Nông nghiệp thông minh (Smart Agriculture) là sử dụng hiệu quả các nguồn tài nguyên của trái đất để nuôi sống thế giới. Vì thể đòi hỏi thu thập, lập mô hình và quản lý dữ liệu phải tiên tiến và chính xác. Công nghệ viễn thám UAV có thể đóng vai trò quan trọng trong việc này.
Lợi thế khi ứng dụng Công nghệ viễn thám UAV trong nông nghiệp thông minh
Khi dân số thế giới tiếp tục tăng, nhu cầu về lượng thực thực phẩm cũng tăng. Đồng thời hàng hoạt thách thức toàn cầu và địa phương đang đe dọa “an ninh lương thực”. Trong bối cảnh này, nhiều công nghệ và kỹ thuật khác nhau đã được đề xuất và xem xét trong những thập kỷ gần đây để đảm bảo sử dụng hiệu quả các nguồn tài nguyên nông nghiệp của hành tinh, tức “nông nghiệp thông minh”
Nông nghiệp thông minh tập hợp nhiều công nghệ và ứng dụng tiên tiến bao gồm công nghệ viễn thám vệ tinh và UAV, mạng cảm biến dựa trên internet vạn vật (IoT), dự đoán bệnh tật và côn trùng dựa trên kỹ thuật số, cơ giới hóa hệ thống tưới tiêu, kiểm soát ánh sáng và nhiệt độ, quản lý đất và các nhiệm vụ liên quan khác. Trong tất cả công nghệ đó thì trị đo mặt đất (EO-Earth Observation) đóng vai trò quan trọng nhất trong việc chẩn đoán, mô hình hóa và phòng ngừa. Là một trong những công nghệ EO trên không phát triển nhanh nhất, UAV mang lại lợi thế hơn công nghệ đo lường truyền thống, kể cả công nghệ đo đường bằng hình ảnh vệ tinh:
- UAV cho phép ảnh ứng nhanh hơn, linh hoạt hơn và thuận tiện hơn đối với các vấn đề liên quan đến cây trồng.
- Lập bản đồ với các cánh đồng trồng trọt lớn hơn với phép đo thực địa truyền thống.
- Hỗ trợ thu thập dữ liệu hiệu quả bằng các cảm biến khác nhau.
- Hoạt động được với cả những ngày nhiều mây.
- Trích xuất thông tin cây trồng với độ phân giải không gian và thời gian cao hơn.
- Cho phép xác định vị trí cây trồng chính xác giúp hỗ trợ ra quyết định nhanh hơn.
Hơn nữa hình ảnh UAV có một số lợi thế so với ảnh thu được từ vệ tinh hay từ máy bay có người lái:
- Tác động của các đám mây ít hơn do độ cao bay thấp hơn nhiều so với vệ tinh và máy bay có người lái.
- Khối lượng dữ liệu lớn được thu thập trong thời gian ngắn.
- Kiểm soát hoàn toàn bởi người dùng.
- Ít bị ảnh hưởng bởi khí quyển.
- Chi phí vận hành thấp hơn nhiều.
Ứng dụng UAV trong nông nghiệp thông minh như thế nào?
Ngày nay, UAV có thể được trang bị các cảm biến thu thập dữ liệu khác nhau như camera RGB, đa phổ, siêu phổ, nhiệt hoặc LiDAR. Các cảm biến này đóng vai trò quan trọng trong nông nghiệp thông minh kỹ thuật số. Kỹ thuật này có thể là yếu tố chính cải tiến độ chính xác của nông nghiệp, tăng năng suất cây trồng và bảo vệ cây trồng có mục tiêu.
Thực vật phản xạ ánh sáng ở các mức độ khác nhau tùy thuộc vào hàm lượng chất diệp lục và sinh khối của chúng. UAV có camera đa phổ hoặc siêu phổ đo năng lượng phản xạ nhận được từ mặt trời ở các vùng quang phổ khác nhau. Mức năng lượng phản xạ trở lại từ thảm thực vật và mối quan hệ từ các dải phổ khác nhau có thể cho phép lập chỉ mục về tình hình sức khỏe của cây trồng. Có nhiều chỉ số thực vật khác nhau như chỉ số NDVI (Normalized Difference Vegetation Index) biểu thị cho độ che phủ của lá và sức khỏe của cây, nếu NDVI cao tức là mức độ tập trung sinh khối cao. Do đó NDVI và các chỉ số thực vật khác thể hiện tiềm năng lớn để tăng sản lượng lương thực nông nghiệp theo hướng bền vững hơn.
