{"id":13324,"date":"2026-05-31T20:21:25","date_gmt":"2026-05-31T18:21:25","guid":{"rendered":"https:\/\/geopard.tech\/?p=13324"},"modified":"2026-05-31T20:47:12","modified_gmt":"2026-05-31T18:47:12","slug":"cartografierea-modelului-de-cultivare-a-orezului-si-a-tipului-cultural-folosind-teledetectia","status":"publish","type":"post","link":"https:\/\/geopard.tech\/ro\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","title":{"rendered":"Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia"},"content":{"rendered":"

Orezul hr\u0103ne\u0219te peste 3,5 miliarde de oameni la nivel global, \u00eens\u0103 mai pu\u021bin de 601 TP3T din zonele cultivate cu orez au h\u0103r\u021bi de cultivare precise \u0219i actualizate, conform actualiz\u0103rii atlasului global al orezului din 2024 al Institutului Interna\u021bional de Cercetare a Orezului (IRRI). Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia elimin\u0103 rapid aceast\u0103 lacun\u0103, furniz\u00e2nd date precise din punct de vedere spa\u021bial \u0219i temporal consistente la sc\u0103ri pe care nicio investiga\u021bie de teren nu le poate egala.<\/p>\n

De la identificarea zonelor joase irigate cu culturi duble din Delta Mekong din Vietnam p\u00e2n\u0103 la identificarea c\u00e2mpurilor alimentate cu ploaie, cu un singur sezon, \u00een Africa Subsaharian\u0103, sistemele bazate pe satelit \u0219i radar ofer\u0103 acum informa\u021biile de care fermierii, guvernele \u0219i agen\u021biile de securitate alimentar\u0103 au nevoie pentru a planifica cu \u00eencredere. Pe m\u0103sur\u0103 ce inteligen\u021ba artificial\u0103 \u0219i cloud computing accelereaz\u0103 procesarea datelor, se a\u0219teapt\u0103 ca monitorizarea orezului \u00een timp aproape real s\u0103 devin\u0103 standardul global p\u00e2n\u0103 \u00een 2027.<\/p>\n

De ce conteaz\u0103 orezul \u0219i de ce este dificil\u0103 monitorizarea acestuia<\/h2>\n

1. Produc\u021bia de orez \u0219i ecua\u021bia securit\u0103\u021bii alimentare globale<\/h3>\n

Orezul este principalul aliment caloric de baz\u0103 pentru mai mult de jum\u0103tate din popula\u021bia lumii, iar importan\u021ba sa se extinde mult dincolo de nutri\u021bia individual\u0103. Produc\u021bia global\u0103 de orez a ajuns la aproximativ 520 de milioane de tone metrice de orez m\u0103cinat \u00een 2024<\/strong>, conform datelor FAO, Asia reprezent\u00e2nd aproape 901 TP3 T din aceast\u0103 produc\u021bie.<\/p>\n

Orice perturbare semnificativ\u0103 a aprovizion\u0103rii cu orez, fie c\u0103 este cauzat\u0103 de secet\u0103, inunda\u021bii, izbucniri de d\u0103un\u0103tori sau e\u0219ecul politicilor, declan\u0219eaz\u0103 \u0219ocuri rapide ale pre\u021burilor alimentelor care afecteaz\u0103 \u00een mod dispropor\u021bionat cele mai s\u0103race gospod\u0103rii din lume.<\/p>\n

Men\u021binerea securit\u0103\u021bii alimentare la aceast\u0103 scar\u0103 necesit\u0103 mai mult dec\u00e2t simpla cultivare a unei cantit\u0103\u021bi suficiente de orez. Este nevoie s\u0103 se \u0219tie cu precizie unde se cultiv\u0103 orezul, de c\u00e2te ori pe an este cultivat fiecare c\u00e2mp \u0219i ce practici agricole sunt utilizate. Guvernele au nevoie de aceste date pentru a aloca infrastructura de iriga\u021bii, a subven\u021biona inputurile \u0219i a constitui rezerve de urgen\u021b\u0103.<\/p>\n

Provocarea const\u0103 \u00een faptul c\u0103 orezul este cultivat \u00een peisaje extraordinar de fragmentate, de la dealurile terasate din Filipine p\u00e2n\u0103 la vastele c\u00e2mpii irigate din China, ceea ce face ca studiile conven\u021bionale c\u00e2mp cu c\u00e2mp s\u0103 fie impracticabile din punct de vedere logistic \u0219i financiar la scar\u0103 na\u021bional\u0103 sau regional\u0103.<\/p>\n

2. Necesitatea monitoriz\u0103rii sistematice a modelelor de cultivare a orezului<\/h3>\n

Modelele de cultivare a orezului, adic\u0103 num\u0103rul de sezoane de orez cultivate pe an \u0219i modul \u00een care acestea sunt distribuite pe un peisaj, se schimb\u0103 constant. Variabilitatea climatic\u0103 scurteaz\u0103 perioadele de cre\u0219tere \u00een unele regiuni, \u00een timp ce le extinde \u00een altele. Semnalele economice \u00eei \u00eemping pe fermieri de la o singur\u0103 cultur\u0103 la o cultur\u0103 dubl\u0103 atunci c\u00e2nd disponibilitatea apei \u0219i pre\u021burile pie\u021bei se aliniaz\u0103.<\/p>\n

F\u0103r\u0103 o monitorizare sistematic\u0103, planificatorii lucreaz\u0103 pe baza datelor recens\u0103m\u00e2ntului care pot fi \u00eenvechite cu cinci sau mai mul\u021bi ani, ceea ce duce la o alocare gre\u0219it\u0103 cronic\u0103 a apei, a subven\u021biilor pentru \u00eengr\u0103\u0219\u0103minte \u0219i a creditului rural. Teledetec\u021bia ofer\u0103 o solu\u021bie la aceast\u0103 lacun\u0103 \u00een monitorizare, furniz\u00e2nd observa\u021bii consistente \u0219i repetabile \u00een \u021b\u0103ri \u00eentregi, \u00een doar c\u00e2teva zile.<\/p>\n

\u00cen loc s\u0103 se bazeze pe auto-raportarea fermierilor sau pe sondajele efectuate de recenzori, sistemele bazate pe satelit observ\u0103 direct peisajul, surprinz\u00e2nd modul \u00een care c\u00e2mpurile de orez se schimb\u0103 prin inunda\u021bii, transplantare, cre\u0219tere vegetativ\u0103 \u0219i recoltare \u00een fiecare anotimp.<\/p>\n

3. Ce aduce teledetec\u021bia cartografierii agricole<\/h3>\n

Teledetec\u021bia este \u0219tiin\u021ba achizi\u021bion\u0103rii de informa\u021bii despre obiecte sau zone de la distan\u021b\u0103, de obicei utiliz\u00e2nd senzori monta\u021bi pe sateli\u021bi, aeronave sau vehicule aeriene f\u0103r\u0103 pilot (UAV). \u00cen contexte agricole, senzorii m\u0103soar\u0103 energia reflectat\u0103 sau emis\u0103 de culturi, sol \u0219i ap\u0103 la diferite lungimi de und\u0103 ale spectrului electromagnetic.<\/p>\n

Deoarece diferitele tipuri de acoperire a terenului reflect\u0103 energia diferit \u00een diferite stadii de cre\u0219tere, imaginile din satelit pot distinge un c\u00e2mp de orez de un c\u00e2mp de porumb \u0219i o parcel\u0103 de orez transplantat\u0103 inundat\u0103 de una sem\u0103nat\u0103 direct cu semin\u021be uscate, cu o precizie care cre\u0219te pe m\u0103sur\u0103 ce tehnologia senzorilor se \u00eembun\u0103t\u0103\u021be\u0219te. Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia serve\u0219te patru obiective interconectate.<\/p>\n

    \n
  • \u00cen primul r\u00e2nd, produce inventare explicite din punct de vedere spa\u021bial ale locurilor unde se cultiv\u0103 orezul la intervale de timp sezoniere \u0219i anuale.<\/li>\n
  • \u00cen al doilea r\u00e2nd, clasific\u0103 num\u0103rul de cicluri de cultur\u0103 care au loc pe an \u00een fiecare zon\u0103 cartat\u0103, disting\u00e2nd sistemele cu o singur\u0103, dou\u0103 \u0219i trei culturi.<\/li>\n
  • \u00cen al treilea r\u00e2nd, identific\u0103 practicile culturale utilizate, cum ar fi dac\u0103 un c\u00e2mp este transplantat sau sem\u0103nat direct sau dac\u0103 gestionarea apei este controlat\u0103 sau alimentat\u0103 cu ap\u0103 pluvial\u0103.<\/li>\n
  • \u00cen al patrulea r\u00e2nd, genereaz\u0103 date de referin\u021b\u0103 care contribuie la prognozarea produc\u021biei, bugetarea apei, planificarea adapt\u0103rii la schimb\u0103rile climatice \u0219i sistemele de agricultur\u0103 de precizie.<\/li>\n<\/ul>\n

    \u00cen\u021belegerea sistemelor de cultivare a orezului \u0219i a tipurilor culturale<\/h2>\n

    1. Ce \u00eenseamn\u0103 de fapt un model de cultivare a orezului<\/h3>\n

    Un model de cultivare a orezului descrie aranjamentul temporal al cultiv\u0103rii orezului \u00eentr-un an calendaristic \u00eentr-o anumit\u0103 loca\u021bie. Acesta surprinde nu doar dac\u0103 se cultiv\u0103 orez, ci \u0219i de c\u00e2te ori, c\u00e2nd \u00eencepe \u0219i se termin\u0103 fiecare sezon \u0219i ce cultur\u0103, dac\u0103 exist\u0103, urmeaz\u0103 sau precede orezul \u00een acela\u0219i c\u00e2mp. Cartografierea acestor modele \u00eentr-o regiune ofer\u0103 planificatorilor o imagine dinamic\u0103 a intensit\u0103\u021bii utiliz\u0103rii terenurilor \u0219i a cererii de resurse pe care o singur\u0103 imagine de ansamblu nu ar putea-o oferi niciodat\u0103.<\/p>\n

