Direkte kontakt til DJI
Med dag-til-dag-levering
Få hjælp med det samme
Reparationer i Danmark
Danskejet virksomhed
5 stjerner på Trustpilot
Hvad gør et multispektralt kamera?
Multispektrale sensorer bruges til at tegne flere områder af lysspektret på samme tid. Når det anvendes i landbruget, måler multispektrale sensorer områder af lysspektret, der vedrører plantebiologi. Afhængigt af forskellige faktorer som vækststadium, stressniveau eller påvirkning fra plantesygdomme, afspejler planter lyset anderledes. Multispektrale sensorer måler denne forskel.
Monteret og integreret på en drone
Tidligere har det været omkostningstungt eller vanskeligt at indfange multispektrale data, da man har skulle benytte bemandede fly eller vente på satellitter, som overfløj området. Begge disse muligheder er ikke særlig fleksible og de er samtidig begrænsede med hensyn til opløsning, som i sidste ende kan påvirke det indsamlede data.
Droneteknologien gør det nu muligt at overflyve et givent område med et multispektralt kamera integreret, så man hurtigt og effektivt kan måle afgrødernes stressniveau, identificere problemområder og plantesygdomme.
Hvorfor det giver mening
Fordelen ved at kunne aflæse stressniveau, sygdomsudbrud, næringsstofmangel, identificere ukrudt mm. Giver landmænd muligheden for at målrette sin gødning, øge effektiviteten, udbyttet og i sidste ende fortjenesten. Udover at øge fortjenesten, kan gødningsmængden reduceres og derved belaste miljøet mindre.
Vegetationsindekset
Vegetationsindekset fungerer på den måde, at sammenligner lyset som planterne afspejler i et bånd, der afspejles i et andet. For eksempel sammenligner NDVI reflektansen af det røde bånd med det nærinfrarøde bånd.
Det er ikke alle indekser der er skabt ens. NDVI fokuserer eksempelvis på “kraften” af en plante eller dens “energi”. Ofte antages det fejlagtigt, at energi betyder mangel på sygdom. Dette er en afgørende fejl og kan betyde forskellen mellem at identificere og behandle en sygdom eller lade den sprede sig. En lignende sammenligning kan foretages hos mennesker; en læge ville ikke se på en patients højde eller hår for at fortælle om patienten var syg - i stedet ville lægen bruge et termometer til at måle kropstemperaturen.
Klorofyl indholdet
Forskning har vist, at for virkelig at kunne vurdere plantesundhed og ikke kun energi, skal der tages hensyn til klorofyl indholdet. For at kunne måle klorofyl indholdet skal der anvendes specifikke bånd af lys. Et sådant bånd, findes der i RedEdge-M kameraet, det er et yderst smalt og præcist lysbånd mellem rød og nær-infrarød. Når de bruges sammen med andre bånd og analyseres ordentligt, giver båndet fra RedEdge et mere præcist mål for plantesundhed, hvilket har større indflydelse på landmænds bundlinje.
Databehandling
At forvandle multispektrale billeder til et overskueligt sundhedskort, som en landmand kan aflæse og bruge, er en meget kompleks proces. Hos Droner.dk har vi et tæt samarbejde med producenten og udviklerne af Rededge-M kameraet, som har software til at hjælpe med dette. Eksempelvis kan Pix4D og Atlas levere avancerede vegetationsindekser og analyseværktøjer som hjælper med at visualisere det indsamlede data og foretage ændringer, som øger udbyttet af dine afgrøder og i sidste ende også øger din bundlinje i virksomheden.
Indlægget er skrevet af drone-specialist Mads Jørgensen fra Droner.dk
Tag kontakt til vores enterpriseafdeling på enterprise@droner.dk og hør mere om dine muligheder.
Via NDRE kan klorofyl-pigmentet aflæses i planter, som har en afgørende rolle i fotosyntesen. NDRE giver derfor en vigtig indikation af plantevækstens sundhed.
Via NDVI i det nærinfrarøde felt kan plantevækst aflæses. NDVI kan blandt andet bruges til at undersøge plantevækstens sundhed og skelne mellem plantevækst og jord.
En DSM-model ligger ovenpå RGB-billeder og indikerer blandt andet elevationer. DSM bruges blandt andet til at evaluere overfladeegenskaber og vandstrømning.
Et RGB-billede er et almindeligt billede, der kan bruges sideløbende med de andre sensorer til sammenligning af data og præsentation af resultater for analyse.