Hình 1. Sử dụng UAV cho nông nghiệp thông minh, mối liên hệ giữa các cảm biến, chỉ số thực vật và các ứng dụng.
Dữ liệu quang phổ thu thập bằng UAV được phân tích để đánh giá xem cây trồng là tươi hay khô, khoanh vùng bất kỳ khu vực nào có dấu hiệu sớm bị sâu bệnh xâm nhiễm. Ngoài ra thông quang phổ này khi được kết hợp với thông tin 3D từ các mô hình DSM (Digital Surface Models) và các bản đồ dòng chảy có thể được sử dụng để nâng cao hiệu quả của hoạt động tưới tiêu hoặc xử lý thuốc trừ sâu.
Những trị đo và chỉ số thực vật:
Một số chỉ số thực vật quang phổ đã được đề xuất và xác định để đo các đặc tính của thực vật. Các đặc tính vô hình có thể chuyển thành các chỉ số hữu hình bằng cách tạo ra các bản đồ màu sắc hoặc chỉ số màu thích hợp như:
- Chỉ số diện tích lá: Leaf Area Index (LAI) thể hiện tình trạng tăng trưởng của cây trồng.
- Chỉ số sức khỏe thực vật: NDVI được dùng để đánh giá sự thay đổi không gian của LAI dự kiến.
- Chỉ số độ xanh: Triangular Greenness Index (TGI), chỉ số này dựa vào hình ảnh RGB để xác định các khu vực có nhiều lá che phủ.
- Chỉ số kháng khí quyển: Visible Atmospherically Resistant Index (VARI) được sử dụng để ước tính các yếu tố thực vậy có độ nhạy thấp với khí quyển.
- Sinh khối trên mặt đất: Above Ground Biomass (AGB) bao gồm tất cả sinh khối thực vật sống trên mặt đất như thân cây, cành cây, tán cây, lá cây,…Đây là chỉ số quan trọng để giám sát sự phát khí thải nhà kính và các dự án liên quan khác.
Ngoài ra còn có các chỉ số khác như: Chỉ số lớp phủ thực vật – Fractional vegetation cover (FVC); Chỉ số diện tích xanh – Green area index (GAI); Chỉ số vùng nâu – Brown Area Index (BAI); Chỉ số Diện tích Thực vật – Plant Area Index (PAI).
Các cảm biến dùng trong nông nghiệp thông minh
Một số loại cảm biến thường được sử dụng cho Nông Lâm nghiệp được phân loại dưới đây:
– Camera quang học RGB:
Là loại cảm biến rẻ nhất và thường được sử dụng trong nông nghiệp thông minh. Chúng có trọng lượng nhẹ, dễ tiếp cận và sử dụng, chúng có thể chụp ảnh trong nhiều điều kiện thời tiết khác nhau như ngày nắng hoặc nhiều mây. Hạn chế của những cảm biến này là độ phân giải phổ thấp khiến chúng không đủ khả năng để đo các chỉ số liên quan đến thảm thực vật. Do đó cảm biến RGB thường được sử dụng kèm các cảm biến khác.
– Camera đa phổ (Multispectral-MS) và siêu phổ (Hyperspectral-HS):
Dữ liệu quang phổ rất hữu ích trong việc đánh giá một số đặc tính sinh học và vật lý của cây trồng. Hình ảnh thu được từ UAV trang bị các cảm biến đa phổ và siêu phổ cung cấp thông tin về sự hấp thụ và phản xạ quang phổ của thảm thực vật ở các dải khác nhau. Cây trồng bị bệnh sẽ được phát hiện sớm vì chất diệp lục hấp thụ ánh sáng nhìn thấy được ở kênh màu đỏ. Những cải tiến công nghệ trong sản xuất đã cho ra đời các cảm biến đa phổ trọng lượng thấp, có thể được mang trên các loại UAV thương mại hạng nhẹ. UAV Wingtra one II với cảm biến đa phổ MicaSense RedEdge là một điển hình.
Hình 2. Dải phổ của cảm biến Micasense RedEdge.
Với cảm biến này chúng ta có thể thu được dải bước sóng rộng hơn bao gồm cả NIR. Sử dụng camera đa phổ tương tự có thể lấy được chỉ số NDVI và một số chỉ số thực vật khác.
Các cảm biến siêu phổ cũng đã được cải tiến để có trọng lượng nhẹ hơn, và gắn dễ dàng lên các UAV loại nhẹ. Chúng có phạm vi quang phổ lớn hơn cảm biến đa phổ nhưng độ phân giải không gian lại thấp hơn.
