ଖବର - ଡ୍ରୋନ ଫସଲ ବୃଦ୍ଧି ଉପରେ ନଜର ରଖେ | ହଙ୍ଗଫେଇ ଡ୍ରୋନ

ଫସଲ ବୃଦ୍ଧି ଉପରେ ଡ୍ରୋନ ନଜର ରଖେ

ଡ୍ରୋନ୍-ମନିଟର-ଫସଲ-ବୃଦ୍ଧି-1

UAV ବିଭିନ୍ନ ପ୍ରକାରର ରିମୋଟ୍ ସେନ୍ସିଂ ସେନ୍ସର ବହନ କରିପାରିବ, ଯାହା ବହୁ-ପରିମାଣୀୟ, ଉଚ୍ଚ-ସଠିକତା କୃଷିଭୂମି ସୂଚନା ପାଇପାରିବ ଏବଂ ବହୁ ପ୍ରକାରର କୃଷିଭୂମି ସୂଚନାର ଗତିଶୀଳ ପର୍ଯ୍ୟବେକ୍ଷଣ ହାସଲ କରିପାରିବ। ଏହିପରି ସୂଚନାରେ ମୁଖ୍ୟତଃ ଫସଲ ସ୍ଥାନିୟ ବଣ୍ଟନ ସୂଚନା (କୃଷିଭୂମି ସ୍ଥାନୀୟକରଣ, ଫସଲ ପ୍ରଜାତି ଚିହ୍ନଟ, କ୍ଷେତ୍ର ଆକଳନ ଏବଂ ପରିବର୍ତ୍ତନ ଗତିଶୀଳ ପର୍ଯ୍ୟବେକ୍ଷଣ, କ୍ଷେତ୍ର ଭିତ୍ତିଭୂମି ନିଷ୍କାସନ), ଫସଲ ବୃଦ୍ଧି ସୂଚନା (ଫସଲ ଫେନୋଟାଇପିକ୍ ପାରାମିଟର, ପୁଷ୍ଟିକର ସୂଚକ, ଉତ୍ପାଦନ), ଏବଂ ଫସଲ ବୃଦ୍ଧି ଚାପ କାରକ (କ୍ଷେତ ଆର୍ଦ୍ରତା, କୀଟପତଙ୍ଗ ଏବଂ ରୋଗ) ଗତିଶୀଳତା ଅନ୍ତର୍ଭୁକ୍ତ।

