ഉയരം="1" വീതി="1" ശൈലി="display:none" src="https://www.facebook.com/tr?id=1241806559960313&ev=പേജ് വ്യൂ&നോസ്ക്രിപ്റ്റ്=1" /> വാർത്ത - വിള വളർച്ച നിരീക്ഷിക്കാൻ ഡ്രോണുകൾ | ഹോങ്‌ഫെയ് ഡ്രോൺ

വിളകളുടെ വളർച്ച നിരീക്ഷിക്കാൻ ഡ്രോണുകൾ

ഡ്രോണുകൾ-മോണിറ്റർ-വിള-വളർച്ച-1

UAV-കൾക്ക് വൈവിധ്യമാർന്ന റിമോട്ട് സെൻസിംഗ് സെൻസറുകൾ വഹിക്കാൻ കഴിയും, അവയ്ക്ക് ബഹുമുഖവും ഉയർന്ന കൃത്യതയുള്ളതുമായ കൃഷിഭൂമി വിവരങ്ങൾ നേടാനും ഒന്നിലധികം തരം കൃഷിഭൂമി വിവരങ്ങളുടെ ചലനാത്മക നിരീക്ഷണം സാക്ഷാത്കരിക്കാനും കഴിയും. അത്തരം വിവരങ്ങളിൽ പ്രധാനമായും വിള സ്ഥല വിതരണ വിവരങ്ങൾ (കൃഷിഭൂമിയുടെ പ്രാദേശികവൽക്കരണം, വിള സ്പീഷീസ് തിരിച്ചറിയൽ, വിസ്തീർണ്ണം കണക്കാക്കലും മാറ്റവും ചലനാത്മക നിരീക്ഷണം, ഫീൽഡ് ഇൻഫ്രാസ്ട്രക്ചർ വേർതിരിച്ചെടുക്കൽ), വിള വളർച്ചാ വിവരങ്ങൾ (വിള ഫിനോടൈപ്പിക് പാരാമീറ്ററുകൾ, പോഷക സൂചകങ്ങൾ, വിളവ്), വിള വളർച്ചാ സമ്മർദ്ദ ഘടകങ്ങൾ (ഫീൽഡ് ഈർപ്പം, കീടങ്ങളും രോഗങ്ങളും) ചലനാത്മകത എന്നിവ ഉൾപ്പെടുന്നു.

കൃഷിഭൂമിയുടെ സ്ഥലപരമായ വിവരങ്ങൾ

കൃഷിഭൂമിയുടെ സ്ഥലപരമായ സ്ഥാന വിവരങ്ങളിൽ, ദൃശ്യ വിവേചനത്തിലൂടെയോ യന്ത്ര തിരിച്ചറിയലിലൂടെയോ ലഭിച്ച വയലുകളുടെയും വിള വർഗ്ഗീകരണങ്ങളുടെയും ഭൂമിശാസ്ത്രപരമായ കോർഡിനേറ്റുകളും ഉൾപ്പെടുന്നു. ഭൂമിശാസ്ത്രപരമായ കോർഡിനേറ്റുകളിലൂടെ വയലിന്റെ അതിരുകൾ തിരിച്ചറിയാൻ കഴിയും, നടീൽ വിസ്തൃതിയും കണക്കാക്കാം. പ്രാദേശിക ആസൂത്രണത്തിനും വിസ്തീർണ്ണം കണക്കാക്കുന്നതിനുമുള്ള അടിസ്ഥാന ഭൂപടമായി ടോപ്പോഗ്രാഫിക് ഭൂപടങ്ങൾ ഡിജിറ്റൈസ് ചെയ്യുന്ന പരമ്പരാഗത രീതിക്ക് സമയബന്ധിതത കുറവാണ്, അതിർത്തി സ്ഥാനവും യഥാർത്ഥ സാഹചര്യവും തമ്മിലുള്ള വ്യത്യാസം വളരെ വലുതാണ്, അവബോധത്തിന്റെ അഭാവവുമുണ്ട്, ഇത് കൃത്യമായ കൃഷി നടപ്പിലാക്കുന്നതിന് അനുയോജ്യമല്ല. യുഎവി റിമോട്ട് സെൻസിംഗിന് കൃഷിഭൂമിയുടെ സമഗ്രമായ സ്ഥലപരമായ സ്ഥാന വിവരങ്ങൾ തത്സമയം ലഭിക്കും, പരമ്പരാഗത രീതികളുടെ താരതമ്യപ്പെടുത്താനാവാത്ത ഗുണങ്ങളുണ്ട്. ഹൈ-ഡെഫനിഷൻ ഡിജിറ്റൽ ക്യാമറകളിൽ നിന്നുള്ള ആകാശ ചിത്രങ്ങൾക്ക് കൃഷിഭൂമിയുടെ അടിസ്ഥാന സ്ഥലപരമായ വിവരങ്ങളുടെ തിരിച്ചറിയലും നിർണ്ണയവും മനസ്സിലാക്കാൻ കഴിയും, കൂടാതെ സ്പേഷ്യൽ കോൺഫിഗറേഷൻ സാങ്കേതികവിദ്യയുടെ വികസനം കൃഷിഭൂമിയുടെ സ്ഥലപരമായ വിവരങ്ങളെക്കുറിച്ചുള്ള ഗവേഷണത്തിന്റെ കൃത്യതയും ആഴവും മെച്ചപ്പെടുത്തുന്നു, കൂടാതെ എലവേഷൻ വിവരങ്ങൾ അവതരിപ്പിക്കുമ്പോൾ സ്പേഷ്യൽ റെസല്യൂഷൻ മെച്ചപ്പെടുത്തുന്നു, ഇത് കൃഷിഭൂമിയുടെ സ്ഥലപരമായ വിവരങ്ങളുടെ മികച്ച നിരീക്ഷണം മനസ്സിലാക്കുന്നു.

