ماهواره نقش مهمی در زندگی روزمره ما دارد. در ابتدا از آنها به عنوان یک وسیله مخفی برای جاسوسی و سایر فعالیت های نظامی مخفی استفاده می شد. با تجاری سازی بیشتر، آنها وارد حوزه های ارتباطات دیجیتالی شدند که بر زندگی روزمره ما تأثیر گذاشت.
در منظومه شمسی، خورشید، سیارات، قمرها (ماهواره های طبیعی) وجود دارد. خورشید یکی از ستاره های میلیاردها ستاره در کهکشان راه شیری است. راه شیری یکی از میلیاردها کهکشان در جهان است. هر جسمی که به دور جسم بزرگتر دیگری در فضا بچرخد، ماهواره نامیده می شود. این مدار ممکن است در مسیر دایره ای یا بیضوی باشد. جسم بزرگتر تمام اجسام کوچکی را که به دور خود می چرخند نگه می دارد و حیات، نور، گرما و انرژی را برای آنها فراهم می کند.
ماهواره ها طیف وسیعی از خدمات را در چندین زمینه ارائه می دهد: پخش برنامه های تلویزیونی در سراسر جهان، تماس های تلفنی از راه دور، رادیو، گزارش های آب و هوا، گزارش های خبری، تاکسی اینترنتی، نقشه جغرافیایی، ردیابی خودرو و بسیاری موارد دیگر. مدل های کسب و کار بسیاری وجود دارد که با بهره گیری از پتانسیل ارائه شده توسط خدمات ماهواره ای ساخته شده اند. در این مقاله به بررسی ویژگی های ماهواره و انواع آن می پردازیم.

مطلب تکمیل کننده:

• “تصاویر ماهواره ای چیست و چه کاربردی در کشاورزی دارد؟“
• “افزایش میزان عملکرد محصول با استفاده از تصاویر ماهواره ای“

1. ماهواره طبیعی

سیاراتی مانند زمین، مشتری، اورانوس، زحل، نپتون و مریخ به دور خورشید می چرخند و به آنها ماهواره طبیعی می گویند. خورشید کل منظومه شمسی را نگه می دارد. قمرهایی مانند تیتان، گانیمد، کالیستو، رئا، میراندا و سیارات در حال گردش به دور ماه نیز بخشی از این دسته ماهواره های طبیعی هستند. حدود 240 قمر از این قبیل در منظومه شمسی وجود دارد که به دور سیارات، سیارات کوچک و دیگر اجرام منظومه شمسی می چرخند.

2. ماهواره مصنوعی

این ماهواره ها ساخته شده هستند و در فضا قرار می گیرند و با اهداف خاصی به دور زمین یا سیارات دیگر می چرخند. ایستگاه فضایی بین‌المللی یکی از ماهواره‌های قابل سکونت است که در فضا قرار گرفته است و توسط پنج آژانس فضایی شرکت‌کننده مانند ناسا (ایالات متحده آمریکا)، JAXA (ژاپن)، ESA (اروپا)، Roscosmos (روسیه) و CSA (کانادا) بین سال های 1998 الی 2011 ساخته شده است، در این سال ها 230 فضانورد از 18 کشور از این ایستگاه فضایی بازدید کردند. این ایستگاه فضایی محیطی را برای انجام تحقیقات فضایی و آزمایش ماموریت های جدید به ماه و مریخ فراهم می کند.

تاریخچه ماهواره ها

اسپوتنیک 1 اولین ماهواره بود، و روسیه آن را در سال 1957 پرتاب کرد. پس از این، 8900 ماهواره از 40 کشور به فضا پرتاب شدند. از این تعداد، حدود 5000 هنوز در فضا باقی مانده اند و 1500 نفر از آنها فعال هستند و بقیه آنها به پایان عمر خود رسیده اند و به عنوان زباله در فضا باقی می مانند. جالب است بدانید کشور هند تاکنون حدود 100 ماهواره پرتاب کرده است.

این ماهواره ها در ارتفاعات مختلف در فضا قرار می گیرند و بسته به کاربرد با سیارات مختلفی روبرو هستند. 63 درصد از ماهواره های عملیاتی فعلی در سطح مدار پایین (یعنی کمتر از 2000 کیلومتر)، 6 درصد در سطح مدار متوسط (بیشتر از 20000 کیلومتر)، 20 درصد در سطح مدار زمین ثابت (بیشتر از 36000 کیلومتر) و بقیه 2 درصد در سطح مدار زمین قرار دارند.

انواع ماهواره ها کدامند؟

ماهواره ها را می توان بر اساس کاربرد آنها، مداری که در آن قرار می گیرند طبقه بندی کرد. مدارها بر اساس ارتفاع، شیب با توجه به صفحه استوایی، خروج از مرکز، پارامترهای همگام سازی، سیاره محور، مدار شبه و موارد دیگر دسته بندی می شوند.  در ادامه میتوانبد انواع ماهواره ها بر اساس کاربرد آنها مشاهده کنید:

موارد استفاده از ماهواره

در زیر موارد استفاده آورده شده است:

ماهواره های نظامی (Military Satellites): از ماهواره های نظامی برای جاسوسی، بررسی و ردیابی اشیاء فضایی کشور دشمن استفاده می شود. آنها فضا را اسکن می کنند تا شی خاصی از طرف دشمن کشور میزبان را تهدید نکند.

پیش بینی آب و هوا (Weather Forecasting): تصاویر این ماهواره ها به نظارت بر شرایط آب و هوایی روی زمین و پیش بینی هرگونه شرایط آب و هوایی شدید مانند سیل، طوفان و باران بیش از حد کمک می کند و بلایا را به طور موثر مدیریت می کند.

پخش مستقیم به خانه و رادیو (Direct to Home (DTH) Telecasting & Radio): بدون استفاده از کابل، برنامه های تلویزیونی زنده را می توان از ماهواره دریافت کرد. فرستنده ها سیگنالی را از پخش کننده در فرکانس ثابت دریافت می کنند و آن را با فرکانس متفاوت به همه خانه های ما ارسال می کنند. رادیو نیز در همین راستا کار می کند و برنامه ها را می توان در هر گوشه دوردست دنیا دریافت کرد.

ناوبری (Navigation): ماهواره های ناوبری موقعیت اشیاء روی زمین را ردیابی و می کنند و این امکانات ما را قادر می سازد تا وسایل نقلیه، کارمندان و همه چیز را با صاحبان آنها متصل کنیم.

تلفن (Telephone): ماهواره اتصال تلفن بی‌سیم را با هر شخصی در هر گوشه دورافتاده‌ای روی زمین امکان‌پذیر می‌سازد و این کار در هر آب و هوایی کار می‌کند.

انواع مختلف ماهواره ها بر اساس مدار کدامند؟

در بیشتر موارد، پس از پرتاب، یک ماهواره در یکی از چندین مدار از پیش تعیین شده به دور زمین قرار می گیرد. اما در برخی موارد، ممکن است به سفر بین سیاره‌ای هدایت شود و مسیری به دور خورشید را دنبال کند تا به مقصد نهایی خود برسد.

ماهواره ها معمولاً بر اساس ارتفاع مداری آنها (فاصله از سطح زمین) طبقه بندی می شوند که مستقیماً بر پوشش آنها و سرعت حرکت آنها در اطراف سیاره تأثیر می گذارد. هنگام انتخاب نوع مدار، توسعه‌دهندگان فضاپیما باید هدف مورد نظر، داده‌هایی که به دست می‌آورد و خدماتی که ارائه می‌دهد، و همچنین هزینه، منطقه تحت پوشش و امکان‌سنجی مدارهای مختلف را در نظر بگیرند. 5 نوع اصلی ماهواره بر اساس مدار آنها عبارتند از:

• مدار پایین زمین (LEO)
• مدار زمین متوسط (MEO)
• مدار زمین ثابت (GEO)
• مدار خورشیدی همزمان (SSO)
• مدار انتقال زمین ثابت (GTO)

بیایید ماهیت این 5 نوع مختلف از مدارهای ماهواره را عمیق تر کنیم تا درباره ویژگی ها و کاربردهای بالقوه آنها بیشتر بدانیم…

برای بهره مندی از گزارش هواشناسی کشاورزی جالیزان، کلیک کنید…

مدار پایین زمین (LEO)

ماهواره های مدار پایین زمین (Low Earth Orbit) در ارتفاع تقریبا 160 تا 1500 کیلومتری از سطح زمین حرکت می کنند. آنها دوره مداری کوتاهی دارند، بین 90 تا 120 دقیقه، به این معنی که می توانند تا 16 بار در روز به دور سیاره سفر کنند. این مساله باعث می شود که این ماهواره ها برای انواع عملیات سنجش از دور، رصد زمین با وضوح بالا و تحقیقات علمی مناسب باشند، زیرا به کمک آن ها داده ها را می توان به سرعت به دست آورد و منتقل کرد.

همه انواع ماهواره ها در LEO می توانند زاویه صفحه خود را نسبت به سطح زمین تغییر دهند. این نوع ماهواره بسیار فراوان هستند، زیرا مسیرهای بیشتری را برای فضاپیماها فراهم می کند. فراموش نشود که، به دلیل نزدیکی این ماهواره ها به زمین، آنها پوشش منطقه ای کمتری نسبت به سایر انواع ماهواره دارند. اغلب، گروه‌هایی از فضاپیمای LEO، که به صورت فلکی ماهواره‌ای معروف هستند، با هم پرتاب می‌شوند تا نوعی شبکه را در اطراف زمین تشکیل دهند. این به آن‌ها اجازه می‌دهد تا با همکاری هم‌زمان مناطق بزرگی را پوشش دهند.

ماهواره های مدار زمین متوسط (MEO)

ماهواره های مدار زمین متوسط (Medium Earth Orbit) یک نوع مدار زمین متوسط بین مدارهای پایین زمین و مدارهای زمین ایستا قرار دارد، معمولاً در ارتفاع حدود 5000 تا 20000 کیلومتری قرار می گیرند. سرویس های موقعیت یابی و ناوبری، مانند GPS، به طور گسترده از نوع MEO از ماهواره ها استفاده می کنند.
این نوع از ماهواره ها با دوره مداری طولانی تر خود (معمولاً بین 2 تا 12 ساعت) انتقال داده ارائه می دهند. در مقایسه با فضاپیماهای مدار پایین زمین، فضاپیماهای MEO به دستگاه های کمتری برای پوشش جهانی نیاز دارند، اما تأخیر زمانی آنها طولانی تر و سیگنال های آنها ضعیف تر است.

