγή<br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> Εικόνα 1- Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης <br /> Υλικά και Μέθοδοι<br /> Οι βασικές μονάδες του συστήματος είναι το RTD ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> Αποτελέσματα <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> <br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> Συμπεράσματα<br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A0%CE%BB%CE%B1%CF%84%CF%86%CF%8C%CF%81%CE%BC%CE%B1_%CE%B1%CF%83%CF%8D%CF%81%CE%BC%CE%B1%CF%84%CE%B7%CF%82_%CE%B1%CE%BD%CE%AF%CF%87%CE%BD%CE%B5%CF%85%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%80%CE%B1%CF%81%CE%B1%CE%BA%CE%BF%CE%BB%CE%BF%CF%8D%CE%B8%CE%B7%CF%83%CE%B7_%CE%B6%CF%8D%CE%BC%CF%89%CF%83%CE%B7%CF%82_%CE%BF%CE%AF%CE%BD%CE%BF%CF%85 2022-04-08T20:36:45Z

<p>Eftichia: Νέα σελίδα με ' category:Γεωργία Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου Wireless Sensing Platfo...'</p> <hr /> <div> [[category:Γεωργία]]<br /> Πλατφόρμα ασύρματης ανίχνευσης για παρακολούθηση ζύμωσης οίνου<br /> Wireless Sensing Platform for Remote Monitoring and Control of Wine Fermentation<br /> <br /> Συγγραφείς: Damith C. Ranasinghe, Nickolas J. G. Falkner, Pan Chaο, Wu Hao <br /> <br /> Πηγή: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&amp;arnumber=6529841<br /> <br /> Σκοπός<br /> Στόχος της έρευνας είναι να προσεγγίσει ένα χαμηλό κόστος για την ακριβή ανάλυση της θερμοκρασίας σε ολόκληρο τον κάδο ζύμωσης και να παράξει ένα αυτοματοποιημένο σύστημα υποστήριξης αποφάσεων ασαφούς λογικής για την απαλλαγή της συνεχής παρουσίας εργαζομένων στην παραγωγή οίνου.<br /> Εισαγωγή<br /> Υπάρχουν πολλοί παράγοντες που επηρεάζουν τη ζύμωση του κρασιού. Η θερμοκρασία είναι ένας από τους πιο σημαντικούς και επηρεάζει το ρυθμό ανάπτυξης και το μεταβολισμό της μαγιάς, καθώς και την ρυθμό των βασικών ενζυμικών αντιδράσεων. Η ζύμωση αποτελεί μια έντονα εξώθερμη αντίδραση και απαιτούνται αισθητήρες για να γίνει ο έλεγχος της. Οι θερμοκρασίες των δεξαμενών ζύμωσης μετρώνται από ένα θερμόμετρο που εισάγεται μέσα ή στη κορυφή της δεξαμενής οινοποίησης. Οι σταθεροί αισθητήρες παρουσιάζουν διάφορα μηχανικά προβλήματα και η εγκατάστασή τους είναι δαπανηρή. <br /> Στην παρούσα εργασία παρουσιάζεται ένας καινοτόμος σχεδιασμός ενός ασύρματου συστήματος Αντίστασης Ανιχνευτών Θερμοκρασίας (RTD), ικανός να παρακολουθήσει σε πραγματικό χρόνο τις δεξαμενές ζύμωσης που κατασκευάζονται και ένα νέο σύστημα υποστήριξης αποφάσεων με βάση την υποβοήθηση και τον έλεγχο των κλίσεων θερμοκρασίας ζύμωσης σε δεξαμενές λαμβάνοντας, για πρώτη φορά, υπόψη τις μεγάλες θερμικές κλίσεις και θερμικούς θύλακες που έχουν πρόσφατα αποδειχθεί ότι υπάρχουν σε δεξαμενές.<br /> <br /> <br /> Εικόνα 1- Σύστημα ελέγχου ζύμωσης και πλατφόρμα ασύρματης ανίχνευσης <br /> Υλικά και Μέθοδοι<br /> Οι βασικές μονάδες του συστήματος είναι το RTD ο μετατροπέας τάσης, το ασύρματο δίκτυο αισθητήρων (mote) και το σύστημα υποστήριξης αποφάσεων. Το σύστημα υποστήριξης αποφάσεων βασίζεται στην ασαφή λογική και χρησιμοποιείται για αποφάσεις όσον αφορά τη θέρμανση, την ψύξη και την άντληση από τον οινοποιό.<br /> Ειδικότερα, η συστοιχία αισθητήρων πρέπει να κατασκευάζεται από ανοξείδωτο χάλυβα, να είναι αδιάβροχη και να έχει σύντομο χρόνο απόκρισης ώστε οι αισθητήρες θερμοκρασίας να επιτυγχάνουν ισορροπία με το περιβάλλοντα οίνο σε διάστημα μερικών δευτερολέπτων.<br /> Απαιτείται ένας μετατροπέας τάσης που μετασχηματίζει τη μεταβολή της αντίστασης σε σήμα τάσης. Είναι επιθυμητό να υπάρχει ένας γραμμικός μετατροπέας εξόδου για τον άμεσο μετασχηματισμό της σημάτων τάσης σε δεδομένα θερμοκρασίας. Επιπλέον το εύρος του μετατροπέα πρέπει να είναι αρκετά μεγάλο ώστε να επιτρέπει επαρκή ανάλυση των μετρήσεων των θερμοκρασιών.<br /> Εφαρμόστηκε ένας απλός ελεγκτής ασαφούς λογικής. Η επιλογή του ελεγκτή ασαφούς λογικής έγινε με βάση την ευρωστία, την ευκολία τροποποίησης, τη δυνατότητα χρήσης πολλαπλών πηγών εισόδου και εξόδου, τη δυνατότητα ανάπτυξης ταχέων πρωτοτύπων, τη χαμηλή εφαρμογή, τη δυνατότητα χρήσης γλωσσικών μεταβλητών που περιγράφουν κανόνες. Ο στόχος του είναι να ακολουθεί πιστά το αναμενόμενο προφίλ θερμοκρασίας μιας συγκεκριμένης ποικιλίας σταφυλιών.<br /> Ο στόχος του ελεγκτή είναι να παρέχει ανάδραση στον οινοποιό, ώστε να διασφαλίζεται ότι η θερμοκρασία του κρασιού βρίσκεται σε αποδεκτό εύρος και ότι η θερμοκρασία του κρασιού ακολουθεί τις επιθυμητές τιμές για μια συγκεκριμένη ποικιλία σταφυλιών.<br /> <br /> Μετά την αποσαφήνιση των μεταβλητών εισόδου, ο ελεγκτής πρέπει να περιλαμβάνει γνώση για να αποφασίσει την πορεία δράσης που θα συστήσει στον οινοποιό. Η διαδικασία ελέγχου για τη ζύμωση του κρασιού με βάση τη γνώση εμπειρογνώμονα περιγράφεται σε τρία στάδια.<br /> Αποτελέσματα <br /> Στην Εικόνα 3 παρουσιάζονται τα αποτελέσματα προσομοίωσης για ένα κόκκινο κρασί ζύμωσης διάρκειας 12 ημερών. Φαίνεται ότι ο ελεγκτής του συστήματος υποστήριξης αποφάσεων μπορεί να λειτουργήσει με επιτυχία και να υποδείξει σωστές αποφάσεις οινοποίησης σε περίπτωση διαφορετικών καταστάσεων που προσομοιώνονται στα δεδομένα. Επίσης, κατά τη διάρκεια συνθηκών ταχείας ζύμωσης το σύστημα θα υποδείξει την ψύξη και τη θέρμανση αντίστοιχα.<br /> <br /> Αξιολογήθηκε ο αισθητήρας στο The Waite Research, Ινστιτούτο Οίνου του Πανεπιστημίου της Αδελαΐδας. Χρησιμοποιήθηκε μια δεξαμενή ζύμωσης κόκκινου κρασιού 5000 λίτρων για δοκιμές. <br /> Συμπεράσματα<br /> Κατασκευάστηκε και αξιολογήθηκε με επιτυχία μια συστοιχία πολλαπλών αισθητήρων για να βοηθηθούν οι οινοποιοί στο να παρθούν τεκμηριωμένες αποφάσεις σχετικά με τις διαδικασίες που εμπλέκονται στον έλεγχο της ζύμωσης. Επίσης με τη χρήση ενός συστήματος υποστήριξης αποφάσεων καθίσταται μια βοήθεια στους οινοποιούς να παράξουν οίνους ποσότητας. Το σύστημα έχει αποδειχθεί ότι λειτουργεί με ακρίβεια μέσω δοκιμών.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A5.3.JPG 2022-04-08T20:34:10Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A5.2.JPG 2022-04-08T20:34:02Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A5.1.JPG 2022-04-08T20:33:54Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%BA%CE%BA%CE%AF%CE%BD%CE%BF%CF%85_%CE%95%CF%85%CF%84%CF%85%CF%87%CE%AF%CE%B1 2022-04-08T11:20:49Z

