UAV dapat membawa berbagai sensor penginderaan jauh, yang dapat memperoleh informasi lahan pertanian multidimensi dan presisi tinggi serta melakukan pemantauan dinamis terhadap berbagai jenis informasi lahan pertanian. Informasi tersebut terutama mencakup informasi distribusi spasial tanaman (lokasi lahan pertanian, identifikasi spesies tanaman, estimasi luas dan pemantauan dinamis perubahan, ekstraksi infrastruktur lahan), informasi pertumbuhan tanaman (parameter fenotipik tanaman, indikator nutrisi, hasil panen), dan dinamika faktor stres pertumbuhan tanaman (kelembapan lahan, hama, dan penyakit).
Informasi Spasial Lahan Pertanian
Informasi lokasi spasial lahan pertanian mencakup koordinat geografis lahan dan klasifikasi tanaman yang diperoleh melalui diskriminasi visual atau pengenalan mesin. Batas lahan dapat diidentifikasi melalui koordinat geografis, dan luas tanam juga dapat diperkirakan. Metode tradisional digitalisasi peta topografi sebagai peta dasar untuk perencanaan wilayah dan estimasi luas lahan kurang tepat waktu, dan perbedaan antara lokasi batas dan kondisi sebenarnya sangat besar serta kurang intuitif, sehingga tidak mendukung penerapan pertanian presisi. Penginderaan jauh UAV dapat memperoleh informasi lokasi spasial lahan pertanian yang komprehensif secara real-time, yang memiliki keunggulan tak tertandingi dari metode tradisional. Citra udara dari kamera digital definisi tinggi dapat mewujudkan identifikasi dan penentuan informasi spasial dasar lahan pertanian, dan perkembangan teknologi konfigurasi spasial meningkatkan presisi dan kedalaman penelitian informasi lokasi lahan pertanian, serta meningkatkan resolusi spasial dan memperkenalkan informasi elevasi, yang mewujudkan pemantauan informasi spasial lahan pertanian yang lebih baik.
Informasi Pertumbuhan Tanaman
Pertumbuhan tanaman dapat dicirikan melalui informasi tentang parameter fenotipik, indikator nutrisi, dan hasil panen. Parameter fenotipik meliputi tutupan vegetasi, indeks luas daun, biomassa, tinggi tanaman, dll. Parameter-parameter ini saling terkait dan secara kolektif mencirikan pertumbuhan tanaman, serta berhubungan langsung dengan hasil panen akhir. Parameter-parameter ini dominan dalam penelitian pemantauan informasi pertanian, dan lebih banyak penelitian telah dilakukan.
1) Parameter Fenotipe Tanaman
Indeks luas daun (IDL) adalah jumlah luas daun hijau satu sisi per satuan luas permukaan, yang dapat mengkarakterisasi penyerapan dan pemanfaatan energi cahaya oleh tanaman dengan lebih baik, dan berkaitan erat dengan akumulasi materi dan hasil akhir tanaman. Indeks luas daun merupakan salah satu parameter pertumbuhan tanaman utama yang saat ini dipantau oleh penginderaan jauh UAV. Menghitung indeks vegetasi (indeks vegetasi rasio, indeks vegetasi ternormalisasi, indeks vegetasi pengkondisian tanah, indeks vegetasi selisih, dll.) dengan data multispektral dan membangun model regresi dengan data kebenaran dasar merupakan metode yang lebih matang untuk menginversi parameter fenotipik.
Biomassa di atas permukaan tanah pada tahap akhir pertumbuhan tanaman berkaitan erat dengan hasil dan kualitas. Saat ini, estimasi biomassa dengan penginderaan jauh UAV di bidang pertanian masih banyak menggunakan data multispektral, mengekstraksi parameter spektral, dan menghitung indeks vegetasi untuk pemodelan; teknologi konfigurasi spasial memiliki beberapa keunggulan dalam estimasi biomassa.
2) Indikator Nutrisi Tanaman
Pemantauan tradisional status nutrisi tanaman memerlukan pengambilan sampel lapangan dan analisis kimia dalam ruangan untuk mendiagnosis kandungan nutrisi atau indikator (klorofil, nitrogen, dll.), sementara penginderaan jauh UAV didasarkan pada fakta bahwa zat yang berbeda memiliki karakteristik reflektansi-penyerapan spektral yang spesifik untuk diagnosis. Klorofil dipantau berdasarkan fakta bahwa ia memiliki dua daerah penyerapan yang kuat dalam pita cahaya tampak, yaitu bagian merah 640-663 nm dan bagian biru-ungu 430-460 nm, sedangkan penyerapannya lemah pada 550 nm. Warna daun dan karakteristik tekstur berubah ketika tanaman kekurangan, dan menemukan karakteristik statistik warna dan tekstur yang sesuai dengan kekurangan yang berbeda dan sifat terkait adalah kunci untuk pemantauan nutrisi. Mirip dengan pemantauan parameter pertumbuhan, pemilihan pita karakteristik, indeks vegetasi dan model prediksi masih menjadi konten utama dari penelitian ini.
