UAVలు అనేక రకాల రిమోట్ సెన్సింగ్ సెన్సార్లను కలిగి ఉంటాయి, ఇవి బహుళ డైమెన్షనల్, అధిక-నిర్దిష్ట వ్యవసాయ భూముల సమాచారాన్ని పొందగలవు మరియు అనేక రకాల వ్యవసాయ భూముల సమాచారాన్ని డైనమిక్ పర్యవేక్షణను గ్రహించగలవు. అటువంటి సమాచారంలో ప్రధానంగా పంట ప్రాదేశిక పంపిణీ సమాచారం (వ్యవసాయ భూమి స్థానికీకరణ, పంట జాతుల గుర్తింపు, ప్రాంత అంచనా మరియు మార్పు డైనమిక్ పర్యవేక్షణ, క్షేత్ర మౌలిక సదుపాయాల వెలికితీత), పంట వృద్ధి సమాచారం (పంట సమలక్షణ పారామితులు, పోషక సూచికలు, దిగుబడి) మరియు పంట పెరుగుదల ఒత్తిడి కారకాలు (పొలంలో తేమ) ఉంటాయి. , తెగుళ్లు మరియు వ్యాధులు) డైనమిక్స్.
వ్యవసాయ భూమి ప్రాదేశిక సమాచారం
వ్యవసాయ భూమి యొక్క ప్రాదేశిక స్థాన సమాచారంలో క్షేత్రాల భౌగోళిక కోఆర్డినేట్లు మరియు దృశ్య వివక్ష లేదా యంత్ర గుర్తింపు ద్వారా పొందిన పంట వర్గీకరణలు ఉంటాయి. క్షేత్ర సరిహద్దులను భౌగోళిక కోఆర్డినేట్ల ద్వారా గుర్తించవచ్చు మరియు నాటడం ప్రాంతాన్ని కూడా అంచనా వేయవచ్చు. ప్రాంతీయ ప్రణాళిక మరియు ప్రాంత అంచనా కోసం టోపోగ్రాఫిక్ మ్యాప్లను బేస్ మ్యాప్గా డిజిటలైజ్ చేసే సాంప్రదాయ పద్ధతి పేలవమైన సమయపాలనను కలిగి ఉంది మరియు సరిహద్దు స్థానం మరియు వాస్తవ పరిస్థితి మధ్య వ్యత్యాసం చాలా పెద్దది మరియు అంతర్ దృష్టిని కలిగి ఉండదు, ఇది ఖచ్చితమైన వ్యవసాయం అమలుకు అనుకూలమైనది కాదు. UAV రిమోట్ సెన్సింగ్ వ్యవసాయ భూమి యొక్క సమగ్ర ప్రాదేశిక స్థాన సమాచారాన్ని నిజ సమయంలో పొందవచ్చు, ఇది సాంప్రదాయ పద్ధతుల యొక్క సాటిలేని ప్రయోజనాలను కలిగి ఉంటుంది. హై-డెఫినిషన్ డిజిటల్ కెమెరాల నుండి వైమానిక చిత్రాలు వ్యవసాయ భూమి యొక్క ప్రాథమిక ప్రాదేశిక సమాచారం యొక్క గుర్తింపు మరియు నిర్ణయాన్ని గ్రహించగలవు మరియు ప్రాదేశిక కాన్ఫిగరేషన్ టెక్నాలజీ అభివృద్ధి వ్యవసాయ భూమి స్థాన సమాచారంపై పరిశోధన యొక్క ఖచ్చితత్వం మరియు లోతును మెరుగుపరుస్తుంది మరియు ఎలివేషన్ సమాచారాన్ని పరిచయం చేసేటప్పుడు ప్రాదేశిక స్పష్టతను మెరుగుపరుస్తుంది. , ఇది వ్యవసాయ భూమి యొక్క ప్రాదేశిక సమాచారం యొక్క సూక్ష్మ పర్యవేక్షణను గుర్తిస్తుంది.
