Digitale Landwirtschaft
Die technologischen Fortschritte in fast allen Bereichen haben auch die landwirtschaftliche Verwaltung und Produktion nicht außer Acht gelassen. Die Analyse der Eignung und der Bedingungen für Nutzpflanzen, die Optimierung der Ressourcennutzung und die Verfolgung von Variablen in den landwirtschaftlichen Bedingungen sind allesamt äußerst nützliche Fortschritte in der landwirtschaftlichen Produktion. Bei einem großen landwirtschaftlichen Betrieb, der verwaltet werden muss und bei dem viele Faktoren zu berücksichtigen sind, ist die Erstellung von Karten und Daten in Global Mapper ein wesentlicher Schritt in der datengesteuerten landwirtschaftlichen Analyse.
Satellitendaten
Frei verfügbare Daten ermöglichen es den Nutzern, auf einfache Weise Daten von der gesamten Erde zu laden, aufzurufen und mit ihnen zu interagieren. Die gängigste Form von leicht zugänglichen Daten sind Satellitenbilder. So kann z.B. ein Bild für ein Gebiet über das Dialogfeld Online-Quellen in Global Mapper gestreamt werden. Im Beispiel wird eine Bildquelle verwendet, die vom United States Department of Agriculture (USDA) produziert und gehostet wird. Im Global-Mapper-Arbeitsbereich wird damit ein Bild angezeigt, dass die Bodenbedeckung, Feldgrenzen und weitere Merkmale anzeigt.
Bildmaterial, das aus der öffentlich zugänglichen Online-Quelle National Agricultural Imagery Program (NAIP) direkt in Global Mapper eingespeist wird, bietet einen einfachen Ausgangspunkt für die Erstellung von Karten und die Datenanalyse.
Für fortgeschrittenere Analysen und zur weiteren Hervorhebung bestimmter Merkmale der Oberfläche können Multiband-Satellitenbilder verwendet werden. Mehrere Datenerfassungsprogramme nutzen Satelliten in der Erdumlaufbahn, um Daten von der Erdoberfläche zu erheben. Viele dieser Satelliten erfassen für jedes Gebiet mehrere Datenbänder, die aufzeichnen, wie verschiedene Wellenlängen der elektromagnetischen Strahlung mit der Oberfläche interagieren. Auf der Grundlage der unterschiedlichen Wechselwirkungen dieser Wellenlängen mit verschiedenen Materialien und Bodenbedeckungen können diese Datensätze in Global Mapper intelligent kombiniert werden, um eine Bibliothek von Bildern zu erstellen, die bestimmte Merkmale der Erdoberfläche hervorheben.
Sowohl ein Bild in natürlichen Farben als auch ein Falschfarben-Bild werden durch die Kombination verschiedener Satellitenbilder erstellt. Das Falschfarben-Bild zeigt bewachsene Flächen in Grün und kahle Erdflächen in Magenta.
Die von den Satellitenprogrammen gesammelten Ebenen können auch mit Hilfe einer mathematischen Formel im Raster-Kalkulator des Global Mapper kombiniert werden, um das Wasser oder die Vegetation in einem Gebiet zu analysieren. Der Raster-Kalkulator wendet eine Formel an, die entsprechende Pixel aus mehreren Rasterebenen verwendet. Bei der Berechnung des Normalized Difference Vegetation Index (NDVI) z.B. werden die roten und nahen Infrarotbänder verwendet. Das resultierende Bild enthält Werte von -1 bis +1, wobei die höheren Werte auf eine gesunde Vegetation in dem Gebiet hinweisen.
Anhand von Satellitendaten aus zwei verschiedenen Jahreszeiten, Juli und Oktober, können die berechneten NDVI-Werte verglichen werden, um die Veränderung der Pflanzendecke auf der gesamten landwirtschaftlichen Fläche aufzuzeigen.