ଚାଷଜମି ସ୍ଥାନିକ ସୂଚନା

ଚାଷ ଜମିର ସ୍ଥାନିକ ସ୍ଥାନ ସୂଚନାରେ କ୍ଷେତ୍ରର ଭୌଗୋଳିକ ସ୍ଥାନାଙ୍କ ଏବଂ ଦୃଶ୍ୟ ବିଭେଦ କିମ୍ବା ମେସିନ୍ ଚିହ୍ନଟ ମାଧ୍ୟମରେ ପ୍ରାପ୍ତ ଫସଲ ବର୍ଗୀକରଣ ଅନ୍ତର୍ଭୁକ୍ତ। କ୍ଷେତ୍ର ସୀମା ଭୌଗୋଳିକ ସ୍ଥାନାଙ୍କ ଦ୍ୱାରା ଚିହ୍ନଟ କରାଯାଇପାରିବ, ଏବଂ ରୋପଣ କ୍ଷେତ୍ର ମଧ୍ୟ ଆକଳନ କରାଯାଇପାରିବ। ଆଞ୍ଚଳିକ ଯୋଜନା ଏବଂ କ୍ଷେତ୍ର ଆକଳନ ପାଇଁ ମୂଳ ମାନଚିତ୍ର ଭାବରେ ଟୋପୋଗ୍ରାଫିକ୍ ମାନଚିତ୍ରକୁ ଡିଜିଟାଇଜ୍ କରିବାର ପାରମ୍ପରିକ ପଦ୍ଧତିରେ ସମୟାନୁବର୍ତ୍ତୀତା ନାହିଁ, ଏବଂ ସୀମା ସ୍ଥାନ ଏବଂ ପ୍ରକୃତ ପରିସ୍ଥିତି ମଧ୍ୟରେ ପାର୍ଥକ୍ୟ ବିରାଟ ଏବଂ ଅନ୍ତର୍ଜ୍ଞାନର ଅଭାବ ଅଛି, ଯାହା ସଠିକ୍ କୃଷି କାର୍ଯ୍ୟାନ୍ୱୟନ ପାଇଁ ଅନୁକୂଳ ନୁହେଁ। UAV ରିମୋଟ୍ ସେନ୍ସିଂ ବାସ୍ତବ ସମୟରେ ଚାଷ ଜମିର ବ୍ୟାପକ ସ୍ଥାନିକ ସ୍ଥାନ ସୂଚନା ପାଇପାରିବ, ଯାହାର ପାରମ୍ପରିକ ପଦ୍ଧତିର ଅତୁଳନୀୟ ସୁବିଧା ଅଛି। ହାଇ-ଡେଫିନେସନ୍ ଡିଜିଟାଲ୍ କ୍ୟାମେରାରୁ ବାୟୁ ପ୍ରତିଛବିଗୁଡ଼ିକ ଚାଷ ଜମିର ମୌଳିକ ସ୍ଥାନିକ ସୂଚନାର ଚିହ୍ନଟ ଏବଂ ନିର୍ଣ୍ଣୟକୁ ଅନୁଭବ କରିପାରିବ, ଏବଂ ସ୍ଥାନିକ ବିନ୍ୟାସ ପ୍ରଯୁକ୍ତିର ବିକାଶ ଚାଷ ଜମିର ସ୍ଥାନିକ ସୂଚନା ଉପରେ ଗବେଷଣାର ସଠିକତା ଏବଂ ଗଭୀରତାକୁ ଉନ୍ନତ କରେ, ଏବଂ ଉଚ୍ଚତା ସୂଚନା ପ୍ରଚଳନ କରିବା ସମୟରେ ସ୍ଥାନିକ ରିଜୋଲ୍ୟୁସନକୁ ଉନ୍ନତ କରେ, ଯାହା ଚାଷ ଜମିର ସ୍ଥାନିକ ସୂଚନାର ସୂକ୍ଷ୍ମ ତଦାରଖକୁ ଅନୁଭବ କରେ।

ଫସଲ ବୃଦ୍ଧି ସୂଚନା

ଫସଲ ବୃଦ୍ଧିକୁ ଫେନୋଟାଇପିକ୍ ପାରାମିଟର, ପୁଷ୍ଟିକର ସୂଚକ ଏବଂ ଉତ୍ପାଦନ ଉପରେ ସୂଚନା ଦ୍ୱାରା ଚିହ୍ନିତ କରାଯାଇପାରିବ। ଫେନୋଟାଇପିକ୍ ପାରାମିଟରଗୁଡ଼ିକ ମଧ୍ୟରେ ଉଦ୍ଭିଦ ଆବରଣ, ପତ୍ର କ୍ଷେତ୍ର ସୂଚକ, ବାୟୋମାସ, ଉଦ୍ଭିଦ ଉଚ୍ଚତା ଇତ୍ୟାଦି ଅନ୍ତର୍ଭୁକ୍ତ। ଏହି ପାରାମିଟରଗୁଡ଼ିକ ପରସ୍ପର ସମ୍ବନ୍ଧିତ ଏବଂ ସାମୂହିକ ଭାବରେ ଫସଲ ବୃଦ୍ଧିକୁ ଚିହ୍ନିତ କରନ୍ତି। ଏହି ପାରାମିଟରଗୁଡ଼ିକ ପରସ୍ପର ସମ୍ବନ୍ଧିତ ଏବଂ ସାମୂହିକ ଭାବରେ ଫସଲ ବୃଦ୍ଧିକୁ ଚିହ୍ନିତ କରନ୍ତି ଏବଂ ସିଧାସଳଖ ଚୂଡ଼ାନ୍ତ ଉତ୍ପାଦନ ସହିତ ଜଡିତ। କୃଷି ସୂଚନା ମନିଟରିଂ ଗବେଷଣାରେ ଏଗୁଡ଼ିକ ପ୍ରମୁଖ ଏବଂ ଅଧିକ ଅଧ୍ୟୟନ କରାଯାଇଛି।

