Gis ve Uzaktan Sensing Soil İnceleme ve Mapping için

Modern Soil Soruşturmasına Giriş

Topraksal yaşamın temelidir, tarım, ormancılık, kentsel gelişim ve doğal ekosistemler. Doğru toprak soruşturması ve haritalama sürdürülebilir arazi yönetimi, ek optimizasyon, çevresel koruma ve altyapı planlama. Geleneksel alan bazlı toprak anketleri, temel olarak, iş yoğun, zaman-konsuming ve genellikle ulaşılamayan alanları kullanarak, uzaysal analizleri ve daha önceki tüm temel bilgileri kullanarak, coğrafik bilgileri kullanarak, temelsel verileri analiz eder.

GIS ve Uzaktan Sensing

GIS nedir?

A Geographic Information System (GIS), veri Katmanları yakalama, depolama, sorgulama, analiz etme ve coğrafi olarak referans edilen verileri görüntülemek için bilgisayar temelli bir çerçevedir.GIS donanım, yazılım ve veriler, kullanıcıların uzaktan algılama modellerine, ilişkilere ve trendlere izin vermek için çalışır. - topografi, toprak örtüsüne, toprak tipine, iklime ve hidrolojiye dayalı modeller.

Uzaktan Sensing Nedir?

Uzaktan algılama, bir nesne veya alan hakkında bilgi edinmeyi, genellikle uydular, uçaklar veya uçaklar üzerinde monte edilen sensörler kullanarak ifade eder ve elektromanyetik radyasyonu Dünya'nın yüzeyinden yansıyan veya yayılan farklı dalgalar - yakın, kısa dalga, yüzeysel ve termal - bölgesel toprak özellikleri için vazgeçilmez hale getirir. Örneğin, toprak rengi, nem içeriği, organik madde ve mineral kompozisyonları tüm etkiler.

GIS ve Uzaktan Sensing Work Together Birlikte Nasıl Çalışıyor

Uzaktan algılama ham görüntü oluştururken, GIS, anlamlı toprak bilgilerini elde etmek için analitik ortamı sağlar. Uydu görüntüleri ilk georeferans ve geometrik bir bozulmalar için düzeltilir ve düzeltilir.Sonra, bir GIS, spektral indeksler (e.g., Normalleştirilmiş Fark Vegetation Index, Soil İntegraed Vegetation Index) sürekli toprak gözlemleri ve zaman boyunca değişen geçici veya non-polasyon teknikleri (örneğin, kritch, ters bir ağırlıkta) uygulanmaktadır.

Soil Araştırmasında Anahtar Uygulamaları

Mapping Soil Tipleri ve Sınıfları

En temel uygulamalardan biri, toprak türlerinin ve vergionomik sınıfların büyük alanlara yönelik olarak belirlenmesidir. Geleneksel toprak haritalama yoğun alan örneği ve hava fotoğraf yorumuna dayanır, ancak uzaktan algılama sürecinizi hızlandırabilir. Multispectral görüntüleyiciden elde etmek için algoritmaları hızlandırabilir: 0,Landsat).

Soil Erosion ve Degradasyon

Su veya rüzgar tarafından erozyon, tarımsal verimlilik ve ekosistem sağlığı için büyük bir tehdittir. GIS ve uzaktan algılama, uzaysal olarak açık erozyon riski değerlendirmesini sağlar. Universal Soil Waste Equation (USLE) ve revizyonları (RUSLE) ve revizyonları, baskı-yönetmen faktörünü kullanarak parametrelenebilir (C-faktor) ve LiDAR-değerli bir bölge ölçeğini hesaplamak için en iyi yöntemsel yöntemlere izin verir.

Takip Soil Moisture

Soil nezaret, sualtı izleme ve hidrolojik modelleme için kritik bir değişkendir. Aktif ve pasif mikrodalga uzaktan algılama - küresel kapsama ile yüzeysel nem miktarı (0-5 cm derinlik) ile ilgili olarak.GIS, bu nezaretli sular kullanılarak incelenebilir.

Soil Salinity ve alkali Koşulları tespit etmek

Soil salinizasyon, özellikle de arid ve yarı-arid bölgelerinde geniş alan alanları etkiler. Salt-affected topraklar görünür ve yakın-frared gruplardaki imzalar sergilemektedir: Soil Salinity Index (SSI)[Düşük ve düşük hızda azaltılabilir. [SSI)[Döneticileri kullanarak, GIS ve uzaktan algılamalar haritada toplanabilir ve sabitlemeler.