ماهواره های مدار زمین ثابت (GEO).

ماهواره (Geostationary Orbit) در مدار زمین ثابت در 35786 کیلومتری سطح زمین و دقیقاً بر فراز استوا قرار دارند. سه ماهواره با فاصله مساوی در GEO می توانند به لطف منطقه عظیمی که روی زمین پوشش می دهند، تقریباً در سراسر جهان پوشش دهند.
اجرام در GEO نسبت به زمین بی حرکت به نظر می رسند زیرا دوره مداری آنها با چرخش زمین یکسان است – 23 ساعت، 56 دقیقه و 4 ثانیه.
این نوع ماهواره ها برای سرویس های ارتباطی همیشه روشن مانند تلویزیون و تلفن مناسب هستند. همچنین، از این نوع می توان در هواشناسی برای زیر نظر گرفتن آب و هوا در مناطق خاص و ردیابی توسعه الگوهای محلی استفاده کرد.

ماهواره های مدار خورشیدی سنکرون (SSO)

ماهواره (Sun-Synchronous Orbit) نوعی ماهواره های مدار خورشیدی است که از شمال به جنوب در سراسر مناطق قطبی در ارتفاع 600 تا 800 کیلومتری از زمین حرکت می کنند. شیب مداری و ارتفاع فضاپیمای SSO به گونه ای کالیبره شده است که آنها همیشه از هر مکان معینی و در همان زمان محلی خورشیدی عبور می کنند. بنابراین، شرایط نور برای تصویربرداری سازگار است و این نوع ماهواره را برای رصد زمین و نظارت بر محیط ایده آل می کند.
این همچنین نشان می‌دهد که تصاویر ماهواره‌ای فعلی و تاریخی SSO برای تشخیص تغییرات مناسب هستند. دانشمندان از این توالی تصویر برای یادگیری در مورد توسعه الگوهای آب و هوا، پیش بینی طوفان، نظارت و جلوگیری از آتش سوزی و سیل و جمع آوری اطلاعات در مورد مسائل طولانی مدت مانند جنگل زدایی و تغییرات خط ساحلی استفاده می کنند. اما به دلیل ارتفاع مداری کمتر، فضاپیماهای نوع SSO فقط می توانند یک منطقه کوچکتر را در یک زمان پوشش دهند و به ماشین های بیشتری برای انجام این کار به طور مداوم نیاز دارند.

ماهواره های مدار انتقال زمین ثابت (GTO)

ماهواره های (Geostationary Transfer Orbit) متداول‌ترین نوع مدار انتقال ماهواره‌ای است که برای مهاجرت از مدار انتقال به GEO استفاده می‌شود زمانی که ماهواره ها توسط وسایل پرتابی از زمین به فضا پرتاب می‌شوند، همیشه مستقیماً در مدار نهایی خود قرار نمی‌گیرند. موشک‌هایی که محموله را به GEO می‌برند، آن را در مدارهای انتقال، که در نیمه‌های راه در مسیر رسیدن به موقعیت نهایی هستند، رها می‌کنند. سپس موتور ماهواره منفجر می شود تا به مدار مقصد برسد و شیب خود را تنظیم کند
. این میانبر به ماشین اجازه می دهد تا با حداقل منابع به مدار زمین ثابت برسد.
سایر انواع مدارها عبارتند از: مدار بسیار بیضی (HEO)، مدار قطبی و نقطه لاگرانژ (نقطه L). اهداف و وظایف ماهواره ها نوع مدار انتخاب شده را تعیین می کند.

نتیجه گیری

ارتباطات ماهواره ای به صنعت کمک کرد تا تحول کسب و کار را سرعت بخشد. اپلیکیشن‌های جدید موبایل با استفاده از فناوری ماهواره ساخته شده‌اند و همه سهامداران را با کسب و کار مرتبط می‌کند.

منابع

• letstalkscience.ca
• eos.com

شاخص سطح برگ یا LAI (Leaf Area Index) یک پارامتر مهم در رابطه با پوشش گیاهی است می تواند اطلاعات مفیدی از گیاهان مزرعه مانند فرآیندهای مانند فتوسنتز، تبخیر و تعرق، بارندگی و مصرف کربن را در اختیار کشاورزان قرار دهد.

ارزیابی این شاخص در کشاورزی نوین نقش بسزایی دارد و یکی از پارامتر هایی است که می توان به راحتی آن را از طریق سنجش از دور بدست آورد. در این مقاله ما به اهمیت شاخص سطح برگ در کشاورزی می پردازیم،  همراه ما باشید.

شاخص سطح برگ چیست؟

شاخص سطح برگ (LAI)، معیاری برای توصیف پوشش گیاهی محصول به نسبت مزرعه می باشد. در واقع نسبت سطح بالای برگ گیاه به سطح زمین (برای گیاهان پهن برگ)، یا سطح پیش بینی شده برگ سوزنی مخروطیان به سطح زمین (برای گیاهان مخروطی) برای یک واحد سطح معین می باشد. این شاخص یکی از مهمترین پارامترها برای اندازه گیری برگ ها و فعالیت آنها و متغیری بدون بعد می باشد. به طور مثال اگر شاخص LAI گیاهی برابر با ۲ باشد یعنی گیاه دارای مقداری برگ است که می تواند یک زمین با مساحت معین را دو بار پوشش دهد. این شاخص را میتوان در مقیاس های مختلف گیاه، یا کل محصول یک مزرعه و یا برای مساحت های بزرگتر محاسبه کرد. به وسیله این شاخص می توان فهمید که پوشش گیاهی در کدام بخش زمین بیشتر و در کدام بخش کمتر است.

مطالب تکمیل کننده:

• “براورد رطوبت خاک با استفاده از داده های سنجش از دور“
• “شاخص NDVI برای ارزیابی سلامت گیاهان ؛ شاخص تفاوت پوشش گیاهی“
• “کاربرد سنجش از دور در برآورد تبخیر و تعرق محصولات کشاورزی“

اهمیت شاخص سطح برگ

از آنجایی که تاج پوششی برگ یکی از مهمترین بخش های گیاه می باشد که به طور مستقیم با جو در تعامل است. بنابراین ارزیابی شاخص سطح برگ می تواند اطلاعات بسیاری از شرایط محیطی مزرعه و تغییرات اقلیمی به ما دهد. در ادامه به چند مورد از تعامل برگ با جو اشاره شده است:

• جذب دی اکسید کربن
• تاثیر نور لازم برای فتوسنتز
• آزاد کردن اکسیژن که به عنوان محصول جانبی فتوسنتز شناخته می شود.
• از دست دادن بخار آب در طول تبخیر و تعرق، که به ایجاد فشار برای جذب آب از زمین کمک می کند.
• تاثیر باد بر روی برگ ها

برگ ها منبع مهمی از کربوهیدرات های تولید شده در طول فتوسنتز هستند که به تعداد بی شماری از مواد شیمیایی مورد نیاز گیاه تبدیل می شوند و باعث رشد و بازده گیاه می شوند. نزدیک به 90 درصد از زیست توده (یا ماده خشک) گیاه توسط برگها تولید می شود، بنابراین یک شاخص مهم برای بررسی اثر تابش و بارش بر روی گیاه و تبدیل انرژی و بیلان آب است. در نهایت، می توان گفت که این شاخص پارامتری قابل اعتماد برای نشان دادن رشد گیاه است. به همین دلیل است که اکثر مطالعات در زراعت و باغبانی عوامل مدیریتی مانند کود و آبیاری را از نظر شاخص سطح برگ و همچنین بازده گیاه اندازه گیری می کنند.

کاربرد شاخص سطح برگ در کشاورزی؟

از آنجایی که برگ ها برای فتوسنتز ضروری هستند و بخش عمده ای از زیست توده را تولید می کنند، تعداد برگ ها (و LAI) نیز بر بازده محصول تأثیر می گذارد. علاوه بر این، اکثر مدل‌های شبیه‌سازی محصول با توجه به اهمیت آن در تخمین اثر عوامل محیطی بر گیاهان از شاخص سطح برگ برای پیش‌بینی بازده محصول استفاده می‌کنند،.

رابطه بین این شاخص و بازده محصول ساده نیست و بسته به نوع محصولات و مرحله رشد گیاه می تواند متفاوت باشد. برای محاسبه دقیق و بهینه بازده محصول می توان این شاخص را در مراحل مختلف چرخه رشد گیاه اندازه گیری کرد.

مقایسه شاخص سطح برگ بین سال های مختلف روش خوبی برای قضاوت در مورد عملکرد محصولات است.

محصولات برگ دار

در مورد محصولاتی که قسمت های برگدار آن مورد تقاضا می باشد، مانند کاهو و اسفناج، داشتن برگ بیشتر (LAI بالا) باعث سود بیشتر می شود.

میوه ها

وقتی درخت جوان تر است، افزایش شاخص LAI باعث افزایش عملکرد میوه می شود. با این حال، اگر تاج پوششی بیش از حد ضخیم شود و از نفوذ نور به سطوح پایین تر و میوه های در حال رشد جلوگیری کند باعث پایین آمدن کمیت و هم کیفیت عملکرد در درختان میوه می شود. در نتیجه مقدار شاخص با توجه به دوره رشد درخت متفاوت است.

سبزیجات

در بسیاری از سبزیجات، فتوسنتز بالا با عملکرد بالا ارتباط مستقیم دارد. بنابراین، شاخص LAI  هر جه بیشتر باشد مطلوب تر است. در سبزیجاتی مانند گوجه فرنگی، کاهش LAI می تواند بر تجمع زیست توده و عملکرد تأثیر بگذارد و افزایش این شاخص فراتر از یک نقطه معین، عملکرد گیاه را افزایش نخواهد داد. بازه 3 تا 4 برای گیاه گوجه فرنگی مناسب است.

غلات

در غلات، شاخص LAI تجمع زیست توده را تعیین می کند. با این حال، بسته به نوع غلات، مقدار شاخص هم متفاوت می باشد. به طور مثال در برنج، بالا بودن آن و فتوسنتز نشانه خوبی محسوب می شود ، اما در سورگوم، با عملکرد محصول رابطه منفی دارد. یعنی با افزایش این شاخص، بازده کاهش می یابد.

کاربرد سنجش از دور در شاخص سطح برگ

این شاخص را می توان به طور مستقیم یا غیر مستقیم اندازه گیری کرد. در روش های مستقیم از برگ ها به عنوان مبنای اندازه گیری استفاده می شود. روش مستقیم تخمین LAI زمان بر و دشوار است، زیرا شامل جمع آوری برگ ها و اندازه گیری سطح برگ می شود.

محاسبه غیرمستقیم سطح برگ می‌تواند بدون تماس، سریع و خودکار باشد و بنابراین محبوبیت و کاربرد بیشتری دارد. سنجش از دور در کشاورزی  جزو روش های غیر مستقیم برای بدست آوردن شاخص سطح برگ محسوب می‌شوند.

تفاوت شاخص سطح برگ و شاخص پوشش گیاهی چیست؟

شاید این دو شاخص پر اهمیت در علوم کشاورزی مدرن با یکدیگر اشتباه گرفته شوند. اما حقیقت ایم است که شاخص سطح برگ و شاخص پوشش گیاهی کاملا مستقل از یکدیگرند.

قبل از هر توضیح دیگری ابتدا شاخص پوشش گیاهی (NDVI) را تعریف کنیم: “شاخص NDVI یک شاخص سلامت پوشش گیاهی است که بر اساس نحوه بازتاب گیاهان محدوده خاصی از طیف الکترومغناطیسی است. به زبان ساده شاخص NDVI نشانگر سلامت گیاه بر اساس نحوه انعکاس امواج نوری مختلف توسط یک گیاه است.”

پیش از این به طور کامل در مجله آموزشی جالیزان به شاخص پوشش گیاهی پرداخته شده است، برای اطلاعات بیشتر می توانید مراجعه کنید.

بنابراین با استفاده از شاخص NDVI و اطلاعات تصاویر ماهواره ای در کشاورزی میتوان به نقشه رنگی از منطقه مورد مطالعه دست یافت و با استفاده از آن وضعیت تراکم گیاهی و سلامت مزرعه را ارزیابی نمود.

اما شاخص سطح برگ یا همان LAI به وضعیت برگ می پردازد، یعنی با استفاده از این شاخص میتوان با توجه به اطلاعات به دست آمده از سطح برگ، میزان فتوسنتز، تبخیر و تعرق گیاه را ارزیابی نمود. و از آن جایی که ممکن است گیاهان یک منطقه از نظر برگ باهک متفاوت باشند ممکن است شاخص سطح برگ هم متفاوت باشد.

بنابراین بهتر است برای ارزیابی یک منطقه هر دو شاخص در کنار یکدیگر سنجیده شوند.

تعیین شاخص سطح برگ توسط ماهواره ها

امروزه از ماهواره ها می توان برای استخراج بسیاری از شاخص های کشاورزی استفاده کرد. نور بازتاب شده از سطح برگ در طول موج خاصی قرار می گیرد، که برخی از ماهواره ها قادر به دریافت این طول موج هستند. از عکس های ماهواره ای توسط سنجش از دور می توان اطلاعات دقیقی در مورد پوشش گیاهی بدست آورد. از ماهواره هایی که سنسورهای با قابلیت تشخیص بازتاب پوشش گیاهی را دارند میتوان به Lidar، MODIS، LANDSAT و IRS اشاره کرد.

پلتفرم‌ها و تکنیک‌های سنجش از دور در حال ظهور می‌توانند اندازه‌گیری زمینی موجود LAI را تکمیل کنند. روش‌های سنجش از دور شاخص سطح برگ نقشه‌ای از پیکسل ها را نشان می دهد که به هر پیکسل مقادیر LAI اختصاص داده شده است. مقادیر می‌توانند از 0 (زمین برهنه) تا 6 یا بیشتر متغیر باشند، اما از آنجایی که پوشش گیاهی مرتع عموماً کم است، مقادیر معمولاً بین 0-1 متغیر است. مقدار LAI  1 به این معنی است که معادل 1 لایه برگ وجود دارد که به طور کامل یک واحد سطح زمین را پوشش می دهد، و کمتر از یک به این معنی است که مقداری زمین خالی است. مقادیر LAI بیش از 1 یک تاج لایه ای با چندین لایه برگ در واحد سطح زمین را نشان می دهد.

شاخص سطح برگ استخراج‌ شده از داده‌های سنجش از دور یک جزء ضروری برای مدل‌سازی و شبیه‌سازی متغیرها و فرآیندهای اکولوژیکی است.

مطالب مشابه:

• “افزایش میزان عملکرد محصول با استفاده از تصاویر ماهواره ای“
• “پایش خشکسالی با استفاده از تکنیک های سنجش از دور“

کاربردهای بیشتر شاخص سطح برگ برای کشاورزی

علاوه بر کاربرد lAI در اندازه گیری رشد محصول، در حال یافتن کاربردهای جدید و بیشتری در کشاورزی است. استفاده از شاخص های دیگر در کنار شاخص LAI مانند شاخص NDVI (شاخص سلامت پوشش گیاهی) می تواند در سیاست گذاری و استراتژی های کشاورزی نوین مثمر ثمر باشند. می تواند در محاسبه مقادیر صحیح محلول پاشی آفت کش ها یا قارچ کش هایی که برای محافظت از یک محصول مورد نیاز است مفید باشد. همچنین می تواند وضعیت نیتروژن غلات را از طریق تصاویر ماهواره ای که منجر به کاربرد به موقع کودها برای افزایش عملکرد می شود، تشخیص دهد. با توجه به اهمیت آن، تعجب آور نیست که روش های جدید برآورد این شاخص با اهداف جدید برای نظارت بر محصولات در حال رشد هستند. بررسی بلند مدت شاخص سطح برگ می تواند به درک ما از تغییرات در بهره وری و اثرات تغییرات اقلیمی کمک کند.

شاخص NDVI چیست؟ بهترین شاخص برای ارزیابی پوشش گیاهی در کشاورزی نوین است. شاخص نرمال‌ شده تفاوت پوشش گیاهی (Normalized difference vegetation index) به عنوان یکی از محبوب ترین شاخص های پوشش گیاهی و یک راه ارزشمند برای درک سلامت پوشش گیاهی با استفاده از سنجش زمین از راه دور است. با افزایش میزان تصاویر سنجش از راه دور از ماهواره‌هایی که زمین را رصد می کنند (EO)،  سال به سال، شاخص‌های کاربردی آسان مانند NDVI به استخراج اطلاعات کمک می‌کنند.

شاخص NDVI اطلاعات مفیدی از ساختار موجود در گیاهان و میزان فتوسنتز آن ها به ما می دهد و به وسیله آن می توان مواردی که برای کشاورزی نیاز است را یافت و سریعا به آن رسیدگی کرد. با ما تا انتهای این مقاله همراه باشید تا در این مطلب به معرفی شاخص NDVI قابل استخراج از داده‌های سنجش از دور، بپردازیم…

شاید به مطالب زیر نیز علاقه مند باشید:

• “افزایش میزان عملکرد محصول با استفاده از تصاویر ماهواره ای”
• “کاربرد سنجش از دور در برآورد تبخیر و تعرق محصولات کشاورزی”
• “تعیین کاربری اراضی با استفاده از علم سنجش از دور”

NDVI چیست؟

شاخص NDVI یک شاخص سلامت پوشش گیاهی است که بر اساس نحوه بازتاب گیاهان محدوده خاصی از طیف الکترومغناطیسی است. به زبان ساده شاخص NDVI نشانگر سلامت گیاه بر اساس نحوه انعکاس امواج نوری مختلف توسط یک گیاه است. برای درک سلامت گیاهان طیف الکترومغناطیسی در نحوه عملکرد شاخص NDVI بسیار مهم است و به ما این امکان را می دهد که میزان سلامت گیاه را بر اساس نحوه انعکاس انرژی و نور تعیین کنیم.

برای چشم انسان، گیاه سبز است زیرا رنگدانه کلروفیل موجود در آن امواج سبز را منعکس می کند و امواج قرمز را جذب می کند. ساختار سلولی در گیاهان منعکس کننده امواج مادون قرمز نزدیک (NIR) است. بنابراین، هنگامی که فتوسنتز اتفاق می افتد و گیاه رشد می کند و دارای ساختارهای سلولی بیشتری می شود. این بدان معنی است که یک گیاه سالم، گیاهی با کلروفیل و ساختارهای سلولی زیاد است که به طور فعال نور قرمز را جذب کرده و امواج مادون قرمز نزدیک را منعکس می کند. یک گیاه ناسالم دقیقا برعکس عمل می کند.

براورد شاخص NDVI با استفاده از تصاویر ماهواره ای

این رابطه بین نور و کلروفیل این است که چگونه می توانیم از شاخص NDVI برای تشخیص یک گیاه سالم از یک گیاه بیمار استفاده کنیم. حسگرهای ماهواره ای در فضا، طول موج نور جذب شده و بازتاب شده توسط گیاهان سبز را اندازه گیری می کنند. آنها منبع عالی داده های طیفی برای تجزیه و تحلیل شاخص NDVI هستند. شاخص NDVI حضور پوشش گیاهی سبز زنده را با استفاده از این نور منعکس شده در نوارهای مرئی و نزدیک به مادون قرمز تشخیص داده و به آن ها به صورت عددی قابل فهم می کند.

به زبان ساده، شاخص NDVI نشانگر سبز بودن پوشش گیاهی – تراکم و سلامت – هر پیکسل در یک تصویر ماهواره ای است.

NDVI چه زمانی ایجاد شد؟

NDVI در سال 1973 ایجاد شد، زمانی که یک تیم تحقیقاتی در دانشگاه A&M تگزاس داده‌های ارسال شده از اولین ماهواره‌های رصد زمین را که به دور زمین می‌چرخند، بررسی کردند. ابزار تصویربرداری آن ها طول موج های نور مادون قرمز را که توسط پوشش گیاهی روی زمین منعکس شده بود، ثبت کرد. این تیم با استفاده از داده های Landsat 1، تغییرات پوشش گیاهی منطقه ای را در طول فصل رشد نقشه برداری کرد. به ازای هر پیکسل زمین، آن ها طول موج های نور منعکس شده را به یک NDVI پردازش کردند که تقریباً به پوشش و سلامت گیاه نزدیک شد. از آن زمان، شاخص NDVI دریچه ای به سلامت گیاهان در سراسر جهان بوده است.

