Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Evaluation of UAV and Sentinel 2 images to estimate condition of hop (Humulus lupulus L.) plants

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F14864347%3A_____%2F21%3AN0000020" target="_blank" >RIV/14864347:_____/21:N0000020 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/60460709:41210/21:89862 RIV/60460709:41310/21:89862

  • Výsledek na webu

    <a href="https://www.actahort.org/books/1328/1328_13.htm" target="_blank" >https://www.actahort.org/books/1328/1328_13.htm</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.17660/ActaHortic.2021.1328.13" target="_blank" >10.17660/ActaHortic.2021.1328.13</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Evaluation of UAV and Sentinel 2 images to estimate condition of hop (Humulus lupulus L.) plants

  • Popis výsledku v původním jazyce

    Hop garden structure and crop condition can be monitored by many in situ methods but remote sensing offers possibilities of non-destructive monitoring. An organic hop garden with the cultivars ‘Žatecký červeňák’ and ‘Premiant’, and a conventional hop garden with the cultivars ‘Agnus’, ‘Premiant’ and ‘Sládek’ were selected for the experiment. In this study, unmanned aerial vehicle (UAV, eBee X senseFly UAV) equipped with Red Green Blue (RGB), Sensor Optimized for Drone Application (S.O.D.A.), and Sequoia cameras as well as Sentinel 2 satellite images were used for monitoring of hop plants throughout the whole vegetation season. UAV images were pre-processed in Pix4Dmapper software and orthophoto mosaics were derived. RGB vegetation indices and normalized difference vegetation index (NDVI) were calculated for each cultivar from UAV and satellite images. Resulted binary model of portion with green leaves and soil was extracted on the base of threshold value and served for detection of plants area. NDVI spectral index was calculated in order to describe plant condition during the growing season. The results showed significant differences in NDVI values among the conventional and organic hop gardens and among the cultivars as well and showed applicability of UAV and satellite images. Green area of the plants derived from the UAV images was influenced by design and flight parameters of this unmanned aerial system and crop structure.

  • Název v anglickém jazyce

    Evaluation of UAV and Sentinel 2 images to estimate condition of hop (Humulus lupulus L.) plants

  • Popis výsledku anglicky

    Hop garden structure and crop condition can be monitored by many in situ methods but remote sensing offers possibilities of non-destructive monitoring. An organic hop garden with the cultivars ‘Žatecký červeňák’ and ‘Premiant’, and a conventional hop garden with the cultivars ‘Agnus’, ‘Premiant’ and ‘Sládek’ were selected for the experiment. In this study, unmanned aerial vehicle (UAV, eBee X senseFly UAV) equipped with Red Green Blue (RGB), Sensor Optimized for Drone Application (S.O.D.A.), and Sequoia cameras as well as Sentinel 2 satellite images were used for monitoring of hop plants throughout the whole vegetation season. UAV images were pre-processed in Pix4Dmapper software and orthophoto mosaics were derived. RGB vegetation indices and normalized difference vegetation index (NDVI) were calculated for each cultivar from UAV and satellite images. Resulted binary model of portion with green leaves and soil was extracted on the base of threshold value and served for detection of plants area. NDVI spectral index was calculated in order to describe plant condition during the growing season. The results showed significant differences in NDVI values among the conventional and organic hop gardens and among the cultivars as well and showed applicability of UAV and satellite images. Green area of the plants derived from the UAV images was influenced by design and flight parameters of this unmanned aerial system and crop structure.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    40101 - Agriculture

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/QK1910170" target="_blank" >QK1910170: Zajištění dlouhodobé konkurenceschopnosti českého chmelařství na základě implementace principů precizního zemědělství a technologií smart farming</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Acta Horticulturae 1328

  • ISBN

    978-94-62613-25-6

  • ISSN

    0567-7572

  • e-ISSN

    2406-6168

  • Počet stran výsledku

    8

  • Strana od-do

    95-102

  • Název nakladatele

    International Society for Horticultural Science

  • Místo vydání

    Leuven

  • Místo konání akce

    Stuttgart

  • Datum konání akce

    8. 3. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku