تقوم UVa بتطوير مؤشر نباتي محسن جديد للتنبؤ بالمحاصيل

يستخدم النظام صور الأقمار الصناعية جنبًا إلى جنب مع الذكاء الاصطناعي وقد تم بالفعل اختباره بنجاح لتوقع أداء البطاطس.

باحثون من مختبر الاستشعار عن بعد (LATUV) في جامعة بلد الوليد (UVa) صممت فهرس نباتي جديد قادر على تحسين نماذج التنبؤ بالمحاصيل. تم اختبار التقنية الجديدة ، التي تستخدم صور القمر الصناعي ESA Sentinel-2 وتقنيات التعلم الآلي والذكاء الاصطناعي ، بنجاح في التنبؤ بغلة محاصيل البطاطس والقمح.

يعتمد الإنتاج الزراعي على عدد كبير من العوامل ، البشرية والبيئية ، التي تخلق قدرًا كبيرًا من عدم اليقين بين المزارعين. لكن التكنولوجيا يمكن أن تكون حليفًا مهمًا في الحد منها. هذا هو الحال بالنسبة للنماذج الحسابية التي تسعى إلى محاكاة سلوك محصول ما في ظل ظروف محددة ، على سبيل المثال التربة أو المناخ أو الممارسات الزراعية ، واعتمادًا على هذا التطور المتوقع ، قم بتقدير الإنتاج الزراعي.

يوضح دييجو جوميز ، الباحث في LATUV والمؤلف الأول لدراستين تم نشرهما مؤخرًا في مجلتي International Journal of Remote Sensing and Agricultural and Forest Meteorology: "هناك العديد من النماذج وعادة ما تكون محددة لكل نوع من أنواع المحاصيل".

لكن نماذج النمو التقليدية هذه لها بعض القيود ، مثل "عدم القدرة على نمذجة التباين مكانيًا داخل نفس القطعة" أو كثرة بيانات الإدخال التي تتطلبها والتي "لا يتم الحصول عليها عادةً بسبب التكلفة العالية للوقت والمال المتضمنين في جمعها . "

منطقة زراعة البطاطس التي تم عمل التقديرات عليها / د. جوميز

وبالتالي ، في السنوات الأخيرة ، نراهن على تقنية ، الاستشعار عن بعد ، التي تستخدم الصور الطيفية التي التقطتها أجهزة الاستشعار البصرية (المثبتة على الأقمار الصناعية ، والطائرات ، والطائرات بدون طيار ، وما إلى ذلك) والتي يمكن أن تكمل هذه النماذج التقليدية بل وتحل محلها في بعض الحالات. توفر هذه الصور الطيفية بيانات عن حالة أو فينولوجيا المحصول - التغيرات الخارجية المرئية في عملية تطوير النبات - التي يتم دمجها في النماذج التي تعدل المعلومات المدخلة للتنبؤ بالمحاصيل.

تغطي الصور الطيفية التي تحتاج إلى بيانات الإدخال وتسمح بالوصول إلى المواقع البعيدة وبتكلفة منخفضة. كما أنهم قادرون على الحصول على معلومات تتعلق بالقدرة الإنتاجية للمحصول ، "يلاحظ الباحث LATUV ، الذي يتذكر أن أحد المؤشرات الطيفية - الصيغ الرياضية التي تجمع النطاقات الطيفية - للنباتات الأكثر استخدامًا لتقدير قوة أو كثافة الغطاء النباتي - التي تتنبأ في النهاية بإنتاجية المحاصيل - هي NDVI (NDVI).

يعد استخدام السلاسل الزمنية لهذا المؤشر لتوليد نماذج تنبؤية للمحاصيل أمرًا شائعًا جدًا في الأدبيات العلمية. يستخدم هذا الفهرس انعكاس الغطاء النباتي - قدرة الغطاء النباتي على عكس الضوء - في شريطين طيفيين ، أحمر وقريب من الأحمر ، مرتبطان ببعض الضوء المستخدم في التمثيل الضوئي وهيكل خلية الأوراق ، على التوالي.

فهرس نباتي جديد

طور باحثو LATUV فهرسًا جديدًا يسمى PPI استنادًا إلى صور القمر الصناعي ESA Sentinel-2 ، بالإضافة إلى مراعاة المعلومات الطيفية المشاركة في التمثيل الضوئي - 400 إلى 700 نانومتر - يأخذ في الاعتبار المعلومات من مناطق أخرى من الطيف الكهرومغناطيسي -704 نانومتر ، شريط Red Edge و 945 نانومتر ، نطاق امتصاص بخار الماء- ، والذي يمكن أن يوفر معلومات أساسية أخرى حول حالة المحصول ، مثل إجهاده المائي - عندما يتطلب النبات كمية من الماء أكثر مما يحتاج إليه.

قارن الباحثون القدرة التنبؤية لكل من مؤشرات الغطاء النباتي ، و NDVI و PPI ، إلى جانب المزيد من البيانات من صور الأقمار الصناعية. للقيام بذلك ، استخدموا خوارزميتين للذكاء الاصطناعي وتعلم الآلة (تسمى Random Forest و Support Vector Machine) ، وأنشأوا نماذج مختلفة قاموا فيها بدمج هذه الفهارس مع نطاقات الأقمار الصناعية الأخرى.

"كانت الفرضية هي أنه باستخدام فهرس يستخدم نطاقات أخرى غير مدرجة في مؤشر NDVI الشهير ، ومن ناحية أخرى ، مع بعض الإمكانات لتوفير معلومات محاصيل حساسة ، فإن النماذج التنبؤية ستكون أفضل" ، كما يقول جوميز ، الذي يتقدم أنه ، أخيرًا ، زادت القدرة التنبؤية للنماذج "عند تضمين أي من مؤشري الغطاء النباتي أو كليهما" ، مما يقيِّم "استخدام هذه البيانات في تركيبة مع نطاقات ساتلية فردية معينة".

تنبؤات أكثر دقة في زراعة البطاطس

تظهر النتائج أن مؤشر PPI يوفر معلومات مشابهة لمؤشر NDVI عند استخدام خوارزمية Support Vector Machine ، وهو أكثر إفادة بكثير من NDVI عند استخدام خوارزمية Random Forest ، والنتائج الواعدة "التي تضع على الجدول فهرس نباتي جديد يمكنه تحسين التنبؤ نماذج حصاد تعتمد على صور الأقمار الصناعية ".

حتى الآن ، تم اختبار المؤشر الجديد على زراعة البطاطس في منطقة دراسة محلية إلى حد ما. تعد البطاطس بعد الحبوب من أهم المحاصيل الغذائية على مستوى العالم. إنها تلعب دورًا رئيسيًا في الأمن الغذائي للبلدان النامية ولها أيضًا وزن كبير في القطاع الزراعي الأوروبي ، حيث تعتبر ألمانيا وفرنسا وهولندا وبولندا منتجين رئيسيين. كما تم اختباره في القمح مع البيانات المأخوذة في المكسيك.

تتمثل فكرة المعدات في زيادة عدد البيانات لتحسين صلابة النموذج ، وتغطية منطقة دراسة أكبر لزيادة التباين المكاني ودمج المحاصيل الجديدة. وجهات النظر التي تعتمد على استمرارية التمويل ويمكن أن تساعد المزارعين على توقع حصادهم بشكل أكثر موثوقية في المستقبل.