تصاویر ماهواره ای

تصاویر ماهواره ای و کشاورزی دقیق | نمونه موفق کشاورزی دقیق در کانادا

کشاورزی دقیق: به سوی “سفارشی سازی” کود شیمیایی به منظور به حداكثر رساندن بهره وری های اقتصادي و زیست محيطي

 

کشاورزی کانادا به دلیل اینکه بسیار مدرن و مولد ثروت است از شهرت بین المللی برخوردار می باشد.

کشاورزی نقش مهمی در اقتصاد کشور ایفا می کند و به ۸٪ تولید ناخالص داخلی یا درون مرزی (تقریبا ۱۱۰ میلیارد دلار) و ۱۲٪ مشاغل (۲٫۱ میلیون نفر) منجر می شود.

همه افراد درگیر در بخش کشاورزی کانادا (تصمیم گیرندگان ، تولید کنندگان و مشاوران) از مسائل زیست محیطی مرتبط با کشاورزی (آلودگی آب و هوا، فروسایی زمین و گوناگونی زیستی) بخوبی آگاه هستند و همچنین متعهد به توسعه سالم و قابل اطمینان کشاورزی و استفاده هوشمندانه از ورودی های کشاورزی (کودها، آفت کش ها و علف کش ها یا گیاه کش) و حفظ منابع طبیعی می باشند.

در چند سال اخیر تولید کنندگان به منظور بهینه سازی عملکرد و درآمد؛ ضمن احترام به محیط زیست، روی تکیه گاه جدیدی حساب می کنند؛ کشاورزی دقیق.

 استفاده از فناوری هایی مانند GPS، هدایت خودکار، فناوری سرعت متغیر ، حسگرهای بازدهی، تصاویر ماهواره ای، پهپاد های کشاورزی (هواپیماهای بدون سرنشین) و غیره در کشاورزی دقیق به کار می آیند، می توان گفت هم اکنون کشاورزی دقیق، جزئی از زندگی روزمره کشاورزان است. کاربرد ورودی های کشاورزی بر اساس جمله ی مقابل (یعنی منبع مناسب همراه با میزان مناسب ، مکان مناسب در زمان مناسب) بنا شده است که چگونگی کار باید براساس دانش علمی و دانش فنی باشد. چنین دانش علمی و فنی می بایست مبتنی بر اطلاعات قابل اعتماد، دقیق و کاملی باشد که اغلب این اطلاعات در مقیاس جهانی ضروری می باشد، همچنین وضوح مکانی قابل قبول نیز مورد نیاز می باشد. تصاویر ماهواره ای، ابزاری ایده آل برای ارائه اطلاعات بیشتر می باشد.

 

تصاویر ماهواره ای: منبع ضروری اطلاعات

در حال حاضر حدود ۱۵ سال است که سنسورهای موجود در ماهواره های رصد زمین (Earth observation یا  EO) با وضوح بسیار بالا (very high spatial resolution یا VHR ) منبع داده ای را ارائه می دهند که می تواند اطلاعاتی در مورد خاک ها و محصولات زراعی در مقیاس های مکانی مناسب (حدود ۲ متر با استفاده از تصاویر چند طیفی) به همراه نسبت دقیق قیمت / کیفیت ارائه دهد. یک تصویر چند وجهی VHR می تواند صدها زمینه را با وضوح متریک با هزینه زیر ۱ دلار در هکتار پوشش دهد.

اخیراً ، صورت فلکی ماهواره ای متحرک؛ مانند پلیاد، به عملکرد برنامه ریزی شده ی طولانی مدت برای کاربردهای مربوط به کشاورزی مانند: بازدید روزانه، برنامه ریزی فراگیری در دوره های کوتاه، تحویل تصویر با سرعت بالا دست یافته اند.

ماهواره پلیاد؛ مجموعه ای از دو ماهواره با وضوح تصویربرداری بسیار بالا می باشد.

این مزیت با توجه به اینکه تشخیص سلامت محصول در مراحل رشد بسیار خاص مورد نیاز است، حیاتی می باشد. تحقیقات زیادی در زمینه ترجمه داده های ماهواره ای به اطلاعات مفید کشاورزی صورت گرفته است ، و این تحقیق، سودمندی عملیاتی این داده ها را در بخش خدمات کشاورزی نشان داده است. بنابراین ، “محصولات حاصل از کشاورزی” که دارای قابلیت اطمینان و آماده استفاده هستند می توانند در مقیاس زمانی و مکانی مناسب برای کاربردهای مرتبط با تعیین خصوصیات خاک، نظارت بر رشد، تشخیص زودهنگام بیماری، برآورد نیازهای ورودی (به ویژه در ” حالت متغیر “) ، پیش بینی عملکرد ، ارزیابی خسارت و غیره استفاده شوند.

