Professional Documents
Culture Documents
Científica, Jaipur
Conteúdo escritor / autor (CW) Kaushal Panwar Senior Research Fellow, Birla Instituto de
Investigação Científica,
Jaipur
Conteúdo Viajante (CR) Dr. MP Punia Chefe do Departamento de Sensoriamento
Científica, Jaipur
módulo Id RS / GIS 15
Pré-requisitos
no setor da agricultura.
• Estudante será equipado com conhecimentos para um estudo mais aprofundado sobre as
aplicações.
1.
Palavras-chave
Esboço
economia indiana.
• Missão nacional
Detecção (CITARS).
• Conclusão.
Introdução
observações da Terra (EO), que compreende por satélite, antena, e em sistemas in situ, sejam
cada vez mais reconhecida como ferramenta fundamental para o estudo e monitoramento de recursos naturais
país ou simplesmente sustento para a fome um, superpovoado, que desempenha um importante
gerente da fazenda e agência agrícola regional. Um fazendeiro precisa ser informado para
forjar uma estratégia viável para as operações agrícolas. Estas ferramentas vão ajudá-lo
potenciais condições de rendimento e do solo. corretores de commodities também estão muito interessados em
bem como explorações estão a produzir, como rendimento (quantidade e qualidade) estimativas para todos
produtos de preço controle e comerciais em todo o mundo. Os decisores políticos estão interessados em
aproveitando as melhores ferramentas disponíveis para otimizar o uso dos recursos, minimizando o
variante, bem como recursos invariantes. As diversas condições de cultura em desenvolvimento acoplado
com incertezas da situação climática exige muito mais informação cultura mais fino
Durante as últimas duas décadas técnicas de sensoriamento remoto e GIS são aplicadas a
v) maior precisão
vi) Utilização de dados multiespectrais para maior informação, e assim por diante.
agricultura são mostrados na fig. 1 (RS) A teledetecção tecnologia tem potencial para
estimativa da área plantada e produtividade previsão a nível distrital e regional, devido à sua
Fonte: https://nrsc.gov.in/Agriculture
Fonte: http://apal.org.au/2015-pome-fruit-crop-forecast/
o início do programa RS civil nos EUA no início dos anos 1960. Alguns dos
primeiros estudos conduzidos experimentos foram tal como a tecnologia de colheita Identificação
aplicação na Índia começou com o uso de várias bandas e cores infra vermelhos (CIR)
UP) em:
Lançamento do Índio Remote Sensing Satélites (IRS-1A, IB & 1C) linear transportando
para aplicações agrícolas. IRS-1C transportado a bordo de uma combinação única de três
sensores de saber, (i) Campo Largo Sensor (WiFS) com 188 milhões espacial, duas bandas espectrais. -
vermelho e de infravermelho próximo, 810 km de faixa e um repetivity de 5 dias, (ii) linear Imagiologia
Sensor análise Auto (LISS-III), com 23,5 milhões resolução espacial no vermelho, verde e
satélite indiano.
o fato de que cada cultura tem um padrão de reflectância único em diferentes partes do
pigmentos), alta reflectância na região do verde (cerca de 0,54 hum), um aumento acentuado
hum bandas espectrais é devido ao teor de água na folha. A resposta variável das culturas
deriva do facto de que vários factores tais como o tipo de cultura, a etapa de cultura,
arquitetura da copa, por cobertura do solo cento, as diferenças de práticas culturais, colheita
condições de stress, fundo solo / água, etc, contribuem para a resposta compósito.
