Χρήση της τηλεπισκόπησης στην εκτίμηση της παραγωγής καλαμποκιού
Από RemoteSensing Wiki
Η τηλεπισκόπηση, είναι η διαδικασία που λαμβάνονται πληροφορίες από απομακρυσμένες πλατφόρμες όπως τηλεσκοπικούς βραχίονες, αεροσκάφη ή δορυφόρους. Έτσι, υπάρχει δυνατότητα να ληφθούν σημαντικά δεδομένα για την διαχείριση των καλλιεργειών, παρέχοντας χωρικά και χρονικά δεδομένα. Η εργασία στην παρούσα μελέτη ήταν η σύγκριση με τηλεπισκόπηση, διαφορετικών δεικτών βλάστησης, ως μέσο για την αξιολόγηση της διακύμανσης της βλάστησης και την επακόλουθη επίπτωση στην απόδοση της παραγωγής του καλαμποκιού (Zea mays L.). Εφαρμογές αποτελούμενες από πέντε συγκεντρώσεις Ν και τέσσερα υβρίδια, τα οποία ήταν αρδευόμενα, ΒΑ σε μία έκταση με γόνιμα εδάφη το 1997 και 1998. Τα δεδομένα λήφθηκαν με 0,5m διακριτική ικανότητα, και λήφθηκαν από αεροπλάνο κατά τη διάρκεια των δύο εποχών με πολυφασματικές εικόνες, σε τέσσερις συχνότητες (μπλε, πράσινο, κόκκινο, εγγύς υπέρυθρο) από ψηφιακή κάμερα. Οι εικόνες εισήχθησαν σε ένα σύστημα GIS και έγινε καταχώρηση, μετατρέποντάς τις σε ανάκλαση και χρησιμοποιήθηκαν για την μέτρηση τριών δεικτών βλάστησης. Η παραγωγή κάθε τεμαχίου προσδιορίστηκε στην ωριμότητα. Τα αποτελέσματα έδειξαν ότι οι τιμές του δείκτη GNDVI (green normalized difference vegetation index), οι οποίες λήφθηκαν κατά τη μέση της καλλιεργητικής περιόδου ήταν περισσότερο σχετικές με την παραγωγή των χωραφιών. Οι μέγιστες συσχετίσεις ήταν 0,7 και 0,92 το 1997 και 1998, αντίστοιχα. Ομαλοποιώντας τον GNDVI και την διαφοροποίηση της παραγωγής στα διαφορετικά υβρίδια, βελτίωσε την συσχέτιση και στα δύο έτη, αλλά περισσότερο αυξήθηκε το 1997 (από 0,7 σε 0,82) από το 1998 (από 0,92 σε 0,95). Αυτό δείχνει ότι η χρήση του GNDVI κατά τη διάρκεια του γεμίσματος του καρπού (στο μέσο της καλλιεργητικής περιόδου) μπορεί να χρησιμοποιηθεί για να δημιουργηθούν χάρτες παραγωγής που θα δείχνουν τοπικά την διαφοροποίηση στα αγροτεμάχια, δίνοντας την δυνατότητα να χρησιμοποιηθούν για την παρακολούθηση της καλλιέργειας.