୧) କ୍ରପ୍ ଫେନୋଟାଇପିକ୍ ପାରାମିଟର

ପତ୍ର କ୍ଷେତ୍ର ସୂଚକାଙ୍କ (LAI) ହେଉଛି ପ୍ରତି ୟୁନିଟ୍ ପୃଷ୍ଠ କ୍ଷେତ୍ରରେ ଏକପାଖିଆ ସବୁଜ ପତ୍ର କ୍ଷେତ୍ରର ସମଷ୍ଟି, ଯାହା ଫସଲର ଆଲୋକ ଶକ୍ତିର ଶୋଷଣ ଏବଂ ବ୍ୟବହାରକୁ ଭଲ ଭାବରେ ଦର୍ଶାଇପାରେ, ଏବଂ ଫସଲର ସାମଗ୍ରୀ ସଂଗ୍ରହ ଏବଂ ଅନ୍ତିମ ଉତ୍ପାଦନ ସହିତ ଘନିଷ୍ଠ ଭାବରେ ଜଡିତ। ପତ୍ର କ୍ଷେତ୍ର ସୂଚକାଙ୍କ ହେଉଛି ମୁଖ୍ୟ ଫସଲ ବୃଦ୍ଧି ପାରାମିଟର ମଧ୍ୟରୁ ଗୋଟିଏ ଯାହା ବର୍ତ୍ତମାନ UAV ରିମୋଟ୍ ସେନ୍ସିଂ ଦ୍ୱାରା ନିରୀକ୍ଷଣ କରାଯାଏ। ମଲ୍ଟିସ୍ପେକ୍ଟ୍ରାଲ୍ ତଥ୍ୟ ସହିତ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ (ଅନୁପାତ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ, ସାଧାରଣ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ, ମାଟି କଣ୍ଡିସନିଂ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ, ପାର୍ଥକ୍ୟ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ, ଇତ୍ୟାଦି) ଗଣନା କରିବା ଏବଂ ଭୂମି ସତ୍ୟ ତଥ୍ୟ ସହିତ ପ୍ରତିଗମନ ମଡେଲ ସ୍ଥାପନ କରିବା ହେଉଛି ଫେନୋଟାଇପିକ୍ ପାରାମିଟରଗୁଡ଼ିକୁ ଓଲଟାଇବା ପାଇଁ ଏକ ଅଧିକ ପରିପକ୍ୱ ପଦ୍ଧତି।

ଫସଲର ଶେଷ ବୃଦ୍ଧି ପର୍ଯ୍ୟାୟରେ ଭୂମି ଉପର ବାୟୋମାସ ଉତ୍ପାଦନ ଏବଂ ଗୁଣବତ୍ତା ଉଭୟ ସହିତ ଘନିଷ୍ଠ ଭାବରେ ଜଡିତ। ବର୍ତ୍ତମାନ, କୃଷିରେ UAV ରିମୋଟ୍ ସେନ୍ସିଂ ଦ୍ୱାରା ବାୟୋମାସ ଆକଳନ ଏବେ ବି ଅଧିକାଂଶ ମଲ୍ଟିସ୍ପେକ୍ଟ୍ରାଲ୍ ତଥ୍ୟ ବ୍ୟବହାର କରେ, ବର୍ଣ୍ଣାଳୀ ପାରାମିଟର ବାହାର କରେ ଏବଂ ମଡେଲିଂ ପାଇଁ ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ ଗଣନା କରେ; ବାୟୋମାସ ଆକଳନରେ ସ୍ଥାନିକ ବିନ୍ୟାସ ପ୍ରଯୁକ୍ତିର କିଛି ସୁବିଧା ଅଛି।

