Kan man använda gratis data och gratis mjukvara för att förbättra resultatet i jordbruket?
Då mina jordbrukskunskaper sträcker sig till gräsklippning (nej, vänta det har en robot tagit över) och någon sporadisk krasseodling, så kan jag inte svara bestämt på frågan. Men jag tänker titta lite på vilka möjligheter man har, och hur det skulle kunna gå till.
Jag använder QGIS (såklart http://qgis.org) och data från Lantmäteriets öppna data som grund och satellitbilder från ESA för ”analyser”.
http://www.lantmateriet.se
https://scihub.copernicus.eu
Bilderna från Sentinel programmet har olika inriktning, men jag använder data från Sentinel 2, som är en högupplöst bildgenererande multispektral sensor som täcker in båda sidor av det synliga färgspektrat.
Man får ha lite tur med moln och liknande för att hitta en aktuell bild över det område man är intresserad av, men då jag bara provar lite så kan jag välja ett område utan moln, och då blir det södra Vätternområdet och bilden är tagen den 22 April 2016 (2016-04-22T10:20:25.000Z).
För bearbetning av multispektrala bilder i QGIS så finns ett trevligt insticksprogram kallat Semi-Automatic Classification PlugIn. Det är lite avancerat, så i många fall så räcker det med vanlig stilsättning av något eller några av de multispektrala lagren för att få ett resultat. Jag använder insticksprogrammet för att få fram bilder och resultat, men i det här inlägget så försöker jag fokusera på det som är lite enklare.
För att göra det lite enklare så behöver man läsa på lite rörande vilka våglängder de olika banden har, och vilken nytta man kan ha av dessa i jordbruket.
Band 2, 3 och 4 är det vi normal kallar synligt ljus, men i det här fallet så verkar 5, 6, 7 och 8A vara lite intressanta.
Bilden ovan är med band 2, 3, 4 utanför Skövde. Där finns såväl en måttligt stor stad, åkrar, skog och vatten.
Om jag laborerar lite med banden 5, 6, 7 i stället så kan jag få fram en annan bild (med pseudofärger som i sig inte betyder något).
Jämför man bilderna ovan så är det tydligt att det som är ”rött” i NIR verkar vara områden utan vegetation och ju grönare, desto mer vegetation finns där. På åkrarna är det ingen större skillnad i bilderna, men det framträder desto tydligare skillnader i skogsområdena. Varför? Ingen aning…
Band 9 (ovan) är ett band valt för att det avbildar vatten och vattenånga/avdunstning på ett bra sätt. Hur man kan använda detta i jordbruket kan jag bara spekulera i.
Spekulationerna:
Dåså, efter lite sökning på Internet så hittade jag en intressant bild som kan vara relevant i sammanhanget.
Bilden ovan kommer från http://www.micasense.com/
Det verkar som att de band som finns i Sentinel2 inte är helt slumpvis valda…
Om ett odlingsområde börjar följa intensiteten som motsvarar den svarta kurvan ovan så behöver man kanske sätta in åtgärder…
Om man för varje pixel jämför värdet i band 8A med band 5 (exempelvis) och ger ett nytt lager pixelvärdet som motsvarar skillnaden, så… Jag provar.
Jag använder QGIS inbyggda ”rasterkalkylator” för att dra bort värdet i band 5 från värdet i band 8A. Negativa värden (blått i bilden) följer inte kurvan tidigare, vilket motsvaras av vatten i det valda området, och ju rödare desto större är skillnaden i intensitet, vilket enligt kurvan skulle betyda mer stressad vegetation.
Områden som inte har någon vegetation kan ge falska resultat men låt mig ta ett exempel från bildens mitt.
I dessa åkrar norr Värsås kan man nästan gissa sig till lite skillnader i den vänstra bilden, men jämfört med det beräknade ”stressindex” till höger så är skillnaden uppenbar.
Om detta i sig betyder något skall nog inte jag utvärdera, men om du håller på med jordbruk och är lite GIS-intresserad så kanske jag har sett till att du fått en ny hobby?
Klicka på bilden ovan för exempel på kartprodukt baserad på dessa data.
Notera!
Läs noga villkoren för att använda data från Copernicus (Sentinel 2). Så långt jag kan läsa mig till är data helt fria att använda, men man skall nog passa sig för att försöka sälja dem vidare.
Hmm.
Har jag vänt på betydelsen av rött och grönt? Oavsett vilket, ta mina presenterade resultat med en stor nypa salt. Det är principen som är intressant.