– Camera nhiệt:
Khi vật thể ấm hơn nhiệt độ tuyệt đối, chúng phát ra ánh sáng hồng ngoại ở bước sóng tỷ lệ thuận với nhiệt độ của chúng. Máy ảnh nhiệt thu bức xạ ở từng bước sóng cụ thể sau đó chuyển thành hình ảnh ở thang độ xám để thể hiện nhiệt độ. Một số máy ảnh nhiệt có thể chuyển đổi năng lượng nhận được và biến nó thành nhiệt độ tuyệt đối của vật thể. Trong trường hợp này hình ảnh có thể được biểu thị bằng màu sắc, với các đối tượng nóng hơn thường được biểu thị bằng màu đỏ và các đối tượng lạnh hơn là màu xanh lam.
Viễn thám UAV nhiệt đã được sử dụng thành công trong nông nghiệp để kiểm tra sức khỏe thực vật dựa trên giả định rằng thực vật tươi thường ít khô ở nhiệt độ thấp hơn. Hơn nữa những hình ảnh này còn có thể xử lý thêm bằng các phần mềm thương mại như PIX4Dfields, PIX4Dsurvey, PIX4Dmapper, PIX4Dmatic,…để trích xuất thông tin lập bản đồ tưới tiêu, quản lý phân bón/thuốc trừ sâu và ước tính năng suất. Ngoài ra hình ảnh nhiệt còn hỗ trợ đánh giá các giai đoạn trưởng thành của cây trồng, xác định các thiệt hại cây trồng qua các hiểm họa như hỏa hoạn và thiên tai, lũ lụt,…
– LiDAR:
Dữ liệu Point cloud từ LiDAR thì rất cần thiết để đánh giá chiều cao của cây, hiện tượng cây trồng và nguồn nước,…Ước tính các tham số này sẽ đáng tin cậy hơn khi có tập dữ liệu Point Cloud độ cao. LiDAR UAV là lựa chọn duy nhất để đo các cấu trúc thẳng đứng 3D. Ví dụ phép đo chiều cao tán cây dựa trên các xung Laser phản hồi lại cảm biến từ thảm thực vật và bề mặt đất ở nhiều phản xạ và độ cao khác nhau.
Trong những năm gần đây, các mô hình DTM (Mô hình số địa hình) và DSM (Mô hình số bề mặt địa hình) được tạo ra từ dữ liệu LiDAR đã được sử dụng để giám sát cấu trúc cây trồng và tạo ra mô hình chiều cao tán cây (CHMs-canopy height models). Để xác định CHM, người ta đi so sánh DSM tại các thời điểm khác nhau trong mùa sinh trưởng. Các phương pháp sử dụng LiDAR cũng đã được ứng dụng để tính PAI- Plant Area Index dựa trên mật độ tán cây. Lợi ích cơ bản của công nghệ LiDAR là độ nhạy của chúng đối với những thành phần thực vật xanh và không xanh.
Những ứng dụng của viễn thám UAV trong nông nghiệp thông minh:
Dữ liệu thu thập từ cảm biến LiDAR trên UAV hoặc cảm biến hình ảnh trên UAV có thể được sử dụng cho nhiều mục đích khác nhau như giám sát hoặc lập kế hoạch nông nghiệp bao gồm:
- Giám sát sức khỏe cây trồng.
- Đánh giá độ khô của thảm thực vật và đất.
- Đánh giá nhu cầu phân bón.
- Phát hiện sâu bệnh và thiệt hại cây trồng.
- Quan sát tăng trưởng cây trồng và tối ưu hóa thu hoạch.
- Lập bản đồ lưu lượng nước và tối ưu hóa tưới tiêu.
- Giám sát xói mòn và mất đất.
- Tạo bản đồ độ dốc và khu vực tiếp xúc với ánh nắng mặt trời.
Chi tiết các ứng dụng được mô tả dưới đây:
– Quản lý tưới tiêu:
Một ứng dụng chính của công nghệ UAV trong nông nghiệp thông minh là quản lý tưới tiêu cho cây trồng, trong đó hiệu quả sử dụng nước được tăng lên bằng cách sử dụng nguồn tài nguyên ở vị trí và thời điểm tối ưu. UAV với các loại cảm biến thích hợp có thể được sử dụng để xác định vị trí các khu vực cây trồng cần tưới nước bổ sung. Điều này tác động tích cực đến sản xuất cây trồng nói chung.