    2. Sisteme de orez cu o singur\u0103 cultur\u0103<\/h3>\n

    \u00cen sistemele de cultur\u0103 unic\u0103 (monocultur\u0103), fermierii cultiv\u0103 un sezon de orez pe an, de obicei aliniat cu un sezon ploios musonic sau cu un singur ciclu de iriga\u021bii controlate. Aceste sisteme sunt dominante \u00een regiunile \u00een care disponibilitatea apei, for\u021ba de munc\u0103 sau clima limiteaz\u0103 posibilitatea unui al doilea sezon.<\/p>\n

    \"\u00cen\u021belegerea<\/p>\n

    Sistemele de culturi monoculturale tind s\u0103 aib\u0103 perioade de cre\u0219tere mai lungi pe sezon, adesea cu soiuri tradi\u021bionale sau \u00eembun\u0103t\u0103\u021bite de lung\u0103 durat\u0103, \u0219i sunt alimentate \u00een mod dispropor\u021bionat de precipita\u021bii, ceea ce le face foarte sensibile la momentul \u0219i distribu\u021bia precipita\u021biilor.<\/p>\n

    3. Sisteme de orez cu cultur\u0103 dubl\u0103<\/h3>\n

    Sistemele de culturi duble produc dou\u0103 recolte de orez pe an pe acela\u0219i c\u00e2mp. Acestea sunt cele mai comune \u00een Asia de Sud-Est \u0219i de Sud, inclusiv \u00een Delta Fluviului Ro\u0219u din Vietnam, \u00een c\u00e2mpiile inundabile din Bangladesh \u0219i \u00een districtele irigate din Punjab, India.<\/p>\n

    Decalajul temporal dintre cele dou\u0103 sezoane este \u00eengust, adesea mai mic de 30 de zile, a\u0219adar identificarea zonelor cu culturi duble din datele satelitare necesit\u0103 observa\u021bii dense \u00een serii temporale pentru a detecta dou\u0103 cicluri fenologice complete \u00eentr-un singur an.<\/p>\n

    4. Sisteme de orez cu trei culturi<\/h3>\n

    Cultivarea tripl\u0103, cu trei recolte de orez pe an, se practic\u0103 \u00een zone limitate unde at\u00e2t disponibilitatea apei, c\u00e2t \u0219i temperatura r\u0103m\u00e2n favorabile pe tot parcursul anului. Delta Mekong din sudul Vietnamului \u0219i p\u0103r\u021bi din provincia Guangdong din sudul Chinei sus\u021bin sisteme de cultur\u0103 tripl\u0103.<\/p>\n

    De\u0219i maximizeaz\u0103 intensitatea utiliz\u0103rii terenurilor, sistemele de culturi triple prezint\u0103 provoc\u0103ri semnificative privind fertilitatea solului \u0219i gestionarea d\u0103un\u0103torilor. Identificarea de la distan\u021b\u0103 a acestor c\u00e2mpuri este dificil\u0103 din punct de vedere tehnic, deoarece perioadele scurte de p\u00e2rloag dintre culturi comprim\u0103 semnalele fenologice \u00een intervale de timp restr\u00e2nse.<\/p>\n

    5. Cultivarea orezului \u00een regim de ploaie<\/h3>\n

    Orezul alimentat cu ap\u0103 pluvial\u0103, cultivat \u00een \u00eentregime pe baza precipita\u021biilor f\u0103r\u0103 alimentare artificial\u0103 cu ap\u0103, reprezint\u0103 aproximativ 451 TP\u00b3 T din suprafa\u021ba total\u0103 cultivat\u0103 cu orez la nivel global, potrivit Institutului Interna\u021bional de Cercetare a Orezului (IRRI). Este sistemul dominant \u00een Africa Subsaharian\u0103, zonele muntoase din Asia de Sud \u0219i de Sud-Est \u0219i c\u00e2mpiile inundabile dependente de precipita\u021bii.<\/p>\n

    Sistemele de iriga\u021bii pluviale sunt foarte vulnerabile la variabilitatea precipita\u021biilor, ceea ce se traduce prin fluctua\u021bii de randament de 30-50% \u00eentre anii ploio\u0219i \u0219i cei seceto\u0219i \u00een unele regiuni. Din perspectiva teledetec\u021biei, orezul alimentat cu ploi este mai greu de cartografiat deoarece semnalul de inunda\u021bii este mai slab \u0219i mai neregulat dec\u00e2t \u00een c\u00e2mpurile irigate gestionate.<\/p>\n

    6. Cultivarea orezului irigat<\/h3>\n

    Sistemele de orez irigate primesc ap\u0103 prin canale, pompe sau rezervoare gestionate, permi\u021b\u00e2nd fermierilor s\u0103 controleze momentul plant\u0103rii \u0219i recolt\u0103rii cu o precizie considerabil\u0103. Orezul irigat ocup\u0103 \u00een prezent doar aproximativ 55% din suprafa\u021ba global\u0103 de orez, dar contribuie cu 75% la produc\u021bia total\u0103 de orez, reflect\u00e2nd avantajul de randament al securit\u0103\u021bii apei.<\/p>\n

    Inundarea deliberat\u0103 a orezurilor irigate creeaz\u0103 o semn\u0103tur\u0103 radar puternic\u0103 \u0219i consistent\u0103, pe care senzorii satelitari o detecteaz\u0103 \u00een mod fiabil, ceea ce face ca orezul irigat s\u0103 fie printre cele mai precis cartografiate tipuri de culturi din lume.<\/p>\n

    7. Sisteme de orez de munte \u0219i de c\u00e2mpie<\/h3>\n

    Orezul de c\u00e2mpie este cultivat pe soluri neinundate, bine drenate, adesea pe versan\u021bi sau terase din Asia \u0219i Africa. Deoarece aceste c\u00e2mpuri nu sunt niciodat\u0103 inundate inten\u021bionat, le lipse\u0219te semnalul de ap\u0103 care face ca orezul de c\u00e2mpie s\u0103 fie identificabil prin radar, oblig\u00e2nd cercet\u0103torii s\u0103 se bazeze doar pe modele spectrale de vegeta\u021bie.<\/p>\n

    Orezul de c\u00e2mpie, prin contrast, este cultivat \u00een c\u00e2mpuri plate sau inundate pu\u021bin ad\u00e2nc, unde apa se acumuleaz\u0103 natural sau prin iriga\u021bii. Sistemele de c\u00e2mpie domin\u0103 regiunile cu orez din Asia \u0219i reprezint\u0103 \u021binta principal\u0103 a majorit\u0103\u021bii eforturilor de cartografiere la scar\u0103 larg\u0103.<\/p>\n

    Contrastul morfologic dintre c\u00e2mpurile de munte \u0219i cele de c\u00e2mpie, inclusiv forma c\u00e2mpului, pozi\u021bia topografic\u0103 \u0219i structura coronamentului, ofer\u0103 indicii spa\u021biale suplimentare pe care analiza imaginilor bazat\u0103 pe obiecte le poate exploata eficient.<\/p>\n

    8. Orez sem\u0103nat direct vs. orez transplantat<\/h3>\n

    Orezul transplantat implic\u0103 cre\u0219terea r\u0103sadurilor \u00eentr-o pepinier\u0103 timp de 25 p\u00e2n\u0103 la 30 de zile, apoi mutarea lor manual\u0103 sau mecanic\u0103 \u00een c\u00e2mpul principal. \u00cen schimb, orezul sem\u0103nat direct implic\u0103 sem\u0103narea direct\u0103 sau r\u0103sp\u00e2ndirea semin\u021belor \u00een c\u00e2mpul preg\u0103tit, f\u0103r\u0103 o etap\u0103 de pepinier\u0103.<\/p>\n

    Aceste dou\u0103 metode produc semn\u0103turi temporale m\u0103surabil diferite \u00een datele satelitare: c\u00e2mpurile transplantate prezint\u0103 o \u00eenverzire brusc\u0103 \u0219i sincronizat\u0103 la aproximativ trei s\u0103pt\u0103m\u00e2ni dup\u0103 inundare, \u00een timp ce c\u00e2mpurile sem\u0103nate direct prezint\u0103 o dezvoltare mai gradual\u0103 a coronamentului din ziua sem\u0103n\u0103rii. Aceast\u0103 diferen\u021b\u0103 fenologic\u0103, subtil\u0103, dar real\u0103, este detectabil\u0103 printr-o analiz\u0103 atent\u0103 a seriilor temporale a indicilor de vegeta\u021bie.<\/p>\n

    Instrumente \u0219i tehnologii de teledetec\u021bie pentru cartografierea orezului<\/h2>\n

    1. Principiul fizic din spatele teledetec\u021biei<\/h3>\n

    Fiecare plant\u0103 reflect\u0103, absoarbe \u0219i transmite radia\u021bia solar\u0103 \u00een modele guvernate de biochimia frunzelor sale, structura coronamentului \u0219i con\u021binutul de ap\u0103. Frunzele verzi absorb puternic lumina ro\u0219ie pentru fotosintez\u0103, reflect\u00e2nd \u00een acela\u0219i timp o mare parte din energia \u00een infraro\u0219u apropiat (NIR). Solurile inundate, prin contrast, absorb aproape toat\u0103 radia\u021bia primit\u0103.<\/p>\n

    Aceste r\u0103spunsuri contrastante creeaz\u0103 semn\u0103turi spectrale previzibile pe care senzorii de pe sateli\u021bi le pot \u00eenregistra cu o sincronizare constant\u0103, permi\u021b\u00e2nd anali\u0219tilor s\u0103 urm\u0103reasc\u0103 starea culturilor, stadiul de cre\u0219tere \u0219i deciziile de gestionare la nivel de c\u00e2mp f\u0103r\u0103 a vizita vreodat\u0103 c\u00e2mpul.<\/p>\n

    2. Teledetec\u021bie optic\u0103<\/h3>\n

    Senzorii optici detecteaz\u0103 radia\u021bia solar\u0103 reflectat\u0103, produc\u00e2nd imagini care seam\u0103n\u0103 foarte mult cu ceea ce ochiul uman ar vedea dac\u0103 ar fi extinse \u00een lungimi de und\u0103 \u00een infraro\u0219u. Trei platforme optice domin\u0103 cercetarea cartografierii orezului.<\/p>\n