పంట వృద్ధి సమాచారం
పంట పెరుగుదలను సమలక్షణ పారామితులు, పోషక సూచికలు మరియు దిగుబడిపై సమాచారం ద్వారా వర్గీకరించవచ్చు. సమలక్షణ పారామితులలో వృక్షసంపద, ఆకు విస్తీర్ణం సూచిక, బయోమాస్, మొక్కల ఎత్తు మొదలైనవి ఉన్నాయి. ఈ పారామితులు పరస్పరం సంబంధం కలిగి ఉంటాయి మరియు సమిష్టిగా పంట పెరుగుదలను వర్ణిస్తాయి. ఈ పారామితులు పరస్పరం సంబంధం కలిగి ఉంటాయి మరియు పంట పెరుగుదలను సమిష్టిగా వర్గీకరిస్తాయి మరియు తుది దిగుబడికి నేరుగా సంబంధించినవి. వ్యవసాయ సమాచార పర్యవేక్షణ పరిశోధనలో వారు ప్రబలంగా ఉన్నారు మరియు మరిన్ని అధ్యయనాలు జరిగాయి.
1) క్రాప్ ఫినోటైపిక్ పారామితులు
లీఫ్ ఏరియా ఇండెక్స్ (LAI) అనేది ఒక యూనిట్ ఉపరితల వైశాల్యానికి ఒక-వైపు ఆకుపచ్చ ఆకు వైశాల్యం, ఇది పంట యొక్క శోషణ మరియు కాంతి శక్తిని బాగా వర్ణించగలదు మరియు పంట యొక్క పదార్థం చేరడం మరియు తుది దిగుబడికి దగ్గరి సంబంధం కలిగి ఉంటుంది. ప్రస్తుతం UAV రిమోట్ సెన్సింగ్ ద్వారా పర్యవేక్షించబడే ప్రధాన పంట పెరుగుదల పారామితులలో లీఫ్ ఏరియా ఇండెక్స్ ఒకటి. మల్టీస్పెక్ట్రల్ డేటాతో వృక్షసంపద సూచికలను (నిష్పత్తి వృక్ష సూచిక, సాధారణీకరించిన వృక్ష సూచిక, నేల కండిషనింగ్ వృక్ష సూచిక, వ్యత్యాస వృక్ష సూచిక, మొదలైనవి) గణించడం మరియు గ్రౌండ్ ట్రూత్ డేటాతో రిగ్రెషన్ నమూనాలను ఏర్పాటు చేయడం సమలక్షణ పారామితులను విలోమం చేయడానికి మరింత పరిణతి చెందిన పద్ధతి.
పంటల చివరి ఎదుగుదల దశలో నేలపైన జీవపదార్ధం దిగుబడి మరియు నాణ్యత రెండింటికీ దగ్గరి సంబంధం కలిగి ఉంటుంది. ప్రస్తుతం, వ్యవసాయంలో UAV రిమోట్ సెన్సింగ్ ద్వారా బయోమాస్ అంచనా ఇప్పటికీ ఎక్కువగా మల్టీస్పెక్ట్రల్ డేటాను ఉపయోగిస్తుంది, స్పెక్ట్రల్ పారామితులను సంగ్రహిస్తుంది మరియు మోడలింగ్ కోసం వృక్షసంపద సూచికను గణిస్తుంది; బయోమాస్ అంచనాలో ప్రాదేశిక ఆకృతీకరణ సాంకేతికత కొన్ని ప్రయోజనాలను కలిగి ఉంది.
