Giới Thiệu Chung
Thảm thực vật là lớp đầu tiên được quan sát khi thực hiện viễn thám, vì vậy hình ảnh viễn thám chủ yếu phản ánh các thành phần của thảm thực vật trên bề mặt đất Việc sử dụng khoa học viễn thám để khám phá thảm thực vật của Trái đất là chìa khóa để hiểu biết về các yếu tố phân bố chức năng, như mô hình địa chất và thổ nhưỡng, mà không cần phải nhìn thấy trực tiếp, mà thông qua sự thay đổi trong các nhân vật và phân bố thảm thực vật.
Thảm thực vật trên trái đất rất đa dạng và thú vị Viễn thám có thể hỗ trợ trong việc theo dõi cây trồng cụ thể, phát hiện bệnh thực vật và sự phá hoại của côn trùng, đồng thời góp phần vào việc dự báo sản lượng cây trồng một cách chính xác.
Ngoài ra,cảm biến từ xađược sử dụng để thiết lập bản đồrừng, bao gồm thông tin về sản lượng, phá hoại củacôn trùng
Viễn thám là phương tiện duy nhất có khả năng cung cấp bản đồ và theo dõi sự thay đổi trong các vùng sinh thái, mặc dù không trực tiếp phục vụ cho sản xuất, nhưng lại có ý nghĩa lâu dài quan trọng cho nhân loại Những khu vực này đóng vai trò thiết yếu trong việc duy trì khí hậu trái đất và là nguồn gen đa dạng, nhưng đang bị con người nhanh chóng phá hủy, đặc biệt là rừng nhiệt đới Viễn thám giúp hiểu rõ bản chất và vị trí của những thay đổi này, đồng thời cung cấp công cụ để quan sát các vùng sinh thái khác trên quy mô toàn cầu, từ đó làm sáng tỏ mối quan hệ giữa các yếu tố ảnh hưởng đến các mô hình sinh thái.
Phân loại thực vật và Bản đồ
Các phương pháp sinh tồn của Thảm thực vật
Một phương pháp tiếp cận tương phản trong viễn thám đa phổ được sử dụng để ước tính các đặc tính cơ bản của thảm thực vật trên Trái đất Thay vì chỉ ghi nhận một khu vực điểm hay một nhóm đặc biệt, phương pháp này tập trung vào việc xác định các chức năng sinh thái của khu vực đó Độ phân giải thảm thực vật được định nghĩa là tỷ lệ phần trăm của thảm thực vật trong một điểm ảnh, đóng vai trò quan trọng trong quản lý rừng và điều kiện che phủ thực vật, cũng như trong nhiều mô hình sinh thái viễn thám Chỉ số lá khu vực (LAI) đo lường tỷ lệ giữa tổng diện tích bề mặt lá của thảm thực vật và diện tích bề mặt của các điểm ảnh, với giá trị dao động từ 0 (đối với đất trống) đến 6 (đối với rừng rậm) Ứng dụng viễn thám đã được sử dụng để ước tính LAI cho lục địa Hoa Kỳ.
Mạng sản xuất cơ sở (NPP) là chỉ số quan trọng phản ánh năng suất sinh học của một vùng sinh thái, chủ yếu liên quan đến khả năng sản xuất các chất hữu cơ trên Trái Đất thông qua quá trình quang hợp ở thực vật Các sinh vật thực hiện quang hợp không chỉ tạo ra oxy mà còn đóng vai trò quan trọng trong việc hình thành chuỗi thức ăn trong hệ sinh thái.
Nói chung, việc sử dụng cảm biến được quan tâm như một công cụ để đo nơi đến nơi và thay đổi theo mùa trong thảm thực vật
Các loại hình ảnh trên không cho nghiên cứu thực vật
Hình ảnh trên không cho phép các nhà phân tích xác định nhanh chóng và chính xác các đơn vị thực vật, nhưng ít nhất cung cấp được thông tin sơ bộ về bản chất và vị trí của chúng Để có một đánh giá chính xác, các chuyên gia phân tích cần có kinh nghiệm thực tế và kiến thức sâu về khu vực được kiểm tra.
Lựa chọn quy mô hình ảnh tối ưu cho nghiên cứu thực vật phụ thuộc vào bản đồ và độ phức tạp của mô hình thảm thực vật Quy mô hình ảnh lớn như 1:5,000 có thể được sử dụng cho các nghiên cứu chi tiết, nhưng quy mô từ 1:15,000 đến 1:24,000 thường là phổ biến cho các nghiên cứu chung Việc sử dụng hình ảnh ở các quy mô khác nhau, cùng với thời gian và mùa khác nhau, là cần thiết để nghiên cứu sự thay đổi Hình ảnh quy mô nhỏ cũng có thể hỗ trợ trong việc xác định mức độ của khu vực nghiên cứu.
Nhiều ứng dụng viễn thám cho phép phân tích các loại thực vật dựa vào kiến thức về tính quang phổ của lá và cây cảnh Các đặc tính này được nhận diện thông qua việc kiểm tra cấu trúc lá ở mức độ chi tiết sâu Mặt cắt ngang của một lá điển hình cho thấy các yếu tố cần thiết của nó Lớp biểu bì trên cùng, bao gồm các tế bào chuyên biệt, được cấu trúc chặt chẽ với nhau mà không có khoảng trống, nhằm ngăn ngừa mất độ ẩm từ bên trong lá Lớp biểu bì dưới cũng bảo vệ lá, với điểm khác biệt là nó có các stomates (lỗ khí) cho phép không khí di chuyển vào bên trong lá.
Mỗi stomata được bảo vệ bởi một cặp tế bào có thể mở và đóng khi cần thiết, giúp điều chỉnh sự chuyển động của không khí vào bên trong lá Chức năng chính của khí khổng là cho phép CO2 từ khí quyển đi vào lá để phục vụ cho quá trình quang hợp Mặc dù các tế bào bảo vệ và lớp biểu bì có vẻ nhỏ bé, nhưng chúng rất hiệu quả trong việc kiểm soát khí từ một phía lớp biểu bì sang lớp khác Vai trò của chúng trong việc cho phép CO2 vào lá là cần thiết cho sự phát triển của cây, đồng thời cũng giúp duy trì sự cân bằng nhiệt độ của lá Các tế bào bảo vệ có khả năng đóng cửa để ngăn chặn sự mất mát độ ẩm quá mức, từ đó tiết kiệm nước cho cây Vị trí của các lỗ khí ở phía dưới lá giúp tối ưu hóa lượng ánh sáng qua lớp biểu bì trên và giảm thiểu mất độ ẩm khi khí khổng mở.
Cấu trúc của lá bao gồm nhiều thành phần quan trọng cho quá trình quang hợp Phía trên lá, dưới lớp biểu bì, là mô rào với các tế bào sắp xếp theo chiều dọc, chứa lục lạp và các sắc tố hỗ trợ quang hợp Dưới mô rào là mô diệp nhục, xốp, với các tế bào được ngăn cách bởi khe hở, tạo ra bề mặt lớn cho việc trao đổi oxy (O2) và carbon dioxide (CO2), cần thiết cho quang hợp và hô hấp.