୨) ଫସଲ ପୁଷ୍ଟିକର ସୂଚକ

ଫସଲ ପୁଷ୍ଟିକର ସ୍ଥିତିର ପାରମ୍ପରିକ ତଦାରଖ ପାଇଁ ପୋଷକ ତତ୍ତ୍ୱ କିମ୍ବା ସୂଚକ (କ୍ଲୋରୋଫିଲ୍, ନାଇଟ୍ରୋଜେନ୍, ଇତ୍ୟାଦି) ର ବିଷୟବସ୍ତୁ ନିର୍ଣ୍ଣୟ କରିବା ପାଇଁ କ୍ଷେତ୍ର ନମୁନା ଏବଂ ଘର ଭିତର ରାସାୟନିକ ବିଶ୍ଳେଷଣ ଆବଶ୍ୟକ, ଯେତେବେଳେ UAV ଦୂର ସେନ୍ସିଂ ଏହି ସତ୍ୟ ଉପରେ ଆଧାରିତ ଯେ ବିଭିନ୍ନ ପଦାର୍ଥର ନିର୍ଣ୍ଣୟ ପାଇଁ ନିର୍ଦ୍ଦିଷ୍ଟ ବର୍ଣ୍ଣାଳୀ ପ୍ରତିଫଳନ-ଅବଶୋଷଣ ଗୁଣ ଅଛି। ଦୃଶ୍ୟମାନ ଆଲୋକ ବ୍ୟାଣ୍ଡରେ ଏହାର ଦୁଇଟି ଶକ୍ତିଶାଳୀ ଅବଶୋଷଣ କ୍ଷେତ୍ର ଅଛି, ଯଥା 640-663 nm ର ଲାଲ ଅଂଶ ଏବଂ 430-460 nm ର ନୀଳ-ବାଇଗଣୀ ଅଂଶ, ଯେତେବେଳେ ଅବଶୋଷଣ 550 nm ରେ ଦୁର୍ବଳ। ଫସଲ ଅଭାବ ହେଲେ ପତ୍ରର ରଙ୍ଗ ଏବଂ ଗଠନ ବୈଶିଷ୍ଟ୍ୟ ପରିବର୍ତ୍ତନ ହୁଏ, ଏବଂ ବିଭିନ୍ନ ଅଭାବ ଏବଂ ସମ୍ପର୍କିତ ଗୁଣ ସହିତ ସମ୍ବନ୍ଧୀୟ ରଙ୍ଗ ଏବଂ ଗଠନର ପରିସଂଖ୍ୟାନ ବୈଶିଷ୍ଟ୍ୟ ଆବିଷ୍କାର କରିବା ହେଉଛି ପୋଷକ ତତ୍ତ୍ୱ ନିରୀକ୍ଷଣର ଚାବିକାଠି। ବୃଦ୍ଧି ପାରାମିଟରଗୁଡ଼ିକର ତଦାରଖ ପରି, ବୈଶିଷ୍ଟ୍ୟ ବ୍ୟାଣ୍ଡ, ଉଦ୍ଭିଦ ସୂଚକାଙ୍କ ଏବଂ ପୂର୍ବାନୁମାନ ମଡେଲଗୁଡ଼ିକର ଚୟନ ଏବେ ବି ଅଧ୍ୟୟନର ମୁଖ୍ୟ ବିଷୟବସ୍ତୁ।

୩) ଫସଲ ଅମଳ

କୃଷି କାର୍ଯ୍ୟକଳାପର ମୁଖ୍ୟ ଲକ୍ଷ୍ୟ ହେଉଛି ଫସଲ ଉତ୍ପାଦନ ବୃଦ୍ଧି କରିବା, ଏବଂ କୃଷି ଉତ୍ପାଦନ ଏବଂ ପରିଚାଳନା ନିଷ୍ପତ୍ତି ଗ୍ରହଣ ବିଭାଗ ଉଭୟ ପାଇଁ ଉତ୍ପାଦନର ସଠିକ ଆକଳନ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ। ଅନେକ ଗବେଷକ ବହୁବିଧ କାରକ ବିଶ୍ଳେଷଣ ମାଧ୍ୟମରେ ଅଧିକ ପୂର୍ବାନୁମାନ ସଠିକତା ସହିତ ଉତ୍ପାଦନ ଆକଳନ ମଡେଲ ସ୍ଥାପନ କରିବାକୁ ଚେଷ୍ଟା କରିଛନ୍ତି।

