ഉയർന്ന കൃത്യതയോടും ആവശ്യമായ വ്യാപ്തത്തോടും കൂടി, കൃഷിക്കായി ജിയോസ്പേഷ്യൽ ഡാറ്റ എങ്ങനെ വേഗത്തിൽ ലഭിക്കും.

ഡ്രോണുകൾ എന്നും അറിയപ്പെടുന്ന ആളില്ലാ ആകാശ വാഹനങ്ങളുടെ (UAV-കൾ) ഉപയോഗം, കണക്റ്റഡ് അനലിറ്റിക്സ്

നേരിടുന്ന ഏറ്റവും പ്രധാനപ്പെട്ട ചില പ്രശ്‌നങ്ങളെ പിന്തുണയ്ക്കുന്നതിനും പരിഹരിക്കുന്നതിനും വലിയ സാധ്യതയുണ്ട്.

പ്രവർത്തനക്ഷമമായ തത്സമയ ഗുണനിലവാര ഡാറ്റയിലേക്കുള്ള ആക്‌സസ് കണക്കിലെടുത്ത് കൃഷി. 

വിളവെടുപ്പ് ചക്രത്തിലുടനീളം വ്യത്യസ്ത ഘട്ടങ്ങളിൽ ഇത് ഉപയോഗിക്കാം: 

• മണ്ണിന്റെയും കൃഷിയിടത്തിന്റെയും വിശകലനം - മണ്ണിന്റെ കൃത്യമായ 3D മാപ്പുകൾ ലഭിച്ച ശേഷം, നടീൽ ആസൂത്രണം ചെയ്യാനും തുടർ പ്രവർത്തനങ്ങൾക്കായി പോഷകങ്ങളുടെ അവസ്ഥ വിശകലനം ചെയ്യാനും കഴിയും:
• നടീൽ - മണ്ണിലെ പോഷകങ്ങൾ അടങ്ങിയ യുഎഎസ് വിത്തുകൾ ശരാശരി 75 ശതമാനം ആഗിരണം ചെയ്യുന്നു, അതുവഴി നടീൽ ചെലവ് കുറയ്ക്കുന്നു.
• വിള നിരീക്ഷണം - സമയ ശ്രേണിയിലെ ആനിമേഷനുകൾക്ക് ഒരു വിളയുടെ കൃത്യമായ വികസനം കാണിക്കാനും ഉൽപാദനക്ഷമതയില്ലായ്മ വെളിപ്പെടുത്താനും കഴിയും, അതുവഴി മികച്ച വിള പരിപാലനം സാധ്യമാക്കുന്നു.
• ജലസേചനം - ഹൈപ്പർസ്പെക്ട്രൽ, മൾട്ടിസ്പെക്ട്രൽ അല്ലെങ്കിൽ തെർമൽ സെൻസറുകളുള്ള ഡ്രോണുകൾക്ക് ഒരു വയലിന്റെ ഏതൊക്കെ ഭാഗങ്ങൾ വരണ്ടതാണെന്നും അല്ലെങ്കിൽ മെച്ചപ്പെടുത്തലുകൾ ആവശ്യമാണെന്നും തിരിച്ചറിയാൻ കഴിയും.
• ആരോഗ്യ വിലയിരുത്തൽ - ദൃശ്യപ്രകാശവും നിയർ-ഇൻഫ്രാറെഡ് പ്രകാശവും ഉപയോഗിച്ച് ഒരു വിള സ്കാൻ ചെയ്യുന്നതിലൂടെ, ഡ്രോൺ വഹിക്കുന്ന ഉപകരണങ്ങൾക്ക് വ്യത്യസ്ത അളവിലുള്ള പച്ച വെളിച്ചവും NIR പ്രകാശവും പ്രതിഫലിപ്പിക്കുന്ന സസ്യങ്ങളെ തിരിച്ചറിയാൻ കഴിയും. ഈ വിവരങ്ങൾക്ക് സസ്യങ്ങളിലെ മാറ്റങ്ങൾ ട്രാക്ക് ചെയ്യുകയും അവയുടെ ആരോഗ്യം സൂചിപ്പിക്കുകയും ചെയ്യുന്ന മൾട്ടിസ്പെക്ട്രൽ ചിത്രങ്ങൾ നിർമ്മിക്കാൻ കഴിയും.