Cấu trúc lá của thực vật có sự đa dạng, nhưng có những yếu tố chung quan trọng, đặc biệt là ở các loài có giá trị trong nghiên cứu nông nghiệp và lâm nghiệp Chất diệp lục là yếu tố chính trong quang phổ phản ứng của lá sống, cho phép thực vật hấp thụ ánh sáng mặt trời và thực hiện quang hợp Diệp lục, với màu xanh đặc trưng, chủ yếu tập trung trong lục lạp, nằm trong lớp rào của lá, nơi có mật độ lục lạp cao nhất Quá trình quang hợp diễn ra khi lục lạp hấp thụ CO2 và ánh sáng mặt trời, nhờ vào các sắc tố phụ có khả năng truyền năng lượng cho diệp lục.
Hình 6: Hấp thụquang phổ của láđiển hình.Láhấp thụmàu xanh và đỏbức xạvàphản xạ hồng ngoạimàu xanh lá cây
Quang phổ của lá sống
Chất diệp lục không hấp thụ ánh sáng mặt trời một cách đồng đều; nó chủ yếu hấp thụ ánh sáng màu xanh và đỏ để phục vụ cho quá trình quang hợp, với khả năng hấp thụ lên đến 70-90% trong các vùng này Ngược lại, ánh sáng màu xanh lá cây bị hấp thụ ít hơn và phần lớn được phản xạ, khiến cho mắt người quan sát thấy màu xanh lá cây là màu sắc chủ đạo của thảm thực vật sống.
Trong quang phổ hồng ngoại gần, sự phát xạ của lá cây được điều chỉnh bởi cấu trúc của mô diệp nhục xốp Các lớp biểu bì gần như hoàn toàn trong suốt với bức xạ hồng ngoại, dẫn đến việc rất ít bức xạ hồng ngoại bị phản xạ từ bề mặt lá Bức xạ đi qua bị phân tán mạnh mẽ bởi mô diệp nhục, trong khi năng lượng hồng ngoại hấp thụ rất ít Nghiên cứu cho thấy rằng cấu trúc mô rào cũng có thể đóng vai trò quan trọng trong phản xạ hồng ngoại Do đó, cấu trúc nội bộ của lá là yếu tố quyết định phản xạ hồng ngoại ở thực vật sống.
Hình7: Tương tác củacấu trúclávớibức xạnhìn thấy vàhồng ngoại
Hình 8: Phản xạ quang phổđặc trưng từmộtlásống
Trong các bước sóng dài hơn tia hồng ngoại (ngoài 1,3mm), hàm lượng nước lá có ảnh hưởng đến các thuộc tính quang phổ của lá Độ dày nước tương đương hạn (EWT) được đề xuất như một chỉ số để xác định độ dày của một bộ phim.
Hình 9: Sự khác biệtgiữa các lớpcâyhóathườngrõ rệt hơn ởhồng ngoại gầnhơntrong dải ánh sáng nhìn thấy
Hình 10: sự phản xạ khác nhau giữanướcdày-nesses của0,018cm và0,014cm cuu duong than cong com
Phản xạ từ tán
Kiến thức về quang phổ của các cá nhân là rất quan trọng để hiểu rõ các đặc điểm quang phổ của tán cây Tuy nhiên, nó có thể không hoàn toàn giải thích được phản xạ từ các khu vực của thảm thực vật Tán thực vật bao gồm nhiều lá riêng biệt có thể thay đổi kích thước, định hướng và hình dạng, cũng như phạm vi của mặt đất Trong lĩnh vực này, một tán cây thực vật, chẳng hạn như trong một khu rừng hay một cánh đồng ngô, tạo ra nhiều lớp lá, với lá trên hình bóng mà che lá thấp hơn, dẫn đến một phản xạ tổng thể được hình thành từ sự kết hợp của phản xạ lá và bóng tối.
Bóngcó xu hướng giảmtánphản xạthấp hơngiá trịthông thườngquan sáttrong phòng thí nghiệm Knipling(1970) cho rằng tỷ lệ phần trămsaubáo cáotrongmột số nghiên cứucông bố trước đây:
Hình 12: mặt cắt ngangtác độngcủanăng lượngtương tác với mộttán cây cuu duong than cong com
Nghiên cứu của Collins (1978) cho thấy sự thay đổi trong phản ứng quang phổ của các loại cây trồng khi trưởng thành, sử dụng độ phân giải cao của máy quét đa phổ để phân tích dữ liệu ở các giai đoạn khác nhau của chu kỳ tăng trưởng Ông tập trung vào khu vực xa màu đỏ của quang phổ, nơi mà chất diệp lục giảm hấp thu và phản xạ hồng ngoại tăng Trong khu vực này, phản ứng quang phổ của thực vật sống tăng mạnh khi bước sóng tăng, với độ sáng tăng khoảng 10 lần khi vượt qua 0,7 mm Collins cũng ghi nhận rằng ở cây trưởng thành, vị trí của chất diệp lục chuyển dịch về phía bước sóng dài hơn, hiện tượng này được gọi là "sự thay đổi màu đỏ" Sự thay đổi này không chỉ xảy ra ở cây trồng mà còn ở các loại thực vật khác, với tầm quan trọng khác nhau tùy thuộc vào loại cây.
Hình 13:sự dịch chuyển của phổ ánh sáng đỏ
Collins đã quan sát sự thay đổi màu đỏ dọc theo toàn bộ chiều dài của sự hấp thụ diệp lục, đặc biệt rõ nét trong khoảng 0.74μm của vùng hồng ngoại gần cạnh hấp thụ Ông cho rằng dải sóng hẹp từ 0.745μm đến 0.780μm sẽ giúp quan sát sự dịch chuyển đỏ theo thời gian, từ đó cung cấp một phương pháp tiện lợi để đánh giá sự khác biệt giữa các cây trồng và sự khởi đầu của quá trình trưởng thành của một cây trồng cụ thể.
Sự thay đổi màu đỏ ở cây cối là một hiện tượng phức tạp chưa được giải thích chi tiết Khi cây sinh trưởng, nồng độ chlorophyll A gia tăng, dẫn đến sự biến đổi trong cấu trúc phân tử của nó Sự gia tăng này tạo ra các dải hấp thụ mới trong chlorophyll, từ đó làm xuất hiện màu đỏ Trong chương 18, chúng ta sẽ khám phá thêm về các yếu tố có thể ảnh hưởng đến hiệu ứng quang phổ của chlorophyll, làm thay đổi các rìa của dải hấp thụ về phía bước sóng ngắn hơn.
― sự thay đổi màu xanh‖ được quan sát thấy trong các nghiên cứu sinh học).
Lâm Nghiệp
Độ che phủ
Một trong những thay đổi quan trọng trong việc đánh giá và dự toán mật độ rừng là độ che phủ, tức tỷ lệ diện tích khu vực được cây cối bao phủ Độ che phủ không chỉ phản ánh mật độ cây trong rừng mà còn chỉ ra mức độ cạnh tranh giữa các cây trưởng thành Nó liên quan chặt chẽ đến khối lượng rừng và giúp dự đoán khía cạnh kinh tế của một khu rừng trong mùa vụ Kích thước che phủ của cây gắn liền với các đặc tính sinh lý, như khả năng quang hợp, và việc giám sát độ che phủ theo thời gian cho phép kiểm lâm đánh giá sự tăng trưởng của rừng Mặc dù có thể đo độ che phủ bằng các dụng cụ trên mặt đất, chụp ảnh trên không là một công cụ hiệu quả để đánh giá tỷ lệ phần trăm khu rừng được bao phủ bởi các loài cây nổi trội, thường được báo cáo dưới dạng tỷ lệ phần trăm hoặc số thập phân Với kinh nghiệm, độ che phủ có thể được ước tính chính xác bằng mắt, và âm thanh nổi rất hữu ích trong trường hợp độ che phủ phía dưới không nhìn thấy được Chất lượng hình ảnh, bao gồm quy mô, bóng và sương mù, cũng rất quan trọng, vì nhiều yếu tố như địa hình không đều và khoảng cách giữa các cây có thể ảnh hưởng đến sự đa dạng của độ che phủ.