വിള വളർച്ചാ വിവരങ്ങൾ

ഫിനോടൈപ്പിക് പാരാമീറ്ററുകൾ, പോഷക സൂചകങ്ങൾ, വിളവ് എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഉപയോഗിച്ച് വിള വളർച്ചയെ വിശേഷിപ്പിക്കാം. സസ്യങ്ങളുടെ ആവരണം, ഇലകളുടെ വിസ്തീർണ്ണ സൂചിക, ജൈവവസ്തു, സസ്യ ഉയരം മുതലായവ ഫിനോടൈപ്പിക് പാരാമീറ്ററുകളിൽ ഉൾപ്പെടുന്നു. ഈ പാരാമീറ്ററുകൾ പരസ്പരം ബന്ധപ്പെട്ടിരിക്കുന്നു, വിള വളർച്ചയെ കൂട്ടായി ചിത്രീകരിക്കുന്നു. ഈ പാരാമീറ്ററുകൾ പരസ്പരം ബന്ധപ്പെട്ടിരിക്കുന്നു, വിള വളർച്ചയെ കൂട്ടായി ചിത്രീകരിക്കുന്നു, അന്തിമ വിളവുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. കാർഷിക വിവര നിരീക്ഷണ ഗവേഷണത്തിൽ അവ പ്രബലമാണ്, കൂടുതൽ പഠനങ്ങൾ നടത്തിയിട്ടുണ്ട്.

1) ക്രോപ്പ് ഫിനോടൈപ്പിക് പാരാമീറ്ററുകൾ

ഇല വിസ്തീർണ്ണ സൂചിക (LAI) എന്നത് ഒരു യൂണിറ്റ് ഉപരിതല വിസ്തീർണ്ണത്തിലെ ഒരു വശമുള്ള പച്ച ഇല വിസ്തീർണ്ണത്തിന്റെ ആകെത്തുകയാണ്, ഇത് വിളയുടെ പ്രകാശ ഊർജ്ജത്തിന്റെ ആഗിരണം, ഉപയോഗം എന്നിവയെ നന്നായി ചിത്രീകരിക്കാൻ കഴിയും, കൂടാതെ വിളയുടെ വസ്തുക്കളുടെ ശേഖരണവും അന്തിമ വിളവുമായി അടുത്ത ബന്ധപ്പെട്ടിരിക്കുന്നു. യു‌എ‌വി റിമോട്ട് സെൻസിംഗ് നിലവിൽ നിരീക്ഷിക്കുന്ന പ്രധാന വിള വളർച്ചാ പാരാമീറ്ററുകളിൽ ഒന്നാണ് ഇല വിസ്തീർണ്ണ സൂചിക. മൾട്ടിസ്പെക്ട്രൽ ഡാറ്റ ഉപയോഗിച്ച് സസ്യ സൂചികകൾ (അനുപാത സസ്യ സൂചിക, സാധാരണ സസ്യ സൂചിക, മണ്ണ് കണ്ടീഷനിംഗ് സസ്യ സൂചിക, വ്യത്യാസ സസ്യ സൂചിക മുതലായവ) കണക്കാക്കുകയും ഗ്രൗണ്ട് ട്രൂത്ത് ഡാറ്റ ഉപയോഗിച്ച് റിഗ്രഷൻ മോഡലുകൾ സ്ഥാപിക്കുകയും ചെയ്യുന്നത് ഫിനോടൈപ്പിക് പാരാമീറ്ററുകളെ വിപരീതമാക്കുന്നതിനുള്ള കൂടുതൽ പക്വമായ ഒരു രീതിയാണ്.