این شاخص از بسیاری جهات و برای اهداف بسیاری مفید است. از قبیل کمک به کشاورزان در انجام کشاورزی دقیق گرفته تا اجازه دادن به محیط بانان برای درک تغییرات اکوسیستم و همچنین این اجازه را می دهد تا زمین را در هر منطقه از جهان با استفاده از یک محاسبه ساده نظارت کرد.

توضیح کلی برای فرمول NDVI چیست؟

برای محاسبه شاخص NVDI باید مقادیر جذب نور قرمز و بازتاب امواج مادون قرمز نزدیک را با هم مقایسه کنیم تا بفهمیم یک گیاه چقدر سالم است. فرمول ساده ریاضی زیر NDVI را محاسبه می کند و به نوبه خود، داده های خام ماهواره ای را به شاخص های پوشش گیاهی تبدیل می کند.

فرمول NDVI اطلاعات موجود در باندهای قرمز و امواج مادون قرمز نزدیک را در یک مقدار واحد و معرف ترکیب می کند. این کار را با کم کردن بازتاب در باند طیفی قرمز از مادون قرمز نزدیک انجام می‌دهد. سپس، آن را بر مجموع مادون قرمز نزدیک و بازتاب قرمز تقسیم می کند.

مقدار شاخص NDVI همیشه بین ۱- و ۱+ خواهد بود؛ مقادیر بین ۰و ۱-  نشان دهنده گیاهان مرده یا اجسام غیر آلی مانند سنگ ها، جاده ها و خانه ها است. مقادیر شاخص NDVI برای گیاهان زنده بین 0 تا ۱ است که 1 سالم ترین و 0 کمترین مقدار سلامت است. یک مقدار واحد را می توان برای هر پیکسل در یک تصویر تعیین کرد. از یک برگ جداگانه تا یک مزرعه گندم 500 هکتاری.

مطلب تکمیل کننده: “آینده کشاورزی جهان چیست؟”

NDVI چه چیزی می تواند در مورد گیاهان به ما بگوید؟

همانطور که یک گیاه از اعماق خواب زمستانی به بلوغ اواخر تابستان تبدیل می شود، خواص بازتابی آن نیز تغییر می کند. شاخص NDVI می تواند به شما در پیگیری این تغییرات فصلی کمک کند.

مهم است بدانید که شاخص NDVI نشانگر سلامت گیاه است و راهی برای تشخیص یک بیماری خاص در گیاه نیست. این بیشتر مجموعه ای از سرنخ های قابل سنجش در مورد آنچه در حال حاضر در زمین زراعی اتفاق می افتد است تا شما خود را به آن مجهز کنید.

خشکسالی، بیماری، آفات یا سیل از جمله عوامل متعددی هستند که می توانند بر پوشش گیاهی و به نوبه خود بر ارزش NDVI آن تأثیر بگذارند. کشاورزی نوین با تکیه بر علوم فضایی می تواند به پیش بینی این مخاطرات بپردازد.

منابع داده مفید برای NDVI

همه چیز با ماهواره ها در فضا شروع می شود. همانطور که می دانیم، پس از اینکه نور خورشید به سطح گیاه را می تابد، ماهواره‌ها طول موج های منعکس شده را دریافت می کنند و تصویری از سیاره را برای ما ترسیم می کنند.

ماهواره هایی مانند Landsat، Sentinel-2 و SPOT با سنجش کره زمین، تصاویری در محدوده باندهای قرمز و نزدیک به مادون قرمز تولید می کنند که برای محاسبه شاخص NDVI ایده آل است.

برخی از موارد دیگری که هنگام انتخاب داده‌های خود، به ویژه برای تجزیه و تحلیل مقایسه‌ای، باید در نظر بگیرید، تأثیر جو، خطاهای کالیبراسیون، و حتی زمان عبور از مدار است، زیرا این موارد می‌توانند نتایج شما را تحت تأثیر قرار دهند، یا انعکاس را کاهش دهند یا اغراق کنند.

مزایای شاخص NDVI

1.  شاخص NDVI یک محاسبه ریاضی پیکسلی است که با استفاده از ابزار GIS بر روی یک تصویر ارائه می شود. شاخص NDVI شاخص سلامت گیاه است که با مقایسه مقادیر جذب و بازتاب نور قرمز و مادون قرمز نزدیک محاسبه می شود.
2.  با شاخص NDVI ، زمین در سراسر جهان را می توان مورد مطالعه قرار داد و هم برای تجزیه و تحلیل میدانی هدفمند و هم برای نظارت بر پوشش گیاهی در مقیاس قاره ای یا جهانی مفید می باشد.
3. با استفاده از شاخص NDVI می‌توانیم تحلیلی فوری از مزارع به دست آورد و به کشاورزان این امکان را می‌دهدتا پتانسیل بازده مزرعه را به حداکثر برسانند، تأثیرات زیست‌محیطی را به حداقل برسانند و شیوه‌های کشاورزی دقیق خود را تنظیم کنند.
4. توجه کردن به شاخص NDVI در کنار سایر جریان‌های داده مانند داده‌های آب و هوا می‌تواند بینش بیشتری در مورد الگوهای خشکسالی، یخبندان یا سیل‌هایی که بر پوشش گیاهی تأثیر می‌گذارند، به دست دهد.
5.  شاخص های پوشش گیاهی زیادی وجود دارد و بیشتر آنها شبیه به یکدیگر هستند. اما شاخص NDVI محبوب ترین و گسترده ترین آنها است و همچنین یک مزیت مهم دارد: وضوح بالای تصاویر با داده های ماهواره Sentinel-2 است.

معایب شاخص NDVI

یکی از اشکالات شاخص NDVI این است که وقتی گیاه به آستانه رشد معینی می رسد، این شاخص حساسیت خود را از دست می‌دهد. به عبارت دیگر، اگر گیاهی بسیار فعال رشد کند، تشخیص یک گیاه سبز غیرعادی از یک گیاه سبز معمولی غیرممکن می‌شود.

شاخص NDVI به آب و هوا نیز بستگی دارد: اگر ابرها برای مدت طولانی در یک منطقه وجود داشته باشند، تصویر ماهواره نامشخص خواهد بود.

اینترنت اشیا چیست؟

اینترنت اشیا (Internet Of Things) یک فناوری جدید است که یک شبکه جهانی از ماشین ها و دستگاه هایی ایجاد می کند که قادر به برقراری ارتباط و تبادل داده با یکدیگر از طریق اینترنت هستند.

بین اینترنت اشیا (IoT) و اینترنت تفاوت وجود دارد. اینترنت اشیا می تواند اطلاعاتی راجع به اشیا متصل ایجاد کند به هم، آن را تجزیه و تحلیل کند و تصمیم بگیرد. به عبارت دیگر، می توان گفت اینترنت اشیا هوشمندانه تر از اینترنت است.

دوربین های امنیتی، سنسورها، وسایل نقلیه، ساختمان ها و نرم افزارها نمونه هایی از مواردی هستند که می توانند داده ها را بین یکدیگر تبادل کنند.

کاربرد اینترنت اشیا در کشاورزی مدرن

وقتی ما در شرایطی قرار می گیریم که باید غذای بیشتری با منابع کمتری تولید کنیم، هر مزیتی یک برد قلمداد می شود و اینجا جایی است که اینترنت اشیا (IoT) قدرت خود را نشان می دهد و با مزایایی که به همراه دارد تولید مواد غذایی را افزایش می دهد.

کشاورزی هوشمند با فناوری های پیشرفته اینترنت اشیا داخلی، منحصراً برای کمک به کشاورزان در کاهش ضایعات تولید شده و افزایش بهره وری طراحی شده است.

اینترنت اشیا مزایای زیادی به محصولات زراعی می رساند. با نصب سنسورهای متعدد در یک مزرعه، یک کشاورز به آمارهای اساسی در مورد اشکال آب و هوا، رطوبت خاک، سطح مواد معدنی و میزان نوری که گیاهان در معرض آن قرار دارند دسترسی مداوم دارد. این به نوبه خود زمینه ساز آبیاری بهتر و همچنین کاهش هزینه ها می شود.

به همین ترتیب مقدار قابل توجهی از هزینه ها صرفه جویی می شود و در عین حال محصولات بهتر و بیشتری برداشت می شود.

اینترنت اشیا چگونه در کشاورزی تغییرات ایجاد می کند؟

پتانسیل اینترنت اشیا در بازارهای در حال توسعه مانند خاورمیانه، آسیای جنوب شرقی، آفریقا و آمریکای لاتین بی حد و حصر است. در واقع در سال 2018، توسط IDC (International Data Corporation ) پیش بینی شده است که در آفریقا و خاورمیانه، اینترنت اشیا در 15 سال آینده رشد 15 درصدی را تجربه خواهد کرد.

در همین حال، فناوری اینترنت اشیا باید بتواند در سه سطح کارامد باشد:

• امکان جمع آوری و ارائه داده در زمان واقعی.
• ارائه راه حلی که در سطح جهانی قابل دسترسی باشد و محدود به اپراتور یا شبکه های محلی نباشد.
• ارائه راه حلی برای نصب آسان، مقرون به صرفه و کم مصرف.

بهینه سازی عملیات کشاورزی با استفاده از اینترنت اشیا

هنگامی که از راه حل موثر اینترنت اشیا در تجارت کشاورزی استفاده می شود، مزرعه باید بتواند کار، هزینه ها، کیفیت و عملکرد را به روش زیر بهینه کند:

آب: مدیریت دقیق آبیاری، که باعث صرفه جویی کلی در مصرف آب توسط مزرعه خواهد شد.

برق: با آبیاری دقیق و مصرف کمتر برق، در هزینه های انرژی صرفه جویی شود.

کار: نیازی به یک فرد اختصاصی برای مدیریت ثبت اطلاعات نیست. در عوض، می توان از این شخص به طور تخصصی در مکان دیگری از عملیات مزرعه استفاده کرد.

کاهش استرس ها و چالش ها: با کمک تصمیمات آگاهانه و به موقع، امکان مدیریت کارآمد عملیات وجود دارد.

بازده بهتر: هرگاه به تمام جنبه های فوق الذکر توجه شود، عملکرد بهتری به وجود خواهد آمد.

