bruik van een scanner waarin op de plaats van de
detector (2 in fig. 5) een spectrometer is geplaatst
die het spectrum van het van elk op de grond waar
genomen punt ontvangen signaal op een groot aan
tal punten bemonstert. Voor dit systeem zijn tussen
0,5 en 2,5 p.m deze banden ook in fig. 10 aangegeven.
Met deze gegevens is het mogelijk een automatische
inventarisatie op een gewas uit te voeren. In feite
is het ook alleen maar zinvol om dit automatisch,
dus met een rekentuig, te doen door de enorme
vloed van tegelijk opgenomen gegevens. Fig. 11 laat
hiervan een resultaat zien. In dit voorbeeld waren
er door een gunstige keuze van de spectrale banden
maar 4 nodig voor een 90% betrouwbare identifi
catie. Een dergelijk systeem biedt vele mogelijkhe-
minui
den, b.v. voor snelle gewasidentificatie (met regis
tratie en metrisch vastleggen), controle, inventari
satie, vaststelling van planteziektes, vaststelling van
opbrengst, enz.
Ook hier geldt echter weer dat nog veel werk verzet
zal moeten worden om deze methode tot volle was
dom te brengen. Dit is dan ook de reden, dat o.m.
ook door de Interdepartementale Werkgroep Ap-
plicatieonderzoek van Moderne Luchtopname Sys
temen (NIWARS) veldstudies geplanned zijn om
voor een MSS systeem optimale selectieprocedures
te vinden (MSS Multi Spectral Scanning). Im
mers dezelfde gewassen vertonen altijd onderling
weer kleine natuurlijke verschillen [5], Voorts zullen
nader moeten worden onderzocht: de invloed van
de belichting (zonnestand, bewolking, enz.), hoek
van inzien, enz., alsmede de mogelijkheid van de
toepassing van een actief systeem (meevoeren eigen
lichtbron).
Veel van dit werk zal in het terrein moeten gebeuren
en vanaf vaste meetplatforms en torens, eerst als
onderzoek naar de mogelijkheden van MSS en later
als ondersteuning van een vliegprogramma.
3.4 Conclusies voor de scanners
De scanner systemen lijken veelbelovend, speciaal
vanuit de gezichtshoek van het automatiseren van
de verwerking: dit zou wel eens een eerste stap kun
nen zijn naar een min of meer „real time processing"
der verkregen waarnemingen. Veel fundamenteel
mum i i
r
100
TOMATO
F LAX
SUGAR BEETS
CABBAGE
.A .6
1.0 1.2
WAVELENGTH
1.4 1.6
IN MICRONS
100
BARLEY
e althy
4 .6 .8 1.0 1.2 1.4 1.6 1.8 2.0
Fig. 10. Reflectiespectra van enkele gewassen [2],
<ooo fin
Fig. 11. Voorbeeld van gewasinventarisatie met een MSS
systeem [3]. Links: luchtfoto met velden: W tarwe,
O haver, C mais, S sojabonen. Rechts: computer
printout van selectie van tarwe. Waarschijnlijkheid
van juiste antwoord 90% door responsies in 4 spec
trale gebiedjes onderling te vergelijken.
78
ngt 71