UAV bisa nggawa macem-macem sensor remote sensing, kang bisa njupuk multi-dimensi, tliti dhuwur informasi farmland lan éling dinamis ngawasi macem-macem jinis informasi farmland. Informasi kasebut utamane kalebu informasi distribusi spasial panen (lokalisasi lahan pertanian, identifikasi spesies tanduran, estimasi area lan pemantauan dinamis owah-owahan, ekstraksi infrastruktur lapangan), informasi pertumbuhan panen (parameter fenotipik panen, indikator nutrisi, hasil), lan faktor stres pertumbuhan panen (kelembapan lapangan). , hama lan penyakit) dinamika.
Informasi Spasial Lahan Pertanian
Informasi lokasi spasial lahan pertanian kalebu koordinat geografis sawah lan klasifikasi potong sing dipikolehi liwat diskriminasi visual utawa pangenalan mesin. Wates lapangan bisa diidentifikasi kanthi koordinat geografis, lan area tanduran uga bisa dikira. Cara tradisional digitalisasi peta topografi minangka peta dhasar kanggo perencanaan wilayah lan estimasi wilayah nduweni ketepatan wektu sing kurang, lan prabédan antarane lokasi wates lan kahanan nyata ageng lan kurang intuisi, sing ora cocog kanggo implementasine tetanèn presisi. Penginderaan remot UAV bisa entuk informasi lokasi spasial sing komprehensif saka lahan pertanian ing wektu nyata, sing nduweni kaluwihan sing ora bisa ditandingake saka metode tradisional. Gambar pangeboman saka kamera digital definisi dhuwur bisa mujudake identifikasi lan nemtokake informasi spasial dhasar saka lahan pertanian, lan pangembangan teknologi konfigurasi spasial nambah presisi lan ambane riset babagan informasi lokasi lahan pertanian, lan ningkatake resolusi spasial nalika ngenalake informasi elevasi. , sing nyadari pemantauan sing luwih apik babagan informasi spasial lahan pertanian.
Informasi Tuwuh Tanaman
Wutah panen bisa ditondoi kanthi informasi babagan parameter fenotipik, indikator nutrisi, lan asil. Parameter fenotipik kalebu tutup vegetasi, indeks area godhong, biomassa, dhuwur tanduran, lan liya-liyane. Paramèter kasebut saling gegandhèngan lan sacara kolektif minangka ciri pertumbuhan potong lan langsung ana hubungane karo asil pungkasan. Dheweke dominan ing riset pemantauan informasi peternakan lan luwih akeh panaliten wis ditindakake.
1) Parameter Fenotipik Pamotongan
Indeks area rwaning (LAI) yaiku jumlah area godhong ijo siji-sisi saben area lumahing unit, sing bisa dadi ciri panyerepan lan pemanfaatan energi cahya sing luwih apik, lan ana hubungane karo akumulasi materi lan asil pungkasan. Indeks area godhong minangka salah sawijining parameter pertumbuhan potong utama sing saiki dipantau dening penginderaan jauh UAV. Ngitung indeks vegetasi (indeks rasio vegetasi, indeks vegetasi normal, indeks vegetasi kahanan lemah, indeks vegetasi beda, lan liya-liyane) kanthi data multispektral lan nggawe model regresi kanthi data bebener lemah minangka cara sing luwih diwasa kanggo ngowahi parameter fenotipik.
Biomas ing ndhuwur lemah ing tataran pungkasan wutah saka crops raket related kanggo loro ngasilaken lan kualitas. Saiki, estimasi biomassa kanthi UAV remote sensing ing tetanen isih akeh nggunakake data multispektral, ngekstrak paramèter spektral, lan ngétung indeks vegetasi kanggo pemodelan; teknologi konfigurasi spasial duwe kaluwihan tartamtu ing ngira biomassa.
2) Indikator Nutrisi Tanaman
Pemantauan tradisional status nutrisi potong mbutuhake sampling lapangan lan analisis kimia njero ruangan kanggo diagnosa isi nutrisi utawa indikator (klorofil, nitrogen, lan sapiturute), dene UAV penginderaan jarak jauh adhedhasar kasunyatan manawa macem-macem zat duwe karakteristik penyerapan-pantulan spektral khusus kanggo diagnosa. Klorofil dipantau adhedhasar kasunyatan sing nduweni rong wilayah panyerepan sing kuat ing pita cahya sing katon, yaiku bagean abang 640-663 nm lan bagean biru-violet 430-460 nm, dene panyerepan lemah ing 550 nm. Karakteristik warna lan tekstur godhong ganti nalika panen kurang, lan nemokake karakteristik statistik warna lan tekstur sing cocog karo kekurangan sing beda lan sifat sing gegandhengan minangka kunci kanggo ngawasi nutrisi. Padha karo ngawasi paramèter wutah, pilihan pita karakteristik, indeks vegetasi lan model prediksi isih isi utama sinau.
