تعیین تغییرات اراضی کشاورزی با تصاویر ماهواره‌ای سنتینل-۲
یک شرکت دانش‌بنیان مستقر در پارک علم و فناوری دانشگاه تهران سامانه‌ای را توسعه می‌دهد که با استفاده از تصاویر ماهواره سنتینل-۲ و الگوریتم‌های هوش مصنوعی، کمبودها و تغییرات هر مزرعه را به‌صورت خودکار شناسایی می‌کند.
محمدرضا اسماعیلی، مدیرعامل این شرکت دانش‌بنیان، در رویداد «فناوری فضایی در خدمت توسعه پایدار» به تشریح دستاوردها، چالش‌ها و برنامه‌های آینده این مجموعه می‌پردازد و می‌گوید: «این شرکت نخستین شرکت خصوصی کشور است که به جامعه بین‌المللی سنجش از دور می‌پیوندد. ما موفق به دریافت گواهینامه بین‌المللی می‌شویم و اکنون امکان دریافت انواع تصاویر ماهواره‌ای از مبدا اروپا، آمریکا و سایر سنجنده‌ها در شرکت فراهم است؛ فعالیتی که با وجود تحریم‌ها و محدودیت‌های متعدد، به شکل پایدار ادامه دارد.»
او توضیح می‌دهد: «این شرکت علاوه بر انجام فرایندهای مرتبط با سنجش از دور، در حوزه سامانه‌های اطلاعات مکانی (GIS)، پهپاد و اخیرا لجستیک سازمانی نیز فعال است. با توجه به شرایط اقتصادی و اقتضاعات حوزه فضا، برای حفظ پایداری شرکت، وارد حوزه لجستیک سازمانی می‌شویم که نسبت به دیگر بخش‌ها درآمدزاتر است. در کنار این فعالیت‌ها، توسعه نرم‌افزارها و اپلیکیشن‌های کاربردی و ارائه خدمات مخابرات ماهواره‌ای به سازمان‌های مختلف نیز در دستور کار قرار دارد.»
اسماعیلی درباره خدمات این شرکت در حوزه کشاورزی می‌گوید: «با دریافت درخواست‌هایی از بخش کشاورزی، سامانه‌ای هوشمند توسعه داده‌ایم که با بهره‌گیری از تصاویر ماهواره‌ای، پایش و تحلیل دقیق محصولات کشاورزی را ممکن می‌کند. یکی از ویژگی‌های مهم این سامانه، استفاده هم‌زمان از تصاویر با مقیاس متوسط و داده‌های دقیق‌تر است.»
مدیرعامل شرکت می‌افزاید: «با استفاده از شبکه‌های هوش مصنوعی و داده‌های ماهواره سنتینل-۲ (Sentinel-2) ، امکان شناسایی خودکار آثار و تغییرات در هر مزرعه فراهم می‌شود. در بخش تحلیل تک‌زنی نیز قابلیت‌هایی وجود دارد که کشاورز می‌تواند شاخص‌های گیاهی زمین خود را در تاریخ‌های مختلف مشاهده کند و آن را با مزارع مشابه در همان منطقه مقایسه کند.»
او استفاده مستقیم از داده‌های ماهواره سنتینل-۲ را یکی از قابلیت‌های کلیدی سامانه عنوان می‌کند و می‌گوید: «این امکان باعث می‌شود کاربر بتواند شاخص‌های مختلف مانند NDVI و سایر شاخص‌های اثرگذار را در طول زمان با حالت ایده‌آل مقایسه کند و نواحی دارای کمبود را شناسایی کند. در این سامانه از هوش مصنوعی استفاده می‌کنیم تا فرایند تفسیر داده‌ها به‌صورت خودکار و با زبانی ساده و قابل‌فهم انجام شود.»
اسماعیلی ادامه می‌دهد: «علاوه بر داده‌های سنجش از دور، از داده‌های هواشناسی نیز بهره می‌گیریم. با توجه به سطح دقت مورد انتظار، پیش‌بینی‌های هواشناسی در سامانه لحاظ می‌شود تا تصمیم‌گیری برای کشاورزان دقیق‌تر باشد. همچنین مذاکراتی با شرکت‌های داخلی در جریان است تا در گسترش پروژه از داده‌های بومی نیز استفاده شود.»