Original title:
Průzkum korelace mezi vegetačními indexy a příjmem dusíku rostlinami
Translated title:
Exploring correlation between vegetation indices and plant nitrogen uptake
Authors:
Pavlačková, Alena ; Doležalová Weissmannová, Helena (referee) ; Kučerík, Jiří (advisor) Document type: Bachelor's theses
Year:
2024
Language:
eng Publisher:
Vysoké učení technické v Brně. Fakulta chemická Abstract:
[eng][cze]
Nadměrné hnojení může způsobit znečištění životního prostředí, jako je kontaminace vody a emise skleníkových plynů, a také ekonomické ztráty. Ke zmírnění těchto problémů je důležité přizpůsobit míru hnojení specifickým potřebám plodin. Ve své práci se zabývám možností využití dálkově snímaných vegetačních indexů pro monitorování příjmu dusíku rostlinami a řízení aplikace hnojiv. Měření byla provedena v Oensingenu, Švýcarsku, během stáže na ETH Zürich. Hlavním cílem bylo vyvinout predikční model založený na vegetačních indexech k odhadu příjmu dusíku travní směsi a ozimé pšenice. Dále byla analyzována korelace mezi různými vegetačními indexy a charakteristikami plodin, především příjmu dusíku. Vegetační indexy (NDVI, NDRE, GNDVI, MCARI, EVI) byly získány ze snímků družice Sentinel-2 pomocí Google Earth Engine. Byly změřeny různé charakteristiky plodin, včetně indexu listové plochy (LAI) a výšky plodin, a vzorky ozimé pšenice byly analyzovány na příjem dusíku pomocí elementárního analyzátoru. Do analýzy byla také zahrnuta další data týkající se příjmu dusíku travin z předchozích let. Celkem byla v analýze použita data z let 2021–2023, která zahrnovala hodnoty pro travní směs i ozimou pšenici. Byly provedeny korelační a regresní analýzy k určení vztahů mezi vegetačními indexy a měřenými charakteristikami plodin. Index, který vykazoval nejsilnější vztah s příjmem dusíku plodin, byl poté využit k vytvoření predikčního modelu. Analýza ukázala, že Enhanced Vegetation Index (EVI) byl nejúčinnějším prediktorem příjmu dusíku. Vytvořený predikční model založený na hodnotách EVI dosáhl vysokého koeficientu determinace (R$^2$) 0,89, nízké směrodatné odchylky chyb (RMSE) 1,05 a průměrné absolutní odchylky (MAE) 0,89. Výsledky naznačují, že EVI je spolehlivým indexem pro predikci příjmu dusíku plodinami. Vyvinutý model založený na EVI by mohl být potenciálně použit k optimalizaci aplikace dusíkatých hnojiv na plodiny, což by pomohlo snížit negativní environmentální a ekonomické dopady nadměrného hnojení.
Excessive fertilization can cause environmental pollution, such as water contamination and greenhouse gas emissions, along with economic losses. To mitigate these issues, it is important to adjust fertilization rates to the specific needs of crops. This thesis explores the use of remotely sensed vegetation indices to monitor crop nitrogen uptake and guide fertilization application. The study was conducted in Oensingen, Switzerland, during an internship at ETH Zürich. The main objective was to develop a prediction model based on vegetation indices to estimate the nitrogen uptake of grass-clover mixtures and winter wheat. Additionally, the correlation between various vegetation indices and crop characteristics, especially nitrogen uptake, was analyzed. Vegetation indices (NDVI, NDRE, GNDVI, MCARI, EVI) were derived from Sentinel-2 images using Google Earth Engine. Various crop characteristics, including the Leaf Area Index (LAI) and crop height, were measured, and winter wheat samples were analyzed for nitrogen uptake using an elemental analyzer. Additional nitrogen uptake data for grass from previous years was also included. In total, data from the years 2021-2023, that included both grass-clover mixture and winter wheat values, were used in the analysis. Correlation and regression analysis were performed to examine the relationships between vegetation indices and the measured crop characteristics. The index showing the strongest relationship with crop nitrogen uptake was then used to create a prediction model. The analysis revealed that the Enhanced Vegetation Index (EVI) was the most effective predictor of nitrogen uptake. The constructed prediction model based on EVI values achieved a high coefficient of determination (R$^2$) of 0.89, a low root mean square error (RMSE) of 1.05, and a mean absolute error (MAE) of 0.89. The results indicate that EVI is a reliable index for predicting nitrogen uptake in crops. The developed EVI-based model could be potentially used for optimizing nitrogen application in crops, which can reduce the negative environmental and economic impacts of over-fertilization.
Keywords:
atmosférická korekce; cyklus dusíku; dálkový průzkum Země; index listové plochy; korelace; LAI; NDVI; normalizovaný diferenční vegetační index; precizní zemědělství; predikční modelování; příjem dusíku; pšenice ozimá; regresní analýza; Sentinel-2; spektrální vegetační indexy; atmospheric correction; correlation; LAI; Leaf Area Index; NDVI; nitrogen cycle; nitrogen uptake; Normalized Difference Vegetation Index; precision agriculture; prediction modelling; regression analysis; remote sensing; Sentinel-2; spectral vegetation indices; winter wheat
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: https://hdl.handle.net/11012/248465