ໃນຊ່ວງເວລາໃດນຶ່ງຂອງລະດູປູກ, ຜູ້ປູກມັນຕົ້ນຕ້ອງຕິດຕາມສະພາບໄນໂຕຣເຈນຂອງພືດຂອງຕົນເປັນປະຈຳ ເພື່ອໃຊ້ປຸ໋ຍໃຫ້ມີປະສິດທິພາບສູງສຸດ.
ການປະຕິບັດທົ່ວໄປແມ່ນການເກັບໃບຈາກພືດໃນແຕ່ລະພາກສະຫນາມແລະຫຼັງຈາກນັ້ນສົ່ງໄປຫາຫ້ອງທົດລອງສໍາລັບການວິເຄາະ nitrate. ພາຍໃນສອງສາມມື້, ຜູ້ປູກໄດ້ຮັບຜົນໄດ້ຮັບທີ່ຊີ້ບອກວ່າຕ້ອງການຝຸ່ນໄນໂຕຣເຈນຫຼາຍຫຼືຖ້າການປະຕິບັດແມ່ນປົກກະຕິ. ລະບົບເຮັດວຽກ, ແຕ່ຂະບວນການນີ້ສາມາດເລັ່ງໄດ້, ເວົ້າວ່າ I. ວັງ, docent ມະຫາວິທະຍາໄລ Wisconsin-Madison, ກົມປູກຝັງ.
"ການເກັບໃບຕ້ອງໃຊ້ເວລາແລະຄວາມພະຍາຍາມຫຼາຍ," Wang ເວົ້າ.
"ແລະບາງຄັ້ງຜົນໄດ້ຮັບສາມາດເຂົ້າໃຈຜິດເພາະວ່າປະລິມານ nitrates ໃນໃບສາມາດໄດ້ຮັບອິດທິພົນຈາກຫຼາຍປັດໃຈ, ເຊັ່ນ: ສະພາບອາກາດຫຼືໄລຍະເວລາຂອງການເກັບຕົວຢ່າງ. ນອກຈາກນັ້ນ, ຜົນໄດ້ຮັບບໍ່ໄດ້ຄໍານຶງເຖິງຄວາມແຕກຕ່າງທາງດ້ານພື້ນທີ່ [ຄວາມຕ້ອງການໄນໂຕຣເຈນ] ພາຍໃນພາກສະຫນາມ."
ໂຄງການໄດ້ຮັບທຶນ ສະຖາບັນອາຫານ ແລະກະເສດແຫ່ງຊາດ USDA, ກ່ຽວຂ້ອງກັບການເກັບກໍາແລະການປະມວນຜົນຂໍ້ມູນຈາກກ້ອງຖ່າຍຮູບ hyperspectral. ມັນໄດ້ຖືກຕິດຕັ້ງຢູ່ໃນ UAV (ເຮືອບິນບໍ່ມີຄົນຂັບ) ຫຼືເຮືອບິນທີ່ບິນຕ່ໍາທີ່ບິນຜ່ານພື້ນທີ່ມັນຕົ້ນທີ່ສຶກສາ.
ທີມງານຂອງ Wang ກໍາລັງພັດທະນາແບບຈໍາລອງຄອມພິວເຕີເພື່ອເຊື່ອມຕໍ່ຮູບພາບກັບສະຖານະການໄນໂຕຣເຈນຂອງພືດໃນລະດູການ, ຜົນຜະລິດ, ຄຸນນະພາບ, ແລະຜົນຕອບແທນທາງດ້ານເສດຖະກິດໃນລະດູການ.
ທ່ານ Wang ກ່າວວ່າ "ພະນັກງານຂອງຂ້ອຍແລະຂ້ອຍຫວັງວ່າຈະພັດທະນາໂຄງການອອນໄລນ໌ທີ່ຈະປ່ຽນຮູບພາບ hyperspectral ເປັນຂໍ້ມູນກ່ຽວກັບເວລາແລະຫຼາຍປານໃດທີ່ຈະໃສ່ປຸ໋ຍເພື່ອໃຫ້ຜູ້ປູກສາມາດເພີ່ມຜົນກໍາໄລໂດຍຜົນກະທົບຕໍ່ສິ່ງແວດລ້ອມຫນ້ອຍ", Wang ເວົ້າ.
