استفاده از تصاویر ماهوارهای برای پایش سطح زیرکشت برنج

دانشیار پردیس دانشکدههای فنی دانشگاه تهران از بهسرانجام رسیدن نرمافزار پایش سطح زیرکشت محصول برنج و تشخیص نوع کممحصول و پرمحصول آن با استفاده از تصاویر ماهوارهای خبر داد.
مهدی حسنلو با بیان اینکه این طرح با همکاری پردیس دانشکدههای فنی دانشگاه تهران و ستاد توسعه فناوریهای حوزه فضایی و حملونقل پیشرفته انجام شده است، افزود: «برنج بههمراه گندم یکی از دو کالای مهم اساسی و تغذیهای است؛ برایناساس، سیاستگذاران و برنامهریزان در هر کشور غالبا برای این دو کالای اساسی، جایگاه ویژهای در اقتصاد کشاورزی و توسعه اقتصادی در نظر دارند.»
وی با بیان اینکه مشکل کمبود آب و نیز توزیع کود و سموم و مدیریت بهتر آن، از مزایای داشتن اطلاعات سطح زیرکشت این محصول بهشمار میآید، ادامه داد: «مشکلات مختلف بخشهای کشاورزی و مدیریت سرزمین همچون کمآبی، تخریب خاک، سیلاب، طوفانهای گردوغبار و کاهش محصولات کشاورزی، نیاز به اطلاعات دقیق و بهروز در خصوص سطح زیرکشت برنج را برای مدیران، کشاورزان، کاربران زمین و تصمیمسازان کاملا آشکار کرده است.»
مهدی حسنلو خاطرنشان کرد: «برنامهریزی برای واردات و صادرات این محصول راهبردی و داشتن اطلاعات، از دیگر مزایای این نرمافزار محسوب میشود؛ بنابراین توسعه روشهایی بهمنظور تعیین ویژگیهای خاک در مقیاس محلی، منطقهای و جهانی با بهرهگیری از علوم و روشهای متعدد از جمله تصاویر ماهواره ای بسیار حائز اهمیت است.»
وی همچنین بیان کرد: «سری زمانی تصاویر ماهوارهای با توانهای تفکیک زمانی و مکانی مانند تصاویر سنتینل-۱ (Sentinel-1) و سنتینل-۲ (Sentinel-2) آژانس فضایی اروپا (ESA)، اطلاعات نمونهبرداریشده میدانی مختلف برنج، تفکیک انواع مختلف آن مانند و دادههای مشاهداتی همزمان با گذر ماهواره شامل مشخصات پوشش زمین و ویژگیهای فنولوژی گیاه برنج از دادههای ورودی این نرمافزار است.»
دانشیار پردیس دانشکدههای فنی دانشگاه تهران درباره رویکردهای فنی این نرمافزار نیز اظهار داشت: «گردآوری و تجزیهوتحلیل اطلاعات و دادههای مکانی و غیرمکانی موجود در خصوص ویژگیهای گیاه برنج و انواع آن، عملیات میدانی شامل تشریح نقاط مشاهداتی و محدوده آنها، نمونهبرداری انواع برنج و کیفیت آن، تهیه تصاویر ماهوارهای همزمان با دادهبرداریهای میدانی و اعمال روشهای تلفیقی پردازش دادههای ماهوارهای و دادهکاوی، هوشمصنوعی جهت مدلسازی و استخراج خصوصیات مختلف برنج، تهیه نقشههای رقومی سطح زیرکشت برنج و تفکیک انواع آن، از جمله رویکردهای فنی این نرمافزار است.»
حسنلو بررسی و کنترل کیفیت نقشههای رقومی تولیدشده با روشهای مختلف و دادههای میدانی، تهیه نقشههای نهایی رقومی سطح زیرکشت برنج و تهیه دستورالعمل، بهروزرسانی آنها، اتصال و اخذ تصاویر بهصورت آنلاین از سامانه گوگل ارث انجین (Google Earth Engine) و پردازش سریع و تولید نقشههای سطح زیرکشت برنج و تفکیک انواع آن را از دیگر رویکردهای فنی این نرمافزار دانست.
وی در بخش دیگری از سخنان خود به تشریح دستاوردهای این طرح پرداخت و بیان کرد: «با اجرای طرح مذکور، ایجاد زیرساخت مبتنیبر سنجش از دور بهمنظور تهیه نقشههای سطح زیرکشت برنج برای مناطق با دسترسی محدود با شرایط مشابه با سرعت زیاد و هزینه کم و همچنین تولید نقشههای رقومی سطح زیرکشت برنج برای هر سال زراعی بهصورت دورهای بدون نیاز به حضور فیزیکی و برداشت دادههای میدانی در هر زمان و هر مکان امکانپذیر خواهد شد.»
دانشیار پردیس دانشکدههای فنی دانشگاه تهران اظهار داشت: «محاسبه سطح زیرکشت برنج با دقت بالای ۹۵ درصد برای برنامهریزی بهمنظور صادرات و واردات و توزیع مناسب کود و سموم بین کشاورزان، تفکیک انواع کممحصول و پر محصول بهمنظور مدیریت بهتر و ایجاد امکان استفاده از توان شرکتهای دانشبنیان برای دستیابی به دانش فنی تولید ابزار و ادوات سنجش از دور جهت تسهیل و افزایش سرعت انجام مطالعات محصولات کشاورزی از دستاوردهای طرح است.»
حسنلو با بیان اینکه مدت زمان انجام این طرح ۱۲ ماه بوده است، خاطرنشان کرد: «کاربران حقوقی، همچون وزرات جهاد کشاورزی، وزارت صمت و ادارات کل جهاد کشاورزی استانها و کاربران حقیقی نظیر کشاورزان، بنگاههای اقتصادی، مدیران سامانههای کشاورزی، محققان و کارشناسان، برنامهریزان برنامههای توسعهای اعم از کشاورزی و غیرکشاورزی از جمله مهمترین کاربران اطلاعات تولید شده خواهند بود.»
گفتنی است نرمافزار پایش سطح زیرکشت برنج و تشخیص نوع کممحصول و پرمحصول آن با استفاده از تصاویر ماهوارهای، یکی از سه طرحی است که توسط پژوهشگران دانشکده مهندسی نقشهبرداری و اطلاعات مکان پردیس دانشکدههای فنی دانشگاه تهران به سرانجام رسید و اخیرا در مراسمی با حضور معاون علمی و فناوری ریاست جمهوری از آن رونمایی شد.