Αισθητήρες drone για τη γεωργία ακριβείας

Εισαγωγή

Τα τελευταία χρόνια παρατηρείται ολοένα και πιο ευρεία χρήση της τεχνολογίας στη γεωργία, ιδίως των εργαλείων παρακολούθησης και συλλογής δεδομένων. Ο λόγος είναι απλός: τα δεδομένα είναι πολύτιμα για να μπορούμε να ενεργούμε ορθολογικά στον αγρό, εξοικονομώντας χρόνο και πόρους.

Ένας από τους βασικούς παράγοντες είναι η εξατομίκευση της προσφοράς, διότι κάθε εκμετάλλευση έχει συγκεκριμένες ανάγκες και διαφορετικές επενδυτικές δυνατότητες. Σίγουρα, το οικονομικό ζήτημα είναι το πιο καυτό, διότι θα μπορούσε να περιορίσει την εξάπλωση της γεωργίας ακριβείας, ιδίως στην Ευρώπη, όπου η πλειονότητα των γεωργικών εκμεταλλεύσεων έχει έκταση μικρότερη από 10 εκτάρια.

Σε αυτό το πλαίσιο, τα εξοπλισμένα με αισθητήρες drones προσφέρουν μια προσιτή λύση και καθιστούν δυνατή τη λήψη ακριβών πληροφοριών χωρίς δαπανηρή υποδομή, ακόμη και αν ληφθούν υπόψη οι υπηρεσίες που παρέχονται με σύμβαση. Η Agrobit προσφέρει το iDrone υπηρεσία για εναέρια φωτογραμμετρία, δημιουργία rgb, πολυφασματικών και θερμικών χαρτών, χαρτών συνταγογράφησης, τρισδιάστατων μοντέλων και προηγμένη επεξεργασία δεδομένων. Για να μάθετε περισσότερα σχετικά με τις υπηρεσίες που προσφέρονται, διαβάστε το σχετικό άρθρο iDrone: το drone ως ισχυρός σύμμαχος του γεωπόνου.

Αισθητήρες drone

Σκοπός του παρόντος άρθρου είναι να παράσχει μια επισκόπηση των αισθητήρων που μπορούν να εξοπλιστούν σε τηλεκατευθυνόμενα αεροσκάφη ή μη επανδρωμένα αεροσκάφη.

Ας ξεκινήσουμε με τα βασικά, τι είναι ένας αισθητήρας; Τεχνικά, είναι μια συσκευή που μπορεί να ανιχνεύσει ένα φυσικό μέγεθος (π.χ. θερμοκρασία, υγρασία, ανακλώμενο φως) και να το μεταφράσει σε ερμηνεύσιμα ψηφιακά δεδομένα. Με πιο απλά λόγια, οι αισθητήρες είναι "μάτια" που συλλέγουν πληροφορίες στον αγρό και ο γεωπόνος είναι το "επιχειρησιακό μυαλό" που τις ερμηνεύει μέσω προηγμένων τεχνικών ανάλυσης δεδομένων και τις μεταφράζει σε λειτουργικότητα μέσω της εμπειρίας του. Καταγράφοντας το φως που αντανακλάται από τη βλάστηση, είναι δυνατόν να κατασκευαστεί η φασματική υπογραφή της βλάστησης, ένα πραγματικό δακτυλικό αποτύπωμα (Εικόνα 1). Κάθε περιοχή αντιστοιχεί σε συγκεκριμένα χαρακτηριστικά του φυτού, π.χ. στο υπέρυθρο είναι δυνατόν να χαρακτηριστεί η κυτταρική δομή των φύλλων.

Σχήμα 1: Φασματική υπογραφή της βλάστησης (πηγή: Roman, Anamaria & Ursu, Tudor. (2016). Πολυφασματικές δορυφορικές εικόνες και τεχνικές αερομεταφερόμενης σάρωσης με λέιζερ για την ανίχνευση αρχαιολογικών σημάτων βλάστησης).