Ước tính khối lượng gỗ
Các nhà làm rừng thường quan tâm đến việc dự toán khối lượng gỗ cho một stand rừng cụ thể bằng cách theo dõi sự phát triển của cây theo thời gian và đánh giá hoạt động quản lý Đo lường khối lượng gỗ bao gồm việc ước tính từ các phép đo đường kính cây ở ngang ngực và chiều cao thân cây Các kiểm lâm thực hiện đo đạc cho từng cây, sau đó tóm tắt để cung cấp ước tính khối lượng cho toàn bộ stand rừng Có nhiều phương pháp ước tính khối lượng gỗ dựa trên hình ảnh chụp từ trên không, với các yếu tố như thành phần loài, kích thước và điều kiện thời tiết ảnh hưởng đến kết quả Các chuyên gia thường sử dụng bảng khối lượng để xác định khối lượng gỗ từ các phép đo, và bảng này cần được điều chỉnh theo từng môi trường cụ thể Mặc dù nhiều bảng ước tính đã được phát triển, hầu hết vẫn dựa vào các phương pháp đo từ hình ảnh.
Bảng 15: sự thay đổi trong việc ước tính khối lượng.
Nông nghiệp
Lịch mùa vụ
Lịch thời vụ là chu kỳ của cây trồng trong năm, phù hợp với khí hậu và thực tiễn địa phương, giúp nông dân tối ưu hóa sản xuất và giảm thiểu rủi ro Mỗi nông dân có quy trình riêng để chuẩn bị đất đai, trồng và thu hoạch, nhưng trong một khu vực lớn hơn, họ thường tuân theo một chuỗi hoạt động nông nghiệp chung Ví dụ, lịch thời vụ cho mùa chính ở miền Tây Kansas có thể được minh họa qua các giai đoạn phát triển cây trồng khác nhau, phản ánh ngày trồng đa dạng Hình ảnh từ vệ tinh quan sát trái đất cho phép theo dõi sự thay đổi của cảnh quan nông nghiệp theo thời gian, giúp các nhà phân tích hiểu rõ hơn về lịch cây trồng của khu vực Cụ thể, vụ lúa mì mùa đông thường bắt đầu vào tháng 9 và tháng 10, trong khi các cây trồng khác không được gieo cho đến mùa xuân, với sự phát triển mạnh mẽ chỉ bắt đầu từ giữa đến cuối tháng 6.
8 Vì vậy, mỗi cây trồng sẽ có sự phát triển đặc trưng theo thời gian, mà cho phép theo dõi sự phát triển của cây trồng kiến thức về lịch mùa vụ của địa phương cho phép lựa chọn 2 cây có sự tương phản lớn nhất trong 1 thời điểm trong trường hợp giữa ngô và lúa mì, ví dụ chọn 1 ngày vào cuối mùa xuân, khắp cánh đồng hoàn toàn là lúa mì, trong khi đó các cánh đồng ngô chỉ mới phát triển Ứng dụng
Việc phân biệt các loại cây trồng trong từng lớp cụ thể gặp nhiều khó khăn, khiến cho viễn thám hình ảnh thường không cung cấp thông tin rõ ràng về nguồn gốc danh tính của cây trong khu vực Tuy nhiên, một số khác biệt lớn có thể được phát hiện thông qua hình ảnh trên không, với quy mô đủ lớn và khi cây trồng đã đạt đến giai đoạn trưởng thành.
Phương pháp tiếp cận cây trưởng thành cho thấy rằng loại ngũ cốc thô được nhận biết qua kết cấu thô, với thân cây lớn hơn và phức tạp hơn, tạo ra bóng mát Khi hạt nhỏ trưởng thành, chúng trở nên nhẵn, phẳng và có xu hướng ngụy trang trong những địa hình bất thường.
Hình ảnh viễn thám cung cấp thông tin giá trị về nông nghiệp và cảnh quan văn hóa, nhưng không thể xác định cây trồng cụ thể Nó giúp đánh giá diện tích đất trồng cây và đất hoang, theo dõi sự phát triển của cây qua các mùa, phát hiện bệnh tật và côn trùng phá hoại, cũng như ảnh hưởng của hạn hán và các dữ liệu liên quan đến tình trạng cây trồng.
Tình trạng cây trồng
Trong suốt mùa sinh trưởng, các chuyên gia nông nghiệp theo dõi sự phát triển của cây trồng trong khu vực thông qua hình ảnh từ vệ tinh Điều này giúp đánh giá sự gián đoạn so với thời gian biểu bình thường, ghi lại thiệt hại cho bảo hiểm, hướng dẫn các biện pháp chống lại sự phá hoại, và hỗ trợ các thị trường hàng hóa.
Giai đoạn tăng trưởng
Như cây trồng xuất hiện sau khi nảy mầm, chúng thể hiện sự phát triển của lá trên mặt đất Ban đầu, sự tăng trưởng này thường không dễ nhận thấy qua ảnh chụp trên không, chỉ có thể nhìn thấy bằng màu hồng nhạt trong ảnh CIR Ở giai đoạn này, từ trên cao, chủ yếu là đất trống Khi cây trưởng thành, lá của nó bắt đầu tạo bóng trên mặt đất Tùy thuộc vào mùa vụ và phương pháp trồng trọt, giả định rằng các cây trồng trưởng thành không bị hạn hán, bệnh tật hay côn trùng tấn công, mặt đất sẽ được bao phủ hoàn toàn bởi các cây trồng trưởng thành.
- Câytrưởng thànhđạt đượcmột màu sáng hơnvàthường là mộtmàu xám, hoặcmàu xanh lục, đóng vaiphản xạgiảmNIR Sau khithu hoạch,rơm rạvàrác thực vậtcòn lại trênđất
Ảnh hưởng của thời tiết, bệnh tật và sự phá hoại của côn trùng đối với cây trồng là rất quan trọng trong nông nghiệp Bão có thể gây thiệt hại nghiêm trọng cho cây lúa mì, đặc biệt khi có mưa to hoặc mưa đá, làm cho thân cây bị gãy và dập nát Ngay cả khi cây vẫn tiếp tục phát triển, những tác động này vẫn có thể ảnh hưởng xấu đến vụ thu hoạch.
Chụp ảnh trên không và giải thích hình ảnh là công cụ quan trọng để đánh giá tình trạng cây trồng Mặc dù nông dân và các nhà phân tích thường biết rõ loại cây nào phù hợp với từng khu vực, việc theo dõi tình trạng cây trồng theo thời gian lại gặp nhiều khó khăn do sự thay đổi trong các khu vực lớn.
Chỉ số thực vật
Chỉ số thực vật (VI) là một chỉ số quan trọng đo lường sinh khối và sức sống của thực vật dựa trên các giá trị độ sáng kỹ thuật số VI được tính toán từ sự kết hợp của các giá trị quang phổ thông qua các phép toán cộng, chia hoặc nhân để tạo ra một giá trị duy nhất phản ánh số lượng và sức sống thực vật trong một điểm ảnh Giá trị VI cao cho thấy điểm ảnh đó có sự hiện diện đáng kể của thảm thực vật khỏe mạnh Dạng đơn giản nhất của VI là tỷ lệ giữa hai giá trị kỹ thuật số từ các phổ khác nhau.
