无人机拍摄的 RGB 和 NDVI 图层在监测作物生长情况方面的比较

Iita Appelgren, Gilbert X. Ludwig, H. Haapala
{"title":"无人机拍摄的 RGB 和 NDVI 图层在监测作物生长情况方面的比较","authors":"Iita Appelgren, Gilbert X. Ludwig, H. Haapala","doi":"10.33354/smst.143687","DOIUrl":null,"url":null,"abstract":"Älymaatila-hankkeessa (2021–2023) kuvattiin kahden kasvukauden (2022 ja 2023) ajan dronella hankkeen koelohkoja. Havainnointikohteena oli kaksi peltolohkoa, molempina kasvukausina lohkoilla viljeltiin ohraa. Lohkot kuvattiin kasvukausien ajan kerran viikossa eBeex-dronella. Kuvantamiseen hyödynnettiin kahta hyötykuormaa, Duet T-kameraa RGB-karttatasoja varten ja MicaSense RedEdge MX- multispektrikameraa NDVI-karttatasoja varten. Multispektrikamera kuvaa viideltä aallonpituuskaistalta ja kuvan resoluutio on 1280 x 960 px, Duet T on RGB- ja Thermal-yhdistelmäkamera, jossa RGB-kuvien resoluutio on 5,472 x 3,648 px. Lennätykseen käytettiin eMotion-ohjelmaa, jossa dronelle määritellään lentosuunnitelma. Käytetyssä lentosuunnitelmassa lentokorkeus sekä kuvien päällekkäisyysprosentti on pidetty samana kasvukauden ajan, jotta kerätty data olisi mahdollisimman samantyyppistä ja keskenään vertailukelpoista. Datan vertailukelpoisuutta pyrittiin lisäämään myös lentoajankohdan vakioimisella. Karttatasojen luominen tehtiin lentojen jälkeen Pix4D Mapper- ja Pix4D Fields-ohjelmilla. Dronella kuvatut kuvat vietiin ohjelmistoon, joka loi karttatason kuviin liitettyjen sijaintitietojen avulla. RGB-karttatasojen luomiseen käytettiin Pix4D Mapper-ohjelmistoa ja NDVI-karttatasojen luomiseen Pix4D Fields-ohjelmistoa. Tutkimuksessa vertaillaan RGB- ja NDVI-karttatasojen vahvuuksia ja heikkouksia viljakasvuston kehityksen seurannan kannalta sekä pohditaan missä kasvukauden vaiheessa eri kuvausmenetelmillä saadaan paras hyöty. Kuvantamismenetelmät tuovat erilaisia näkökulmia kasvuston tarkkailuun, NDVI-kuvilla pystytään havainnoimaan kasvuston terveyttä sekä mahdollisia stressitiloja, RGB-kuvat tarjoavat visuaalisen käsityksen viljakasvustosta, joka on ihmisenkin tulkittavissa. RGB-karttatasoista voidaan havaita paremmin rikkakasvialueita, mahdollisia kylvövirheitä sekä lakoontumista. NDVI-karttatasoista ei pystytä erottelemaan mistä lehtivihreä tulee, tällöin esimerkiksi rikkakasvit voivat luoda virheellisen kuvan kasvuston tilanteesta, jolloin NDVI-karttatason tueksi voidaan tarvita RGB-kuvia tai havaintoja pellolta. Drone datan paikkansapitävyyttä varmistettiin manuaalisesti tehdyillä kasvustohavainnoilla. Havaintopisteitä lohkoilla oli yhteensä 12 kohdassa, jokaiselta pisteeltä laskettiin orastiheyttä sekä havainnoitiin kasvuston korkeutta, versojen määrää ja kasvuastetta. Kasvustohavaintoja tehtiin kahdesti viikossa kasvukauden loppupuolelle saakka, jonka jälkeen havainnointi kertoja tehtiin kerran viikossa. Viljan kypsymisvaiheessa muutokset kasvustossa eivät ole enää yhtä suuria kuin kasvukauden alussa, jolloin tiheään tehdyt kasvustohavainnot eivät ole tarpeellisia.","PeriodicalId":127337,"journal":{"name":"Suomen Maataloustieteellisen Seuran Tiedote","volume":"23 4","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-04-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Dronella kuvattujen RGB- ja NDVI-karttatasojen vertailu viljakasvuston kehityksen seurannan kannalta\",\"authors\":\"Iita Appelgren, Gilbert X. Ludwig, H. Haapala\",\"doi\":\"10.33354/smst.143687\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Älymaatila-hankkeessa (2021–2023) kuvattiin kahden kasvukauden (2022 ja 2023) ajan