چکیده مقاله
پیشرفت های اخیر در حوزه کشاورزی دیجیتال گذار از دقت در سطح مزرعه به سوی دقت در سطح تک گیاه را ممکن ساخته است، تحولی که هسته اصلی آن بر یکپارچه سازی سه رکن اساسی داده های زمینی با وضوح بالا، هویت دیجیتال منحصر به فرد برای هر گیاه و موتورهای هوشمند تصمیم گیری استوار است در این پارادایم نوین فناوری های شناسایی با بسامد رادیویی با اختصاص یک برچسب منحصر به فرد به هر نهال سنگ بنای این سیستم را تشکیل می دهند این برچسب ها که به عنوان گذرنامه دیجیتال گیاه عمل می کنند امکان ردیابی تاریخچه کامل حیات گیاه از مرحله کشت تا برداشت را فراهم می سازند داده های مربوط به عملیات، آبیاری، مصرف کود، کاربرد سموم و حتی پاسخ های فیزیولوژیکی ثبت شده از طریق سنسورها به طور پیوسته و غیرمتمرکز به این هویت دیجیتال متصل می شوند مطالعات انجام شده از سال ۲۰۱۹ به بعد نشان می دهند که این تاریخچه غنی، داده پایه ضروری برای ساخت مدل های پیش بینی کننده شخصی شده است و به طور بنیادینی از سیستم های مدیریت یکنواخت که بر میانگین گیری از شرایط یک مزرعه کامل تکیه دارند فاصله می گیرد در کنار این سیستم شناسایی شبکه های گسترده ای از سنسورهای اینترنت اشیا وظیفه جمع آوری جریان بلادرنگ داده های فیزیو محیطی را بر عهده دارند سنسورهای رطوبت خاک که در اعماق مختلف نصب می شوند، سنسورهای اندازه گیری هدایت الکتریکی و اسیدیته خاک و همچنین سنسورهای میکرو اقلیمی، دما، رطوبت هوا و تشعشع خورشیدی یک نمای بسیار دقیق و چندبعدی از ریز محیط هر گیاه را ترسیم می کنند پژوهش های اخیر به طور فزاینده ای بر ادغام سنسورهای گازی برای پایش استرس های غیر زیستی از طریق اندازه گیری انتشارات گیاهی نیز تاکید دارند حجم، سرعت و تنوع این داده ها آن را در زمره کلان داده ها قرار می دهد که مدیریت آن مستلزم معماری های پردازشی خاص خود است پلتفرم هایی مبتنی بر چارچوب هایی همچون آپاچی اسپارک به دلیل توانایی در پردازش تحلیلی توزیع شده بر روی مجموعه داده های حجیم، و ابزارهایی مانند آپاچی کافکا به دلیل قابلیت مدیریت جریان های داده، بلادرنگ به عنوان ستون فقرات فنی این سیستم ها عمل می کنند این پلتفرم ها امکان اجرای مدل های پیچیده یادگیری ماشین را بر روی توده عظیمی از داده های تاریخی و جاری فراهم می سازند در این میان، الگوریتم های درخت تصمیم مانند جنگل تصادفی و XGBoost به دلیل توانایی در مدل سازی روابط غیر خطی پیچیده بین پارامترهای محیطی و وضعیت فیزیولوژیکی گیاه و نیز مقاومت در برابر داده های پرت مورد توجه گسترده ای قرار گرفته اند برای وظایف پیچیده تر مانند تجزیه و تحلیل تصاویر چندطیفی برای تشخیص زودهنگام تنش غذایی، شبکه های عصبی کانولوشنی عمیق نیز به کار گرفته می شوند خروجی این مدل ها یک توصیه عملیاتی کاملا شخصی است؛ برای مثال یک دستور آبیاری دقیق که تنها برای یک درخت خاص و بر اساس ذخیره رطوبت واقعی در ناحیه ریشه، آن شاخص سطح برگ استنتاج شده از داده ها و پیش بینی شرایط اقلیمی ساعتی بعد صادر می شود با این حال، تحقق عملی این چشم انداز با چالش های متعددی روبرو است مسئله تاخیر در چرخه حسگری پردازش کنش بسیار حیاتی است چرا که یک تصمیم مربوط به آبیاری که با تاخیر مواجه شود ممکن است کارایی خود را به طور کامل از دست بدهد مصرف انرژی سنسورهای میدانی به ویژه در مزارع بزرگ یک محدودیت جدی برای پایداری عملیاتی سیستم محسوب می شود و راهکارهایی مانند بهره گیری از انرژی خورشیدی و الگوریتم های بهینه سازی مصرف داده در حال تحقیق و توسعه هستند همچنین، دقت مکانی خوانش برچسب های RFID در محیط های متراکم و تحت تاثیر رطوبت خاک و شوری بهبود دارد علاوه بر این، تغییرپذیری ذاتی شرایط آب و هوایی مدل های پیش بینی کننده را با عدم قطعیت مواجه ساخته و نیازمند ادغام روش های مبتنی بر احتمال در چارچوب تصمیم گیری است در نهایت، اثربخشی این سیستم های فوق پیچیده در گرو یکپارچه سازی بی عیب و نقص این اجزا در یک چرخه بسته است؛ به طوری که داده خام از سنسورها به سرعت به اطلاعات قابل اجرا تبدیل شود، این اطلاعات به هویت دیجیتال گیاه مرتبط گردد و یک دستورالعمل دقیق برای اجرا به سیستم عملگر ارسال شود و سپس نتایج عمل دوباره اندازه گیری و برای تصحیح و بهبود مدل به سیستم بازخورد داده شود این چرخه پیوسته و خودیادگیرنده جوهره اصلی کشاورزی هوشمند در مقیاس تک گیاه است که پتانسیل افزایش بی سابقه بهره وری مصرف نهاده ها و پایداری زیست محیطی را در خود نهفته دارد
نویسندگان
شیوه ارجاع
�میر فخریان، سید مجید،1404،کشاورزی دقیق در مقیاس تک گیاه یکپارچه سازی کلان داده اینترنت اشیا و هویت دیجیتال برای شخصی سازی عملیات باغی،اولین همایش ملی محیط زیست، کشاورزی هوشمند، امنیت غذایی،ورامین
ارائهشده در
مجموعه مقالات اولین همایش ملی محیط زیست، کشاورزی هوشمند، امنیت غذایی28 آبان 1404 · ورامین