A precíziós mezőgazdaságban jártas olvasók biztosan hallottak már az NDVI értékről, amelynek segítségével a gazdák fontos információhoz juthatnak termőföldjeik zöldállományának állapotáról. Nézzük, hogy mi is ez az érték és hogyan lehet a Sentinel-2 műholdképekből előállított adatokat alkalmazni egy mezőgazdasági terület esetében.
NDVI - Normalizált Vegetációs Index
Az NDVI rövidítés az angol Normalized Difference Vegetation Index szavakból származik, amit magyarul leginkább csak Normalizált Vegetációs Indexként emlegetnek. Az egyik leggyakrabban használt index a precíziós mezőgazdaságban, amelynek értéke a termőföldön lévő növényzet által visszavert és a fotoszintézis során elnyelt vörös (RED) és közeli infravörös (NIR) fény arányára vezethető vissza. A pontos képlet az alábbi ábra felső részén látható.
Amennyiben a vizsgált területet egészséges növényzet borítja a visszavert piros fény lecsökken a közeli infravöröshöz képest, míg az elszáradt növények esetében a két fény közel azonos arányban verődik vissza (lásd lenti ábra).
Ha egy területről van lehetőségünk olyan digitális felvételeket készíteni, ahol az egyik kép vörös (RED), míg a másik kép közeli infravörös (NIR) fényre érzékeny kamerával készült, akkor képpontról képpontra kiszámítható az NDVI érték.
Ilyen „kamerája” szerencsére mindenkinek van, hiszen bárki ingyen hozzá tud férni a Sentinel-2-es optikai műholdak által készített műholdfelvételekhez a Open Access Hub-on keresztül, amelyek közt pont vannak RED és NIR tartományban készült képek.
Ezeknél a felvételeknél a vizsgált terület megvilágítását a Nap szolgáltatja, majd a növényzetről visszaverődő sugarakat rögzíti digitális kép formájában a műhold.
A fenti ábrán látható képlet szerint az NDVI értéke -1 és +1 közé eshet, növényzet nélküli talaj általában 0 és +0.05 közötti értéket mutat, míg egészséges nyövényzet esetében elérheti a 0.9-et is.
Tehát minél magasabb az NDVI érték, annál egészségesebb, dúsabb vegetációjú a vizsgált növényzet.
NDVI értékek megjelenítése
Most már ismert, hogy hogyan kell számolni a normalizált vegetációs indexet, viszont ez még kevés ahhoz, hogy fontos információkkal lássa el a mezgőazdaságokat. Ahhoz, hogy mindenki számára könnyen értelmezhetőek legyenek az NDVI adatok, színskálát érdemes az NDVI értékekhez rendelni.
Az alábbi, Kiszombor település közigazgatási területéről készült NDVI kép pont ezt szemlélteti. Jól látható, hogy a felvétel közepén lévő, vízzel borított terület -1 és -0.3 közti értékeket mutatnak, míg a növényzettel borított területek inkább a maximális értéket közelítik.
Arról, hogy mennyire megbízhatóan jelzi az NDVI érték az egészséges növényzetet bárki megbizonyosodhat az alábbi interaktív képen látható csúszka oldal irányba történő húzásával, mivel segítségével összehasonlíthatóvá válik a terület színes és NDVI felvétele.
A teljes, nagyítható interaktív térkép itt érhető el, ahol az NDVI index mellett más index-ek is megjeleníthetőek.
Miért érdemes NDVI adatokat elemezni?
Egy darab NDVI felvétel már sok olyan információval láthatja el a gazdát termőföldje állapotáról, amiről a Föld felszínéről szemlélődve nem biztos, hogy idejében értesül. Ilyen példa, amikor a termőföld közepén akár tápanyag problémák miatt vagy akár kártevők hatására nem megfelelő a vegetáció. Az NDVI felvételek segítségével még idejében lokalizálhatóak ezek a területek, így a tápanyagot vagy egyéb szereket célzottan, csak a szükséges mennyiségben lehet kijuttatni. Egy-egy ilyen felvétel elkésztíthető műholdképek valamint drónok segítségével is. Mindkét módszernek megvan az előnye/hátránya, de erről majd egy késbőbbi posztban…
Na de lássuk, mi a helyzet akkor, ha egy felvétel helyett jóval több napról van NDVI felvételünk az adott évben!
A Sentinel-2-es műholdak nagy előnye, hogy viszonylag gyakran visszatérnek egy adott terület fölé, így az alábbi, ‘1-es minta területnek’ keresztelt mezőgazdasági területről is számos felvétel érhető el a 2020-as évből. Ha ezen felvételekből előállított NDVI képeket időrendi sorrendbe állítjuk majd ábrázoljuk az adott felvétel átlagos, maximális és minimális értékeit, megkapjuk a terület éves NDVI trendgörbéjét.