    Landsat<\/strong> (o serie de sateli\u021bi opera\u021bi de NASA \u0219i USGS din 1972) ofer\u0103 imagini la o rezolu\u021bie spa\u021bial\u0103 de 30 de metri, cu un ciclu de revizitare de 16 zile. Arhiva sa temporal\u0103 lung\u0103 \u00eel face indispensabil pentru studiile privind schimbarea suprafe\u021bei de orez de-a lungul deceniilor. Cu toate acestea, repetarea de 16 zile \u00eenseamn\u0103 c\u0103 unele evenimente fenologice dintr-un sezon scurt de cre\u0219tere pot fi omise \u00eentre observa\u021bii.<\/p>\n

    Sentinel-2<\/strong> (operat de Agen\u021bia Spa\u021bial\u0103 European\u0103, lansat \u00een 2015 \u0219i 2017 ca o constela\u021bie cu sateli\u021bi gemen\u021bi) \u00eembun\u0103t\u0103\u021be\u0219te Landsat, av\u00e2nd o rezolu\u021bie de 10-20 de metri \u0219i un ciclu de revizitare la ecuator de 5 zile. Aceste dou\u0103 \u00eembun\u0103t\u0103\u021biri \u00eempreun\u0103 permit o delimitare mai fin\u0103 a c\u00e2mpului \u0219i o e\u0219antionare fenologic\u0103 mai bun\u0103, iar cele mai recente studii de cartografiere a orezului de \u00eenalt\u0103 precizie, inclusiv cele publicate \u00een ISPRS Journal of Photogrammetry and Remote Sensing \u00een 2024, utilizeaz\u0103 Sentinel-2 ca surs\u0103 principal\u0103 de date optice.<\/p>\n

    MODIS<\/strong> (Spectroradiometru de imagistic\u0103 cu rezolu\u021bie moderat\u0103), la bordul sateli\u021bilor Terra \u0219i Aqua ai NASA, ofer\u0103 o rezolu\u021bie de 250-500 de metri cu capacitate de revizitare zilnic\u0103. De\u0219i este prea grosier pentru cartografierea individual\u0103 a terenurilor, MODIS r\u0103m\u00e2ne valoros pentru evalu\u0103rile intensit\u0103\u021bii culturilor la scar\u0103 na\u021bional\u0103 \u0219i continental\u0103, unde rezolu\u021bia spa\u021bial\u0103 ridicat\u0103 este mai pu\u021bin critic\u0103 dec\u00e2t densitatea temporal\u0103.<\/p>\n

    3. Teledetec\u021bie radar<\/h3>\n

    Radar cu apertur\u0103 sintetic\u0103 (SAR)<\/strong> este o tehnologie bazat\u0103 pe radar care transmite impulsuri de microunde c\u0103tre suprafa\u021ba P\u0103m\u00e2ntului \u0219i m\u0103soar\u0103 energia \u00eempr\u0103\u0219tiat\u0103 \u00eenapoi c\u0103tre senzor. Spre deosebire de senzorii optici, SAR func\u021bioneaz\u0103 independent de acoperirea cu nori \u0219i de iluminarea solar\u0103, ceea ce \u00eenseamn\u0103 c\u0103 achizi\u021bioneaz\u0103 date la fel de bine \u00eentr-o noapte \u00eennorat\u0103 \u0219i musonic\u0103, precum \u0219i \u00eentr-o zi senin\u0103 cu sezon uscat.<\/p>\n

    Aceast\u0103 proprietate este de o importan\u021b\u0103 critic\u0103 pentru cartografierea orezului \u00een Asia tropical\u0103, unde senzorii optici pierd \u00een mod obi\u0219nuit s\u0103pt\u0103m\u00e2ni din sezonul de cre\u0219tere din cauza obstruc\u021biei norilor.<\/p>\n

    Sentinel-1<\/strong> (ESA) transmite energie de microunde \u00een banda C (lungime de und\u0103 de aproximativ 5,6 cm) \u0219i furnizeaz\u0103 date SAR gratuite, globale, la o rezolu\u021bie de 10 metri, cu un ciclu repetitiv de 6-12 zile. Orez\u0103riile interac\u021bioneaz\u0103 cu semnalele SAR \u00eentr-un mod distinct:<\/p>\n

      \n
    • c\u00e2mpurile inundate ac\u021bioneaz\u0103 ca o oglind\u0103 aproape perfect\u0103, reflect\u00e2nd cea mai mare parte a energiei radar departe de senzor (produc\u00e2nd valori sc\u0103zute de retrodifuzie), \u00een timp ce<\/li>\n
    • Coroana de orez \u00een cre\u0219tere \u00eempr\u0103\u0219tie din ce \u00een ce mai mult energia \u00eenapoi c\u0103tre senzor pe m\u0103sur\u0103 ce densitatea plantelor \u0219i suprafa\u021ba frunzelor cresc.<\/li>\n<\/ul>\n

      Aceast\u0103 traiectorie de retrodifuzie \u00een timp, sc\u0103zut\u0103 \u00een timpul inund\u0103rii \u0219i transplant\u0103rii, cresc\u00e2nd \u00een stadiile vegetative \u0219i sc\u0103z\u00e2nd din nou dup\u0103 \u00eendep\u0103rtarea frunzei, formeaz\u0103 o semn\u0103tur\u0103 fenologic\u0103 radar unic\u0103 pentru orez.<\/p>\n

      Nguyen \u0219i colab. (Remote Sensing of Environment, 2023) au constatat c\u0103 clasificarea seriilor temporale Sentinel-1 SAR a realizat Precizie general\u0103 92.3%<\/strong> \u00een cartografierea sezoanelor de cultivare a orezului \u00een trei provincii din Delta Mekongului din Vietnam, inclusiv \u00een zonele cu culturi triple unde datele optice nu au fost disponibile pentru mai mult de 60% din perioada de cre\u0219tere din cauza acoperirii cu nori.<\/p>\n

      \u00cen regiunile tropicale cultivatoare de orez, metodele bazate pe SAR nu sunt doar o alternativ\u0103 la detectarea optic\u0103, ci adesea singura op\u021biune fiabil\u0103 pentru cartografierea sezonier\u0103 \u00een timpul lunilor musonice.<\/p>\n

      4. Integrarea datelor multi-senzoriale<\/h3>\n

      Niciun senzor nu ofer\u0103 combina\u021bia ideal\u0103 de detalii spa\u021biale, densitate temporal\u0103 \u0219i penetrare a norilor. Prin urmare, cele mai precise sisteme de cartografiere a orezului integreaz\u0103 mai multe tipuri de senzori \u00eentr-un singur cadru analitic.<\/p>\n

      O arhitectur\u0103 comun\u0103 combin\u0103 datele SAR Sentinel-1 pentru urm\u0103rirea temporal\u0103 f\u0103r\u0103 nori cu datele optice Sentinel-2 pentru bog\u0103\u021bie spectral\u0103 \u00een timpul perioadelor senine \u0219i utilizeaz\u0103 MODIS ca ancor\u0103 de rezolu\u021bie grosier\u0103 pentru detectarea modelelor fenologice la scar\u0103 regional\u0103.<\/p>\n

      C\u00e2nd aceste fluxuri de date sunt fuzionate algoritmic, setul de date combinat poate rezolva limitele culturilor, detecta datele de transplantare \u0219i atribui clasific\u0103ri ale tipurilor culturale cu un nivel de certitudine pe care niciun senzor individual nu \u00eel poate atinge.<\/p>\n

      Identificarea modelelor de cultivare a orezului din datele satelitare<\/h2>\n

      1. Semn\u0103turi temporale ale etapelor de cre\u0219tere a orezului<\/h3>\n

      Orezul trece printr-o secven\u021b\u0103 bine definit\u0103 de etape de cre\u0219tere: preg\u0103tirea terenului \u0219i inundarea, transplantarea sau sem\u0103natul, \u00eenl\u0103turarea (dezvoltarea mai multor tulpini dintr-o singur\u0103 plant\u0103), ini\u021bierea paniculului, epilatul (apari\u021bia capitulei florale care con\u021bine boabe) \u0219i recoltarea.<\/p>\n

      Fiecare etap\u0103 produce o schimbare m\u0103surabil\u0103 a caracteristicilor optice \u0219i radar ale c\u00e2mpului. Anali\u0219tii folosesc aceste semn\u0103turi specifice etapei, captate ca serii temporale de indici spectrali sau retrodifuzie SAR, pentru a reconstrui ce s-a \u00eent\u00e2mplat \u00een fiecare c\u00e2mp \u0219i c\u00e2nd, f\u0103r\u0103 nicio cuno\u0219tin\u021b\u0103 prealabil\u0103 din partea fermierului.<\/p>\n

      2. Cartografierea orezului bazat\u0103 pe fenologie<\/h3>\n

      Cartografiere bazat\u0103 pe fenologie<\/strong> (folosind momentul evenimentelor biologice pentru a clasifica culturile) este abordarea dominant\u0103 pentru detectarea orezului pe suprafe\u021be mari. Metoda func\u021bioneaz\u0103 prin ajustarea curbelor matematice la datele din seriile temporale, apoi identificarea c\u00e2mpurilor \u00een care modelul temporal se potrive\u0219te cu curba caracteristic\u0103 de cre\u0219tere a orezului. Datele evenimentelor cheie extrase din acest proces de ajustare includ<\/p>\n

        \n
      • \u00eenceputul sezonului de cre\u0219tere (identificat de obicei printr-o cre\u0219tere brusc\u0103 a valorilor indicelui de vegeta\u021bie \u00een urma inunda\u021biilor),<\/li>\n
      • v\u00e2rful sezonului de cre\u0219tere (indicele suprafe\u021bei foliare maxime) \u0219i<\/li>\n
      • sf\u00e2r\u0219itul sezonului (sc\u0103dere rapid\u0103 la recoltare).<\/li>\n<\/ul>\n