Tỷ lệ băng tần là thương số giữa các phép đo phản xạ trong các phần riêng biệt của quang phổ, có hiệu quả trong việc tăng cường hoặc thu thập thông tin tiềm ẩn Điều này xảy ra khi có mối quan hệ nghịch đảo giữa hai phản ứng quang phổ và hiện tượng sinh lý tương tự.
Tỷ lệ giữa độ sáng thảm thực vật trong vùng đỏ và hồng ngoại có thể đặc biệt hiệu quả trong việc phản ánh các mối quan hệ nghịch đảo Chất diệp lục hấp thụ ánh sáng màu đỏ (R) và phản ánh mạnh mẽ bức xạ hồng ngoại (IR), điều này đảm bảo rằng các giá trị hồng ngoại và đỏ sẽ khác nhau đáng kể Do đó, tỷ lệ IR/R của các nhà máy tích cực phát triển sẽ cao.
Tỷ lệ IR/R chỉ là một trong nhiều biện pháp đánh giá sức sống thực vật Tỷ lệ xanh/đỏ (G/R) được xây dựng dựa trên các khái niệm của tỷ lệ IR/R, tuy nhiên nó thường được coi là kém hiệu quả Mặc dù vậy, tỷ lệ này vẫn có thể áp dụng với các giá trị kỹ thuật số từ bất kỳ hệ thống cảm biến từ xa nào.
Ứng dụng của chỉ số thực vật
Việc thiết lập các giá trị của VI có liên quan chặt chẽ đến đặc điểm sinh học của thực vật, chẳng hạn như kiểm tra lô thử nghiệm trong suốt một mùa sinh trưởng, cho phép so sánh giá trị VI trong suốt mùa phát triển với các mẫu thực vật được thực hiện cùng một thời điểm Mục tiêu của nghiên cứu này là thiết lập việc sử dụng VI như một phương tiện để giám sát sự tăng trưởng và năng suất của cây trồng cụ thể, cũng như biến động theo mùa và hàng năm về năng suất.
Một loại ứng dụng khác sử dụng VI là bản đồ thiết bị, giúp phân loại hình ảnh và nhận diện thảm thực vật Ứng dụng này hỗ trợ trong việc phân biệt giữa các loại thảm thực vật khác nhau và xác định mật độ của chúng.
Giá trị của tỷ lệ và VI có thể bị ảnh hưởng bởi nhiều yếu tố bên ngoài, bao gồm góc nhìn, nền đất, và sự khác biệt trong hàng cũng như khoảng cách giữa các cây.
Hình 16: ảnh hưởng của chất bẩn tới tỉ lệ IR/R
Thực vật học
Máy đo bức xạ độ phân giải cao
VIs và kiến thức về thực vật khí hậu học có thể được áp dụng trong nhiều bối cảnh khác nhau, sử dụng dữ liệu từ vệ tinh khí tượng Chương 6 của cuu duong than cong com giới thiệu về máy đo bức xạ độ phân giải cao (AVHRR), một thiết bị quét đa phổ được trang bị trên các vệ tinh khí tượng NOAA quỹ đạo đồng bộ.
AVHRR có khả năng thu thập hình ảnh trên một diện tích rộng khoảng 2.800 km, chủ yếu phục vụ cho nghiên cứu khí tượng Tuy nhiên, thiết bị này cũng đã được áp dụng thành công trong việc giám sát các loại thực vật trên các khu vực địa lý rộng lớn Việc quan sát và theo dõi vùng phủ sóng trên toàn bộ quần xã sinh vật và vùng sinh thái hiện nay trở nên khả thi hơn bao giờ hết.
Vệ tinh hoạt động bằng cách tạo ra 14 đường truyền trong 24 giờ, thu thập dữ liệu cho mỗi khu vực rộng 2.800 km hai lần mỗi ngày trong khoảng thời gian 12 giờ Độ phân giải tối thiểu của dữ liệu là khoảng 1,1 km, nhưng máy tính trên vệ tinh có khả năng khái quát hóa dữ liệu với độ phân giải 4 km trước khi chuyển đến các trạm mặt đất, giúp mở rộng phạm vi địa lý cho một khối lượng dữ liệu nhất định.
Dữ liệu được ghi nhận ở độ phân giải 10 bit cho thấy rằng các khu vực gần các cạnh của hình ảnh thường gặp phải hiệu ứng hình học và góc cạnh nghiêm trọng Do đó, dữ liệu AVHRR được chọn từ các khu vực gần các điểm thấp nhất để đảm bảo tính chính xác cao nhất Mặc dù thiết kế ban đầu chỉ phục vụ cho mục đích hẹp hơn, theo báo cáo của Tucker và các đồng nghiệp năm 1985, phạm vi hoạt động chỉ đạt từ 800 đến 900 km cho khu vực rộng 2.800 km.
Chi tiết về vùng phủ sóng khác nhau với các nhiệm vụ cụ thể , nhưng nói chung
Cảm biến AVHRR được thiết kế để quan sát các yếu tố khí tượng như đám mây, tuyết, đá, đất và nước Ngoài ra, AVHRR còn được ứng dụng đặc biệt trong nghiên cứu tài nguyên đất Thiết bị này có năm phổ dữ liệu với độ phân giải không gian 1,1 km, bao gồm cả phổ hồng ngoại gần và hồng ngoại nhiệt.
Một phổ ánh sáng nhìn thấy, một phổ hồng ngoại gần và ba phổ hồng ngoại nhiệt đã được xác định Kênh 1 ban đầu được xác định trong khoảng 0,55-0,90 m, nhưng sau khi thử nghiệm, nó đã được điều chỉnh lại thành 0,58-0,68 m để cải thiện khả năng phân biệt giữa khu vực có tuyết và không tuyết Đối với các nhà khoa học nông nghiệp, sự điều chỉnh này mang lại lợi ích trong việc sử dụng kênh màu đỏ để tính toán chỉ số thực vật.
Bảng 18 Dữ liệu phổ cho AVHRR
Chỉ số NDVI được được xây dựng từ các dữ liệu phổ có thể nhìn thấy và hồng ngoạitheo công thức:
Mặc dù các kênh phổ khác nhau, tỷ lệ này vẫn mang ý nghĩa tương tự: giá trị cao cho thấy điểm ảnh bị chi phối bởi tỷ lệ sinh khối màu xanh cao Độ phân giải của nó thấp hơn so với vệ tinh Landsat MSS và dữ liệu TM, nhưng vùng phủ sóng bề mặt rộng hơn và tần suất thu thập dữ liệu cao hơn Điều này cho phép thu thập dữ liệu thường xuyên cho những khu vực có thể bị che khuất bởi mây trong một ngày Mặc dù hình ảnh không hiển thị chi tiết như MSS hoặc TM, nhưng chúng cung cấp cái nhìn tổng quan về địa lý mà các hình ảnh khác không thể mô tả.