Cada cultura tem sua própria arquitetura, período de crescimento, etc. permitindo, assim,
discriminação através de dados de sensoriamento remoto. Se existem duas colheitas com semelhante
assinaturas espectrais em uma determinada data (culturas confusão), os dados são usados para Multidata
refletância nas regiões espectrais infravermelhas próximas. Tem sido observado que o rácio
rendimento de previsão. O procedimento geral utilizado para a estimativa das superfícies cultivadas é mostrado
técnica de classificação supervisionada (outros classificadores são também usados), onde se limitando
informações campo chamado 'ground truth' é usado para gerar a assinatura treinamento. Dentro
caso de dados de enumeração completas para análise foi seleccionado através da sobreposição do
máscara limite da área sobre as imagens de sensoriamento remoto. Quando foi estendido
a grande área técnica de amostragem estratificada foi desenvolvida onde a área foi primeiro
dividido com uma grade que representa o tamanho de amostragem armação (5 X 5 km) e, em seguida, os dados
as amostras são recolhidas aleatoriamente proporcional ao tamanho de cada estrato. estimativa de área é
Fonte: auto
Desde que a tecnologia espacial tem avançado e variedade de sensores de espacial diferente,
espectral e resoluções temporais está disponível e há uma necessidade contínua para a cultura
informação durante todo o período de crescimento (Fig. 3), uma monitorização frequente é viável
tempo, econométrica e levantamento de campo para uma abordagem robusta para múltiplos
Fonte: https://www.crcpress.com/GIS-Applications-in-Agriculture/Pierce-
Danos para colheita devido à humidade stress é uma ocorrência comum em sequeiro arroz
estação. dados Temporal SAR é encontrada não só para mapear afectadas pelas cheias campos de arroz, mas
foi modelada com referência à altura da colheita e o seu desvio a partir da referência
perfil de crescimento normal. O modelo, portanto, pode detectar os campos completamente submersas
bem como parcialmente submerso campos. Está bem estabelecido que as datas de semeadura ter um
efeito significativo sobre as plantações de biomassa e rendimento. dados temporais do SAR é usado para
categorizar os campos como normal, tarde e muito tarde semeado que é adicional
componente de avaliação da colheita precisa que permite identificar as razões para a demora.
Esforços semelhantes foram feitas que para derivar a variação regional do arroz
O - H OBSERVADA -
PUNJAB
AP TN
modelado
J&K
Fig. 6: Arroz perfil espectral de diferentes regiões da Índia derivadas utilizando multidata
dados ópticos
Fonte: https://www.slideshare.net/grssieee/luoigarss20112385ppt
Fora dos dois constituintes da produção agrícola, ou seja, área plantada de culturas e culturas
estimativa mostrado na Fig (7). Cada genótipo colheita tem potencial determinado rendimento, que
pode ser conseguido (para uma aproximação) no campo experimental com óptima
a irrigação e fertilizantes. o rendimento da cultura também é influenciado por tensões bióticos como doença
interdependentes faz a avaliação de rendimento uma tarefa mais complexa. Assim, de uma forma
e definindo a sua relação com o rendimento da cultura final. remoto por satélite
detecção proporciona uma alternativa adequada para a condição colheita e avaliação de rendimento /
vários parâmetros de cultura. Os modelos de tendência e arima base séries temporais foram
DES, que foram usadas para calcular a produção multiplicando com as RS derivadas
destes modelos foram testados e utilizados para uma variedade de condições, as culturas e regiões.
correlação ponderada modelo de regressão. A entrada RS, NDVI (data única ou derivado
a partir de perfis de integração) em tais modelos foram utilizados para o desenvolvimento do modelo. o
biomassa arroz tem alta correlação com retroespalhamento SAR e, por conseguinte, o rendimento.
O vigor da cultura é uma indicação do rendimento da cultura. O vigor da colheita pode ser avaliada
da planta. O NDVI pode ser directamente correlacionada com o rendimento da cultura e esta
relação pode ser usada para estimar o rendimento. Uma variedade de modelos envolvendo
e utilizado em conjugação com área cultivada derivada detecção remota para fornecer
estimativas de produção. modelos de simulação de crescimento de plantas têm sido utilizados para
monitorar o crescimento das culturas, saúde mostrado na Fig (8) e prevendo rendimento .No entanto,
seu uso em grande áreas tem sido limitada porque a maioria dos modelos de crescimento de plantas foram
Fonte: http://www.cornandsoybeandigest.com/soybeans/detect-crop-stress-
Thermal-mapas
Índia é agraciado com variada agro-clima que é altamente favorável para o cultivo
um grande número de culturas hortícolas, tais como frutas, vegetais, tubérculo raiz,
ornamentais, plantas aromáticas, especiarias e medicinal, culturas de plantação tais como de coco,
ARECA porca, caju e cacau. A Índia é o maior produtor de frutas (49.36 MT) e
cerca de 12 por cento da área total cultivada no país, e contribui com cerca de
25 por cento da exportação agrícola total. tecnologia de detecção remoto ajuda na
envolve a utilização de alta resolução / alto dados temporais (LISS-III) para identificar o
culturas de interesse e informações de garantia relevante (ou seja, solo, água, clima,
para inferir sobre as perspectivas nacionais / estaduais de produção e identificação de áreas com
mudança significativa.
