Hassas tarım

Hassas tarım, tarımsal üretimin sürdürülebilirliğini artırmak için zamansal ve mekansal değişkenlikleri gözlemlemeye, ölçmeye ve buna yanıt vermeye dayalı bir tarım yönetimi stratejisidir. Hem bitkisel hem de hayvansal üretimde kullanılmaktadır. Hassas tarım genellikle tarımsal operasyonları otomatikleştirmek, teşhis, karar verme veya performanslarını iyileştirmek için teknolojiler kullanmaktadır. Hassas tarım araştırmalarının amacı, kaynakları korurken girdilerden elde edilen verimleri optimize etmek için tüm çiftlik yönetimi için bir karar destek sistemi oluşturmaktır.

Farklı renkli görüntüler hassas tarımda uzaktan algılama uygulamalarını göstermektedir.

Bu birçok yaklaşımdan biri olan fitojeomorfolojik yaklaşım, çok yıllı bitki büyüme özelliklerini topolojik arazi özellikleriyle ilişkilendiren bir metodolojiyi ifade etmektedir. Fitojeomorfolojik yaklaşıma olan ilgi, jeomorfoloji bileşeninin genellikle çiftlik alanının hidrolojisini belirlediği gerçeğinden kaynaklanmaktadır.

Hassas tarım uygulamaları, GPS (Küresel Konum Belirleme Sistemi) ve GNSS (Küresel Uydu Seyrüsefer Sistemi) teknolojilerinin ortaya çıkmasıyla mümkün hale gelmiştir. Çiftçiler ve araştırmacılar, tarla içindeki kesin konumlarını belirleyebildikleri için, ölçülebilir birçok değişkenin mekansal değişkenliğinin haritalarını oluşturabilmektedirler. Benzer veriler, GPS donanımlı biçerdöverlere monte edilen sensör dizileri tarafından da toplanmaktadır. Bu diziler, multispektral görüntülerle birlikte klorofil seviyelerinden bitki su durumuna kadar her şeyi ölçen gerçek zamanlı sensörlerden oluşmaktadır. Bu veriler, kaynakların en iyi şekilde dağıtılması için ekim makineleri, püskürtücüler ve benzeri ekipmanlar da dahil olmak üzere değişken oranlı teknoloji (VRT) ile uydu görüntüleriyle birlikte kullanılmaktadır. Ancak son teknolojik gelişmeler, insan varlığına ihtiyaç duymadan kablosuz olarak veri iletebilen gerçek zamanlı sensörlerin doğrudan toprakta kullanılmasına olanak sağlamıştır.

Hassas tarım, nispeten ucuz olan ve acemi pilotlar tarafından kullanılabilen insansız hava araçları sayesinde de mümkün olmuştur. Bu tarımsal dronları, ortofoto oluşturmak için fotogrametrik yöntemler kullanılarak bir araya getirilebilecek bir tarlanın birçok görüntüsünü yakalamak için multispektral veya RGB kameralarla donatılabilmektedir. Bu multispektral görüntüler, geleneksel kırmızı, yeşil ve mavi (RGB) renk değerlerine ek olarak yakın kızılötesi ve kırmızı kenar spektrum değerleri gibi piksel başına birden fazla değer içermektedir. Bu değerler, bitkisel indeksleri işlemek ve analiz etmek için kullanılan NDVI (Normalleştirilmiş Fark Bitki Örtüsü İndeksi) gibi bitkisel indekslerin hesaplanmasına imkan sağlar. Bu dronlar, görüntü yakalayabilir ve yükseklik gibi ek coğrafi referanslar sağlayabilir; bu da yazılımın hassas topografya haritaları oluşturmak için harita cebiri işlevlerini yerine getirmesine olanak tanır. Bu topografik haritalar, mahsul sağlığını topografi ile ilişkilendirmek için kullanılabilir. Elde edilen sonuçlar, değişken oranlı uygulamalar yoluyla su, gübre, bitki öldürücüler ve büyüme düzenleyiciler gibi kimyasal mahsul girdilerini optimize etmek için kullanılabilir.

Ayrıca bakınız

• Tarım
• Landsat programı

Kaynakça

1. ^ "Precision Farming : Image of the Day". earthobservatory.nasa.gov. 30 Ocak 2001. 20 Aralık 2016 tarihinde kaynağından . Erişim tarihi: 12 Ekim 2009. 
2. ^ "Precision Ag Definition | International Society of Precision Agriculture". www.ispag.org. 20 Ocak 2022 tarihinde kaynağından . Erişim tarihi: 20 Aralık 2021. 
3. ^ The State of Food and Agriculture 2022 − Leveraging agricultural automation for transforming agrifood systems. Rome: Food and Agriculture Organization of the United Nations (FAO). 2022. doi:10.4060/cb9479en. ISBN . 13 Nisan 2023 tarihinde kaynağından . Erişim tarihi: 24 Nisan 2024. 
4. ^ In Brief to The State of Food and Agriculture 2022 − Leveraging automation in agriculture for transforming agrifood systems. Rome: Food and Agriculture Organization of the United Nations (FAO). 2022. doi:10.4060/cc2459en. ISBN . 13 Nisan 2023 tarihinde kaynağından . Erişim tarihi: 24 Nisan 2024. 
5. ^ McBratney, A., Whelan, B., Ancev, T., 2005. Future Directions of Precision Agriculture. Precision Agriculture, 6, 7-23.
6. ^ Whelan, B.M., McBratney, A.B., 2003. Definition and Interpretation of potential management zones in Australia, In: Proceedings of the 11th Australian Agronomy Conference, Geelong, Victoria, 2–6 Feb. 2003.
7. ^ Howard, J.A., Mitchell, C.W., 1985. Phytogeomorphology. Wiley.
8. ^ Kaspar, Thomas C.; Colvin, Thomas S.; Jaynes, Daniel B.; ve diğerleri. (March 2003). "Relationship Between Six Years of Corn Yields and Terrain Attributes". Precision Agriculture. 4 (1): 87-101. doi:10.1023/A:1021867123125. ISSN 1385-2256. 
9. ^ McBratney, A. B.; Pringle, M. J. (September 1999). "Estimating Average and Proportional Variograms of Soil Properties and Their Potential Use in Precision Agriculture". Precision Agriculture. 1 (2): 125-152. doi:10.1023/A:1009995404447. ISSN 1385-2256. 
10. ^ Reyns, P., Missotten, B., Ramon, H. et al. Precision Agriculture (2002) 3: 169. https://doi.org/10.1023/A:1013823603735
11. ^ M. Sophocleous et al., "A Stand-Alone, In Situ, Soil Quality Sensing System for Precision Agriculture," in IEEE Transactions on AgriFood Electronics, doi: 10.1109/TAFE.2024.3351953.
12. ^ M. Sophocleous and J. Georgiou, “Precision agriculture: Challenges in sensors and electronics for real-time soil and plant monitoring,” 2017 IEEE Biomed. Circuits Syst. Conf., pp. 1–4, 2017. https://doi.org/10.1109/BIOCAS.2017.8325180
13. ^ Sophocleous, M. (2016). . 28 Şubat 2024 tarihinde kaynağından arşivlendi. 
14. ^ Anderson, Chris (May–June 2014). . MIT Technology Review. 7 Mart 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 21 Aralık 2016.