امکان‌سنجی پایش عملکرد یک کارنده‌ی اصلاح شده در سیستم کشاورزی حفاظتی با استفاده از تصاویر هواپیماهای بدون سرنشین

نوع مقاله : مقاله پژوهشی لاتین

نویسندگان

• زهرا کاوسی
• محمد حسین رئوفت

گروه مهندسی بیوسیستم، دانشگاه شیراز، شیراز، ایران

https://doi.org/10.22067/jam.v10i1.71498

چکیده

در این مقاله، عملکرد یک کارنده کشت مستقیم ذرت در زمین پوشیده از بقایای گندم (سه سطح پوشش بقایای 30، 45 و60 درصد، دو طرح کاشت روی پشته و داخل جوی، سرعت کاشت 4 و 8 کیلومتر بر ساعت) از طریق مشاهدات زمینی و هوایی ارزیابی شد. هدف از این مطالعه بررسی توانایی تصاویر گرفته شده توسط پرنده‌ی بدون سرنشین برای تشخیص فواصل بین بوته‌های ذرت و در نتیجه ارزیابی کیفیت عملکرد کارنده بود. داده‌های جمع‌آوری شده از زمین و تصاویر هوایی برای محاسبه شاخص‌های استقرار بذر شامل شاخص‌های چندتایی، نکاشت، کیفیت تغذیه، دقت و همچنین شاخص سرعت جوانه‌زنی برای هر پلات، استفاده شد. تصاویر اخذ شده از ارتفاع 10 متری (5/4 میلی‌متر بر پیکسل) نتایج خوبی با توجه به اهداف ما داشت. نتایج نشان داد که همبستگی قابل قبولی (ضریب همبستگی بین 94/0 تا 98/0) میان داده‌های زمینی و هوایی فاصله بین بوته‌های ذرت وجود دارد و می‌توان نتیجه گرفت که تصویربرداری هوایی انتخاب مناسبی برای ارزیابی استقرار بذر و تخمین سرعت جوانه‌زنی می‌باشد. داده‌های تصاویر هوایی مقادیر شاخص های کیفیت تغذیه و دقت را کمتر و مقادیر شاخص نکاشت را بیشتر از نتایج داده‌های زمینی تخمین زد و نتوانست داده‌های لازم برای محاسبه شاخص چندتایی را به‌دلیل دقت پایین تصاویر، حضور علف‌های هرز مابین ردیف محصول و هم‌پوشانی برگ‌ها فراهم کند.

کلیدواژه‌ها

• پوشش بقایای گیاهی (CRC)
• شاخص چندتایی
• شاخص نکاشت
• شاخص کیفیت تغذیه
• شاخص دقت

20.1001.1.22286829.1399.10.1.3.9

Open Access

©2020 The author(s). This article is licensed under Creative Commons Attribution 4.0 International License (CC BY 4.0), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source.

مراجع

1. Aguera, F., F. Carvajal, and M. Saiz. 2011. Measuring sunflower nitrogen status from an unmanned aerial vehicle-based system and on the ground device. In International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVIII-1/C22. ISPRS ICWG I/V UAV-g2011 (unmanned aerial vehicle in geomatics) conference, Zurich, Switzerland.

2. Bahrani, M. J., M. H. Raoufat, and H. Ghadiri. 2007. Influence of wheat residue management on irrigated corn grain production in a reduced tillage system. Soil & Tillage Research 94: 305-309.

3. Berni, J. A. J., P. J. Zarco-Tejada, L. Suarez, and E. Fereres. 2009. Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle. IEEE Transactions on Geoscience and Remote Sensing 47: 722-738.

4. CTIC. Crop Residue Management Survey System; Conservation Technology Information Center: West Lafayette, IN, USA, 2009. Available at: http://www.crmsurvey.org. Accessed 26 January 2010.

5. Dadi, V., and M. H. Raoufat. 2012. Comparative performance of six planter attachments in two residue management corn production systems. Spanish Journal of Agricultural Research 10 (4): 950-958.

6. Erbach, D. C. 1982. Tillage for continuous corn and corn-soybean rotation. Transactions of ASAE 25: 906-911.

7. Fallahi. S., and M. H. Raoufat. 2008. Row-cleaner planter attachments in a conservation tillage system: a comparative study. Soil Tillage Research 98: 27-34.