Ένα πλεονέκτημα της τηλεπισκόπησης είναι ότι δεν περιορίζεται από τα σημεία δειγματοληψίας ή την γεωστατική παρεμβολή, όπως γίνεται όταν πραγματοποιούνται αναλύσεις εδάφους. Η χρήση της τηλεπισκόπησης, για λήψη πληροφοριών στην διαχείριση καλλιεργειών, ήταν το όραμα για περισσότερο από 30 χρόνια. Αρχικά χρησιμοποιήθηκε στο σιτάρι, ενώ όταν γράφτηκε το άρθρο είχε επιτευχθεί να προσδιοριστεί ο RVI (ratio vegetation index), ο οποίος δημιουργήθηκε διαιρώντας το εγγύς υπέρυθρο (NIR) με την ανάκλαση του κόκκινου (NIR). Η βάση αυτής της σχέσης οφείλεται στην απορρόφηση της κόκκινης συχνότητας από την χλωροφύλλη ΙΙ και μη μικρή απορρόφηση στο εγγύς υπέρυθρο από τα πράσινα φύλλα. Οι πυκνή πράσινη βλάστηση παράγει περισσότερο υψηλή συχνότητα, όταν το έδαφος έχει χαμηλή τιμή, γι’ αυτό υπάρχει αντίθεση μεταξύ των δύο επιφανειών. Μετά τον RVI, διάφοροι φυτικοί δείκτες έχουν δημιουργηθεί για την ταυτοποίηση των εναέριων φωτογραφιών. Ο NDVI (normalized difference vegetation index), οπου NDVI=(NIR-Red)/(NIR+Red), αρχικά προτάθηκε για την εκτίμηση της πράσινης βιομάζας το 1979. Η βάση στη συσχέτιση μεταξύ του NDVI και πράσινης βιομάζας είναι το ποσό ενεργά φωτοσυνθετικής ακτινοβολίας που απορροφάται από το φύλλωμα. Άλλοι επιστήμονες βέβαια καταγράφουν ότι ο NDVI είναι ανεπαρκής για την αξιολόγηση της βλάστησης, λόγω της παρεμβολής του φόντου από το έδαφος και έχουν προτείνει τη χρήση δεικτών όπως του «soil-adjusted vegetation index», «optimized soil adjusted vegetation index» και «transformed soil-adjusted vegetation index». Ο Gitelson το 1996 πρότεινε την χρήση του GNDVI (Green normalized difference vegetation index), όπου η πράσινη συχνότητα αντικαθίσταται από την κόκκινη στην σχέση του NDVI. Στο παρόν πείραμα αναφέρεται ότι στόχος είναι η σύγκριση των τριών δεικτών φυτικής κάλυψης (NDVI, TSAVI, GNDVI) ως μέσο μέτρησης του φυλλώματος και εκτίμησης της τελικής παραγωγής σε σπόρους καλαμποκιού, καθώς επίσης στον προσδιορισμό πώς θα ομαλοποιηθούν οι δείκτες φυτικών εφαρμογών και πώς η παραγωγή σπόρων μπορεί να επηρεάσει τη σχέση τους.
Υλικά και Μέθοδοι
Πειραματικές εφαρμογές και Σχεδιασμός Πειράματος
Γίνεται αναφορά στην τοποθεσία που έγινε το πείραμα, κοντά στο Σέλτον, NE (40°45’01’’ N, 98°46’01’’W, σε υψόμετρο 620m πάνω από την θάλασσα), κατά τη διάρκεια της καλλιεργητικής περιόδου 1997 και 1998.
Περιγράφεται το έδαφος, το πολλαπλασιαστικό υλικό που χρησιμοποιήθηκε, οι εφαρμογές σε αζωτούχο λίπανση, η άρδευση, η ζιζανιοκτονία και η καταγραφή των κλιματολογικών δεδομένων.
Απόκτηση εικόνων, βαθμονόμηση και Μετατροπή σε Ανακλαστικότητα Οι εικόνες λήφθηκαν από τις αρχές Ιουνίου έως και τα τέλη Σεπτέμβρη, με την χρήση αεροσκάφους. Τέσσερις συχνότητες λήφθηκαν, μπλέ (450-520 nm), πράσινο (520-600 nm), κόκκινο (630-680 nm) και NIR (775-900 nm), με αισθητήρες 8-bit και 12-bit, αντίστοιχα, για τους αισθητήρες Mark III και Vision One. Τέσσερις στόχοι (1,2 έως 2,4m λευκά χρωματισμένων ξύλων) τοποθετήθηκαν στις άκρες του πειράματος για να γίνει γεωαναφορά της εικόνας. Γεωλογικές συντεταγμένες λήφθηκαν από στόχους με DGPS δέκτη. Επίσης έγινε ραδιομετρική βαθμονόμηση των εικόνων και η διαδικασία περιγράφεται αναλυτικά στο άρθρο, όπως και η μαθηματική εξίσωση που εφαρμόστηκε. Ακόμα, ραδιόμετρα σε ύψος 11 m χρησιμοποιήθηκαν για να εκτιμηθεί ο συντελεστής που αποδίδει τις φασματικές ιδιότητες του υλικού.
