عضویت در انجمن جغرافیا و برنامه ریزی شهری ایران:

  • امروز : دوشنبه, ۷ اسفند , ۱۴۰۲
  • برابر با : Monday - 26 February - 2024
کل 301 امروز 0
0
0

توسعه یک زنجیره پردازش پیش خودکار برای نظارت بر کشاورزی با استفاده از رویکرد چند سنسور و چند زمانی

  • کد خبر : 1392
  • ۲۲ دی ۱۴۰۲ - ۳:۳۰
توسعه یک زنجیره پردازش پیش خودکار برای نظارت بر کشاورزی با استفاده از رویکرد چند سنسور و چند زمانی

ترجمه مقاله : 1. معرفی بخش کشاورزی از اهمیت اساسی برخوردار است و یکی از بخش هایی است که آسیب پذیرترین بخش در برابر تغییرات آب و هوایی است [1]. در عین حال، فعالیت‌های کشاورزی فشرده و ناپایدار، منابع طبیعی و خدمات کلیدی اکوسیستم را کاهش و تخریب می‌کند. در واقع، در کشورهای اروپایی، رویدادهای […]

ترجمه مقاله :


1. معرفی

بخش کشاورزی از اهمیت اساسی برخوردار است و یکی از بخش هایی است که آسیب پذیرترین بخش در برابر تغییرات آب و هوایی است [1]. در عین حال، فعالیت‌های کشاورزی فشرده و ناپایدار، منابع طبیعی و خدمات کلیدی اکوسیستم را کاهش و تخریب می‌کند. در واقع، در کشورهای اروپایی، رویدادهای شدید باعث کاهش 9% و 3.1% عملکرد محصول می شوند. [2]. اتحادیه اروپا (EU) به طور قابل توجهی در حال ترویج شیوه های کشاورزی پایدار است [3]. یکی از مهمترین ابزارهای ارائه شده توسط اتحادیه اروپا، سیاست مشترک کشاورزی (CAP) است که هدف آن بهبود حفاظت از محیط زیست و شیوه های پایدار آب و هوا است. مدیریت CAP اتحادیه اروپا شامل کشورهای عضو از طریق آژانس های پرداخت ملی است که مسئول نظارت بر استفاده از بودجه توسط جامعه کشاورز هستند. [4]. در دسترس بودن اطلاعات در مورد کشاورزی و محصولات زراعی برای برنامه ریزی زراعی موفق و مدیریت کشاورزی پایدار بسیار مهم است. [5]. با این حال، آمار رسمی در مورد مناطق زراعی اغلب در پایان فصل یا بعد از آن ارائه می شود و بنابراین برای حمایت از مدیریت محصول در فصل مفید نیست. [6]. مقررات CAP توسعه خدمات نظارت منظم و سیستماتیک را تشویق می کند [7].
رصد زمین (EO) از اوایل دهه 1970 برای نظارت بر کشاورزی استفاده شده است. صورت فلکی نگهبان کوپرنیک امکان ادغام SAR و حسگرهای نوری را برای کاربردهای کشاورزی، غلبه بر محدودیت‌های خاص آنها (یعنی وابستگی به خورشید و ابرها برای نویز نوری و سیگنال و پایداری SAR) فراهم می‌کند. [8]. حسگرهای نوری به واکنش تاج پوشش و ویژگی های فتوسنتزی حساس هستند، در حالی که حسگرهای SAR به زیست توده گیاهی، رطوبت خاک و بافت سطح حساس تر هستند. [6].
بر اساس موارد فوق، Schiavon و همکاران. (2021) از کاربران سازمانی خواست تا مهمترین الزامات زیست محیطی و مرتبط با آب و هوا را از نظر قوانین کشاورزی-محیط زیستی فعلی نشان دهند و پتانسیل فناوری EO فعلی اروپا را برای برآورده کردن نیازهای نظارتی آنها ارزیابی کردند. نتایج این کار نشان می‌دهد که کاربران درخواست توسعه محصولات EO کشاورزی تلفیقی، ارائه اطلاعات فصلی و سالانه در مورد تولید محصول، و شاخص‌های درون فصلی توسعه و وضعیت محصول را دارند. علاوه بر این، آنها نیاز به نظارت بر میزان تنوع اقدامات کشاورزی و زیست محیطی در بخش کشاورزی به منظور حمایت از پرداخت های مستقیم سبز را بیان می کنند. [7]. بنابراین، یک نقشه برداری موثر چند زمانی زمین های زراعی برای مدیریت صحیح منابع طبیعی و برای جلوگیری از خطرات ناشی از شرایط آب و هوایی مانند خشکسالی اساسی است. در واقع، 14% و 12% از کاربران به ترتیب به حوزه کشاورزی و منابع آب و به توسعه محصولات جدید EO در این حوزه ها علاقه نشان دادند. [7].
