کشاورزی دقیق
حسنی محمدی منور؛ سمانه زیبازاده
چکیده
استفاده از تکنیک سنجش از دور امروزه در کشاورزی کاربردهای فراوانی دارد ازجمله تعیین سطح زیرکشت و پیشبینی عملکرد محصول. در این پژوهش از تصاویر ماهوارهای جهت تفکیک گندم آبی و دیم در استان همدان استفاده شد. شاخصهای NDVI ،EVI و NDWI از تصاویر 16 روزه سنجندههای لندست، مادیس و سنتینل 3 در بازه پنج ساله مورد مطالعه (2015-2019) استخراج گردید. نتایج ...
بیشتر
استفاده از تکنیک سنجش از دور امروزه در کشاورزی کاربردهای فراوانی دارد ازجمله تعیین سطح زیرکشت و پیشبینی عملکرد محصول. در این پژوهش از تصاویر ماهوارهای جهت تفکیک گندم آبی و دیم در استان همدان استفاده شد. شاخصهای NDVI ،EVI و NDWI از تصاویر 16 روزه سنجندههای لندست، مادیس و سنتینل 3 در بازه پنج ساله مورد مطالعه (2015-2019) استخراج گردید. نتایج شاخصها نشان داد کاهش شدید NDVI/EVI بعد از نقطه اوج بهدلیل آن است که زمان زرد شدن و یا برداشت محصول فرا رسیده است. بهعلاوه NDWI بهترتیب در بیشینه سبزینگی گندم در کشت آبی و دیم 0.767 و 0.736 دیده شد. سامانه Google Earth Engine محیط انجام محاسبات پردازش تصاویر و استخراج شاخصها و نقشهها بود و نرمافزار R نیز برای آنالیزهای طبقهبندی و تفکیک کشت دیم و آبی بهکار رفت. نتایج نشان داد نقشه استان بر اساس سطح زیر کشت دیم و آبی ماهواره سنتینل 3 جزییات بیشتری را نشان داد. همچنین استفاده همزمان از چند شاخص NDVI ،EVI و NDWI توانست قدرت تفکیک را افزایش دهد. علیرغم شباهتهای موجود، الگوریتمهای SVM و MD نیز با دقت قابلقبولی تفکیک کشت دیم و آبی استان را ارائه دادند. نتایج نشان داد کشت دیم و آبی گندم استان با دقت 0.737 تفکیک شد و تفکیک گندم از سایر کشتها با دقت 0.945 انجام گردید.
نیکروز باقری؛ حسنی محمدی منور
چکیده
بیماری آتشک یکی از مخرّبترین بیماری باکتریایی درختان میوه دانهداردر سراسر جهان است. در سالهای اخیر، طیفسنجی بهعنوان یک روش دقیق و زمان واقعی برای تشخیص بیماریهای گیاهی شناخته شده است. بنابراین، هدف اصلی این پژوهش تشخیص بیماری آتشک درختان گلابی در مراحل اولیه آلودگی با استفاده از طیفسنجی مرئی و مادون قرمز نزدیک است. برای ...
بیشتر
بیماری آتشک یکی از مخرّبترین بیماری باکتریایی درختان میوه دانهداردر سراسر جهان است. در سالهای اخیر، طیفسنجی بهعنوان یک روش دقیق و زمان واقعی برای تشخیص بیماریهای گیاهی شناخته شده است. بنابراین، هدف اصلی این پژوهش تشخیص بیماری آتشک درختان گلابی در مراحل اولیه آلودگی با استفاده از طیفسنجی مرئی و مادون قرمز نزدیک است. برای دستیابی به این هدف، طیف بازتابی برگهای سالم، برگهای شبهبیمار و برگهای بیمار در محدوده طیفی نور مرئی و مادون قرمز نزدیک اندازهگیری شد. به منظور حفظ اطلاعات مهم طیفی و همچنین کاهش ابعاد دادهها، روشهای مختلف خطی و غیرخطی مانند تجزیه و تحلیل PCA، نقشهبرداری سامون و روش اتوکودر چندلایه (MAE) مورد استفاده قرار گرفت. خروجی روشهای مذکور بهعنوان ورودی برای روش طبقهبندی SIMCA با هدف تفکیک برگ سالم، بیمار و شبهبیمار بهکار رفت. بر اساس نتایج، بهترین طبقهبندی با استفاده از روش PCA در طیف مشتقی، با دقت 8/95، 3/89 و 6/91 درصد بهترتیب برای نمونههای سالم، شبهبیمار و بیمار بهدست آمد. این نتایج توانایی روشهای یادگیری چندمنظوره را برای تشخیص زودهنگام بیماری آتشک با استفاده از طیفسنجی تأیید میکند.
