تُعدّ صور الأقمار الصناعية من أكثر الأدوات تنوعًا التي يُمكن توظيفها في الإنتاج الزراعي لتحسين عملية اتخاذ القرارات. فالاعتماد على كميات هائلة من البيانات يُساعد المزارعين والمهندسين الزراعيين والمستشارين على فهم الوضع والعمليات الجارية في الحقول الزراعية الخاضعة للمراقبة.
ما هي تقنية التصوير بالأقمار الصناعية؟
التصوير بالأقمار الصناعية، المعروف أيضًا باسم الاستشعار عن بعد بالأقمار الصناعية، هو عملية استخدام صور الأقمار الصناعية لجمع معلومات حول سطح الأرض وغلافها الجوي ومحيطاتها. تتضمن هذه التقنية استخدام الأقمار الصناعية مزودة بأجهزة استشعار وكاميرات متخصصة يمكنها التقاط صور عالية الدقة للأرض من الفضاء.
يمكن استخدام الصور التي تلتقطها الأقمار الصناعية في تطبيقات متنوعة، تشمل رصد أنماط الطقس، وتتبع التغيرات البيئية، ورسم خرائط استخدام الأراضي والغطاء النباتي، وتقييم آثار الكوارث الطبيعية. كما يمكن استخدامها لأغراض عسكرية واستخباراتية.
تُتيح تقنيات التصوير بالأقمار الصناعية، بما توفره من مزايا، إمكانية رصد حالات لا يمكن رؤيتها بالمراقبة التقليدية. وتتطلب المراقبة التقليدية موارد كبيرة من حيث القوى العاملة والتمويل والوقت.
حتى مع إجراء الملاحظات المنتظمة خلال فترة نمو المحاصيل، هناك العديد من الأشياء التي لا يمكن رؤيتها بالعين المجردة، مثل التطور المبكر لـ المرض والضرر الناجم عن الآفات والذي يؤدي في النهاية إلى تحلل الكلوروفيل على مستوى الخلية.
بفضل دمج وحساب النطاقات الطيفية غير المرئية للعين البشرية، يمكن للمزارعين والمستشارين تصور تدهور الكلوروفيل بسهولة قبل ظهور أعراض تلف الأمراض أو الآفات المرئية على النباتات.
تُعد هذه المزايا في مراقبة المحاصيل مفيدة مع التقنيات الحالية، مما يسمح بدمج هذه المعلومات في نظم المعلومات الجغرافية، مما يؤدي إلى إنشاء مجموعة بيانات سريعة وعالية الجودة جاهزة للاستخدام في عمليات صنع القرار المتعلقة بنظم الإنتاج الزراعي.
إلى جانب اتخاذ القرارات القائمة على المعلومات، يمكن استخدام صور الأقمار الصناعية في إعداد التقارير وحفظ السجلات والتكامل مع مجموعات بيانات مختلفة (نماذج الأمراض والآفات،, خرائط الإنتاج, (مثل مراقبة الآفات، وخرائط التسميد، وما إلى ذلك) من أجل إنشاء نظام أكثر فعالية لمراقبة المحاصيل والطريقة التي يرى بها المزارع أو غيره من المهنيين تقدم المحاصيل خلال فترة نموها.
كيف تُستخدم صور الأقمار الصناعية في الزراعة؟
يمكن استخدام الصور لنمذجة وحساب المؤشرات الطيفية التي تُعادل لاحقًا لاستخدامها في التصور على شكل توليف لوني، إما في الجزء المرئي من الطيف أو بإضافة أطوال موجية أخرى. ويمكن للتوليف اللوني المُختار بعناية أن يكشف عن نمو المحاصيل أو إجهادها أو حالة التربة. تآكل معروضة بألوان مختلفة.
المؤشرات الطيفية هي عبارة عن توليفات من الانعكاس الطيفي لطولين موجيين أو أكثر لإظهار خصائص معينة. تُستخدم مؤشرات المحاصيل بشكل شائع في الزراعة، ولكنها تُستخدم أيضًا لتحديد المناطق المحروقة، وغيرها من الخصائص الاصطناعية، والمياه، وغيرها من السمات الجيولوجية.
تشمل المؤشرات الطيفية المفيدة في إنتاج المحاصيل ما يلي:
- مؤشر الاختلافات الطبيعية المعززة (مؤشر اختلاف الغطاء النباتي المعياري).
- مؤشر الغطاء النباتي المحسن (EVI).