ଡ୍ରୋନ୍-ମନିଟର-ଫସଲ-ବୃଦ୍ଧି-2

କୃଷି ଆର୍ଦ୍ରତା

ଚାଷ ଜମିର ଆର୍ଦ୍ରତା ପ୍ରାୟତଃ ତାପଜ ଇନଫ୍ରାରେଡ୍ ପଦ୍ଧତି ଦ୍ୱାରା ନିରୀକ୍ଷଣ କରାଯାଏ। ଅଧିକ ଉଦ୍ଭିଦ ଆବରଣ ଥିବା ଅଞ୍ଚଳରେ, ପତ୍ର ସ୍ଟୋମାଟା ବନ୍ଦ ହେବା ଦ୍ଵାରା ବାଷ୍ପକ୍ରିୟା ହେତୁ ଜଳ କ୍ଷତି ହ୍ରାସ ପାଏ, ଯାହା ପୃଷ୍ଠରେ ସୁପ୍ତ ତାପ ପ୍ରବାହକୁ ହ୍ରାସ କରେ ଏବଂ ପୃଷ୍ଠରେ ସମ୍ବେଦନଶୀଳ ତାପ ପ୍ରବାହକୁ ବୃଦ୍ଧି କରେ, ଯାହା ଫଳସ୍ୱରୂପ କାନୋପି ତାପମାତ୍ରାରେ ବୃଦ୍ଧି ଘଟେ, ଯାହାକୁ ଉଦ୍ଭିଦ କାନୋପିର ତାପମାତ୍ରା ବୋଲି ବିବେଚନା କରାଯାଏ। ଜଳ ଚାପ ସୂଚକାଙ୍କ ଫସଲ ଶକ୍ତି ସନ୍ତୁଳନକୁ ପ୍ରତିଫଳିତ କରିବା ଦ୍ଵାରା ଫସଲ ଜଳ ପରିମାଣ ଏବଂ କାନୋପି ତାପମାତ୍ରା ମଧ୍ୟରେ ସମ୍ପର୍କ ପରିମାଣିତ ହୋଇପାରିବ, ତେଣୁ ତାପଜ ଇନଫ୍ରାରେଡ୍ ସେନ୍ସର ଦ୍ୱାରା ପ୍ରାପ୍ତ କାନୋପି ତାପମାତ୍ରା ଚାଷ ଜମିର ଆର୍ଦ୍ରତା ସ୍ଥିତିକୁ ପ୍ରତିଫଳିତ କରିପାରିବ; ଛୋଟ ଅଞ୍ଚଳରେ ଖାଲି ମାଟି କିମ୍ବା ଉଦ୍ଭିଦ ଆବରଣକୁ ପରୋକ୍ଷ ଭାବରେ ମାଟିର ଆର୍ଦ୍ରତାକୁ ଉପପୃଷ୍ଠର ତାପମାତ୍ରା ସହିତ ଓଲଟାଇବା ପାଇଁ ବ୍ୟବହାର କରାଯାଇପାରିବ, ଯାହାର ନୀତି ହେଉଛି: ପାଣିର ନିର୍ଦ୍ଦିଷ୍ଟ ଉତ୍ତାପ ବଡ଼, ତାପର ତାପମାତ୍ରା ପରିବର୍ତ୍ତନ ହେବାରେ ଧୀର, ତେଣୁ ଦିନ ସମୟରେ ଉପପୃଷ୍ଠର ତାପମାତ୍ରାର ସ୍ଥାନିକ ବଣ୍ଟନ ପରୋକ୍ଷ ଭାବରେ ମାଟିର ଆର୍ଦ୍ରତା ବଣ୍ଟନରେ ପ୍ରତିଫଳିତ ହୋଇପାରେ। ତେଣୁ, ଦିନର ଉପପୃଷ୍ଠ ତାପମାତ୍ରାର ସ୍ଥାନିକ ବଣ୍ଟନ ପରୋକ୍ଷ ଭାବରେ ମାଟିର ଆର୍ଦ୍ରତା ବଣ୍ଟନକୁ ପ୍ରତିଫଳିତ କରିପାରିବ। କାନୋପି ତାପମାତ୍ରାର ନିରୀକ୍ଷଣରେ, ଖାଲି ମାଟି ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହସ୍ତକ୍ଷେପ କାରକ। କିଛି ଗବେଷକ ଖାଲି ମାଟି ତାପମାତ୍ରା ଏବଂ ଫସଲ ଭୂମି ଆଚ୍ଛାଦନ ମଧ୍ୟରେ ସମ୍ପର୍କ ଅଧ୍ୟୟନ କରିଛନ୍ତି, ଖାଲି ମାଟି ଯୋଗୁଁ ସୃଷ୍ଟି ହୋଇଥିବା କାନୋପି ତାପମାତ୍ରା ମାପ ଏବଂ ପ୍ରକୃତ ମୂଲ୍ୟ ମଧ୍ୟରେ ବ୍ୟବଧାନକୁ ସ୍ପଷ୍ଟ କରିଛନ୍ତି, ଏବଂ ନିରୀକ୍ଷଣ ଫଳାଫଳର ସଠିକତାକୁ ଉନ୍ନତ କରିବା ପାଇଁ କୃଷି ଜମିର ଆର୍ଦ୍ରତା ନିରୀକ୍ଷଣରେ ସଂଶୋଧିତ ଫଳାଫଳଗୁଡ଼ିକୁ ବ୍ୟବହାର କରିଛନ୍ତି। ପ୍ରକୃତ କୃଷି ଜମି ଉତ୍ପାଦନ ପରିଚାଳନାରେ, କ୍ଷେତ୍ରର ଆର୍ଦ୍ରତା ଲିକେଜ୍ ମଧ୍ୟ ଧ୍ୟାନର କେନ୍ଦ୍ରବିନ୍ଦୁ, ଜଳସେଚନ ଚ୍ୟାନେଲ ଆର୍ଦ୍ରତା ଲିକେଜ୍ ନିରୀକ୍ଷଣ କରିବା ପାଇଁ ଇନଫ୍ରାରେଡ୍ ଇମେଜର ବ୍ୟବହାର କରି ଅଧ୍ୟୟନ କରାଯାଇଛି, ସଠିକତା 93% ପର୍ଯ୍ୟନ୍ତ ପହଞ୍ଚିପାରେ।

