GIS, modeliranje in daljinsko zaznavanje

Geografski informacijski sistem (GIS)

Opredelitev podatka v prostoru daje podatku nov pomen in vrednost, saj omogoča izvedbo prostorskih analiz in prikaz v prostoru. Uporabnost prostorskih podatkov je bila relativno zgodaj poznana na področju varstva rastlin, saj  se je prve prostorske analize in prikaze pojavnosti rastlinskih bolezni ter škodljivcev izvajalo že v drugi polovici devetdesetih let. Temelji organiziranosti in povezanosti GIS v celovit informacijski sistem področja varstva rastlin so bili postavljeni z zaključkom CRP-projekta »Izgradnja poenotenega sistema za spremljanje in analizo škodljivih organizmov v kmetijstvu« v letu 2001. S časom se je obseg dela na GIS povečal do te stopnje, da je postal sestavni del organizirane podpore Fitosanitarni upravi RS. GIS je nenadomestljivo orodje pri vodenju posebnega nadzora škodljivih organizmov, izdaji odločb in analizi predvidenih učinkov posameznega ukrepa. Omogoča (po potrebi) preverjanje učinkov in načrtovanje najracionalnejše rešitve še pred izdajo odločbe o posameznem fitosanitarnem ukrepu. Z analizami GIS lahko izdelujemo sezname pridelovalcev, ki jih je potrebno obvestiti o posameznem fitosanitarnem ukrepu ali pomagamo fitosanitarni inšpekciji pri nadzoru in obveščanju pridelovalcev. Posamezne vsebine GIS dodajamo na fitosanitarni prostorski portal, kjer lahko zunanji uporabnik preko enostavnega pregledovalnika dostopa do pripravljenih vsebin. 

Poleg strokovnega dela se vključujemo z vsebinami GIS v raziskovalno delo, zlasti v analize širjenja in modeliranja širjenja posameznih škodljivcev (koruzni hrošč, borova ogorčica). 

Daljinsko zaznavanje

Daljinsko zaznavanje bi lahko opredelili kot znanstveno vedo o pridobivanju podatkov o obravnavanem objektu, brez neposrednega stika, na osnovi analize lastnosti elektromagnetnega valovanja. Pojem združuje mnoge tehnike in metode, vendar se dandanes termin daljinskega zaznavanja, predvsem zaradi velike prisotnosti tehnik optičnega slikanja objektov s sateliti oziroma letali, povezuje predvsem s to metodo. Tehnik oziroma metod je sicer veliko več. Metodo optičnega zajema elektromagnetnega sevanja uporabljamo tudi v okviru našega dela. Z analizo posnetkov lahko bolj ali manj zanesljivo ločimo vrste rastlin, njihovo zdravstveno stanje ter celo različne rastlinske bolezni.

Trenutno pri svojem delu uporabljamo visoko ločljive večspektralne satelitske posnetke satelita WorldView 2. V analize posnetkov vključujemo kompleksne statistične analize oziroma metode strojnega učenja. Pri raziskovalnem delu se osredotočamo na ugotavljanje prisotnosti karantenske oblike fitoplazme vinske trte (zlate trsne rumenice) v vinogradih na testnih območjih Primorske in Dolenjske. 

Na podlagi prvih rezultatov analiz visoko ločljivih satelitskih slik smo se odločili intenzivirati delo na spektroskopskih metodah detekcije rastlinskih patogenov. V kratkem bomo ustanovili laboratorij za slikovno spektroskopijo, ki bo omogočil še jasnejše razmejevanje med stresnimi dejavniki rastlin, kot je na primer prisotnost rastlinske bolezni in škodljivcev, kot tudi detekcijo ostalih stresnih dejavnikov (sušni stres, prehranske motnje …). V laboratoriju bomo uporabljali dve hiperspektralni kameri, s katerima bo možno analizirati elektromagnetno valovanje v tako rekoč zveznem odboju v območju med 400–2500 nm valovne dolžine. 

Hiperspektralno snemanje

Hiperspektralno snemanje je kombinacija digitalnega snemanja in spektroskopije. Je perspektivna neinvazivna metoda, ki omogoča razlikovanje objektov in določenih stanj objektov na podlagi analize elektromagnetnega valovanja – spektra, ki se praviloma odbija od objekta ali redkeje, ko ga ti sevajo. Za boljše razumevanje delovanja hiperspektralnega snemanja lahko uporabimo enostavno analogijo. Človeško oko vidi svetlobo v treh pasovih, rdečem, zelenem in modrem; spektralno snemanje lahko razdeli vidni del svetlobnega spektra v več deset pasov (t. i. spektralni pasovi). Kadar imamo do 10 spektralnih pasov, govorimo o multispektralnem snemanju.

Kako deluje hiperspektralno snemanje?

Digitalni posnetki so sestavljeni iz slikovnih celic (angl. pixel). Za vsakega izmed teh elementov zajame hiperspektralna kamera zvezno informacijo o odboju svetlobe (angl. reflectance) v vsakem spektralnem pasu. Hiperspektralni senzorji zbirajo informacije iz posameznih pasov kot zbirko slik, ki jih nato združijo v tridimenzionalni hiperspektralni podatkovni kvader (angl. hyperspectral data cube). Vsaka svetlobna celica posnetka torej vsebuje zvezni svetlobni spekter, t .i. spektralni podpis. [Slika 1]

Slika 1: Enostavna multivariantna analiza spektralnih podpisov omogoča ločevanje plodov, listja (zdravega in bolnega ter mrtvega listja) in vejevja pri robidah 

Poleg vidnega dela svetlobnega spektra (valovne dolžine od 390 do 700 nm) omogočajo določeni senzorji tudi zajem informacij v bližnjem infrardečem in kratkovalovnem infrardečem delu svetlobnega spektra (700 do 2500 nm). 