 Sen2-Agri (http://www.esa-sen2agri.org/), Onesoil (https://onesoil.ai/en/) തുടങ്ങിയ ഇന്റർനെറ്റ് സേവനങ്ങളിലൂടെ കർഷകർ സാധാരണയായി വയലുകളുടെ മൾട്ടിസ്പെക്ട്രൽ ചിത്രങ്ങൾ ഉപയോഗിക്കുന്നു. ഈ സൈറ്റുകൾ ബഹിരാകാശത്തു നിന്നുള്ള ചിത്രങ്ങൾ ഉപയോഗിക്കുന്നു (ഉദാഹരണത്തിന്, സെന്റിനൽ ഉപഗ്രഹങ്ങളിൽ നിന്ന്)

ഉപഗ്രഹ ചിത്രങ്ങളുടെ പ്രധാന പ്രശ്നം കുറഞ്ഞ താൽക്കാലിക, സ്ഥലകാല റെസല്യൂഷനാണ്. ഫ്രീ സെന്റിനൽ ഉപഗ്രഹങ്ങൾ ഒരു പിക്സലിന് 10 മീറ്റർ എന്ന ക്രമത്തിന്റെ കൃത്യത നൽകുന്നു, ഇത് കൃത്യത കൈവരിക്കാൻ പര്യാപ്തമല്ല. ഭൂമിക്കു ചുറ്റുമുള്ള ഡാറ്റ പ്രോസസ്സിംഗ് സൈക്കിൾ 10 ദിവസമാണെന്ന വസ്തുതയും ഇത് കൂട്ടിച്ചേർക്കുന്നു, അതിനാൽ ഡാറ്റ സമയ കാലതാമസം ശരാശരി 3-5 ദിവസമാണ്, വേനൽക്കാലത്ത് ഇത് തീരുമാനങ്ങൾ എടുക്കാൻ പര്യാപ്തമല്ലായിരിക്കാം. പണമടച്ചുള്ള ഉപഗ്രഹങ്ങൾ ഒരു പിക്സലിന് 2 മീറ്റർ വരെ റെസല്യൂഷൻ നൽകുന്നു, പക്ഷേ അവയ്ക്ക് പണം നൽകുന്നു. എല്ലാ ഉപഗ്രഹങ്ങൾക്കും മേഘ പ്രശ്നമുണ്ട്, ചില പ്രദേശങ്ങളിൽ മേഘാവൃതം 50% സമയവും എത്താം. അതേസമയം, ബഹിരാകാശ ചിത്രങ്ങളിൽ മേഘങ്ങളാൽ മൂടപ്പെട്ട പ്രദേശങ്ങൾ "വ്യാജമാണ്" - അയൽ ചിത്രങ്ങളിൽ നിന്നുള്ള ചിത്രങ്ങളാൽ അവ "വലിച്ചെടുക്കപ്പെടുന്നു", ഇത് അവയുടെ വിശ്വാസ്യത കുറയ്ക്കുന്നു. തൽഫലമായി, ഉപഗ്രഹ ചിത്രങ്ങളിൽ നിന്ന് കർഷകർക്ക് ലഭിക്കുന്ന വിവരങ്ങൾ മണ്ണിലെ മാക്രോലെമെന്റുകളുടെ (നൈട്രജൻ, ഫോസ്ഫറസ്, പൊട്ടാസ്യം, ഹ്യൂമസ്) അളവ് 75% ൽ കൂടുതൽ നിർണ്ണയിക്കുന്നതിനുള്ള കൃത്യത നൽകുന്നു, കൂടാതെ ശ്രദ്ധേയമായ കാലതാമസവും സ്ഥലത്തിന്റെ കൃത്യതയില്ലായ്മയും പോലും.

ഒരു UAV-യിൽ നിന്ന് ഷൂട്ട് ചെയ്യുമ്പോൾ, ഒരു കർഷകന് 3-5 സെന്റീമീറ്റർ വരെ റെസല്യൂഷൻ ലഭിക്കും, അതായത്, 100 മടങ്ങ് കൂടുതൽ. അതനുസരിച്ച്, മാക്രോ ന്യൂട്രിയന്റുകളുടെ അളവ് നിർണ്ണയിക്കുന്നതിന്റെ കൃത്യത 90-95% വരെ എത്താം. മറുവശത്ത്, കാർഷിക ഫാമുകളിലെ വയലുകളുടെ എണ്ണം പതിനായിരക്കണക്കിന് കഷണങ്ങളായി അളക്കാൻ കഴിയും, മതിയായ അകലം, ഒരു വയലിൽ പതിനായിരക്കണക്കിന് ഹെക്ടറുകളോ ഏക്കറുകളോ ഉണ്ട്. തൽഫലമായി, ഫീൽഡ് വർക്കിനിടയിൽ, ഒരു കർഷകന് സ്വതന്ത്രമായി UAV-യിൽ എല്ലാ വയലുകളിലും പറക്കുന്നത് വളരെ ബുദ്ധിമുട്ടാണ്, ഇതിന് നിരവധി ദിവസമെടുക്കും. ഫ്ലൈറ്റ് ക്രൂ ഫീസ് - ശരാശരി ദൈനംദിന മാപ്പിംഗ് നിരക്ക് $800 മുതൽ $1200 വരെ.

