DOI: https://doi.org/10.1007/s11119-025-10219-3
تاريخ النشر: 2025-02-17
المؤلف: David Fita وآخرون
الموضوع الرئيسي: الاستشعار عن بعد واستخدام الأراضي
نظرة عامة
يتناول هذا القسم من ورقة البحث تطبيق بروتوكولات المعالجة اللاحقة الآلية لتعزيز دقة بيانات المحصول في الزراعة الدقيقة، وخاصة لمحاصيل الأرز. باستخدام بيانات المحصول من الحاصدات المجمعية وبيانات الاستشعار عن بعد من صور الأقمار الصناعية Sentinel-2 على مجموعة بيانات تبلغ 946 هكتارًا على مدى أربع سنوات، قامت الدراسة بتقييم طرق معالجة لاحقة مختلفة. شملت البروتوكولات تعديلات عالمية ومحلية باستخدام حسابات المتوسطات الزمنية ± n•(الانحراف المعياري)، مع ثلاثة قيم مختلفة لـ n (1 و1.5 و2.5) مما أدى إلى ثلاثة عشر تباينًا. كشفت النتائج أن أفضل ارتباط بين المحصول وبيانات الأقمار الصناعية تم تحقيقه مع n = 1 وفلتر متوسط 3 × 3، مما أسفر عن متوسط خطأ الجذر التربيعي (RMSE) قدره 0.572 طن•هكتار⁻¹ وعدم يقين في المعالجة اللاحقة قدره 0.200 طن•هكتار⁻¹.
تؤكد الاستنتاجات على أن المعالجة اللاحقة المثلى تعزز بشكل كبير الارتباط بين انعكاس Sentinel-2 وعائد المحصول على مستوى بكسل 10 × 10 م². أثبتت طريقة المعالجة اللاحقة G1L1F1، التي تتميز بأصغر فترة اختيار مضلع، أنها الأكثر فعالية. تقترح الدراسة أن دمج بيانات المحصول من الحاصدات المجمعية مع صور Sentinel-2 يمكن أن يوفر رؤى قيمة لإدارة المحاصيل، مما يسمح بتحسين نماذج تقدير المحصول وفهم أفضل لتباين المحاصيل داخل الحقل قبل الحصاد. لا تعزز هذه المقاربة المزدوجة فقط قوة منهجيات نمذجة المحاصيل ولكنها تقدم أيضًا فرصًا تحويلية لتحسين إنتاج الأرز.
مقدمة
تسلط المقدمة الضوء على الحاجة الملحة لتعزيز الإنتاجية الزراعية لتلبية احتياجات السكان العالميين المتزايدين، خاصة في سياق الحفاظ على الأمن الغذائي ضمن مساحة المحاصيل التي تعادل تلك التي كانت قبل 60 عامًا. على الرغم من الزيادة الكبيرة في غلات الأرز العالمية على مدى العقود الستة الماضية، لا تزال التحديات قائمة في تحقيق استقرار المحصول، وهو أمر حاسم للممارسات الزراعية المستدامة. تظهر الزراعة الدقيقة (PA) كنهج استراتيجي لمعالجة هذه التحديات من خلال استخدام بيانات داخل الحقل لإدارة تباين المحصول بشكل فعال. يناقش هذا القسم منهجيات مختلفة في الأدبيات، بما في ذلك الخوارزميات الجيودلالية المعقدة وبروتوكولات إدارة المناطق المتغيرة الأبسط، التي تهدف إلى تحسين اكتساب بيانات المحصول ومعالجتها.
تحدد الورقة فجوة في تطبيق بيانات الاستشعار عن بعد لتقدير المحصول، خاصة في محاصيل الأرز، التي أظهرت أدنى نمو في المحصول بين المحاصيل الرئيسية. بينما أظهرت الدراسات السابقة إمكانية دمج الاستشعار عن بعد مع رسم خرائط غلة الحاصدات، غالبًا ما كانت تفتقر إلى الأتمتة وكانت محدودة في نطاقها. تهدف هذه الدراسة إلى تطوير بروتوكول آلي يعزز الارتباط بين بيانات المحصول من الحاصدات المجمعية وقيم انعكاس الأقمار الصناعية Sentinel-2 على مستوى البكسل. توسع الدراسة التحليل ليشمل مساحة محصول أكبر وإطار زمني أطول، مع معالجة قيود الأبحاث السابقة وتهدف إلى تحسين اتخاذ القرار في زراعة الأرز لزيادة الكفاءة والاستدامة.
طرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، معدات، وعينات بيولوجية، بالإضافة إلى مصادرها وطرق تحضيرها. كما يصف القسم المنهجيات المطبقة لجمع البيانات وتحليلها، مما يضمن إمكانية تكرار النتائج.
تحدد البروتوكولات التجريبية الرئيسية، مثل التحليلات الإحصائية، تدابير التحكم، وأي نماذج رياضية ذات صلة، لتوفير وضوح حول كيفية اشتقاق النتائج. تعزز هذه المقاربة الدقيقة موثوقية استنتاجات الدراسة وتسمح بالتقييم النقدي من قبل الأقران في المجال.
نتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة من غير المحتمل أن تكون بسبب الصدفة. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في العلاقة، كما يتضح من تحليل الانحدار، الذي يظهر أنه مع كل زيادة وحدة في المتغير $X$، هناك زيادة مقابلة في المتغير $Y$ بعامل $k$.
علاوة على ذلك، تتضمن الدراسة تمثيلات رسومية تصور بفعالية اتجاهات البيانات وتدعم النتائج الكمية. تعزز هذه المساعدات البصرية فهم العلاقات وتقدم حجة مقنعة للفرضيات المقترحة في البحث. بشكل عام، تدعم النتائج الادعاءات الأولية وتساهم برؤى قيمة في الجسم المعرفي القائم في هذا المجال.
مناقشة
تسلط قسم المناقشة من ورقة البحث الضوء على أهمية إشبيلية وفالنسيا كمناطق رئيسية لإنتاج الأرز في الاتحاد الأوروبي، حيث تمثل 14% من إجمالي الإنتاج. قامت الدراسة بتحليل 946 هكتارًا عبر هذه المناطق على مدى عدة سنوات، باستخدام بيانات الأقمار الصناعية من كوكبة Sentinel-2 لتقييم غلة الأرز من خلال تقنيات معالجة لاحقة مختلفة. تشير النتائج إلى أن طريقة المعالجة اللاحقة G1L1 قللت بشكل فعال من تباين البيانات، محققة معامل تباين (CV) قدره 2.87%، مقارنة بـ 8.80% لمجموعة البيانات الأولية. كما حافظت هذه الطريقة على ارتباط عالٍ مع بيانات الأقمار الصناعية، كما يتضح من تحسين معاملات التحديد ($r^2$) وتقليل خطأ الجذر التربيعي (RMSE) عبر خطوات المعالجة المختلفة.
تؤكد الأبحاث على أهمية بروتوكولات معالجة البيانات القوية في تعزيز دقة تقدير المحصول. من خلال اعتماد نهج منهجي يجمع بيانات المحصول بدقة 10 م، قللت الدراسة من تأثير القيم الشاذة وحسنت الهيكل المكاني لخرائط المحصول. تشير النتائج إلى أنه بينما ظل متوسط المحصول ثابتًا عبر أنواع المعالجة، انخفض الانحراف المعياري بشكل كبير، مما يدل على مجموعة بيانات أكثر موثوقية لتطبيقات الزراعة الدقيقة. تدعو النتائج إلى اعتماد بروتوكول المعالجة اللاحقة المقترح في نمذجة غلة الأرز، مع التأكيد على إمكانيته في إبلاغ تحديد مناطق الإدارة وتحسين الممارسات الزراعية.
DOI: https://doi.org/10.1007/s11119-025-10219-3
Publication Date: 2025-02-17
Author(s): David Fita et al.
