Utan avancerad avkänningsteknik, människor ser bara en liten del av hela det elektromagnetiska spektrumet. Satelliter ser hela spektrumet – från högenergiska gammastrålar, att synas, infraröd, och lågenergimikrovågor. Bilderna och data de samlar in kan användas för att lösa komplexa problem. Till exempel, satellitdata utnyttjas av forskare vid University of Illinois för en mer komplett bild av odlingsmark och för att uppskatta skörden i USA:s majsbälte.

"På platser där vi kan se bara den gröna färgen i grödor, elektromagnetisk avbildning från satelliter avslöjar mycket mer information om vad som faktiskt händer i växternas blad och till och med inne i baldakinen. Hur man utnyttjar denna information är utmaningen, säger Kaiyu Guan, en miljövetare vid U of I och huvudförfattaren till forskningen. "Att använda olika spektralband och titta på dem på ett integrerat sätt, avslöjar rik information för att förbättra grödorna. "

Guan säger att det här arbetet är första gången som så många spektralband, inklusive synliga, infraröd, termisk, och passiv och aktiv mikrovågsugn, och baldakinfluorescensmätningar har sammanförts för att titta på grödor.

"Vi använde ett integrerat ramverk som heter Partial Least-Square Regression för att analysera all data tillsammans. Denna specifika metod kan identifiera gemensamt delad information över de olika datamängderna. När vi drar ut den delade informationen från varje datauppsättning, vad som finns kvar är den unika informationen som är relevant för vegetationsförhållandena och skörden."

Studien avslöjar att de många satellitdatauppsättningarna delar gemensam information relaterad till grödor som odlas ovan jord. Dock, forskarna upptäcker också att olika satellitdata kan avslöja miljöpåfrestningar som grödor upplever relaterade till torka och värme. Guan säger att den utmanande aspekten av skördobservation är att spannmålen, vilket är vad skörden handlar om, växer inuti baldakinen, där det inte syns ovanifrån. "Synliga eller nära-infraröda band som vanligtvis används för övervakning av grödor är huvudsakligen känsliga för den övre baldakinen, men ger lite information om djupare vegetation och markförhållanden som påverkar grödans vattenstatus och skörd, säger John Kimball från University of Montana, en långvarig samarbetspartner med Guan och en medförfattare till tidningen.

"Vår studie tyder på att mikrovågsradardata på Ku-bandet innehåller unikt användbar information om grödans tillväxt, " säger Guan. "Förutom biomassainformationen, den innehåller också ytterligare information associerad med grödans vattenstress på grund av den högre mikrovågskänsligheten för vatteninnehållet i baldakin, och mikrovågsugn kan också penetrera kapellet och se genom en del av eller hela kapellet. Vi finner också att termiska band ger information om vatten- och värmestress, " säger Guan. "Denna information talar om för oss när löv öppnar eller stänger sina porer för att andas och absorbera kol för tillväxt."

Medförfattare David Lobell från Stanford University, som skapade idén med Guan, säger att genom att utnyttja all denna satellitdata tillsammans ökar kapaciteten avsevärt att övervaka grödor och skördar.

"Det här är en tid av big data. Hur man förstår all tillgänglig data, att generera användbar information för jordbrukare, ekonomer, och andra som behöver veta skörden, är en viktig utmaning, " Guan säger. "Detta kommer att vara ett viktigt verktyg. Och, även om vi började med U.S. Corn Belt, detta ramverk kan användas för att analysera åkermark var som helst på planeten."

Studien, "De delade och unika värdena för optisk, fluorescens, termiska och mikrovågssatellitdata för att uppskatta skördar i stor skala, " publiceras i Fjärranalys av miljön . Arbetet initierades och designades av Kaiyu Guan från U of I och David Lobell från Stanford University. Den är medförfattare av ett team av flera institut från Jin Wu (Brookhaven National Lab), John S. Kimball (University of Montana), Martha C. Anderson (USDA ARS), Steve Frolking (University of New Hampshire), Bo Li (University of Illinois), och Christopher R. Hain (NOAA).