بهنام سپهر؛ حسنی محمدی منور
چکیده
تکنیکهای کشاورزی دقیق در یک محیط گلخانهای به افزایش کیفیت محصول نهایی، کاهش هزینههای استفاده از کود و جلوگیری از رواناب نیتروژن کمک میکند. حسگرهای نوری با اندازهگیری بازتاب یا جذب از برگهای سبز ابزاری سریع و غیرمخرب برای محاسبه محتوای سبزینگی و کلروفیل گیاه هستند. هدف از این تحقیق، بررسی قابلیت اطمینان شاخص پوشش گیاهی تفاضلی ...
بیشتر
تکنیکهای کشاورزی دقیق در یک محیط گلخانهای به افزایش کیفیت محصول نهایی، کاهش هزینههای استفاده از کود و جلوگیری از رواناب نیتروژن کمک میکند. حسگرهای نوری با اندازهگیری بازتاب یا جذب از برگهای سبز ابزاری سریع و غیرمخرب برای محاسبه محتوای سبزینگی و کلروفیل گیاه هستند. هدف از این تحقیق، بررسی قابلیت اطمینان شاخص پوشش گیاهی تفاضلی نرمال شده (NDVI) اندازهگیریشده توسط حسگر سبزینهسنج (GreenSeeker) بهعنوان شاخص غیرمستقیم وضعیت سبزینگی گوجه و خیار گلخانهای و مقایسه عملکرد این حسگر با کلروفیلمتر (SPAD) بود. آزمایش در بهار سال 1396 در گلخانه تحقیقاتی گروه مهندسی بیوسیستم دانشگاه بوعلی سینا همدان انجام شد. گوجهفرنگی و خیار با تیمارهای کود اوره صفر، 028/0، 138/0، 359/0 و 607/0 گرم بر لیتر با محتوای 46% نیتروژن کوددهی گردید. 71 روز پس از کاشت، تیمارهای یک تا سه با کود اضافی تحت درمان قرار گرفتند. تعداد برگ گیاهان در پایان هر مرحله از دادهبرداری شمارش شدند. رابطه رگرسیونی بین متغیرهای اندازهگیری شده با نرمافزار SPSS محاسبه گردید. در گوجه و خیار بهترتیب میزان کود و NDVI 95/0 و 57/0 و کلروفیل قرائتشده بهطور متوسط همبستگی 65/0 و 60/0 داشتند.
حسنی محمدی منور
چکیده
تغییرات زیاد میزان نیتروژن خاک مزارع کاربرد مفید کود ازت را محدود میکند. مدیریت خلاقانه کود باید بهگونهای باشد تا از اثرات مخرب کوددهی زیاد جلوگیری کند و همچنین بتواند بازدهی مزرعه را افزایش دهد. استفاده کمتر یا بیشتر از ازت بر روی کیفیت غده سیبزمینی مؤثر است. هدف استفاده از حسگر سبزینهسنج (GS) و تصاویر ماهوارهای در یک مزرعه ...
بیشتر
تغییرات زیاد میزان نیتروژن خاک مزارع کاربرد مفید کود ازت را محدود میکند. مدیریت خلاقانه کود باید بهگونهای باشد تا از اثرات مخرب کوددهی زیاد جلوگیری کند و همچنین بتواند بازدهی مزرعه را افزایش دهد. استفاده کمتر یا بیشتر از ازت بر روی کیفیت غده سیبزمینی مؤثر است. هدف استفاده از حسگر سبزینهسنج (GS) و تصاویر ماهوارهای در یک مزرعه تجاری سیبزمینی رقم مارفونا واقع در شهرستان بهار استان همدان، قابلیت بهکارگیری این حسگرها و امکان جایگزینی آن نسبت به روشهای متداول بود و همچنین با استفاده از طیفسنجی برگ، میزان شاخص پوشش گیاهی نرمال (NDVI) مطابق طول موج حسگر GS محاسبه شد. اندازهگیری با سبزینهسنج هر هشت روز در هر متر مربع ثبت گردید. در طول دوره رشد تا برداشت دوبار از تصاویر ماهواره لندست 8 (OLI) استفاده شد. ضریب تبیین عملکرد فصلی (INSEY) و دادههای هواشناسی با مقدار NDVI بررسی شده در مدل رگرسیونی بردار پشتیبان (SVR) بهترتیب 0/947 و 0/964 توسط سبزینهسنج و 0/947 و 0/997 توسط تصویر لندست پیشبینی گردید. نتایج نشان داد که NDVI محاسبه شده توسط GS (0/94) با دقت بیشتری نسبت به تصاویر OLI (0/81) توسط طیفسنجی تأیید شد که علت آن را میتوان به تغییرات جوی مربوط دانست. لذا سبزینهسنج بهطور دقیق و مؤثر میتواند در مزارع برای مدیریت کود ازت بهکار گرفته شود.