        Num\u0103rul de astfel de cicluri detectate \u00eentr-un an calendaristic determin\u0103 direct dac\u0103 un c\u00e2mp este clasificat ca fiind cultivat simplu, dublu sau triplu.<\/p>\n

        3. Evaluarea intensit\u0103\u021bii culturilor<\/h3>\n

        Intensitatea culturilor, num\u0103rul de sezoane de cultur\u0103 finalizate pe an pe o unitate de teren, este unul dintre cele mai relevante rezultate din punct de vedere al politicilor ale cartografierii modelelor de cultivare a orezului. O abordare simpl\u0103, dar puternic\u0103, calculeaz\u0103 de c\u00e2te ori apare un v\u00e2rf spectral sau de retrodifuzie asem\u0103n\u0103tor orezului \u00een seria temporal\u0103 anual\u0103 a unui pixel.<\/p>\n

        Atunci c\u00e2nd sunt combinate cu filtre spa\u021biale pentru a elimina detec\u021biile false cauzate de zone umede, corpuri de ap\u0103 sau inunda\u021bii sezoniere, aceste num\u0103r\u0103tori ciclice produc h\u0103r\u021bi ale orezului cu o singur\u0103, dou\u0103 \u0219i trei culturi, care pot fi validate \u00een func\u021bie de studiile de teren \u0219i statisticile regionale.<\/p>\n

        4. Cartografierea distribu\u021biei sezoniere \u0219i anuale a orezului<\/h3>\n

        H\u0103r\u021bile sezoniere (o hart\u0103 per sezon de cre\u0219tere pe an) surprind nu doar locul \u00een care se cultiv\u0103 orezul, ci \u0219i c\u00e2nd cre\u0219te \u00een fiecare loca\u021bie. Stive anuale de h\u0103r\u021bi sezoniere dezv\u0103luie apoi calendarul complet de cultur\u0103 al unei regiuni, inclusiv distribu\u021bia spa\u021bial\u0103 a orezului de la \u00eenceputul sezonului fa\u021b\u0103 de cel de la sf\u00e2r\u0219itul sezonului, ceea ce are implica\u021bii directe asupra program\u0103rii apei, gestion\u0103rii presiunii d\u0103un\u0103torilor \u0219i logisticii recolt\u0103rii.<\/p>\n

        5. Detectarea rota\u021biilor culturilor care implic\u0103 orez<\/h3>\n

        \u00cen multe sisteme asiatice de cultivare a orezului, fermierii alterneaz\u0103 orezul cu gr\u00e2u, legume, leguminoase sau perioade de p\u00e2rloag \u00een cadrul aceluia\u0219i c\u00e2mp, de-a lungul unor sezoane succesive. Teledetec\u021bia detecteaz\u0103 aceste rota\u021bii analiz\u00e2nd seria temporal\u0103 anual\u0103 complet\u0103, mai degrab\u0103 dec\u00e2t un singur sezon izolat.<\/p>\n

        Un c\u00e2mp clasificat ca orez \u00een sezonul ploios, dar ca gr\u00e2u \u00een sezonul uscat, prezint\u0103 un model temporal distinct cu dou\u0103 v\u00e2rfuri \u00een datele indicelui de vegeta\u021bie, caracteristicile spectrale ale fiec\u0103rui v\u00e2rf identific\u00e2nd tipul de cultur\u0103 respectiv. Cartografierea acestor rota\u021bii este important\u0103 pentru evaluarea s\u0103n\u0103t\u0103\u021bii solului, modelarea cererii de iriga\u021bii \u0219i programele de diversificare a veniturilor.<\/p>\n

        Cum GeoPard sus\u021bine cartografierea modelelor de cultivare a orezului<\/h2>\n

        Cartografierea modelelor de cultivare a orezului necesit\u0103 observa\u021bii continue, din mai multe surse, pe parcursul \u00eentregului sezon de cre\u0219tere, iar exact asta ofer\u0103 GeoPard. Prin combinarea imaginilor Landsat-8, Sentinel-2 \u0219i Planet \u00eentr-o singur\u0103 platform\u0103, GeoPard monitorizeaz\u0103 c\u00e2mpurile o dat\u0103 la dou\u0103 zile la o rezolu\u021bie de p\u00e2n\u0103 la 3 metri, asigur\u00e2ndu-se c\u0103 evenimentele critice legate de orez, cum ar fi inunda\u021biile pre-transplantare, \u00eenverzirea r\u0103sadurilor \u0219i recoltarea, nu sunt niciodat\u0103 ratate din cauza golurilor de nori.<\/p>\n

        Fuziunea multi-senzor a platformei a demonstrat o \u00eembun\u0103t\u0103\u021bire a preciziei 4% fa\u021b\u0103 de abord\u0103rile cu un singur senzor, ceea ce accentueaz\u0103 \u00een mod direct separarea dintre sistemele de orez cu o singur\u0103 cultur\u0103, cu dou\u0103 culturi \u0219i cu trei culturi.<\/p>\n

        \"Cum<\/p>\n

        Pentru identificarea tipului cultural, suita de indici de vegeta\u021bie GeoPard, inclusiv NDWI pentru detectarea inunda\u021biilor de suprafa\u021b\u0103, EVI2 pentru sincronizarea biomasei coronamentului \u0219i LAI pentru densitatea coronamentului, surprinde biografia spectral\u0103 care separ\u0103 orezul transplantat irigat de sistemele alimentate cu ploaie sau cu sem\u0103nat direct.<\/p>\n

        \u00cen zilele \u00eennorate de muson, c\u00e2nd imaginile optice e\u0219ueaz\u0103 complet, stratul de date radar integrat al GeoPard men\u021bine urm\u0103rirea vegeta\u021biei ne\u00eentrerupt\u0103, citind debitul de retrodifuzie SAR, care este semn\u0103tura definitiv\u0103 a unei orez\u0103rii inundate \u00een momentul transplant\u0103rii.<\/p>\n

        Instrumentul \u201eComparare straturi\u201d permite agronomilor s\u0103 plaseze p\u00e2n\u0103 la patru straturi de date sincronizate unul l\u00e2ng\u0103 altul, simplific\u00e2nd separarea tipurilor de cultur\u0103 de orez prin compararea semnalelor de inunda\u021bii NDWI cu tendin\u021bele vegeta\u021biei \u0219i h\u0103r\u021bile productivit\u0103\u021bii solului pe mai mul\u021bi ani.<\/p>\n

        Sus\u021binut\u0103 de peste 30 de ani de imagini din satelit, platforma dezv\u0103luie modele pe termen lung ale intensit\u0103\u021bii culturilor la nivel de c\u00e2mp. Aceste informa\u021bii sunt apoi transmise direct c\u0103tre h\u0103r\u021bile de aplicare cu doz\u0103 variabil\u0103 pentru \u00eengr\u0103\u0219\u0103minte, semin\u021be \u0219i protec\u021bia culturilor, transform\u00e2nd h\u0103r\u021bile tipurilor de cultur\u0103 ale orezului \u00een prescrip\u021bii concrete de gestionare la nivel de c\u00e2mp.<\/p>\n

        Cartografierea tipurilor culturale de orez cu ajutorul teledetec\u021biei<\/h2>\n

        1. Caracteristicile spectrale ale diferitelor practici culturale<\/h3>\n

        Tipul cultural, combina\u021bia specific\u0103 de practici de gestionare aplicate unui c\u00e2mp de orez, modeleaz\u0103 evolu\u021bia temporal\u0103 a semn\u0103turii spectrale a acelui c\u00e2mp. De exemplu, orezul transplantat inundat \u00eencepe sezonul cu un r\u0103spuns optic dominat de ap\u0103 (reflectan\u021b\u0103 sc\u0103zut\u0103 pe toate benzile vizibile), urmat de o schimbare brusc\u0103 pe m\u0103sur\u0103 ce coronamentul r\u0103sadurilor se formeaz\u0103.<\/p>\n

        Orezul sem\u0103nat direct \u00eentr-un pat germinativ neinundat prezint\u0103 o cre\u0219tere mai gradual\u0103 a semnalului de vegeta\u021bie de la \u00eenceputul germin\u0103rii, f\u0103r\u0103 perioada ini\u021bial\u0103 de inundare pe care senzorii optici \u0219i cei SAR o detecteaz\u0103 cu u\u0219urin\u021b\u0103.<\/p>\n

        2. Distinc\u021bia dintre orezul irigat \u0219i cel alimentat cu ploaie<\/h3>\n

        Orez\u0103riile irigate \u0219i cele alimentate cu ap\u0103 de ploaie difer\u0103 \u00een dou\u0103 moduri observabile: momentul \u0219i regularitatea evenimentelor de inunda\u021bii \u0219i consecven\u021ba fenologiei lor sezoniere. Orez\u0103riile irigate tind s\u0103 se inunde la timp, prezint\u0103 o variabilitate mai mic\u0103 de la an la an \u00een ceea ce prive\u0219te datele de transplantare \u0219i men\u021bin o densitate constant\u0103 a coronamentului prin gestionarea controlat\u0103 a apei.<\/p>\n

        C\u00e2mpurile alimentate cu ap\u0103 de ploaie prezint\u0103 o variabilitate temporal\u0103 mai mare \u00eentre ani, pot experimenta stres hidric la mijlocul sezonului, detectabil prin sc\u0103deri anormale ale valorilor indicelui de vegeta\u021bie \u0219i uneori nu reu\u0219esc s\u0103 finalizeze un sezon de cre\u0219tere complet \u00een timpul anilor de secet\u0103.<\/p>\n

        Analiza seriilor temporale multianuale surprinde aceast\u0103 structur\u0103 de variabilitate, permi\u021b\u00e2nd algoritmilor de clasificare s\u0103 separe zonele irigate de cele alimentate cu ploaie cu precizii care dep\u0103\u0219esc de obicei 85% \u00een sisteme bine calibrate.<\/p>\n

        3. Cartografierea orezului transplantat \u0219i a celui sem\u0103nat direct<\/h3>\n

        Cel mai fiabil indicator pentru a distinge orezul transplantat de cel sem\u0103nat direct \u00een datele SAR este momentul \u0219i durata perioadei ini\u021biale de inundare cu \u00eempr\u0103\u0219tiere redus\u0103.<\/p>\n