വിളകളുടെ വളർച്ചയുടെ അവസാന ഘട്ടത്തിലെ മണ്ണിനു മുകളിലുള്ള ജൈവാംശം വിളവും ഗുണനിലവാരവുമായി അടുത്ത ബന്ധപ്പെട്ടിരിക്കുന്നു. നിലവിൽ, കാർഷിക മേഖലയിൽ UAV റിമോട്ട് സെൻസിംഗ് ഉപയോഗിച്ചുള്ള ബയോമാസ് കണക്കാക്കൽ ഇപ്പോഴും കൂടുതലും മൾട്ടിസ്പെക്ട്രൽ ഡാറ്റ ഉപയോഗിക്കുന്നു, സ്പെക്ട്രൽ പാരാമീറ്ററുകൾ വേർതിരിച്ചെടുക്കുന്നു, മോഡലിംഗിനായി സസ്യ സൂചിക കണക്കാക്കുന്നു; ബയോമാസ് കണക്കാക്കലിൽ സ്പേഷ്യൽ കോൺഫിഗറേഷൻ സാങ്കേതികവിദ്യയ്ക്ക് ചില ഗുണങ്ങളുണ്ട്.

2) വിള പോഷകാഹാര സൂചകങ്ങൾ

വിളകളുടെ പോഷകാഹാര നിലയുടെ പരമ്പരാഗത നിരീക്ഷണത്തിന്, പോഷകങ്ങളുടെയോ സൂചകങ്ങളുടെയോ (ക്ലോറോഫിൽ, നൈട്രജൻ മുതലായവ) ഉള്ളടക്കം നിർണ്ണയിക്കാൻ ഫീൽഡ് സാമ്പിളിംഗും ഇൻഡോർ കെമിക്കൽ വിശകലനവും ആവശ്യമാണ്. വ്യത്യസ്ത വസ്തുക്കൾക്ക് രോഗനിർണയത്തിനായി പ്രത്യേക സ്പെക്ട്രൽ പ്രതിഫലന-ആഗിരണ സ്വഭാവസവിശേഷതകൾ ഉണ്ടെന്ന വസ്തുതയെ അടിസ്ഥാനമാക്കിയാണ് UAV റിമോട്ട് സെൻസിംഗ് നടത്തുന്നത്. ദൃശ്യപ്രകാശ ബാൻഡിൽ രണ്ട് ശക്തമായ ആഗിരണം മേഖലകൾ ഉണ്ടെന്ന വസ്തുതയെ അടിസ്ഥാനമാക്കിയാണ് ക്ലോറോഫിൽ നിരീക്ഷിക്കുന്നത്, അതായത് 640-663 nm ന്റെ ചുവന്ന ഭാഗവും 430-460 nm ന്റെ നീല-വയലറ്റ് ഭാഗവും, അതേസമയം 550 nm ൽ ആഗിരണം ദുർബലമാണ്. വിളകൾക്ക് കുറവുണ്ടാകുമ്പോൾ ഇലയുടെ നിറവും ഘടനയും സ്വഭാവ സവിശേഷതകളും മാറുന്നു, കൂടാതെ വ്യത്യസ്ത പോരായ്മകൾക്കും അനുബന്ധ ഗുണങ്ങൾക്കും അനുസൃതമായ നിറത്തിന്റെയും ഘടനയുടെയും സ്ഥിതിവിവരക്കണക്ക് സവിശേഷതകൾ കണ്ടെത്തുന്നതാണ് പോഷക നിരീക്ഷണത്തിന്റെ താക്കോൽ. വളർച്ചാ പാരാമീറ്ററുകളുടെ നിരീക്ഷണത്തിന് സമാനമായി, സ്വഭാവ ബാൻഡുകൾ, സസ്യ സൂചികകൾ, പ്രവചന മോഡലുകൾ എന്നിവയുടെ തിരഞ്ഞെടുപ്പ് ഇപ്പോഴും പഠനത്തിന്റെ പ്രധാന ഉള്ളടക്കമാണ്.