با پیشرفت در بهره مندی از فناوری اینترنت اشیا امکان گسترش کشاورزی هوشمند جهانی به مناطق دور افتاده فراهم می شود.

مزایای استفاده از اینترنت اشیا در کشاورزی

شرایط آب و هوایی

آب و هوا مقوله ای بسیار مهم و حیاتی در کشاورزی است. داشتن دانش نادرست در مورد آب و هوا، کمیت و کیفیت تولید محصول را به شدت خراب می کند. اما  اینترنت اشیا به شما امکان می دهد با استفاده از حسگرهایی که در داخل و خارج از مزارع کشاورزی قرار می گیرند از شرایط آب و هوایی در زمان واقعی مطلع شوید.

به عبارتی اینترنت اشیا از حسگرهایی تشکیل شده است که می تواند شرایط آب و هوایی در زمان واقعی مانند رطوبت، بارندگی، دما و موارد بسیار دقیق را تشخیص دهد.

این سنسورها وضعیت محصولات و هوای اطراف آنها را کنترل می کنند و در صورت مشاهده شرایط آب و هوایی نگران کننده، هشدار ارسال می شود.

دیگر نیاز به حضور فیزیکی در شرایط ناخوشایند آب و هوایی وجود ندارد که در نهایت باعث افزایش بهره وری می شود و مزایای بیشتری برای کشاورزی کشاورزان دارد.

 کشاورزی دقیق

کشاورزی دقیق یکی از معروف ترین کاربردهای اینترنت اشیا در کشاورزی است. این امر با تحقق بخشیدن به کاربردهای هوشمند کشاورزی مانند نظارت بر دام ها، ردیابی وسایل نقلیه، مشاهده میدانی و نظارت بر محصولات، کار کشاورزی را دقیق تر کنترل می کند.

هدف از کشاورزی دقیق، تجزیه و تحلیل داده های تولید شده از طریق حسگرها برای واکنش مناسب است. بسیاری از تکنیک های کشاورزی دقیق مانند مدیریت آبیاری، ردیابی وسیله نقلیه و بسیاری دیگر وجود دارد که نقشی حیاتی در افزایش کارایی و اثربخشی دارند.

به عنوان مثال می توانید شرایط خاک و سایر پارامترهای مرتبط را برای افزایش کارایی تجزیه و تحلیل کنید. همچنین می توانید شرایط کار در زمان واقعی دستگاه های متصل را برای تشخیص سطح آب و مواد مغذی تشخیص دهید.

گلخانه های هوشمند

اینترنت اشیا برای هوشمند سازی گلخانه های ما، ایستگاه های هواشناسی را قادر ساخته است تا شرایط اقلیمی را به طور خودکار مطابق با مجموعه خاصی از دستورالعمل ها تنظیم کنند.

اضافه کردن IoT در گلخانه ها مداخلات انسانی را از بین برده است، بنابراین کل فرآیند را مقرون به صرفه کرده و همزمان دقت را افزایش می دهد.

سنسورها داده های زمان واقعی را جمع آوری و انتقال می دهند که منجر به ایجاد نظارت دقیق بر وضعیت گلخانه در زمان واقعی می شود.

با کمک سنسورها می توان از طریق ایمیل یا هشدارهای پیامکی میزان مصرف آب و وضعیت گلخانه را کنترل کرد. آبیاری اتوماتیک و هوشمند نیز با کمک اینترنت اشیا انجام می شود.

این سنسورها به ارائه اطلاعات در مورد فشار، رطوبت، دما و سطح نور کمک می کنند.

تجزیه و تحلیل داده ها

داشتن فضایی برای ذخیره اطلاعات به دست آمده از اینترنت اشیا نقش بسیار مهمی در بهبود فرایند ایفا می کند. در دنیای IoT، حسگرها منبع اصلی جمع آوری داده ها در مقیاس بزرگ هستند.

داده ها با استفاده از ابزارهای تجزیه و تحلیل به اطلاعات معنی دار تبدیل می شوند. تجزیه و تحلیل داده ها به تجزیه و تحلیل شرایط آب و هوایی، شرایط دام و شرایط محصول کمک می کند

با کمک دستگاه های اینترنت اشیا می توانید با گرفتن داده ها از حسگرها، از وضعیت محصولات واقعی در زمان واقعی مطلع شوید. با استفاده از تجزیه و تحلیل، می توانید بینشی دریافت کنید تا تصمیمات بهتری راجع به برداشت محصول بگیرید. تجزیه و تحلیل روند کار به کشاورزان این امکان را می دهد تا شرایط آب و هوایی آینده و برداشت محصولات را بشناسند.

به طور کلی اینترنت اشیا در صنعت کشاورزی به کشاورزان کمک کرده است تا کیفیت محصولات و حاصلخیزی زمین را حفظ کنند و در نتیجه حجم و کیفیت محصول را افزایش دهند.

پهپادهای کشاورزی

پیشتر در مجله جالیزان به طور جداگانه به پهپادها و کاربرد آن در کشاورزی مدرن پرداخته شده است، پیشرفت های فنی تقریباً انقلابی در عملیات کشاورزی ایجاد کرده است و معرفی پهپادها از مهم ترین آن هاست.

پهپادها برای ارزیابی سلامت محصولات، نظارت بر محصولات، کاشت، سمپاشی محصولات و تجزیه و تحلیل مزارع استفاده می شوند. با استفاده از استراتژی و برنامه ریزی مناسب بر اساس داده های زمان واقعی، فناوری استفاده از پهپادهای کشاورزی رشد و ترقی زیادی به صنعت کشاورزی بخشیده است.

پهپادها می توانند با استفاده از سنسورهای حرارتی یا چند طیفی مناطقی را که نیاز به تغییر در آبیاری دارند شناسایی کنند. هنگامی که محصولات شروع به رشد می کنند، حسگرها سلامت آنها را نشان دهند و شاخص پوشش گیاهی آنها را محاسبه کنند.

با توجه به نتایج گزارش شده به قطعیت می توان گفت که پهپادها اثرات زیست محیطی را کاهش داده اند.

در نهایت می توان نتیجه گرفت که استفاده از فناوری اینترنت اشیا کمک کرده است تا شکاف بین تولید و کیفیت و عملکرد کم شود.

داده های دریافت شده از چندین حسگر برای استفاده یا ذخیره سازی در زمان واقعی در یک پایگاه داده، عملکرد سریع و آسیب کمتر به محصولات را تضمین می کند.

شناسایی آفات و بیماری ها در مزارع، گیاهان داراری محدودیت رشد با عملکرد پایین با استفاده از تکنولوژی سنجش از دور و تصاویر ماهواره ای کمک زیادی به حفظ سلامت گیاهان با تکیه بر علوم کشاورزی نوین می کند.

بنابر گفته سازمان فائو، همانند سلامت انسان و حیوانات برای گیاهان نیز پیشگیری بهتر از درمان است و محافظت از گیاهان در برابر آفات بسیار مقرون به صرفه‌تر می‌باشد.

کشاورزی نوین

یکی از مهم ترین دستاوردهای اخیر صنعت کشاورزی، کشاورزی دقیق اطلاق می شود. همانطور که می دانید هدف اصلی کشاورزی دقیق اعمال دقیق اندازه‏گیری عوامل زراعی و اختلاف‏ها، پردازش و ارزیابی آن‏ها و در نهایت اعمال دقیق کار و نهاده‏هاست.

کشاورزی دقیق یا به عبارتی کشاورزی نوین در تولید محصولات زراعی در عمل از فناوری‏های پیشرفته‏ای همچون GPS ، GIS  و RS  در اتوماتیک کردن عملیات کشاورزی، کاربرد مقادیر متغیر در مصرف سم، کود و بذر و نیز عمق کاشت متفاوت با توجه به شرایط ویژه هر قسمت از مزرعه گردیده است.

پایش ماهواره‌ای آفات گیاهان

در خبرگزاری ایرنا گزارشی بر مبنای اهمیت به سلامت گیاهان آمده است؛

برای دستیابی به هدف سلامت گیاهان از فناوری‌های نوین به ویژه در نقاط دور دست جهان، ‌استفاده می‌شود که نیازمند همکاری ‌های بین‌المللی همه ذینفعان است. در رابطه با تلاش جهانی در زمینه کنترل آفات می‌توان به مدیریت و مهار آفت Fall Armyworm اشاره نمود که با استفاده از فناوری‌ های نوین سنجش از دور و تصاویر ماهواره‌ای در کشاورزی به پایش این آفت پرداخته و با هشدار زود هنگام، کشاورزان را برای مقابله با آن تجهیز کرده‌اند.

این آفت بیش از ۵۰ کشور آفریقایی و آسیایی را آلوده و خسارات زیادی به محصولاتی مانند ذرت، برنج، گندم، سویا، کتان و… وارد نموده است. ولی برخی از کشورهای آفریقایی با کمک تیم‌های تحقیقاتی و استفاده از تصاویر ماهواره‌ای، همچنین تولید نقشه‌های شاخص پوشش گیاهی چون NDVI، LAI و رطوبت خاک به بررسی این آفت و سلامت گیاهان، پرداخته و سیستم هشدار زود هنگام را به اجرا در آورده‌اند.

شاخص گیاهی

شاخص های گیاهی به دست آمده از تصاویر ماهواره ای معمولا برای ارزیابی کمی و کیفی پوشش گیاهی کاربرد دارند. شاخص NDVI با خواص فیزیکی تاج پوشش گیاهی، شاخص سطح برگ، بایومس و درصد پوشش گیاهی ارتباط دارد بنابراین بیشترین شاخص گیاهی مور استفاده جهت بررسی وضعیت مزارع و محصولات کشاورزی شاخص NDVI است.

شناسایی آفات و بیماری ها به مزارع با استفاده از تصاویر ماهواره ای

مدیریت مزرعه بسیار چالش برانگیز بوده همیشه و دسترسی به داده های کمی و کیفی که راه رسیدن به کشاورزی پایدار است همیشه مساله ای مهم بوده است. به این منظور می توان با بهره گیری از ویژگی ها و تقویم زراعی محصولات (مراحل فنولوژی) و اطلاعات تصاویر ماهواره ای در طول زمان شاخص هایی را جهت ارزیابی کردن وضعیت محصولات کشاورزی و مزارع تعریف نمود. یعنی با استناد بر تقویم زراعی محصولات کشت شده و انتخاب تصوره ماهواره مناسب با تقویم زراعی محصول، شاخص پوشش گیاهی بر هر محصول به طور جداگانه در تاریخ های مختلف محاسبه می شود.