        Orez\u0103riile transplantate sunt inundate timp de 2-4 s\u0103pt\u0103m\u00e2ni \u00eenainte de transferul r\u0103sadurilor, cre\u00e2nd o fereastr\u0103 extins\u0103 de \u00eentuneric radar la \u00eenceputul sezonului.<\/p>\n

        C\u00e2mpurile sem\u0103nate direct fie nu prezint\u0103 nicio fereastr\u0103 de inundare (sem\u0103nat uscat), fie prezint\u0103 una foarte scurt\u0103 (sem\u0103nat umed), iar cre\u0219terea retrodifuziei este at\u00e2t mai timpurie \u00een raport cu data sem\u0103natului, c\u00e2t \u0219i structural diferit\u0103 \u00een ceea ce prive\u0219te panta. Aceste caracteristici temporale pot fi extrase automat folosind algoritmi aplica\u021bi seriilor temporale SAR dense.<\/p>\n

        4. Detectarea practicilor de management prin teledetec\u021bie<\/h3>\n

        Dincolo de metoda de transplantare \u0219i regimul hidric, teledetec\u021bia poate detecta anumite practici de gestionare a apei, cum ar fi udarea \u0219i uscarea alternativ\u0103 (AWD), o tehnic\u0103 utilizat\u0103 pentru a reduce emisiile de metan \u0219i consumul de ap\u0103 prin drenarea intermitent\u0103 a orez\u0103riilor.<\/p>\n

        C\u00e2mpurile inundate continuu prezint\u0103 modele oscilante de retrodifuzie SAR \u00een timpul perioadei vegetative, reflect\u00e2nd cicluri repetate de inunda\u021bii-drenaj, \u00een timp ce c\u00e2mpurile inundate continuu prezint\u0103 o traiectorie de retrodifuzie mai constant\u0103. Aceast\u0103 capacitate este deosebit de valoroas\u0103 pentru monitorizarea adopt\u0103rii practicilor de orez inteligente din punct de vedere climatic \u00een inventarele na\u021bionale de gaze cu efect de ser\u0103.<\/p>\n

        5. Indicatori de gestionare a apei \u00een orez\u0103rii<\/h3>\n

        Detectarea suprafe\u021bei apei prin SAR este extrem de sensibil\u0103, capabil\u0103 s\u0103 identifice apa acumulat\u0103 la o ad\u00e2ncime de doar c\u00e2\u021biva centimetri sub coronamentul de orez. Aceast\u0103 sensibilitate permite anali\u0219tilor s\u0103 cartografieze starea inunda\u021biilor c\u00e2mp cu c\u00e2mp \u00een momente cheie ale sezonului de cre\u0219tere, sprijinind deciziile de programare a iriga\u021biilor \u0219i evalu\u0103rile timpurii ale pagubelor provocate de inunda\u021bii.<\/p>\n

        C\u00e2nd h\u0103r\u021bile suprafe\u021bei apei din date multiple sunt suprapuse temporal, acestea produc o semn\u0103tur\u0103 dinamic\u0103 de gestionare a apei pentru fiecare c\u00e2mp, care serve\u0219te ca o intrare de mare valoare pentru modelele de clasificare a tipurilor culturale.<\/p>\n

        Tehnici \u0219i metode: de la indici la \u00eenv\u0103\u021bare profund\u0103<\/h2>\n

        1. Indici de vegeta\u021bie pentru monitorizarea orezului<\/h3>\n

        Indicii de vegeta\u021bie sunt combina\u021bii matematice ale valorilor de reflectan\u021b\u0103 la diferite lungimi de und\u0103, concepu\u021bi pentru a amplifica semnalul biomasei \u0219i s\u0103n\u0103t\u0103\u021bii plantelor, reduc\u00e2nd \u00een acela\u0219i timp zgomotul provenit din fundalul solului, efectele atmosferice \u0219i geometria ilumin\u0103rii. Trei indici sunt esen\u021biali pentru cartografierea orezului.<\/p>\n

        i. NDVI (Indicele de Vegeta\u021bie cu Diferen\u021b\u0103 Normalizat\u0103)<\/strong> se calculeaz\u0103 ca (NIR \u2013 Ro\u0219u) \/ (NIR + Ro\u0219u) \u0219i este indicele cel mai utilizat \u00een monitorizarea orezului. Acesta urm\u0103re\u0219te starea de verdea\u021b\u0103 a coronamentului de la stabilirea r\u0103sadurilor p\u00e2n\u0103 la senescen\u021b\u0103, valorile cresc\u00e2nd de obicei de aproape zero la transplantare p\u00e2n\u0103 la 0,6-0,8 la v\u00e2rful cre\u0219terii vegetative.<\/p>\n

        ii. EVI (Indicele Vegeta\u021biei \u00cembun\u0103t\u0103\u021bite)<\/strong> corecteaz\u0103 efectele aerosolilor atmosferici \u0219i zgomotul de fond al solului mai eficient dec\u00e2t NDVI, ceea ce \u00eel face preferabil \u00een medii cu \u00eenc\u0103rcare ridicat\u0103 de aerosoli, cum ar fi \u00een timpul sezoanelor de ardere a biomasei, comune \u00een Asia tropical\u0103.<\/p>\n

        iii. LSWI (Indicele Apelor de Suprafa\u021b\u0103 Terestre)<\/strong> \u00eencorporeaz\u0103 reflectan\u021b\u0103 \u00een infraro\u0219u cu unde scurte pentru a detecta con\u021binutul de ap\u0103 at\u00e2t \u00een coronamentul plantelor, c\u00e2t \u0219i \u00een suprafa\u021ba solului, ceea ce \u00eel face extrem de sensibil la evenimentele de inunda\u021bii care caracterizeaz\u0103 cultivarea orezului \u00een zonele joase \u0219i ofer\u0103 un semnal robust pentru detectarea \u00eenceperii sezonului de cre\u0219tere.<\/p>\n

        2. Analiza seriilor temporale<\/h3>\n

        O singur\u0103 imagine din satelit surprinde starea unui c\u00e2mp de orez la un moment dat, dar povestea unui c\u00e2mp de orez este scris\u0103 \u00een secven\u021ba acelor momente. Analiza seriilor temporale \u00eenl\u0103n\u021buie numeroase observa\u021bii, de obicei o imagine la fiecare 5-16 zile timp de un an \u00eentreg, \u0219i extrage valori temporale precum data \u00eenceperii sezonului, NDVI-ul de v\u00e2rf, rata de \u00eenverzire \u0219i data recolt\u0103rii.<\/p>\n

        \"Tehnici<\/p>\n

        Aceste valori metrice descriu colectiv comportamentul fenologic complet al c\u00e2mpului \u0219i sunt mult mai diagnostice pentru identificarea tipului de cultur\u0103 dec\u00e2t orice observa\u021bie la o singur\u0103 dat\u0103. Metodele statistice, inclusiv regresia armonic\u0103 \u0219i deformarea dinamic\u0103 a timpului (DTW), sunt utilizate \u00een mod obi\u0219nuit pentru a alinia \u0219i compara datele seriilor temporale \u00een diferi\u021bi ani \u0219i regiuni.<\/p>\n

        3. \u00cenv\u0103\u021bare automat\u0103 pentru clasificarea orezului<\/h3>\n

        \u00cenv\u0103\u021barea automat\u0103 a transformat scara \u0219i precizia cartografierii modelelor de cultivare a orezului prin automatizarea identific\u0103rii rela\u021biilor complexe, neliniare, dintre datele spectro-temporale \u0219i condi\u021biile de c\u00e2mp.<\/p>\n

        i. P\u0103dure aleatorie (RF)<\/strong> este o metod\u0103 ansamblu care construie\u0219te sute de arbori de decizie independen\u021bi, fiecare antrenat pe un subset aleatoriu de caracteristici \u0219i agreg\u0103 voturile acestora pentru o clasificare final\u0103. Este robust\u0103 la datele de antrenament zgomotoase, gestioneaz\u0103 eficient spa\u021biile de caracteristici de \u00eenalt\u0103 dimensionalitate \u0219i ofer\u0103 scoruri de importan\u021b\u0103 variabile care ajut\u0103 anali\u0219tii s\u0103 \u00een\u021beleag\u0103 ce caracteristici temporale sau spectrale determin\u0103 deciziile de clasificare.<\/p>\n

        ii. Ma\u0219in\u0103 cu vectori suport (SVM)<\/strong> g\u0103se\u0219te limita de separare optim\u0103 \u00eentre clase \u00eentr-un spa\u021biu de caracteristici de dimensiuni mari. SVM are performan\u021be bune atunci c\u00e2nd datele de antrenament sunt limitate, fiind util \u00een regiunile cu date insuficiente unde colectarea adev\u0103rului de teren este costisitoare.<\/p>\n

        iii. \u00cenv\u0103\u021bare profund\u0103<\/strong>, \u00een special re\u021belele neuronale convolu\u021bionale (CNN) \u0219i re\u021belele neuronale recurente (RNN), cum ar fi arhitecturile Long Short-Term Memory (LSTM), pot \u00eenv\u0103\u021ba simultan at\u00e2t modele spa\u021biale \u00een cadrul imaginilor individuale, c\u00e2t \u0219i modele temporale \u00een secven\u021bele de imagini. Clasificatorii baza\u021bi pe LSTM aplica\u021bi seriilor temporale de sateli\u021bi au atins o precizie de ultim\u0103 genera\u021bie \u00een sarcinile de cartografiere a orezului, mai multe studii raport\u00e2nd precizii generale peste 90% la scar\u0103 regional\u0103.<\/p>\n

        Xiao \u0219i colab. (International Journal of Applied Earth Observation and Geoinformation, 2025) au demonstrat c\u0103 un model de \u00eenv\u0103\u021bare profund\u0103 LSTM, antrenat pe date temporale combinate Sentinel-1 \u0219i Sentinel-2, a cartografiat tipurile culturale de orez \u00een trei \u021b\u0103ri din Asia de Sud cu un precizie general\u0103 de 91,7% \u0219i un coeficient kappa de 0,89<\/strong>, dep\u0103\u0219ind Random Forest cu 6,4 puncte procentuale \u00een acelea\u0219i condi\u021bii de date de antrenament.<\/p>\n