ഇന്നത്തെ ഏറ്റവും പ്രതീക്ഷ നൽകുന്ന കാര്യം ഉപഗ്രഹ ചിത്രങ്ങളുടെയും UAV-കളിൽ നിന്നുള്ള ചിത്രങ്ങളുടെയും സംയോജനമാണ്. ഭൂതല നിരീക്ഷണ ഡാറ്റ, ഉപഗ്രഹ ചിത്രങ്ങൾ, ഡ്രോണിൽ നിന്നുള്ള ഫോട്ടോഗ്രാഫുകൾ എന്നിവയുടെ സംയോജനമായ മൾട്ടിലെയർ നിരീക്ഷണമാണ് ജോലിയിൽ മികച്ച ഫലങ്ങൾ നൽകുന്നതെന്ന് ജീവശാസ്ത്രജ്ഞർ വിശ്വസിക്കുന്നു. മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകളുടെ ഉപയോഗത്തിലൂടെ, ഉപഗ്രഹങ്ങളിൽ നിന്നും UAV-കളിൽ നിന്നുമുള്ള ചിത്രങ്ങളുടെ ഒരേസമയം പ്രോസസ്സിംഗ് ഉപയോഗിച്ച്, കാര്യമായ ചെലവുകളില്ലാതെ മുഴുവൻ പ്രദേശത്തും 90-95% ഉയർന്ന കൃത്യത കൈവരിക്കാൻ AI-ക്ക് കഴിയും.

സ്വന്തമായി ഡ്രോണുകൾ ഉപയോഗിക്കുന്നതിലെ മറ്റൊരു പ്രശ്നം. സാധാരണ ക്വാഡ്‌കോപ്റ്ററുകൾക്ക് വളരെ ചെറിയ ദൂരപരിധി മാത്രമേ ഉള്ളൂ - ഒരു പറക്കലിന് 50-100 ഹെക്ടർ, അതിനാൽ അവ വയലുകളിൽ ഉപയോഗിക്കുന്നു. ഫിക്സഡ്-വിംഗ് യുഎവികൾക്ക് ഒരു കർഷകന് പൈലറ്റ് യോഗ്യതകൾ നേടേണ്ടതുണ്ട്, യാന്ത്രികമായി പറന്നുയരാനും ലാൻഡ് ചെയ്യാനും കഴിയില്ല, ആഘാതകരമാണ്, കൂടാതെ കുറഞ്ഞ നിലവാരവും റെസല്യൂഷനുമുള്ള ചിത്രങ്ങൾ നൽകുന്നു.

ഒരു പുതിയ തരം ഡ്രോൺ ഉപയോഗിക്കുക എന്നതാണ് പരിഹാരം - ഒപ്റ്റിപ്ലെയിൻ റോട്ടർക്രാഫ്റ്റ്. അവ കോപ്റ്ററുകളുടെയും ഫിക്സഡ്-വിംഗ് വിമാനങ്ങളുടെയും ഗുണങ്ങൾ സംയോജിപ്പിക്കുന്നു, പക്ഷേ അവയുടെ ദോഷങ്ങളൊന്നുമില്ല. ഒരു കോപ്റ്ററിൽ നിന്ന് വ്യത്യസ്തമായി, റോട്ടർക്രാഫ്റ്റിന് ഒരു വിമാനത്തിൽ 10 മടങ്ങ് വരെ വലിയ പ്രദേശം ഉൾക്കൊള്ളാൻ കഴിയും - 1000 ഹെക്ടറിൽ കൂടുതൽ. ഒരു ഫിക്സഡ്-വിംഗ് വിമാനത്തിൽ നിന്ന് വ്യത്യസ്തമായി, റോട്ടർക്രാഫ്റ്റിന് കർഷകന് ഒരു UAV പ്രവർത്തിപ്പിക്കാൻ കഴിയേണ്ടതില്ല - ടേക്ക് ഓഫ് മുതൽ ലാൻഡിംഗ് വരെയുള്ള മുഴുവൻ വിമാനവും പൂർണ്ണമായും യാന്ത്രികമാണ്. സജ്ജീകരിച്ചതിനുശേഷം, അവൻ തന്റെ ഫോണിലോ ടാബ്‌ലെറ്റിലോ ഫീൽഡ് വർക്ക് ശരിയാക്കുന്നതിനുള്ള ശുപാർശകൾ സ്വയമേവ കാണുന്നു - NDVI, NDWI, AF1, ARI1 മാപ്പുകൾ, പ്രത്യേക വിവരങ്ങൾ.

https://optiplane.ru/en