از این رو شاخص پوشش گیاهی نشان دهنده نوسانات رشد محصولات کشاورزی در مزرعه می باشد و با کمک آن می توان نقاط مشکل دار را شناسایی کرد و عوامل محدود کننده مانند آفات و بیماری های محصولات کشاورزی، علف های هرز، زهدار بودن خاک و عدم آبیاری مناسب را مشخص نمود.

با تکیه بر این روش و بهره گیری از تکنیک سنجش از دور، کشاورز به راحتی می تواند محدودیت های زراعی و همچنین نقاطی با عملکرد پایین را شناسایی کند. خوشبختانه با این اطلاعات کشاورز با کمک کارشناسان مربوطه و با بهره گیری از تجربه کاری می تواند مزرعه را به درست ترین شکل ممکن، کمترین هزینه و نیروی انسانی در راستای افزایش بهره وری محصولات مدیریت کند.

خشکسالی به عنوان یک چالش بر بخش مهم کشاورزی آسیب می زند. با توجه به پدیده تغییرات اقلیم و کاهش بارندگی در سال های اخیر، خشکسالی به یک معضل بزرگ در جهان و به طور کلی در مناطق خشک و نیمه خشک مانند ایران تبدیل شده است.

بدین جهت پایش و مدیریت خشکسالی امری ضروری می باشد. روشهای سنتی عمدتا بر پایه مشاهدات ایستگاه های هواشناسی هستند و بیشتر به بررسی خشکسالی هواشناسی می پردازند، اما  استفاده از تکنیک سنجش از دور و تصاویر ماهواره ای به عنوان یک ابزار مفید جهت پایش مکانی و زمانی خشکسالی کشاورزی مورد توجه محققین و متخصصین واقع شده است.

تعریف خشکسالی

خشکسالی جزئی از ویژگی های سیستم آب و هواست که بدون هیچ اخطار و بدون توجه به مرزهای جغرافیایی و یا تفاوت های اقتصادی و سیاسی هرسال رخ می دهد. از این رو می توان سه تعریف جداگانه از دیدگاه های هواشناسی، کشاورزی و هیدرولوژی در رابطه با خشکسالی ارائه نمود:

دراین رابطه هواشناسان عموما خشکسالی را به عنوان دوره ای در نظر می گیرند که در طول آن بارش به طور قابل توجه ای کمتر از بارش به مقدار معمول باشد، که البته موقعیت مکانی و فصل نیز بر این تعریف تاثیر گذار می باشد.

دانشمندان علوم کشاورزی، خشکسالی را بیشتر از نظر زندگی گیاهی و مقدار رطوبت خاک در نظر می گیرند و در نتیجه برای آنها عدم بارش در دوره ای خاص چندان مهم نیست اگر رطوبت خاک در حد مناسبی باشد.

از دیدگاه هیدرولوژیست ها خشکسالی فقط در کاهش جریان رودخانه ها و افت سطح آب زیر زمینی خود را نشان می دهد.

نا گفته نماند رطوبت خاک و بارش در یک ارتباط تنگاتنگ با یکدیگر قرار دارند.

خشکسالی در ایران

خشکسالی در اکثر مناطق مناطق خشک و نیمه خشک جهان پدیده ای تهدید کننده در تولیدات کشاورزی، آب قابل دسترس، بیابان زدایی و از بین رفتن پوشش گیاهی طبیعی می باشد.

ایران کشور پهناوری است که به علت موقعیت خاص جغرافیایی و توپوگرافیکی از آب و هوای متفاوتی برخوردار است. علاوه بر این میزان بارش سالانه آن کم است، نوسانات شدید بارندگی در مقیاس های روزانه، فصلی و سالانه موجب بروز عدم اطمینان کافی نسبت به دریافت حداقل بارش مورد نیاز مصارف کشاورزی، جریان های سطحی و سفره آب های زیرزمینی و همچنین نیازهای انسانی می شود.

در نتیجه می توان اظهار داشت، با توجه به قرار گرفتن ایران در منطقه خشک و نیمه خشک و کمبود منابع آبی وقوع خشکسالی در کشور امری اجتناب ناپذیر محسوب می شود. لذا لزوم تحقیق بیشتر جهت پایش تغییرات مکانی و زمانی خشکسالی و ارائه راهکارهای به موقع و صحیح جهت مقابله با آن ضروری می باشد.

اهمیت پایش خشکسالی با استفاده از تکنیک های سنجش از دور

به منظور پایش و ارزیابی دقیق از گسترش  پدیده خشکسالی، بایستی اطلاعات درست و قابل اعتمادی از توزیع مکانی و زمانی پارامترهای هواشناسی، هیدرولوژیکی و متغیرهای سطحی وجود داشته باشد. داده های به دست آمده از تکنیکهای سنجش از دور دارای پتانسیل لازم در این زمینه می باشد. بدین صورت که از طریق دریافت اطلاعات با قدرت تفکیک مکانی و زمانی در سطح وسیعی از زمین و به صورت دریافت در بازه های زمانی متفاوت، امکان پایش روند خشکسالی ها با استفاده از تکنیک های سنجش از دور براساس بازتابندگی طیفی در باندهای مختلف و امکان محاسبه در هر پیکسل فراهم خواهد شد.

به دلیل محدودیت مکانی و زمانی داده های زمینی و همینطور پراکندگی نامناسب ایستگاه های هواشناسی لزوم گسترش روش های نوین و استفاده از تکنیک جدید سنجش از دور و تصاویر ماهواره ای جهت پایش خشکسالی وجود دارد.

استفاده از روش های نوین به جهت قابلیت داده پردازی و مدلسازی بالا و بازخوانی داده های نقاط مختلف بخصوص در سال های اخیر در مدیریت و ساماندهی مناسب اثرات خشکسالی علاوه بر شاخص ها و روش های آماری، داده های تصاویر ماهواره ای نقش مهم و بسزایی در پایش خشکسالی ایفا می کند.

شاخص های قابل استخراج از تصاویر ماهواره ای

محققان زیادی با تکیه بر شاخص های قابل استخراج از تصاویر ماهواره ای اقدام به ارزیابی تغییرات محیطی و آب و هوایی نموده اند.

به عنوان مثال شاخص NDVI یا همان شاخص گیاهی به راحتی از طریق تصاویر ماهواره ای قابل استخراج هستند. عدد این شاخص از طریق اختلاف بازتابش نورخورشید از سطح گیاه در محدوده طیفی نور مرئی و مادون قرمز به ماهواره ها به دست می آید که عدد این شاخص بین 1 و 1- متغیر است. از آنجا که آب و هوا ارتباط مستقیم با پوشش گیاهی دارد، شاخص پوشش گیاهی برای ارزیابی آب و هوا استفاده می شود.

از دیگر شاخص های قابل توجه، شاخص سلامت پوشش گیاهی VCI است که بر اساس ارزیابی وضعیت شاخص گیاهی در دراز مدت (معمولا یک ماه) به دست می آید و اگر عدد این شاخص کوچک و نزدیک به صفر باشد نشان دهنده وجود خشکسالی شدید در آن زمان و در محدوده مکانی تصویر ماهواره ای مربوطه می باشد.

شاخص TCI نیز براساس تغییرات عملکرد پوشش های گیاهی نسبت به دما در یک دوره خاص به دست می آید که به آن شاخص تغییر دما نیر گفته می شود.

سنجش از دور و خشکسالی

به دلیل ناکافی بودن داده های اقلیمی و آمارهای عددی نیاز به داده های گسترده تر و قابل اعتمادتر جهت پایش زمین وجود دارد. چندین سال است که محققان و مهندسان علوم سنجش از دور از طریق استخراج شاخص های گیاهی گفته شده اقدام به پایش خشکسالی نموده اند.

امروزه با استفاده از تکنیک های سنجش از دور مانند الگوریتم های SEBAL و SEBS جهت براورد پارامتر مهم تبخیر و تعرق در سطوح وسیع و ناهمگن کاربرد دارد و استفاده از پارامتر تبخیر و تعرق نقش بسزایی در پایش وسیع تغییرات آب و هوایی و خشکسالی دارد.

به طور کلی امکان استفاد توامان از داده های زمینی و داده های فضایی به عنوان پشتیبان محکم و تکمیلی تاثیر بسیار زیادی در علوم کشاورزی داشته است.

به دلیل فجایع بسیار زیادی که بلای طبیعی سیل ایجاد می کند می توان اظهار نمود که هشدار و  پیش بینی وقوع سیل یکی از مهم ترین روش های غیر سازه ای جهت کنترل سیل و مدیریت هیدرولوژی، کشاورزی و همچنین کاهش خطرات و خسارات ناشی از سیل می باشد.

اندازه گیری بارش

اولین اندازه گیری ساده بارندگی در هندوستان و در زمان 400 سال قبل از میلاد مسیح اتفاق افتاد صورت گرفت، بعد از آن باران سنج های گوناگونی برای اندازه گیری بارش به صورت نقطه ای و مستقیم مورد استفاده قرار گرفتند.

داده های باران سنج ها در مناطق کوچک دارای درجه اعتبار خوبی بوده ولی با توجه به توزیع متغیر آن ها، شناخت تغییرات شدید مکانی بارش با استفاده از داده های باران سنجی مشکل است.

علاوه بر آن مشکلاتی مانند عدم پوشش بر روی اقیانوسها و مناطق دور دست، اندازه گیری نقطه ای، انواع مختلف باران سنج ها و برآورد بارش تحت تأثیرات باد، توسعه تکنیک های جدید و قابل اعتماد تری را برای برآورد بارش ضروری می سازد. زیرا بارش یک پدیده جوی است و اندازه گیری نقطه ای آن قابل اطمینان نمی باشد.

اندازه گیری باران توسط تکنیک های سنجش از دور

به دلیل توزیع غیر یکنواخت باران سنج ها و رادارهای هواشناسی و همچنین اندازه گیری های محدود آنها بر روی اقیانوس ها کاربرد و اعتماد نسبت به داده های محلی را محدود می باشد. در روش های سنجش از دور اندازه گیری بارش با تحلیل انرژی های دریافت شده سنجنده ها که از ابرها و سطح زیزین آن ها منعکس شده انجام می شود.