حسنی محمدی منور
چکیده
کشاورزی دقیق، نوعی فناوری است که در آن تغییرات موجود در مزرعه از جمله ویژگیهای خاک، اندازهگیری و مدیریت میشود. در این پژوهش از روش سریع و دقیق طیفسنجی مرئی- مادون قرمز نزدیک (VIS-NIR) در محدوده طیف 370 تا 2000 نانومتر برای تعیین خصوصیات فیزیکی و شیمیایی خاک مزرعه استفاده شد. خصوصیات خاک شامل pH، نیتروژن کل، منیزیم، پتاسیم، فسفر، آهن ...
بیشتر
کشاورزی دقیق، نوعی فناوری است که در آن تغییرات موجود در مزرعه از جمله ویژگیهای خاک، اندازهگیری و مدیریت میشود. در این پژوهش از روش سریع و دقیق طیفسنجی مرئی- مادون قرمز نزدیک (VIS-NIR) در محدوده طیف 370 تا 2000 نانومتر برای تعیین خصوصیات فیزیکی و شیمیایی خاک مزرعه استفاده شد. خصوصیات خاک شامل pH، نیتروژن کل، منیزیم، پتاسیم، فسفر، آهن و کربن آلی اندازهگیری شدند. هدف از این مطالعه بررسی روش انتخاب تعداد نمونهها در دقت مدل واسنجی است. از سه روش تصادفی، شیمیایی و روش آنالیز مؤلفه اصلی (PCA) برای انتخاب تعداد دادهها و مدل سازی استفاده شد و روشها با هم مقایسه شدند. نتایج رگرسیون حداقل مربعات جزئی (PLSR) نشان داد با تعداد 105 نمونه، بهترین روش دسته بندی در اکثر فاکتورهای اندازهگیری شده خاک، روش PCA میباشد. مطابق این روش نتایج پیشبینی مقدار نیتروژن بهترین جواب را میدهد (R2=0.77 و RMSE=0.21). اگر دو سوم و کل نمونهها نیز در مجموعه واسنجی استفاده شود نتایج چندان بهبود نمییابد، چنانچه برای آهن آزاد خواهیم داشت: R2210=0.72، R2140=0.77 و R2105=0.78. در مورد سایر فاکتورهای خاک هم نتایج قابل استنادی بهدست آمد. دقت پیشبینی منیزیم (R2140=0.55، R2105=0.57) و pH خاک (R2105=0.73، R2140=0.75) بهترتیب بیش باری و بهبود مدل را نشان داد. در حالیکه در مدلسازی با کل دادهها میزان خطا برای پیشبینی پتاسیم و فسفر خاک بهترتیب 3.37 mg g-1 و 5.28 mg g-1 محاسبه شد. نتایج نشان داد روش غیرمخرب VIS-NIR برای پیشبینی فاکتورهای خاک بسیار مناسب بود و همچنین قادر به اختصاص تعداد بهینه دادهها در مجموعه واسنجی میباشد.
حسنی محمدی منور؛ رضا علیمردانی؛ محمود امید
چکیده
بیش از دو دهه است که بخش کشاورزی استفاده از سامانههای خودکار را تجربه میکند. از موارد کاربرد این سامانهها در کشاورزی میتوان به برداشت میوه اشاره نمود. بینایی کامپیوتر یکی از پرکاربردترین فنآوریهای مورد استفاده در صنایع غذایی و کشاورزی نوین است. در مقاله حاضر سیستمی خودکار مبتنی بر بینایی کامپیوتر جهت برداشت گوجهفرنگی ...
بیشتر
بیش از دو دهه است که بخش کشاورزی استفاده از سامانههای خودکار را تجربه میکند. از موارد کاربرد این سامانهها در کشاورزی میتوان به برداشت میوه اشاره نمود. بینایی کامپیوتر یکی از پرکاربردترین فنآوریهای مورد استفاده در صنایع غذایی و کشاورزی نوین است. در مقاله حاضر سیستمی خودکار مبتنی بر بینایی کامپیوتر جهت برداشت گوجهفرنگی گلخانهای ارائه می شود. دوربینCCD به عنوان حسگر بینایی از فضای کاری عکس میگیرد و گوجهها با رسیدگی بالای 50 درصد توسط پردازش تصاویر شناسایی میشوند. در این پژوهش از سه فضای رنگیRGB , HSI و YCbCr و سه الگوریتم آستانهیابی، انحنای سطح تصویر و رابطه قرمز/ سبز جهت تشخیص گوجهفرنگیهای رسیده از زمینه و تحت شرایط نور طبیعی استفاده شده است. نتایج نشان میدهد متوسط خطای الگوریتمهای آستانهیابی، رابطه قرمز/ سبز و انحنای سطح تصویر بهترتیب 82/11، 03/10 و 95/7 درصد در سه فضای رنگیHSI ، RGB وYCbCr بود. فضای رنگی YCbCr و الگوریتم انحنای سطح تصویر در تمایز گوجهفرنگی رسیده از زمینه و در شرایط نور طبیعی، موفقتر عمل میکند.
