Analyzing and improving image processing techniques via uav and satellite images in monitoring precision agriculture

Abstract

Tarım sektörü, insana temel ihtiyaç ve gıdaları sağlayan ekonomi için çok önemlidir. Aynı şekilde, son yıllarda, hassas tarım (HT), enstitüler, hükümetler ve araştırmacılar tarafından büyük ilgi görmüştür. Ancak, HT'ta alçak irtifa uzaktan algılama platformunun kullanılması, uydununkiyle karşılaştırıldığında daha yüksek mekan ve zamansal çözünürlüklü görüntüler sağladığı için zorunlu hale geldi. Bu nedenle, belirli bitki örtüsü kombinasyonlarının uygulanması, çiftlik yönetimi ve saha içi karar verme yardımcı olan benzersiz ve çok kullanışlı bir çıktı üretirir. Bu çalışma için, uzaktan algılama tekniklerini kullanarak tarlayı araştırmak ve analiz etmek için, Yonca 2018 mevsiminde Şendi şehri yakınında (Nil Nehri, Sudan kuzeyinde) bir tarım alanı seçilmiştir. Bu çalışma için, uydu ve dron görüntülerinden gelen veriler, her biri kısa bir süre içinde indirilmiş, ve ikiside için uydu verileri (Sentinel-2) ve dron görüntüleri pek çok bitki indeksleri (Bİ) uygulanmıştır. Ön-işlem prosedürleri SNAP kullanılarak sentinel-2 verileri (yeniden örnekleme ve yeniden projelendirme) ve dron verileri için Pix4D kullanılarak (birleştirme ve ortorektifleştirme) için uygulanmıştır. Ardından, beş görünür Bİ ve üç kızılötesi Bİ ENVI ve qGIS yazılımları kullanılarak hesaplandı. Sonuçlar, sentinel-2'den çıkan normalize edilmiş farklı bitki örtüsü indeksinin (NEFBÖİ) en düşük standart sapma (StdDev = 0.17) olarak, ve dron'dan kırmızı, yeşil bitki örtüsü indeksi (KYBÖİ) standart sapması (StdDev = 3.98) tarlayı yorumladığını ve diğer indekslere göre daha iyi sonuçlar göstermiştir. Sonuçlar değerlendirildi ve gelecekteki çalışmalar için önerilerde bulunuldu.

The agricultural sector is very important for the economy in which provides human beings with basic needs and food. Likewise, within the recent years, precision agriculture (PA) has gained huge attention from governments, institutes, and researchers. And as a result, the using of low altitude remote sensing platform in PA has become essential, in which it provides higher Spatio-temporal resolution images comparing to the satellite's one. Thus, applying specific vegetation combinations produces a unique and very useful outputs which helps in farm management and in-field decision making. For this study, an agricultural field near Shendi city (river Nile, northern Sudan) during the 2018 season planted with a Clover implying center pivot irrigation systems (CPIs) have been selected to investigate and analyze the field using remote sensing techniques. For this study, data from satellite and drone images have been downloaded and provided within a short different of time each, and various vegetation indices (VIs) have been applied for the satellite data (Sentinel-2) and the drone images too. Pre-processing procedures applied for the sentinel-2 data (resampling and re-projecting) using SNAP and for the drone data (mosaicking and orthorectification) using Pix4D subsequently. Then five visible VIs, and three infrared VIs have been calculated using ENVI, and qGIS software. Results showed that the normalized difference vegetation index (NDVI) that driven from the sentinel-2 with the lowest standard deviation (StdDev= 0.17) and the red green vegetation index (GRVI) from the drone (StdDev= 3.98) interpret the field and gave results better than the other indices. Results have been evaluated and recommendations for future works also have been made.