Μετατροπή των Δεδομένων Ανακλαστικότητας σε Δείκτες Βλάστησης Οι τιμές των NDVI, TSAVI και GNDVI υπολογίστηκαν χρησιμοποιώντας τις τιμές ανακλαστικότητας των απαιτούμενων συχνοτήτων. Ο δείκτης TSAVI δημοσιεύτηκε το 1989 (Baret) και είναι η σχέση: TSAVI = a [ NIR - ( a * Red ) – b ] / [ Red + ( a * NIR ) - ( a * b ) ] Όπου α: η κλίση και β: διάθλαση
Η σχέση GNDVI από τον Gitelson το 1996 GNDVI = (NIR – Green) / NR + Green) Και NDVI = ( NIR – Red ) / ( NIR + Red )
Διαδικασίες Συγκομιδής και Στατιστική Ανάλυση Στην ωρίμανση, τρεις από τις τέσσερις κεντρικές γραμμές συλλέχθηκαν μηχανικά για να προσδιοριστεί η παραγωγή. Η ποσότητα των σπόρων ανάχθηκε σε ποσοστό υγρασίας 155 g/kg. Η παραγωγή των καρπών, οι φυτικοί δείκτες και η μέτρηση της Χλωροφύλλης ΙΙ αναλύθηκαν με μεικτό μοντέλο ANOVA, χρησιμοποιώντας SAS PROC MIXED διαδικασία (Little et al., 1996). Για τα δεδομένα των αγροτεμαχίων, τα υβρίδια και οι εφαρμογές αζώτου θεωρήθηκαν σταθερές επιδράσεις και τα τεμάχια τυχαίες. Για του φυτικούς δείκτες και την μέτρηση της Χλωροφύλλης, η ανάλυση ήταν ίδια, εκτός από τις μέρες των εικόνων, οι οποίες συμπεριλήφθηκαν στο μοντέλο και θεωρήθηκαν επαναλαμβανόμενες παρατηρήσεις. Γραμμική συσχέτιση χρησιμοποιήθηκε για να προσδιορίσει τη σχέση μεταξύ διαφορετικών φυτικών δεικτών και κάθε ημερομηνίας και τελική παραγωγής.
Αποτελέσματα και Συζήτηση Αποτελέσματα Εφαρμογών σε Παραγωγή Σπόρων Το 1998 η παραγωγή ήταν σχεδόν 20% μικρότερη από το 1997 (πίνακας 1), πιθανόν λόγω των χαμηλότερων θερμοκρασιών και των νεφώσεων που επικρατούσαν τις τελευταίες δύο εβδομάδες τον Ιούλιο 1998. Αποτελέσματα Εφαρμογών σε Φυτικούς Δείκτες
Οι φυτικοί δείκτες υπολογίστηκαν από τα δεδομένα των εικόνων που λήφθηκαν σε επτά ημερομηνίες το 1997 και εννιά το 1998. Για να συγκριθούν οι τιμές των τριών δεικτών, τα δεδομένα υπολογίστηκαν κατά μέσο όρο όλων των εφαρμογών και καταγράφηκαν κατά ημερομηνία λήψης της εικόνας (σχήμα 1α και 2α).
Η ANOVA για τους φυτικούς δείκτες (Πίνακας 2), δείχνει ότι όλοι οι δείκτες ανταποκρίνονται ομοίως στις μεταβολές των εφαρμογών. Για παράδειγμα το υβρίδιο * N και το υβρίδιο * ποσότητα N * ημέρες εφαρμογής, οι διακυμάνσεις δεν ήταν σημαντικές, ενώ το υβρίδιο * ημερομηνία και ποσότητα Ν * ημερομηνία ήταν σημαντικά για όλες τις περιπτώσεις σε όλες τις εποχές. Ομοίως, το υβρίδιο, ποσότητα Ν, και ημερομηνία τα βασικά αποτελέσματα στατιστικά σημαντικά για όλους τους δείκτες στη διάρκεια των δύο ετών.
