پيش بيني مقدار توليد محصول ذرت علوفه‌اي بااستفاده از اطلاعات ماهواره‌اي

Silage maize yield prediction using satellite data

اندازه‌گيري مستقيم عملكرد محصول ذرت علوفه‌اي عليرغم دقيق‌بودن و غيرقابل اجرا بودن در مناطق وسيع، امري سخت، زمانبر و هزينه‌بر است. اين محدوديت‌ها، موجب تمايل به استفاده از روش‌هاي غير‌مستقيم مانند سنجش‌ازدور در برآورد عملكرد محصول شده‌است. البته برآورد دقيق عملكرد محصول از طريق سنجش از دور نيز همواره با چالش‌هايي از جمله استفاده از تصاوير و پارامتر‌هاي تصويري مناسب براي هر منطقه، روبرو است. پژوهش حاضر با هدف افزايش دقت برآورد عملكرد تر ذرت علوفه‌‌اي قبل از رسيدن به تاريخ برداشت محصول در منطقه مورد مطالعه بااستفاده از مدل مانتيث و سنجش ازدور انجام شد. بدين منظور پارامترهاي مدل مانتيث مانند ضريب راندمان انرژي جذب‌شده در منطقه مورد مطالعه بهينه گرديد و زيست‌توده ذرت علوفه‌اي بااستفاده از اطلاعات ماهواره لندست 8 برآورد و با زيست‌توده اندازه‌گيري‌شده در مزرعه مقايسه شد. ميزان عملكرد برآورد‌شده با مدل بهينه‌شده، همبستگي و پراكنش خوبي (85/0=2R) با عملكرد واقعي مزارع نشان داد. نتايج نشان داد كه با بهينه‌كردن پارامترهاي مدل مانتيث خطاي برآورد در مقايسه با بهينه‌نشدن پارامترها در حد قابل قبولي (±10%) كاهش پيدا خواهد كرد. از سوي ديگر، بااستفاده از ميانگين درصد ماده خشك بدست‌آمده در اندازه‌گيري‌هاي مزرعه‌اي، زيست‌توده برآورد‌شده از مدل بهينه‌شده، به عملكرد تر تبديل شد و بااستفاده از مقادير NDVI تصاوير ماهواره‌اي در دوره رشد بعد از بيشترين مقدار NDVI ، رابطه خطي با ضريب همبستگي قابل قبول (81/0= 2R) براي برآورد عملكرد تر ذرت علوفه‌اي در منطقه مورد مطالعه ارائه گرديد. اين نتايج نشان داد كه با استفاده از نتايج NDVIيك يا دو تصوير قبل از برداشت محصول (يك تا سه هفته قبل از برداشت) و استفاده از رابطه بدست‌آمده مي‌توان عملكرد ذرت علوفه‌اي را با دقت قابل‌قبولي پيش‌بيني كرد.

Although direct measurement of Silage maize yield is accurate but is difficult, time-consuming, costly despite, and not applicable in large scale. Due to these limitations, the tendency to use indirect methods has increased such as remote sensing in estimating crop yield. However, accurate estimation of crop yield through remote sensing always faces challenges such as the use of images and image parameters suitable for each region. The aim of this study was to increase the accuracy of estimating the fresh weight of Silage maize before the harvest by using Monteith Model (1972) and remote sensing. The parameters of the Monteith model were optimized such as the energy efficiency coefficient absorbed in the area, and the biomass of Silage maize was estimated using Landsat 8 satellite data and compared with the biomass measured in the field. The estimated yield with the optimized model showed a significant correlation (R2 = 0.85) with the actual yield of the fields. The results showed that the estimation error was reduced to an acceptable level (± 10%) by optimizing the parameters with the Monteith model compared with the none-optimization of the parameters. The corn dry weight estimated by the optimized model was converted to fresh weight yield and then by using the NDVI values of satellite images, after the highest NDVI value, a linear relationship with an acceptable correlation coefficient (R2= 0.81) for fresh weight estimation of fodder corn was presented in during the growing period in the study area. Overall, the yield of Silage maize can be predicted with acceptable accuracy by using NDVI results with one or two pre-harvest images (1-3 weeks before harvest) and using the obtained relationship.