2) పంట పోషక సూచికలు
పంట పోషకాహార స్థితి యొక్క సాంప్రదాయిక పర్యవేక్షణకు పోషకాలు లేదా సూచికల (క్లోరోఫిల్, నైట్రోజన్ మొదలైనవి) యొక్క కంటెంట్ను నిర్ధారించడానికి ఫీల్డ్ శాంప్లింగ్ మరియు ఇండోర్ రసాయన విశ్లేషణ అవసరం, అయితే UAV రిమోట్ సెన్సింగ్ అనేది విభిన్న పదార్థాలు నిర్దిష్ట స్పెక్ట్రల్ రిఫ్లెక్టెన్స్-శోషణ లక్షణాలను కలిగి ఉంటాయి. నిర్ధారణ. కనిపించే లైట్ బ్యాండ్లో రెండు బలమైన శోషణ ప్రాంతాలు ఉన్నాయి, అవి 640-663 nm యొక్క ఎరుపు భాగం మరియు 430-460 nm యొక్క నీలం-వైలెట్ భాగం, అయితే శోషణ 550 nm వద్ద బలహీనంగా ఉండటం ఆధారంగా క్లోరోఫిల్ పర్యవేక్షించబడుతుంది. పంటలు లోపించినప్పుడు ఆకుల రంగు మరియు ఆకృతి లక్షణాలు మారుతాయి మరియు వివిధ లోపాలు మరియు సంబంధిత లక్షణాలకు అనుగుణంగా రంగు మరియు ఆకృతి యొక్క గణాంక లక్షణాలను కనుగొనడం పోషక పర్యవేక్షణలో కీలకం. వృద్ధి పారామితుల పర్యవేక్షణ మాదిరిగానే, లక్షణ బ్యాండ్లు, వృక్షసంపద సూచికలు మరియు అంచనా నమూనాల ఎంపిక ఇప్పటికీ అధ్యయనం యొక్క ప్రధాన కంటెంట్.
3) పంట దిగుబడి
పంట దిగుబడిని పెంచడం వ్యవసాయ కార్యకలాపాల యొక్క ప్రధాన లక్ష్యం మరియు వ్యవసాయ ఉత్పత్తి మరియు నిర్వహణ నిర్ణయాధికార విభాగాలు రెండింటికీ దిగుబడి యొక్క ఖచ్చితమైన అంచనా ముఖ్యమైనది. బహుళ కారకాల విశ్లేషణ ద్వారా అధిక అంచనా ఖచ్చితత్వంతో దిగుబడి అంచనా నమూనాలను స్థాపించడానికి అనేక మంది పరిశోధకులు ప్రయత్నించారు.
వ్యవసాయ తేమ
వ్యవసాయ భూముల తేమ తరచుగా థర్మల్ ఇన్ఫ్రారెడ్ పద్ధతుల ద్వారా పర్యవేక్షించబడుతుంది. అధిక వృక్షసంపద ఉన్న ప్రాంతాలలో, లీఫ్ స్టోమాటా మూసివేయడం వల్ల ట్రాన్స్పిరేషన్ కారణంగా నీటి నష్టాన్ని తగ్గిస్తుంది, ఇది ఉపరితలం వద్ద గుప్త ఉష్ణ ప్రవాహాన్ని తగ్గిస్తుంది మరియు ఉపరితలం వద్ద సున్నితమైన ఉష్ణ ప్రవాహాన్ని పెంచుతుంది, ఇది పందిరి ఉష్ణోగ్రత పెరుగుదలకు కారణమవుతుంది, ఇది మొక్క పందిరి యొక్క ఉష్ణోగ్రతగా పరిగణించబడుతుంది. నీటి ఒత్తిడి సూచిక యొక్క పంట శక్తి సమతుల్యతను ప్రతిబింబించే