شایان ذکر است که با وجود این پتانسیل واقعی، پیوند موجود در زنجیره ای که مقدار پدیده ای از داده های تولید شده توسط سنسورهای EO و استفاده عملیاتی آنها را برای پاسخگویی به نیازهای کاربران بخش کشاورزی جمع می کند، تا به امروز ضعیف مانده است. محصولاتی که از تصاویر ماهواره ای برای برآورد مقدار کود نیتروژن جهت برآورده کردن نیازهای غذایی گیاهان به دست می آیند، نمونه عینی از چنین کاربرد عملیاتی هستند.

 

کود نیتروژن: یک مسئله مهم برای کشاورزی دقیق

اهمیت نیتروژن در کشاورزی به اندازه اهمیت یونجه برای گاو می باشد. نیتروژن عنصر اصلی در ساختار مولکول های کلروفیل، مهمترین ماده سازنده گیاهان است. کلروفیل به گیاه اجازه می دهد تا نور خورشید را جذب کرده و آن را به انرژی تبدیل کند (فتوسنتز). با تأمین منابع کافی نیتروژن ، گیاه انرژی خورشیدی بیشتری را به عملکرد زیست توده و عملکرد محصول تبدیل می کند.

کود نیتروژن یک ابزار ضروری جهت افزایش بازده محصول می باشد، با این حال تعیین دوز بهینه نیتروژن کار آسانی نیست، زیرا این امر به تعاملات پیچیده گیاهان، خاک، شرایط آب و هوایی و شیوه های مدیریتی بستگی دارد.  با تمایل به جلوگیری از دست دادن عملکرد به دلیل کمبود نیتروژن، رویه های فعلی باعث افزایش بیش از حد کود می شوند که این امر منجر به هزینه های غیر ضروری و همچنین مشکلات جدی زیست محیطی مانند: فرسایش خاک، لیچینگ نیترات (منبع تغذیه) در آب و تبخیر آمونیاک (آمونیاک یکی از قدرتمند ترین گاز های گلخانه ای می باشد) در هوا می شود.

رویکردهای ریاضی و مکانیکی چرخه نیتروژن و مدل سازی رشد محصول برای درک نظری فرآیندها بسیار مفید است، اما برای تعیین مقادیر بهینه برای کود مصرفی کافی نیستند. همچنین این رویکرد ها علاوه بر نیاز به ورودی های متعدد که برای تعیین دقت لازم می باشند، می توانند مستعد انتشار خطاهای ذاتی در مدل های هر فرآیند باشند.

زنجیره تامین محصولات کشاورزی کانادا مدلی مبتنی بر استفاده از تحلیل های آماری برای درک رابطه مستقیم بین خواص مؤثر بر الزامات نیتروژن (خاک، رویش، آب و هوا و مدیریت) و واکنش کود های نیتروژن بر اساس تعداد زیادی از آزمایش های متفاوت بر روی نیتروژن تهیه کرده اند.

 این روابط به عنوان یک سیستم پشتیبانی تصمیم (Decision-support system یا DDS ) پیاده سازی شده اند که به آن SCAN (Soil, Crops and Atmosphere for Nitrogen managemen) به معنی خاک، محصولات زراعی و اتمسفر برای مدیریت نیتروژن) نیز گفته می شود، همچنین مبتنی بر تکنیک های هوش مصنوعی می باشد که برای مدیریت روابط غیر صریح و پیچیده مناسب ترین انتخاب می باشند.

تصاویر ماهواره ای بدست آمده در مراحل رشد، مجموعه ای از انواع اطلاعات مورد نیاز برای عملکرد SCAN را فراهم می کند، در واقع وضعیت محصول را فراهم می کند.

SCAN با دو نوآوری عمده مشخص می شود.

 اولین مورد استخراج دانش زراعتی مربوط به کود نیتروژن است: مطالعات مربوط به این موضوع با استفاده از روش فرا-آنالیز در بانک های اطلاعاتی حاوی صدها آزمایش کود شیمیایی جمع آوری شده توسط بسیاری از محققان در کانادا و ایالات متحده انجام می شود (به منابع مراجعه کنیدTremblay et al. ، ۲۰۱۲).

