PL 
EnglishDomyślny
Українська🌾 Prognoza plonów upraw — satelitarny NDVI spotyka dane pogodowe
Połącz syntetyczne satelitarne odczyty wskaźnika wegetacji (NDVI) z opadami deszczu i temperaturą, aby prognozować plony na siatce pola, i obserwuj, jak pas ufności modelu zwęża się w miarę postępu sezonu.
O prognozie plonów upraw
Prawdziwe prognozowanie plonów oparte na danych satelitarnych łączy trzy strumienie danych: wielospektralne wskaźniki wegetacji, takie jak NDVI, siatkowe dane pogodowe (opady, temperatura, promieniowanie słoneczne) oraz informacje o glebie — a następnie przepuszcza je przez model wzrostu upraw lub model statystyczny, by oszacować biomasę, a ostatecznie plon możliwy do zebrania. Ta symulacja buduje syntetyczną, lecz mechanistycznie realną wersję tego procesu: siatka pola 10×10, w której każda komórka ma własny mnożnik jakości gleby, jest napędzana tydzień po tygodniu przez sezon wegetacyjny wspólną trajektorią opadów i temperatury. Model "wiadra" wilgotności gleby przekształca cotygodniowe opady i ewapotranspirację w czynnik stresu wodnego; sumy temperatur efektywnych napędzają logistyczną krzywą rozwoju okrywy roślinnej; a model efektywności wykorzystania światła (LUE) — dokładnie ta sama formuła Monteitha (1972) używana przez rzeczywiste systemy operacyjne, jak MODIS-GPP — przekształca pochłonięte promieniowanie w biomasę, którą wskaźnik zbioru zamienia na plon ziarna.
Przeciągnij suwaki opadów i temperatury, aby zdefiniować scenariusz pogodowy sezonu, a następnie naciśnij odtwarzanie, by obserwować, jak NDVI zazielenia się na siatce pola w różnym tempie w zależności od jakości gleby w każdej komórce, podczas gdy dolny wykres śledzi prognozę plonu uśrednioną dla pola. 24-elementowy zespół Monte Carlo — każdy element odtwarza rzeczywistą pogodę zaobserwowaną dotychczas i losowo dopróbkowuje nieznaną resztę — tworzy zacieniony pas ufności, który poszerza się w fazie wegetatywnej, gdy narastająca niepewność efektywności skaluje się z zakumulowaną biomasą, a następnie zwęża się w kierunku zbiorów, gdy pozostaje coraz mniej nieznanych tygodni.
Najczęściej zadawane pytania
Czym jest NDVI i dlaczego działa jako wskaźnik zdrowia upraw?
NDVI (znormalizowany różnicowy wskaźnik wegetacji) obliczany jest z odbicia satelitarnego jako (NIR − Czerwień) / (NIR + Czerwień). Zdrowe, bogate w chlorofil liście silnie pochłaniają czerwone światło do fotosyntezy, jednocześnie silnie odbijając bliską podczerwień, więc gęsta zdrowa okrywa roślinna daje wartości NDVI bliskie 0,7-0,9. Goła gleba, woda oraz zestresowana lub rzadka roślinność odbijają czerwień i bliską podczerwień bardziej podobnie, dając wartości bliskie zeru lub nawet ujemne. Ponieważ NDVI śledzi powierzchnię zielonych liści i zawartość chlorofilu, a oba te czynniki są ściśle powiązane z ilością światła słonecznego, jaką uprawa może wychwycić do fotosyntezy, jest to jeden z najczęściej stosowanych wskaźników wejściowych w operacyjnych systemach prognozowania plonów na świecie.
Czym jest model efektywności wykorzystania światła (LUE) użyty w tej symulacji?
Model LUE (Monteith, 1972) mówi, że przyrost biomasy w danym okresie równa się APAR (pochłoniętemu promieniowaniu fotosyntetycznie czynnemu) pomnożonemu przez współczynnik efektywności wykorzystania światła, a następnie zredukowanemu przez czynniki stresu środowiskowego: Biomasa = APAR × LUE × stres. Samo APAR to FPAR (frakcja przychodzącego promieniowania pochłonięta przez okrywę roślinną, szacowana z NDVI) pomnożona przez docierające promieniowanie słoneczne. Ta symulacja oblicza FPAR z NDVI za pomocą prostej zależności liniowej, wyznacza APAR co tydzień i mnoży przez stały współczynnik LUE oraz mnożniki stresu wodnego/cieplnego, zanim zakumuluje się to w całkowitą biomasę, którą następnie przekształca się w plon ziarna za pomocą wskaźnika zbioru.
Jak opady i temperatura właściwie napędzają prognozę plonów?
Temperatura napędza dwie rzeczy: sumy temperatur efektywnych (GDD), które akumulują się jako max(0, cotygodniowa temperatura − temperatura bazowa) i określają, jak daleko zaawansowany jest rozwój okrywy roślinnej na logistycznej krzywej wzrostu, oraz ewapotranspirację (ET), która usuwa wodę z "wiadra" wilgotności gleby. Opady dodają wodę do tego samego wiadra. Stosunek wilgotności do pojemności wodnej gleby daje czynnik stresu wodnego między 0 a 1, który ogranicza zarówno wzrost okrywy roślinnej, jak i akumulację biomasy; temperatury znacznie powyżej lub poniżej optimum uprawy nakładają dodatkową karę stresu cieplnego. Przesunięcie suwaków opadów i temperatury regeneruje całą trajektorię pogodową sezonu oraz wiadro wilgotności gleby, dlatego mapa cieplna pola i krzywa plonu zmieniają się natychmiast po resecie.