Um sistema de cultivo é definido como o padrão de cultivo e da sua gestão para derivar
beneficia de uma dada base de recursos sob uma condição ambiental específica. este
requer a identificação de culturas e áreas onde as mudanças nos padrões de cultivo sejam
desejável. Isto exige uma etapa inicial de criação de um banco de dados atualizado do
parâmetros.
Agricultura, a sustentabilidade a longo prazo e qualidade dos recursos naturais, assim é a matéria
desequilíbrio em funcionamento microbiana do solo, associado efeitos a longo prazo sobre microbiana
processos e alterações nos ciclos bioquímicos. actividades agrícolas contribuem
exsudados metabólicas, tais como metano / óxido nitroso no micro / macro imediato
meio Ambiente. Metano e forma de óxido nitroso componentes importantes de uma tal
interface. O padrão de GHG que também está disponível por meio de sensores a bordo
satélites está também a ser estudados em pormenor que é claramente mostrado na figura (8).
A metodologia foi desenvolvida para gerar mapa emissão de metano anual total
de metano. Os resultados mostraram que a maior estrato emergiu como o sequeiro seca
propensa com 42,8 por cento do total de terras de arroz (estação chuvosa) e encontrado em muitos estados.
cerca de 57% e 16% de populações de búfalo e de gado em todo o mundo, respectivamente. UMA
inventário de emissões de metano / nível distrital estado detalhada para o gado diferente
Categorias foi feita usando o padrão de alimentação específico do país e indiano baseado
Agricultura tem sido identificado como o maior contribuinte de fonte não-ponto (NPS)
poluição dos sistemas de águas subterrâneas e superficiais globalmente (Thorburn et al., 2003).
Fertilizantes, que são utilizados como insumos importantes na agricultura para abastecer essencial
nutrientes como azoto (N), fósforo (P) e potássio (K), também, servir como um
poluente importante fonte não-ponto. Uma metodologia integrada foi desenvolvido para
quantificação de diferentes formas de perdas de azoto a partir de cultura de arroz, utilizando remoto
detecção entradas derivados, os dados do campo de aplicação do fertilizante, de dados de garantia de solo e
visão para o papel de fertilizantes nitrogenados como um poluente importante fonte não-ponto
da agricultura.