        Pentru cartografierea tipurilor culturale de orez pe suprafe\u021be mari, unde este posibil\u0103 colectarea datelor de antrenament, clasificatorii de \u00eenv\u0103\u021bare profund\u0103 baza\u021bi pe LSTM sunt acum metoda de referin\u021b\u0103 \u0219i ar trebui s\u0103 fie alegerea implicit\u0103 pentru noile programe na\u021bionale de cartografiere.<\/p>\n

        4. Analiza imaginilor bazat\u0103 pe obiecte (OBIA)<\/h3>\n

        Analiza imaginilor bazat\u0103 pe obiecte (OBIA)<\/strong> func\u021bioneaz\u0103 prin gruparea pixelilor vecini cu caracteristici spectrale \u0219i spa\u021biale similare \u00een obiecte (segmente) \u00eenainte de a-i clasifica, \u00een loc s\u0103 clasifice fiecare pixel independent.<\/p>\n

        \u00cen cartografierea orezului, OBIA este valoroas\u0103 deoarece poate \u00eencorpora forma, textura \u0219i contextul \u00een clasificare, disting\u00e2nd o orez\u0103rie de un corp de ap\u0103 de culoare similar\u0103, pe baza geometriei dreptunghiulare regulate a orez\u0103riei.<\/p>\n

        OBIA este deosebit de eficient\u0103 la rezolu\u021bii spa\u021biale foarte mari, cum ar fi datele de la sateli\u021bi comerciali cu rezolu\u021bie de 1-5 metri sau imaginile UAV.<\/p>\n

        5. Tehnici de detectare a schimb\u0103rilor<\/h3>\n

        Detectarea schimb\u0103rilor identific\u0103 zonele \u00een care utilizarea terenurilor s-a schimbat \u00eentre dou\u0103 sau mai multe date. \u00cen monitorizarea sistemului orezos, detectarea schimb\u0103rilor serve\u0219te dou\u0103 scopuri: urm\u0103rirea expansiunii sau contrac\u021biei de la an la an a suprafe\u021bei de orez ca r\u0103spuns la factorii climatici sau economici \u0219i identificarea schimb\u0103rilor de la mijlocul sezonului, cum ar fi e\u0219ecul culturilor, abandonul sau inunda\u021biile nea\u0219teptate.<\/p>\n

        Detectarea schimb\u0103rilor bitemporale (compararea direct\u0103 a dou\u0103 date) este simpl\u0103, dar vulnerabil\u0103 la diferen\u021bele fenologice dintre ani. Detectarea schimb\u0103rilor multitemporale pe parcursul unor stive anuale complete este mai robust\u0103 \u0219i poate separa schimbarea real\u0103 a utiliz\u0103rii terenurilor de varia\u021bia fenologic\u0103 sezonier\u0103.<\/p>\n

        Evaluarea \u0219i validarea preciziei<\/h2>\n

        1. Colectarea datelor adev\u0103rului de teren<\/h3>\n

        Fiecare produs de cartografiere a orezului necesit\u0103 validare \u00een func\u021bie de observa\u021biile de teren colectate independent. Datele reale de teren includ de obicei vizite pe teren cu referin\u021be GPS, unde recenzori instrui\u021bi \u00eenregistreaz\u0103 tipul de cultur\u0103, stadiul de cre\u0219tere, starea de gestionare a apei \u0219i metoda de stabilire \u00eentr-un e\u0219antion reprezentativ statistic de loca\u021bii. Aceste observa\u021bii sunt colectate pentru a coincide temporal cu achizi\u021biile satelitare \u0219i sunt re\u021binute din antrenamentul modelului \u0219i utilizate exclusiv pentru evaluarea acurate\u021bei.<\/p>\n

        2. Indicatori de precizie a clasific\u0103rii<\/h3>\n

        Pentru aplica\u021biile specifice orezului, scorul F1, care echilibreaz\u0103 acurate\u021bea produc\u0103torului \u0219i a utilizatorului pentru fiecare clas\u0103, este raportat din ce \u00een ce mai mult al\u0103turi de Kappa ca un rezumat al performan\u021bei cu un singur num\u0103r, mai informativ. Indicatorii standard pentru evaluarea acurate\u021bei h\u0103r\u021bii includ<\/p>\n

          \n
        • precizia general\u0103 (procentul tuturor punctelor de validare clasificate corect),<\/li>\n
        • precizia produc\u0103torului (probabilitatea ca un c\u00e2mp dintr-o anumit\u0103 clas\u0103 adev\u0103rat\u0103 s\u0103 fie mapat corect, analog cu rechemarea),<\/li>\n
        • precizia utilizatorului (probabilitatea ca un c\u00e2mp mapat la o anumit\u0103 clas\u0103 s\u0103 fie de fapt acea clas\u0103, analog cu precizia) \u0219i<\/li>\n
        • coeficientul Kappa (o m\u0103sur\u0103 a acordului corectat\u0103 pentru acordul \u00eent\u00e2mpl\u0103tor, unde valorile peste 0,80 indic\u0103 un acord puternic).<\/li>\n<\/ul>\n

          3. Validarea modelelor de cultur\u0103 \u0219i a h\u0103r\u021bilor tipurilor culturale<\/h3>\n

          Validarea h\u0103r\u021bilor modelelor de cultur\u0103 necesit\u0103 date concrete multitemporale, cu vizite pe teren \u00een mai multe puncte din calendarul de cultur\u0103 pentru a confirma c\u00e2te sezoane au fost efectiv recoltate pe an la fiecare loc de validare.<\/p>\n

          Validarea tipului cultural, care distinge culturile transplantate de cele sem\u0103nate direct sau cele irigate de cele alimentate cu ploaie, este mai dificil\u0103 deoarece aceste distinc\u021bii nu sunt \u00eentotdeauna evidente vizual pe teren \u0219i necesit\u0103 interviuri cu fermierii sau observarea direct\u0103 a evenimentelor de gestionare \u00een timpul ferestrelor sensibile din sezonul de cre\u0219tere.<\/p>\n

          Statisticile agricole na\u021bionale, de\u0219i adesea agregate la nivel de provincie sau district, ofer\u0103 un nivel suplimentar de validare pentru estim\u0103rile suprafe\u021bei, permi\u021b\u00e2nd verificarea \u00eencruci\u0219at\u0103 a totalurilor de pe h\u0103r\u021bi cu cifrele oficiale raportate.<\/p>\n

          Aplica\u021bii \u00een \u00eentregul sistem agricol<\/h2>\n

          1. Planificarea \u0219i dezvoltarea politicilor agricole<\/h3>\n

          H\u0103r\u021bile cu modele de cultivare a orezului derivate din teledetec\u021bie ofer\u0103 ministerelor agriculturii rezolu\u021bia spa\u021bial\u0103 de care au nevoie pentru a concepe interven\u021bii specifice. Regiunile identificate ca fiind cu o singur\u0103 cultur\u0103 pluvial\u0103 pot fi prioritizate pentru dezvoltarea iriga\u021biilor la scar\u0103 mic\u0103; zonele cu trei culturi \u0219i randamente \u00een sc\u0103dere pot fi investigate pentru degradarea solului sau epuizarea p\u00e2nzei freatice.<\/p>\n

          2. Estimarea produc\u021biei de orez<\/h3>\n

          Combin\u00e2nd h\u0103r\u021bile suprafe\u021belor cultivate cu orez ob\u021binute prin teledetec\u021bie cu modele de estimare a randamentului, cum ar fi simul\u0103rile de cre\u0219tere a culturilor bazate pe date meteorologice, se ob\u021bin prognoze de produc\u021bie subna\u021bionale \u0219i na\u021bionale cu s\u0103pt\u0103m\u00e2ni sau luni \u00eenainte de recoltare.<\/p>\n

          Tabloul de bord privind securitatea alimentar\u0103 al B\u0103ncii Asiatice de Dezvoltare \u0219i Sistemul Global de Informa\u021bii \u0219i Avertizare Timpurie (GIEWS) al FAO \u00eencorporeaz\u0103 date privind suprafa\u021ba cultivat\u0103 cu orez, ob\u021binute prin satelit, pentru a genera estim\u0103ri ale produc\u021biei \u00eenainte de recoltare, cu c\u00e2\u0219tiguri de precizie demonstrate fa\u021b\u0103 de abord\u0103rile bazate pe sondaje.<\/p>\n

          3. Managementul resurselor de ap\u0103<\/h3>\n

          Orezul irigat este cel mai mare consumator de ap\u0103 dulce din Asia, reprezent\u00e2nd aproximativ 401 TP3 tone din totalul extragerilor de ap\u0103 din agricultur\u0103 \u00een \u021b\u0103ri precum India \u0219i Bangladesh.<\/p>\n

          Cel mai valoros rezultat al cartografierii orezului prin satelit nu este harta \u00een sine, ci decizia pe care o permite, fie c\u0103 se construie\u0219te un canal, se \u00eenchide o f\u00e2nt\u00e2n\u0103 sau se redirec\u021bioneaz\u0103 o subven\u021bie.<\/p><\/blockquote>\n

          Cunoa\u0219terea precis\u0103 a locului \u00een care se cultiv\u0103 orezul irigat, a num\u0103rului de sezoane \u00een care este irigat \u0219i a c\u00e2mpurilor care utilizeaz\u0103 practici eficiente de gestionare a apei, cum ar fi debitul total al apei (AWD), sprijin\u0103 direct planificarea bazinelor hidrografice, programarea func\u021bion\u0103rii rezervoarelor \u0219i evalu\u0103rile sustenabilit\u0103\u021bii apelor subterane.<\/p>\n