Ob visoki spektralni ločljivosti (tj. število pasov) omogoča hiperspektralno snemanje tudi zajemanje podatkov z visoko prostorsko ločljivostjo (velikost svetlobnih celic). Ob premajhni prostorski ločljivosti pride do mešanja spektralnih podpisov iz več celic, kar je posebej nezaželeno na robovih predmetov oziroma na stičiščih več predmetov. V tem primeru govorimo o učinku roba, kjer zaradi mešanega spektralnega podpisa nastopijo težave s kvaliteto informacij in kasneje klasifikacijo. Hiperspektralno snemanje omogoča prostorske ločljivosti do 0,2 mm, kar zadostuje za ločevanje zrnc peska. 

Za kaj je uporabno hiperspektralno snemanje?

S hiperspektralnim snemanjem zajamemo zelo natančne in podrobne informacije o proučevanih predmetih, kar nam omogoča zanesljivejše klasifikacije predmetov. Uporabnost te tehnologije je omejena samo s predmeti, ki nimajo spektralnega podpisa, torej takšnimi, ki ne odbijajo ali oddajajo svetlobe.

Ločimo lahko rastline (na primer ločevanje plevela ali invazivnih vrst od poljščin), posamezne organe rastlin (tudi določanje količine barvil, na primer klorofila) in določena stresna stanja rastlin; še pred izrazitimi vidnimi znaki (bolezni, prehrana, suša, poškodbe …). [Slika 2]

Slika 2: Določanje žarišč zlate trsne rumenice v vinogradu (zgoraj: bolne rastline so obarvane rdeče) in indeks Normalized difference vegetation indeks (NDVI, spodaj: višje vrednosti so obarvane rdeče)

Določimo lahko količino beljakovin, vlage, maščob in kosti v mesu. Prav tako lahko iščemo in ločujemo različne parazite, ki živijo v živalskem tkivu.

V določenih primerih lahko ločimo kemijsko oziroma mineralno sestavo predmetov, kar se s pridom uporablja v geologiji in tehnologiji živil. Metoda bi bila uporabna tudi za določanje mineralne sestave gline v arheoloških raziskavah. 

Nenazadnje hiperspektralno snemanje uporabljajo tudi za analiziranje umetniških slik. Analiza spektralnih podpisov daje vpogled v način slikanja, uporabo metod in materialov ter iskanje napak in popravkov.


Naša spletna stran uporablja piškotke, ki se naložijo na vaš računalnik. Ali se za boljše delovanje strani strinjate z njihovo uporabo?

Več o uporabi piškotkov

Uporaba piškotkov na naši spletni strani

Pravna podlaga

Podlaga za obvestilo je spremenjeni Zakon o elektronskih komunikacijah (Uradni list št. 109/2012; v nadaljevanju ZEKom-1), ki je začel veljati v začetku leta 2013. Prinesel je nova pravila glede uporabe piškotkov in podobnih tehnologij za shranjevanje informacij ali dostop do informacij, shranjenih na računalniku ali mobilni napravi uporabnika.

Kaj so piškotki?

Piškotki so majhne datoteke, pomembne za delovanje spletnih strani, največkrat z namenom, da je uporabnikova izkušnja boljša.

Piškotek običajno vsebuje zaporedje črk in številk, ki se naloži na uporabnikov računalnik, ko ta obišče določeno spletno stran. Ob vsakem ponovnem obisku bo spletna stran pridobila podatek o naloženem piškotku in uporabnika prepoznala.

Poleg funkcije izboljšanja uporabniške izkušnje je njihov namen različen. Piškotki se lahko uporabljajo tudi za analizo vedenja ali prepoznavanje uporabnikov. Zato ločimo različne vrste piškotkov.

Vrste piškotkov, ki jih uporabljamo na tej spletni strani

Piškotki, ki jih uporabljamo na tej strani sledijo smernicam:

1. Nujno potrebni piškotki

Tovrstni piškotki omogočajo uporabo nujno potrebnih komponent za pravilno delovanje spletne strani. Brez teh piškotov servisi, ki jih želite uporabljati na tej spletni strani, ne bi delovali pravilno (npr. prijava, nakupni proces, ...).

2. Izkustveni piškotki

Tovrstni piškotki zbirajo podatke, kako se uporabniki vedejo na spletni strani z namenom izboljšanja izkustvene komponente spletne strani (npr. katere dele spletne strani obiskujejo najpogosteje). Ti piškotki ne zbirajo informacij, preko katerih bi lahko identificirali uporabnika.

3. Funkcionalni piškotki

Tovrstni piškotki omogočajo spletni strani, da si zapomni nekatere vaše nastavitve in izbire (npr. uporabniško ime, jezik, regijo) in zagotavlja napredne, personalizirane funkcije. Tovrstni piškotki lahko omogočajo sledenje vašim akcijam na spletni strani.

4. Oglasni ali ciljani piškotki

Tovrstne piškotke najpogosteje uporabljajo oglaševalska in družabna omrežja (tretje strani) z namenom, da vam prikažejo bolj ciljane oglase, omejujejo ponavljanje oglasov ali merijo učinkovitost oglaševalskih akcij. Tovrstni piškotki lahko omogočajo sledenje vašim akcijam na spletu.

Nadzor piškotkov

Za uporabo piškotkov se odločate sami. Piškotke lahko vedno odstranite in s tem odstranite vašo prepoznavnost na spletu. Prav tako večino brskalnikov lahko nastavite tako, da piškotkov ne shranjujejo.

Za informacije o možnostih posameznih brskalnikov predlagamo, da si ogledate nastavitve.

Upravljalec piškotkov

Kmetijski inštitut Slovenije