Tổng hợp dữ liệu AVHRR
Dữ liệu độ phân giải đầy đủ, với khoảng cách 1,1 km ở điểm thấp nhất, có thể được thu thập bất kỳ lúc nào trong ngày từ một khu vực hạn chế trên Trái đất, thường chỉ khi vệ tinh nằm trong tầm ngắm của trạm thu Quá trình này tạo ra vùng phủ sóng địa phương (LAC).
Vào năm 1992, Eidenshink đã mô tả các bộ dữ liệu AVHRR cho Hoa Kỳ dựa trên nguồn dữ liệu AVHRR năm 1990 và tiếp tục lặp lại trong nhiều năm Các vật liệu này được thiết kế để ghi lại sự thay đổi trong quá trình sinh trưởng trong suốt mùa sinh trưởng Một chương trình xử lý đặc biệt đã được phát triển để chọn lọc dữ liệu dựa trên các yếu tố như hình học, năng lượng mặt trời, cảm biến hiệu chuẩn và độ che phủ của mây, từ đó tạo ra vật liệu tổng hợp NDVI Quá trình này cho phép tạo ra hình ảnh tổng hợp bao gồm dữ liệu AVHRR ban đầu, dữ liệu NDVI, thông tin mô tả quá trình tổng hợp và một bản thống kê tóm tắt.
Vùng phủ sóng toàn cầu (GAC) được tạo ra từ việc thu thập và xử lý dữ liệu vệ tinh, sau đó truyền tải đến các trạm mặt đất hàng ngày Mỗi điểm ảnh GAC được hình thành bằng cách tính trung bình cộng của bốn điểm ảnh liên tiếp, bỏ qua điểm ảnh thứ năm, và tiếp tục quy trình này cho đến khi hoàn thành Dữ liệu này cung cấp độ phân giải không gian khoảng 4 km.
Chỉ số dữ liệu thực vật toàn cầu (GVI) được xây dựng từ dữ liệu AVHRR hàng ngày, thông qua việc phân tích sự khác biệt giữa các kênh hồng ngoại và hồng ngoại gần Giá trị GVI cao nhất trong khoảng thời gian 7 ngày được sử dụng để xác định ngày phù hợp cho các tính toán giá trị NDVI, đại diện cho một điểm ảnh trong toàn bộ thời gian 7 ngày.
Một vài ví dụ AVHRR
Hình ảnh quy mô rộng cho phép chúng ta quan sát các vùng sinh thái và sự thay đổi theo mùa một cách hiệu quả hơn Hình 19 và 20 minh họa những hình ảnh này trong hai ngày tại Bắc Mỹ, với khu vực màu tối hơn biểu thị giá trị cao cho VI, điều này trái ngược với quy ước thông thường khi các giá trị cao thường được thể hiện bằng tông màu sáng.
Cảnh tháng Mười cho thấy lục địa được bao phủ bởi thảm thực vật, với các tông màu nhẹ hơn biểu thị thảm thực vật thưa thớt và khô hạn, như ở Tây Nam Hoa Kỳ và các vùng thảo nguyên phía bắc giáp Bắc Cực Hình ảnh được cung cấp hàng tuần bởi NOAA, mặc dù không được sử dụng để nghiên cứu các địa điểm cụ thể, nhưng vẫn mang lại cái nhìn tổng quan về điều kiện sinh thái của các khu vực với dữ liệu chi tiết hơn.
Dữ liệu AVHRR đã được lưu trữ và xử lý để tạo ra một cơ sở dữ liệu toàn cầu, cung cấp các sản phẩm mô tả sự thay đổi theo mùa của thảm thực vật trên quy mô lục địa.
Bảo vệ đất canh tác
Bảo vệ đất canh tác bao gồm các biện pháp như giảm thiểu canh tác, hạn chế sử dụng thuốc diệt cỏ, duy trì độ ẩm, chống xói mòn và bảo tồn chất hữu cơ trong đất Tại Hoa Kỳ, Trung tâm Thông tin Công nghệ Bảo tồn (CTIC) thực hiện kiểm kê hàng năm về bảo vệ đất canh tác thông qua khảo sát thực địa và bảng câu hỏi Việc sử dụng công nghệ phân tích từ xa giúp thu thập thông tin liên quan đến bảo vệ đất canh tác, hỗ trợ hiệu quả cho các cuộc điều tra Viễn thám học đã đề xuất nhiều chỉ số để xác định mật độ cây trồng trên mặt đất.
Hình 19.Hình ảnh AVHRR của Bắc Mỹ, tháng 3 năm 2001
Hình ảnh này minh họa giá trị NDVI từ dải hồng ngoại và hồng ngoại gần của AVHRR, với các tông màu tối biểu thị giá trị NDVI cao nhất và màu sáng đại diện cho đất trống, tuyết, băng, hoặc thảm thực vật thưa thớt Phần lớn lục địa được bao phủ bởi thảm thực vật thưa thớt, trong khi khu vực phía bắc có tuyết và băng Dọc bờ biển vùng Vịnh, thung lũng trung tâm của California, và các khu rừng nhiệt đới của Mexico, Trung Mỹ và quần đảo Caribbean, thảm thực vật chủ yếu là màu xanh lá cây Các sa mạc phía tây và đồng cỏ giữa lục địa được thể hiện là thảm thực vật thưa thớt.
Ví dụ, theo Van Deventer và cộng sự năm 1997thì chỉ số canh tác tiêu chuẩn đượcxác định theo công thức:
NDVI = (TM5 – TM7)/(TM5 + TM7)
Hình 20.AVHRR hình ảnh của Bắc Mỹ, tháng 10 năm 2001
Thảm thực vật xanh phát triển mạnh mẽ ở các khu vực khí hậu ẩm ướt của châu lục này Bức ảnh cho thấy sự phân bố của đồng cỏ, sa mạc phía tây và vùng đất cằn cỗi phía Bắc với giá trị NDVI thấp.
5.5 Quá trình sinh trưởng trên mặt đất
Truyền thống nghiên cứu quá trình sinh trưởng thường tập trung vào từng cây riêng lẻ Tuy nhiên, với sự phát triển của viễn thám, các công cụ hiện đại cho phép đánh giá sự thay đổi sinh trưởng theo mùa trên diện tích lớn Nhờ đó, chúng ta có thể khảo sát quá trình sinh trưởng ở quy mô khu vực hoặc thậm chí toàn lục địa, sử dụng các số liệu được mô tả dưới đây.
NDVI, thông qua quan sát từ cảm biến vệ tinh, cho phép theo dõi sự thay đổi theo mùa trong hoạt động quang hợp trên diện rộng Vào năm 1994, Reed và các cộng sự đã lần đầu tiên áp dụng công nghệ cảm ứng từ xa quy mô lớn để giám sát quá trình sinh trưởng tại các khu vực lớn, từ đó tích lũy dữ liệu quan trọng về sự phát triển của thực vật.
Trong vòng 4 năm, dữ liệu từ AVHRR đã được sử dụng để tính toán chỉ số NDVI cho từng điểm ảnh Hệ thống nông nghiệp có thể được theo dõi trên quy mô lớn nhằm đánh giá phản ứng của cây trồng trước sự biến đổi của khí tượng và khí hậu trong suốt mùa sinh trưởng, từ đó dự báo sản lượng nông sản.