విధంగా పంట నీటి కంటెంట్ మరియు పందిరి ఉష్ణోగ్రత మధ్య సంబంధాన్ని లెక్కించవచ్చు, కాబట్టి థర్మల్ ఇన్ఫ్రారెడ్ సెన్సార్ ద్వారా పొందిన పందిరి ఉష్ణోగ్రత వ్యవసాయ భూమి యొక్క తేమ స్థితిని ప్రతిబింబిస్తుంది; చిన్న ప్రాంతాలలో బేర్ మట్టి లేదా వృక్ష కవర్, నేల తేమను పరోక్షంగా ఉపరితల ఉష్ణోగ్రతతో విలోమం చేయడానికి ఉపయోగించవచ్చు, ఇది సూత్రం: నీటి నిర్దిష్ట వేడి పెద్దది, వేడి ఉష్ణోగ్రత నెమ్మదిగా మారుతుంది, కాబట్టి పగటిపూట ఉపరితల ఉష్ణోగ్రత యొక్క ప్రాదేశిక పంపిణీ నేల తేమ పంపిణీలో పరోక్షంగా ప్రతిబింబిస్తుంది. అందువల్ల, పగటిపూట ఉపరితల ఉష్ణోగ్రత యొక్క ప్రాదేశిక పంపిణీ నేల తేమ పంపిణీని పరోక్షంగా ప్రతిబింబిస్తుంది. పందిరి ఉష్ణోగ్రత పర్యవేక్షణలో, బేర్ మట్టి ఒక ముఖ్యమైన జోక్యం కారకం. కొంతమంది పరిశోధకులు బేర్ నేల ఉష్ణోగ్రత మరియు పంట నేల కవర్ మధ్య సంబంధాన్ని అధ్యయనం చేశారు, బేర్ మట్టి మరియు నిజమైన విలువ వలన ఏర్పడే పందిరి ఉష్ణోగ్రత కొలతల మధ్య అంతరాన్ని స్పష్టం చేశారు మరియు పర్యవేక్షణ యొక్క ఖచ్చితత్వాన్ని మెరుగుపరచడానికి వ్యవసాయ భూముల తేమ పర్యవేక్షణలో సరిదిద్దబడిన ఫలితాలను ఉపయోగించారు. ఫలితాలు వాస్తవ వ్యవసాయ భూమి ఉత్పత్తి నిర్వహణలో, ఫీల్డ్ తేమ లీకేజీపై కూడా దృష్టి కేంద్రీకరించబడింది, నీటిపారుదల ఛానల్ తేమ లీకేజీని పర్యవేక్షించడానికి ఇన్ఫ్రారెడ్ ఇమేజర్లను ఉపయోగించి అధ్యయనాలు జరిగాయి, ఖచ్చితత్వం 93% కి చేరుకుంటుంది.
తెగుళ్ళు మరియు వ్యాధులు
మొక్కల తెగుళ్లు మరియు వ్యాధుల యొక్క సమీప-పరారుణ వర్ణపట పరావర్తన పర్యవేక్షణ యొక్క ఉపయోగం, దీని ఆధారంగా: స్పాంజ్ కణజాలం మరియు కంచె కణజాల నియంత్రణ, ఆరోగ్యకరమైన మొక్కలు, తేమ మరియు విస్తరణతో నిండిన ఈ రెండు కణజాల అంతరాలను ప్రతిబింబించే సమీప-పరారుణ ప్రాంతంలోని ఆకులు , వివిధ రేడియేషన్ యొక్క మంచి రిఫ్లెక్టర్; మొక్క దెబ్బతిన్నప్పుడు, ఆకు దెబ్బతింటుంది, కణజాలం విల్ట్ అవుతుంది, నీరు తగ్గిపోతుంది, పరారుణ ప్రతిబింబం కోల్పోయే వరకు తగ్గుతుంది.