<p>Eftichia: </p> <hr /> <div> [[category: ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]<br /> <br /> <br /> [[Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία]]<br /> <br /> [[Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir]]<br /> <br /> [[Ακριβής αναγνώριση καρπών της αμπέλου με βάση πολλαπλά δορυφορικά δεδομένα]]<br /> <br /> [[Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου]]</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%BA%CE%BA%CE%AF%CE%BD%CE%BF%CF%85_%CE%95%CF%85%CF%84%CF%85%CF%87%CE%AF%CE%B1 2022-04-08T11:20:27Z

<p>Eftichia: </p> <hr /> <div> [[category: ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]<br /> <br /> [[Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία]]<br /> <br /> [[Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir]]<br /> <br /> [[Ακριβής αναγνώριση καρπών της αμπέλου με βάση πολλαπλά δορυφορικά δεδομένα]]<br /> <br /> [[Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου]]<br /> [[]]</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%9A%CE%BF%CE%BA%CE%BA%CE%AF%CE%BD%CE%BF%CF%85_%CE%95%CF%85%CF%84%CF%85%CF%87%CE%AF%CE%B1 2022-04-08T11:19:53Z

<p>Eftichia: Νέα σελίδα με ' category: ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) [[Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπ...'</p> <hr /> <div> [[category: ΔΠΜΣ &quot;Περιβάλλον &amp; Ανάπτυξη&quot; (Μέτσοβο) ]]<br /> <br /> [[Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία]]<br /> [[Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir]]<br /> [[Ακριβής αναγνώριση καρπών της αμπέλου με βάση πολλαπλά δορυφορικά δεδομένα]]<br /> [[Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου]]<br /> [[]]</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:15:41Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: [https://www.researchgate.net/publication/337525885_Use_of_Remote_sensing_technology_to_assess_grapevine_quality 1]<br /> <br /> [[Αρχείο:ΚΟΚΚ4.1.JPG|thumb|right|'''Σχήμα 1''': Διάγραμμα πραγματικής και προβλεπόμενης περιεκτικότητας ζάχαρης]]<br /> [[Αρχείο:ΚΟΚΚ4.2.JPG|thumb|right|'''Σχήμα 2''': Μεταβλητές παλινδρόμησης PLS για την πρόβλεψη της περιεκτικότητας σε σάκχαρα]]<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:15:18Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: [https://www.researchgate.net/publication/337525885_Use_of_Remote_sensing_technology_to_assess_grapevine_quality 1]<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ4.1.JPG|thumb|right|'''Σχήμα 1''': Διάγραμμα πραγματικής και προβλεπόμενης περιεκτικότητας ζάχαρης]]<br /> [[Αρχείο:ΚΟΚΚ4.2.JPG|thumb|right|'''Σχήμα 2''': Μεταβλητές παλινδρόμησης PLS για την πρόβλεψη της περιεκτικότητας σε σάκχαρα]]<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:14:38Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ4.1.JPG|thumb|right|'''Σχήμα 1''': Διάγραμμα πραγματικής και προβλεπόμενης περιεκτικότητας ζάχαρης]]<br /> [[Αρχείο:ΚΟΚΚ4.2.JPG|thumb|right|'''Σχήμα 2''': Μεταβλητές παλινδρόμησης PLS για την πρόβλεψη της περιεκτικότητας σε σάκχαρα]]<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:14:17Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ4.1.JPG|thumb|right|'''Σχήμα 1''': Διάγραμμα πραγματικής και προβλεπόμενης περιεκτικότητας ζάχαρης]]<br /> [[Αρχείο:ΚΟΚΚ4.2.JPG|thumb|right|'''Σχήμα 2''': Μεταβλητές παλινδρόμησης PLS για την πρόβλεψη της περιεκτικότητας σε σάκχαρα]]<br /> <br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A4.2.JPG 2022-04-08T11:13:03Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A4.1.JPG 2022-04-08T11:12:54Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:12:08Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:11:18Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:10:14Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:10:00Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής. Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:09:39Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής. <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CF%81%CE%AE%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%84%CE%B5%CF%87%CE%BD%CE%BF%CE%BB%CE%BF%CE%B3%CE%AF%CE%B1%CF%82_%CF%84%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CE%B3%CE%B9%CE%B1_%CF%84%CE%B7%CE%BD_%CE%B1%CE%BE%CE%B9%CE%BF%CE%BB%CF%8C%CE%B3%CE%B7%CF%83%CE%B7_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CF%8C%CF%84%CE%B7%CF%84%CE%B1%CF%82_%CF%84%CE%B7%CF%82_%CE%B1%CE%BC%CF%80%CE%AD%CE%BB%CE%BF%CF%85 2022-04-08T11:09:11Z