Soil Organik Karbon (SOC) ve Ferttitude

Toprak sağlığı ve doğurganlıkın önemli bir göstergesidir. Hiperspectral uzaktan algılama (iming spectroskop) organik madde ile ilgili çeşitli absorpsiyon özelliklerini çözebilecek yüzlerce dar ⁇ bandı, hala nispeten yeni, hava kaynaklı sensörler, çünkü uzaydan gelen hiperspectral görevleri (örneğin, GISING) üzerinde doğru bir şekilde genişletilebilir.

Teknikler ve Data Sources

Uydu Sensörleri ve Platformlar

Çeşitli uydu görevleri toprak soruşturmaları için uygun ücretsiz veya düşük maliyetli görüntü sunar:

• [FONT:0)Landsat[[DÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜDÜD
• [FONT:0]Sentinel-2[[Dönem: 10-20 m multispectral (13 grup), 5-gün tekrar; bitki ve toprak haritası için mükemmel.
• [FONT:0)MODIS (NASA): 250-1000 m, günlük kapsama; bölgesel toprak nemi ve bitki izleme için kullanılır.
• [FONT:0)SMAP[DÜDÜT:1) (NASA): L-band radar ve radyometre; 3-9 km çözünürlükte toprak nem haritalarına adanmıştır.
• [FONT:0]Sentinel-1[[Dönem: C-band SAR; tüm hava kirliliği ve doku tahminleri.
• [FONT:0)PlanetScope[[Döneticiler): 3 m günlük multispectral görüntü (ortak hassas tarım için uygun);

Topografik ve Yapısal Bilgi için LiDAR

Işık algılaması ve Ranging (LiDAR), alt metre karelik dikey hassas ile son derece doğru dijital yükseklik modellerini (DEH) sağlar. Bu DEMs, bilgisayar eğimi, yönü, eğriliği ve akışları için çok değerlidir - toprak formasyonunu güçlü bir şekilde etkileyebilir ve LDAR'nın ayrıca bitki örtüsünü ortaya çıkarabilir.

Hiperspectral ve Multispectral Görüntüleme

Hiperspectral sensörler yüzlerce kontiguous dar ⁇ bandlarında verileri yakalar, toprak mineralojisinin ayrıntılı karakterizasyonuna izin verir, organik madde ve neziğe.TheurFLT:0)Airborne Visible/Infrared Görüntüleme Spectrometre (AVIRIS)) ve uzaydan gelen boşluklar ).PRISMA) görevin önemli örneklerdir.

Unmanned Aerial Tools (UAVs veya Drones)

Çokspectral, termal veya LiDAR sensörleri ile donatılmış jetonlar, küçük alanların (daha az sayıda kilometreye kadar) bulut kapak sorunlarının üzerinden aktarılması için ultra yüksek çözünürlüklü toprak verileri sunmaktadır.Bu özellikle hassas tarım için faydalı, çiftçilerin talep edilebilir haritalar içinde ayrıntılı olarak ihtiyaç duyduğu hassas tarım için. UAVs is deploy on-demand, avoid cloud cover issues that trouble satellite imagery.

Görüntü İşleme ve Analiz Teknikleri

Raw uzaktan algılama verileri toprak bilgilerini çıkarmak için işlenmelidir:

• [FONT=0] Radiometric ve atmosferik bir düzeltme[Dönetici 1] dijital sayıları yüzey yansıtacak şekilde dönüştürmeye çalışır.
• [FONT=0)Geometri düzeltmesi[[DFLT:1] bir harita koordinat sistemine görüntü hizalamak için.
• [FONT:0]Spectral indices[[Dönder:): Bitki örtüsü için NDVI, Toprak örtüsü için, UYGÜN, CI for color.
• [FONT:0)Klasikleştirilmiş toprak birimlerini haritalamak için (DATA) veya denetimsiz (k-means, ISODATA) desteklemek.
• [FONT=0)Regresyon modelleme[Dönetici: kısmi en az meydanlar regresyon (PLSR), yapay sinir ağları (ANN), veya rastgele orman sürekli toprak özelliklerini spektral bandlarından tahmin etmek için.
• [FONT:0)Değişim algılama[[DÜT:1): Toprak bozulması, erozyon veya arazi kullanımı değişikliğini tanımlamak için çok-temporal görüntüyü karşılaştır.