3) വിളവ്

വിള വിളവ് വർദ്ധിപ്പിക്കുക എന്നതാണ് കാർഷിക പ്രവർത്തനങ്ങളുടെ പ്രധാന ലക്ഷ്യം, കൂടാതെ കാർഷിക ഉൽപ്പാദനത്തിനും മാനേജ്മെന്റ് തീരുമാനമെടുക്കൽ വകുപ്പുകൾക്കും വിളവിന്റെ കൃത്യമായ കണക്കുകൂട്ടൽ പ്രധാനമാണ്. മൾട്ടിഫാക്ടർ വിശകലനത്തിലൂടെ ഉയർന്ന പ്രവചന കൃത്യതയോടെ വിളവ് കണക്കാക്കൽ മാതൃകകൾ സ്ഥാപിക്കാൻ നിരവധി ഗവേഷകർ ശ്രമിച്ചിട്ടുണ്ട്.

ഡ്രോണുകൾ-മോണിറ്റർ-വിള-വളർച്ച-2

കാർഷിക ഈർപ്പം

കൃഷിയിടത്തിലെ ഈർപ്പം പലപ്പോഴും താപ ഇൻഫ്രാറെഡ് രീതികളിലൂടെയാണ് നിരീക്ഷിക്കുന്നത്. ഉയർന്ന സസ്യജാലങ്ങളുള്ള പ്രദേശങ്ങളിൽ, ഇല സ്റ്റോമറ്റ അടയ്ക്കുന്നത് ട്രാൻസ്പിറേഷൻ മൂലമുള്ള ജലനഷ്ടം കുറയ്ക്കുന്നു, ഇത് ഉപരിതലത്തിലെ ഒളിഞ്ഞിരിക്കുന്ന താപപ്രവാഹം കുറയ്ക്കുകയും ഉപരിതലത്തിലെ വിവേകപൂർണ്ണമായ താപപ്രവാഹം വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു, ഇത് മേലാപ്പ് താപനിലയിൽ വർദ്ധനവിന് കാരണമാകുന്നു, ഇത് സസ്യ മേലാപ്പിന്റെ താപനിലയായി കണക്കാക്കപ്പെടുന്നു. ജല സമ്മർദ്ദ സൂചികയുടെ വിള ഊർജ്ജ സന്തുലിതാവസ്ഥ പ്രതിഫലിപ്പിക്കുന്നത് വിള ജലത്തിന്റെ അളവും മേലാപ്പ് താപനിലയും തമ്മിലുള്ള ബന്ധം അളക്കാൻ കഴിയുന്നതിനാൽ, താപ ഇൻഫ്രാറെഡ് സെൻസർ ലഭിക്കുന്ന മേലാപ്പ് താപനില കൃഷിയിടത്തിന്റെ ഈർപ്പം നിലയെ പ്രതിഫലിപ്പിക്കും; ചെറിയ പ്രദേശങ്ങളിലെ നഗ്നമായ മണ്ണ് അല്ലെങ്കിൽ സസ്യജാലങ്ങളുടെ ആവരണം മണ്ണിന്റെ ഈർപ്പം ഉപരിതലത്തിന്റെ താപനിലയുമായി പരോക്ഷമായി വിപരീതമാക്കാൻ ഉപയോഗിക്കാം, ഇതാണ് തത്വം: ജലത്തിന്റെ പ്രത്യേക താപം വലുതാണ്, താപത്തിന്റെ താപനില മാറാൻ മന്ദഗതിയിലാണ്, അതിനാൽ പകൽ സമയത്ത് ഭൂഗർഭ താപനിലയുടെ സ്പേഷ്യൽ വിതരണം മണ്ണിന്റെ ഈർപ്പത്തിന്റെ വിതരണത്തിൽ പരോക്ഷമായി പ്രതിഫലിക്കും. അതിനാൽ, പകൽ സമയത്തെ ഭൂഗർഭ താപനിലയുടെ സ്പേഷ്യൽ വിതരണം മണ്ണിന്റെ ഈർപ്പത്തിന്റെ വിതരണത്തെ പരോക്ഷമായി പ്രതിഫലിപ്പിക്കും. മേലാപ്പ് താപനില നിരീക്ഷിക്കുന്നതിൽ, നഗ്നമായ മണ്ണ് ഒരു പ്രധാന ഇടപെടൽ ഘടകമാണ്. ചില ഗവേഷകർ വെറും മണ്ണിന്റെ താപനിലയും വിളകളുടെ ഉപരിതലവും തമ്മിലുള്ള ബന്ധം പഠിക്കുകയും, വെറും മണ്ണ് മൂലമുണ്ടാകുന്ന മേലാപ്പ് താപനില അളവുകളും യഥാർത്ഥ മൂല്യവും തമ്മിലുള്ള വ്യത്യാസം വ്യക്തമാക്കുകയും, നിരീക്ഷണ ഫലങ്ങളുടെ കൃത്യത മെച്ചപ്പെടുത്തുന്നതിന് കൃഷിഭൂമിയിലെ ഈർപ്പം നിരീക്ഷിക്കുന്നതിൽ ശരിയാക്കിയ ഫലങ്ങൾ ഉപയോഗിക്കുകയും ചെയ്തിട്ടുണ്ട്. യഥാർത്ഥ കൃഷിഭൂമി ഉൽപാദന മാനേജ്മെന്റിൽ, വയലിലെ ഈർപ്പം ചോർച്ചയും ശ്രദ്ധാകേന്ദ്രമാണ്, ജലസേചന ചാനൽ ഈർപ്പം ചോർച്ച നിരീക്ഷിക്കാൻ ഇൻഫ്രാറെഡ് ഇമേജറുകൾ ഉപയോഗിച്ചുള്ള പഠനങ്ങൾ നടന്നിട്ടുണ്ട്, കൃത്യത 93% വരെ എത്താം.