<p>Eftichia: Νέα σελίδα με ' category:Γεωργία '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της ...'</p> <hr /> <div> [[category:Γεωργία]]<br /> <br /> '''Χρήση της τεχνολογίας τηλεπισκόπησης για την αξιολόγηση της ποιότητας της αμπέλου'''<br /> <br /> '''Use of Remote sensing technology to assess grapevine quality'''<br /> <br /> Συγγραφείς: Uroš Žibrat, Matej Knapič, Darko Preiner, Vedran Krevh, Monika Zovko<br /> <br /> Δημοσίευση: 2019 IEEE International Workshop on Metrology for Agriculture and Forestry<br /> <br /> Πηγή: researchgate<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Σκοπός της μελέτης ήταν η εφαρμογή της υπερφασματικής απεικόνισης ως μη καταστροφικής μεθόδου για την πρόβλεψη των παραμέτρων που συνθέτουν την τεχνολογική και τη φαινολική ωριμότητα (συγκέντρωση σακχάρων, την ολική οξύτητα, ολικές φαινόλες και περιεκτικότητα σε ανθοκυάνες) στα οινοποιήσιμα σταφύλια. Η έρευνα διεξήχθη σε αμπελώνα της Κροατίας. Οι υπερφασματικές εικόνες καταγράφηκαν από ένα σύστημα υπερφασματικής απεικόνισης που μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια δεν είναι επεμβατικές και καλύπτουν μεγάλες εκτάσεις του αμπελώνα.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> Η τηλεπισκόπηση θεωρείται ένα ισχυρό και χρήσιμο εργαλείο για τη δημιουργία δεδομένων και για την ανάπτυξη επιστημονικών σχεδίων διαχείρισης. Τα συστήματα που βασίζονται σε απεικονίσεις χρησιμοποιούνται σταδιακά όλο και περισσότερο ως εναλλακτική λύση για σκοπούς επιθεώρησης, αξιολόγησης και μετρήσεων λόγω του ότι είναι οικονομικά προσιτά, συνεπή και αντικειμενικά. Οι υπερφασματικές μετρήσεις συγκεντρώνουν πληροφορίες σχετικά με την αλληλεπίδραση της ηλεκτρομαγνητικής ακτινοβολίας διαφόρων μηκών κύματος με την ύλη π.χ. τα σταφύλια. <br /> Η τεχνολογική ωρίμανση σχετίζεται με τη συγκέντρωση σακχάρων, τη χαμηλή οξύτητα και την αναλογία σακχάρων/οξέων. Λόγω πιθανών διαφορών στα χαρακτηριστικά μιας τοποθεσίας (έκθεση στον ήλιο, διαθέσιμο νερό, ποιότητα εδάφους, υψόμετρο κ.λπ.), μπορεί να υπάρχει μεγάλη μεταβλητότητα στην ποιότητα των σταφυλιών και στο βέλτιστο σημείο ωρίμανσης ενός αμπελώνα. Ο προσδιορισμός του βέλτιστου σημείου ωρίμανσης θεωρείται ο κύριος παράγοντας που καθορίζει την ποιότητα του οίνου. Ο καθορισμός της βέλτιστης ωρίμανσης είναι δύσκολος λόγω του γεγονότος ότι υπάρχουν διάφορα επίπεδα ωρίμανσης ανάλογα με τα διάφορα αντικείμενα παρατήρησης (περιεκτικότητα σε σάκχαρα, οξύτητα, μέγεθος μούρων, περιεκτικότητα σε φαινόλες και γεύση) και ανάλογα με τον τύπο κρασιού που θέλει να παράγει ο οινοποιός. Αποτελεί επίσης ένα παράγωντα που επηρεάζει το χρόνο συγκομιδής. <br /> Με τη μέτρηση της περιεκτικότητας σε σάκχαρα μπορούμε να αξιολογήσουμε τον βαθμό ωρίμανσης καθιστώντας δυνατή τη βελτίωση της ποιότητας των σταφυλιών και των αποτελεσμάτων του παραγόμενου οίνου. Σε αυτό σημαντικό ρόλο θα παίξει η φαινολική σύνθεση. Οι κύριες λειτουργίες των φαινολικών ουσιών στο κρασί θεωρούνται η επίδραση στη γεύση της πικράδας και της στυπτικότητας, το χρώμα του κρασιού, η λειτουργία της συντήρησης και της μακράς παλαίωσης. Η υπερφασματική απεικόνιση αποτελεί γρήγορη και μη καταστροφική μέθοδο για την πρόβλεψη της περιεκτικότητας σε φαινόλες των οινοποιήσιμων σταφυλιών. Οι ανθοκυανίνες είναι υπεύθυνες για το κόκκινο χρώμα του κρασιού και οι αλληλεπιδράσεις τους με άλλες φαινολικές ενώσεις έχουν μεγάλη σημασία για τον καθορισμό των χρωματικών αλλαγών που παρατηρούνται κατά την παλαίωση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Το πείραμα άρδευσης διεξήχθη για τρία συνεχόμενα έτη. Τα αμπέλια εμβολιάστηκαν σε υποκείμενο Richter 110 και διαμορφώθηκαν σε σύστημα πέργκολας. Ο προγραμματισμός της άρδευσης βασίστηκε ώστε η ποσότητα του προστιθέμενου νερού να είναι ίση με τις συνολικές απώλειες εξατμισοδιαπνοής της καλλιέργειας. Κάθε μεταχείριση περιείχε 3 γραμμές φύτευσης αμπέλου. Για τη μελέτη αυτή, επιλέχθηκαν τυχαία 5 αμπέλια από κάθε γραμμή. Το νερό άρδευσης παρεχόταν μέσω συστήματος στάγδην άρδευσης. Έγιναν αναλύσεις στο φλοιό και στο γλεύκος.<br /> Η υπερφασματική απεικόνιση πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού. Το σύστημα ελεγχόταν από μια μονάδα συλλογής δεδομένων και υπολογίστηκαν οι τιμές ανάκλασης για κάθε ζώνη κάθε εικόνας.<br /> Από κάθε εικόνα έπρεπε να εξαχθούν εικονοστοιχεία της περιοχής των σταφυλιών που περιέχουν σχετικές φασματικές πληροφορίες. Σε κάθε εικόνα πραγματοποιήθηκε ταξινόμηση. Χρησιμοποιήσαμε την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLS) για την ανάπτυξη μοντέλων πρόβλεψης της περιεκτικότητας σε σάκχαρα στα σταφύλια. Tα μοντέλα που αναπτύχθηκαν αξιολογήθηκαν συγκρίνοντας τις τιμές R2 και το μέσο τετραγωνικό σφάλμα (RMSE). Αναπτύξαμε ξεχωριστά μοντέλα για την περιεκτικότητα σε σάκχαρα και σε οξέα στα σταφύλια.<br /> <br /> <br /> '''Αποτελέσματα'''<br /> <br /> Τα περισσότερα από τα σχετικά μήκη κύματος για τον προσδιορισμό της περιεκτικότητας σε ζάχαρη στα σταφύλια βρέθηκαν στο NIR και κυρίως στις φασματικές περιοχές SWIR.<br /> Τόσο η χλωροφύλλη α όσο και η β απορροφούν φως σε αυτό το μήκος κύματος, αλλά το φάσμα απορρόφησής τους μπορεί να μετατοπιστεί λόγω των βοηθητικών χρωστικών και των φωτοπροστατευτικών πρωτεϊνών. Τα μήκη κύματος στο τμήμα του φάσματος SWIR συνδέονται με την περιεκτικότητα σε νερό και τους δευτερογενείς μεταβολίτες των φυτών. Εκτός από την περιεκτικότητα σε νερό, οι περιοχές SWIR και NIR φέρουν επίσης πληροφορίες για άλλα χημικά χαρακτηριστικά των φυτών, όπως η λιγνίνη, οι υδατάνθρακες και οι πρωτεΐνες.. Η PLS εντόπισε αρκετά μήκη κύματος που σχετίζονται με την περιεκτικότητα σε οξύ στα σταφύλια. Τα διάφορα οξέα έχουν διάφορες επιδράσεις στα φυτά, για παράδειγμα η χλωροφύλλη α μπορεί να αλλάξει παρουσία ενός οξέος σε γκριζοπράσινη και η χλωροφύλλη β σε κιτρινωπή. Επειδή η λήψη εικόνων πραγματοποιήθηκε υπό συνθήκες φυσικού φωτισμού, η ατμοσφαιρική απορρόφηση αφαίρεσε τμήματα του φάσματος SWIR, π.χ. λόγω της απορρόφησης του ατμοσφαιρικού νερού. Οι ατμοσφαιρικές επιδράσεις μπορούν επίσης να αφαιρέσουν.<br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η παλινδρόμηση PLS μας επιτρέπει να προβλέψουμε την ποσότητα σακχάρων και οξέων στα σταφύλια με αποδεκτή ακρίβεια. Με τη χρήση υπερφασματικής απεικόνισης οι μετρήσεις της περιεκτικότητας σε σάκχαρα στα σταφύλια μπορούν να γίνουν μη επεμβατικές και με τη χρήση κινητών συστημάτων τηλεπισκόπησης, να καλύψουν ολόκληρους αμπελώνες.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T11:00:09Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς: Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση: 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: [https://www.researchgate.net/publication/263428519_Mapping_crop_water_stress_index_in_a_'Pinot-noir'_vineyard_Comparing_ground_measurements_with_thermal_remote_sensing_imagery_from_an_unmanned_aerial_vehicle 1]<br /> <br /> [[Αρχείο:ΚΟΚΚ2.1.JPG|thumb|right|'''Εικόνα 1''': Αερομεταφερόμενη θερμική εικόνα από τον αμπελώνα της μελέτης στις 12:30 στις 31 Ιουλίου 2009, απο τα φύλλα μετρήθηκε το δυναμικό νερού (WL)]]<br /> [[Αρχείο:ΚΟΚΚ2.2.JPG|thumb|right|'''Σχήμα 1α''']]<br /> [[Αρχείο:ΚΟΚΚ2.3.JPG|thumb|right|'''Σχήμα 1β''']]<br /> [[Αρχείο:ΚΟΚΚ2.4.JPG|thumb|right|'''Σχήμα 2α''']]<br /> [[Αρχείο:ΚΟΚΚ2.5.JPG|thumb|right|'''Σχήμα 2β''']]<br /> <br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλείψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω από τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερεύνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μέτρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επί το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογή δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν από 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> <br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών. Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> <br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ. με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> <br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διάστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A2.3.JPG 2022-04-08T10:58:38Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A2.5.JPG 2022-04-08T10:58:20Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A2.4.JPG 2022-04-08T10:58:07Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A2.2.JPG 2022-04-08T10:57:44Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A2.1.JPG 2022-04-08T10:57:13Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:56:09Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς: Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση: 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> [[Αρχείο:ΚΟΚΚ2.1.JPG|thumb|right|'''Εικόνα 1''': Αερομεταφερόμενη θερμική εικόνα από τον αμπελώνα της μελέτης στις 12:30 στις 31 Ιουλίου 2009, απο τα φύλλα μετρήθηκε το δυναμικό νερού (WL)]]<br /> [[Αρχείο:ΚΟΚΚ2.2.JPG|thumb|right|'''Σχήμα 1α''']]<br /> [[Αρχείο:ΚΟΚΚ2.3.JPG|thumb|right|'''Σχήμα 1β''']]<br /> [[Αρχείο:ΚΟΚΚ2.4.JPG|thumb|right|'''Σχήμα 2α''']]<br /> [[Αρχείο:ΚΟΚΚ2.5.JPG|thumb|right|'''Σχήμα 2β''']]<br /> <br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλείψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω από τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερεύνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μέτρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επί το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογή δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν από 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> <br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών. Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> <br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ. με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> <br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διάστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:KOKK2.5.JPG 2022-04-08T10:54:00Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:KOKK2.4.JPG 2022-04-08T10:53:52Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:KOKK2.3.JPG 2022-04-08T10:53:43Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:KOKK2.2.JPG 2022-04-08T10:53:34Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:KOKK2.1.JPG 2022-04-08T10:53:26Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:52:56Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς: Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση: 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλείψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω από τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερεύνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μέτρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επί το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογή δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν από 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> <br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών. Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> <br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ. με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> <br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διάστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:52:38Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς: Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση : 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλείψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω από τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερεύνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μέτρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επί το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογή δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν από 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> <br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών. Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> <br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ. με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> <br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διάστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:52:21Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση : 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλείψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω από τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερεύνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μέτρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επί το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογή δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν από 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> <br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών. Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> <br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ. με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> <br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διάστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:49:07Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση : 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλειψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω απο τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> '''Σκοπός'''<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερέυνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μετρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επι το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογη δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> '''Υλικά και Μέθοδοι'''<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν απο 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> '''Αποτελέσματα-Συζήτηση'''<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών.Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διαστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:48:26Z