କୀଟପତଙ୍ଗ ଏବଂ ରୋଗ

ଉଦ୍ଭିଦ କୀଟପତଙ୍ଗ ଏବଂ ରୋଗର ନିକଟ-ଅନ୍ଫ୍ରାରେଡ୍ ବର୍ଣ୍ଣାଳୀ ପ୍ରତିଫଳନ ନିରୀକ୍ଷଣର ବ୍ୟବହାର, ଏହା ଉପରେ ଆଧାରିତ: ସ୍ପଞ୍ଜ ଟିସୁ ଏବଂ ବାଡ଼ ଟିସୁ ନିୟନ୍ତ୍ରଣ ଦ୍ୱାରା ପ୍ରତିଫଳନର ନିକଟ-ଅନ୍ଫ୍ରାରେଡ୍ ଅଞ୍ଚଳରେ ପତ୍ର, ସୁସ୍ଥ ଗଛ, ଆର୍ଦ୍ରତା ଏବଂ ପ୍ରସାରଣରେ ପରିପୂର୍ଣ୍ଣ ଏହି ଦୁଇଟି ଟିସୁ ଫାଙ୍କ, ବିଭିନ୍ନ ବିକିରଣର ଏକ ଭଲ ପ୍ରତିଫଳକ; ଯେତେବେଳେ ଗଛ କ୍ଷତିଗ୍ରସ୍ତ ହୁଏ, ପତ୍ର କ୍ଷତିଗ୍ରସ୍ତ ହୁଏ, ଟିସୁ ଶୁଖିଯାଏ, ପାଣି ହ୍ରାସ ପାଏ, ହଜିଯାଏ ପର୍ଯ୍ୟନ୍ତ ଇନଫ୍ରାରେଡ୍ ପ୍ରତିଫଳନ ହ୍ରାସ ପାଏ।