കീടങ്ങളും രോഗങ്ങളും

സസ്യ കീടങ്ങളുടെയും രോഗങ്ങളുടെയും നിയർ-ഇൻഫ്രാറെഡ് സ്പെക്ട്രൽ പ്രതിഫലന നിരീക്ഷണത്തിന്റെ ഉപയോഗം, ഇനിപ്പറയുന്നവയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്: സ്പോഞ്ച് ടിഷ്യു വഴി പ്രതിഫലിക്കുന്ന നിയർ-ഇൻഫ്രാറെഡ് മേഖലയിലെ ഇലകൾ, വേലി ടിഷ്യു നിയന്ത്രണം, ആരോഗ്യമുള്ള സസ്യങ്ങൾ, ഈർപ്പവും വികാസവും നിറഞ്ഞ ഈ രണ്ട് ടിഷ്യു വിടവുകൾ, വിവിധ വികിരണങ്ങളുടെ ഒരു നല്ല പ്രതിഫലനമാണ്; ചെടിക്ക് കേടുപാടുകൾ സംഭവിക്കുമ്പോൾ, ഇലയ്ക്ക് കേടുപാടുകൾ സംഭവിക്കുന്നു, ടിഷ്യു വാടിപ്പോകുന്നു, വെള്ളം കുറയുന്നു, ഇൻഫ്രാറെഡ് പ്രതിഫലനം നഷ്ടപ്പെടുന്നതുവരെ കുറയുന്നു.