نوآوری دوم شامل مدل سازی این دانش زراعتی در قالب قواعد استنتاج در یک سیستم منطق فازی است (به منابع مراجعه کنید Bouroubi ، ۲۰۱۱).

انجام اقدامات لازم جهت پیشرفت در این دو جنبه از SCAN و اعتبار سنجی آن برای مناطق کشاورزی مختلف و همچنین تطبیق آن با انواع محصولات کشاورزی همچنان در حال انجام است. مطالعات انجام شده به عنوان بخشی از توسعه SCAN بارها در طی کنفرانس های بین المللی کشاورزی دقیق به عنوان نوآوری اساسی در این زمینه ذکر شده است و مورد بررسی قرار گرفته است.

یک پلتفرم Web SCAN توسط حدود ۱۰۰ کاربر در تابستان سال ۲۰۱۶ تست شده است، و در مصارف تجاری آن در سال ۲۰۱۷ نیز مورد آزمایش قرار گرفته شد.

 

تصاویر ماهواره ای

 

تصویر ۱پلتفرم SCAN Web

در شرایط کاربرد عملی، کود نیتروژن “هوشمند” سرمایه گذاری شما در این زمینه را به حداکثر درآمد خالص (عملکرد محصول بهینه شده و کاهش هزینه های کوددهی) تبدیل می کند، همچنین هزینه های اضافی مربوط به دستاوردهای زیست محیطی را کاهش می دهد.

استفاده از کشاورزی دقیق در استان کِبکِ (در کانادا) و سایر نقاط جهان همچنان در حال افزایش می باشد (Bouroubi and Blllanger، ۲۰۱۵).

شرکت اتیفیس با دسترسی کامل به کلیه ماهواره ها (از نظر وضوح مکانی ، طیفی و زمانی) و تخصص آن در زمینه تولید اطلاعات مکانی، طیف وسیعی از محصولات را تولید کرده است که به استخراج پتانسیل کامل این تصاویر و پاسخگویی به نياز هاي بخش كشاورزي آنها از لحاظ نقشه برداري خاك، تشخيص تنش، توصيه هاي ورودی در حالت هاي “مناطق مديريتی” يا “نرخ های متغير” ، پيش بيني عملكرد و غيره می پردازد.

این خدمات به زودی به عنوان یک پلتفرم نقشه برداری وب، با خدمات مرتبط با SCAN (بارورسازی نیتروژن) و سایر خدمات مکمل در دسترس خواهند بود. SCAN به دموکراتیک سازی کشاورزی دقیق و ارائه مزایا قابل توجهی کمک خواهد کرد که نتیجه آن را در منافع اقتصادی و توسعه قابل اطمینان می توانید مشاهده کنید.

آیا می خواهید در مورد کشاورزی دقیق اطلاعات بیشتری کسب کنید؟ با ما تماس بگیرید و یک راه حل سفارشی برای پروژه خود دریافت کنید.

 

 

منابع

 

Precision Agriculture: Moving to “Customized” Nitrogen Fertilization in Order to Maximize Economic and Environmental Gains

 

Bouroubi Y., N. Tremblay, P. Vigneault, C. Bélec, B. Panneton and S. Guillaume, 2011, Fuzzy Logic Approach for Spatially Variable Nitrogen Fertilization of Corn Based on Soil, Crop and Precipitation Information. Lecture Notes in Computer Science, 2011, Volume 6782, 356-368.

 

Tremblay, N., Y. Bouroubi, C. Bélec, R. Mullen, N. Kitchen, W. Thomason, S. Ebelhar, D. Mengel, B. Raun, D. Francis, E.D. Vories, and I. Ortiz-Monasterio. 2012. Corn Response to Nitrogen is Influenced by Soil Texture and Weather. Agronomy Journal, 104(6): 1658-1671. (www.dl.sciencesocieties.org/publications)

 

Bouroubi Y. et M.-C. Bélanger, 2015. Réflexion sur l’état d’adoption des technologies d’agriculture de précision au Québec. Rapport du la commission de géomatique agricole et d’agriculture de précision du CRAAQ, juin 2015 (www.craaq.qc.ca/documents)

 

مقاله “تصاویر ماهواره ای و کشاورزی دقیق ، نمونه موفق کشاورزی دقیق در کانادا

 

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *