کوادکوپتر Phantom-4
21 آوریل

پایش رشد محصولات کشاورزی و برآورد میزان بازده در امور دقیق مرتبط با کشاورزی

پایش میزان رشد محصولات کشاورزی اطلاعات مکانی قابل اعتماد و مناسبی را در اختیار مزرعه داران و تصمیم گیرندگان مشغول به کار در حوزه های مرتبط با کشاورزی، قرار می دهد. نویسندگان این مقاله بکارگیری تصاویر RGB حاصل از پهپادها برای برآورد ارتفاع محصولات و زیست توده را آزموده اند. ارزیابی ها در هشت مرحله از رشد انجام شدند تا اطلاعات مکانی مناسب و قابل اعتمادی را فراهم آورند.

مطالعه میزان رشد محصولات کشاورزی در طول فصل رشد یک پیش نیاز برای کشاورزی آگاهانه، اخذ تصمیمات و برآورد بازده محصولات است. اندازه گیری تحولات رخ داده در میزان ارتفاع محصول و زیست توده در خلال فصل رشد، شاخص های ضروری برای بررسی سلامت و رشد آنها را فراهم نموده و بنابراین، ابزاری برای بررسی میزان آب اختصاص یافته، کوددهی و برآورد محصولات را در اختیار قرار می دهد. اخذ داده های زمینی قادر به ارائه نتایج دقیقی است، اما بسیار پرهزینه و زمان بر بوده و می تواند منجر به نمونه برداری ضعیف و دقت کاهش یافته شود. به علاوه، اخذ داده ها روی زمین می تواند موجب بروز خساراتی در نتیجه له کردن گیاهان شود. بنابراین، بکارگیری روش های غیر تخریبی اندازه گیری تغییرات ارتفاع در طول زمان و با قدرت تفکیک زمانی و مکانی بالا ضروری به نظر می رسد.

پهپادها

تغییر ارتفاع محصول می تواند از طریق سری های زمانی مدل های رقومی سطح (DSM) حاصل از تصاویر دارای همپوشانی تعیین شود. تغییر در زیست توده می تواند از طریق شاخص های گیاهی که شاخص های مناسبی برای سلامت محصول نیز هستند، محاسبه شوند. تصاویر ماهواره ای چندطیفی برای این هدف مناسبند، اما این تصاویر و همچنین تصاویر اخذ شده از طریق هواپیماهای فتوگرامتری بسیار گران قیمت هستند. تصاویر تهیه شده با پهپادهای مجهز شده با دوربین، به عنوان جایگزینی برای داده های پرهزینه هوایی و ماهواره ای ظهور کرده اند. پهپادهای مجهز شده با دوربین، با پرواز در ارتفاع کم قادر به اخذ تصاویر هوایی با قدرت تفکیک مکانی و زمانی از مزارع کوچک و یا متوسط با قیمتی مناسب و بدون بروز خسارت به محصولات هستند.

کوادکوپتر Phantom-4

کوادکوپتر Phantom-4 بکارگرفته شده در مطالعات اولیه

اخذ و پردازش داده ها

برای بررسی امکان پذیر بودن استفاده از پهپاد برای پایش محصولات کشاورزی، مطالعه ای روی یک مزرعه 14 هکتاری ذرت در Gronau در غرب آلمان صورت گرفته است. یک گردش کار مبتنی بر پهپاد مناسب برای پایش محصولات کشاورزی در بردارنده برنامه پرواز، انتخاب و اندازه گیری نقاط کنترل زمینی، انجام پروازها، تولید یک مدل رقومی سطح و یک ارتوموزائیک، و جستجوی اطلاعات طیفی تصویری است. پهپاد بکارگرفته شده یک Phantom-4 گران قیمت مجهز شده با یک دوربین CanonEOS600D پایدار شده (شکل 1) است. فاصله کانونی دوربین 3.722 میلیمتر است. ترکیب 4000 در 3000 پیکسلی تصاویری را در بخش RGB طیف الکترومغناطیسی ایجاد می نماید. برای فعال نمودن قابلیت زمین مبنا نمودن تصاویر، 8 نقطه کنترل زمینی با استفاده از یک Leica CS10 و با دقت تعیین موقعیت 2 سانتیمتری اندازه گیری شدند. بیشتر این نقاط بطور نامساوی در طول مرز مزرعه پراکنده شده بودند، در حالی که تعداد اندکی نیز داخل مزرعه قرار داشتند که متاسفانه در طول فصل رشد کمتر قابل مشاهده بودند (شکل 2). هشت پرواز در طول تمام فصل رشد و در ساعات صبح از می تا سپتامبر 2016 به انجام رسیدند. فاصله زمانی بین هر دو پرواز 10 تا 15 روز بوده و این متغیر بودن فاصله زمانی در نتیجه شرایط آب و هوایی رخ داده است. تصاویر با پوشش طولی 80 و عرضی 60 درصدی تهیه شدند و با Pix4D برای تهیه یک DSM و یک ارتوموزائیک پردازش شدند (شکل 3). مجموعه داده های واقعیت زمینی از طریق یک نقشه برداری زمینی در 40 نقطه توزیع شده در سراسر مزرعه ذرت فراهم شدند. ارتفاع محصولات در طول 8 دوره رشد با استفاده از متر اندازه گیری شدند. برای تعیین زیست توده، نمونه های ذرت در هر 40 نقطه در زمان برداشت محصول به عنوان داده های واقعیت زمینی و با روش وزن دهی متعادل جمع آوری شدند. DSM مبنایی برای ایجاد مدل های سطحی محصول (CSM) برای برآورد وزن محصول را ایجاد می نماید.