dronella hankkeen koelohkoja. Havainnointikohteena oli kaksi peltolohkoa, molempina kasvukausina lohkoilla viljeltiin ohraa. Lohkot kuvattiin kasvukausien ajan kerran viikossa eBeex-dronella. Kuvantamiseen hyödynnettiin kahta hyötykuormaa, Duet T-kameraa RGB-karttatasoja varten ja MicaSense RedEdge MX- multispektrikameraa NDVI-karttatasoja varten. Multispektrikamera kuvaa viideltä aallonpituuskaistalta ja kuvan resoluutio on 1280 x 960 px, Duet T on RGB- ja Thermal-yhdistelmäkamera, jossa RGB-kuvien resoluutio on 5,472 x 3,648 px. Lennätykseen käytettiin eMotion-ohjelmaa, jossa dronelle määritellään lentosuunnitelma. Käytetyssä lentosuunnitelmassa lentokorkeus sekä kuvien päällekkäisyysprosentti on pidetty samana kasvukauden ajan, jotta kerätty data olisi mahdollisimman samantyyppistä ja keskenään vertailukelpoista. Datan vertailukelpoisuutta pyrittiin lisäämään myös lentoajankohdan vakioimisella. Karttatasojen luominen tehtiin lentojen jälkeen Pix4D Mapper- ja Pix4D Fields-ohjelmilla. Dronella kuvatut kuvat vietiin ohjelmistoon, joka loi karttatason kuviin liitettyjen sijaintitietojen avulla. RGB-karttatasojen luomiseen käytettiin Pix4D Mapper-ohjelmistoa ja NDVI-karttatasojen luomiseen Pix4D Fields-ohjelmistoa. Tutkimuksessa vertaillaan RGB- ja NDVI-karttatasojen vahvuuksia ja heikkouksia viljakasvuston kehityksen seurannan kannalta sekä pohditaan missä kasvukauden vaiheessa eri kuvausmenetelmillä saadaan paras hyöty. Kuvantamismenetelmät tuovat erilaisia näkökulmia kasvuston tarkkailuun, NDVI-kuvilla pystytään havainnoimaan kasvuston terveyttä sekä mahdollisia stressitiloja, RGB-kuvat tarjoavat visuaalisen käsityksen viljakasvustosta, joka on ihmisenkin tulkittavissa. RGB-karttatasoista voidaan havaita paremmin rikkakasvialueita, mahdollisia kylvövirheitä sekä lakoontumista. NDVI-karttatasoista ei pystytä erottelemaan mistä lehtivihreä tulee, tällöin esimerkiksi rikkakasvit voivat luoda virheellisen kuvan kasvuston tilanteesta, jolloin NDVI-karttatason tueksi voidaan tarvita RGB-kuvia tai havaintoja pellolta. Drone datan paikkansapitävyyttä varmistettiin manuaalisesti tehdyillä kasvustohavainnoilla. Havaintopisteitä lohkoilla oli yhteensä 12 kohdassa, jokaiselta pisteeltä laskettiin orastiheyttä sekä havainnoitiin kasvuston korkeutta, versojen määrää ja kasvuastetta. Kasvustohavaintoja tehtiin kahdesti viikossa kasvukauden loppupuolelle saakka, jonka jälkeen havainnointi kertoja tehtiin kerran viikossa. Viljan kypsymisvaiheessa muutokset kasvustossa eivät ole enää yhtä suuria kuin kasvukauden alussa, jolloin tiheään tehdyt kasvustohavainnot eivät ole tarpeellisia.\",\"PeriodicalId\":127337,\"journal\":{\"name\":\"Suomen Maataloustieteellisen Seuran Tiedote\",\"volume\":\"23 4\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-04-05\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Suomen Maataloustieteellisen Seuran Tiedote\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33354/smst.143687\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Suomen Maataloustieteellisen Seuran Tiedote","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33354/smst.143687","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