          4. Monitorizarea securit\u0103\u021bii alimentare<\/h3>\n

          Sistemele de avertizare timpurie pentru insecuritatea alimentar\u0103 depind de detectarea rapid\u0103 a e\u0219ecurilor culturilor. Atunci c\u00e2nd zonele de orez nu reu\u0219esc s\u0103 finalizeze un ciclu complet de cre\u0219tere, monitorizarea prin satelit detecteaz\u0103 anomalia ca un v\u00e2rf fenologic absent sau trunchiat \u00een fereastra sezonier\u0103 a\u0219teptat\u0103. FEWS NET (Famine Early Warning Systems Network), sus\u021binut\u0103 de USAID, utilizeaz\u0103 date satelitare privind vegeta\u021bia, inclusiv monitorizarea specific\u0103 orezului, pentru a genera alerte de securitate alimentar\u0103 \u00een Asia \u0219i Africa.<\/p>\n

          5. Evaluarea impactului schimb\u0103rilor climatice<\/h3>\n

          Arhivele pe termen lung ale h\u0103r\u021bilor cu modele de cultivare a orezului, care acoper\u0103 20 sau mai mul\u021bi ani de date Landsat, dezv\u0103luie modul \u00een care zonele de cultivare a orezului, anotimpurile \u0219i randamentele s-au modificat ca r\u0103spuns la schimbarea regimurilor de temperatur\u0103 \u0219i precipita\u021bii. Aceste h\u0103r\u021bi istorice ale tendin\u021belor ofer\u0103 dovezi empirice privind impactul schimb\u0103rilor climatice asupra sistemelor de orez \u0219i servesc drept date pentru proiec\u021bia riscurilor agricole viitoare \u00een diferite scenarii de \u00eenc\u0103lzire.<\/p>\n

          7. Aplica\u021bii \u00een agricultura de precizie<\/h3>\n

          La scar\u0103 agricol\u0103, cartografierea tipurilor de cultur\u0103 a orezului, ob\u021binut\u0103 cu ajutorul dronelor, combinat\u0103 cu date despre sol \u0219i ap\u0103 la nivel de c\u00e2mp, sus\u021bine decizii de management precise, cum ar fi aplicarea de \u00eengr\u0103\u0219\u0103minte cu rat\u0103 variabil\u0103, identificarea d\u0103un\u0103torilor specifici amplasamentului \u0219i programarea optimizat\u0103 a datelor de plantare. Aceste aplica\u021bii se maturizeaz\u0103 rapid \u00een Japonia, Coreea de Sud \u0219i \u00een anumite p\u0103r\u021bi ale Chinei, unde agricultura de orez este puternic mecanizat\u0103 \u0219i exist\u0103 infrastructur\u0103 de date pentru a conecta rezultatele teledetec\u021biei la sistemele de management agricol.<\/p>\n

          Provoc\u0103ri \u0219i limit\u0103ri care constr\u00e2ng cartografierea orezului<\/h2>\n

          1. Acoperirea norilor \u0219i disponibilitatea datelor<\/h3>\n

          Acoperirea persistent\u0103 cu nori \u00een timpul sezonului musonic, c\u00e2nd se cultiv\u0103 o mare parte din orezul din Asia, limiteaz\u0103 drastic num\u0103rul de observa\u021bii optice utilizabile. \u00cen unele loca\u021bii, contaminarea cu nori reduce observa\u021biile Sentinel-2 disponibile \u00een timpul perioadei critice de transplantare \u0219i al perioadei vegetative timpurii la mai pu\u021bin de dou\u0103 pe lun\u0103. Datele SAR atenueaz\u0103, dar nu elimin\u0103, aceast\u0103 problem\u0103, deoarece ploile abundente pot satura temporar semnalul radar.<\/p>\n

          2. Pixeli mix\u021bi \u0219i c\u00e2mpuri mici<\/h3>\n

          \u00cen regiunile \u00een care orez\u0103riile sunt mai mici dec\u00e2t rezolu\u021bia spa\u021bial\u0103 a senzorului, un singur pixel surprinde un amestec de orez \u0219i terenuri f\u0103r\u0103 orez, ceea ce face ca clasificarea s\u0103 fie ambigu\u0103. Sistemele de orez de munte din terenurile deluroase \u0219i din orez\u0103riile de dimensiuni reduse din anumite p\u0103r\u021bi ale Indoneziei \u0219i Filipinelor produc \u00een mod obi\u0219nuit pixeli mix\u021bi chiar \u0219i la rezolu\u021bia de 10 metri a Sentinel-2, limit\u00e2nd utilizarea metodelor bazate pe pixeli \u00een aceste medii.<\/p>\n

          3. Similitudine spectral\u0103 \u0219i temporal\u0103 \u00eentre tipurile de culturi<\/h3>\n

          Unele culturi, \u00een special trestia de zah\u0103r, iuta \u0219i anumite paji\u0219ti, produc curbe fenologice similare cu orezul \u00een seriile temporale NDVI sau EVI, ceea ce duce la confuzie \u00een clasificare. Detectarea inunda\u021biilor bazat\u0103 pe SAR reduce aceast\u0103 confuzie \u00een cazul orezului de c\u00e2mpie, dar sistemele de orez de munte, f\u0103r\u0103 orez\u0103rii inundate, r\u0103m\u00e2n dificil de separat de culturile spectral similare f\u0103r\u0103 date suplimentare de teren sau intr\u0103ri geografice auxiliare.<\/p>\n

          4. Constr\u00e2ngeri de rezolu\u021bie temporal\u0103<\/h3>\n

          Cartografierea modelului de cultur\u0103 a orezului \u0219i a tipului cultural folosind teledetec\u021bia necesit\u0103 o e\u0219antionare temporal\u0103 dens\u0103, ideal cel pu\u021bin o observa\u021bie la fiecare 8-10 zile pe parcursul \u00eentregului sezon de cre\u0219tere. Atunci c\u00e2nd acoperirea cu nori sau golurile orbitelor satelitului reduc aceast\u0103 densitate temporal\u0103, soiurile de orez de scurt\u0103 durat\u0103 sau sezoanele de culturi triple cu ciclu rapid pot fi complet omise de algoritmii de detectare automat\u0103.<\/p>\n

          5. Limit\u0103ri ale datelor de la sol<\/h3>\n

          Datele de instruire etichetate de \u00eenalt\u0103 calitate, observa\u021biile de teren potrivite cu tipurile de culturi \u0219i practicile de management cunoscute, r\u0103m\u00e2n costisitoare \u0219i dificil de colectat din punct de vedere logistic la scara necesar\u0103 pentru instruirea \u0219i validarea sistemelor na\u021bionale de cartografiere. \u00cen multe \u021b\u0103ri produc\u0103toare de orez cu venituri mici, capacitatea uman\u0103 \u0219i financiar\u0103 pentru colectarea sistematic\u0103 a datelor de teren este cea mai mare constr\u00e2ngere \u00een calea \u00eembun\u0103t\u0103\u021birii acurate\u021bei cartografierii.<\/p>\n

          Tendin\u021be emergente \u0219i viitorul monitoriz\u0103rii orezului<\/h2>\n

          1. Monitorizarea orezului cu drone \u0219i UAV<\/h3>\n

          Vehiculele aeriene f\u0103r\u0103 pilot (UAV) echipate cu senzori multispectrali \u0219i termici ofer\u0103 acum imagini la nivel centimetric asupra fermelor individuale, rezolv\u00e2nd limitele c\u00e2mpurilor, r\u00e2ndurile de culturi \u0219i chiar starea de s\u0103n\u0103tate a plantelor individuale. UAV-urile func\u021bioneaz\u0103 ca o punte \u00eentre cartografierea la scar\u0103 satelitar\u0103 \u0219i observarea individual\u0103 a plantelor, furniz\u00e2nd date reale de ultra-\u00eenalt\u0103 rezolu\u021bie necesare pentru antrenarea \u0219i validarea modelelor bazate pe satelit \u00een contexte de peisaj fragmentat.<\/p>\n

          2. Inteligen\u021ba artificial\u0103 \u0219i \u00eenv\u0103\u021barea profund\u0103 pentru clasificarea orezului<\/h3>\n

          Re\u021belele neuronale convolu\u021bionale aplicate seriilor temporale de imagini din satelit, combinate cu arhitecturi de transformare adaptate din procesarea limbajului natural, ating \u00een prezent cele mai mari precizii de clasificare a orezului raportate vreodat\u0103.<\/p>\n

          Cadrul PRISM (Sistem de identificare a culturilor de orez bazat pe fenologie folosind date multisource), publicat de cercet\u0103torii de la Universitatea Wageningen \u00een 2024, a demonstrat c\u0103 \u00eenv\u0103\u021barea autosupravegheat\u0103 pe arhive satelitare neetichetate ar putea pre-antrena modele de clasificare a orezului, necesit\u00e2nd doar date minime de teren etichetate pentru reglaj fin, reduc\u00e2nd dramatic povara studiului de teren.<\/p>\n

          3. Sisteme de monitorizare a orezului \u00een timp aproape real<\/h3>\n

          Sistemele opera\u021bionale de monitorizare a orezului \u00een timp aproape real proceseaz\u0103 automat datele satelitare primite, actualizeaz\u0103 h\u0103r\u021bile orezului la intervale de 10-16 zile \u0219i transmit alerte privind datele de plantare, evenimentele de stres hidric \u0219i momentul recolt\u0103rii direct c\u0103tre tablourile de bord guvernamentale sau aplica\u021biile mobile utilizate de fermieri \u0219i agen\u021bii de extindere.<\/p>\n

          Departamentul Orezului din Thailanda \u0219i Ministerul Agriculturii din Vietnam opereaz\u0103 ambele sisteme prototip de acest tip, iar Institutul Interna\u021bional de Cercetare a Orezului sprijin\u0103 dezvoltarea unor capacit\u0103\u021bi similare \u00een Bangladesh \u0219i Cambodgia.<\/p>\n

          4. Integrarea datelor satelitare \u0219i IoT<\/h3>\n

          Senzorii Internet of Things (IoT) utiliza\u021bi \u00een orez\u0103rii, care m\u0103soar\u0103 umiditatea solului, nivelul apei, temperatura \u0219i microclimatul coronamentului, genereaz\u0103 observa\u021bii continue la nivelul solului care completeaz\u0103 \u0219i calibreaz\u0103 datele de teledetec\u021bie prin satelit.<\/p>\n

