Χρήση δεδομένων από οπτικούς, πολυφασματικούς και θερμικούς αισθητήρες επί ΣμηΕΑ για τον εντοπισμό και την παρακολούθηση εντομολογικών προσβολών σε οπωρώνες

Abstract

Η παρακολούθηση ενός αγρού αποτελεί μια χρονοβόρα και επίπονη, για τον Γεωπόνο, διαδικασία η οποία πρέπει να επαναλαμβάνεται συχνά κατά τη διάρκεια της καλλιεργητικής περιόδου. Η σύγχρονη τεχνολογία της τηλεπισκόπησης (remote sensing) έρχεται να συμπληρώσει την διαδικασία της επιτόπιας παρακολούθησης ενός αγρού κάνοντάς την πιο γρήγορη, εύκολη και δίνοντας καλύτερα αποτελέσματα. Η τηλεπισκόπηση περιλαμβάνει διαφόρων τύπων αισθητήρες (οπτικούς, θερμικούς, πολυφασματικούς, υπερφασματικούς) οι οποίοι προσαρτώνται πάνω σε Συστήματα μη Επανδρωμένων Αεροσκαφών (ΣμηΕΑ) και ανιχνεύουν την ανάκλαση της ηλιακής ακτινοβολίας από τα φυτά σε αρκετές φασματικές ζώνες, πέρα από το ορατό φάσμα. Με αυτόν τον τρόπο, μπορούν να ανιχνευθούν οι βιοχημικές αλλαγές που λαμβάνουν χώρα εντός φυτών που έχουν υποστεί κάποιου είδους καταπόνηση, είτε εξαιτίας κάποιου αβιοτικού παράγοντα (ξηρασία, έλλειψη θρεπτικών στοιχείων κ.ά.) είτε κάποιου βιοτικού (παθογόνοι μικροοργανισμοί, εχθροί κ.ά.), πριν την εμφάνιση των ορατών στον ανθρώπινο οφθαλμό συμπτωμάτων. Έπειτα, ο Γεωπόνος είναι σε θέση να παρακολουθήσει στοχευμένα τα φυτά στον αγρό και να πραγματοποιήσει ακριβέστερη διάγνωση. Στόχος της παρούσας μεταπτυχιακής εργασίας ήταν η λήψη δεδομένων με οπτικό, πολυφασματικό και θερμικό αισθητήρα, προσαρτημένους σε ΣμηΕΑ, από το δενδροκομείο του Γεωπονικού Πανεπιστημίου Αθηνών. Στόχος της αξιοποίησης των δεδομένων αυτών ήταν η δημιουργία χαρτών και ο υπολογισμός του δείκτη φυτοϋγείας NDVI, μέσω προγραμμάτων φωτογραμμετρίας και GIS, τα οποία δύνανται να συμβάλλουν στον εντοπισμό των φυτών του αγρού που είναι καταπονημένα, ακόμα και χωρίς να έχουν εμφανιστεί συμπτώματα αυτής της καταπόνησης. Τα αποτελέσματα της τηλεπισκόπησης χρησιμοποιήθηκαν περαιτέρω για σύγκριση με τα αποτελέσματα από επιτόπια παρατήρηση, ώστε να διαπιστωθεί εάν ο δείκτης NDVI μπορεί να καταδείξει δένδρα τα οποία βρίσκονται στο όριο καταπόνησης. Οι τιμές του δείκτη NDVI υπέδειξαν ότι πολλά πυρηνόκαρπα και μηλοειδή δένδρα στο δενδροκομείο ήταν καταπονημένα. Τα αποτελέσματα της επιτόπιας παρατήρησης του οπωρώνα έδειξαν ότι πολλά δένδρα παρουσίαζαν συμπτωματολογική εικόνα προσβολής από καπνώδη (Capnodis tenebrionis), η οποία ενισχύθηκε και από την παρουσία ενηλίκων του εντόμου πάνω σε αυτά. Οι δύο αυτές μέθοδοι παρακολούθησης της υγείας μιας καλλιέργειας διέφεραν στατιστικώς σημαντικά μεταξύ τους για όλες τις περιπτώσεις που ελέγχθηκαν. Επίσης, το ανάγλυφο του εδάφους βρέθηκε να μην επηρεάζει το μικροκλίμα της περιοχής και, κατ’ επέκταση, την προσβολή από το έντομο, λόγω της πολύ μικρής κλίσης του εδάφους που επιβεβαιώθηκε από τον ορθοφωτοχάρτη που δημιουργήθηκε. Η επιβεβαίωση των αποτελεσμάτων από τον δείκτη NDVI θα πρέπει να γίνει την προσεχή άνοιξη με οπτική παρατήρηση, προκειμένου να διαπιστωθεί εάν πράγματι ο δείκτης μπορεί να ανιχνεύσει καταπονημένα φυτά πριν την εμφάνιση των ορατών συμπτωμάτων. Όσο χρήσιμο εργαλείο κι αν είναι η χρήση αισθητήρων επί ΣμηΕΑ για την ανίχνευση της φυτικής καταπόνησης, θα πρέπει να τονιστεί ότι μέσω αυτής της μεθόδου μπορεί να γίνει ανίχνευση αποκλειστικά της καταπόνησης και όχι του είδους αυτής (βιοτικής ή αβιοτικής), ή του ακριβούς αιτίου που την προκαλεί (έλλειψη θρεπτικών ή προσβολή από μύκητες, έντομα, νηματώδεις κ.α.).