Σχέση Φυτικών Δεικτών με Παραγωγή σπόρων
Αναγράφεται ότι γενικά η σχέση μεταξύ φυτικών δεικτών και απόλυτης παραγωγής σπόρων ήταν λίγο μεγαλύτερη το 1998, από το 1997. Αυτή η διαφορά αιτιολογήθηκε στο γεγονός ότι το 1998 οι αισθητήρες που χρησιμοποιήθηκαν για τις μετρήσεις ήταν μεγαλύτερης ευαισθησίας το 1998.
Ο Gitelson et. Al. (1996) πρότεινε ότι η πράσινη συχνότητα (GNDVI) είναι περισσότερο ευαίσθητη από την κόκκινη (NSVI ή TSAVI) στον προσδιορισμό της διαφοράς της χλωροφύλληςΙΙ στα φύλλα. Η ANOVA για την μέτρηση της χλωροφύλλης ΙΙ (Πίνακας 3) έδειξαν σημαντικά αποτελέσματα στα υβρίδια και τις εφαρμογές αζώτου και στις δύο καλλιεργητικές περιόδους. Για παράδειγμα η εφαρμογή Ν αύξησε τις μετρήσιμες τιμές σχεδόν 20% σε σχέση με τον μάρτυρα (δεν φαίνονται τα δεδομένα). Ο GNDVI ήταν περισσότερο ευαίσθητος από τους άλλους δύο δείκτες στον προσδιορισμό των διαφορών, όπως προτάθηκε και από τον Gitelson. Πράγματι και άλλοι έχουν προσδιορίσει ότι η πράσινη συχνότητα (σε συνδυασμό με την NIR) συσχετίζεται περισσότερο με την συγκέντρωση χλωροφύλης ΙΙ, της συγκέντρωσης αζώτου και της παραγωγής από τη νκόκκινη συχνότητα.
Αυτά τα αποτελέσματα δείχνουν ότι πολλοί παράγοντες μπορούν να επηρεάσουν τους φυτικούς δείκτες, όπως η ημερομηνία λήψης των εικόνων, όπως το υβρίδιο και οι εφαρμογές αζώτου. Η παραγωγή των χωραφιών (Πίνακας 1) και οι φυτικοί δείκτες εξομαλύνονται μετατρέποντας τις απόλυτες τιμές σε ποσοστό επί των μέσων τιμών σε σχέση με τα επίπεδα Ν και αναπαράγονται στο συγκεκριμένο υβρίδιο. Οι συσχετίσεις των ομαλοποιημένων φυτικών δεικτών με τις ομαλοποιημένες παραγωγές, βελτιώθηκαν σε όλες σχεδόν τις ημερομηνίες και στις δύο καλλιεργητικές περιόδους όπως φαίνεται και στα σχήματα 3β και 4β.
Περίληψη και Αποτελέσματα
Ο GNDVI που λαμβάνεται από εναέριες εικόνες σε φύλλωμα καλαμποκιού, κυρίως στο μέσο του γεμίσματος των καρπών, ήταν ισχυρά συσχετιζόμενος με την παραγωγή. Ομαλοποίηση του GNDVI και η μεταβλητότητα των αποδόσεων βελτιώνει αυτήν τη σχέση. Το παρόν πείραμα έγινε κάτω από συγκεκριμένες συνθήκες, ωστόσο αν αποδειχτεί ότι τα δεδομένα λειτουργούν σε περισσότερο ποικιλόμορφες συνθήκες περιβάλλοντος, η διαδικασία θα είναι χρήσιμη για την δημιουργία χαρτών παραγωγής, οι οποίοι θα δείχνουν την τοπική διαφοροποίηση των χωραφιών, πριν την συγκομιδή, όταν θα υπάρχει ακόμα χρόνος να γίνουν επεμβάσεις και να διορθωθούν οι παράγοντες που μειώνουν την παραγωγή. Οι χάρτες αυτοί, σε συνδυασμό με GIS θα μπορέσουν να οδηγήσουν σε εφαρμογές ακριβείας για την διαχείριση των αγροτεμαχίων.
Πηγή:Use of Remote-Sensing Imagery to Estimate Corn Grain Yield J.F. Shanahan, James S. Schepers, Dennis D. Francis, Gary E. Varvel, Wallace Wilhelm Agronomy & Horticulture – Faculty Publications/ University of Nebraska - Lincoln 5/1/2001 Αgronomy Journal, VOL. 93, MAY-JUNE 2001