വിളകളുടെ കീടങ്ങളുടെയും രോഗങ്ങളുടെയും ഒരു പ്രധാന സൂചകമാണ് താപനിലയുടെ താപ ഇൻഫ്രാറെഡ് നിരീക്ഷണം. ആരോഗ്യകരമായ സാഹചര്യങ്ങളിൽ സസ്യങ്ങൾ, പ്രധാനമായും ഇല സ്റ്റോമറ്റൽ തുറക്കുന്നതും ട്രാൻസ്പിറേഷൻ നിയന്ത്രണം അടയ്ക്കുന്നതും വഴി, സ്വന്തം താപനിലയുടെ സ്ഥിരത നിലനിർത്താൻ; രോഗത്തിന്റെ കാര്യത്തിൽ, രോഗകാരിയായ മാറ്റങ്ങൾ സംഭവിക്കും, സസ്യത്തിലെ രോഗകാരിയിലെ രോഗകാരി - ഹോസ്റ്റ് ഇടപെടലുകൾ, പ്രത്യേകിച്ച് ആഘാതത്തിന്റെ ട്രാൻസ്പിറേഷനുമായി ബന്ധപ്പെട്ട വശങ്ങളിൽ, താപനില വർദ്ധനവിന്റെയും താഴ്ചയുടെയും ബാധിത ഭാഗം നിർണ്ണയിക്കും. പൊതുവേ, സസ്യ സംവേദനം സ്റ്റോമറ്റൽ തുറക്കലിന്റെ നിയന്ത്രണം ഇല്ലാതാക്കുന്നതിലേക്ക് നയിക്കുന്നു, അതിനാൽ ആരോഗ്യമുള്ള പ്രദേശത്തേക്കാൾ രോഗബാധിത പ്രദേശത്ത് ട്രാൻസ്പിറേഷൻ കൂടുതലാണ്. ശക്തമായ ട്രാൻസ്പിറേഷൻ രോഗബാധിത പ്രദേശത്തിന്റെ താപനില കുറയുന്നതിനും ഇലയുടെ ഉപരിതലത്തിൽ നെക്രോറ്റിക് പാടുകൾ പ്രത്യക്ഷപ്പെടുന്നതുവരെ സാധാരണ ഇലയേക്കാൾ ഉയർന്ന താപനില വ്യത്യാസത്തിനും കാരണമാകുന്നു. നെക്രോറ്റിക് പ്രദേശത്തെ കോശങ്ങൾ പൂർണ്ണമായും നശിച്ചിരിക്കുന്നു, ആ ഭാഗത്തെ ട്രാൻസ്പിറേഷൻ പൂർണ്ണമായും നഷ്ടപ്പെടുന്നു, താപനില ഉയരാൻ തുടങ്ങുന്നു, എന്നാൽ ഇലയുടെ ബാക്കി ഭാഗം അണുബാധയുള്ളതിനാൽ, ഇലയുടെ ഉപരിതലത്തിലെ താപനില വ്യത്യാസം എല്ലായ്പ്പോഴും ആരോഗ്യമുള്ള ഒരു ചെടിയേക്കാൾ കൂടുതലാണ്.

മറ്റ് വിവരങ്ങൾ

കൃഷിഭൂമി വിവര നിരീക്ഷണ മേഖലയിൽ, UAV റിമോട്ട് സെൻസിംഗ് ഡാറ്റയ്ക്ക് വിപുലമായ ആപ്ലിക്കേഷനുകൾ ഉണ്ട്. ഉദാഹരണത്തിന്, ഒന്നിലധികം ടെക്സ്ചർ സവിശേഷതകൾ ഉപയോഗിച്ച് ചോളത്തിന്റെ വീണ ഭാഗം വേർതിരിച്ചെടുക്കാനും, NDVI സൂചിക ഉപയോഗിച്ച് പരുത്തി പക്വത ഘട്ടത്തിൽ ഇലകളുടെ പക്വത നില പ്രതിഫലിപ്പിക്കാനും, അമിതമായ കീടനാശിനി പ്രയോഗം ഒഴിവാക്കാൻ പരുത്തിയിൽ അബ്സിസിക് ആസിഡ് തളിക്കുന്നത് ഫലപ്രദമായി നയിക്കാൻ കഴിയുന്ന അബ്സിസിക് ആസിഡ് പ്രയോഗ കുറിപ്പടി മാപ്പുകൾ സൃഷ്ടിക്കാനും ഇത് ഉപയോഗിക്കാം. കൃഷിഭൂമി നിരീക്ഷണത്തിന്റെയും മാനേജ്മെന്റിന്റെയും ആവശ്യങ്ങൾക്കനുസരിച്ച്, UAV റിമോട്ട് സെൻസിംഗ് ഡാറ്റയുടെ വിവരങ്ങൾ തുടർച്ചയായി പര്യവേക്ഷണം ചെയ്യുകയും അതിന്റെ പ്രയോഗ മേഖലകൾ വികസിപ്പിക്കുകയും ചെയ്യുന്നത് ഇൻഫോർമാറ്റൈസ്ഡ്, ഡിജിറ്റൈസ്ഡ് കൃഷിയുടെ ഭാവി വികസനത്തിന് അനിവാര്യമായ ഒരു പ്രവണതയാണ്.


പോസ്റ്റ് സമയം: ഡിസംബർ-24-2024

നിങ്ങളുടെ സന്ദേശം വിടുക

ദയവായി ആവശ്യമായ ഫീൽഡുകൾ പൂരിപ്പിക്കുക.