- RENDVI أو NDRE (مؤشر اختلاف الغطاء النباتي الطبيعي للحافة الحمراء).
- GNDVI (مؤشر اختلاف الغطاء النباتي الأخضر المعياري).
- MSI أو NDWI (مؤشر إجهاد الرطوبة).
- مؤشر مساحة الورقة (LAI).
يُعدّ مؤشر NDVI أحد أكثر المؤشرات استخدامًا، ويُستخدم بكثرة لتقييم الحالة الأولية للمحصول. بينما تعتمد مؤشرات أخرى على خصائص محددة، لذا فإن نتائجها ترتبط بمواقع زراعية معينة، ومن المهم مراعاة تاريخ الغطاء النباتي للأرض.
مؤشر NDVI (مؤشر اختلاف الغطاء النباتي المعياري)
يُعدّ هذا المؤشر مقياسًا للغطاء النباتي الأخضر، وهو عمومًا المؤشر الأكثر استخدامًا. تعكس الأوراق الأشعة تحت الحمراء القريبة (NIR) وتستخدم الضوء المرئي فقط في عملية التمثيل الضوئي. وهذا يعني أنه يمكن تحليل نبات سليم ذي معدل تمثيل ضوئي جيد من خلال مقارنة الأشعة تحت الحمراء القريبة بالضوء الأحمر المرئي.
تعكس النباتات غير الصحية كمية أكبر من الضوء المرئي وكمية أقل من الأشعة تحت الحمراء القريبة. أما النباتات الصحية فتُقلل من كمية الضوء المرئي الساقط عليها. مع ذلك، يتأثر مؤشر NDVI بعوامل التربة (الضوء واللون)، والغطاء السحابي، والظل. كما قد تكون قيم NDVI غير دقيقة في المناطق ذات الغطاء النباتي الكثيف.
مؤشر الغطاء النباتي المحسن (EVI)
يُعدّ هذا المؤشر المعيار القياسي للأطياف متوسطة الدقة، وهو أداة تُستخدم على متن قمري تيرا وأكوا الصناعيين. ويُقدّم مؤشر EVI بديلاً لمؤشر NDVI، إذ يُعالج بعض أوجه قصوره، مثل قيود التربة والغلاف الجوي، من خلال تحسين انعكاسية أوراق النباتات.
يستخدم الجزء الأزرق من الطيف المرئي لتصحيح الإشارة، مما يقلل من تأثيرات القيود المذكورة أعلاه بما في ذلك تشتت الإشعاع الكهرومغناطيسي بواسطة الهباء الجوي.
RENDVI أو NDRE (مؤشر اختلاف الغطاء النباتي المعياري للحافة الحمراء)
يستند هذا المؤشر إلى مؤشر NDVI القياسي، ولكن مع بعض التعديلات. يُعدّ مؤشر RENDVI مفيدًا للغاية في الزراعة الدقيقة، ومراقبة الغابات، والكشف عن إجهاد المحاصيل.
تُعزى فعاليته إلى تضمينه أطوال موجية تقع ضمن نطاق الطيف الأحمر، بدلاً من الأطوال الموجية التي تتوافق مع قيم الانعكاس والامتصاص. وهو مناسب بشكل خاص لرصد التغيرات الطفيفة في حالة الغطاء النباتي.
مؤشر GNDVI (مؤشر اختلاف الغطاء النباتي الأخضر المعياري)
يشبه هذا المؤشر مؤشر NDVI، ويقيس انعكاس الضوء في الجزء الأخضر من الطيف ضمن نطاق أطوال موجية يتراوح بين 540 و570 نانومتر، بدلاً من الجزء الأحمر. وهذا ما يجعل المؤشر أكثر حساسية لمحتوى الكلوروفيل في الأجزاء الخضراء من المحاصيل.
مؤشر الإجهاد الرطوبي (MSI)
يُعدّ هذا المؤشر حساسًا لزيادة محتوى الماء في الأوراق. ويُستخدم مؤشر MSI للكشف عن الإجهاد الناتج عن ندرة المياه، وهو مؤشر جيد لحالة المحاصيل، ويُستخدم غالبًا في نمذجة المحاصيل، وتحليل الحرائق، ودراسة فسيولوجيا النظام البيئي. وتشير القيم المرتفعة إلى الإجهاد المائي وانخفاض محتوى الماء.