Γιατί να χρησιμοποιήσετε αισθητήρες drone; Οι κύριοι στόχοι είναι:

• Ανάλυση της κατάστασης της υγείας των καλλιεργειών μέσω του υπολογισμού δεικτών βλάστησης (NDVI, VARI, NDRE, GNDVI ανάλογα με τον διαθέσιμο αισθητήρα).
• Βελτιστοποίηση των χρησιμοποιούμενων πόρων μέσω της δημιουργίας χαρτών συνταγών με βάση δείκτες, π.χ. για την άρδευση και τη λίπανση.
• Έγκαιρη ανίχνευση των προσβολών από φυτοϋγειονομικά και παθογόνα έντομα, που συχνά είναι αόρατα στα αρχικά στάδια.
• Υποστήριξη αγρονομικών αποφάσεων με παρεμβάσεις ανά περιοχή.

Τύποι αισθητήρων

Το μη επανδρωμένο αεροσκάφος πετά πάνω από την καλλιέργεια σε χαμηλό ύψος και συλλέγει πληροφορίες μέσω αισθητήρων. Οι κύριοι τύποι αισθητήρων είναι οι RGB, οι πολυφασματικοί, οι θερμικοί και οι LiDAR (Εικόνα 2). Υπάρχουν επίσης υπερφασματικοί αισθητήρες, αλλά εξακολουθούν να αποτελούν αποκλειστικότητα του ερευνητικού κόσμου λόγω του υψηλού κόστους αγοράς.

Σχήμα 2: Παραδείγματα εμπορικών τύπων αισθητήρων. Από αριστερά: RGB, πολυφασματικός, θερμικός, LiDAR.

Οι αισθητήρες RGB παρέχουν εικόνες υψηλής ανάλυσης στα τρία βασικά κανάλια χρωμάτων: κόκκινο (R), πράσινο (G) και μπλε (B). Στην πράξη, προσομοιώνουν την ικανότητα του ανθρώπινου ματιού να παρατηρεί το περιβάλλον του και λειτουργούν παρόμοια με την κάμερα του smartphone. Το πλεονέκτημα είναι η δυνατότητα απόκτησης πολύ λεπτομερών εικόνων από τις οποίες μπορούν να προκύψουν γεωγραφικοί χάρτες αγρού, τρισδιάστατα μοντέλα, καταμετρήσεις φυτών, οπτική ανάλυση της κατάστασης της καλλιέργειας και ανίχνευση ορατών ζημιών.
Πολυφασματικοί αισθητήρες λήψη εικόνων σε ζώνες του ηλεκτρομαγνητικού φάσματος που δεν είναι ορατές στο ανθρώπινο μάτι, π.χ. υπέρυθρες και κόκκινες ακμές. Αυτό επιτρέπει μια πιο εμπεριστατωμένη ανάλυση της υγείας των φυτών. Ειδικότερα, μπορούν να υπολογιστούν ακριβείς δείκτες βλάστησης όπως ο NDVI (Normalized Difference Vegetation Index), ο NDRE (Normalized Difference Red Edge Index) ή ο GNDVI (Green Normalized Difference Vegetation Index). Αυτοί οι δείκτες συμβάλλουν στην έγκαιρη ανίχνευση αβιοτικών και βιοτικών καταπονήσεων. Μέσω των δεικτών βλάστησης είναι δυνατή η κατασκευή θεματικών χαρτών που είναι αντιπροσωπευτικοί του αγρού, π.χ. ο δείκτης NDVI χρησιμοποιείται για τη δημιουργία του χάρτη ζωηρότητας (Εικόνα 3). Ο χάρτης αυτός επιτρέπει την παρακολούθηση της βιομάζας του θόλου και τον εντοπισμό των λιγότερο ζωηρών περιοχών.

Σχήμα 3: Χάρτης ζωηρότητας που προκύπτει από το δείκτη NDVI στον αμπελώνα.

