28457

تخمين عملكرد محصول به وسيله‌ي تصاوير سنجش از دور با در نظر گرفتن پارامترهاي اقليمي

كارشناسي ارشد

مهندسي -آب

1398

1401/9/26

دكتر برات مجردي و جناب دكتر عباس افشار

حسين عليزاده

مهندسي عمران

برآورد عملكرد محصول پيش از فصل برداشت از مهم‌ترين ابزارهاي برنامه‌ريزي كشاورزي دقيق است. خودكفايي در توليد گندم براي هر كشور، مخصوصاً كشورهاي تحت تحريم حائز اهميت فراوان است لذا تخمين عملكرد محصولات استراتژيكي مانند گندم از اهميت ‌بيشتري نيز برخوردار است. اين موضوع بعد از تنش اخير ميان دو كشور بزرگ توليدكننده‌ي گندم؛ يعني اوكراين و روسيه برجسته‌تر شده و مقوله‌ي امنيت غذايي شكل تازه‌اي به خود گرفته است. با پيش‌بيني مناسب از عملكرد محصول مي‌توان چرخه‌ي تأمين و توزيع را بهتر مديريت كرد و برنامه‌ريزي‌هاي صادرات و واردات را تا حد زيادي بهبود بخشيد. از طرفي روش‌هاي سنتي تخمين عملكرد به دليل صرف زمان زياد، دقت پايين و پرهزينه بودن، كارايي نداشته و بايد مشاهدات زميني با روش‌هاي نوين مانند سنجش از دور تركيب شود. كاربرد گسترده‌ي سنجش از دور راه رسيدن به كشاورزي دقيق و امنيت غذايي را تسهيل مي‌كند. در اين مطالعه برآورد عملكرد گندم ديم با دو روش انجام شد. روش اول بر اساس شاخص‌هاي گياهي، پارامترهاي اقليمي و فيزيولوژيكي و با توجه به چرخه‌ي فنولوژيك رشد گندم زمستانه و روش دوم نيز بر اساس معادلات تجربي، صورت پذيرفت. در هر دو روش از داده‌هاي زميني عملكرد گندم مربوط به 103 زمين زراعي با مجموع مساحت 331 هكتار در 2 سال زراعي 1398 و 1400 و به اقتضاي شرايط از ماهواره‌هاي مختلفي استفاده شده است. در روش اول با رسم نمودارهاي فنولوژيك شاخص‌ها، بهترين پارامتر آماري كه مساحت زير نمودار و بهترين مرحله‌ي رشد جهت توصيف عملكرد كه مرحله‌ي گلدهي بود به همراه ديگر عوامل انتخاب و وارد مدل‌هاي يادگيري ماشين شد كه مدل جنگل تصادفي با خطاي جذر ميانگين مربعات (RMSE)، 162 كيلوگرم بر هكتار و ضريب تعيين (R2)، 0.78 بهترين نتايج را ارائه داد. همچنين ضريب همبستگي و اهميت شاخص GLAI براي تخمين عملكرد، بيشتر از ساير شاخص‌ها شد. در روش دوم نيز با محاسبه‌ي زيست‌توده و تخمين عملكرد نهايي با معادلات تجربي، RMSE، 341 كيلوگرم بر هكتار گزارش شد. همچنين به دليل غير قابل اعتماد بودن داده‌هاي تبخير و تعرق زميني در هر دو روش از الگوريتم pySEBAL استفاده شده است. اين مطالعه برتري روش اول نسبت به روش‌هاي مبتني بر معادلات تجربي را در منطقه نشان داد و همچنين اين نتيجه حاصل شد كه اگر روش‌هاي تجربي با داده‌هاي سنجش از دور تركيب شود مي‌توان نتايج را تا حد مطلوبي بهبود بخشيد.

1402/04/07

Estimation of crop yield by remote sensing images considering climatic parameters

12/17/2023 12:00:00 AM

Estimating crop yield before the harvest season is one of the most essential tools for accurate agricultural planning. Self-sufficiency in wheat production is vital for every country, especially countries sanctioned, so estimating the performance of strategic products such as wheat is more important. This issue has become more prominent after the recent tension between the two major wheat-producing countries, namely Ukraine and Russia, and food security has taken on a new form. With proper forecasting of product performance, we will better manage the supply and distribution cycle and will improve export and import planning to a great extent. On the other hand, the traditional performance estimation methods are ineffective due to the high time spent, low accuracy, and high cost. So ground observations must combine with modern techniques such as remote sensing. The wide application of remote sensing facilitates precision agriculture and food security. In this study, dry wheat yield estimation has been done with two methods, the first method has been based on plant indices, climatic and physiological parameters, and the phenological growth cycle of winter wheat, and the second method was based on experimental equations. In both methods, the field data of wheat yield related to 103 agricultural fields with a total area of 331 hectares in 2 crop years 1398 and 1400 and according to the conditions, different satellites have been used. In the first method, by drawing the phenological diagrams of the indicators, the best statistical parameter, which is the area under the diagram, and the best growth stage to describe the performance, which was the flowering stage, were selected along with other factors and entered into the machine learning models, which is the random forest model. It gave the best results with a root mean square error (RMSE) of 162 kg/ha and a coefficient of determination (R2) of 0.78. Also, the correlation coefficient and the importance of the GLAI index for performance estimation were higher than other indices. In the second method, by calculating the biomass and estimating the final yield with experimental equations, RMSE was reported as 341 kg/ha. Also, due to the unreliability of ground evaporation and transpiration data, the pySEBAL algorithm was used in both methods. This study shows the superiority of the first method over methods based on empirical equations in the region. Consequently, combining experimental methods with remote sensing data is an applicable approach way to sensible improve the results.

عملكرد محصول، فنولوژي، شاخص‌ گياهي، گندم ديم، پارامتر اقليمي، سنجش از دور

Crop Yield, Phenology, Plant Index, Rainfed Wheat, Climate Parameter, Remote Sensing

Hatef Yahyazadeh

Dr. Barat Mojaradi, Dr. Abbas Afshar