Trevor Crosby, ນັກສຶກສາຈົບການສຶກສາໃນ Wang's ກ່າວວ່າ "ປັດໃຈທີ່ເຮັດໃຫ້ເກີດການປ່ຽນແປງໃນສະພາບຂອງເຮືອນຍອດ, ເຊັ່ນ: ສະຖານະພາບຂອງທາດອາຫານ, ການມີແລະການຂາດຄວາມຊຸ່ມຊື່ນຫຼືພະຍາດ, ແມ່ນກ່ຽວຂ້ອງກັບການສະທ້ອນແສງແລະດັ່ງນັ້ນຈຶ່ງສາມາດເຫັນໄດ້ໃນຮູບພາບ hyperspectral," Trevor Crosby, ນັກສຶກສາຈົບການສຶກສາໃນ Wang's ກ່າວ. ຫ້ອງທົດລອງ.
ໃນການບິນດຽວໃນໄລຍະ 70 គុណ 150 ແມັດ, ສາມາດເກັບກໍາຮູບພາບຫຼາຍສິບຮູບພາບ, ແຕ່ລະປະກອບດ້ວຍຫຼາຍຮ້ອຍແຖບ spectral. ເພື່ອເລັ່ງການປະມວນຜົນຮູບພາບ, Wang ໄດ້ຈ້າງພະນັກງານທີ່ສໍາຄັນສອງຄົນ. Phil Townsend, ສາດສະດາຈານດ້ານນິເວດວິທະຍາປ່າໄມ້ ແລະສັດປ່າ, ເປັນຜູ້ນໍາດ້ານເຕັກໂນໂລຊີການຮັບຮູ້ທາງໄກ. Paul Mitchell, ອາຈານແລະຜູ້ຊ່ຽວຊານໃນພາກວິຊາເສດຖະກິດກະສິກໍາແລະນໍາໃຊ້, ດໍາເນີນການວິເຄາະເສດຖະກິດຈາກທີ່ຮູບແບບຄອມພິວເຕີເຮັດໃຫ້ຄໍາແນະນໍາສໍາລັບການນໍາໃຊ້ໄນໂຕຣເຈນ.
Crosby, ເປັນຜູ້ນໍາຫນ້າໃນການວັດແທກຫນ້າດິນ, ໄດ້ເກັບກໍາຂໍ້ມູນຈາກສະຖານທີ່ສໍາຫຼວດພາກສະຫນາມໃນຂັ້ນຕອນຕ່າງໆຂອງການຂະຫຍາຍຕົວຂອງມັນຕົ້ນ. ນີ້ປະກອບມີດັດຊະນີພື້ນທີ່ໃບ, ຄວາມເຂັ້ມຂົ້ນຂອງໄນໂຕຣເຈນໃນໃບແລະລໍາຕົ້ນ, ຈໍານວນຂອງຫົວແລະນ້ໍາຫນັກຂອງຫົວແຕ່ລະຄົນ, ເຊັ່ນດຽວກັນກັບປັດໃຈສິ່ງແວດລ້ອມເຊັ່ນ: ຄວາມຊຸ່ມຊື່ນຂອງດິນແລະອຸນຫະພູມ, ລັງສີແສງຕາເວັນແລະຄວາມໄວລົມ. ໃນການເກັບກ່ຽວ, ມັນວັດແທກຜົນຜະລິດລວມຂອງຫົວແລະຂະຫນາດຂອງມັນ.
ຫຼັງຈາກນັ້ນ Crosby ໄດ້ພັດທະນາແບບຈໍາລອງທີ່ປັບປຸງການເຊື່ອມຕໍ່ຮູບພາບ hyperspectral ກັບການວັດແທກພື້ນຖານ. ເປົ້າຫມາຍແມ່ນເພື່ອຄາດຄະເນສະຖານະການໄນໂຕຣເຈນຂອງພືດໃນເວລາທີ່ແທ້ຈິງແລະຄາດຄະເນຜົນຜະລິດຂອງຫົວໃນທ້າຍລະດູການ. ໃນຈຸດນີ້, ວຽກງານພາກສະຫນາມແລະການປຸງແຕ່ງຮູບພາບແມ່ນສໍາເລັດ, ແລະ Crosby ກໍາລັງສຸມໃສ່ການພັດທະນາຕົວແບບ.
Wang ແບ່ງປັນການຄົ້ນຄວ້າຂອງລາວຢ່າງກວ້າງຂວາງກັບຜູ້ປູກມັນຕົ້ນແລະພືດຜັກຂອງລັດ. ລາວມີສາຍພົວພັນທີ່ດີກັບຊາວກະສິກອນໃນທົ່ວລັດແລະຫຼາຍຄົນລໍຖ້າເບິ່ງຜົນຂອງການຄົ້ນຄວ້າຂອງລາວ.