مؤشر مساحة الأوراق (LAI)
يُستخدم هذا المؤشر لتقدير مساحة الورقة والتنبؤ بنمو النبات وإنتاجيته.
أنواع صور الأقمار الصناعية للمحاصيل
| الأقمار الصناعية ومزودي التكنولوجيا | نوع صور الأقمار الصناعية | كرر الدورة | الدقة المكانية |
| لاندسات 4-9 | RGB، متعدد الأطياف، بانكروماتيك | 8 أيام | 15، 30، 100 متر |
| سينتينل-2،, | RGB، متعدد الأطياف | 5 أيام | 10 أمتار |
| نطاق الكوكب | RGB، متعدد الأطياف | يوميًا | 3-4 متر |
| بلانيت سكاي سات | بانكروماتيكي، متعدد الأطياف | يوميًا | 0.5، 0.71-0.82 متر |
| إيرباص بلياديس | متعدد الأطياف | يوميًا | 0.5 متر |
| يناشد نيو | بانكروماتيكي، متعدد الأطياف | بعد 40 دقيقة من الطلب | 0.3 متر |
| آيس آي | رادار الفتحة الاصطناعية | يوميًا | 0.25 متر |
| هايبريون | الطيف الفائق | غير متوفر | 30 متراً |
| موشور | الطيف الفائق | غير متوفر | 0.3 متر |
حالات استخدام التصوير بالأقمار الصناعية
فيما يلي بعض الاستخدامات المهمة لصور الأقمار الصناعية في مراقبة المحاصيل:
التصوير الحراري
يمكن رصد الحرارة المنبعثة من الأجسام الموجودة على مستوى سطح الأرض في الصور الحرارية الملتقطة من الجو، والتي تكشف أيضاً عن تغيرات في درجات الحرارة تتوافق مع إجهاد المحاصيل. ويمنع إزالة العناصر غير الضرورية، مثل معدات الري المحوري، من الصورة من خلال المعايرة وتصحيح الصورة، انحراف البيانات.
تظهر المناطق الباردة باللون الأرجواني، بينما تظهر المناطق الدافئة باللون الأصفر في الصور النهائية. يُعدّ التصوير الحراري مفيدًا في الكشف عن التسريبات والانسدادات وغيرها من مشاكل الري، نظرًا لأن الماء يُبرّد النباتات. كما يُساعد التصوير الحراري المزارعين على تحديد الأمراض والآفات قبل ظهور أعراضها، والاستجابة لها بتدخلات أكثر دقة وفي الوقت المناسب، وذلك من خلال رصد التغيرات الطفيفة في درجة حرارة سطح الأوراق.
رطوبة التربة
يجب أن تأخذ الزراعة في الحسبان رطوبة التربة. وبالنسبة لتطبيقات الزراعة الدقيقة (على مستوى الحقول الفردية) ومع توقع تحسين نماذج إنتاجية المحاصيل، فإن توفر خرائط رطوبة التربة عالية الدقة أمر بالغ الأهمية.
نظراً لضعف الدقة المكانية وقلة عمق البيانات المرصودة، لم يُستخدم منتج رطوبة التربة المُستمد من الأقمار الصناعية إلا بشكل محدود في دعم اتخاذ القرارات الزراعية على مستوى المزارع أو الحقول. مع ذلك، إذا أمكن توفير بيانات دقيقة ذات أبعاد زمنية ومكانية مقبولة، فمن المتوقع أن يكون لرطوبة التربة المُستمدة من الأقمار الصناعية إمكانات كبيرة.
دقة
شهدت تقنية التصوير الفضائي عالي الدقة من الأقمار الصناعية ذات المدارات المنخفضة تطوراً ملحوظاً وسهولة في الوصول إليها مؤخراً، مما يوفر إمكانات جديدة لتطبيقات تحديد النمط الظاهري. توضح هذه الورقة البحثية كيفية استخدام التصوير الفضائي في تحديد النمط الظاهري للمحاصيل والإنتاج الزراعي، وتحدد خصائص النباتات التي يمكن تقييمها باستخدام بيانات الأقمار الصناعية عالية الدقة.
تتناول هذه الورقة البحثية فوائد استخدام التصوير الفضائي القائم على الأقمار الصناعية في برامج تحسين المحاصيل، بالإضافة إلى عيوبه، مثل حجب السحب. كما تستكشف الاستخدامات المحتملة للتصوير الفضائي عالي الدقة كأداة للتصوير الفضائي في المستقبل.
