ترغب بنشر مسار تعليمي؟ اضغط هنا

تقدير إنتاجية حقول القطن من مرحلة نمو مبكرة باستخدام الصور الفضائية في منطقة اختبارية (قرية الكالطة)

Estimation of cotton productivity depending on early growth stage using image space in pilot area (Al-Kaltta village)

1707   1   35   0 ( 0 )
 تاريخ النشر 2013
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

هدف البحث إلى استعمال الصور الفضائية لرصد الحيوية الفيزيولوجية طيفياً في أوج مرحلة النمـو بعلاقتها المباشرة مع الإنتاجية لتقدير إنتاجية القطن عند مرحلة نمو محددة. لقد سجلت في بداية شـهر آب أهم مراحل النمو ارتباطاً مع الإنتاجية من الناحية الطيفية التي توافق دليل مـساحة أوراق أعظمـي لحقول قطن قرية الكالطة. و تفوق الدليل النباتي NDVI على كل من القناة الطيفيـة الحمـراء و تحـت الحمراء القريبة، في ارتباطه مع الإنتاجية. و قدرت إنتاجية القطن وفق نموذج أسي اعتمـاداً علـى قـيم NDVI خلال مرحلة النمو التي يوجد فيها دليل مساحة أوراق أعظمي.


ملخص البحث
يهدف هذا البحث إلى استخدام الصور الفضائية لرصد الحيوية الفيزيولوجية لمحصول القطن في مرحلة نمو محددة لتقدير إنتاجيته. تم تسجيل أهم مراحل النمو في بداية شهر آب، حيث توافق دليل مساحة الأوراق الأعظمي مع الإنتاجية. أظهرت النتائج تفوق الدليل النباتي NDVI على القنوات الطيفية الحمراء وتحت الحمراء القريبة في ارتباطه مع الإنتاجية. تم استخدام نموذج أسي لتقدير إنتاجية القطن بناءً على قيم NDVI في مرحلة النمو، وتمت مقارنة النتائج مع البيانات الحقلية المسجلة عند الجني من 82 حقلًا. أظهرت النتائج أن متوسط الإنتاجية المقدرة فضائيًا وحقليًا كانت متقاربة، حيث بلغ الخطأ النسبي حوالي ±12% ومعامل التحديد 0.86. تم تطبيق النموذج الطيفي على الصور الفضائية لتوقع الإنتاجية قبل الجني بأكثر من شهر، مما يعزز من دقة التقديرات ويساهم في تحسين إدارة المحاصيل الزراعية.
قراءة نقدية
تُعد الدراسة خطوة مهمة في مجال تقدير إنتاجية المحاصيل باستخدام تقنيات الاستشعار عن بعد، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، الاعتماد على مرحلة نمو واحدة قد لا يعكس التغيرات الديناميكية في نمو المحصول على مدار الموسم. ثانياً، على الرغم من أن دقة النموذج كانت جيدة، إلا أن الخطأ النسبي ±12% قد يكون كبيرًا في بعض الحالات العملية. ثالثاً، الدراسة لم تتناول تأثير العوامل البيئية الأخرى مثل التربة والمناخ بشكل كافٍ، والتي قد تؤثر على دقة التقديرات. وأخيرًا، يمكن توسيع نطاق الدراسة لتشمل محاصيل أخرى ومناطق جغرافية مختلفة لتحسين تعميم النتائج.
أسئلة حول البحث
  1. ما هو الهدف الرئيسي من البحث؟

    الهدف الرئيسي من البحث هو استخدام الصور الفضائية لرصد الحيوية الفيزيولوجية لمحصول القطن في مرحلة نمو محددة لتقدير إنتاجيته.

  2. ما هو الدليل النباتي الذي أظهر تفوقًا في ارتباطه مع الإنتاجية؟

    الدليل النباتي NDVI أظهر تفوقًا في ارتباطه مع الإنتاجية مقارنة بالقنوات الطيفية الحمراء وتحت الحمراء القريبة.

  3. ما هو الخطأ النسبي للإنتاجية المقدرة فضائيًا مقارنة بالمسجلة حقليًا؟

    الخطأ النسبي للإنتاجية المقدرة فضائيًا مقارنة بالمسجلة حقليًا كان حوالي ±12%.