Az alábbi animáción nagyon jól megfigyelhető a nyövényzet növekedési szakasza, majd a betakarítás okozta hirtelen NDVI csökkenés.
A Sentinel-2 műholdak optikai működésükből adódóan nem látnak át a felhőrétegeken, így például az októberi felhős időjárásnak köszönhetően viszonylag kevés adat áll rendelkezésre. A műholdas távérzékelés egy másik hátránya, hogy a felhőkön kívül egyéb légköri jelenségek is befolyásolják a kinyert adatokat, ami miatt ‘zajos’ lesz a fenti görbe. Azonban ez is kisímtható ha vesszük az adatok egyszerű mozgó átlagát. Ennek eredménye az alábbi ábrán látható.
Na, de mit tudunk leolvasni egy ilyen görbéről, milyen plusz adathoz juthat hozzá a termőföldjét meglehetősen jól ismerő gazda? A fenti görbéről egyértelműen leolvasható, hogy megfelelő időben történt a betakarítás, hiszen az első csúcsnál a termőföld átlagos vegetációs értéke (sárga görbe) megközelítette a maximális értéket (zöld görbe), azonban az is leolvasható, hogy ekkor voltak olyan területek is, amelyek alacsony vegetációval rendelkeztek, hiszen a minimális NDVI érték (piros görbe) nem követte az átlagos értéket. Tehát, minél szűkebb a maximális és minimális NDVI görbe által közrezárt „csatorna” annál egyenletesebb talajt borító növényzet állapota.
De nem csak a múltról árulkodik egy NDVI görbe, hanem az akítv döntéshozatalban is tud segíteni, hiszen ha a terület folyamatosan monitorozás alatt áll, egy növekvő, majd ellaposodó átlagos vegetációs index görbe jelezheti a gazda számára a betakarítás optimális időpontját.
A fentieken felül, van egy ritkábban említett de annál fontosab felhasználási területe is az NDVI adatoknak. Valószínűleg mindenki tisztában van vele, hogy egy mezőgazdasági vállalkozást is sok esetben hitelekből lehet építeni, fejleszteni. A pénzintézetek sok tényezőt vesznek figyelembe, amikor egy-egy kölcsön odaítéléséről döntenek, hiszen nekik is érdekük, hogy minél részletesebb képet kapjanak az ügyfelük gazdasági hátteréről, ennél fogva a jövőben újabb döntést segítő tényező lehet az ügyfél területeinek NDVI adatainak elemzése, hiszen így megbizonyosodhatnak arról, hogyan gazdálkodtak eddig a termőterületeken.
A mezőgazdasági biztosításokat kínáló intézetek is felismerték a műholdas adatokban rejlő lehetőségeket, hiszen manapság már csomagban kínálják ügyfeleik részére a műholdas távérzékelésen alapuló szolgáltatásokat, ahogy arról az ezen a linken elérhető videó is tanúskodik.
Az NDVI görbék előállításának folyamata
A fent közölt görbék az alábbi folyamat szerint lettek előállítva QGIS és Python használatával. A legidőigényesebb alfeladat a kiértékelő script megírása mellett, a felhő nélküli műholdfelvételek kiválogatása volt. Ez sajnos egy nehezen automatizálható folyamat, nem lehetetlen ugyan, de még mindig az ember a leghatékonyabb ezek kiválogatásában.
A felhőmentes felvételek mellett egy másik kritérium, hogy a vizsgált területen lehetőleg egy fajta növény teremjen, ellenkező esetben előfordulhat, hogy a termőföldön két különböző növény, két különböző növekedési periódussal rendelkezik, így mindig lesz valamennyi ‘zöld’ a felvételeken, aminek kiértékelésével fals információkat fogunk kapni.
Összefoglalás
A fentiekből láthattuk, hogy az NDVI adatok igen fontosak a manapság egyre jobban elterjedő precíziós mezőgazdaság számára. Nem csak a döntéshozatalban segíti a gazdákat, de teljesebb képet kaphatnak termőföldjek jellegzetességeiről, éves trendjeiről, valamint bármilyen beavatkozás (trágyázás, permetezés) hatása nyomonkövethetővé válik a számukra.
Ne lepődjünk meg azon se ha a pénzintézetek és biztosítók is egyre gyakrabban alkalmazzák majd a műholdas adatokat, hiszen az ő munkájukat is nagyban segítik a műholdas NDVI adatok, akár egy hitel megítélésekor, akár egy kárfelmérés esetén.