Monitoring a crop is a time-consuming and laborious process for the Agronomist, which must be repeated frequently during the growing season. Remote sensing completes the on-site monitoring of a field making it faster, easier and giving better results. Various types of sen-sors (optical, thermal, multispectral, hyperspectral) can be used in remote sensing. These sen-sors are attached to Unmanned Aerial Systems (UASs) and are able to capture the reflectance of solar radiation of the plants in several spectral bands of the spectrum. The biochemical and structural changes that occur within stressed plants, either due to an abiotic stress factor (drought, lack of nutrients, etc.) or a biotic one (pathogenic microorganisms, pests, etc.), cause differences in the absorption and reflectance of the light. These changes can be detected by the sensors even before the appearance of the symptoms. As a result, the Agronomist can monitor and perform a more accurate field diagnosis in plants that have been recorded as stressed, based on the reflection of the light. In the current thesis, optical, multispectral and thermal sensors were attached to a UAS in order to obtain aerial imagery data of the orchard of the Agricultural University of Athens. The data were processed with photogrammetry and GIS programs so as to create orthomosaic and elevation maps as well as calculate a vegetation index (Normalized Difference Vegetation In-dex, NDVI), which will help to locate the stressed trees of the orchard, even though the symp-toms of this stress are not visible yet. The results of remote sensing were compared with the ones from on-site observations and diagnosis in order to determine whether the NDVI index could indicate trees that are on the stress limit or not. The values of the vegetation index NDVI indicated that many stone fruits and apple trees of the orchard were stressed. The results of the on-site observation of the orchard showed that many trees had symptoms of flatheaded wood borer infestation (Capnodis tenebrionis), which was reinforced by the presence of adults of the insect on them. These two methods of monitor-ing the health of a crop had statistically significant differences in all of the cases tested. Also, the terrain was found not to affect the microclimate of the area and, consequently, the infesta-tion by the insect, due to the very small slope of the terrain which was confirmed by the created orthophoto map. Confirmation of the results produced by the NDVI index should be done forthcoming spring with on-site observation, in order to determine if the index can indeed detect the stressed plants before the onset of visible symptoms. No matter how useful the remote sens-ing is for the detection of plant stress, it should be underlined that the method can only detect the stressed plants and not the type of the stress (biotic or abiotic) or the exact cause of it (lack of nutrients or infestation by fungi, insects, nematodes etc.).