  4. ما هي المرحلة الزمنية التي تم فيها تسجيل أهم مراحل النمو لمحصول القطن؟

    تم تسجيل أهم مراحل النمو لمحصول القطن في بداية شهر آب.


المراجع المستخدمة
Abd-El Gawad, A. A., A. S. Edris, H. K. Zaki and N. T. Ibrahem. 2004a. Estimation of Soybean yield and vegetation amount from canopy reflectance measurements. Arab Univ. J. Agric. Sci. 12 (1): 221-240
Abd-El Gawad, A.A., A.S. Edris, H. K. Zaki and N. T. Ibrahem. 2004b. Spectral reflectance of Sunflower plants in relation to yield and some canopy characteristics.. Arab Univ. J. Agric. Sci. 12 (1) : 241-258
Babar, M. A., M. P. Reynolds, M. van Ginkel, Klatt A. R., W. R. Raun, and M. L. Stone. 2006. Spectral Reflectance Indices as a Potential Indirect Selection Criteria for Wheat Yield under Irrigation. Crop Sci. 46(2): 578- 588
قيم البحث

اقرأ أيضاً

تتبع أهمية هذه التقانة الحديثة ( الاستشعار عن بعد ) من كونها تسمح بتقدير المخزون الخشبي من خلال معرفة فيمة مؤشر الـ NDVI , مما يقلل من التكلفة العالية والجهد الكبير التي تحتاج إليها القياسات الحراجية التقليدية .
قمنا ببحثنا هذا بإجراء دراسة مرجعية للطرائق المختلفة المتبعة للتحديد الآلي المباني في الصور الفضائية و تحليلها و عرضنا منهجية مقترحة لتحديد المباني اعتماداً على خصائص محيطها الهندسية باستخدام تحويل هاف لتحديد النماذج المستطيلة في الصور الرقمية.
يشكّل التبخر-نتح أحد عناصر الدورة الهيدرولوجية، الذي يصعب قياس كمياته الفعلية في الشروط الحقلية، لذلك يجري تقديره انطلاقاً من علاقات تجريبية تعتمد على بيانات عناصر المناخ، و تتضمن تلك التقديرات أخطاء متنوّعة بسبب عمليات التقريب. و يهدف البحث إلى تقدي ر دقيق لكمية التبخر الشهري في منطقة صافيتا, و يعتمد البحث على تقانة الشبكة العصبية الصنعية، حيث بُني الأنموذج الرياضي باستخدام Neural Fitting Tool (nftool) إحدى أدوات الماتلاب، و اعتمد الأنموذج على البيانات الشهرية لدرجة حرارة الهواء و الرطوبة النسبية في محطة صافيتا، كما استُخدِمت بيانات التبخر الشهري من حوض التبخر الأميركي صنف A لغرض التحقق من صحة أداء الشبكة، بعد تحويل الأنموذج إلى شكل قالب جاهز باستخدام تقانة Simulink المتاحة في حزمة برمجيات الماتلاب. أثبتت نتائج الدراسة أنَّ الشبكة العصبية الصنعيَّة متعددة الطبقات، و ذات الانتشار العكسي للخطأ تعطي نتائج جيدة في تقويم التبخر الشهري، اعتماداً على مجموعة البيانات المستخدَمة.
أجريت الدراسة في محطة بحوث برشين التابعة للهيئة العامة للبحوث العملية الزراعية على أشجار بعمر 13 عام من الصنف Golden delicious مطعمة على ثلاثة أصول تفاح (الأصل البذري Malus domestica, الأصلين الخضريين MM109 , القوي و MM111 النصف قوي) و على مدى ع امين ( 2014, 2015 ). ترّكزت الدراسة حول تأثير الأصل في قوة نمو الصنف المطع عليه (محيط الساق – حجم تاج الشجرة – تغيرات طول الطرود و الإنتاجية).
يعتبر محصول القطن من المحاصيل الهامة التي تزرع في منطقة الغاب والتي تتميز بمتطلباتها الزائدة من العناصر المغذية وتأتي اهمية هذه الدراسة في محاولة زيادة العائد الاقتصادي لمحصول القطن بترشيد استخدام الأسمدة والمحافظة على خصوبة التربة
التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا