مقایسه روش زمین‏ آمار و استفاده از داده‏ های سنجش از دور به‏ منظور پیش بینی عملکرد گندم در برخی از مراحل رشد (مطالعه موردی:اراضی مزرعه نمونه استان گلستان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجو

2 عضو هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 کارشناس ارشد اداره منابع طبیعی استان گلستان.

چکیده

سابقه و هدف: امنیت غذایی مهم‌ترین دغدغه بشر بر روی کره زمین بوده است. از سویی تولیدات کشاورزی همیشه با احتمال خطر در زمینه‌ی نوسان آب و هوا و تغییرات بازارهای بین‌المللی همراه بوده است، گرچه این احتمال خطر هرگز به‌طور کامل حذف نمی‌شود، اما می‌توان با تخمین میزان محصول قبل از فصل برداشت آن‌ها را به حداقل رساند. در این پژوهش روش‌های مختلف تهیه نقشه پوشش گیاهی جهت تعیین نقشه مطلوب عملکرد گندم مورد ارزیابی قرار گرفتند.
مواد و روش‏ها: به‏منظور مقایسه سنجش از دور و زمین‌آمار برای برآورد عملکرد گندم اراضی مزرعه نمونه ، پژوهشی در سال زراعی 91-1390 انجام شد. جهت انجام عملیات میدانی ، 101 نمونه گیاهی در مراحل پنجه‏زنی، آبستنی، پر شدن دانه و رسیدگی گیاه گندم (3 مرحله شاخص سطح برگ و زیست‏توده و یک مرحله عملکرد دانه) از 2500 هکتار اراضی گندم برداشت و متغیر‏های گیاهی اندازه‌گیری شدند. روش‏های درون‏یابی عمومی، جهانی و فصلی کریجینگ اعمال و مدل‏های مختلف نیم‏تغییرنما ترسیم و مدل مناسب برازش داده شد. دقت روش‏های درون‏یابی با کمک معیار‌های آماری مختلف ارزیابی شد. هم‏چنین در این تحقیق از 3 تصویر چندطیفی +ETM که با زمان انجام عملیات میدانی انطباق داشتند و همچنین 4 تصویر سال‌های قبل استفاده شد. 8 شاخص گیاهی از تصاویر استخراج و ارتباط بین آن‏ها و متغیرهای گیاهی استخراج و نقشه متغیرهای گیاهی با کمک تصاویر تهیه و ارزیابی شد. با برازش مدل لجستیک پیک بین مقادیر عملکرد و متغیرهای گیاهی، نقشه عملکرد با کمک سنجش از دور تهیه و با معیارهای آماری مختلف نقشه‌های عملکرد بدست آمده مقایسه شدند.
یافته‏ها: نتایج ارزیابی روش‌های درون‌یابی بیان‌گر برتری مدل‌های کروی، نمایی، گوسی و دایره‌ای نسبت به دیگر مدل‌ها بود. نتایج بررسی شاخص‌های استخراج شده از تصاویر ماهواره‌ای ارتباط معنی‌دار در سطح آماری 99 درصد بین متغیرهای گیاهی و شاخص‌های بدست‌آمده از تصاویر را در اواخر مرحله پنجه‌زنی نشان داد. ارزیابی نقشه‌های عملکرد پیش‌بینی شده برتری قاطع روش سنجش از دور را نسبت به زمین‏آمار نشان داد. نتایج بیان‌گر قابلیت تصاویر ماهواره‌ای در پیش‌بینی عملکرد گندم در اواخر پنجه‏زنی با 715 کیلوگرم در هکتار خطای برآورد است.‬
نتیجه‏گیری: با توجه به دقت مناسب تکنیک سنجش از دور نسبت به روش زمین‌آمار و علاوه بر آن آسان و کم هزینه بودن این روش در مقابل زمین‌آمار، استفاده از سنجش از دور و شاخص‌های گیاهی استخراج شده از تصاویر ماهواره‌های مربوط می‌تواند تحول جدیدی در برآورد عملکرد در مقیاس منطقه‌ای باشد. با توجه به این‌که تصاویر برداشت شده توسط ماهواره نمایشی واقعی از وضعیت محصول را تهیه می‌کنند، می‌توانند در مدل‌سازی رشد کمک قابل‌توجهی کنند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comparison of geostatistical- and remote sensing data-based methods in wheat yield predication in some of growing stages (A case study: Nemooneh filed, Golestan province)

نویسندگان [English]

  • esmaeil mohammadi ahmad mahmoudi 1
  • behnam kamkar 2
  • omid abdi 3
2 Associate Prof., Dept. of Agronomy, Gorgan University of Agricultural Sciences and Natural Resource, Iran
3 Superior Expert, Department of Natural Resource, Golestan province, Iran
چکیده [English]

Background and objectives: Food security has been most important concern of the mankind on the earth. On the other hand, agricultural productions have always been face by risk probability in the case of weather and changes in international markets, however this risk probability never undeleted completely, but could be minimized that by pre-harvesting yield estimation. In this study, different methods of vegetation maps provision were involved toprovide a suitable pre-harvesting map for wheat yield.
Materials and methods: For comparison of remote sensing and geostatistics-based methods capabilities in wheat yield predication in wheat fields, a survey was conducted in 2011-12 growing season. 101 plant samples were taken from 2500 hectare wheat fields in tillering, booting, seed filling and maturity stages (three times for leaf area index and dry weight and one sampling for yield) and related measurements were done. Ordinary, Universal and Disjunctive Kriging methods were applied and semivariograms were provided, then proper models were fitted. Different statistical indices were used to test the accuracy. Also, three +ETM images acquired by Landsat satellite were used which were matched by sampling dates. Four images for previous years also were used as needed. Eight plant indices were provided from aforementioned images and were compared with plant variables which were recorded or measured simultaneously, then related relations were determined and maps were provided. By fitting the logistic model between yield and plant variables, yield prediction maps were evaluated by remote sensing and, the obtained maps were compared using different statistical indices.
Results: Evaluation results of interpolation methods revealed that spherical, exponential, Gaussian and circular models were superior models in this study. Also, results on the survey indices derived from satellite images showed a significant relationship between the variables and indices derived from satellite images in the end of tillering stage. Assessment of generated yield maps, demonstrated pronounced superiority of remote sensing techniques compared with geostatistical-based analysis methods. The results demonstrated the capability of satellite images in regional scale to predict wheat yield (with 715 kg.ha-1 biass in tillering stage).
Conclusion: According to the acceptable accuracy of the remote sensing compared with the Geostatistics- based method along with ease of and low cost of this method, use of the remote sensing and satellite images – derived vegetation indices could be a new horizon in regional yield estimation. Since satellite images provide an actual representation from the crop status, could involve significantly to the growth modeling.

کلیدواژه‌ها [English]

  • Wheat
  • Remote sensing
  • Geostatistics
  • Vegetation index
  • yield predication