VitiCanopy 1.0.2
5 saniye içinde indirebilirsiniz.
Hakkı -nda VitiCanopy
VitiCanopy (De Bei et al., 2016), gölgeliklerin yukarı görünen dijital görüntülerine görüntü analizi algoritmalarını otomatik olarak uygulamak ve ilgili gölgelik mimarisi parametrelerini hesaplamak için cihazın ön dahili kamera ve GPS özelliklerini kullanır.
Boşluk kesir analizi vitiCanopy ile gölgelik mimarisinin aşağıdaki parametrelerini hesaplar:
• Yaprak alan indeksi (LAI): birim zemin alanı başına yaprak dokusunun toplam tek taraflı alanı. • Etkili yaprak alan indeksi (LAIe): LAI kümelenme indeksi ile düzeltildi. • Gölgelik kapağı: gölgeliğin dikey projeksiyonu ile kaplanmış zemin alanının yüzdesi (fraksiyonu). Gölgelik kapağı, tüm görüntü boşluksuz yapraklarla kaplandığında 1'e eşittir. • Gölgelik gözenekliliği: görüntü (boşluk) içindeki boşlukların yüzdesi, kanopi yoluyla ışık penetrasyonu ile ilgili olabilir. • Kümelenme indeksi: etkili bitki veya yaprak alan indeksi gerçek bitki veya yaprak alan indeksi (Macfarlane ve ark., 2007) oranı. Yeşillik bir gölgelik içinde rasgele dağıtıldığında 1 eşittir ve yeşillik daha topaklar halinde kümelenmiş hale geldiğinde bir daha azdır. Vine için bu faktör yakın veya 1 (rasgele dağılım) eşittir, hiçbir gölgelik mevcut büyük boşluklar ile görüntübölümleri olmadığı sürece.
Yukarıda bahsedilen parametreler, Macfarlane ve ark. (2007) tarafından hesaplanan Fuentes et al.'da (2008, 2014) açıklanan algoritmalara göre hesaplanmıştır:
yeşillik projektif kapak kesirleri ( Ff ) = 1- tg/tp taç kapağı ( Fc ) = 1- lg/tp taç gözenekliliği ( & ) = ff/ fc Nerede lg = büyük boşluk piksel, tg = tüm boşluklarda toplam piksel, tp = toplam boşluk piksel.
LAI olarak hesaplanır: LAI = -fc lnΦ/k K'nin ışık yok olma katsayısı olduğu yer.
*Üzüm bağları için k'nin 0.65 ile 0.75 arasında değiştiği bildirilmiştir. Uygulama nın varsayılan k değeri, Fuentes ve ark., (2014), De Bei et al., (2016) 'deki üzüm bağları için bildirilen 0,7 olarak ayarlanır. Görüntü başına özel k değerleri, gölgeliğin üst kısmındaki Fotosentetik Aktif Radyasyon (PAR) ölçümü (Io) ve görüntünün çekildiği yerden (I) daha fazla doğruluk elde edilerek elde edilebilir. Bu durumda k = 1 & I/Io (Poblete vd., 2015). Asma dışındaki ürünler için LAI uygun k değeri seçilerek App kullanılarak ölçülebilir.
Uygulama ayrıca kümelenme dizini hesaplar: ≫(0) = (1- Φ) ln(1-ff)/ln(Φ)ff Kümeleme indeksi ürün olarak etkili LAI (LAIe) elde etmek için bir düzeltme faktörüdür: LAIe = LAI x Ω(0)
Başvuru De Bei R.; Fuentes S.; Gilliham M.; Tyerman S.; Edwards E.; Bianchini N.; Smith J.; Collins C. 2016. VitiCanopy: ücretsiz bir bilgisayar Uygulaması gölgelik canlılık ve üzüm için gözeneklilik tahmin etmek. Sensörler 2016, 16, 585.
Fuentes S., Poblete-Echeverria C., Ortega-Farias S., Tyerman S.D., De Bei R. 2014. Kapak fotoğrafçılığı, video ve hesaplamalı analiz yöntemleri kullanılarak asma kanopilerinden yaprak alan indeksi (LAI) otomatik tahmini. Avustralya Üzüm ve Şarap Araştırmaları Dergisi, 20 (3): 465-473
Fuentes S., Palmer A.R., Taylor D., Zeppel M., Whitley R., Eamus D. 2008. Dijital görüntüler, Matlab® programlama ve UZAKTAN hissedilen ve LAI alan ölçümleri arasındaki ilişkinin incelenmesi için uygulanması kullanarak ormanlık ekosistemlerin yaprak alanı indeksi (LAI) tahmin etmek için otomatik bir prosedür. Fonksiyonel Bitki Biyolojisi, 35: 1070-1079
Macfarlane C., Arndt SK., Livesley S.J., Edgar A.C., Beyaz D.A., Adams M.A., Eamus D. 2007. Kapak ve tam kare balıkgözü fotoğrafçılığı kullanarak, dikey yeşillikli okaliptüs ormanında yaprak alan indeksinin tahmini. Orman Ekolojisi ve Yönetimi, 242(2-3): 756-763
Poblete-Echeverría C., Fuentes S., Ortega-Farias S., Gonzalez-Talice J., Yuri J.A. 2015. Değişken Bir ışık tükenme katsayısı kullanarak elma ağaçlarında yaprak alan indeksi (LAI) tahmin etmek için dijital kapak fotoğrafçılığı. Sensörler, 15: 2860-2872