智能农场项目(2021-2023 年)使用无人机拍摄了两个生长季(2022 年和 2023 年)的项目实验田。项目观察了两块田地,这两块田地在两个生长季节都种植了大麦。在生长季期间,使用 eBeex 无人机每周对地块拍摄一次。使用了两个有效载荷进行成像,一个是用于 RGB 地图层的 Duet T 相机,另一个是用于 NDVI 地图层的 MicaSense RedEdge MX 多光谱相机。多光谱相机从五个波段进行成像,图像分辨率为 1280 x 960 px,而 Duet T 是 RGB 和红外热像仪的组合,RGB 图像分辨率为 5,472 x 3,648 px。飞行时,使用 eMotion 程序为无人机定义飞行计划。在所使用的飞行计划中,飞行高度和图像重叠百分比在整个生长季节都保持不变,以便尽可能使收集到的数据具有相似性和可比性。此外,还通过统一飞行时间来提高数据的可比性。飞行结束后,使用 Pix4D Mapper 和 Pix4D Fields 创建了地图图层。无人机拍摄的图像被导出到软件中,软件利用图像所附的位置数据创建地图图层。Pix4D Mapper 软件用于创建 RGB 地图层,Pix4D Fields 软件用于创建 NDVI 地图层。该研究比较了 RGB 和 NDVI 地图层在监测作物生长方面的优缺点,并考虑了不同成像方法在生长季节的哪个阶段最有用。成像方法为作物监测带来了不同的视角,NDVI 图像可用于观察作物健康状况和可能的压力状况,而 RGB 图像则可提供对作物的直观了解,便于人类解读。RGB 图层可以更好地检测杂草区、可能的播种缺陷和枯萎情况。NDVI 地图层无法区分叶片的来源,在这种情况下,例如杂草会造成作物状况的不准确描述,在这种情况下,可能需要 RGB 图像或实地观测来支持 NDVI 地图层。无人机数据的准确性需要通过人工观测植被来验证。地块中共有 12 个观测点,每个观测点都用来计算橘树的密度,并观察植被的高度、嫩枝数量和生长速度。每周观察两次,直到生长季节结束,之后每周观察一次。在谷物的成熟阶段,植被的变化不如生长季节开始时那么大,因此没有必要频繁观测。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Dronella kuvattujen RGB- ja NDVI-karttatasojen vertailu viljakasvuston kehityksen seurannan kannalta
Älymaatila-hankkeessa (2021–2023) kuvattiin kahden kasvukauden (2022 ja 2023) ajan dronella hankkeen koelohkoja. Havainnointikohteena oli kaksi peltolohkoa, molempina kasvukausina lohkoilla viljeltiin ohraa. Lohkot kuvattiin kasvukausien ajan kerran viikossa eBeex-dronella. Kuvantamiseen hyödynnettiin kahta hyötykuormaa, Duet T-kameraa RGB-karttatasoja varten ja MicaSense RedEdge MX- multispektrikameraa NDVI-karttatasoja varten. Multispektrikamera kuvaa viideltä aallonpituuskaistalta ja kuvan resoluutio on 1280 x 960 px, Duet T on RGB- ja Thermal-yhdistelmäkamera, jossa RGB-kuvien resoluutio on 5,472 x 3,648 px. Lennätykseen käytettiin eMotion-ohjelmaa, jossa dronelle määritellään lentosuunnitelma. Käytetyssä lentosuunnitelmassa lentokorkeus sekä kuvien päällekkäisyysprosentti on pidetty samana kasvukauden ajan, jotta kerätty data olisi mahdollisimman samantyyppistä ja keskenään vertailukelpoista. Datan vertailukelpoisuutta pyrittiin lisäämään myös lentoajankohdan vakioimisella. Karttatasojen luominen tehtiin lentojen jälkeen Pix4D Mapper- ja Pix4D Fields-ohjelmilla. Dronella kuvatut kuvat vietiin ohjelmistoon, joka loi karttatason kuviin liitettyjen sijaintitietojen avulla. RGB-karttatasojen luomiseen käytettiin Pix4D Mapper-ohjelmistoa ja NDVI-karttatasojen luomiseen Pix4D Fields-ohjelmistoa. Tutkimuksessa vertaillaan RGB- ja NDVI-karttatasojen vahvuuksia ja heikkouksia viljakasvuston kehityksen seurannan kannalta sekä pohditaan missä kasvukauden vaiheessa eri kuvausmenetelmillä saadaan paras hyöty. Kuvantamismenetelmät tuovat erilaisia näkökulmia kasvuston tarkkailuun, NDVI-kuvilla pystytään havainnoimaan kasvuston terveyttä sekä mahdollisia stressitiloja, RGB-kuvat tarjoavat visuaalisen käsityksen viljakasvustosta, joka on ihmisenkin tulkittavissa. RGB-karttatasoista voidaan havaita paremmin rikkakasvialueita, mahdollisia kylvövirheitä sekä lakoontumista. NDVI-karttatasoista ei pystytä erottelemaan mistä lehtivihreä tulee, tällöin esimerkiksi rikkakasvit voivat luoda virheellisen kuvan kasvuston tilanteesta, jolloin NDVI-karttatason tueksi voidaan tarvita RGB-kuvia tai havaintoja pellolta. Drone datan paikkansapitävyyttä varmistettiin manuaalisesti tehdyillä kasvustohavainnoilla. Havaintopisteitä lohkoilla oli yhteensä 12 kohdassa, jokaiselta pisteeltä laskettiin orastiheyttä sekä havainnoitiin kasvuston korkeutta, versojen määrää ja kasvuastetta. Kasvustohavaintoja tehtiin kahdesti viikossa kasvukauden loppupuolelle saakka, jonka jälkeen havainnointi kertoja tehtiin kerran viikossa. Viljan kypsymisvaiheessa muutokset kasvustossa eivät ole enää yhtä suuria kuin kasvukauden alussa, jolloin tiheään tehdyt kasvustohavainnot eivät ole tarpeellisia.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信