حسگرهای نوری توانایی خود را در تشخیص محصولات مختلف نشان داده اند [9,10]و در سال های اخیر، سنسورهای رادار دیافراگم مصنوعی (SAR) نیز برای نقشه برداری و نظارت بر محصول استفاده شده است. [11,12,13]. چندین نویسنده قابلیت های داده های SAR را در نقشه برداری محصول بررسی کرده اند. نتایج موفقیت آمیزی با باند C به دست آمده است که به ویژه برای تجزیه و تحلیل فنولوژی برنج ارزشمند است [14]. علاوه بر این، تکنیک‌های مبتنی بر حسگرهای باند X نتایج دلگرم‌کننده‌ای به‌ویژه تصویربرداری دو قطبی نشان دادند. [15]. انواع دیگر محصولات تهیه شده با استفاده از داده های SAR شامل گندم زمستانه، علفزار آبی و غلات تابستانی است. [11,16,17]. با این حال، علاوه بر مقادیر backscatter، داده های نوری می توانند اطلاعات مرتبط و تکمیلی را در سطح مزرعه و محصول ارائه دهند. [12,18]. چندین نویسنده استفاده هم افزایی از SAR و داده های نوری را بررسی کردند و نشان دادند که رادار به رطوبت خاک، به ویژه در قطبش VV بسیار حساس است، در حالی که داده های نوری برای تعیین ویژگی های پوشش گیاهی بسیار مفید هستند. [8,19,20]. با این حال، همه این مطالعات موردی مبتنی بر استفاده از داده‌های میدانی برای آموزش الگوریتم‌های پیاده‌سازی شده هستند، اما این داده‌ها همیشه در دسترس نیستند و وابستگی به این اطلاعات اجازه توسعه یک سرویس نقشه برداری محصول عملیاتی را نمی‌دهد. نقشه برداری محصول همچنان یک وظیفه پیچیده برای فعالیت های عملیاتی است، هنوز هم به شدت به داده های مزرعه وابسته است و به دانش محلی از شیوه های مدیریت متکی است. [21]. توسعه روشی برای نقشه برداری محصول که بیشتر بر اساس خصوصیات ذاتی محصولات و فنولوژی آنها باشد نه بر داده های مزرعه، از اهمیت بالایی برخوردار است. علاوه بر این، بیشترین استفاده از داده های SAR در باند C با وضوح فضایی کمتر از وضوح داده باند X است. با توسعه اخیر مجموعه جدیدی از حسگرهای باند X می توان برخی از بهبودها را ایجاد کرد که به لطف وضوح مکانی و زمانی بالاتر، به طور قابل توجهی به نقشه برداری برش کمک می کند. [6]. از این منظر، توسعه یک زنجیره پردازش خودکار ضروری است، به ویژه برای برآورده کردن نیاز کاربران به محصولات EO کشاورزی هدفمند با داده‌های مکرر و مکرر برای تولید اطلاعات فصلی و سالانه. این ارزیابی بینش های مهمی را برای توسعه حسگرهای جدید ارائه کرده است، همچنین با توجه به سرمایه گذاری های برنامه ریزی شده توسط اتحادیه اروپا برای ماموریت های ماهواره ای بیشتر. [22]. بر اساس متن، برنامه کوپرنیک اطلاعات محیطی را عمدتاً بر اساس داده‌های ماهواره‌ای EO در قالب خدمات کوپرنیک ارائه می‌کند و به شش حوزه موضوعی می‌پردازد. سرویس‌های عملیاتی کوپرنیک ثابت نیستند، اما باید با نیازهای کاربران در حال ظهور و روش‌های پیشرفته برای توسعه و آزمایش الگوریتم‌هایی برای نمونه‌های اولیه محصول قبل از عملیاتی و عملیاتی و بهبود و توسعه خدمات کوپرنیک ویژه آینده با پتانسیل جهانی توسعه یابند. برنامه های کاربردی [23].

