چهارشنبه, ۱۵ دی ۱۴۰۰ ۰۸:۳۴ ۱۱۱
طبقه بندی: توسعه کاربرد RS
چچ
خدمتی برای کشاورزی هوشمند با استفاده از سنجش از دور و GIS

خدمتی برای کشاورزی هوشمند با استفاده از سنجش از دور و GIS

فناوری سنجش از دور با بکارگیری تصاویر ماهواره ای می تواند ابزار کارآمدی در کشاورزی هوشمند باشد.

مقدمه

بسیاری از تحولات فناوری در قرن 20 منجر به توسعه مفهوم کشاورزی هوشمند شد. کشاورزی هوشمند در تولید محصولات زراعی از فناوری های پیشرفته ای همچون GIS, GPS و RS در اتوماتیک و مکانیزه کردن عملیات کشاورزی (مقادیر متغیر مصرف سم، کود، بذر، علف کش ها و نیز عمق کاشت متفاوت، با توجه به شرایط ویژه هر قسمت از مزرعه) استفاده می کند. در این راستا، با نوآوری در شیوه های سنتی کشاورزی، مزرعه های هوشمند با حداکثر سود در مکان های مختلف جهان ایجاد شده است. موفقیت خدمت کشاورزی هوشمند مستلزم ادغام فناوری های نوین در یک خدمت واحد است. GIS و سنجش از دور (RS) نقش بسیار مهمی در اجرا و نظارت بر شیوه های ایجاد و نگهداری مزرعه های هوشمند دارد. GIS و سنجش از دور ابزار بسیار قدرتمندی را برای نظارت بر مراحل رشد محصول، مدیریت بیماری، برآورد محصول، شناسایی نوع خاک، نظارت و کنترل علف های هرز و نقاط حساس برای بروز بیماری را فراهم می کند.


ضرورت اجرا و اهداف

امروزه نیاز به اشتراک اطلاعات از طریق اینترنت غیر قابل انکار است و بسیاری از برنامه های آنلاین مبتنی بر وب، جایگزین برنامه های سنتی قبلی شده اند. یکی از مهمترین مزایای اینگونه برنامه ها، فراهم آوردن کتابخانه مکانی است که می تواند توسط میلیون ها کاربر مورد استفاده قرار گیرد. از آنجایی که این اطلاعات به راحتی در دسترس است، می تواند برای سیاست گذاری و اجرای استراتژی های جدید در کشاورزی هوشمند مورد استفاده قرار گیرد. هدف از راه اندازی این خدمت مدیریت یکپارچه و اتوماتیک پارامتر های موثر بر کشاورزی موفق در راستای دستیابی به حداکثر بهره وری و همچنین کاهش هزینه ها می باشد.


داده ها و روش ها

نحوه جمع آوری داده ها و اطلاعات و پردازش آنها در کشاورزی هوشمند به بخش های متفاوتی از قبیل جمع آوری داده های مربوط به آزمایش خاک، شرایط و موقعیت مزرعه (پستی و بلندی)، میزان رطوبت نسبی خاک، میزان عملکرد و غیره تعیین می گردد که هر یک باید به دقت انجام شود و نتیجه آن منجر به تقلیل هزینه ها، افزایش و فزونی عملکرد و حفاظت خوب از محیط زیست خواهد شد.


پایگاه داده برای کشاورزی هوشمند به طور کلی شامل موارد زیر است:

  • اطلاعات محصول مانند مرحله رشد، سلامتی، مصرف مواد مغذی
  • خواص فیزیکی و شیمیایی خاک مانند عمق، بافت، وضعیت مواد مغذی، شوری، میزان سم، دمای خاک، پتانسیل بهره وری
  • داده های دمایی (فصلی و روزانه) مانند درجه حرارت سایبان، جهت و سرعت باد، رطوبت
  • شرایط زهکشی سطح و زیر سطح
  • امکانات آبیاری، در دسترس بودن آب و برنامه ریزی سایر ورودی ها

دستاورد ها و خروجی ها

استفاده از GIS و RS در حوزه کشاورزی روز به روز در حال افزایش است و کاربردهای مختلف از جمله خدمت پشتیبانی تصمیم گیری مکانی (SDSS) ، تخمین بهره وری ، تجزیه و تحلیل امنیت غذایی، مدل های شبیه سازی محصولات، مدیریت آفات، پایش دام، شناسایی سایت های بالقوه و ... را دارا هستند. GIS مجموعه قدرتمندی از ابزارها برای جمع آوری، ذخیره و بازیابی داده ها، تغییر شکل و نمایش داده های مکانی برای اهداف خاص است. داده های مکانی معمولاً به صورت لایه هایی هستند که ممکن است توپوگرافی یا عناصر محیطی را به تصویر بکشند.خدمت اطلاعات جغرافیایی با کمک به کشاورزان برای افزایش تولید، کاهش هزینه ها و مدیریت کارآمدتر زمین های خود نقش فزاینده ای در تولید محصولات کشاورزی در سراسر جهان دارد. در حالی که عوامل طبیعت قابل کنترل نیستند، می توان آنها را با استفاده از برنامه های GIS مانند برآورد محصول، تجزیه و تحلیل اصلاح خاک و شناسایی و اصلاح فرسایش درک و مدیریت کرد. به طور مشابه، سنجش از دور هم از توانایی بالایی برای کمک به کشاورزی هوشمند برخوردار است. زیرا راه حل نظارت بر تغییرات طیفی و مکانی را در طول زمان با وضوح بالا ارائه می دهد. این تغییرات مکانی - زمانی معیاری را برای درک تنوع رخ داده در طول مدت زمان فراهم می کند.


بهره برداران و ذینفعان

  • کشاورزان
  • وزارت جهاد کشاورزی
  • کارشناسان برنامه ریزی کشاورزی
  • کارشناسان توسعه روستایی
  • کارشناسان تحقیقات گیاه پزشکی
  • کارشناسان خاک شناسی و حاصل خیزی خاک
  • کارشناسان دامپروری
  • تعاونی های روستایی
  • پژوهشگران

نمونه محصول

در شکل شماره 1 نمایی ازخدمت هوشمند کشاورزی هند بنام FASAL نمایش داده شده است. در این برنامه، داده های سنجش از دور شامل داده های اپتیک و راداری، داده های ارزیابی شرایط محصول، داده های زمینی، داده های هواشناسی و داده های پیش بینی تولید (توسط کارشناسان) در مدل استفاده می شود. عملکرد محصولات کشاورزی مختلف به صورت مجزا با استفاده از داده های اشاره شده پیش بینی می شوند. در روش FASAL همچنین از مدلهای اقتصاد سنجی برای پیش بینی میزان مساحت و تولید، قبل از عملیات کاشت محصول نیز استفاده می شود.


کشاورزی هوشمند


آدرس کوتاه شده: