Säilörehunurmen sadon määrän kaukokartoitus Jere Kaivosoja, LUKE
LYHYESTI Kaukokartoitusta droneilla ja satelliiteilla Dronet: +Tarkka resoluutio +Absoluuttiset arvot mahdollisia +Tarkemmat laatutiedot +Monipuolisemmat sovelluskohteet - Kallis hinta, ylläpito - Ylimääräinen työtehtävä - Prosessoinnin haasteet Satelliitit: +Usein ilmaista +Eri lohkojen vertailu +Aikasarjat vaivatta +10m resoluutio helposti riittävää 2 4.9.2018 - Tarvitaan pilvettömyys - Tarvitaan manuaalista tarkistusta - Ei absoluuttista tietoa
LYHYESTI Teknologiat, mitä tänä päivänä: Satelliitit: Ilmaisia palveluita, joilla saadaan suhteellisia biomassakarttoja; mahdollisuus myös tuottaa työtehtäviä Cropsat.se, Cropsat.dk, MyYara & Cropsat Sentinel-hub; https://apps.sentinel-hub.com/sentinel-playground/ 3 4.9.2018
4 4.9.2018
Satellittikuvat, satojen eri nurmilohkojen vertailu, satelliittikuvat ja NDVI-indeksit koko kasvukaudelta. FGI, BoostSat -hanke 5 4.9.2018
6 4.9.2018
Dronet tänä päivänä 1000 kuluttajatason kustannustehokkaat dronet Tavallinen kamera, 50-80ha kartoituksia yhdellä lennolla 2000-10k järjestelmät, joissa erikoiskamera/lidar tms. Todistetut hyödyt vähäisiä Paremmat korkeusmallit, kehitystyö kesken 10k-100k tutkimuskalustot, hyperspektrikamerat, lidarit jne. Paljon potentiaalia, vähän todistettua Kaupallisissa läpilyönneissä hinnat 10-100krt. alas 7 4.9.2018
Maataloustutkimusta vuodesta 2010-> 8 4.9.2018
Avartek ARX30, VTT:n kameraproto 2018 Hanko-Haapsalu testilennot 2016 18.6.2018 BVLOS Phantom 4 Parrot Disco Carboncore 9 4.9.2018
10 4.9.2018
Perusprosessointi mosaikoinnin jälkeen 11 4.9.2018
Sovelluskehitys dronekuvista eteenpäin; Agremo 12 4.9.2018
Automaattinen terveysluokitus ja nurmilajikkeet: Tässä tapauksessa lajike sotkee tulkinnan 13 4.9.2018
Huonoja esimerkkejä ja mittauksen haasteita 14 4.9.2018
DroneKnowledge Kohti tietämysperusteista RPAS kaukokartoitusta Tekes Challenge Finland, 1.6.2016-31.12.2018 Keskeiset teemat 3D-mallinnus, aikasarjat Hyperspektrikamerateknologiakehitys Laserkeilaus Reaaliaikalaskenta Käyttökelpoisen tiedon tuottaminen (DSS) Sovelluskohteet Metsät Viljapellot, nurmet Vesistöt jne. 15 4.9.2018
RESEARCH CO-OPERATION, 2009-> VTT Technical Research Center Finland, Optics team Sensor development FGI Finnish Geospatial Research Institute Data production, integration JYU University of Jyväskylä, Department of Mathematical Information Technology Information development LUKE, Green technology unit Knowledge and decision support systems 16 4.9.2018 VALIO, Boreal, Yara Farmers
3D hyperspektrikartoitus 17 4.9.2018
VTT:n prototyyppi & Avartekin drone 18 4.9.2018
Tavoite Nurmen määrä ja määrän vaihtelu Nurmen laatu: sulavuus Satelliittikuvaopetus Haasteet Passiivisen kuvauksen virhelähteet Eri nurmilajikkeet ja seosten suhteet
3 koealuetta 20 4.9.2018
RGB-kamera ja koeruudut, tuloksia 21 4.9.2018
Borealin koeruudut 22 Boreal
Kuiva nurmi Nurmi 300 400 500 600 700 800 900 1000 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2 3 4 8 RGB Multispektri Hyperspektri Sentinel-2 11 12 23 4.9.2018
24 4.9.2018 0 5000 10000 15000 20000 25000 30000 35000 40000 Wavelength 364.4346727 383.3458791 402.1589037 420.8725525 439.4856314 457.9969464 476.4053035 494.7095086 512.9083677 531.0006869 548.9852719 566.8609289 584.6264637 602.2806824 619.822391 637.2503953 654.5635014 671.7605152 688.8402427 705.8014899 722.6430628 739.3637672 755.9624093 772.4377949 788.78873 805.0140206 821.1124726 837.0828921 852.924085 868.6348572 884.2140148 899.6603637 914.9727098 930.1498592 945.1906178 960.0937916 974.8581866 989.4826087 1003.965864 1018.306758 1032.504097 L1 L2 L3 L4 L5 L1 L3 L2 L4 L5 tie kg/ha 2320 2988 3016 2585 1699
Korkeusmallista (stereokamera, stereokuvaus tai laser-tutkaus) saadaan nurmikasvuston absoluuttinen korkeus ja korkeus korreloi voimakkaasti biomassan kanssa. tarvitaan kuitenkin maanpinnan korkeus. 25 4.9.2018
26 4.9.2018
27 4.9.2018
Nurmi-DSS Nurmen päätöksentekotukijärjestelmät: Täydennyskylvö keväällä: talvehtimisarviointi Ruiskusuunnitelma: rikkakasvipainehavainnointi Lannoitus: Apila/heinä/palkokasvi suhteen arviointi Tulevan kauden suunnittelu: määrä ja typpipitoisuus Optimaalinen niittoajankohta: D-arvo ja satomäärä Osalohkokorjuu: lohkon luokittelu ja haluttu määrä Lohkojärjestyksen optimointi: erot lohkojen välillä 28 4.9.2018
Kiitos! 29 4.9.2018