Impacto da Mudança do Clima no sistema agrícola
Fonte: http://www.mdpi.com/2071-1050/7/7/8437/htm
A mudança climática é um dos temas mais discutidos nas últimas duas décadas mostrado
na fig (10). Ele impacto sobre os sistemas agrícolas com entradas a partir de múltiplas fontes
modelo (no cenário diferente) para a compreensão do impacto das mudanças climáticas
em sistemas agrícolas foram estudados. O impacto das alterações climáticas projectadas pela
colocar durante as últimas duas décadas. As investigações sobre derivando estes produtos foram
realizado na Índia por meio de sensores indianos e outros. O NDVI, FAPAR, insolação,
LAI, LST etc, são alguns deles em que R & D foram realizadas. A área foliar
modelagem regional dos processos de crescimento, tais como a evapotranspiração (ET) e líquida
temperatura (LST), índice de área foliar (LAI), albedo e da humidade do solo, etc .. O campo escala
desenvolvido para o índice de área da folha do trigo (LAI) com base na diferença normalizada
Sonda de dados (por exemplo TOVS), e datas de semeadura (Bhattacharya et al, 2007) e
-se dimensionada e extrapolada usando SPOT-VGT para mapear as datas de início pulgão (Dutta et ai,
2008, Fig.). Uma nova metodologia de monitoramento multi-estágio de Sclerotinia podridão
(Sclerotinia sclerotiorum) doença em uma grande região de mostarda que cresce sobre dentro
Missões Nacionais:
Observações
da terra
área de cultivo e
das superfícies cultivadas
Produção
área de cultivo e
o rendimento da cultura
Produção
Fonte: https://nrsc.gov.in/Forecasting_Agricultural_Output_using_Space_Agro-
meteorology_Land_based_Observations
Várias previsões de trigo na temporada usando multi-data dados IRS WiFS e semanal
da Índia estão sendo feitas a nível nacional mostrado na figura (11). Sete grandes wheat-
Gujarat e Bihar formar a área de estudo. Esses estados representam mais de 90% dos
a produção de trigo. A estratificação de nível três da área com base em agro-climáticas
zonas, uma área e cultura proporção agrícola é feita. Uma grade de 5X5 km é
sobrepostos nas imagens de satélite e quinze por cento amostra aleatória (cada um de tamanho
5 * 5 km) é selecionado dentro de um estado. Os segmentos de amostra são classificadas usando em-
estimativas de área cultivada de nível são então estatisticamente agregados para chegar a nível nacional
estimativas área plantada de trigo. A metodologia para o estado rendimento nível de previsão é
vários modelos de regressão com base na temperatura, usando uma correlação ponderada
abordagem de regressão. As estimativas nacionais área cultivada nível e rendimento são, então,
Investigações usando espaço suportados dados SAR começou com uso limitado de dados de
de dados para aplicação agrícola grande área foi realizado com o lançamento bem-sucedido
tempo nublado durante a estação chuvosa, as estimativas de produção das culturas de arroz kharif no
principais de arroz crescendo estados estão sendo gerados usando multi-data de Abertura Sintética
Os dados de radar (fig. 11a). Arroz ambiente ou de gestão crescendo práticas garante
que não está em pé de água sob o dossel, pelo menos por um curto período durante
auxilia na construção de regra de decisão para a classificação de pixels de arroz. A aleatória estratificada
abordagem de amostragem para cada estado é adotado para a área plantada de estimação com uma amostra
tamanho de 5 * 5 km. Uma fração quinze por amostragem cento e verdade rés-do-temporada em
informações dos segmentos da amostra seleccionadas são utilizados. Os segmentos são classificados
acreages a nível nacional estimativa arroz área cultivada. A relação estatística entre
rendimento e precipitação durante a época de colheita é usado para previsões de rendimento. o
modelos a nível distrital são combinados com previsões de área cultivada e produção para o
país é feita.
(dB)
co-eficiente(dB)
05
5 6
Retroespalhamentoco-eficiente
-5
1 7
4
de bc
- 10
retroespalhamento
- 15
2
uma
f
- 20
- 25
Eu - 24 0 24 48 72 96 120 144 168
Dias (1 de Julho = 1)
gh
1 2 3 4 5 6 7
FIG. cor data Três: 12a A Fig. 12b: padrão temporal da cultura do arroz
floresta e i: urbano).
técnica de classificação processamento automático de dados .Ele foi realizado a partir de abril
desempenho de identificação.
5) Para aceder benefícios de identificação de culturas para ser derivado de classificando com
Abordagem técnica
ii) Aquisição e de preparação de um conjunto de dados Landsat-1 conjunto com dados auxiliares
requisitos.
conclusões
ainda muitos deles cresceu para níveis mais elevados de maturidade durante a última vinte e cinco
sensores, monitoramento da colheita durante a estação kharif tornou-se uma realidade. A Índia é um
países da Índia, bem como do lado de fora. As ferramentas e técnicas específicas têm
sensores que medem toda a gama de EMS utilizado na aplicação RS têm sido
futuro para fornecer o serviço quase em tempo real a todos os atores do setor agrícola.