کشاورزی در حال حاضر ۳/۸٪ به تولید ناخالص داخلی در جهان کمک میکند، هر چند که سهم آن در کشورهای مختلف به طور قابل توجهی (۰٪ -۶۰٪) متفاوت است. پیشبینی میشود که جمعیت جهان از ۵/۷ میلیارد در سال ۲۰۱۷ به ۱۵/۹ میلیارد تا سال ۲۰۴۰ افزایش یابد و واضح است که این افزایش جمعیت باعث افزایش نیازهای غذایی میشود.
تخمین زده میشود که حدود ۴۰ درصد تولید مواد غذایی بالقوه هر سال توسط حشرات، بیماریهای گیاهی و بلایای طبیعی ویران میشود، در حالیکه ۶۹ درصد از آب شیرین جهان برای رشد این محصولات مورد استفاده قرار میگیرد. با افزایش تقاضا ازیک سو و منابع محدود از سوی دیگر، بخش کشاورزی به دنبال روشهای کارامد برای ارزیابی، طبقهبندی و نظارت بر تغییرات محصولات و زمینهای کشاورزی است.
کاربرد سنجش از دور در کشاورزی
زمین، کاربری زمین و تغییرات آنها در چشم انداز های کشاورزی، از نظر مساحت و تعداد کلاس های طبقه بندی میتواند با استفاده از تکنیکهای سنجش از دور ارزیابی شود. این اطلاعات برای ارزیابی محیط زیست و اکوسیستم مورد نیاز است و به عنوان داده های ورودی برای نقشه برداری و مدل سازی مورد استفاده قرار میگیرد.
به کارگیری سنسورهای سنجش از دور و هواپیماهای بدون سرنشین در مناطق کشاورزی، منبع غنی از اطلاعات مربوط به خاک، دما، رطوبت، دانه، تجهیزات کشاورزی، دام، کود، زمین، کاشت محصولات کشاورزی، استفاده از آب و غیره تولید میکند. اساس برنامهریزی و مدیریت صحیح در چشماندازهای کشاورزی و تصمیمگیریهای بازرگانی، داشتن این آمار و اطلاعات دقیق و به هنگام از ظرفیتها، مساحت زمین های کشاورزی و انواع محصولات کشاورزی در چشم انداز های کشاورزی است.
تمایز روش های سنتی با روش های سنجش از دوری
روش های سنتی
- پرهزینه
- غیرقابل اجرا در مناطق وسیع
- زمانبر بودن جمعآوری اطلاعات و مشاهدات زمینی
- زمانبر بودن تهیه گزارشها
روش های سنجش از دوری
- یکپارچه و وسیع بودن
- تنوع طیفی
- سهلالوصول بودن دادهها
- دسترسی سریع به نقاط دور افتاده
- تهیه پوششهای تکراری
- ارزان بودن
- قابلیت تفکیک مکانی و رادیو متریکی مناسب
نمونه عملیاتی
در یک نمونه عملیاتی در چشم انداز های کشاورزی در سراسر آلمان، از تلفیق تصاویر ماهواره های Sentinel-2 و Landsat-8 که در ماههای اکتبر ۲۰۱۵ تا پایان سال ۲۰۱۶ گرفته شدهاند، نقشه طبقه بندی پوشش زمینی محصولات کشاورزی مختلف حاصل شده است.
Sentinel-2 اطلاعات مهمی برای نظارت بر پوشش گیاهی فراهم میکند. دوربین چند طیفی آن با ۱۳ باند طیفی و اولین نوع آن که شامل سه باند در لبه قرمز است، اطلاعات کلیدی را در مورد وضعیت پوشش گیاهی و محصولات کشاورزی ارائه میدهد. برای محاسبه دمای سطح زمین از شاخص پوشش گیاهی NDVI استفاده شده است و با توجه به اینکه دو باند ۱۰ و ۱۱ ماهواره لندست ۸ در محدودهی حرارتی قرار دارد، از آنها برای تهیه نقشه حرارتی و بررسی شاخص پوشش گیاهی استفاده شده است.
در مجموع ۲/۲ ترابایت داده برای تولید نقشه استفاده شده است که ۲۱ کلاس پوشش زمینی و ۱۵ نوع محصول کشاورزی را مشخص میکند. داشتن چنین نتایج دقیق از پوشش زمینی و نوع محصول منبع ارزشمند اطلاعات برای طیف وسیعی از برنامه های کاربردی کشاورزی است. کاربردهایی شامل مدل سازی جریانهای بیوشیمیایی و آلودگی، تجزیه و تحلیل تغییر کاربری زمینها، حفظ تنوع زیستی و مدیریت منابع طبیعی.
No comment