من أجل مساعدة مربي النباتات على اختيار أصناف عالية الإنتاجية ومقاومة للإجهاد والتي يمكن أن تساعد في تلبية الطلب العالمي على الغذاء مع التكيف مع تغير المناخ، يمكن استخدام صور الأقمار الصناعية عالية الدقة كأداة للنمط الظاهري لتقييم أصناف المحاصيل.
تطبيقات صور الأقمار الصناعية
جيبارد القدرات و توفر تطبيقات التصوير بالأقمار الصناعية يُمكّن هذا النظام المستخدمين من تصور البيانات وتوحيدها وتحليلها واستخلاص رؤى مباشرة من الحقول الزراعية بهدف تحسين إنتاج المحاصيل. ويمكن الاستفادة من هذه البيانات باستخدام خوارزميات GeoPard الجاهزة أو عن طريق إنشاء خوارزميات خاصة لجعلها مفيدة في مجال الزراعة.
تسمح هذه الخوارزميات بتقييم نمو المحاصيل والإجهاد وما إلى ذلك (انظر الصورة) أو حتى إنشاء خرائط وصفية: على سبيل المثال خرائط تطبيق النيتروجين VR، وخرائط تطبيق رش حماية المحاصيل.
الأسئلة الشائعة
1. كيف يمكن الحصول على صور الأقمار الصناعية للمزرعة؟
للحصول على هذه الخدمة لمزرعتك، ابحث عن مزودي الخدمة، وسجّل حسابًا لديهم، ثم ادخل إلى قاعدة بياناتهم أو بوابتهم الإلكترونية. حدد موقع مزرعتك والمعايير المطلوبة لاسترجاع الصور المناسبة للمراقبة الزراعية.
2. لماذا تُعد صور الأقمار الصناعية مفيدة لفهم الشبكات الغذائية؟
يُعدّ هذا الجهاز مفيداً في فهم الشبكات الغذائية لقدرته على توفير رؤية شاملة وواسعة النطاق للنظم البيئية. فمن خلال التقاط صور واسعة النطاق للأراضي والمسطحات المائية، يُتيح للعلماء مراقبة وتحليل التوزيع المكاني لمختلف الموائل والموارد.
وهذا بدوره يساعد في دراسة التفاعلات بين الأنواع المختلفة، وتحديد العلاقات الغذائية الرئيسية، وفهم تدفق الطاقة عبر الشبكات الغذائية.
يساعد ذلك في كشف الديناميكيات البيئية المعقدة، مما يساهم في فهم أعمق لوظائف النظام البيئي وجهود الحفاظ عليه.
3. ما هي تكلفة صور الأقمار الصناعية؟
تختلف تكلفتها تبعاً لعدة عوامل، منها مزود الخدمة، ودقة الصورة، وتواتر التصوير، ونطاق التغطية المطلوبة. وتتراوح الأسعار بين خيارات معقولة التكلفة للصور منخفضة الدقة، وخيارات أغلى ثمناً للتصوير عالي الدقة والمراقبة الآنية.
بالإضافة إلى ذلك، قد تترتب تكاليف إضافية على الخدمات المتخصصة أو طلبات البيانات المخصصة. لذا يُنصح باستكشاف مختلف مزودي الخدمة ونماذج التسعير الخاصة بهم للعثور على حلول تصوير الأقمار الصناعية التي تتناسب مع متطلباتك وميزانيتك.
4. ما هي صور الأقمار الصناعية بالأشعة تحت الحمراء؟ وكيف تتم قراءتها؟
يلتقط هذا الجهاز الإشعاع تحت الأحمر المنبعث من الأجسام والأسطح على سطح الأرض، مما يوفر معلومات قيّمة حول تغيرات درجات الحرارة والأنماط الحرارية.
لقراءة صور الأقمار الصناعية بالأشعة تحت الحمراء، يجب فهم أن الأجسام الأكثر دفئًا تظهر أكثر سطوعًا في الصورة، بينما تظهر الأجسام الأبرد أكثر قتامة. ومن خلال تحليل هذه الاختلافات في درجات الحرارة، يمكن تقييم تكوينات السحب، وتحديد التباينات في درجات حرارة اليابسة والماء، والكشف عن حرائق الغابات، وحتى رصد التيارات المحيطية.
يساعد فهم مقياس الألوان وتفسير مستويات السطوع في الصور على استخلاص معلومات ذات مغزى من صور الأقمار الصناعية بالأشعة تحت الحمراء.




