الهام خدابنده لو

با توجه به رشد بالای جمعیت در جهان و نیاز به اطمینان از امنیت غذایی، افزایش تولید در واحد سطح محصولات زراعی به منزله راهبردی اساسی در حل مسئله تأمین غذا به شمار می رود. از سوی دیگر، با وجود محدودیت در افزایش سطح زیرکشت و پایین بودن میانگین عملکرد برخی محصولات کشاورزی مانند گندم در کشور، افزایش عملکرد محصول می تواند راهکاری عملی در پاسخ به نیاز کشور محسوب شود. یکی از مهم ترین بیماری های گندم فوزاریوم است که، با توجه به نقش پیش بینی این بیماری در جلوگیری از کاهش بهره وری محصول، مدل هایی به منظور پیش بینی فوزاریوم در کشورهای آمریکا، کانادا، آرژانتین و برزیل توسعه یافته است اما در ایران، به رغم لزوم توجه به این بیماری، تاک نون مدلی در این زمینه مطرح نشده است. بدین منظور، پهنه بندی مناطق رخداد بیماری فوزاریوم، با به کارگیری پارامترهای محیطی و داده های هواشناسی و نیز استفاده از تحلیل مکانی، در دشت مغان صورت گرفت. همچنین، برای افزایش دقت و کالیبراسیون دقیق مدل، شبکه اینترنت اشیا (IoT) در دشت مغان استفاده شد تا داده های محیطی شامل رطوبت نسبی، بارندگی و دمای هوا جمع آوری شود. سپس شاخص های ترکیبی مناسب تهیه شد و (RF)برای اولویت بندی شاخص ها و تعیین اهمیت نسبی آنها و نیز پیش بینی شدت بیماری فوزاریوم گندم، روش جنگل تصادفی به کار رفت. برای این کار، از داده های ایستگاه های هواشناسی و سنسورهای زمینی در فاصله سال های 1389 تا 1396 استفاده شد. نتایج ارزیابی حاکی از کارآیی مدل توسعه داده شده در پیش بینی بیماری فوزاریوم گندم است. همچنین، طبق نتایج، به کارگیری IoT به همراه تحلیل های مکانی روشی مؤثر در پیش بینی فوزاریوم است.

یکی از اهداف مهم در کشاورزی پایدار، حفظ اکوسیستم های سالم با تاکید بر مدیریت منابع زمینی، آبی و طبیعی به منظور تحقق امنیت غذایی در سطوح محلی تا جهانی است. داده های سری زمانی سنجش از دور به عنوان منبعی وسیع و ارزشمند از اطلاعات طیفی و زمانی، توانسته محققان را در پیشبرد اهداف مدیریت مزرعه کمک کند. مدیریت مزرعه همیشه با چالش هایی همراه بوده و عدم دسترسی به اطلاعات کمی و کیفی محصولات زراعی از مشکلات این حوزه به شمار می رود. هدف از این تحقیق، توسعه و کاربرد شاخص های وضعیت محصول و مزرعه با استفاده از داده های سری زمانی NDVI ماهواره Sentinel-2)) و نقشه نوع محصول مزارع شرکت کشت و صنعت مغان در سال 1396-1395 و شرکت کشت و صنعت شهید رجایی دزفول در سال 1396-1397 است تا به وسیله آن، مناطقی که توسط عواملی همچون بیماری، هجوم آفات و علف های هرز و همچنین مشکلات خاک و عدم توزیع نامناسب آب آبیاری در مزرعه، دچار تغییر فنولوژیکی در طول زمان شده اند، شناسایی شوند. برای این منظور، داده های سری زمانی شاخص NDVI برای 4 نوع محصول (گندم، ذرت، یونجه و چغندرقند) و در مزارع مختلف محاسبه شد و برای نشان دادن وضعیت مزرعه و محصول در هر مزرعه و مزارع نسبت به هم، دو شاخص وضعیت مزرعه و محصول توسعه داده شد. ارزیابی نتایج این شاخص ها با مشاهدات زمینی، حاکی از آن است که محصول یونجه در کشت و صنعت مغان و گندم در کشت و صنعت شهید رجایی دزفول به ترتیب 88/88 و 11/94 درصد، بالاترین دقت (صحت کلی) را در بین محصولات منطقه داشتند.

طوفان های گردوغبار یکی از مهم ترین چالش های اخیر در منطقه غرب آسیا محسوب می شود. این پدیده به علت خشکسالی شدت بیشتری یافته و آثار منفی فراوانی در زندگی مردم منطقه گذاشته است. ازآنجاکه این منطقه در کمربند خشک و گردوغباری جهان قرار گرفته، ضروری است تا ابعاد گوناگون ریزگردها به خوبی واکاوی شود. پیش بینی و مدلسازی این پدیده می تواند از به خطر افتادن جان میلیون ها انسان جلوگیری کند. بنابراین، ارائه مدلی منطقه ای برای بررسی ابعاد گوناگون این پدیده ضروری است. المان های هواشناسی و اقلیمی مؤثر در پدیده ریزگرد همواره درحال تغییرند بنابراین، باید از مدل های مکانی- زمانی برای مدلسازی و بصری سازی آن بهره برد. بدین منظور، در این مطالعه با استفاده از قابلیت های مدلسازی مکانی- زمانی سیستم اطلاعات مکانی (GIS) و داده های به دست آمده از سنجش از دور (RS) همچون سرعت باد، رطوبت خاک، بافت خاک و مدل ارتفاعی زمین مدلی برای برآورد میزان گردوغبار برخاسته از سطح زمین طراحی و توسعه داده شد. مدل طراحی شده که DustEM (Dust Emission Model) نامیده شده است، میزان انتشار جریان های افقی ریزگرد را محاسبه می کند. در این مطالعه مدلسازی برای بازه زمانی سال 2001 تا 2007 صورت گرفت و نتایج به دست آمده از آن با داده های AOD سنجنده MODIS ارزیابی شد. به منظور شناسایی مناطق با فعالیت ریزگرد بالا، خروجی مدل در سه طبقه مناطق با فعالیت کم، متوسط و زیاد با استفاده از حد آستانه های 3/0 و 6/0 برای شاخص AOD طبقه بندی شد و این مدل به صورت مکانی- زمانی مناطق بحرانی را شناسایی می کند. میانگین شاخص صحت برای دوره مورد مطالعه % 6/73 به دست آمد که بیانگر دقت بالای مدل در شناسایی مناطق بحرانی است.