<p>Eftichia: </p> <hr /> <div> [[category:Γεωργία]]<br /> '''Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος'''<br /> <br /> '''Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle'''<br /> <br /> Συγγραφείς Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση : 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> Αντικείμενο<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλειψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω απο τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> Σκοπός<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερέυνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μετρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επι το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογη δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> Υλικά και Μέθοδοι<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν απο 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> Αποτελέσματα-Συζήτηση<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών.Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> Συμπεράσματα<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διαστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%A7%CE%B1%CF%81%CF%84%CE%BF%CE%B3%CF%81%CE%AC%CF%86%CE%B7%CF%83%CE%B7_%CE%B4%CE%B5%CE%AF%CE%BA%CF%84%CE%B7_%CF%85%CE%B4%CE%B1%CF%84%CE%B9%CE%BA%CE%AE%CF%82_%CE%BA%CE%B1%CF%84%CE%B1%CF%80%CF%8C%CE%BD%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CE%B5_%CE%B1%CE%BC%CF%80%CE%B5%CE%BB%CF%8E%CE%BD%CE%B1_%CF%84%CE%B7%CF%82_%CF%80%CE%BF%CE%B9%CE%BA%CE%B9%CE%BB%CE%AF%CE%B1%CF%82_Pinot_noir 2022-04-08T10:48:00Z