GIS'de Data'nın bütünleştirilmesi

Data Preprocessing and Harmonization

Etkili toprak haritası tutarlı bir uzaysal veri altyapısı gerektirir. Bir GIS'de, uzaktan algılama görüntüleri ortak bir koordinat sistemi ile entegre edilir ve yerel haritalar için 30 m (örneğin, Landsat tabanlı haritalama) Outliers ve boşluklar iç mekan örtüleri ile ele alınır.

Spasal Interpolasyon ve Geostatistics

Toprak özellikleri uzayda sürekli olduğundan, interpolasyon yöntemleri, işaretsiz yerlerdeki değerleri tahmin etmek için kullanılır) ve uzaysal otokorelasyon için hesaplanan bu hesap için genellikle daha doğrulayıcı yöntemlerdir.[Dönetici, normal ve ko-kriging) ve uzaktan tahmin edilenler, bu nedenle, kritch (örneğin,) ve uzaktan algılama yöntemleri, hedef toprak mülkleri arasındaki ilişki arasındaki ilişki, daha doğrulayıcılar için hesaplanan bu türevsel regresyona göre daha doğrulayıcılar tarafından belirlenir.

Dijital Soil Mapping (DSM)

GIS ve uzaktan algılamanın entegrasyonu, çevresel kovarianslarla ilgili olarak ortaya çıktı: 0,6, toprak haritaları, bakım, ebeveyn materyali ve uzayı).

İş Akışı Örnek: Tarım Alanlarında Soil Organik Karbon Haritası

Bir araştırmacının 50 km2 tarım bölgesinde SOS haritalamayı amaçlayan bir senaryo düşünün. İş akışı şunları içerebilir:

1. Sentinel-2 görüntü (bulutsuz, büyüyen sezon) ve bir LiDAR DEM.
2. Hesaplama indeksleri (NDVI,202, renk endeksleri) ve arazi özellikleri (slope, TWI, curvature).
3. Laboratuvar SOC analizi için 100 toprak örneği (0-30 cm derinliği) toplamak.
4. Uydu ve arazi kovarileri ile rastgele bir orman modeli eğitimi için 70 örnek kullanmak; geçerlilik için 30 örnek.
5. Tüm bölgede SOS'u tahmin edin ve sonuçları bir GIS'de haritalayın.
6. Arazi sahipliği parsels ile SOS haritasını değişken olarak kontrol veya gübre uygulamasına yönlendirmek için iptal edin.

Faydaları ve Zorluklar

Anahtar Faydaları

• [FONT:0]Cost ve zaman verimliliği[[Dönetici: Saha örneği haftaları gerektiren büyük alanları kapsayan kaplamak, uydu görüntüleriyle saatler alır.
• [FONT:0]Syn optik ve tekrarlanabilir kapsama[[Dönem: Uydular her birkaç gün aynı bölgeyi tekrar ziyaret eder, toprak dinamiklerinin zaman izlemesine izin verir (örneğin, mevsimsel nez, fırtınalardan sonra erozyon).
• [FONT:0) Yüksek uzaysal karar[[Dönetici: 1) Modern sensörler, hassas tarım için iyi ölçeklenebilirlik sağlamak için alt metreye 10 m kararı verir.
• [FONT:0) Çok katmanlı entegrasyon[[Dönetici: GIS, toprak verisinin topografi, iklim ve arazinin kapsamlı analiz için kullanılmasını sağlar.
• [FONT:0)Gelişmiş doğruluk[[[Dönetici:0))[[Döneticileri uzaktan algılama ile birleştirmek, genellikle alan verilerinin yalnızca, özellikle güçlü ⁇ veya topografik imzalara sahip özellikler için daha doğru haritalar verir.
• [Uygunluk:0) Uzak bölgelere ([Döneticiler) erişim için zor veya tehlikeli olan bölgelerde arazi soruşturmasını sağlar (örneğin, çatışma bölgeleri, ıslak bölgeler, dik yamaçlar).