با تکیه بر براورد بارش ها از طریق تصاویر ماهواره ای و تکنیک های سنجش از دور می توان اطلاعات مفیدی در رابطه با رخداد بارش، اهداف هواشناختی، هواشناسی و پیش بینی سیل استفاده نمود.

سنجش از دور یکی از ابزارهای مفید بررسی توده‌ها و جبهه‌های باران‌زا، جهت یابی مسیر حرکت آنها، پیش بینی بارش ها و در صورت لزوم اعلام هشدار برای بلایای طبیعی سیل است. با ظهور فناوری های پیشرفته در فرایند دریافت اطلاعات هواشناسی ماهواره‌ای رادارهای تخصصی و همچنین نتایج متفاوتی که داده‌های حاصله در مکان‌های مختلف ارائه میدهند، در سراسر جهان تحقیقاتی در این زمینه در حال انجام است.

در بسیاری از تحقیقات پیش بینی سیل از داده های سنجش از دور جهت تکمیل داده های زمینی استفاده می شود زیرا ماهواره ها قادر هستند تا از مناطق صعب العبور و دور از دسترس، داده کسب کرده و این داده ها می توانند برای پوشش اطلاعات سینوپتیک یک منطقه جمع آوری شوند. بنابراین در طول 30 سال اخیر ماهواره ها برای اکتساب داده های بارش به هر دو صورت بلند مدت (چند ساله و در مقیاس قاره ای) و کوتاه مدت (روزانه و ساعتی) استفاده شده اند.

سنجش از دور  و پیش بینی سیل

تلفیق کاربرد تکنیک های سنجش از دور و سیستم اطلاعات مکانی GIS با بهره گیری از قابلیت های مدل های هیدرولوژیکی و هیدرولیکی مانند مدل های بارش-رواناب، به صورت توزیعی و نیمه توزیعی می توان تیم هشدار و شبیه سازی سیل را برای مناطق فعال نمود.

به عنوان مثال با استفاده از سیستم اطلاعات مکانی GIS و مدل بارش و رواناب و همچنین داده ها و اطلاعات توصیفی می توان هیدروگراف سیل را مدلسازی نمود.

در این راستا تحقیقاتی در حوضه آمازون غربی جهت بررسی اثرات مجموعه داده های بارش ماهواره ای بر مدلسازی بارش_رواناب منطقه صورت گرفت که نتایج آن تحقیق نشان دهنده قابل اطمینان بودن داده های تصاویر ماهواره ای جهت شبیه سازی مدل هیدرولوژیکی و پیش بینی سیل با استفاده از تکنیک های سنجش از دور بود.

با توجه به رخداد سیل اخیر در جنوب ایران در اوایل سال 1399، سازمان فضایی ایران به طور مستمر با تجزیه و تحلیل تصاویر ماهواره ای اقدام به اندازه گیری میزان بارش و مسیر حرکت سامانه های بارشی کشور کرده است.

اینگونه داده ها خدمات حیاتی را به مدیریت بحران کشورها می دهد و نشان دهنده اهمیت دانش سنجش از دور در علوم هواشناسی و هیدرولوژی می باشد.

خدمات هواشناسی کشاورزی جالیزان

هواشناسی کشاورزی جدیدترین خدمات جالیزان است. به دلیل تاثیر آب و هوا بر میزان بهره وری کشاورزی، پیش بینی آب و هوا یک امر حیاتی برای کشاورزان است. در همین راستا تیم جالیزان خدمات پیش بینی آب و هوا را راه اندازی کرده است تا کشاورزان به صورت روزانه از شرایط جوی مزرعه شان باخبر شوند، برای بهره مندی از سیستم هشدار پیامکی وارد سامانه شوید و نام نویسی کنید.

برای استفاده از خدمات هواشناسی کشاورزی جالیزان، کلیک کنید…

رطوبت خاک یک متغیر مهم در هیدرولوژی سطح زمین است. برآورد خصوصیات خاک، از جمله رطوبت خاک، برای بسیاری از فرآیندهای بودجه ریزی آب، و برای کاربردهای هواشناسی و کشاورزی هم بسیار مهم است.

همچنین از اطلاعات رطوبت خاک می توان به عنوان شاخصی برای پیش بینی بلایای طبیعی مانند سیل و خشکسالی و تغییر محیط مانند طوفان های گرد و غبار و فرسایش استفاده کرد.

رطوبت خاک تاثیرات و پیامدهای بسیار مهمی برای کشاورزی دارد و احتمالاً (پس از بارش) مهمترین ارتباط بین چرخه هیدرولوژی و زندگی حیوانات، گیاهان و انسان است. مطالعات متعدد تأثیر رطوبت خاک بر بازخورد ارتباطات بین سطح زمین و آب و هوا را نشان می دهد که تأثیر زیادی بر پویایی لایه مرزی جوی و ارتباط مستقیم با آب و هوا و آب و هوای جهانی دارد.

نتایج علمی تحقیقاتی نشان داده است که ادغام اطلاعات رطوبتی خاک در مدل های هیدرولوژیکی می تواند دقت متغیرهای هیدرولوژیکی برآورد شده مانند تبخیر، دمای سطح و رطوبت خاک منطقه ریشه را بهبود بخشد.

کاربرد سنجش از دور در براورد رطوبت خاک

برای این منظور، لازم است تا رطوبت خاک را مقیاس های مکانی کوچک و بزرگ به دست آوریم. متأسفانه مشاهده کامل فعل و انفعالات هیدرولوژیکی زمین به همین راحتی ها نیست. دراین راستا علم سنجش از دور و ماهواره ها، ما را قادر می سازد تا با استفاده از مدلسازی دقیق تر فعل و انفعالات بین زمین و جو، رطوبت خاک را در مقیاس وسیع تخمین بزنیم.

همانطور که اشاره شد، اندازه گیری میدانی و دقیق رطوبت خاک بسیار گران است زیرا به تجزیه و تحلیل تغییرات دوره ای رطوبت خاک و فرآیند نمونه برداری مکرر دارد. علاوه بر این، خود نمونه گیری ممکن است مشکلاتی را به وجود آورد و داده های نمونه را غیرقابل اعتماد کند.

سنجش از دور توانایی جمع آوری اطلاعات از نمونه های مختلف را در یک منطقه بزرگ در یک زمان کوتاه و فواصل زمانی تکرار شده، به ویژه با پیشرفت های اخیر در عملکرد سنسورهای ماهواره ای و وضوح تصویر زمانی و مکانی دارد.

چالش های سنجش از دور در براورد رطوبت خاک

وظیفه تخمین رطوبت خاک زمانی دشوارتر می شود که منطقه مورد مطالعه سرزمینی پوشیده از گیاهان شدید یا برف باشد و تغییرات توپوگرافی قابل توجهی در منطقه وجود داشته باشد.

در حال حاضر، روشهای سنجش از دور در تخمین رطوبت خاک از لایه های عمیق خاک، مانند لایه های خاک منطقه ریشه، موفق نبوده اند.

روش های سنجش از دور توانایی براورد رطوبت خاک تا عمق 5 سانتی متری از سطح بالای خاک را دارند. پوشش خاک و توپوگرافی به عنوان اصلی ترین پارامترهایی هستند که برآورد رطوبت خاک را تحت تأثیر قرار می دهند.

رطوبت خاک و تصاویر ماهواه ای

اطلاعات رطوبت خاک را می توان از روشهای مختلف سنجش از دور با استفاده از داده های مختلف مانند داده های مرئی، مادون قرمز، حرارتی و مایکروویو بازیابی کرد.

هر روش سنجش از دور استفاده شده دارای مزایا و معایب خاص خود است، بر اساس میزان حساسیت سطح خاک به تابش الکترومغناطیسی و میزان تابش منعکس شده از سطح خاک و غیره.

اگرچه در اندازه گیری های میدانی رطوبت خاک ممکن است خطاهای نمونه برداری وجود داشته باشد، اما وجود آنها اندازه گیری استاندارد و تخمین رطوبت خاک در نظر گرفته می شوند و برآورد اطلاعات سنجش از دور با اندازه گیری های نمونه مقایسه می شود.

ماهواره ها

سنجش از راه دور مایکروویو فعال و غیرفعال، توانایی منحصر به فردی را برای به دست آوردن مشاهدات رطوبت خاک در مقیاس جهانی و منطقه ای فراهم می کند که به ارضای نیازهای علمی و کاربردی برای هیدرولوژی کمک می کند.

تابش الکترومغناطیسی ساطع شده (در حالت سنجش از دور منفعل) یا تابش مایکروویو منعکس شده (در حالت سنجش از دور فعال) از سطح خاک به سنسور، تنها اندازه گیری مطالعه خصوصیات خاک از راه دور است.

در ادامه به ماهواره هایی که از داده های آن ها از سال 1991 برای تخمین رطوبت خاک استفاده شده است اشاره می شود: سنسور SAR، سنسور کنترل از راه دور، به دلیل توانایی در ضبط تصاویر با وضوح بالا برای بازیابی رطوبت خاک بر اساس تغییرات فضایی در رطوبت خاک، پرکاربردترین سنسور فعال (ااکتیو) برای ارزیابی رطوبت خاک است. ماهواره ترا با سنسور (ترا- مودیس)، لندست با سنسور (لندست) و آکوا از جمله ماهواره های غیر فعال (پسیو) مورد استفاده در تخمین رطوبت خاک است.

بر اساس روش های سنجش از دور فعال، برآورد رطوبت خاک در خاک لخت یا خاکی با پوشش گیاهی کمتر، نتایج دقیق تری را در مقایسه با استفاده از روش های مخلوط خاک پوشاننده زمین ارائه می دهد. علاوه بر این، هنگامی که پوشش گیاهی متراکم باشد، فرآیند تخمین چالش برانگیزتر می شود. از طرف دیگر، تحت شرایط مشابه پوشش خاک، بازیابی رطوبت خاک با استفاده از ترکیبی از اطلاعات سنسورهای فعال و غیرفعال، نتایج دقیق تری را ارائه می دهد.

تبخیر و تعرق یکی از مهمترین عوامل محدود کننده توسعه کشاورزی در مناطق خشک و نیمه خشک می باشد. استفاده بی رویه از منابع آب و خشکسالی های اخیر باعث مشکلات زیادی در مدیریت منابع آب شده است.