<p>Eftichia: Νέα σελίδα με ' category:Γεωργία Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σ...'</p> <hr /> <div> [[category:Γεωργία]]<br /> Χαρτογράφηση δείκτη υδατικής καταπόνησης σε αμπελώνα της ποικιλίας Pinot noir: σύγκριση επίγειων μετρήσεων με θερμικές εικόνες από μη επανδρωμένο αεροσκάφος<br /> <br /> Mapping crop water stress index in a ‘Pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle<br /> <br /> Συγγραφείς Bellvert • P. J. Zarco-Tejada • J. Girona • E. Fereres<br /> <br /> Δημοσίευση : 8 November 2013, Springer Science+Business Media New York 2013 <br /> <br /> Πηγή: researchgate.pdf<br /> <br /> <br /> Αντικείμενο<br /> <br /> Η αξιολόγηση της χωρικής μεταβλητότητας της υδατικής κατάστασης σε έναν αμπελώνα αποτελεί μια σημαντική προϋπόθεση στην άρδευση ακριβείας, οπότε ο δείκτης υδατικής καταπόνησης των καλλιεργειών (CWSI) χρησιμοποιήθηκε για τη χαρτογράφηση της χωρικής μεταβλητότητας των υδατικών ελλειψεων σε έναν αμπελώνα ποικιλίας &quot;Pinot noir”. Ο δείκτης προσδιορίστηκε με βάση τις θερμοκρασίες του θόλου που μετρήθηκαν με αισθητήρες υπέρυθρης θερμοκρασίας οι οποίοι τοποθετήθηκαν στην κορυφή των πρέμνων. Έπειτα συσχετίστηκε με το υδατικό δυναμικό των φύλλων WL . Ένα μη επανδρωμένο εναέριο όχημα εξοπλισμένο με θερμική κάμερα πέταξε πάνω απο τον αμπελώνα στις 7:30 στις 9:30 και στις 12:30. Την ίδια περίπου ώρα, μετρήθηκε το υδατικό δυναμικό WL. Χρησιμοποιώντας τα εναέρια δεδομένα αξιολογήθηκε ότι η τελευταία καταγραφή ώρας ήταν η ευνοϊκότερη ώρα για τη λήψη θερμικών εικόνων που συνδέονταν με τις τιμές WL. Η ανάλυση ευαισθησίας της μεταβολής του μεγέθους του εικονοστοιχείου έδειξε ότι ένα εικονοστοιχείο 0,3 m ήταν απαραίτητο για ακριβή χαρτογράφηση CWSI. Τέλος, οι χάρτες CWSI που προέκυψαν από τις αερομεταφερόμενες θερμικές εικόνες ήταν αποτελεσματικοί στην αξιολόγηση της χωρικής μεταβλητότητας της υδατικής καταπόνησης σε ολόκληρο τον αμπελώνα.<br /> <br /> <br /> Σκοπός<br /> <br /> Η συνετή και αποτελεσματική χρήση του αρδευτικού νερού είναι ιδιαίτερα σημαντική για τα αμπέλια καθώς καταλαμβάνουν τη μεγαλύτερη έκταση από όλες τις οπωροφόρες καλλιέργειες. Λύση σε αυτό αποτελεί η διερέυνηση του δείκτη υδατικής καταπόνησης της καλλιέργειας (CWSI), ο οποίος συσχετίζεται ισχυρά με το υδατικό δυναμικό WL. Σκοπός της μελέτης ήταν η χαρτογράφηση του CWSI σε έναν αμπελώνα με τη χρήση εναέριας απεικόνισης απο ένα μη επανδρωμένο αεροσκάφος και η συγκριη των αποτελεσμάτων αυτών με επίγειες μετρήσεις CWSI και WL. Για τον προσδιορισμό του CWSI απαιτείται η μετρηση τριών περιβαλλοντικών μεταβλητών: της θερμοκρασία του θόλου (Tc), της θερμοκρασίας αέρα (Τa) και της διαφορά πίεσης υδρατμών (VPD). Η θερμοκρασία μετρήθηκε ως επι το πλείστον με αισθητήρες θερμοκρασίας υπέρυθρου ή με θερμικές εικόνες που ελήφθησαν κοντά στο έδαφος. Στόχο αποτέλεσαν επίσης και α) ο προσδιορισμός των επιπέδων του WL β)το ιδανικότερο μέγεθος εικονοστοιχείου με την υψηλότερη ακρίβεια και γ)ο προσδιορισμός της καλύτερης ώρας της ημέρας για τη συλλογη δεδομένων και τη χαρτογράφηση.<br /> <br /> <br /> Υλικά και Μέθοδοι<br /> <br /> Η έρευνα διεξήχθη κατά τις καλλιεργητικές περιόδους 2009 και 2010 σε μια έκταση 11 εκταρίων Pinot noir (vitis vinifera L.) που βρίσκεται στη Leida της Ισπανίας. Τα αμπέλια ήταν ηλικίας 16 ετών. Η έκταση χωρίστηκε σε τέσσερα μέρη και η άρδευση που εκτελέστηκε ήταν αυτή του προγράμματος του οινοποιείου. H συχνότητα άρδευσης κυμαινόταν απο 3 έως 4 ημέρες ανά εβδομάδα με σύστημα στάγδην άρδευσης. <br /> Τέσσερις αισθητήρες θερμοκρασίας υπέρυθρου εγκαταστάθηκαν στην αρχή του πειράματος περίπου ένα μέτρο πάνω από δύο αμπέλια. Η θερμοκρασία του θόλου μετρήθηκε για ένα συγκεκριμένο χρονικό διάστημα. Τα βαθμονομημένα IRTS (αισθητήρες) εγκαταστάθηκαν κατά τέτοιο τρόπο ώστε με οπτική επιθεώρηση και με αρκετές μετρήσεις της θερμοκρασίας των φύλλων με χειροκίνητο θερμόμετρο να εξασφαλίζεται ότι το 100 % του σήματος θερμοκρασίας προερχόταν από τα φύλλα. <br /> Μια θερμική κάμερα εγκαταστάθηκε σε ένα UAV το οποίο πέταξε πάνω από τον αμπελώνα στις 07:30, 09:30 και στις 12:30 (η θερμοκρασία του αέρα ήταν 23,2 C στις 07:30, 26,6 C στις 09:30 h και 32,3 C στις 12:30 ). Οι εικόνες που ελήφθησαν είχαν χωρική ανάλυση 0,3 m που επέτρεψε την αποτύπωση μόνο του θόλου της αμπέλου και απέκλεισε το έδαφος και τις σκιές. <br /> Το υδατικό δυναμικό των φύλλων (WL) μετρήθηκε εβδομαδιαίως στις 12:00 μ.μ. στα τέσσερα αμπέλια πάνω από τα οποία είχαν εγκατασταθεί τα IRTS. Χρησιμοποιήθηκε θάλαμος πίεσης Scholander. Στις 28 Ιουλίου 2009, η WL και η αγωγιμότητα των στομάτων (gs) μετρήθηκαν σε έξι πρέμνα ανά μια ώρα από τις 07:30 έως τις 16:30 h. Παράλληλα με τις πτήσεις στις 09:30 και 12:30 h στις 31 Ιουλίου, μετρήθηκε η WL στις παρακολουθούμενες περιοχές για να συσχετιστεί η θερμοκρασία του θόλου που προέκυψε από τις εναέριες θερμικές εικόνες με τον δείκτη υδατικής καταπόνησης στο έδαφος. Το υδατικό δυναμικό των φύλλων μετρήθηκε σε 184 αμπέλια σε ένα φύλλο ανά αμπέλι, που επιλέχθηκαν εντός του πειραματικού αμπελώνα. Κάθε θέση προσδιορίστηκε γεωγραφικά με εξοπλισμό παγκόσμιου συστήματος εντοπισμού θέσης (GPS). Για τη διενέργεια των μετρήσεων αυτών, δύο ομάδες, εξοπλισμένες η καθεμία με ένα θάλαμο πίεσης σε ένα φορτηγό πραγματοποίησε όλες τις μετρήσεις ώστε να μπορούν να εκτελεστούν όλες μέσα στη 1 ώρα πτήσης.<br /> Χρησιμοποιήθηκαν μέθοδοι επεξεργασίας εικόνας από εικονοστοιχεία για την εξαγωγή της Tc στα αμπέλια όπου μετρήθηκε και το WL. Τα εικονοστοιχεία επιλέχθηκαν χειροκίνητα για κάθε αμπέλι για να διασφαλιστεί ότι μόνο τα εικονοστοιχεία του θόλου της αμπέλου ελήφθησαν. Τα ίδια εικονοστοιχεία χρησιμοποιήθηκαν για την αξιολόγηση των σχέσεων CWSI-δυναμικού νερού των φύλλων. Το CWSI υπολογίστηκε χρησιμοποιώντας εξίσωση και αναπτύχθηκε ένας χάρτης CWSI των αμπελώνων. Mε βάση την Tc για όλα τα αμπέλια έγιναν στατιστικές αναλύσεις.<br /> <br /> <br /> Αποτελέσματα-Συζήτηση<br /> <br /> Στην εικόνα 2 παρουσιάζεται η θερμική εικόνα του αμπελώνα που συλλέχθηκε στις 12:30 στις 31 Ιουλίου 2009 από το UAV και στην οποία μετρήθηκαν τα WL. Υπήρχε έντονη μεταβλητότητα στις θερμοκρασίες του θόλου σε ολόκληρο τον αμπελώνα. <br /> <br /> Η Tc στις 7:30 ήταν 15 °C για τα καλά ποτισμένα αμπέλια και 23 °C για τα αμπέλια που είχαν υποστεί πίεση. Οι αντίστοιχες τιµές της θερµοκρασίας του εδάφους κυµάνθηκαν από 16 έως 34 °C. Αυτές οι διαφορές στις τιμές της θερμοκρασίας του εδάφους οφείλονταν στην επίδραση της φυτοκάλυψης στα καλά ποτισμένα τμήματα του αμπελώνα. Το δυναμικό νερού των φύλλων συσχετίστηκε καλύτερα με την Tc-Tα στις 12:30 h σε σύγκριση με τις 09:30 h, με πολύ υψηλότερο συντελεστή συσχέτισης (R2). Η μέγιστη τιμή Tc-Ta 7,8 °C βρέθηκε στις 12:30 h.<br /> <br /> Η πρωινή ώρα (07:30 h) διαπιστώθηκε ότι δεν είναι κατάλληλη για την ανίχνευση της υδατικής καταπόνησης με θερμική απεικόνιση, λόγω των μικρών διαφορών που διαπιστώνονται μεταξύ εδάφους και θόλου. Είναι γνωστό ότι οι τιμές του WL στο αμπέλι παραμένουν μάλλον σταθερές για λίγες ώρες το μεσημέρι. Το Σχήμα 1α δείχνει τη χρονική περίοδο 09:00-10:00 h και το Σχήμα 1β δείχνει τη χρονική περίοδο 12:00-13:00 h. Η σχέση μεταξύ Tc-Ta και WL στις 09:30 h είχε χαμηλότερο R2. Φαίνεται επίσης ότι υπήρξε σταδιακή μείωση του gs σε συνδυασμό με τη μείωση του δυναμικού νερού. Κατά τη διάρκεια της πρωινής ώρας, τα αμπέλια που βρίσκονται σε κατάσταση στρες και τα καλά ποτισμένα αμπέλια παρουσιάζουν μικρές διαφορές στο gs. Ωστόσο, ενώ τα καταπονημένα αμπέλια έκλεισαν πλήρως τα στομάτια από τις 10:00 h και έφθασαν στο μέγιστο στρες (χαμηλότερο WL), τα καλά ποτισμένα αμπέλια εξακολουθούσαν να διατηρούν τα στομάτια εν μέρει ανοικτά και η gs μειώθηκε από 320 σε 90 mmol m-2s-1. Κατά τη διάρκεια του χρονικού διαστήματος 09:00-10:00, το g στα μη καταπονημένα αμπέλια ήταν αρκετά μεταβλητό λόγω της σκίασης των φύλλων. Η σκίαση των φύλλων θα μπορούσε να επηρεάσει την ετερογένεια της θερμοκρασίας του θόλου λόγω διαφορετικών βαθμών αγωγιμότητας των στομάτων εντός του θόλου της αμπέλου Παρόμοια αποτελέσματα αναφέρθηκαν από ερευνητές οι οποίοι διαπίστωσαν, σε φιστικιές, ένα ευρύ φάσμα CWSI για παρόμοιες μεσημεριανές τιμές WL σε ένα εύρος ήπιας καταπόνησης. Επομένως, στις 09:30 h, τα ήπια καταπονημένα αμπέλια εντός του αμπελώνα είχαν διαφορετικούς βαθμούς στοματικής αγωγιμότητας και ρυθμούς διαπνοής για παρόμοιες τιμές WL. Κατά συνέπεια, για τα ήπια καταπονημένα αμπέλια, μπορεί να υπάρχει μεγάλη παραλλακτικότητα της Tc-Ta.<br /> Οι θερμικές εικόνες καταγράφουν τη θερμοκρασία των φύλλων στην κορυφή της κόμης. Στις 09:30 h, η ζενίθια ηλιακή γωνία είναι χαμηλότερη από ό,τι το μεσημέρι και σχεδόν τα μισά φύλλα δεν εκτίθενται στην άμεση ηλιακή ακτινοβολία. Τα pixels που περιείχαν σκιασμένα φύλλα είχαν χαμηλότερη θερμοκρασία από εκείνα που περιείχαν μόνο ηλιοφωτισμένα φύλλα. Όταν αναμειγνύονται εικονοστοιχεία με διαφορετικά φορτία ακτινοβολίας, η μεταβλητότητα στις θερμοκρασίες των αμπελιών θα ήταν πολύ μεγαλύτερη για το ίδιο WL των αμπελιών.Ο προσανατολισμός της γραμμής έχει επίσης σημασία για την ώρα της ημέρας κατά την οποία η παρεχόμενη ακτινοβολία είναι μέγιστη και θα μπορούσε να επηρεάσει την έκθεση του θόλου στην ηλιακή ακτινοβολία. Οι ημερήσιες μεταβολές των WL και Tc στο εσωτερικό του θόλου λόγω των σκιασμένων φύλλων και/ή της μεταβλητότητας στο κλείσιμο των στομάτων έδειξαν ότι η πιο ευνοϊκή ώρα της ημέρας για τη λήψη θερμικών εικόνων που χαρακτηρίζουν καλύτερα την κατάσταση του νερού των αμπελιών είναι γύρω στο μεσημέρι, π.χ. κατά τη διάρκεια των12:00-13:30 h.<br /> Η χωρική ανάλυση εικονοστοιχείων εξαρτάται από τον όγκο του θόλου κάθε καλλιέργειας. Ο όγκος του φυτικού θόλου για το αμπέλι είναι σχετικά χαμηλός σε σύγκριση π.χ με τα ξυλώδη δέντρα. Επιπλέον, στα αμπέλια με συστήματα πέργκολας, το πλάτος του θόλου που παρατηρείται από την κορυφή είναι αρκετά μικρό (περίπου 0,25-0,4 m). Για τις δύο υπό μελέτη χρονικές στιγμές μέτρησης, υπήρξε παρόμοια εικόνα μείωσης του R2 με αύξηση του μεγέθους των εικονοστοιχείων. Στις 09:30 h, η αύξηση του μεγέθους του εικονοστοιχείου είχε ελαφρώς μικρότερη επίδραση σε σύγκριση με τις 12:30 h, πιθανώς λόγω των ελάχιστων διαφορών θερμοκρασίας μεταξύ εδάφους και βλάστησης κατά τη διάρκεια της πρωινής ώρας. Οι τιμές του Tc-T αυξάνονται με το μέγεθος του εικονοστοιχείου. Όσο μεγαλύτερο είναι το μέγεθος του εικονοστοιχείου, τόσο μεγαλύτερη είναι η επίδραση της θερμοκρασίας του εδάφους. Αυτό θα επηρεάσει τις τιμές CWSI υπερβαίνοντας το μέγιστο όριο της μονάδας. Τα αποτελέσματα δείχνουν ότι, στην αμπέλου, είναι απαραίτητη η λήψη θερμικών εικόνων υψηλής ανάλυσης με μέγεθος εικονοστοιχείου τουλάχιστον 0,30 m.<br /> Οι υπολογισμοί του δείκτη υδατικής καταπόνησης σε ατομικό επίπεδο αμπέλου χρησιμοποιήθηκαν για τη δημιουργία χαρτών CWSI με τιμές που κυμαίνονταν από 0 έως 1. Ωστόσο, η Tc-Ta ανταποκρινόταν στην VPD μόνο από τις 10:00 έως τις 16:00. Τις ώρες αυτές, η ηλιακή ενέργεια προσπίπτει στην επιφάνεια σε πολύ χαμηλές γωνίες ύψους. Η αύξηση της κορυφής της NWSB κατά τη διάρκεια του πρωινού εξηγείται κυρίως από την επίδραση της ηλιακής ακτινοβολίας, η οποία μεταβάλλεται κατά τη διάρκεια της ημέρας. Ο χάρτης CWSI προέκυψε από την εξίσωση 2, χρησιμοποιώντας την Tc όλων των αμπελιών. Στο Σχήμα 2a παρουσιάζονται αναλυτικά οι τιμές CWSI των μεμονωμένων αμπελιών χωρίς παρεμβολές από το έδαφος. Αυτό είναι δυνατό μόνο με θερμικές εικόνες υψηλής ανάλυσης. Με την παρεμβολή των τιμών CWSI των μεμονωμένων αμπελιών, είναι δυνατή η δημιουργία χαρτών CWSI (Σχήμα 2β) που επιτρέπουν τον εντοπισμό ζωνών διαφορετικών επιπέδων κατάστασης νερού εντός του αμπελώνα. Το κύριο πλεονέκτηµα της χρήσης χαρτών CWSI είναι ότι είναι δυνατή η διαχείριση της άρδευσης σε µεγάλη κλίµακα λαµβάνοντας υπόψη τη χωρική µεταβλητότητα της κατάστασης του νερού των αµπελώνων. Μέχρι σήµερα, η διαχείριση και η συγκοµιδή των αµπελώνων για την παραγωγή οίνου υψηλής ποιότητας γινόταν µε βάση τις διαφορές στη σύνθεση των µούρων εντός του αµπελώνα. Οι χάρτες CWSI θα μπορούσαν να αντικαταστήσουν τη χρήση του WL ως δείκτη υδατικής καταπόνησης των αμπελιών. Η µέτρηση της WL απαιτεί υψηλό εργατικό δυναµικό, ιδίως όταν η WL χρησιµοποιείται ως δείκτης πριν από την αυγή. Από τις σχέσεις που προέκυψαν εδώ, θα ήταν δυνατόν να προγραμματιστεί η άρδευση σε κάθε τομέα εντός του τεμαχίου με τη χρήση κατωφλίων CWSI. Για το σκοπό αυτό, θα ήταν αναγκαία η συχνή αυτοψία και ο μέσος όρος. Το CWSI για κάθε τομέα θα καθορίσει τις ανάγκες άρδευσης, μόλις επιτευχθεί ένα προκαθορισμένο όριο. <br /> <br /> <br /> Συμπεράσματα<br /> <br /> Η μελέτη αυτή κατέδειξε τη δυνατότητα χρήσης θερμικών εικόνων υψηλής ανάλυσης για τη δημιουργία χαρτών CWSI οι οποίοι μπορούν να χρησιμοποιηθούν για τη διαχείριση της άρδευσης με ενσωμάτωση τη μεταβλητότητα εντός ενός αμπελώνα. Το πιο ιδανικό διαστημα για τη λήψη θερμικών εικόνων ήταν περίπου το μεσημέρι, όταν η WL ήταν πιο σταθερή στις ελάχιστες ημερήσιες τιμές της και η σχέση CWSI-WL ήταν ισχυρότερη. Κατά τη διάρκεια του πρωινού, η θερμοκρασία των φύλλων δεν ήταν καλός δείκτης της κατάστασης του νερού των φύλλων, λόγω των φαινομένων σκίασης. Διαπιστώθηκε ότι το μέγεθος του εικονοστοιχείου 0,3 m είναι το καλύτερη δυνατό για τη διαφοροποίηση της θερμοκρασίας θερμοκρασία του θόλου από τη θερμοκρασία του εδάφους σε αυτόν τον αμπελώνα. Η υψηλή ανάλυση αυτή απαιτείται στα οινοποιήσιμα σταφύλια λόγω του στενού πλάτους του θόλου.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%91%CF%81%CF%87%CE%B5%CE%AF%CE%BF:%CE%9A%CE%9F%CE%9A%CE%9A1.1.jpg 2022-04-08T10:35:57Z