پر کردن شکاف بین نیازهای کاربر و محدودیت های فنی حسگرهای موجود با توسعه برنامه های کاربردی برای نسل جدید ماهواره ها بسیار مهم است. پروژه NOCTUA یک پروژه آزمایشی برای توسعه یک سرویس تجاری برای جمع آوری، پردازش و توزیع داده های راداری طراحی شده برای منطقه لومباردی (شمال ایتالیا) بود. این پروژه توسعه یک ماهواره SAR جدید مدار پایین زمین (LEO) را در باند X، با زمان بازدید مجدد 11 روز و وضوح زمین کمتر از 1 متر (در حالت Spotlight) پیش بینی کرد.

NOCTUA به عنوان اثبات مفهوم (POC) سرمایه گذاری IRIDE NEXT-GENERATION اتحادیه اروپا در نظر گرفته شده است که یک صورت فلکی ماهواره ای ایتالیایی LEO به نام IRIDE را توسعه خواهد داد. این صورت فلکی یک سرویس پایین دستی در سطح ملی برای تامین داده‌ها از انواع مختلف حسگرها (چند، فراطیفی، مادون قرمز، SAR)، همچنین با در نظر گرفتن ماموریت‌های موجود، و توسعه یک سری خدمات عملیاتی در چندین حوزه کاربردی ارائه می‌کند: ساحلی، کیفیت هوا، منابع آب، پوشش زمین و غیره

چندین روش برای نقشه برداری و پایش محصول در سال های اخیر توسعه یافته است. با این حال، کاستی ها برای استفاده عملیاتی به طور گسترده مورد بررسی قرار نگرفته است. استفاده ارزشمند از نقشه برداری محصول و الگوریتم های نظارتی که از داده های EO از منظر توسعه محصول عملیاتی سازگار استفاده می کند و پیکربندی واضحی از الزامات فنی و عملیاتی کاربران از جنبه های مربوطه ارائه خدمات عملیاتی را نشان می دهد، هنوز وجود ندارد. بنابراین، هدف اصلی این مطالعه توسعه یک اثبات مفهوم (POC) از یک زنجیره پردازش پیش خودکار مبتنی بر رویکرد چند سنسوری برای نقشه برداری محصول با هدف ادغام بالقوه در یک معماری خدمات عملیاتی، تقویت امکان رسیدگی به نیازهای کاربران با توجه به فوریت آنها، نزدیک بودن به فرآیند تحویل عملیاتی و در دسترس بودن ظرفیت ها. ادغام SAR با وضوح بالا در تصاویر باند X و داده‌های نوری چندطیفی برای تجزیه و تحلیل مراحل فنولوژیکی محصولات، با استفاده از یک منطقه کشاورزی واقع در منطقه لومباردی به عنوان یک سایت آزمایش، مورد بررسی قرار گرفته‌است. داده‌های SAR باند X موجود (یعنی TerraSAR-X) برای شبیه‌سازی سیگنال NOCTUA و ادغام زیست توده گیاهی و ساختار عمودی در بعد زمانی چرخه‌های مختلف محصول استفاده شده‌اند.

مقاله به شرح زیر سازماندهی شده است: پس از معرفی تکنیک ها و برنامه های کاربردی نظارت بر محصولات مبتنی بر سنجش از دور، بخش 2 منطقه مورد مطالعه را توصیف می کند و به داده های ورودی استفاده شده و روش پیاده سازی شده برای پیش پردازش و سپس پردازش داده های نوری و SAR می پردازد. بخش 3 نتایج میانی و نهایی را شرح می دهد. که در بخش 4نتایج نهایی با اشاره به مزایا، محدودیت‌ها و پیشرفت‌های آتی مورد بحث قرار گرفته و در نهایت، بخش 5 نتایج به دست آمده را خلاصه می کند.

