English Title: Simulation of agricultural online-sensors using hyperspectral imaging
In: Zude, Manuela (Hrsg.): 17. und 18. Workshop Computer-Bildanalyse in der Landwirtschaft : 05. Mai 2011, Stuttgart, 09. Mai 2012, Osnabrück. Potsdam-Bornim, Leibniz-Institut für Agrartechnik 2012, pp. 64-72 (Bornimer Agrartechnische Berichte ; 78)
Preview |
PDF, German
- main document
Download (1MB) | Terms of use |
Abstract
Online-Sensoren zu Erfassung der räumlichen Variabilität von Vegetationsbeständen finden immer mehr Eingang in die landwirtschaftliche Praxis. Vor allem die teilschlagspezifische Düngung auf Basis von Sensormessungen ist ein Hauptanwendungsgebiet. Die Sensoren messen dabei die Reflexion des Vegetationsbestandes in ausgewählten Spektralkanälen (ca. 2-5 Kanäle). Die Spektralinformationen werden anschließend zu Indizes (z.B. NDVI oder REIP) aggregiert, die einen Zusammenhang zur Biomasse oder Stickstoffversorgung aufweisen sollen. Da die meisten Systeme nur einen kleinen Teilbereich des reflektiven Spektrums aufnehmen, stellt sich die Frage, ob diese Messungen die komplette Variabilität des Schlages erfassen können. Am 10. Mai 2011 wurde im Rahmen des Verbundprojektes HyLand nordwestlich von Köthen (Sachsen-Anhalt) eine Befliegung mit dem flugzeuggetragenen Hyperspektralsensor AISA-DUAL (Specim-Finnland) des UFZ Leipzig durchgeführt. Die Bilddaten wurden in 367 Spektralkanälen mit einer geometrischen Auflösung (GSD) von 3 m aufgezeichnet. Aus den Bilddaten wurden verschiedene Vegetationsindizes berechnet, die auch bei den Online-Sensoren Verwendung finden. Zur Bestimmung der räumlichen Heterogenität wurden die Bilddaten einer Hauptkomponententransformation unterzogen. Die zweite Hauptkomponente enthält die wesentlichen Strukturen der räumlichen Variabilität, diese wurde als Vergleichsstandard für die Heterogenität verwendet. Für jedes Vegetationsindexbild wurde die räumliche Korrelation im Vergleich zur zweiten Hauptkomponente berechnet.
Translation of abstract (English)
Online-sensors for the detection of spatial in-field variability of vegetation are becoming more popular in agricultural practice. Most of all, the site-specific fertilization on the basis of sensor measurements is the major application area. The sensors measure the reflection of vegetation in selected spectral bands (ca. 2-5 bands). The spectral information will be aggregated to indices (e.g. NDVI or REIP) later, which are supposed to show a correlation to biomass or nitrogen supply. Since most systems measure only a small portion of the reflective spectrum, the question arises whether these measurements capture the full variability of the field. On 10th of May 2011 a flight survey with the airborne hyperspectral AISA-DUAL system (Specim Finland) from UFZ Leipzig has been performed north-west of Köthen (Saxony-Anhalt) as part of the joint project “Hyland”. The image data were recorded in 367 spectral bands with a geometric ground resolution (GSD) of 3 m. From the image data, the various indices were calculated, which are also used by online-sensors. For determining spatial heterogeneity, the image data has been converted to principle components. The second principal component contains the essential structures of the spatial variability; this was used as a comparison standard for the heterogeneity. For each vegetation index image, the spatial correlation to the second principle component was calculated.
Document type: | Book Section |
---|---|
Editor: | Zude, Manuela |
Title of Book: | 17. und 18. Workshop Computer-Bildanalyse in der Landwirtschaft : 05. Mai 2011, Stuttgart, 09. Mai 2012, Osnabrück |
Series Name: | Bornimer Agrartechnische Berichte |
Volume: | 78 |
Publisher: | Leibniz-Institut für Agrartechnik |
Place of Publication: | Potsdam-Bornim |
Date Deposited: | 31 Jul 2025 12:02 |
Date: | 2012 |
Page Range: | pp. 64-72 |
Faculties / Institutes: | Fakultät für Chemie und Geowissenschaften > Institute of Geography |
DDC-classification: | 550 Earth sciences |
Uncontrolled Keywords: | hyperspektrale Reflexionsmessung, Fernerkundung, Precision Agriculture, Online-Sensoren, hyperspectral reflectance measurement, remote sensing, precision agriculture, online- sensors |