Việc giải thích dữ liệu NDVI cần được thực hiện cẩn thận, do ảnh hưởng của hiệu ứng khí quyển và độ phân giải thô của dữ liệu AVHRR Dữ liệu này bao gồm nhiều lớp che phủ đất khác nhau và sự thay đổi trong quá trình sinh trưởng, đặc biệt trong các khu vực có cảnh quan phức tạp Hiệu ứng khí quyển có thể làm nhiễu NDVI, vì vậy việc lọc nhiễu là cần thiết, sử dụng đường trung bình để giảm thiểu ảnh hưởng của khí quyển, tuyết, và giá trị NDVI.
Hình 21 Sự biến đổi quá trình sinh trưởngtheo mùa được theo dõi trong khoảng thời gian 2000-2005
Mô hình này thể hiện sự biến đổi theo mùa của chỉ số NDVI, phản ánh quá trình sinh trưởng của thảm thực vật tại các điểm ảnh Do sự khác biệt về thời tiết và khí hậu, giá trị NDVI có thể thay đổi, do đó cần tiến hành thống kê và lọc dữ liệu để nâng cao độ chính xác Hình ảnh nhỏ minh họa một phần dữ liệu ban đầu trước khi được lọc, chồng lên đặc tuyến đã được xử lý.
Giá trị NDVI theo thời gian cho thấy một mô hình mùa vụ rõ rệt, với sự giảm xuống tối thiểu vào mùa đông khi thảm thực vật cằn cỗi và rụng lá Khi xuân đến, nhiệt độ ấm lên, cây cối bắt đầu đâm chồi, NDVI tăng lên, đánh dấu sự khởi đầu của mùa mới (SOS) NDVI đạt đỉnh vào mùa hè và sau đó giảm dần cho đến mùa đông, đánh dấu sự kết thúc chu kỳ (EOS) Kết quả này tạo ra một mô hình theo mùa điển hình.
Hình 22 minh họa quá trình sinh trưởng trong một năm, với trục dọc thể hiện chỉ số NDVI và trục ngang đại diện cho thời gian từ đầu đến cuối mùa đông Thời điểm bắt đầu mùa giải (SOS) và kết thúc mùa giải (EOS) được xác định thông qua việc đánh giá định lượng chuỗi các phép đo NDVI trong suốt cả năm.
Các nguồn tài liệu có thể tìm thấy ở địa chỉ:
NASA: nasadaacs.eos.nasa.gov/articles/2009/2009_plants.html
National Phenology Network: www.usanpn.org/ cuu duong than cong com
USGS—Remote Sensing Phenology: phenology.cr.usgs.gov/
Project BudBurst: www.windows.ucar.edu/citizen_science/budburst/
Multimedia resources (NASA and NOAA): svs.gsfc.nasa.gov/search/DataSet/ id_0426.html
Phân biệt hệ số phản xạ đất và hệ số phản xạ từ thực vật
Dữ liệu kỹ thuật số được thu thập bởi vệ tinh , đặc biệt là ở độ phân giải thô của
Hệ thống Landsat MSS và AVHRR cho thấy sự pha trộn giữa hệ số phản xạ thực vật và hệ số phản xạ đất do các điểm ảnh hỗn hợp Trong nông nghiệp, phản xạ từ cây trồng kết hợp với đất trống gây ra sự trộn lẫn hệ số phản xạ, ngay cả ở độ phân giải tốt nhất Vì vậy, sự pha trộn giữa đất và thực vật có thể trở thành một rào cản nghiêm trọng đối với việc áp dụng các khái niệm đã được trình bày trong các chương trước.
Hình 23.Bản đồ quá trình sinh trưởng của Virginia và các khu vực lân cận, tổng hợp từ dữ liệu MODIS Peter Sfroza, VirginiaView
Các điểm ảnh đậm cho thấy khu vực có thảm thực vật phong phú, chủ yếu tập trung ở vùng đồng bằng ven biển và thung lũng miền Trung.
Các khu vực đất trống tạo ra nhiều quang phổ khác nhau, trong đó độ sáng hồng ngoại màu đỏ và gần hồng ngoại dọc theo trục ABC thể hiện sự khác biệt rõ rệt Đất cằn cỗi và đất cát thường có độ sáng cao trong cả hai vùng quang phổ, đồng thời xuất hiện ở vị trí cao trên trục C.
; đất phù sa có xu hướng có màu tối và được xếp ở vị trí thấp ( B ) Năm 1977
Richardson và Wiegand định nghĩa mối quan hệ này , được gọi là độ sáng đất Điểm
X đại diện cho 1 cho một thảm thực vật xanh tốt, ngược lại, điểm Y đại diện cho 1 thảm thực vật thưa thớt
.Hình 24.Chỉ số thực vật vuông góc.
Biến đổi Tasseled Cap
Biến đổi "tasseled cap" (Kauth và Thomas, 1976), hay còn gọi là biến đổi K-T, là một phương pháp tuyến tính chuyển đổi dữ liệu từ ảnh vệ tinh Landsat MSS thành một mặt phẳng trong không gian dữ liệu đa phổ Phương pháp này giúp hiển thị các thành phần quang phổ chính của các trường nông nghiệp trong không gian hai chiều, cho phép nhà phân tích dễ dàng quan sát Việc chuyển đổi này có thể được hình dung như một vòng quay của một hình khối đa chiều, với các tổ hợp tuyến tính của các kênh phổ ban đầu tạo ra bốn biến số mới, mỗi biến số mô tả một khía cạnh cụ thể của hiện trường nông nghiệp Các phương trình mô tả biến đổi này được trình bày như một ví dụ ngắn gọn cho Landsat MSS.
TC1 = +0.433 MSS 4 + 0.632 MSS 5 + 0.586 MSS 6 + 0.264 MSS 7 (Eq 17.5) TC2 = –0.290 MSS 4 – 0.562 MSS 5 + 0.600 MSS 6 + 0.491 MSS 7 (Eq 17.6) TC3 = –0.829 MSS 4 + 0.522 MSS 5 – 0.039 MSS 6 + 0.194 MSS 7 (Eq 17.7) cuu duong than cong com
TC4 = +0.223 MSS 4 + 0.012 MSS 5 – 0.543 MSS 6 + 0.810 MSS 7 (Eq 17.8)
Các phương trình sử dụng vệ tinh Landsat 2 được thiết kế cho kênh MSS, với các băng tần mới được chỉ định như TC1 cho tasseled cap 1 Các hệ số được tính toán bằng một thủ thuật lặp lại (Jackson, 1983), và việc chuyển đổi dựa trên thông tin hiệu chuẩn cho từng cảm biến cụ thể, đòi hỏi nỗ lực chuyên dụng để thu thập giá trị cho cảm biến đó Khi các giá trị đã có sẵn, chúng có thể được áp dụng cho hình ảnh từ các bộ cảm biến, một số đã được báo cáo trong tài liệu khoa học, trong khi một số khác được tích hợp vào các gói xử lý hình ảnh.
Bốn băng tần tasseled cap mới cung cấp thông tin quan trọng về hiện trường nông nghiệp, mặc dù không hoàn toàn phù hợp với các băng phổ quan sát Theo Kauth và Thomas, TC1 đại diện cho độ sáng, là tổng trọng số của cả bốn băng tần TC2 được xác định là độ xanh, phản ánh sự phong phú và sức mạnh của thực vật, tương tự như chỉ số PVI TC3, được gọi là độ vàng, xuất phát từ sự tương phản giữa băng màu đỏ và xanh lá cây, tạo ra một trục định hướng vuông góc Cuối cùng, TC4 được gọi là vô song, vì không thể hiện rõ các tính năng cảnh quan và có khả năng chứa tiếng ồn từ hệ thống thông tin và khí quyển.
Băng tần TC1 (độ sáng) và TC2 (độ xanh) thường truyền đạt hầu hết thông tin trong một hiện trường nông nghiệp, đạt khoảng 95% hoặc hơn Các thành phần thiết yếu của cảnh quan nông nghiệp được thể hiện qua sơ đồ hai chiều sử dụng TC1 và TC2, tương tự như định nghĩa của Richardson và Wiegand.
Hình 25 Sự thay đổi dữ liệu theo mùa định dạng theo độ xanh và độ sáng
Trong suốt mùa sinh trưởng, TC1 và TC2 thể hiện giá trị của một lĩnh vực theo một quỹ đạo nhất định Ban đầu, phản ứng quang phổ của cánh đồng chủ yếu phản ánh đất, do quá trình cày xới và trồng trọt Khi cây cối phát triển, độ xanh tăng lên và độ sáng đất giảm, nhờ vào sự gia tăng của các tán cây Cuối cùng, khi cây trưởng thành và thu hoạch diễn ra, độ xanh giảm và độ sáng đất tăng, đưa cánh đồng trở lại gần với vị trí ban đầu trên biểu đồ.
Một lô dữ liệu cho toàn bộ mùa sinh trưởng hoặc hình ảnh thể hiện nhiều lĩnh vực tại các điểm khác nhau trong chu kỳ cây trồng có hình dạng giống như hình 26, mà Kauth và Thomas đã đặt tên cho kỹ thuật của họ dựa trên sự tương tự này Crist và Cicone (1984) chỉ ra rằng các giá trị trung gian chủ yếu liên quan đến thảm thực vật, trong đó cây xanh mở rộng tán khi trưởng thành Pixel đại diện cho thảm thực vật có độ xanh lão hóa giữ giá trị cao cho đến khi độ tàn che quá thấp, khiến đất trống lại tiếp xúc.
Hình 26 Hình ảnh Tasseled cap được quan sát dưới dữ liệu không gian nhiều chiều
Crist và Cicone (1984) đã mở rộng chuyển đổi từ MSS sang sáu băng tần không nhiệt trong TM, do TM sử dụng định nghĩa phổ khác với MSS, yêu cầu một bộ hệ số khác nhau Việc chuyển đổi này cho kết quả tương tự như báo cáo trước đó về MSS, nhưng có những chi tiết khác biệt Trong TM, TC1 tương ứng với độ sáng, TC2 liên quan đến độ xanh, trong khi TC3, được trọng số bởi các băng tần hồng ngoại giữa, thể hiện độ ẩm dựa vào độ ẩm đất và độ ẩm trong mô thực vật.
Thành phần đầu tiên của TM tasseled cap, bao gồm độ sáng và độ xanh, thường chiếm phần lớn sự biến đổi trong thảm thực vật Mặc dù có tên gọi, chúng không luôn tương ứng chính xác với các chỉ số từ MSS Thành phần thứ ba, độ ẩm, tạo nên một yếu tố cảnh quan mới Các tính năng còn lại có tầm quan trọng thấp hơn, không có sự tương thích rõ ràng với các đặc điểm vật lý của cảnh quan, và thường phản ánh những biến đổi không được chiếm bởi các yếu tố chính, có thể do ảnh hưởng của các hạt điện tích, đám mây khí quyển, hoặc nước trong khí quyển.
Hình 27 Biến đổi Tasseled cap ứng dụng với ảnh TM của đất nông nghiệp ở California
Hình 27 minh họa việc áp dụng các mô hình TM tasseled cap cap vào hình ảnh
Bài viết này trình bày về một vùng nông nghiệp tưới tiêu ở California, sử dụng các hình ảnh gốc và các chỉ số TC1 (độ sáng), TC2 (độ xanh), và TC3 (độ ẩm) Mặc dù TC4 và TC6 không được giao, chúng vẫn được hiển thị để minh họa cho thông tin suy giảm của sáu băng tần TC cao hơn Khác với việc chuyển đổi PC cần tính toán riêng cho từng hình ảnh, chuyển đổi tasseled cap, một khi đã được tính toán cho một cảm biến cụ thể, có thể áp dụng cho tất cả các hình ảnh thu được từ cảm biến đó Điều này đảm bảo rằng ý nghĩa của các thành phần TC là ổn định qua các hình ảnh khác nhau Kết quả là, chuyển đổi tasseled cap không chỉ giúp hiểu rõ hơn về hình ảnh nông nghiệp mà còn nhiều điều kiện sinh thái khác.
Hóa học về lá cây
Sự phát triển của cảm biến siêu phổ đã mở ra khả năng ứng dụng mới cho cảm biến từ xa, cho phép quan sát chi tiết các đặc điểm của bề mặt thảm thực vật mà các công cụ trước đây không thể thực hiện Dữ liệu siêu phổ hỗ trợ nghiên cứu hóa học lá cây và thành phần hóa học của lá tươi Nếu được ứng dụng trong thực tiễn, công nghệ này có thể giúp xác định thảm thực vật với độ chi tiết cao hơn và giám sát sự tăng trưởng cũng như sức khỏe của cây trồng và rừng.
Mặc dù đã có nhiều nghiên cứu về cảm biến từ xa để phân tích thành phần hóa học của lá cây, phần lớn công việc này chỉ tập trung vào các bộ cảm biến đặc biệt, vị trí thực nghiệm cụ thể và các thuật toán xử lý riêng biệt, được thu thập qua nhiều phương pháp khác nhau như phân tích phòng thí nghiệm, quan sát thực địa và dữ liệu không khí Vì vậy, vẫn còn nhiều công việc cần thực hiện để phát triển các đề xuất từ những nghiên cứu hiện tại.
Dưới đây sẽ vạch ra một số sự cố gắng để nghiên cứu cảm biến siêu phổ về thành phần hóa học lá cây:
Chất gỗ và hàm lượng tinh bột là những yếu tố quan trọng trong nghiên cứu thực vật Kokaly và Clark (1999) đã phát triển một quy trình chuẩn hóa để phát hiện chất gỗ và xenlulozo trên lá khô trong phòng thí nghiệm Nghiên cứu của Peterson và cộng sự (1988) cho thấy vùng phổ 1.500 nm – 1.750 nm trong dữ liệu AIS có liên quan đến mức độ hàm lượng gỗ và tinh bột Bên cạnh đó, Martin và Aber (1997) đã báo cáo kết quả tích cực trong việc dự đoán lượng gỗ bằng bốn băng tần AVIRIS trong khoảng 1.660 nm – 2.280 nm tại các địa điểm kiểm tra ở Đông Bắc Hoa Kỳ.
Việc chuyển đổi tasseled cap được áp dụng cho hình ảnh TM của cảnh tưới tiêu nông nghiệp ở California Hình ảnh đầu tiên cho thấy dải nhìn thấy từ ảnh gốc, trong khi hình ảnh thứ hai thể hiện tua băng giới hạn 1 và độ sáng Các chỉ số TC2 - xanh tươi và TC3 - ẩm ướt được phân loại rõ ràng, trong khi TC4 và TC6 không có tên nhưng cho thấy mức độ giảm thông tin liên quan đến TC1, TC2 và TC3.