ఉష్ణోగ్రత యొక్క థర్మల్ ఇన్ఫ్రారెడ్ పర్యవేక్షణ కూడా పంట తెగుళ్లు మరియు వ్యాధుల యొక్క ముఖ్యమైన సూచిక. ఆరోగ్యకరమైన పరిస్థితులలో మొక్కలు, ప్రధానంగా లీఫ్ స్టోమాటల్ ఓపెనింగ్ మరియు ట్రాన్స్పిరేషన్ రెగ్యులేషన్ను మూసివేయడం ద్వారా, వాటి స్వంత ఉష్ణోగ్రత యొక్క స్థిరత్వాన్ని నిర్వహించడానికి; వ్యాధి విషయంలో, రోగనిర్ధారణ మార్పులు సంభవిస్తాయి, మొక్కపై వ్యాధికారకంలో వ్యాధికారక - అతిధేయ పరస్పర చర్యలు, ముఖ్యంగా ట్రాన్స్పిరేషన్-సంబంధిత అంశాల ప్రభావం ఉష్ణోగ్రత పెరుగుదల మరియు పతనం యొక్క సోకిన భాగాన్ని నిర్ణయిస్తుంది. సాధారణంగా, ప్లాంట్ సెన్సింగ్ స్టోమాటల్ ఓపెనింగ్ యొక్క సడలింపుకు దారి తీస్తుంది, అందువలన ఆరోగ్యకరమైన ప్రాంతం కంటే వ్యాధిగ్రస్తులైన ప్రాంతంలో ట్రాన్స్పిరేషన్ ఎక్కువగా ఉంటుంది. ఆకు యొక్క ఉపరితలంపై నెక్రోటిక్ మచ్చలు కనిపించే వరకు తీవ్రమైన ట్రాన్స్పిరేషన్ సోకిన ప్రాంతం యొక్క ఉష్ణోగ్రతలో తగ్గుదలకి మరియు సాధారణ ఆకు కంటే ఆకు ఉపరితలంపై అధిక ఉష్ణోగ్రత వ్యత్యాసానికి దారితీస్తుంది. నెక్రోటిక్ ప్రాంతంలోని కణాలు పూర్తిగా చనిపోతాయి, ఆ భాగంలో ట్రాన్స్పిరేషన్ పూర్తిగా పోతుంది మరియు ఉష్ణోగ్రత పెరగడం ప్రారంభమవుతుంది, అయితే మిగిలిన ఆకు సోకడం ప్రారంభించినందున, ఆకు ఉపరితలంపై ఉష్ణోగ్రత వ్యత్యాసం ఎల్లప్పుడూ దాని కంటే ఎక్కువగా ఉంటుంది. ఒక ఆరోగ్యకరమైన మొక్క.
ఇతర సమాచారం
వ్యవసాయ భూముల సమాచార పర్యవేక్షణ రంగంలో, UAV రిమోట్ సెన్సింగ్ డేటా విస్తృత శ్రేణి అనువర్తనాలను కలిగి ఉంది. ఉదాహరణకు, బహుళ ఆకృతి లక్షణాలను ఉపయోగించి మొక్కజొన్న పడిపోయిన ప్రాంతాన్ని తీయడానికి, NDVI ఇండెక్స్ని ఉపయోగించి పత్తి పరిపక్వత దశలో ఆకుల పరిపక్వత స్థాయిని ప్రతిబింబించడానికి మరియు అబ్సిసిక్ యాసిడ్ అప్లికేషన్ ప్రిస్క్రిప్షన్ మ్యాప్లను రూపొందించడానికి దీనిని ఉపయోగించవచ్చు. పురుగుమందుల మితిమీరిన ప్రయోగాన్ని నివారించడానికి పత్తి మీద, మరియు మొదలైనవి. వ్యవసాయ భూముల పర్యవేక్షణ మరియు నిర్వహణ అవసరాలకు అనుగుణంగా, UAV రిమోట్ సెన్సింగ్ డేటా యొక్క సమాచారాన్ని నిరంతరం అన్వేషించడం మరియు దాని అప్లికేషన్ ఫీల్డ్లను విస్తరించడం అనేది సమాచార మరియు డిజిటలైజ్డ్ వ్యవసాయం యొక్క భవిష్యత్తు అభివృద్ధికి అనివార్యమైన ధోరణి.
పోస్ట్ సమయం: డిసెంబర్-24-2024