Giriş
Kullanımı tarimda drone i̇le uzaktan algilama mahsulleri izleme ve yönetme şeklimizde devrim yarattı. Bu teknolojiler sayesinde görüntü yakalamak ve yüksek çözünürlüklü görünür (RGB) ve multispektral veriler geniş arazileri kısa sürede kapsayarak alanların hızlı ve doğru haritalanması.

Tek bir anketle, belirli bir zamanda mahsullerin özelliklerini vurgulayabilir, ancak çok zamanli araştirmalar izlemeyi mümkün kılar mahsullerin zaman içindeki gelişimini analiz etmeyi mümkün kılar ve bitki koşullarındaki değişiklikleri karşılaştırmak, örneğin büyüme, biyokütle hacmi, vejetatif canlılık ve hastalık veya stres varlığı.

Örnek Olay İncelemesi
Bir test merkezi adına, Şubat ayından Mayıs 2023’e kadar çok zamanlı araştırmalar gerçekleştirilmiştir. Her bir uçuş 3×7 m ölçülerinde 64 buğday parseli, ile farklı bir işleme tabi tutulmuştur. biyostimülanlar.
Uçuş yüksekliği 30 metre olarak belirlenmiş ve görüntülerin %85 önden ve yandan örtüştüğü RGB ve multispektral fotoğraflar çekilmiştir.
Çekilen görüntülerin analizi sayesinde, her bir araştırma için yeniden yapılandırma mümkün olmuştur 3D dijital model (Şekil 1) ve test alanının yansıma haritaları.

Şekil 1: Çok zamanlı buğday tarlası araştırması: Çeşitli parsellerle birlikte test alanının 3B nokta bulutu.

Bireysel araştırmalar sırasında, her bir parsel için aşağıdakiler elde edilmiştir: vejetasyon alanı, biyokütle hacmi ve bazı vejetasyon indeksleri (NDVI, NDRE, GNDVI).
Çok zamanlı anketler sayesinde aşağıdaki bilgilere ulaşmak mümkün olmuştur dinamik bir izlemeHer bir araştırmada sadece farklı araziler arasındaki farklılıkları değerlendirmek için değil, aynı zamanda her bir grafiğin zaman içindeki gelişimini sayısal olarak ölçmekBu, örneğin, başlangıçta ‘dezavantajlı’ olarak başlayan bazı arazilerin daha sonra daha geniş bir arazi örtüsüyle başlayan diğerlerinden daha büyük bir yüzey alanına sahip olduğunu göstermiştir (Şekil 2).

Şekil 2: Buğday tarlasında çok zamanlı araştırma: her bir parsel için farklı araştırmalarda bitki örtüsü tarafından kapsanan alan.

Benzer hesaplamalar biyokütle hacmi (Şekil 3) ve vejetatif canlılık (NDVI indeksi) (Şekil 4) için de yapılmıştır.

Şekil 3: Buğday tarlasında çok zamanlı araştırma: Her bir parsel için farklı araştırmalarda 3B nokta bulutu ve biyokütle hacim haritası.

Şekil 4: Buğday tarlasında çok zamanlı araştırma: her bir parsel için farklı araştırmalarda vejetatif canlılık (NDVI indeksi).

Sonuçlar
Drone ile uzaktan algılamanın kullanılması ve toplanan verilerin işlenmesi sayesinde aşağıdakiler mümkün olmuştur Parseller arasında analiz edilen parametrelerdeki farklılıkları belirlemek her uçuşta ve çok zamanlı anketler aracılığıyla zamansal değişimlerini analiz etmiş ve karşılaştırmıştır. parametreler bireysel parsellerinBüyüme, biyokütle hacmi ve canlılık gibi.

için test merkezleriÇok zamanlı drone araştırmaları mahsul gelişimini zaman içinde izleme imkanıve test edilen ürünlerle ilgili gerekli değerlendirmeleri yapabilmek için bireysel arazilerin gelişimini objektif bir şekilde değerlendirmek, saha ölçümleri için zaman tasarrufuHer halükarda drone verileri ile yerde ölçülen veriler arasında korelasyon aramak için gereklidir.

Sonuç olarak, Çok zamanlı drone araştırmaları, zaman içinde saha koşullarının ayrıntılı ve dinamik bir resmini sunarçiftçilerin ve teknisyenlerin veriye dayalı kararlar almalarını ve operasyonlarının verimliliğini, sürdürülebilirliğini ve üretkenliğini artırmalarını sağlar, Zamanında ve hedefe yönelik müdahalelere olanak sağlar.
Çiftçiler, çok zamanlı anketler kullanarak, büyüme mevsimi boyunca sulama, gübreleme ve kaynak yönetimi uygulamalarının etkinliğini değerlendirebilir. Bu da onların kullanımlarını optimize etmelerini sağlar, israfı önleme ve maliyetleri azaltma.