Die gezeigten Daten werden vom Programm Landsat 8 erfasst und produziert. Der Satellit Landsat 8 umkreist die Erde kontinuierlich und sammelt Daten in einem sich wiederholenden Muster, das jedes Gebiet der Erde etwa alle sechzehn Tage abdeckt. Auch wenn einige der Bilder stark bewölkt sind oder wetterbedingte Störungen aufweisen, ermöglicht diese wiederholte Datenerfassung eine Analyse der Satellitendaten während der gesamten Vegetationsperiode und über mehrere Jahre hinweg, um den Fortschritt zu verfolgen als Basis für künftige Entscheidungen.
Erstellen von Vektor-Karten-Elementen
Zur Erstellung einer lokalen Landwirtschaftskarte können Punkt-, Linien- und Flächenelemente direkt in Global Mapper gezeichnet werden, um Informationen aus einer Rasterkarte zu übernehmen und zu erweitern. Es können einfache Polygone gezeichnet werden, um Feldflächen oder Gebäudegrundrisse darzustellen, und es können Attribute hinzugefügt werden, um die Boden- und Anbaugeschichte für jedes Feld besser zu beschreiben.
Bei der Erstellung von Flächen auf der Karte wird eine Legende aktiviert, die die Art der auf jedem Feld angebauten Kultur anzeigt.
Um die Ausdehnung von Bewässerungssystemen zu kartieren, können Elemente eingezeichnet werden, die bestehende oder geplante Infrastrukturen darstellen. Bei rotierende Bewässerungssysteme kann der Mittelpunkt markiert und ein Bereichsring erstellt werden, der die betroffene oder bewässerte Fläche anzeigt. Mit den in Global Mapper angezeigten Feldern und bewässerten Flächen kann die Anbaufläche der bewässerten Flächen berechnet werden.
Geplante oder bestehende Infrastrukturen wie Gewächshäuser und Bewässerungssysteme können in eine Karte eingefügt werden.
Datenerhebung vor Ort
Da die landwirtschaftliche Bewirtschaftung zu einem großen Teil im Freien stattfindet, kann Global Mapper Mobile, eine kostenlose mobile App, bei der Datenerfassung im Freien helfen. Wenn Sie eine Karte mit Referenzdaten aus Global Mapper Desktop exportieren und sie auf ein Mobiltelefon oder Tablet übertragen, kann die Karte in Global Mapper Mobile geöffnet und bearbeitet werden. Die internen Standortdienste des mobilen Geräts werden genutzt, um den GPS-Standort auf der Karte anzuzeigen und neue Merkmale zu erfassen
Bei allen landwirtschaftlichen Unternehmungen wirken sich die Bodenqualität und der Nährstoffgehalt auf die Gesundheit und den Ertrag der Ernte aus. Zur Überprüfung oder Analyse von Bodennährstoffen und pH-Werten im gesamten Bereich eines Feldes kann Global Mapper Mobile zur Erfassung von Punktmerkmalen an den Standorten der Bodenproben verwendet werden. Zur Unterstützung dieses Prozesses kann in Global Mapper eine Element-Vorlage - eine Vorgabe für eine zu erfassende Datenebene - erstellt und zur Datenerfassung an Global Mapper Mobile gesendet werden. Die Verwendung einer Element-Vorlage trägt dazu bei, dass alle gewünschten Informationen an jedem Probenort mithilfe von Auswahllisten und vorkonfigurierten Attributen erfasst werden.
Der GPS-Standort des Benutzers wird auf der Karte in Global Mapper Mobile angezeigt.
Im Gelände können mit einer Prüfsonde oder einer Prüfstation der pH-Wert, der Feuchtigkeitsgehalt und andere Aspekte des Bodens geprüft werden. In Global Mapper Mobile kann dann ein Punktmerkmal am GPS-Standort der Probe erstellt und die gemessenen Werte als Attribute hinzugefügt werden.
Unter Verwendung der internen Standortdienste des Mobilgeräts bietet Global Mapper Mobile Optionen zur Erstellung von Punkt-, Linien- und Flächen-Elementen und kann sogar aufgenommene Fotos auf der Karte speichern.