4. بحث

کار حاضر یک رویکرد چند حسگر و چند زمانی را برای توسعه یک اثبات مفهوم (POC) برای یک زنجیره پردازش خودکار برای نظارت بر چرخه‌های محصول بررسی می‌کند. می توان از آن برای نظارت بر محصولات در فصول مختلف استفاده کرد و ابزاری قابل اعتماد برای شناسایی شیوه های کشاورزی مانند تناوب زراعی ارائه کرد. نتایج می‌تواند از سیاست مشترک کشاورزی (CAP) و کاربران نهادی ایتالیا پشتیبانی کند که توسعه نقشه‌برداری و نظارت را از طریق الگوریتم‌های نیمه خودکار برای شناسایی محصولات کشاورزی و فعالیت‌های کشاورزی در طول سال تشویق می‌کنند. [7]. ارزش افزوده این POC به مزیت بازیابی زیست توده گیاهی و ساختار عمودی، حمایت از نقشه‌برداری تناوب زراعی درون سالانه مربوط می‌شود، که هم بر پایداری شیوه‌های کشاورزی و هم بر پرداخت‌های مربوط به CAP اروپا تأثیر می‌گذارد.
ارزش افزوده یک رویکرد چند حسگر با استفاده از داده‌های TerraSAR-X (TSX) و Sentinel 2 (S2) در هم‌افزایی بررسی شده است. همانطور که توسط چندین نویسنده نشان داده شده است، داده های SAR به طور گسترده برای نظارت بر برنج و علفزار استفاده می شود [11,14,21]، اما نتایج این کار به مزیت استفاده از رویکرد چند حسگر برای بازیابی بسیاری از طبقات محصولات مربوط می شود. افزایش OA در مقایسه رویکرد تک حسگر (S2) با رویکرد چند حسگر (S2 + TSX) با توجه به دقت تولید کننده محصولات خاص (به عنوان مثال، محصولات درختی)، با بهبود 13٪ به دلیل استفاده از ضریب تغییرات (CoV) از پس پراکندگی رادار. CoV یکی از مرتبط ترین پارامترها در حمایت از جداسازی محصولات درختی از سایر طبقات بود.

یک گام اساسی، تجزیه و تحلیل تفکیک پذیری طبقات محصول، تجزیه و تحلیل روندهای زمانی توصیفگرهای اصلی پوشش گیاهی و خاک (شاخص های رادیومتری) و سیگنال پس پراکندگی بود. اگر فقط متغیرهای مبتنی بر S2 را در نظر بگیریم، مرتع و سویا پاسخ‌های مشابهی دارند، اما با ادغام پراکندگی چندگانه زمانی TSX، می‌توان یک پیک برای سویا در سه تاریخ (4 آگوست، 26 اوت و 6 سپتامبر) شناسایی کرد.

تفکیک پذیری محدود برخی از کلاس ها می تواند مقادیر کم OA را توضیح دهد. به عنوان مثال، الگوهای چند زمانی برنج و ماشک برای همه متغیرها مشابه است. با ادغام متغیرهای زنجیره پردازش به دست آمده از داده های SAR (به عنوان مثال، دوره غرقابی برنج) می توان بر محدودیت های مربوط به جداسازی محصولات خاصی که الگوی چند زمانی مشابهی را نشان می دهند غلبه کرد. علاوه بر این، اعلامیه کشاورزان که برای آموزش زنجیره فرآوری استفاده می‌شود تحت تأثیر یک سوگیری قرار می‌گیرد: این یک اعلامیه سالانه است، بنابراین فقط یک محصول در هر مزرعه بدون در نظر گرفتن تناوب زراعی درون سالی گزارش می‌شود.

بنابراین، رویکرد تحلیلی توسعه‌یافته در این مطالعه مستقل از در دسترس بودن داده‌های میدانی است زیرا پارامترهای مورد استفاده (یعنی شاخص‌های رادیومتریک و سیگنال پس‌پراکندگی) بیشتر به ویژگی‌های ذاتی محصولات و فنولوژی آن‌ها (یعنی زیست توده گیاهی و عمودی) مربوط می‌شوند. ساختار). این ویژگی ها در شرایط آب و هوایی مشابه تقریباً بدون تغییر باقی می مانند. این رویکرد برای منطقه لمباردی توسعه یافته است، و از نظر جغرافیایی محدود به منطقه مورد مطالعه خاص است تا زمانی که شرایط اقلیمی کشاورزی به اندازه کافی برای تعیین الگوهای مختلف در فنولوژی محصول تغییر نکند. برای اعمال زنجیره پردازش در سناریوهای مختلف کشاورزی، به مجموعه داده‌های آموزشی جدیدی در رابطه با گونه‌شناسی محصول و گونه‌شناسی محصول نیاز دارد و این می‌تواند مسائل جدیدی را در رابطه با همپوشانی سیگنال‌های رادیومتری در بین انواع محصولات باز کند. درخت تصمیم MESMA نیز باید از نظر آستانه‌ها دوباره تطبیق داده شود، با توجه به اینکه این بخش از فرآیند نمی‌تواند کاملاً خودکار شود.

زنجیره پردازش آماده استفاده برای ردیابی الگوهای سال‌های مختلف است و علاوه بر این، به S2 و TSX محدود نمی‌شود، بلکه آماده است تا تصاویر به دست آمده توسط سنسورهای دیگر را دریافت کند، زیرا مبتنی بر الگوریتم‌هایی است که برای حسگرهای مختلف به خوبی ادغام شده‌اند. .