3) Hasil panen
Nambah asil panen minangka tujuan utama kegiatan pertanian, lan estimasi asil sing akurat penting kanggo departemen produksi lan manajemen produksi pertanian. Akeh peneliti nyoba nggawe model estimasi asil kanthi akurasi prediksi sing luwih dhuwur liwat analisis multifaktor.
Kelembapan Pertanian
Kelembapan lahan pertanian asring dipantau kanthi cara inframerah termal. Ing wilayah kanthi tutup vegetasi dhuwur, penutupan stomata rwaning nyuda mundhut banyu amarga transpirasi, sing nyuda fluks panas laten ing permukaan lan nambah fluks panas sing bisa dirasakake ing permukaan, sing nyebabake kenaikan suhu kanopi, yaiku dianggep minangka suhu kanopi tanduran. Minangka nggambarake imbangan energi potong indeks kaku banyu bisa ngetung hubungan antarane isi banyu potong lan suhu canopy, supaya suhu canopy dijupuk dening sensor infra merah termal bisa nggambarake status Kelembapan saka farmland; lemah gundhul utawa tutup vegetasi ing wilayah cilik, bisa digunakake kanggo mbalikke kelembapan lemah kanthi ora langsung kanthi suhu ing ngisor permukaan, yaiku prinsip: panas spesifik banyu gedhe, suhu panase alon-alon owah, dadi distribusi spasial suhu ing ngisor permukaan ing wayah awan bisa dibayangke kanthi ora langsung ing distribusi kelembapan lemah. Mulane, distribusi spasial suhu subsurface ing wayah awan bisa kanthi ora langsung nggambarake distribusi kelembapan lemah. Ing ngawasi suhu kanopi, lemah kosong minangka faktor interferensi sing penting. Sawetara peneliti wis nyinaoni hubungane antarane suhu lemah kosong lan tutup lemah potong, njlentrehake kesenjangan antarane pangukuran suhu kanopi sing disebabake dening lemah kosong lan nilai sing bener, lan nggunakake asil sing didandani ing ngawasi kelembapan lahan pertanian kanggo nambah akurasi pemantauan. asil. Ing manajemen produksi lahan pertanian sing nyata, kebocoran kelembapan lapangan uga dadi fokus perhatian, ana panaliten nggunakake pencitra infra merah kanggo ngawasi bocor kelembapan saluran irigasi, akurasi bisa tekan 93%.
Omo lan Penyakit
Panganggone ngawasi reflektansi spektral cedhak-infra merah saka hama lan penyakit tanduran, adhedhasar: godhong ing wilayah inframerah cedhak saka bayangan dening jaringan spons lan kontrol jaringan pager, tetanduran sehat, loro kesenjangan tissue iki kapenuhan Kelembapan lan expansion , punika reflektor apik saka macem-macem radiation; nalika tanduran rusak, godhong rusak, jaringan layu, banyu suda, pantulan infra merah suda nganti ilang.
Pemantauan suhu inframerah termal uga minangka indikator penting kanggo hama lan penyakit tanduran. Tanduran ing kondisi sehat, utamane liwat kontrol bukaan stomata rwaning lan nutup regulasi transpirasi, kanggo njaga stabilitas suhu dhewe; ing kasus penyakit, owah-owahan patologis bakal kedadeyan, interaksi patogen - inang ing patogen ing tanduran, utamane ing aspek sing ana hubungane karo transpirasi saka impact bakal nemtokake bagean sing kena pengaruh suhu munggah lan mudhun. Umumé, sensing tanduran nyebabake deregulasi bukaan stomata, lan kanthi mangkono transpirasi luwih dhuwur ing wilayah sing lara tinimbang ing wilayah sing sehat. Transpirasi sing kuat nyebabake nyuda suhu ing wilayah sing kena infeksi lan bedane suhu sing luwih dhuwur ing permukaan godhong tinimbang ing godhong normal nganti bintik-bintik nekrotik katon ing permukaan godhong. Sèl-sèl ing area nekrotik wis mati, transpirasi ing bagean kasebut ilang, lan suhu wiwit mundhak, nanging amarga godhong liyane wiwit kena infeksi, bedane suhu ing permukaan godhong mesthi luwih dhuwur tinimbang tanduran sing sehat.
Informasi liyane
Ing bidang pemantauan informasi lahan pertanian, data penginderaan jauh UAV nduweni aplikasi sing luwih akeh. Contone, bisa digunakake kanggo ngekstrak area jagung sing tiba nggunakake macem-macem fitur tekstur, nggambarake tingkat kedewasaan godhong sajrone tahap kadewasan kapas nggunakake indeks NDVI, lan ngasilake peta resep aplikasi asam absisat sing bisa nuntun nyemprotake asam absisat kanthi efektif. ing katun kanggo nyegah aplikasi pestisida sing berlebihan, lan liya-liyane. Miturut kabutuhan ngawasi lan manajemen lahan pertanian, iku minangka tren sing ora bisa dihindari kanggo pangembangan pertanian sing diformat lan digitalisasi kanggo terus-terusan njelajah informasi data penginderaan jarak jauh UAV lan nggedhekake lapangan aplikasi.
Wektu kirim: Dec-24-2024