Wenn Sie die gesammelten Daten wieder in Global Mapper übernehmen, können die aufgezeichneten Punkte analysiert werden, um die Verteilung der Datenwerte über das Gelände zu zeigen. Das in Global Mapper auf Basis der Punkdaten erstellte Voronoi-Diagramm umfasst Bereiche, die die nächstgelegene Bodenprobe für jeden beliebigen Ort im Gelände anzeigen. Jeder durch diese Analyse erzeugte Bereich übernimmt die Attribute des Punktes, der sich innerhalb des Bereichs befindet.
Ein stilisiertes Voronoi-Diagramm zeigt den pH-Wert der nächstgelegenen Bodenprobe über das Gelände projiziert.
Durch Interpolation eines bestimmten Messwerts über das Gelände werden die Werte interpoliert, um die wahrscheinlichen Übergänge zwischen den Probenahmepunkten zu zeigen. Diese Interpolationsmethode zeigt sanfte, möglicherweise realistischere Übergänge zwischen den Bodenmerkmalen im gesamten Gebiet.
Mit einem bestimmten Attribut - hier die Stickstoffverbindungen -, das als Höhenwert behandelt wird, werden die Werte gerastert, um eine interpolierte Rasterebene zu erstellen, die die vorhandenen Messwerte über das Feld verteilt zeigt.
Datengestützte Planung
Die Sammlung von Daten und die Überwachung von Ressourcen reichen nur bis zu einem gewissen Punkt, und im Allgemeinen können sie nur die aktuellen oder früheren Anbaubedingungen bewerten. Ein wesentlicher Teil der Landwirtschaft besteht darin, die gesammelten Daten zu nutzen, um fundierte Entscheidungen für die kommende Saison zu treffen.
Es wurde bisher gezeigt, wie Global Mapper zum Sammeln, Generieren und Anzeigen von Daten verwendet werden kann, aber die Schaffung einer Struktur für die Entscheidungsfindung wird dazu beitragen, datengestützte Entscheidungen zu treffen und Pläne für künftige Maßnahmen zu erstellen.
Durch das Erstellen eines regelmäßigen Polygonrasters auf einem Feld und das automatische Hinzufügen von Attributen, die den ungefähren Nährstoffgehalt des Bodens aus der interpolierten Rasterebene beschreiben, kann der Düngerbedarf pro Hektar bestimmt werden. Bei der Berechnung der neuen Attribute werden der Bedarf der zu pflanzenden Kultur, die Anbauprozesse auf dem Feld und das vorhandene Bodenprofil berücksichtigt.
Die Verwendung vorhandener Attribute als Variablen bei der Erstellung eines neuen Attributs erleichtert die Berechnung des Düngerbedarfs für die Maisernte der nächsten Saison.
Durch Aufteilung der Feldfläche in 1-Hektar-Flächen und unter Berücksichtigung der aktuellen Bedingungen werden die benötigten Düngermengen für das gesamte Feld berechnet.
Anhand dieser neu berechneten Attributwerte kann eine Karte erstellt werden, die die benötigte Düngermenge auf dem Feld beschreibt. Diese Informationen können mit einem intelligenten Traktorsystem verwendet werden, um die benötigten Nährstoffe intelligent auf dem Feld zu verteilen. Der Einsatz von Global Mapper zusammen mit einer intelligenten landwirtschaftlichen Infrastruktur führt zu einer effizienteren und genaueren Verteilung der Ressourcen.
Auf der Grundlage des erforderlichen Reihenabstands des verwendeten Geräts kann der Weg für einen Traktor in Global Mapper erstellt werden. Anhand der Feldgrenzen werden Linien erstellt, die den Weg des Traktors anzeigen. Dieser vollständig georeferenzierte Pfad kann dann exportiert und von einem intelligenten Traktor als Leitfaden für die Navigation durch das Feld verwendet werden.
Mithilfe der Optionen zur Element-Erstellung in Global Mapper wird der Weg für einen intelligenten Traktor geplant.
