Cảm biến LiDAR (Light Detection and Ranging) được gắn trên UAV có thể được sử dụng để thành lập bản đồ môi trường nước lũ, tính toán chiều cao tán cây, tính toán sinh khối cây trồng trong nông nghiệp.
Các bản đồ không ảnh trong nông nghiệp và lâm nghiệp là phương tiện để ước tính tình trạng sản xuất và môi trường hiện tại, đồng thời giám sát quá trình theo thời gian. Thông tin về tình trạng sản xuất và môi trường được sử dụng trong canh tác tại một khu vực cụ thể để điều chỉnh các biện pháp xử lý đất và cây trồng. Tuy nhiên độ phân giải không gian của dữ liệu cảm biến từ vệ tinh và máy bay có người lái vẫn còn thấp so với UAV. UAV có thể kiểm tra ở phạm vi gần và cung cấp những thông tin viễn thám (thông tin cảm quan) không gian với độ phân giải cao hơn nhiều lần. Vì thế, UAV đã được sử dụng trong nông nghiệp để phát hiện cây trồng và cỏ dại. Chiều cao của cây cũng được ước tính thông qua các kỹ thuật phân tích của các phần mềm thương mại như Li360 của GreenValley.
UAV LiDAR cũng được sử dụng để thành lập bản đồ rừng và các môi trường ngoài rừng. Các hệ thống UAV ngày nay có thể tải các loại cảm biến khác nhau như (LiDAR, camera RGB, Thermal, Multispectral, Hyperspectral để ghi lại dữ liệu ở độ cao 40-120m. Trong nông nghiệp LiDAR có thể giám sát thảm thực vật và mặt đất ở độ cao bay thấp, tuy nhiên khi bay quá thấp, luồng gió từ cánh quạt UAV có thể ảnh hưởng đến cây trồng.
Nitơ là thành phần dinh dưỡng và phải được bón hàng năm cho các loài cây không thuộc họ đậu. Tuy nhiên khi cây cối đổ rạp thì việc lọc Nitơ sau đó có tác động tiêu cực đến môi trường. Nhu cầu Nitơ phụ thuộc vào loại đất và loại cây trồng. Hiểu cách điều chỉnh lượng Nitơ bón theo nhu cầu của cây trồng sẽ giảm thiểu sâu bệnh và rửa trôi. Bón Nitơ chính xác theo nhu cầu cây trồng thì phụ thuộc vào khả năng tính sinh khối cây trồng và trạng thái Nitơ hiện có trong cây trồng.
Việc tính sinh khối cây được tính toán dựa vào thể tích của tán cây. Dữ liệu Point Cloud từ cảm biến LiDAR sẽ giúp ước tính cấu trúc của các lô (luồng/hàng) cây trồng, từ đó tính toán sinh khối cây trồng một cách chính xác.
Hình 1. Sử dụng cảm biến LiDAR thu thập dữ liệu đám mây điểm. (a) Khối point cloud thô; (b) trích xuất point–in–polygon; (c) loại bỏ dữ liệu ngoại lai (làm sạch dữ liệu); (d) voxel hóa.
Sử dụng cấu trúc dữ liệu Voxel, không gian địa lý được khái niệm hóa và biểu diễn dưới dạng một tập hợp các phần tử thể tích Vexel. Voxel là các giá trị của lưới chiếu trong không gian 3 chiều, tương tự như Pixel trong không gian 2 chiều. Bởi vì mật độ đám mây điểm thu được khác nhau trên 1 khu vực cụ thể, phụ thuộc nhiều vào phạm vi đo của LiDAR. Vì vậy để xử lý các Point Cloud phân bố không đồng đều này phải dựa vào thuật toán giảm dữ liệu của lưới Voxel.
Sau khi có lưới Voxel, các Pixel được nội suy cho diện tích bề mặt và được loại bỏ đi, chỉ còn lại lớp thực vật để dễ dàng tính toán chiều cao các lô cây trồng. Trong nhiều trường hợp thực phủ quá dày đặc và LiDAR không thể quét tới bề mặt đất, mặt phẳng nền được ước tính bằng phương pháp gần đúng (bình phương tối thiểu). Mặt phẳng tuyến tính được xác định là bề mặt bên dưới cây trồng. Từ đây có thể tính toán chiều cao trung bình của cây và khối lượng của từng lô cây. Ngoài ra chúng còn thể hiện những vùng có dinh dưỡng cao (thành phần Z của Pixel lớn nhất).
Bằng cách so sánh tổng lượng Nitơ được bón trong mùa với chiều cao trung bình của cây chúng ta có biểu đồ quan hệ dưới đây:
Hình 2. Mô hình mối quan hệ giữa chiều cao cây và lượng Nitơ được bón tương ứng.
Dựa vào mô hình này chúng ta có thể ước tính lượng đạm cần bón cho cây trồng tối ưu.
Như vậy, việc sử dụng LiDAR UAV cho mục đích lập bản đồ trồng trọt có những ưu thế và lợi ích không thể phủ nhận. Với công nghệ ngày càng phát triển, không những trong ngành nông nghiệp mà lâm nghiệp cũng đang triển khai triệt để những ưu điểm của nó bởi tính trực quan, chính xác, linh hoạt, người nông dân và kiểm lâm có thể giám sát sản phẩm cũng như tài sản của mình một cách tự chủ, tối ưu hóa năng suất cũng như giảm thiệt hại nhiều nhất có thể.
>>> Xem thêm: Công nghệ viễn thám UAV (UAV Remote Sensing) trong nông nghiệp thông minh
Tham khảo:
2. https://vision.eng.au.dk/future-cropping/uav_lidar/
3. https://www.mdpi.com/1424-8220/17/12/2703
Key: Agriculture; Airborne LiDAR; Environmental; Forestry; Mapping; point clouds; precision agriculture; Remote Sensing; Research; UAS; UAV; visualization;Geospatial Professionals aerial robotics; canopy estimation; crop monitoring; point cloud; winter wheat mapping