8. Hunt, E. R., M. Cavigelli, C. S. T. Daughtry, J. E. McMurtrey, and C. L. Walthall. 2005. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status. Precision Agriculture 6: 359-378.

9. Jannoura, R., K. Brinkmann, D. Uteau, C. Bruns, and R. G. Joergensen. 2015. Monitoring of crop biomass using true color aerial photographs taken from a remote controlled hexacopter. Biosystems Engineering 129: 341-351.

10. Kachman, S. D., and J. A. Smith. 1995. Alternative measures of accuracy in plant spacing for planters using single seed metering. Transactions of the ASAE 38 (2): 379-387. http://agris.fao.org/agris.

11. Naresh, R. K., R. K. Ashish Dwivedi, R. S. Gupta, S. S. Rathore, S. P. Dhaliwal, P. Kumar, R. Kumar, S. Vikrant, S. Vineet, and S. Onkar. 2016. Influence of Conservation Agriculture Practices on Physical, Chemical and Biological Properties of Soil and Soil Organic Carbon Dynamics in the Subtropical Climatic Conditions: A Review. Journal of Pure and Applied Microbiology 10 (2): 1061-1080.

12. Nejadi, J., and M. H. Raoufat, 2013. Field performance of a pneumatic row crop planter equipped with active toothed coulter for direct planting of corn in wheat residue. Spanish Journal of Agricultural Research 11 (2): 327-334.

13. Raoufat, M. H., and R. A. Mahmoodieh. 2005. Stand Establishment Responses of Maize to Seedbed Residue, Seed Drill Coulters and Primary Tillage Systems. Biosystems Engineering 90 (3): 261-269.

14. Raoufat, M. H., and A. Matbooei. 2007. Row cleaners enhance reduced tillage planting of corn in Iran. Soil Tillage Research 93: 152-161.

15. Rostami, M. A., and H. Afzali Gorouh. 2017. Remote sensing of residue management in farms using Landsat 8 sensor imagery. Journal of Agricultural Machinery 7 (2): 388-400. (In Farsi).

16. Sankaran, S., L. R. Khot, C. Z. Espinoza, S. Jarolmasjed, V. R. Sathuvalli, G. J. Vandemark, P. N. Miklas, A. H. Carter, M. O. Pumphrey, N. R. Knowles, and M. J. Pavek. 2015. Low-altitude, high-resolution aerial imaging systems for row and field crop phenotyping: A review. European Journal of Agronomy 70: 112-123.

17. Swain, K. C., S. J. Thomson, and H. P. W. Jayasuriya. 2010. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop. Transactions of the ASABE 53: 21-27.

18. Torres-Sanchez, J., J. M. Pena, A. I. Castro, and F. Lopez-Granados. 2014. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture 103: 104-113.

19. Varela, S., P. R. Dhodda, W. H. Hsu, P. V. V. Prasad, Y. Assefa, N. R. Peralta, T. Griffin, A. Sharda, A. Ferguson, and I. A. Ciampitti. 2018. Early-Season Stand Count Determination in Corn via Integration of Imagery from Unmanned Aerial Systems (UAS) and Supervised Learning Techniques. Remote Sensing 10, 343.

20. Vega, F. A., F. C. Ramirez, M. P. Saiz, and F. O. Rosua. 2015. Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop. Biosystems Engineering 132: 19-27.

21. Xiang, H., and L. Tian. 2011. Development of a low cost agricultural remote sensing system based on an autonomous unmanned aerial vehicle (UAV). Biosystems Engineering 108: 174-190.

22. Zhang, J., B. Basso, R. F. Price, G. Putman, and G. Shuai. 2018. Estimating plant distance in maize using Unmanned Aerial Vehicle (UAV). PLOS ONE 13 (4): e0195223. https://doi.org/10.1371/journal.pone.0195223.

23. Zheng, B., J. B. Campbell, G. Serbin, and J. M. Galbraith. 2014. Remote sensing of crop residue and tillage practices: Present capabilities and future prospects. Soil & Tillage Research 138: 26-34.

24. Zheng, B., J. B. Campbell, and K. M. de Beurs. 2012. Remote sensing of crop residue cover using multi-temporal Landsat imagery. Remote Sensing of Environment 117: 177-183.