<p>Eftichia: </p> <hr /> <div></div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%93%CE%B5%CF%89%CF%80%CE%BF%CE%BD%CE%AF%CE%B1 2022-04-08T10:34:05Z

<p>Eftichia: </p> <hr /> <div>[[category:Γεωργία]]<br /> '''Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> '''Application of remote sensing methods in Agriculture'''<br /> <br /> Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk<br /> 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<br /> <br /> Πηγή: [https://www.researchgate.net/publication/290494859_Application_of_remote_sensing_methods_in_agriculture 1]<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ1.1.jpg|thumb|right|'''Εικόνα 1''': Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης]]<br /> [[Αρχείο:ΚΟΚΚ1.2.JPG|thumb|right|'''Εικόνα 2''': Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης]]<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> 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.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> 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.<br /> <br /> <br /> '''Δείκτες Βλάστησης'''<br /> <br /> 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.<br /> <br /> <br /> '''Εφαρμογές Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης.<br /> 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. <br /> 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.<br /> 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.<br /> <br /> <br /> '''Αποδόσεις Καλλιέργειας'''<br /> <br /> 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. <br /> <br /> <br /> '''Απαιτήσεις σε θρεπτικά συστατικά'''<br /> <br /> 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. <br /> <br /> <br /> '''Ανίχνευση προσβολών από ασθένειες και παράσιτα'''<br /> <br /> 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<br /> <br /> <br /> '''Εκτίμηση απαιτήσεων σε νερό'''<br /> <br /> 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. <br /> 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. <br /> <br /> <br /> '''Έλεγχος ζιζανίων'''<br /> <br /> 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. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> 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. <br /> 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. <br /> 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.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%93%CE%B5%CF%89%CF%80%CE%BF%CE%BD%CE%AF%CE%B1 2022-04-08T10:33:35Z

