Güney Dakota Eyalet Üniversitesi Jeo-uzamsal Bilimler Araştırma Merkezi’ndeki araştırmacıların geliştirdiği yeni bir algoritma sayesinde Amerika Birleşik Devletleri’ndeki çiftçiler mahsullerini gerçek zamanlı olarak izleyebilecek.
İki yıl önce, GSCE’de araştırma görevlisi olan Yu Shen ve Coğrafya ve Mekânsal Bilimler Bölümü Profesörü ve GSCE’nin Eş Direktörü Xiaoyang Zhang, mahsul izlemeyi daha verimli hale getirmenin mümkün olup olmadığını araştırmaya başladı.
Shen, “Daha önce, mahsulün gelişimi bitkilere görsel olarak bakılarak izleniyordu,” diye açıkladı.
Ekinlerin izlenmesi için şu anda ABD’nin dört bir yanından, kendi bölgelerindeki tarlaların görsel gözlemlerine dayanan haftalık raporları dolduran yaklaşık 5.000 raportör gerekiyor.
Raportörler, standart tanımlara dayanarak, mahsullerin gelişim aşamaları boyunca ilerlemelerini tahmin ederken, aynı zamanda mahsul koşullarının öznel değerlendirmelerini de sunmaktadırlar. Bu raporlar daha sonra Ulusal Tarım İstatistikleri Servisi’ne gönderilmekte ve bu servis de eyaletlere göre kategorize edilmiş haftalık mahsul ilerleme raporları oluşturmaktadır.
Çiftçiler, şu anda bölgesel ve eyalet düzeyinde mevcut en iyi tarla bazlı mahsul ilerleme bilgisi olan ve ABD Tarım Bakanlığı tarafından dağıtılan bu raporlara güvenmektedir. Bu süreç oldukça doğru olmakla birlikte zaman alıcı, maliyetli ve özneldir.
Shen ve Zhang, daha verimli bir izleme sistemi oluşturmak için zamanında uydu aracılı uzaktan algılama verilerinin kullanılabileceğine inanıyordu. Uydu gözlemleri, ekimden hasada kadar mahsul büyümesinin gelişim aşamaları olan tarihsel mahsul fenolojisini analiz etmek için uzun süredir kullanılmaktadır. Ancak, neredeyse gerçek zamanlı bir mahsul izleme sistemi geliştirmek için bunlardan yararlanmak yaygın olarak araştırılmamıştı.
Shen, “Mahsul izlemeyi zaman ve maliyet açısından daha verimli hale getirerek geliştirebileceğimizi düşündük,” dedi. “Operasyonel bir algoritma geliştirmek için zamanında uydu gözlemlerinden yararlanmayı önerdik.”
Araştırma ekibi, Landsat ve Sentinel-2’nin kutupsal yörüngeli uydularından alınan 30 metrelik uzamsal gözlemleri ve jeostatik uydudan alınan zamansal gözlemleri birleştirerek, operasyonel gerçek zamanlıya yakın mahsul izleme için yüksek uzamsal ve yüksek zamansal mahsul yeşilliği gelişimini hesaplayabildi. Bu çalışma Remote Sensing of Environment dergisinde yayımlandı.
Shen, “Sonuçlarımız mahsul fenolojisi için doğru zamanlama sağlıyor” dedi. “Bu bilgi çiftçilere mahsul yönetiminde yol göstermeye yardımcı olabilir.” Önceki çalışmalardan farklı olarak, bu yeni algoritma, mahsul büyümesini 30 metrelik bir alan ölçeğinde izleyebiliyor.
Altı mahsul büyüme geçiş aşamasının tarihini – büyüme mevsiminin başlangıcı (yeşilliğin artmaya başladığı tarih), ilkbaharın ortası (orta yeşillenme aşamasının tarihi), olgunluk başlangıcı (yeşilliğin maksimuma yaklaştığı tarih), sonbaharın başlangıcı (yeşilliğin azalmaya başladığı tarih), sonbaharın ortası (orta düzey yaşlanma aşamasının tarihi) ve büyüme mevsiminin sonu (yeşilliğin minimuma ulaştığı tarih) – fenolojik olay gerçekleşmeden önce, olay çevresinde ve sonrasında artan doğrulukla hesaplayabilir.
Bu geçiş tarihleri, mısır için ekim, filizlenme, püskül, hamur, dişlenme, olgunluk ve hasat zamanları gibi mahsul büyüme aşamalarını belirlemek için uygulanmaktadır.
Araştırma ekibi, algoritmanın sonuçlarını doğrulamak için, tahminleri Iowa’daki 2020 mısır ve soya fasulyesi yetiştirme sezonundan elde edilen gerçek yer seviyesi ölçümleriyle karşılaştırarak önemli bir zaman harcadı. Gerçek zamanlı tahmin kapasitelerinin aynı yıla ait ilerleme raporlarıyla (USDA tarafından dağıtılan) uyumlu olduğunu tespit ettiler.
Shen, “Her tarladaki tahminlerle, mahsul fenolojisinin neredeyse gerçek zamanlı olarak izlenmesi, yerel tarlalardan tüm eyalete kadar mekansal olarak dağıtılmış sağlam mahsul ilerleme bilgileri sunuyor” dedi. “Bu, eyalet bazlı Ulusal Tarım İstatistikleri Servisi mahsul ilerleme raporlamasına kıyasla büyük bir gelişme.”
Shen, bu algoritmadan elde edilen sonuçların mahsul fenolojisinin doğru ölçümlerini sağlayacağını ve bunun da çiftçilere mahsul yönetiminde yol göstereceğini söyledi.
Shen, “Örneğin, algoritmamız mahsul yeşilliğinin maksimuma ulaştığı zamanlamayı sağlayacaktır” dedi. “Bu aşama, çiftçilerin sulamalarını yapmaları gereken zamandır. Bu aşama gerçekleşmeden önce ne zaman gerçekleşeceğini tahmin edebileceğiz. Sulama zamanlarını önceden planlayabilecekler.”
Shen, bu bilgilerin hasattan önce verim oranının tahmin edilmesine de yardımcı olacağını öngörüyor.
Zhang, operasyonel bilgisayar kodlarına sahip algoritmanın, mahsulün ilerlemesini ve durumunu neredeyse gerçek zamanlı olarak izlemek için yeni bir jeo-uzamsal araç haline geleceğini belirtiyor. Bu araç sonunda yaygın kullanım için mevcut operasyonel sistemlere entegre edilmek üzere ABD Tarım Bakanlığı’na teslim edilecek. Kullanıcılar, interaktif bir harita aracılığıyla tek tek tarlaların mahsul koşullarını görebilecekler.
Gelecekteki araştırma yöntemleri, ekibin kısa vadeli tahminler için algoritmanın doğruluğunu artırmanın yollarını araştırdığını gösterecektir. Bu jeo-uzamsal aracın ulusal ve küresel ölçeklerdeki uygulamaları, dünya çapında gıda güvenliğinin değerlendirilmesine yardımcı olabilir. [1]Algorithm allows farmers to monitor crops in real time
[cite]
Kaynaklar ve İleri Okuma
| ↑1 | Algorithm allows farmers to monitor crops in real time |
|---|