یکی از پارامترهای مهم در این راستا، تعیین تبخیر-تعرق (ET) محصولات کشاورزی می باشد و برآورد دقیق تبخیر– تعرق یا آب مورد نیاز گیاهان نقش مهمی در بهبود مدیریت مصرف آب و در نهایت افزایش راندمان آب مصرفی دارد.

تبخیر و تعرق گیاه دقیقا چه چیزی است و چگونه اندازه گیری می شود؟

گیاه معمولی، از جمله هر گیاهی که در یک منظره یافت می شود، آب را از طریق ریشه های خود از خاک جذب می کند. سپس از آن آب برای عملکردهای متابولیک و فیزیولوژیکی استفاده می شود. آب در نهایت به صورت بخار از طریق روزنه های گیاه – ساختارهای ریز، قابل بسته شدن و منافذ مانند روی سطوح برگ ها در جو آزاد می شود. به طور کلی، این جذب آب از ریشه، انتقال آب از طریق بافت های گیاهی و آزاد شدن بخار توسط برگ ها به عنوان تعرق شناخته می شود.

تبخیر از گیاه

آب مستقیما از خاک در مجاورت گیاه به جو تبخیر می شود. هر شبنم یا قطرات آبی که روی ساقه و برگ گیاه وجود داشته باشد در نهایت نیز تبخیر می شود. محققان از ترکیب تبخیر و تعرق به عنوان تبخیر و تعرق با نام اختصاری ET یاد می کنند. این پارامتر به طور گسترده مورد استناد قرار می گیرد زیرا استفاده پر مصرف از گیاهان یک منظره را تقریب می زند.

تعرق از خاک

در واقع، آب مصرف شده توسط یک حوزه آبی برابر است با تبخیر و تعرق گیاهان مختلف به اضافه مقدار آب از دست رفته در اثر نفوذ عمیق و رواناب. با این حال، تخمین مقدار آبی که گیاهان تبخیر و تعرق می کنند، یک گام اولیه ضروری برای تعیین مقدار کل آب آبیاری مورد نیاز است.

 

به دلیل اینکه تبخیر از سطح مرطوب خاک و تعرق از سطح گیاهان جدا شدنی نیستند، به صورت توامان به این دو تبخیر -تعرق

( Evapotranspiration -ET) گفته می شود.

تبخیر-تعرق یکی از عوامل مهم در چرخه هیدرولوژی و از جمله عوامل تعیین کننده معادلات انرژی در سطح زمـین و تـوازن آب می باشد.

تبخیر و تعرق تابعی از ویژگیهای خاک، شرایط آب و هوایی، کاربری اراضی، وضعیت گیاهی و توپوگرافی منطقه است که تعدادی از این پارامترها در زمان و مکان متغیر هستند و تخمین و یا تعیین این پارامترها در یک منطقه مشکل می باشد. روشهای مرسوم اندازه گیری تبخیر و تعرق از سطح زمین (مانند: نسبت باون، همبستگی ادی و لایسیمتر) برای کاربرد پیوسته در فاصله های مناسب در منطقه، بسیار پرخرج و وقت گیر است. همچنین چون این اندازه گیری ها نقطه ای بوده، به خاطر شرایط متغیر آب و هوایی و طبیعت پویای فرآیند انتقال آب-گرما، قابل تعمیم به حوضه های بزرگ نمی باشد.

علاوه بر عوامل تعیین کننده ای که نام برده شد، ویژگی های مختلف بیوشیمیایی و مورفولوژیکی گیاهان نیز بر میزان ET تأثیر می گذارند:

• جهت گیری برگها
• سطح برگ و شکل
• ویژگی های سطح برگ مانند کوتیکول ضخیم و وجود مو
• نسبت ریشه به ساقه
• هورمون های برگ و ریشه
• سن گیاه

تبخیر و تعرق پتانسیل چیست؟ (ET0)

نرخ تبخیر و تعرق پتانسیل (PET یا ET0)، مقدار آبی که به طور بالقوه می تواند در اثر تبخیر روی سطح پوشش گیاهی با توجه به شرایط هواشناسی در آن زمان از دست برود، به شدت تابش خورشیدی، دمای هوا، رطوبت و سرعت باد بستگی دارد.

سه عامل (شدت تابش خورشیدی، دمای هوا و سرعت باد) با تبخیر و تعرق پتانسیل همبستگی مثبت دارند (یعنی هر چه شدت تابش خورشیدی بیشتر باشد، بیشتر است)، در حالی که با رطوبت رابطه منفی دارد (یعنی مقدار بیشتر بخار آب در حال حاضر در جو، کمتر می تواند تبخیر شود). همانطور که گفته شد تبخیر و تعرق همچنین به مقدار نوع محصول و سطح برگ آن، مرحله فنولوژیکی و میزان رطوبت خاک در دسترس گیاه در ناحیه ریشه زایی بستگی دارد.

برای سادگی و بر اساس کنوانسیون بین‌المللی، نرخ تبخیر و تعرق پتانسیل معمولا برای مجموعه‌ای از شرایط خاص از جمله سطحی با ارتفاع 4 اینچ، بدون سایه و پوشیده از چمن و بدون محدودیت آب خاک، تخمین زده می‌شود. این مورد خاص به طور کلی به عنوان تبخیر و تعرق بالقوه مرجع نامیده می شود (گاهی اوقات با برچسب ET0 دیده می شود)، که می تواند از نظر آماری به یک نوع محصول خاص مرتبط باشد تا برآوردی ایده آل از نیاز آبی محصول ارائه شود.

ET0 یک متغیر ورودی اولیه برای اکثر سیستم های برنامه ریزی آبیاری است.

تبخیر و تعرق واقعی چیست؟ (ETA)

عامل مهم دیگر در این بحث میزان آب از دست رفته توسط سطح پوشش گیاهی است که به عنوان تبخیر و تعرق واقعی یا ET نامیده می شود. نرخ واقعی تبخیر و تعرق تنها زمانی به نرخ بالقوه می رسد که آب محدود نباشد. با این حال، هنگامی که مقدار آب قابل دسترس گیاه در خاک کاهش می یابد، نرخ واقعی ET به سرعت به کسری از ET0 کاهش می یابد. پس از مدت طولانی آب و هوای خشک، نسبت نرخ تبخیر و تعرق واقعی به بالقوه معمولاً به مقادیر زیر 0.50 می رسد و فراوانی انباشته این نسبت در طول یک فصل رشد به شدت با عملکرد بسیاری از انواع محصولات (زمین خشک) مرتبط است.

در حال حاضر ،روشهای سنجش از دور راه بسیار مناسبی برای به دست آوردن متغیرهای مختلف در مقیاس های زمانی و مکانی مورد نیاز به منظور برآورد تبخیر-تعرق هستند.

با توجه به تغییرات مکانی پارامترهای هواشناسی، استفاده از روش هایی از جمله روش های مبتنی بر سنجش از دور که این تغییرات را در نظر میگیرند مطلوب است.

روش های اندازه گیری تبخیر و تعرق گیاهان به چه صورت است؟

روش های مستقیم براورد ET:

اولین و ساده ترین روش براورد تبخیر و تعرق گیاهان استفاده از معادله بیلان انرژی است.

به کمک لایسیمتر وزنی نیز میتوان مقدا ET را محاسبه نمود.

روش های غیرمستقیم براورد ET:

استانداردترین روش محاسبه تبخیر و تعرق گیاه مرجع، روش فائو پنمن مانتیث (گیاه مرجع چمن) می‌باشد.

استفاده از تست تبخیر در اسیستگاه های هواشناسی یکی دیگر از راه های غیر مستقیم براورد میزان ET میباشد.

اما در ادامه به بروارد تیخیز و تعرق محصولات کشاورزی به کمک تکنیک های سنجش از دور می پردازیم….

براورد تبخیر و تعرق به کمک سنجش از دور

اگر چه الگوریتم های سنجش از دور بسیاری جهت برآورد تبخیر-تعرق وجود دارد اما الگوریتم های کلاسیک سنجش از دور برای مقیاس های متوسط و ماکرو مناسب نیستند. در نتیجه استفاده از الگوریتم های پیشرفته تری از قبیل SEBAL و غیره برای نواحی وسیع و ناهمگن کارایی دارد.

الگوریتم (SEBAL=Surface Energy Balance Algorithm for Land)، الگوریتم توازن انرژی سطحی برای زمین، مدلی مبتنی بر پردازش تصاویر ماهواره است که مشتمل بر بیست وپنج زیر مدل برای محاسبه تبخیر تعرق می باشد و از مهمترین و پرکاربردترین روشهای باقیمانده بیلان انرژی برای برآورد ET واقعی با استفاده از دادههای سنجش از دور میباشد.

این الگوریتم اولین  بار توسط باستین سن در کشور هند معرفی شد. سپس در سال 2002 توسط آلن اصلاح گردید.

الگوریتم سبال روشی است که بر پایه روابط تجربی و فیزیکی، میزان تبخیر و تعرق واقعی را با حداقل داده های زمینی برآورد میکند.

محققان طی مطالعه ای در منطقه آیداهو ،نتـایج ET حاصـل از روش سبال را بـا نتـایج لایسـیمتری در دو منطقـه در آیـداهو مـورد مقایسه قرار دادند. نتایج مطالعات ایشان نشان داد که برآوردهـای ET حاصل از روش سبال با نتایج اندازه گیری شده توسط لایسیمتر بـرای محصولات کشاورزی در اقلیم های نیمـه خشـک بـه خـوبی منطبـق است.

روشهای توازن انرژی بر اساس محاسبه تبخیر-تعرق به عنوان یکی از اجزای معادله توازن انرژی می باشد.

به منظور صـحتیـابی الگـوریتم بیلان انرژی در سطح زمین، از اندازه گیری های مزرعه ای تبخیـر-تعـرق مزارع بزرگ در کشـورهای چـین، هنـد، اسـپانیا و پاکسـتان اسـتفاده نمودند و نتیجه را با نتایج حاصل از الگوریتم بـیلان انـرژی در سطح زمین (با استفاده از اطلاعات ماهواره ای) مقایسـه کردنـد.

نتـایج نشان داد که در 85 درصد مـوارد داده هـای حاصـل از ایـن الگـوریتم بدون هیچگونه واسنجی با داده های مزرعه ای مطابقت داشته است.