<p>Eftichia: </p> <hr /> <div>[[category:Γεωργία]]<br /> '''Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> '''Application of remote sensing methods in Agriculture'''<br /> <br /> Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk<br /> 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<br /> <br /> Πηγή: [https://www.researchgate.net/publication/290494859_Application_of_remote_sensing_methods_in_agriculture 1]<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ1.1.JPG|thumb|right|'''Εικόνα 1''': Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης]]<br /> [[Αρχείο:ΚΟΚΚ1.2.JPG|thumb|right|'''Εικόνα 2''': Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης]]<br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> 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.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> 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.<br /> <br /> <br /> '''Δείκτες Βλάστησης'''<br /> <br /> 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.<br /> <br /> <br /> '''Εφαρμογές Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης.<br /> 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. <br /> 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.<br /> 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.<br /> <br /> <br /> '''Αποδόσεις Καλλιέργειας'''<br /> <br /> 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. <br /> <br /> <br /> '''Απαιτήσεις σε θρεπτικά συστατικά'''<br /> <br /> 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. <br /> <br /> <br /> '''Ανίχνευση προσβολών από ασθένειες και παράσιτα'''<br /> <br /> 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<br /> <br /> <br /> '''Εκτίμηση απαιτήσεων σε νερό'''<br /> <br /> 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. <br /> 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. <br /> <br /> <br /> '''Έλεγχος ζιζανίων'''<br /> <br /> 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. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> 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. <br /> 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. <br /> 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.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%93%CE%B5%CF%89%CF%80%CE%BF%CE%BD%CE%AF%CE%B1 2022-04-08T10:33:27Z

<p>Eftichia: </p> <hr /> <div>[[category:Γεωργία]]<br /> '''Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> '''Application of remote sensing methods in Agriculture'''<br /> <br /> Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk<br /> 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<br /> <br /> Πηγή: [https://www.researchgate.net/publication/290494859_Application_of_remote_sensing_methods_in_agriculture 1]<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ1.1.JPG|thumb|right|'''Εικόνα 1''': Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης]]<br /> [[Αρχείο:ΚΟΚΚ1.2.JPG|thumb|right|'''Εικόνα 2''': Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης]]<br /> <br /> '''Αντικείμενο'''<br /> <br /> 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.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> 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.<br /> <br /> <br /> '''Δείκτες Βλάστησης'''<br /> <br /> 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.<br /> <br /> <br /> '''Εφαρμογές Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης.<br /> 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. <br /> 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.<br /> 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.<br /> <br /> <br /> '''Αποδόσεις Καλλιέργειας'''<br /> <br /> 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. <br /> <br /> <br /> '''Απαιτήσεις σε θρεπτικά συστατικά'''<br /> <br /> 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. <br /> <br /> <br /> '''Ανίχνευση προσβολών από ασθένειες και παράσιτα'''<br /> <br /> 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<br /> <br /> <br /> '''Εκτίμηση απαιτήσεων σε νερό'''<br /> <br /> 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. <br /> 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. <br /> <br /> <br /> '''Έλεγχος ζιζανίων'''<br /> <br /> 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. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> 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. <br /> 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. <br /> 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.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%93%CE%B5%CF%89%CF%80%CE%BF%CE%BD%CE%AF%CE%B1 2022-04-08T10:33:18Z

<p>Eftichia: </p> <hr /> <div>[[category:Γεωργία]]<br /> '''Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> '''Application of remote sensing methods in Agriculture'''<br /> <br /> Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk<br /> 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<br /> <br /> Πηγή: [https://www.researchgate.net/publication/290494859_Application_of_remote_sensing_methods_in_agriculture 1]<br /> <br /> [[Αρχείο:ΚΟΚΚ1.1.JPG|thumb|right|'''Εικόνα 1''': Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης]]<br /> [[Αρχείο:ΚΟΚΚ1.2.JPG|thumb|right|'''Εικόνα 2''': Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης]]<br /> <br /> '''Αντικείμενο'''<br /> <br /> 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.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> 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.<br /> <br /> <br /> '''Δείκτες Βλάστησης'''<br /> <br /> 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.<br /> <br /> <br /> '''Εφαρμογές Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης.<br /> 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. <br /> 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.<br /> 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.<br /> <br /> <br /> '''Αποδόσεις Καλλιέργειας'''<br /> <br /> 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. <br /> <br /> <br /> '''Απαιτήσεις σε θρεπτικά συστατικά'''<br /> <br /> 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. <br /> <br /> <br /> '''Ανίχνευση προσβολών από ασθένειες και παράσιτα'''<br /> <br /> 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<br /> <br /> <br /> '''Εκτίμηση απαιτήσεων σε νερό'''<br /> <br /> 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. <br /> 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. <br /> <br /> <br /> '''Έλεγχος ζιζανίων'''<br /> <br /> 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. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> 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. <br /> 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. <br /> 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.</div>

Eftichia http://147.102.106.44/rs/wiki/index.php/%CE%95%CF%86%CE%B1%CF%81%CE%BC%CE%BF%CE%B3%CE%AE_%CF%84%CF%89%CE%BD_%CE%BC%CE%B5%CE%B8%CF%8C%CE%B4%CF%89%CE%BD_%CE%A4%CE%B7%CE%BB%CE%B5%CF%80%CE%B9%CF%83%CE%BA%CF%8C%CF%80%CE%B7%CF%83%CE%B7%CF%82_%CF%83%CF%84%CE%B7_%CE%93%CE%B5%CF%89%CF%80%CE%BF%CE%BD%CE%AF%CE%B1 2022-04-08T10:32:46Z

<p>Eftichia: </p> <hr /> <div>[[category:Γεωργία]]<br /> '''Εφαρμογή των μεθόδων Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> '''Application of remote sensing methods in Agriculture'''<br /> <br /> Συγγραφείς: Marek Wójtowicz, Andrzej Wójtowicz, Jan Piekarczyk<br /> 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<br /> <br /> Πηγή: [https://www.researchgate.net/publication/290494859_Application_of_remote_sensing_methods_in_agriculture 1]<br /> <br /> <br /> [[Αρχείο:ΚΟΚΚ1.1.JPG|thumb|right|'''Εικόνα 1''': Χρήση drone για τηλεπισκόπηση αγροτικής έκτασης]]<br /> [[Αρχείο:ΚΟΚΚ1.2.JPG|thumb|right|'''Εικόνα 2''': Εντοπισμός προβλημάτων καλλιέργειας με χρήση τηλεπισκόπησης]]<br /> <br /> <br /> <br /> '''Αντικείμενο'''<br /> <br /> 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.<br /> <br /> <br /> '''Εισαγωγή'''<br /> <br /> 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.<br /> <br /> <br /> '''Δείκτες Βλάστησης'''<br /> <br /> 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.<br /> <br /> <br /> '''Εφαρμογές Τηλεπισκόπησης στη Γεωπονία'''<br /> <br /> Οι μέθοδοι τηλεπισκόπησης μπορούν να διακριθούν σε τρία είδη. Εναέρειας, επίγειας και δορυφορικής Τηλεπισκόπησης.<br /> 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. <br /> 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.<br /> 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.<br /> <br /> <br /> '''Αποδόσεις Καλλιέργειας'''<br /> <br /> 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. <br /> <br /> <br /> '''Απαιτήσεις σε θρεπτικά συστατικά'''<br /> <br /> 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. <br /> <br /> <br /> '''Ανίχνευση προσβολών από ασθένειες και παράσιτα'''<br /> <br /> 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<br /> <br /> <br /> '''Εκτίμηση απαιτήσεων σε νερό'''<br /> <br /> 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. <br /> 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. <br /> <br /> <br /> '''Έλεγχος ζιζανίων'''<br /> <br /> 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. <br /> <br /> <br /> '''Συμπεράσματα'''<br /> <br /> 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. <br /> 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. <br /> 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.</div>

Eftichia