ଫସଲ କୀଟ ଏବଂ ରୋଗର ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସୂଚକ ହେଉଛି ତାପମାତ୍ରାର ତାପଜ ଇନଫ୍ରାରେଡ୍ ନିରୀକ୍ଷଣ। ସୁସ୍ଥ ଅବସ୍ଥାରେ ଥିବା ଉଦ୍ଭିଦଗୁଡ଼ିକ, ମୁଖ୍ୟତଃ ପତ୍ର ଷ୍ଟୋମାଟାଲ୍ ଖୋଲିବା ଏବଂ ବାଷ୍ପ ନିର୍ଗମନ ନିୟନ୍ତ୍ରଣର ବନ୍ଦ କରିବା ଦ୍ୱାରା, ସେମାନଙ୍କର ନିଜସ୍ୱ ତାପମାତ୍ରାର ସ୍ଥିରତା ବଜାୟ ରଖନ୍ତି; ରୋଗ କ୍ଷେତ୍ରରେ, ରୋଗଗତ ପରିବର୍ତ୍ତନ ଘଟିବ, ଗଛରେ ଜୀବାଣୁ - ହୋଷ୍ଟ ପାରସ୍ପରିକ କ୍ରିୟା, ବିଶେଷକରି ପ୍ରଭାବର ବାଷ୍ପ ନିର୍ଗମନ-ସମ୍ବନ୍ଧୀୟ ଦିଗଗୁଡ଼ିକ ଉପରେ ତାପମାତ୍ରା ବୃଦ୍ଧି ଏବଂ ପତନର ସଂକ୍ରମିତ ଅଂଶ ନିର୍ଣ୍ଣୟ କରିବ। ସାଧାରଣତଃ, ଉଦ୍ଭିଦ ସଂବେଦନ ଷ୍ଟୋମାଟାଲ୍ ଖୋଲିବାର ଏକ ନିୟନ୍ତ୍ରଣକୁ ନେଇଯାଏ, ଏବଂ ଏହିପରି ସୁସ୍ଥ କ୍ଷେତ୍ର ଅପେକ୍ଷା ରୋଗଗ୍ରସ୍ତ ଅଞ୍ଚଳରେ ବାଷ୍ପ ନିର୍ଗମନ ଅଧିକ ହୋଇଥାଏ। ଜୋରଦାର ବାଷ୍ପ ନିର୍ଗମନ ସଂକ୍ରମିତ କ୍ଷେତ୍ରର ତାପମାତ୍ରାରେ ହ୍ରାସ ଏବଂ ପତ୍ର ପୃଷ୍ଠରେ ସାଧାରଣ ପତ୍ର ତୁଳନାରେ ଅଧିକ ତାପମାତ୍ରା ପାର୍ଥକ୍ୟକୁ ନେଇଥାଏ ଯେପର୍ଯ୍ୟନ୍ତ ପତ୍ର ପୃଷ୍ଠରେ ନେକ୍ରୋଟିକ୍ ଦାଗ ଦେଖାଯାଏ ନାହିଁ। ନେକ୍ରୋଟିକ୍ ଅଞ୍ଚଳର କୋଷଗୁଡ଼ିକ ସମ୍ପୂର୍ଣ୍ଣ ମୃତ ହୋଇଯାଏ, ସେହି ଅଂଶରେ ବାଷ୍ପ ନିର୍ଗମନ ସମ୍ପୂର୍ଣ୍ଣ ଭାବରେ ନଷ୍ଟ ହୋଇଯାଏ, ଏବଂ ତାପମାତ୍ରା ବୃଦ୍ଧି ପାଇବା ଆରମ୍ଭ ହୁଏ, କିନ୍ତୁ କାରଣ ପତ୍ରର ଅବଶିଷ୍ଟ ଅଂଶ ସଂକ୍ରମିତ ହେବା ଆରମ୍ଭ କରେ, ପତ୍ର ପୃଷ୍ଠରେ ତାପମାତ୍ରା ପାର୍ଥକ୍ୟ ସର୍ବଦା ଏକ ସୁସ୍ଥ ଉଦ୍ଭିଦ ଅପେକ୍ଷା ଅଧିକ ହୋଇଥାଏ।