Οι θερμικοί αισθητήρες ανιχνεύουν αλλαγές στη θερμοκρασία του θόλου ή του εδάφους μετρώντας τη θερμοκρασία της επιφάνειας. Αυτός ο αισθητήρας δημιουργήθηκε με σκοπό την παρακολούθηση της αποτελεσματικότητας των συστημάτων άρδευσης, αλλά μπορεί να χρησιμοποιηθεί αποτελεσματικά για τον εντοπισμό περιοχών υπό υδατικό στρες (τα φύλλα που βρίσκονται υπό στρες τείνουν να κλείνουν τα στομάτια τους και να μειώνουν την εξατμισοδιαπνοή, αυξάνοντας την επιφανειακή θερμοκρασία) και για την αξιολόγηση ζημιών από παγετό/θερμότητα. Τα δεδομένα που συλλέγονται από τον αισθητήρα μπορούν να μετατραπούν σε χάρτη θερμότητας (Εικόνα 4) που επιτρέπει την ανάλυση των περιοχών που χαρακτηρίζονται από θερμική καταπόνηση.

Σχ.4: Χάρτης θερμότητας ενός αμπελώνα με βάση την έρευνα με μη επανδρωμένο αεροσκάφος και θερμικό αισθητήρα.

Τέλος, οι αισθητήρες LiDAR εκπέμπουν παλμούς λέιζερ και μετρούν τον χρόνο που χρειάζεται ο παλμός για να ληφθεί από τον δέκτη. Ο χρόνος που απαιτείται μεταφράζεται σε απόσταση και δημιουργείται ένα σημείο. Επαναλαμβάνοντας αυτή τη διαδικασία αμέτρητες φορές, κατά μήκος μιας σειράς σειρών για παράδειγμα, είναι δυνατή η κατασκευή του τρισδιάστατου νέφους σημείων του φυτικού θόλου. Χρησιμοποιώντας το τρισδιάστατο μοντέλο, είναι δυνατός ο υπολογισμός βιομετρικών παραμέτρων του φυτού (όπως ο όγκος, το ύψος και η πυκνότητα της κόμης) και η δημιουργία του "ψηφιακού διδύμου" (Εικόνα 5 και Εικόνα 6).

Σχήμα 5: Ψηφιακό δίδυμο ενός αμπελώνα.

Εικ.6: Ψηφιακό δίδυμο ενός φυτού εσπεριδοειδών (αριστερά) και μιας σειράς αμπελιών (δεξιά).

Συμπεράσματα

Η χρήση αισθητήρων drone επιτρέπει στον αγρότη να εργάζεται πιο ορθολογικά και αντικειμενικά, περιορίζοντας τη σπατάλη πόρων και αυξάνοντας την παραγωγικότητα.
Παρά τις δυνατότητές του, είναι πολύ σημαντικό να γνωρίζουμε ορισμένους περιορισμούς. Η χρήση μη επανδρωμένων αεροσκαφών απαιτεί τεχνικές δεξιότητες και πιστοποιημένη γνώση των κανονισμών για τις πτήσεις στον εναέριο χώρο. Επιπλέον, δεν πρέπει να παραμεληθεί η διαχείριση και η ανάλυση των δεδομένων που λαμβάνονται από την τηλεπισκόπηση με drone.
Ακριβώς για αυτούς τους λόγους, μια αποτελεσματική λύση είναι να βασιστεί κανείς στην Agrobit, η οποία, με την iDrone, παρέχει τεχνογνωσία, τεχνολογία και προηγμένη υποδομή να φέρει τη γεωργία ακριβείας απευθείας στο χωράφι. Με το iDrone, η ομάδα της Agrobit θα φροντίσει το χωράφι σας από την προγραμματισμένη πτήση έως τη συλλογή δεδομένων, από την επεξεργασία χαρτών έως την υποστήριξη αποφάσεων για τον αγρότη. Με το iDrone, κάθε πτήση είναι μια νικηφόρα επιλογή!