Multispektral Drone ile Bitki Sağlığı: NDVI, NDRE ve Doğru Uçuş
Bitki Sararmadan Önce
Bir bitki hastalıkla ya da su stresiyle karşılaştığında yaprakta gözle görülen sararma (kloroz) en son gelir. Ondan önce hücre yapısı bozulur ve bu değişim önce kırmızı kenar (red edge) ve yakın kızılötesi (NIR) bantlarında görünür. Multispektral kameranın değeri burada: gözün göremediği bu bantları ölçüyor.
PlantFarm Scan projesinde bu bantlardan dokuz farklı indeks hesaplıyoruz. Bu yazıda hangisinin ne işe yaradığını ve bu ölçümlerin güvenilir olması için uçuşta nelere dikkat edilmesi gerektiğini derledik.
İndeksler
| İndeks | Formül | Gereken bantlar | Ne söyler |
|---|---|---|---|
| NDVI | (NIR − R) / (NIR + R) | R, NIR | Genel yeşil biyokütle ve canlılık |
| NDRE | (NIR − Re) / (NIR + Re) | Re, NIR | Yoğun kanopide klorofil; NDVI'ın doyduğu yerde ayırt eder |
| GNDVI | (NIR − G) / (NIR + G) | G, NIR | Klorofil içeriğine NDVI'dan daha duyarlı |
| GCI | NIR / G − 1 | G, NIR | Yeşil klorofil indeksi |
| RCI | NIR / Re − 1 | Re, NIR | Kırmızı kenar klorofil indeksi; gerçek red-edge bandı şart |
| VARI | (G − R) / (G + R − B) | R, G, B | Yalnız RGB kamerayla yaklaşık yeşillik |
| TGI | G − 0,39·R − 0,61·B | R, G, B | RGB ile klorofil yaklaşımı |
| ExG | (2G − R − B) / (R + G + B) | R, G, B | Bitkiyi topraktan ayırmak için |
| GLI | (2G − R − B) / (2G + R + B) | R, G, B | RGB ile yeşil yaprak indeksi |
Pratik kural: Yoğun, sağlıklı bir ceviz kanopisinde NDVI çabuk doyar (her ağaç 0,85–0,90 görünür). Ağaçlar arasındaki farkı görmek için NDRE daha kullanışlı.
RGB Kamera Yeterli mi?
Kısmen. Yalnız RGB ortofotoda gerçek NIR bandı olmadığı için NDVI ve NDRE hesaplanamaz. VARI, TGI, ExG ve GLI hesaplanabilir; bitkiyi topraktan ayırmak ve kaba bir yeşillik haritası çıkarmak için işe yarar ama erken stres tespiti için yetmez.
Pix4D gibi bir yazılımdan çıktı alırken Reflectance Map seçilmeli. "RGB Orthophoto" seçilirse dosya renkli görünse de NIR bilgisi kaybolmuş olur. PlantFarm Scan bantları dosyanın metadatasından ve istatistiğinden otomatik tanıyor; yanlış tanırsa kullanıcı bant eşlemesini elle düzeltebiliyor.
Uçuş Planı
İndeks ancak görüntü kadar güvenilir. Ceviz bahçelerinde kullandığımız uçuş parametreleri:
| Parametre | Öneri | Neden |
|---|---|---|
| Saat | Yerel öğlenin ±2 saati (10:00–14:00) | Ağaç altı gölgeler en kısa |
| Gökyüzü | Tamamen açık ya da tamamen kapalı | Parçalı bulut gölgesi NDVI'ı yapay olarak düşürür |
| Rüzgâr | 15–20 km/s altı | Hareket eden yaprak, bantların üst üste oturmasını bozar |
| Güneş açısı | 30–40° üstü | Düşük açı uzun gölge demek |
| İrtifa | 50–70 m | 2–4 cm/piksel çözünürlük |
| Bindirme | Boyuna %80, enine %75–80 | Ceviz tacının kubbe yapısı nedeniyle %70'in altına inilmemeli |
| Hız | 5–7 m/s | Hareket bulanıklığını önler |
Kalibrasyon
Görüntünün sayısal bir anlam taşıması için radyometrik kalibrasyon şart:
- Kalibrasyon paneli: Uçuştan hemen önce ve hemen sonra, yerden yaklaşık 1 m yükseklikten panelin fotoğrafını çekin; sensörün gölgesini panele düşürmeyin.
- Gün ışığı sensörü: Dronun üstündeki ışık sensörünün görüşü açık olmalı, pervane gölgesi düşmemeli.
Kalibrasyonsuz iki uçuşun NDVI'ını kıyaslamak, farklı ölçekte iki teraziyi kıyaslamaya benzer. Ağaç bazlı trend takibi ancak kalibre edilmiş uçuşlarla anlamlı.
Tek Uçuş Yetmez
Bir ağacın NDVI'ının 0,72 olması tek başına pek bir şey söylemez; o ağaç türü, yaşı ve dönemi için normal olabilir. Asıl bilgi değişimde: üç uçuştur düşen bir ağaç, çevresindekilerden farklı davranan bir ağaç. Bu yüzden PlantFarm Scan her ağaca kalıcı bir kimlik veriyor ve her uçuşta indeks serisine bir nokta ekliyor. Her ağacı kendi çevresindeki zeminle de kıyaslıyoruz; böylece bahçenin genelinden kaynaklanan bir düşüşü ağaca özgü bir sorundan ayırabiliyoruz.
Sonuç
Multispektral drone, doğru kamera, doğru uçuş ve kalibrasyonla birlikte güçlü bir erken uyarı aracı. Ağaçları tek tek bulan model ile birleştiğinde bahçe ölçeğinden ağaç ölçeğine iniyor. Detaylar için Industrial AI çözümümüz sayfasına bakabilirsiniz.