ଅନ୍ୟାନ୍ୟ ସୂଚନା

କୃଷିଭୂମି ସୂଚନା ମନିଟରିଂ କ୍ଷେତ୍ରରେ, UAV ରିମୋଟ୍ ସେନ୍ସିଂ ତଥ୍ୟର ପ୍ରୟୋଗର ଏକ ବିସ୍ତୃତ ପରିସର ଅଛି। ଉଦାହରଣ ସ୍ୱରୂପ, ଏହାକୁ ବହୁବିଧ ଗଠନ ବୈଶିଷ୍ଟ୍ୟ ବ୍ୟବହାର କରି ମକାର ପତିତ ଅଞ୍ଚଳ ବାହାର କରିବାକୁ, NDVI ସୂଚକାଙ୍କ ବ୍ୟବହାର କରି କପା ପରିପକ୍ୱତା ପର୍ଯ୍ୟାୟରେ ପତ୍ରର ପରିପକ୍ୱତା ସ୍ତରକୁ ପ୍ରତିଫଳିତ କରିବାକୁ ଏବଂ କୀଟନାଶକର ଅତ୍ୟଧିକ ପ୍ରୟୋଗକୁ ଏଡାଇବା ପାଇଁ କପା ଉପରେ abscisic ଏସିଡ୍ ସିଞ୍ଚନକୁ ପ୍ରଭାବଶାଳୀ ଭାବରେ ମାର୍ଗଦର୍ଶନ କରିପାରୁଥିବା abscisic ଏସିଡ୍ ପ୍ରୟୋଗ ପ୍ରେସକ୍ରିପସନ୍ ମାନଚିତ୍ର ସୃଷ୍ଟି କରିବାକୁ ବ୍ୟବହାର କରାଯାଇପାରିବ। କୃଷିଭୂମି ମନିଟରିଂ ଏବଂ ପରିଚାଳନାର ଆବଶ୍ୟକତା ଅନୁଯାୟୀ, UAV ରିମୋଟ୍ ସେନ୍ସିଂ ତଥ୍ୟର ସୂଚନାକୁ ନିରନ୍ତର ଅନୁସନ୍ଧାନ କରିବା ଏବଂ ଏହାର ପ୍ରୟୋଗ କ୍ଷେତ୍ରକୁ ବିସ୍ତାର କରିବା ସୂଚନାପ୍ରାପ୍ତ ଏବଂ ଡିଜିଟାଇଜଡ୍ କୃଷିର ଭବିଷ୍ୟତ ବିକାଶ ପାଇଁ ଏକ ଅନିବାର୍ଯ୍ୟ ଧାରା।


ପୋଷ୍ଟ ସମୟ: ଡିସେମ୍ବର-୨୪-୨୦୨୪

ଆପଣଙ୍କ ବାର୍ତ୍ତା ଛାଡନ୍ତୁ

ଦୟାକରି ଆବଶ୍ୟକୀୟ କ୍ଷେତ୍ରଗୁଡ଼ିକ ପୂରଣ କରନ୍ତୁ।