إليكم كيفية عمل مسح الخرائط باستخدام الطائرات المسيّرة: تُجهّز طائرة مسيّرة بأجهزة استشعار مثل الكاميرات والماسحات الضوئية الليزرية، وتحلق فوق منطقة معينة لالتقاط الصور أو مسحها بالليزر على ارتفاعات وزوايا مختلفة. ثم تُعالج البيانات المُجمّعة لتُحوّل إلى خرائط ثلاثية الأبعاد يمكن عرضها على شاشة الكمبيوتر أو الهاتف الذكي.
2. خرائط وصفية للأسمدة ومبيدات الأعشاب والمبيدات الحشرية باستخدام مسح الطائرات بدون طيار
إحدى الاستراتيجيات فقط عفا عليها الزمن، فهي لا تهدر الموارد فحسب، بل قد تؤثر أيضًا على صحة المحاصيل وحيويتها. على سبيل المثال، قد يؤدي الإفراط في الري إلى موت محصول سليم، إذ يمنع جذوره من امتصاص الأكسجين، لذا فإن الري ليس بالضرورة أفضل طريقة لزراعة محاصيل مثالية. وينطبق الأمر نفسه على الأسمدة؛ فاستخدام الكمية المناسبة أمر بالغ الأهمية للنمو، لأن الإفراط في استخدامها يُسبب احتراق الجذور، مما قد يُدمر النباتات السليمة. تُمكّن تقنية المسح الجوي باستخدام الطائرات المسيّرة من رش المبيدات في أماكن وجود المشكلة فقط، مما يُقلل من هدر الموارد وخطر إلحاق الضرر بالمحاصيل السليمة التي لا تحتاج إلى نفس المعاملة. في حين أن البشر لا يستطيعون تحديد الاحتياجات الفريدة لكل نبتة في محصولهم، فإن تقنية المسح الجوي باستخدام الطائرات المسيّرة قادرة على القيام بذلك في دقائق.
3. تقييم المحاصيل
بضغطة زر، تنطلق مهمات الاستطلاع؛ حيث تغادر الطائرة المسيّرة محطة الشحن المقاومة للعوامل الجوية، وتجمع البيانات، ثم ترفعها. ويمكن استخدام نتائج الطائرة، بالإضافة إلى دراسة قدرتها على رصد إجهاد النباتات وفعالية أي علاجات أو تعديلات حالية، لتطوير أنظمة الري الآلية. وبفضل طائرات الاستطلاع المسيّرة في الموقع، يصبح إجراء فحوصات صحية دورية ممكناً.
4. تعداد النباتات
بفضل تقنية الذكاء الاصطناعي المتطورة في الطائرة المسيّرة، يمكن تحديد أي نوع من النباتات. وهذا يسمح بتحديد الإنتاج الإجمالي والخسائر الكلية في بداية ونهاية كل موسم، مما يزيد من دقة وفعالية تقييم نجاح موسم النمو.
5. التصنيفات التلقائية باستخدام التصوير الجوي بواسطة الطائرات بدون طيار
تستطيع صور الطائرات المسيّرة تحديد نوع الأراضي الزراعية التي تحلق فوقها، سواء كانت صالحة للزراعة أو للرعي أو مختلطة. كما يمكن للطائرات المسيّرة حصر عدد المحاصيل والماشية، كما هو موضح أعلاه، للتحقق من تحديث السجلات وتوثيق أي خسائر.
6. تتبع المحاصيل
صحة المحاصيل ليست أمرًا محسومًا، إذ قد تؤثر العوامل البيئية على نموها. فدرجة الحرارة، والرطوبة، والمحتوى الغذائي والعناصر النزرة، وانتشار الحشرات والأمراض، وتوافر المياه، وكمية التعرض لأشعة الشمس، كلها عناصر يجب أخذها في الاعتبار. ويمكن تتبع كل هذه العوامل باستخدام حمولات الطائرات المسيّرة المختلفة، كما يمكن التحكم في العديد من هذه المتغيرات غير الملموسة عن طريق رش المياه أو المبيدات مباشرة على المناطق المطلوبة. وكلما كانت البيئة المحيطة بالمحصول أكثر صحة، كلما ازداد جهازه المناعي قوة، وبالتالي ازدادت صحته وقدرته على مقاومة الآفات والأمراض بشكل أكبر.