Máy ảnh nhiệt là một trong số cảm biến được sử dụng phổ biến cho ứng dụng này. Bằng cách sử dụng hình ảnh nhiệt có thể thành lập bản đồ về sự biến đổi tiềm năng nước trên một cánh đồng, xác định hệ thống tưới tiêu bị trục trặc hoặc không đồng đều. Ảnh nhiệt cũng cho phép xác định tình trạng tăng nhiệt trước khi cây trồng bị tổn hại vĩnh viễn.
– Bảo hiểm cây trồng:
UAV có thể xác định tình trạng thiệt hại mùa màng trên một vùng bao phủ rộng. Giảm thời gian và chi phí liên quan so với việc kiểm tra đánh giá thiệt hại thủ công, đồng thời cải thiện độ chính xác của hoạt động kiểm tra và đưa ra các tài liệu báo cáo hiệu quả hơn.
– Lập bản đồ cỏ dại:
Lập bản đồ cỏ dại là một ứng dụng quan trọng của nông nghiệp thông minh dựa trên UAV. Cỏ dại ảnh hưởng tiêu cực đến sự phát triển của thực vật vì chúng tranh giành nguồn tài nguyên như nước và không gian để phát triển. Phun thuốc diệt cỏ lên cánh đồng là hoạt đồng thông thường, tuy nhiên nếu lợi dụng quá mức sẽ gây nên sự kháng thuốc và ảnh hưởng đến sự phát triển và năng suất của cây trồng. Ngoài ra còn ảnh hưởng đến môi trường và làm tăng giá thành. Dựa trên hình ảnh UAV có thể lập khu vực cỏ dại và phun thuốc có mục tiêu. Việc xác định vùng cỏ dại dựa trên hình ảnh UAV là hoàn toàn có thể xác định được dựa vào hình dạng, cấu trúc và độ tương phản của chúng.
– Phát hiện thiệt hại cây trồng:
UAV được sử dụng để tạo các bản đồ số 3D của cây trồng, dữ liệu hình ảnh cây trồng từ UAV có thể được phân tích bằng các phần mềm xử lý dữ liệu ảnh của PIX4D để phát hiện những thay đổi về sinh khối và sức khỏe cây trồng. Do đó các dấu hiệu sâu bệnh có thể được phát hiện trong giai đoạn đầu của quá trình, cho phép người nông dân hành động để giảm thiểu thiệt hại.
– Lập kế hoạch bón phân cho cây trồng:
Phân bón phổ biến nhất thế giới hiện nay là đạm, nó là thành phần quan trọng của chất diệp lục, là chìa khóa cho sự sống còn của thực vật. Kiểm soát lượng phân bón sẽ có lợi cho cả cây trồng và ngân sách. GAI là chỉ số được sử dụng phổ biến nhất để tính toán khi nào và ở đâu cần sử dụng Nitơ. Thông thường bản đồ cây trồng được mã hóa màu theo các giá trị GAI, với GAI thấp sẽ cần cho lượng Nitơ nhiều hơn.
– Kiểm tra khu vực cây trồng ngập nước:
Để đánh giá tổn thất cần được bảo hiểm, UAV có thể bay qua các khu vực bị thiệt hại để thu thập dữ liệu bằng cảm biến RGB hoặc MS. Dữ liệu được phân tích và đánh giá tổn thất mùa màng bởi kỹ thuật tiên tiến của các phần mềm PIX4Dmapper và PIX4Dfields.
Để phân tích thiệt hại mùa màng và các thiệt hại cũng như các báo cáo cho người dân kịp thời phát hiện, trước tiên người kiểm tra tổn thất phải xây dựng một loạt các hình ảnh trực quan tương tự như hình ảnh trực giao. Người kiểm tra tổn thất cũng có thể tính các chỉ số NDVI, nó có hiệu quả trong việc phát hiện thảm thực vật và đất trống để phát hiện mức độ thiệt hại.
Tóm lại, bài viết này đã nêu được những lợi ích của việc sử dụng công nghệ viễn thám UAV trong nông nghiệp thông minh ở những ứng dụng cụ thể khác nhau. Nó cũng nêu bật những lợi thế so với công nghệ viễn thám từ vệ tinh và phương pháp khảo sát từ thực địa.
>>> Xem thêm: Quản lý Nông nghiệp chính xác với Drone LiDAR
Tham khảo:
2. https://www.gim-international.com/content/article/uav-remote-sensing-for-smart-agriculture