توزیع نقاط کنترل زمینی و نقاط نمونه در منطقه تحت مطالعه

مدل های سطحی محصولات

هشت DSM ایجاد شده به عنوان CSMهای ارائه دهنده سطح محصولات بکار گرفته شدند. در هر بازه زمانی ار تفاع محصول با محاسبه اختلاف ارتفاع میان CSM و مدل ارتفاعی رقومی DEM نشان دهنده سطح زمین، به دست می آمد. این DEM از طریق اولین پرواز انجام شده در هنگام پاشیدن بذر ذرت تولید شده و بنابراین بطور واقعی زمین خالی اخذ گردیده است. ارتفاع متوسط محصول بدست آمده از CSM و ارتفاع اندازه گیری شده بصورت زمینی در هر نقطه نمونه در طول 8 مرحله فصل رشد، برای تعیین دقت ارتفاعات مورد استفاده قرار گرفتند. مقایسه میان این دو مجموعه داده دقتی بین 68 تا 85 درصد و خطای مربعی متوسط باقیمانده 30 تا 24 سانتیمتری را ارائه داد. می توان با استفاده از تعداد بیشتر نقاط کنترل زمینی نسبت به پروژه آزمایشی به دقت بالاتری برای ارتفاع محصولات دست یافت. این نقاط باید بخوبی در راستای مرز مزارع توزیع شده و بخوبی قابل مشاهده باشند. خطاهای سیستماتیک کوچکی در نتیجه کاهش دید در ارتباط با نقاط کنترل زمینی واقع شده درون مزارع رخ دادند و همچنین در نتیجه الگوی تکرارشونده ذرت های کاشته شده در ردیف های منظم، برخی اوقات انطباق تصاویر با مشکلاتی مواجه گردید.

زیست توده (Biomass)

زیست توده پارامتر بسیار مهمی در مدیریت کارای محصولات در طول فصل رشد و برآورد بازده است. شاخص های گیاهی می توانند به عنوان مشخص کننده زیست توده و همچنین وضعیت سلامت محصول در مراحل مختلف رشد بکار گرفته شوند. شاخص های گیاهی در تصاویر RGB با محاسبه نسبت های باندی مختلف، و جمع و تفریق آنها (شکل 4 را ببینید) و با استفاده از نرم افزار های ENVI (ابزار محاسبات باندی) و QGIS (طبقه بندی شبه خودکار، SCP) حاصل می شوند. این شاخص های گیاهی بر اساس باندهای طیفی در دسترس و مناسب بودن آنها برای محصولاتی نظیر ذرت انتخاب می شوند. با در آمیختن برآوردهای زیست توده و ارتفاع در مراحل مختلف رشد، می توان تازه و یا خشک بودن زیست توده در هنگام دروی محصول را برآورد نمود. بهترین برآوردها از زیست توده در زمان درو از ارتفاع محصول و زیست توده تخمین زده شده در نیمه راه رشد (بازه میان بلند شدن ساقه و باز شدن گل ها) به دست آمده است.

ارتوموزائیک

شکل 3- ارتوموزائیک

نگاهی به آینده

CMSهای تولید شده می توانستند منبع اصلی بروز خطا در اندازه گیری ارتفاع دقیق محصولات باشند. با جانمایی نقاط کنترل زمینی بخوبی توزیع شده در طول مزرعه که در تمام طول فصل قابل مشاهده باقی بمانند، می توان به پیشرفت هایی دست یافت. بررسی امکان زمین مبنا نمودن مستقیم (با سوار کردن یک گیرنده GNSS فوق دقیق روی پهپاد) و بدون بکارگیری نقاط کنترل زمینی ارزش مطالعات بیشتر را دارد. برای بهبود برآورد زیست توده توصیه می شود که یک دوربین مادون قرمز نزدیک (NIR) در کنار دوربین RGB بکار گرفته شود. NIR می تواند تصویر واضح تری از سلامت محصول و تغییرات رطوبت ارائه داده و امکان تفسیر بصری و تحلیل رقومی را نیز فراهم آورد.

شاخص های گیاهی از باندهای طیفی مرئی (RGB)

شکل 4- فرمول های مختلف محاسبه شاخص های گیاهی از باندهای طیفی مرئی (RGB)

منبع: gim-international.com

دیدگاه بگذارید