Nghiên cứu của Card và cộng sự (1988) chỉ ra mối quan hệ giữa dữ liệu đo bức xạ quang và hàm lượng nitơ trong mẫu đất khô Wessman và cộng sự (1989) đã sử dụng hình ảnh AIS để phân tích thành phần hóa học của tán lá rừng, phát hiện sự liên kết chặt chẽ giữa hàm lượng nitơ trong lá cây và hệ số phản xạ ở các bước sóng 1265 nm và 1555 nm Các nghiên cứu này nhấn mạnh tầm quan trọng của hàm lượng nitơ trong việc đánh giá chất lượng đất và tán lá rừng.
Năm 1997, nghiên cứu đã sử dụng dữ liệu AVIRIS với độ phân giải 20m để kiểm tra rừng hỗn hợp lá rộng, bao gồm cây sồi (Quercus rubra), phong (Acer rubrum) và các loại cây lá kim Kết quả cho thấy có mối quan hệ giữa hàm lượng nito và độ sáng trong các khoảng sóng 750nm – 2140nm và 950nm – 2290nm.
Nồng độ chất diệp lục trong đầu lá kim của cây thông có mối tương quan mạnh mẽ với độ sang ở 723nm, theo nghiên cứu của Kupiec và Curran (1993) dựa trên dữ liệu AVIRIS.
Dữ liệu Lidar cho kiểm kê và cấu trúc rừng
Chương V đã trình bày ứng dụng của laser đo độ cao trong việc thu thập dữ liệu đặc trưng của cấu trúc thảm thực vật, điển hình là chương trình Slicer, sử dụng công nghệ quét ảnh Lidar để phục hồi âm phản xạ từ tán cây (Blair và cộng sự, 1994; Harding và cộng sự).
Vào năm 1994, công nghệ Lidar đo độ cao đã được áp dụng để cung cấp thông tin chi tiết về cấu trúc thẳng đứng của tán thảm thực vật, điều này rất cần thiết cho việc hiểu biết các chức năng của hệ sinh thái nhưng khó khăn để thu thập bằng các phương pháp đo đạc thực địa thông thường Thông tin về Slicer có thể được tìm thấy tại các trang web: ltpwww.gsfc.nasa.gov/eib/projects/airborne_lidar/slicer.html và www.fsl.orst.edu/~lefsky/slicerpage.html.
Công cụ Slicer sử dụng bức xạ hồng ngoại gần (1.06nm) để chiếu sáng khu vực có đường kính từ 10 đến 15m Một phần bức xạ được phản xạ từ tán cây, trong khi phần còn lại xuyên qua các lỗ hổng ở tán lá đến mặt đất Tín hiệu laser trả về được kiểm tra để phân tích sự phân bố thẳng đứng của tán xạ ngược từ các thành phần tán cây (lá và thân gỗ) cũng như phản chiếu từ mặt đất Khoảng cách thu hồi tín hiệu từ đỉnh tán và mặt đất được thiết kế từ 5 đến 15m, tuy nhiên, các bản ghi hiện tại chưa cung cấp chi tiết về cấu trúc của các đỉnh riêng biệt.
Sự khác nhau giữa thời gian trở lại ban đầu và cuối cùng là cơ sở để tính toán chiều cao tán tổng thể (Nelson và cộng sự, 1988a; 1988b) Hình 23 trình bày kết quả từ hệ thống LIDAR Slicer, bay qua đoạn dài 1km của cánh rừng rụng lá (rừng Duke, tháng 10 năm 1994) Mỗi dòng trong hình tượng trưng cho sự thay đổi địa hình ở mặt đất, trong đó rìa sáng mô tả chiều cao của cây cao nhất.
Dữ liệu LIDAR cung cấp thông tin chi tiết về cấu trúc vật lý của rừng, như chiều cao và kích thước đỉnh, cho phép đánh giá ba chiều của thảm thực vật mà các cảm biến khác không thể thực hiện Nghiên cứu của Means và các cộng sự (2000) trên cây linh sam Douglas ở núi Cascade, Oregon, cho thấy LIDAR có hiệu quả trong việc ước tính diện tích, chiều cao, khối lượng và độ che phủ Họ kết luận rằng LIDAR cần được sử dụng như một công cụ kiểm kê quan trọng trong quản lý rừng Hình 15.1 minh họa việc áp dụng LIDAR để dự đoán đường kính đỉnh thông qua thuật toán tính toán cấu hình cao dọc theo hai trục vuông góc, từ đó làm rõ hình dạng và kích thước của đỉnh cây.
Hình VII.1 Dữ liệu tán thực vật được thu lại bởi các bộ cảm biến Slicer Từ NASA Goddard Space Flight Center.
Độ chính xác nông nghiệp
Hoạt động nông nghiệp truyền thống thường áp dụng các phương pháp quản lý đồng nhất cho toàn bộ cánh đồng, bất chấp sự thay đổi của các yếu tố nông học tự nhiên như đất, bức xạ mặt trời, độ ẩm và thoát nước Mặc dù nông dân nhận thức được rằng các đặc tính này có thể thay đổi đáng kể trong khoảng cách ngắn, họ vẫn thiếu thông tin và phương tiện cần thiết để hiểu rõ và điều chỉnh các yếu tố này.
Hình VIII.1Tính toán đường kính đỉnh từ một CHM Hình dạng đỉnh được ước tính trung bình của hai giá trị đo dọc theo hai hướng vuông góc
Nông nghiệp chính xác dựa trên giả thuyết rằng nông dân có thể điều chỉnh các hoạt động quản lý như gieo hạt, bón phân, làm đất, thuốc trừ sâu và thủy lợi theo từng khu vực khác nhau trên cánh đồng để tối ưu hóa sản xuất Việc bón phân sẽ được thực hiện với tỷ lệ cao hơn ở những vùng đất cần thiết, trong khi giảm lượng phân bón ở những khu vực khác, từ đó tiết kiệm nhiên liệu, vật tư và lao động, đồng thời giảm thiểu tác động tiêu cực đến môi trường.
Các biện pháp nông nghiệp chính xác dựa vào độ chính xác và chi tiết thông tin thu được từ dữ liệu viễn thám, giúp giám sát sự thay đổi theo thời gian và điều kiện từng ruộng trong mùa trồng trọt, bao gồm độ ẩm và sự phát triển của sâu bọ Việc sử dụng thiết bị GPS để xác định vị trí chính xác, hình ảnh đa phổ để cung cấp thông tin về điều kiện cây trồng, cùng với máy móc nông nghiệp được thiết kế để áp dụng tỷ lệ khác nhau, cho phép cảm nhận điều kiện đồng ruộng ngay tại chỗ.
Cảm biến từ xa đóng vai trò quan trọng trong nông nghiệp chính xác, vì chúng cung cấp bản đồ chi tiết về khu vực canh tác, giúp nông dân quản lý tài nguyên hiệu quả hơn.
Cảm biến từ xa có khả năng cung cấp thông tin quan trọng về sự phát triển và sức khỏe của cây trồng trong mùa trồng trọt, bao gồm việc nhận diện sự thay đổi trong kết cấu bề mặt đất (Post và các cộng sự 1988) Hướng dẫn thu thập mẫu đất hỗ trợ cho nông nghiệp chính xác, trong khi hình ảnh viễn thám có thể phát hiện các dị thường như hiệu ứng hạn hán cục bộ và sự phá hoại của côn trùng Dữ liệu từ các công cụ hiệu chỉnh cũng cung cấp giá trị vật chất đo trực tiếp, như độ sáng sắc nét trong các thành phần quang phổ.