علاوه بر این، زنجیره پردازش به شدت به استفاده از سرویس نظارت بر پوشش زمین کوپرنیک (CLCMS) وابسته است، که چندین محصول (به عنوان مثال، نقشه نفوذ ناپذیری، محصول مناطق ساحلی، پایگاه داده EU-Hydro) را به عنوان داده ورودی یکپارچه می کند. به لطف کسب مداوم صورت فلکی Sentinel 2، جزء نوری زنجیره پردازش پیش خودکار آماده عملیاتی شدن است، اما جزء مبتنی بر SAR در حال حاضر به داده های غیر عملیاتی (یعنی TSX) متکی است. توسعه صورت فلکی IRIDE، که داده‌هایی با وضوح مکانی و زمانی بالاتر ارائه می‌کند، همچنین چشم‌اندازی را در مورد اکتساب سیستماتیک برای جزء SAR ارائه می‌دهد. پیشرفت‌های آتی این کار ممکن است به طور قابل ملاحظه‌ای سبد کوپرنیک موجود را با پاسخ به نیازهای کاربر با محصولات موضوعی محصول فصلی و سالانه بهبود بخشد. بنابراین، طبقه‌بندی‌های سالانه محصولات به‌دست‌آمده، با تجزیه و تحلیل توسعه و وضعیت محصول فصلی، می‌تواند برای نظارت بر درجه تنوع اقدامات کشاورزی و زیست‌محیطی و کمک به آژانس‌های پرداخت ملی در نظارت بر استفاده از بودجه CAP مفید باشد.

5. نتیجه گیری ها

کمیسیون اروپا (EC) هر کشور عضو را ملزم به نظارت بر استفاده صحیح از منابع مالی می‌کند و استفاده از تصاویر ماهواره‌ای و تکنیک‌های رصد زمین (EO) را برای نظارت بر وضعیت محصولات در نظر می‌گیرد. [44]. بنابراین، استفاده از داده‌های EO برای الزامات مربوط به انتشار پرداخت‌های مستقیم نشان‌دهنده بهبود مداوم در اثربخشی هزینه است. [7].

در این چارچوب، کار حاضر یک اثبات مفهوم برای یک زنجیره پردازش خودکار مبتنی بر داده‌های TerraSAR-X و Sentinel 2 برای بازیابی زیست توده گیاهی و ساختار عمودی و نظارت بر شیوه‌های کشاورزی ایجاد می‌کند.

دو نقشه طبقه بندی تولید و مقایسه شد، اولی فقط بر اساس داده های S2 و دومی بر اساس ادغام بین سنسورهای نوری و راداری (TSX + S2). ادغام دو حسگر برای شناسایی محصول شواهدی از دقت بهبود یافته ارائه می دهد. این تازگی شامل بررسی الگوی چند زمانی شاخص‌های رادیومتریک و پراکندگی پس‌انداز راداری برای شناسایی مراحل مختلف فنولوژیکی هر محصول، شناسایی روز سال (DoY) است که در آن طبقات تفکیک پذیری بیشتری نشان دادند.

نمونه اولیه زنجیره پردازش باید با هدف نشان دادن امکان‌سنجی عملیاتی فنی به سمت یک رویکرد خودکارتر در ارائه پردازش داده‌های EO و محصولات پیش عملیاتی و عملیاتی باشد، بنابراین می‌تواند مجموعه‌ای از محصولات موجود را تکمیل و گسترش دهد و معیاری برای آن باشد. توسعه خدمات عملیاتی آینده برای مدیریت کشاورزی آژانس های پرداخت و موسسات ملی می توانند از این سرویس عملیاتی برای نظارت آسان بر استفاده از وجوه سیاست مشترک کشاورزی (CAP) بهره مند شوند.

برای توسعه یک زنجیره پردازش خودکار، لازم است به طور مداوم داده های ورودی مورد نیاز در طول زمان به دست آورید. به این دلایل، این کار همچنین به تعریف الزامات ماموریت برای صورت فلکی آینده و آینده (به عنوان مثال، IRIDE) با تمرکز دقیق بر استفاده هم افزایی از حسگرهای مختلف کمک می کند، که یک ارزش افزوده برای به دست آوردن یک سرویس خودکار پایین دستی سازگارتر است.

منابع :

1- shahrsaz.ir ,توسعه یک زنجیره پردازش پیش خودکار برای نظارت بر کشاورزی با استفاده از رویکرد چند سنسور و چند زمانی
,1705065904
2-Source link | 2024-01-12 03:30:00

لینک کوتاه : https://igupa.ir/?p=1392

برچسب ها

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : 0
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.