##无人机搭载多光谱成像助力精准农业( 二 )


##无人机搭载多光谱成像助力精准农业
文章图片

文章图片

图3:标准化差异植被指数(NDVI)地图提供图像和数据 , 以帮助创建变量施肥方案
在最近的一个案例中 , 无人机在一天内飞越了好几片田地 。到第二天下午 , Berg使用这两个软件包处理NDVI地图 , 并创建变量施肥地图 , 以便在第二天施肥 。地图中的红色部分显示了没有施肥的淹死玉米的区域 。在南部(地图下半部分) , 即地图上排水较好的地区 , 该公司施用了更多的肥料以获得更好的产量 。
“这片农田的整体投入数量通常保持不变 , 但不是在低产区或无产区浪费种子或氮肥 , 而是在高产区施用更多的肥料 , 从而提高产量 。”
MSZ-2100G传感器单元(见图4)由一台多光谱相机和一台RGB相机组成 。其中RGB相机配备1200万像素的Sony Exmor R CMOS图像传感器 , 用于捕捉航空图像;而200万像素的NDVI多光谱相机 , 用于捕获红色区域和NDVI范围内的图像 。
##无人机搭载多光谱成像助力精准农业
文章图片

文章图片

图4:Sony的MSZ-2100G传感器单元配备了一个1200万像素的RGB相机和一个200万像素的多光谱摄像机 , 用于拍摄航空图像
根据美国宇航局(NASA)的描述 , NDVI是通过以下方法计算的:近红外辐射减去可见光辐射 , 两者之差再除以近红外辐射与可见光辐射之和 , 即:
NDVI =(NIR-VIS)/(NIR+VIS)
大多数卫星植被指数都使用这个公式 , 来量化地球上植物生长的密度 。
除了索尼的图像传感器外 , 该设备还包含一个全球导航卫星系统(GNSS)传感器 , 其用于为成像提供精确的地理定位数据 。索尼的Fast Field Analyzer软件处理NDVI和RGB数据以及地理位置信息 , 生成详细的地图 , 并且能在不需要互联网连接的情况下实现快速现场分析 。
Berg说:“仅仅用一幅彩色图像就可以完成很多工作 , 但是NDVI图像能够提供更科学、更精确的可重复数据 。如果某个地方在NDVI标度上显示为红色 , 这就是对实地情况的准确表示 。”
他补充说 , “基本上 , NDVI图像能够显示肉眼看不到的东西 , 同时还能更早地显示农作物可能要面临的各种危害 。”
当Berg刚开始在Peterson Farms Seed公司工作时 , 采用的是传统方法 , 即在种植前将所有计划施用的肥料一次都施放到这块田地中 。后来 , 他们经过研究选择先施用大约70%-75%的肥料 , 剩余的肥料根据无人机拍摄的图像进行季节性变量施肥 , 这让他们收获了积极的结果 。Peterson Farms Seed公司在种子和化肥等投入上的花费与过去基本相同 , 但是总产量却有所提高 。
【##无人机搭载多光谱成像助力精准农业】Berg说:“归根结底 , 我们现在的种植方式肯定比以前更加高效 , 我们希望用比以前更少的投入 , 获得更高的收益 , 最终提高盈利能力 。”


推荐阅读