Meydanlar ve Sınırlar

• [FONT:0) Teknik uzmanlık gerekli : Görüntü işleme, geostatistik ve makine öğrenimi özel eğitim talep etmektedir. Birçok tarım uzatma servisi bu kapasiteye sahip değildir.
• [FONT:0]Data volume and processing complex[[Dönetici: Yüksek çözünürlüklü görüntü ve zaman serisi, güçlü hesaplama ve depolama gerektiren verilerin terabaylarını oluşturur.
• [FONT:0)Cloud cover ve atmosferik etkiler[[Dönetici: Optik uzaktan algılama bunu tropikal bölgelerde kalıcı bulut örtüsü ile engellenir. SAR bunu hafifletebilir ancak farklı işleme becerileri gerektirir.
• [FONT:0]Mixed Pixel problemleri[Dönetici: Orta çözünürlükte (örneğin, 30 m), tek bir piksel birden çok toprak türü, bitki örtüsü ve gölgeler, katılama analizleri içerebilir.
• [FONT:0] Zemin gerçeği için düşünülmüş durumda [Döntilmiş: Uzaktan algılama modelleri, alan örnekleriyle kalibre edilmeli ve doğrulanmalıdır. Yeterli zemin veri olmadan, haritalar güvenilmez olabilir.
• [FONT:0) Yüksek başlangıç maliyetleri[Dönemli: Birçok uydu veri setleri ücretsizdir, LiDAR, hiperspectral veya yüksek çözünürlüklü ticari görüntüyü elde etmek önemli maliyet gerektirir.
• [FONT=0)Soil derinlik sınırlamaları[[Dönetici: Optik ve radar uzaktan algılama sadece toprağın ilk birkaç santimetresine nüfuz eder. Subsurface özellikleri (örneğin, subsoil doku, kompaktion) doğrudan anlamlı olamaz; yüzey göstergelerinden ve modellerden itibaren ertelenmelidir.

Future Perspektifleri

Makine Öğrenme ve Yapay Zeka

Advances in machine learning, particularly deep learning (convolutional neural networks, recurrent networks), are enabling more accurate and automated extraction of soil information from remote sensing imagery. For example, CNNs can learn spatial patterns in high-resolution images to classify soil types or estimate SOC without handcrafted features.Transfer öğrenme, modellerin büyük veri setlerinde (örneğin, ImageNet) minimum yerel verilerle toprak haritalama görevleri için iyi niyetli olmasını sağlar. AI ayrıca otomatik kaliteli kontrol ve outlier algılamayı da kolaylaştırır.

Bulut Bilişim ve Büyük Veri Platformları

Google Earth Engine ) gibi platformlar, www.D:2)Amazon Web Hizmetleri (AWS) Dünya) ve [[Döneticileri 4 ) Microsoft Planetary Computer) çok sayıda uydu görüntü ve önceden inşa edilmiş analiz araçlarına erişim sağlamak için bu bulut tabanlı ortamlar yerel veri depolama ve yüksek düzey hesaplamalar için ihtiyaçlarını ortadan kaldırmaktadır. Kullanıcılar, küresel ölçekli toprak haritalama algoritmaları birkaç dakika içinde çalıştırabilir.

IoT ve In-Situ Sensörleri ile entegrasyon

Nesnelerin İnterneti (IoT) uygun bir toprak sensörleri (moisture, sıcaklık, EC, pH) tarımsal alanlara kadar getiriyor. Bir GIS'de uydu görüntüleyicisi ile IoT veri akışlarını birleştirmek, uzaktan algılama modelleri için yoğun bir gözlem ağı oluşturur. Örneğin, bir toprak neziği ağı SMAP tahminleri ve alt algoritmaları doğrulayabilir.Bu karma yaklaşım gerçek zamanlı olarak güncellenmiştir.

Hiperspectral Uydu Konstellasyonları

Yeni uydu görevleri – NASA'nın 03.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D.D

Tarım ve Sürdürülebilir Arazi Yönetimi

Toprak soruşturmasının nihai hedefi daha iyi arazi yönetimi bilgilendirmektir. GIS ve uzaktan algılama, çiftlik yönetim sistemlerine daha entegre hale gelir, değişken-yaralı teknolojiler (DG 15.3) ve yüksek çözünürlüklü toprak haritalarına dayanan girişler uygulanır. Bu, maliyetleri azaltır, verimler azaltır ve çevresel kirliliği azaltır.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

GIS ve uzaktan algılama, deneysel araçlardan toprak soruşturması ve haritalamadaki ihtiyaçlara taşındılar.Onlar, arazileri statik puanlar olarak görmeye olanak sağlarlar, ancak dinamik, uzaysal sürekli sistemler olarak bu yeteneği birleştirerek, GIS'nin analitik gücü ile hassas toprak bilgilerini birleştirir, toprak bilim adamları, çevre yönetimi, veya arazideki tüm kıtalara kadar ölçeklendirmeleri desteklerler.