Primary Topic: Remote Sensing and Land Use
Overview
This research paper section discusses the application of automated postprocessing protocols to enhance yield data accuracy in Precision Agriculture, specifically for rice crops. Utilizing yield data from combine harvesters and remote sensing data from Sentinel-2 satellite imagery over a dataset of 946 hectares across four years, the study evaluated various postprocessing methods. The protocols included global and local adjustments using interval mean ± n•(standard deviation) calculations, with three different n values (1, 1.5, and 2.5) leading to thirteen variations. The findings revealed that the best correlation between yield and satellite data was achieved with n = 1 and a 3 × 3 mean filter, resulting in an average Root Mean Square Error (RMSE) of 0.572 t•ha⁻¹ and a postprocessing uncertainty of 0.200 t•ha⁻¹.
The conclusions emphasize that optimal postprocessing significantly enhances the correlation between Sentinel-2 reflectance and crop yield at a pixel level of 10 × 10 m². The G1L1F1 postprocessing method, characterized by the smallest polygon selection interval, proved to be the most effective. The study suggests that integrating yield data from combine harvesters with Sentinel-2 imagery can provide valuable insights for crop management, allowing for improved yield estimation models and a better understanding of within-field variability prior to harvest. This dual approach not only enhances the robustness of crop modeling methodologies but also offers transformative opportunities for optimizing rice crop production.
Introduction
The introduction highlights the urgent need to enhance agricultural productivity to meet the demands of a growing global population, particularly in the context of maintaining food security within a crop area comparable to that of 60 years ago. Despite a significant increase in global rice yields over the past six decades, challenges remain in achieving yield stability, which is crucial for sustainable agricultural practices. Precision agriculture (PA) emerges as a strategic approach to address these challenges by utilizing within-field data to manage yield variability effectively. This section discusses various methodologies in the literature, including complex geostatistical algorithms and simpler variable management zone protocols, aimed at improving yield data acquisition and processing.
The paper identifies a gap in the application of remote sensing data for yield estimation, particularly in rice crops, which have shown the lowest yield growth among major crops. While previous studies have demonstrated the potential of combining remote sensing with harvester yield mapping, they often lacked automation and were limited in scope. This research aims to develop an automated protocol that enhances the correlation between yield data from combine harvesters and Sentinel-2 satellite reflectance values at the pixel level. The study expands the analysis to a larger crop area and a longer timeframe, addressing the limitations of earlier research and aiming to improve decision-making in rice cultivation for increased efficiency and sustainability.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, as well as their sources and preparation methods. The section also describes the methodologies applied for data collection and analysis, ensuring reproducibility of the results.
Key experimental protocols, such as statistical analyses, control measures, and any relevant mathematical models, are specified to provide clarity on how the findings were derived. This rigorous approach enhances the reliability of the study’s conclusions and allows for critical evaluation by peers in the field.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values less than 0.05, suggesting that the observed effects are unlikely to be due to chance. Additionally, the results demonstrate a clear trend in the relationship, as illustrated by the regression analysis, which shows that for every unit increase in variable $X$, there is a corresponding increase in variable $Y$ by a factor of $k$.
Furthermore, the study includes graphical representations that effectively visualize the data trends and support the quantitative findings. These visual aids enhance the understanding of the relationships and provide a compelling argument for the hypotheses proposed in the research. Overall, the results substantiate the initial claims and contribute valuable insights to the existing body of knowledge in the field.
Discussion
The discussion section of the research paper highlights the significance of Seville and Valencia as key rice-producing regions in the European Union, accounting for 14% of total production. The study analyzed 946 hectares across these regions over multiple years, utilizing satellite data from the Sentinel-2 constellation to assess rice yield through various postprocessing techniques. The findings indicate that the G1L1 postprocessing method effectively reduced data variability, achieving a coefficient of variation (CV) of 2.87%, compared to 8.80% for the initial dataset. This method also maintained a high correlation with satellite data, as evidenced by improved coefficients of determination ($r^2$) and reduced root mean square error (RMSE) across different processing steps.
The research underscores the importance of robust data postprocessing protocols in enhancing yield estimation accuracy. By employing a systematic approach that aggregates yield data to a 10 m resolution, the study minimized the impact of outliers and improved the spatial structure of yield maps. The results suggest that while the average yield remained consistent across processing types, the standard deviation decreased significantly, indicating a more reliable dataset for precision agriculture applications. The findings advocate for the adoption of the proposed postprocessing protocol in rice yield modeling, emphasizing its potential to inform management zone delineation and optimize agricultural practices.