Datenerfassung mit Drohnen
Mit der zunehmenden Verfügbarkeit von GPS-fähigen Drohnen können aus der Ferne aufgenommene Bilder und Videos eines landwirtschaftlichen Betriebs leicht und häufig gesammelt werden. Durch diese häufige Datenerfassung ergeben sich hervorragende Möglichkeiten, Veränderungen der Betriebsbedingungen im Laufe der Zeit zu beobachten.
Mit Berechnungen zur Erkennung von Veränderungen und anderen Analysetools in Global Mapper können Daten erstellt werden, um sicherzustellen, dass ein Betrieb so erfolgreich wie möglich arbeitet. Während die Drohne das Gebiet überfliegt, nimmt sie überlappende statische Bilder auf, die mit einem Geotag versehen werden. Damit ist der Standort der Kamera angegeben, an dem das jeweilige Bild aufgenommen wurde. Global Mapper kann diese Einzelbilder als Bildpunkte am georeferenzierten Standort anzeigen und zur Darstellung der Einzelbilder auf einer Karte verwenden.
Um die einzelnen Bilder zusammenzuführen, können sie mit dem Tool "Pixel to Points" verarbeitet werden, um ein einziges Orthobild und 3D-Ausgaben (z.B. Punktwolken) zu erstellen. Ein hochauflösendes Orthobild einer landwirtschaftlichen Fläche eignet sich hervorragend als Referenzkarte, und mit der Möglichkeit, mehrere Datensätze während der Saison zu erfassen und zu verarbeiten, können visuelle Veränderungen im Laufe der Zeit verfolgt werden.
Das Tool Pixels to Points verarbeitet statische, von einer Drohne aufgenommene Bilder zu Bildern und 3D-Ausgaben.
Die 3D-Ausgaben, die mit dem Tool Pixel to Points erstellt werden, liegen in Form einer Punktwolke und eines Netzes vor. Während das Netz im 3D-Viewer angezeigt und in viele 3D-Formate exportiert werden kann, bietet die primäre Punktwolkenausgabe viele Möglichkeiten zur Analyse. Durch die Klassifizierung der Punktwolke in Klassen - wie Boden, Gebäude und Vegetation - können die Werkzeuge zur Verarbeitung von Punktwolken von Global Mapper verwendet werden, um ein genaues Geländemodell der Geländeoberfläche zu erstellen, das anschließend für die Erzeugung von Konturen, die Volumenberechnung und andere Verfahren der Geländeanalyse verwendet werden kann.
Die Klassifizierung der erzeugten Punktwolke hilft, die in den Daten dargestellten Merkmale besser zu verstehen und zu analysieren.
Unter Verwendung einer Minimalwertmethode und nur der klassifizierten Bodenpunkte wird in Global Mapper ein digitales Geländemodell erstellt.
Da Drohnenbilder häufig aufgenommen werden können, führt die Erfassung von Feldflächen nach der Bodenbearbeitung, wenn sie kahl sind, zu einem möglichst genauen Geländemodell. Anhand dieses Modells können anschließend erzeugte Punktwolken mit diesem Geländemodell verglichen werden, um das Wachstum von Pflanzen und Vegetation zu verfolgen.
Unter Verwendung des aus der Punktwolke abgeleiteten Oberflächenmodells und des Geländemodells wird der Höhenunterschied zwischen dem Boden und der Vegetation in einer Pfadprofilansicht angezeigt.
Der Vergleich des digitalen Geländemodells mit dem gerasterten Oberflächenmodell, das die Vegetation enthält, liefert eine Volumen- oder Wachstumsmessung und eine quantifizierte Karte der Höhenänderung oder der Pflanzenhöhe.
Durch Subtraktion der Werte des Geländeobermodells vom Oberflächenmodell (z.B. der Vegetation) wird eine Ebene erzeugt, die die Höhe des Wachstums der Vegetation über einem Feld anzeigt.
Eine berechnete Gesamtvolumendifferenz zwischen den gerasterten Ebenen kann zur Schätzung des Ernteertrags für das Feld verwendet werden.