3) Hasil Panen
Peningkatan hasil panen merupakan tujuan utama kegiatan pertanian, dan estimasi hasil panen yang akurat penting bagi departemen produksi pertanian maupun pengambil keputusan manajemen. Banyak peneliti telah mencoba membangun model estimasi hasil panen dengan akurasi prediksi yang lebih tinggi melalui analisis multifaktor.
Kelembaban Pertanian
Kelembapan lahan pertanian sering dipantau dengan metode inframerah termal. Di daerah dengan tutupan vegetasi yang tinggi, penutupan stomata daun mengurangi kehilangan air akibat transpirasi, yang mengurangi fluks panas laten di permukaan dan meningkatkan fluks panas sensibel di permukaan, yang selanjutnya menyebabkan peningkatan suhu tajuk, yang dianggap sebagai suhu tajuk tanaman. Karena indeks stres air dapat mengukur hubungan antara kadar air tanaman dan suhu tajuk, suhu tajuk yang diperoleh oleh sensor inframerah termal dapat mencerminkan status kelembapan lahan pertanian; tanah gundul atau tutupan vegetasi di area kecil, dapat digunakan untuk secara tidak langsung membalikkan kelembapan tanah dengan suhu bawah permukaan. Prinsipnya adalah: kalor jenis air besar, suhu kalor lambat berubah, sehingga distribusi spasial suhu bawah permukaan pada siang hari dapat secara tidak langsung tercermin dalam distribusi kelembapan tanah. Oleh karena itu, distribusi spasial suhu bawah permukaan pada siang hari dapat secara tidak langsung mencerminkan distribusi kelembapan tanah. Dalam pemantauan suhu tajuk, tanah gundul merupakan faktor interferensi yang penting. Beberapa peneliti telah mempelajari hubungan antara suhu tanah gundul dan tutupan lahan tanaman, mengklarifikasi perbedaan antara pengukuran suhu tajuk yang disebabkan oleh tanah gundul dan nilai sebenarnya, dan menggunakan hasil koreksi dalam pemantauan kelembapan lahan pertanian untuk meningkatkan akurasi hasil pemantauan. Dalam pengelolaan produksi lahan pertanian yang sebenarnya, kebocoran kelembapan lahan juga menjadi fokus perhatian. Telah ada penelitian yang menggunakan pencitra inframerah untuk memantau kebocoran kelembapan saluran irigasi, dengan akurasi mencapai 93%.
Hama dan Penyakit
Penggunaan pemantauan reflektansi spektral inframerah dekat terhadap hama dan penyakit tanaman, berdasarkan: daun di daerah inframerah dekat refleksi oleh jaringan spons dan kontrol jaringan pagar, tanaman sehat, kedua celah jaringan ini terisi dengan air dan mengembang, merupakan reflektor yang baik dari berbagai radiasi; ketika tanaman rusak, daun rusak, jaringan layu, air berkurang, pantulan inframerah berkurang hingga hilang.
Pemantauan suhu inframerah termal juga merupakan indikator penting hama dan penyakit tanaman. Tanaman dalam kondisi sehat, terutama melalui pengaturan pembukaan dan penutupan stomata daun, mengatur transpirasi, untuk menjaga stabilitas suhunya sendiri. Dalam kasus penyakit, perubahan patologis akan terjadi. Interaksi patogen-inang pada patogen pada tanaman, terutama pada aspek terkait transpirasi, akan menentukan kenaikan dan penurunan suhu pada bagian tanaman yang terinfeksi. Umumnya, penginderaan tanaman menyebabkan deregulasi pembukaan stomata, sehingga transpirasi lebih tinggi di area yang sakit dibandingkan di area yang sehat. Transpirasi yang intensif menyebabkan penurunan suhu di area yang terinfeksi dan perbedaan suhu yang lebih tinggi pada permukaan daun dibandingkan daun normal, hingga muncul bintik-bintik nekrotik di permukaan daun. Sel-sel di area nekrotik mati total, transpirasi di bagian tersebut hilang total, dan suhu mulai naik. Namun, karena sisa daun mulai terinfeksi, perbedaan suhu di permukaan daun selalu lebih tinggi daripada tanaman sehat.
Informasi Lainnya
Di bidang pemantauan informasi lahan pertanian, data penginderaan jauh UAV memiliki cakupan aplikasi yang lebih luas. Misalnya, data ini dapat digunakan untuk mengekstrak area jagung yang gugur menggunakan berbagai fitur tekstur, mencerminkan tingkat kematangan daun pada tahap pematangan kapas menggunakan indeks NDVI, dan menghasilkan peta resep aplikasi asam absisat yang dapat secara efektif memandu penyemprotan asam absisat pada kapas untuk menghindari penggunaan pestisida yang berlebihan, dan sebagainya. Sesuai dengan kebutuhan pemantauan dan pengelolaan lahan pertanian, pengembangan pertanian yang terinformasi dan digitalisasi di masa depan merupakan tren yang tak terelakkan untuk terus mengeksplorasi informasi data penginderaan jauh UAV dan memperluas bidang aplikasinya.
Waktu posting: 24-Des-2024