A távérzékelési adatok – műholdképek, drón felvételek – hasznos információ források lehetnek. A távérzékelésben használt szenzorok azt mérik, hogy a vizsgált felületre (talaj, növényzet) beeső fény a különböző hullámhossz tartományokban milyen arányban nyelődik el illetve verődik vissza. A különböző hullámhossz tartományokban mért visszaverődési értékek alapján képet kaphatunk a vizsgált felület bizonyos tulajdonságairól. A mezőgazdaságban ezen értékekből ún. vegetációs indexeket számítunk, illetve azokból térképeket készítünk.
NDVI (Normalizált Differenciális Vegetációs Index)
Az egyik legismertebb vegetációs index, mely a növényzet vegetációs aktivitását méri. Azt vizsgálja, hogy a fotoszintézisben hasznosítható hullámhossz tartományba eső fényből mennyit nyel el a növény. Minél élénkebb a fotoszintézis illetve minél több a fotoszintetizáló növényi felület, annál többet. Az NDVI térkép képet ad a vegetációs aktivitás és a vegetáció mértékének táblán belüli különbségeiről. Ezáltal hasznos információ a táblán belüli heterogentiás megítélésében, és felhívhatja a figyelmünket a táblán belül előforduló problémák (belvíz, elhúzódó kelés, tápanyaghiány, vadkár, növény betegség) előfordulására. Az okok felderítésére viszont már nem elegendő. Több tábla térképét, illetve az egyes táblákon az NDVI alakulását végig kísérve követhető a növényzet fejlődése, összehasonlítható különböző fajták, hibridek vagy eltérő növénytermesztési technológiák hatása. Igaz, ezek továbbra sem egzakt értékek, de támpontot adhatnak.
Az NDVI értéket használják N fejtrágyázás kiinduló információjaként is, mivel a fotoszintézis mértéke arányos a növényzet klorofill tartalmával (is), melynek pedig fő alkotó eleme a nitrogén. Mérhető gépre szerelt szenzorral is.
Alkalmas-e az NDVI a hozam mérésére? Szabad-e zónákat kialakítani NDVI alapján?
Gyakran felmerül ez a kérdés. Az NDVI önmagában nem teszi lehetővé a hozam mérését! Számos tudományos vizsgálat kimutatta, hogy a hozam és az NDVI érték közötti kapcsolat egyrészt nem kellően szoros, másrészt az összefüggés szorossága változó, nem állandó. Ebből adódóan, nem tudunk egy fix képletet felállítani, amivel az NDVI értékből a hozamot kellő pontossággal meg tudnánk határozni.
Éppen ezért, ha zónákat akarunk kialakítani, ezt figyelembe kell vegyük. A helyspecifikus növénytermesztés lényege éppen az, hogy a helyi termőképességhez igazítjuk az inputanyag felhasználást. A technológia legsarkalatosabb pontja ennek megfelelően a termőképesség minél pontosabb meghatározása. Ezért, a fentiek alapján, NDVI-ra alapozott zóna kialakításkor tisztában kell lennünk ennek a módszernek a nagyobb pontatlanságával.
Kivételt jelent, ha valamely tényező egyértelműen meghatározza az elérhető hozamot és hatása jól láthatóan megjelenik az NDVI értékben. Ilyen esetet mutat a lenti példa, ahol a domborzat bizonyult ilyen meghatározó tényezőnek. A terület minden évben, minden kultúra esetén lényegében azonos mintázatot mutatott, ez a mintázat pedig teljes egyezést mutatott a domborzattal. A helyi tapasztalat visszaigazolta, hogy a gyenge (vörös) foltokban a hozam jelentősen elmaradt az erősebb (zöld) részek hozamától. Mivel az ok is ismert és azt nem lehet megváltoztatni, a gyenge részeken az inputfelhasználást célszerű csökkenteni. Ezzel a biztosan gyenge részeken a felesleges inputfelhasználást le tudjuk csökkenteni. A hozam, illetve a termőképesség pontos ismerete nélkül viszont ennek a csökkentésnek mértékét csak becsülni lehet. Ez tehát közelítő, de nem egzakt megoldás.
Kiegészítő információként viszont minden esetben hasznos lehet.
Az NDVI és a hozam közötti kapcsolat sajátosságát jól mutatja a lent idézett tanulmány, ahol őszi búza esetében vizsgálták ezt a kérdést. A grafikonokon jól látható, hogy az értékek jelentős szórást mutatnak – ugyanazon NDVI érték jelenthet 2,6 de akár 4 t/h hozamot is.
Az NDVI és a valós hozam kapcsolata búzában a vegetációs időszak során
NAQVI, S. M. Z. A. – TAHIR, M. N. – SHAH, G. A. – SATTAR, R. S. – AWAIS, M. (2018): REMOTE ESTIMATION OF WHEAT YIELD BASED ON VEGETATION INDICES DERIVED FROM TIME SERIES DATA OF LANDSAT 8 IMAGERY. APPLIED ECOLOGY AND ENVIRONMENTAL RESEARCH 17(2):3909-3925. http://www.aloki.hu ● ISSN 1589 1623 (Print) ● ISSN 1785 0037 (Online) DOI: http://dx.doi.org/10.15666/aeer/1702_39093925 (C) 2019, ALÖKI Kft., Budapest, Hungary
Más szerzők kukorica és szója esetén tettek hasonló megfigyelést.
A hozam és a Landsat, MODIS, ill. azok kombinációjából előállított NDVI értékek közötti összefüggés.
F. Gao, M. Anderson, C. Daughtry and D. Johnson (2018): Assessing the Variability of Corn and Soybean Yields in Central Iowa Using High Spatiotemporal Resolution Multi-Satellite Imagery. Remote Sens. 2018, 10, 1489.