          Atunci c\u00e2nd re\u021belele de senzori IoT \u0219i observa\u021biile prin satelit sunt combinate \u00een cadre de fuziune a datelor, sistemul de monitorizare rezultat poate detecta stresul hidric, debutul inunda\u021biilor \u0219i presiunea bolilor cu o \u00eencredere mai mare \u0219i un timp de a\u0219teptare mai rapid dec\u00e2t cel oferit de oricare dintre surse \u00een mod independent.<\/p>\n

          5. Agricultur\u0103 digital\u0103 \u0219i agricultur\u0103 inteligent\u0103<\/h3>\n

          Convergen\u021ba dintre cartografierea prin satelit a orezului, detectarea IoT \u0219i asisten\u021ba decizional\u0103 bazat\u0103 pe inteligen\u021b\u0103 artificial\u0103 pune bazele unei orez\u0103rii inteligente, unde deciziile de gestionare, de la momentul iriga\u021biilor p\u00e2n\u0103 la aplicarea \u00eengr\u0103\u0219\u0103mintelor, sunt informate de fluxuri de date explicite din punct de vedere spa\u021bial, aproape \u00een timp real, mai degrab\u0103 dec\u00e2t de reguli generale bazate pe calendar.<\/p>\n

          Programele pilot din prefectura Niigata din Japonia \u0219i din provincia Heilongjiang din China au demonstrat c\u0103 gestionarea precis\u0103 a orezului, bazat\u0103 pe teledetec\u021bie, poate reduce costurile de produc\u021bie prin 15-25%<\/strong> men\u021bin\u00e2nd sau \u00eembun\u0103t\u0103\u021bind \u00een acela\u0219i timp randamentele, conform rapoartelor preliminare ale testelor pe teren din 2024.<\/p>\n

          Concluzie<\/h2>\n

          Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia a evoluat de la o disciplin\u0103 de cercetare academic\u0103 la un instrument opera\u021bional utilizat de guverne, agen\u021bii interna\u021bionale \u0219i platforme agro-tehnologice din Asia \u0219i dincolo de aceasta. Abord\u0103rile multi-senzoriale de serii temporale care combin\u0103 date optice \u0219i SAR, procesate prin clasificatori de \u00eenv\u0103\u021bare automat\u0103 \u0219i deep learning, ofer\u0103 acum \u00een mod curent h\u0103r\u021bi ale suprafe\u021belor de orez la scar\u0103 na\u021bional\u0103 cu precizii generale care dep\u0103\u0219esc 85-90%. Aceste h\u0103r\u021bi rezolv\u0103 nu doar unde cre\u0219te orezul, ci \u0219i de c\u00e2te ori pe an, \u00een ce regim hidric \u0219i prin ce metod\u0103 de stabilire.<\/p>\n

          Trecerea dincolo de simpla cartografiere a zonelor de orez la clasificarea tipurilor culturale este ceea ce transform\u0103 un produs al acoperirii terestre \u00eentr-un atu al inteligen\u021bei agricole. Cunoa\u0219terea faptului c\u0103 o regiune a trecut de la orezul transplantat la cel sem\u0103nat direct pe parcursul unui deceniu semnaleaz\u0103 simultan schimb\u0103ri pe pia\u021ba muncii \u0219i epuizarea p\u00e2nzei freatice. Cunoa\u0219terea zonelor hr\u0103nite cu ploaie sunt cele mai vulnerabile la perioadele de secet\u0103 de la \u00eenceputul sezonului, identificate prin modelele lor spectrale temporale, permite un r\u0103spuns pre-pozi\u021bionat la secet\u0103, mai degrab\u0103 dec\u00e2t un ajutor reactiv \u00een caz de dezastru. Teledetec\u021bia face posibil acest nivel de inteligen\u021b\u0103 spa\u021bial\u0103 la o frac\u021biune din costul programelor echivalente de studiu al terenului.<\/p>","protected":false},"excerpt":{"rendered":"

          Orezul hr\u0103ne\u0219te peste 3,5 miliarde de oameni la nivel global, \u00eens\u0103 mai pu\u021bin de 601.300 de zone cultivate cu orez au h\u0103r\u021bi de cultivare precise \u0219i actualizate, potrivit Organiza\u021biei Interna\u021bionale a Orezului...<\/p>","protected":false},"author":210157960,"featured_media":13326,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1378],"tags":[],"class_list":["post-13324","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-remote-sensing"],"acf":[],"yoast_head":"\nMapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/geopard.tech\/ro\/blog\/cartografierea-modelului-de-cultivare-a-orezului-si-a-tipului-cultural-folosind-teledetectia\/\" \/>\n<meta property=\"og:locale\" content=\"ro_RO\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture\" \/>\n<meta property=\"og:description\" content=\"Rice feeds more than 3.5 billion people globally, yet less than 60% of rice-growing areas have accurate, up-to-date cultivation maps, according to the International Rice...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/geopard.tech\/ro\/blog\/cartografierea-modelului-de-cultivare-a-orezului-si-a-tipului-cultural-folosind-teledetectia\/\" \/>\n<meta property=\"og:site_name\" content=\"GeoPard - Precision agriculture Mapping software\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/geopardAgriculture\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-31T18:21:25+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-31T18:47:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing-1024x576.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"dementievgeopard\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:site\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:label1\" content=\"Scris de\" \/>\n\t<meta name=\"twitter:data1\" content=\"dementievgeopard\" \/>\n\t<meta name=\"twitter:label2\" content=\"Timp estimat pentru citire\" \/>\n\t<meta name=\"twitter:data2\" content=\"26 de minute\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"},\"author\":{\"name\":\"dementievgeopard\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\"},\"headline\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing\",\"datePublished\":\"2026-05-31T18:21:25+00:00\",\"dateModified\":\"2026-05-31T18:47:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"},\"wordCount\":5536,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"articleSection\":[\"Remote Sensing\"],\"inLanguage\":\"ro-RO\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\",\"url\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\",\"name\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"datePublished\":\"2026-05-31T18:21:25+00:00\",\"dateModified\":\"2026-05-31T18:47:12+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#breadcrumb\"},\"inLanguage\":\"ro-RO\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"ro-RO\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1\",\"width\":1920,\"height\":1080,\"caption\":\"Mapping Rice-Cropping Pattern and Cultural Type Using Remote Sensing\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/geopard.tech\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"name\":\"GeoPard - Precision agriculture software\",\"description\":\"Precision agriculture Mapping software\",\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"alternateName\":\"GeoPard\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/geopard.tech\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"ro-RO\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\",\"name\":\"GeoPard Agriculture\",\"alternateName\":\"GeoPard\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"ro-RO\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"width\":200,\"height\":200,\"caption\":\"GeoPard Agriculture\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/geopardAgriculture\\\/\",\"https:\\\/\\\/x.com\\\/geopardagri\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/geopard-agriculture\\\/\",\"https:\\\/\\\/www.instagram.com\\\/geopardagriculture\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/dd217733c742620adc57befbbcd84a8a\",\"name\":\"dementievgeopard\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"ro-RO\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g\",\"caption\":\"dementievgeopard\"},\"url\":\"#\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia - GeoPard Agriculture","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/geopard.tech\/ro\/blog\/cartografierea-modelului-de-cultivare-a-orezului-si-a-tipului-cultural-folosind-teledetectia\/","og_locale":"ro_RO","og_type":"article","og_title":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing - GeoPard Agriculture","og_description":"Rice feeds more than 3.5 billion people globally, yet less than 60% of rice-growing areas have accurate, up-to-date cultivation maps, according to the International Rice...","og_url":"https:\/\/geopard.tech\/ro\/blog\/cartografierea-modelului-de-cultivare-a-orezului-si-a-tipului-cultural-folosind-teledetectia\/","og_site_name":"GeoPard - Precision agriculture Mapping software","article_publisher":"https:\/\/www.facebook.com\/geopardAgriculture\/","article_published_time":"2026-05-31T18:21:25+00:00","article_modified_time":"2026-05-31T18:47:12+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing-1024x576.png","type":"image\/png"}],"author":"dementievgeopard","twitter_card":"summary_large_image","twitter_creator":"@geopardagri","twitter_site":"@geopardagri","twitter_misc":{"Scris de":"dementievgeopard","Timp estimat pentru citire":"26 de minute"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#article","isPartOf":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"},"author":{"name":"dementievgeopard","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a"},"headline":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing","datePublished":"2026-05-31T18:21:25+00:00","dateModified":"2026-05-31T18:47:12+00:00","mainEntityOfPage":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"},"wordCount":5536,"commentCount":0,"publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"image":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","articleSection":["Remote Sensing"],"inLanguage":"ro-RO","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","url":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/","name":"Cartografierea modelului de cultivare a orezului \u0219i a tipului cultural folosind teledetec\u021bia - GeoPard Agriculture","isPartOf":{"@id":"https:\/\/geopard.tech\/#website"},"primaryImageOfPage":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"image":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","datePublished":"2026-05-31T18:21:25+00:00","dateModified":"2026-05-31T18:47:12+00:00","breadcrumb":{"@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#breadcrumb"},"inLanguage":"ro-RO","potentialAction":[{"@type":"ReadAction","target":["https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/"]}]},{"@type":"ImageObject","inLanguage":"ro-RO","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#primaryimage","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","width":1920,"height":1080,"caption":"Mapping Rice-Cropping Pattern and Cultural Type Using Remote Sensing"},{"@type":"BreadcrumbList","@id":"https:\/\/geopard.tech\/blog\/mapping-rice-cropping-pattern-and-cultural-type-using-remote-sensing\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/geopard.tech\/"},{"@type":"ListItem","position":2,"name":"Mapping Rice Cropping Pattern and Cultural Type Using Remote Sensing"}]},{"@type":"WebSite","@id":"https:\/\/geopard.tech\/#website","url":"https:\/\/geopard.tech\/","name":"GeoPard - Software pentru agricultur\u0103 de precizie","description":"Agricultur\u0103 de precizie Software de cartografiere","publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"alternateName":"GeoPard","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/geopard.tech\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"ro-RO"},{"@type":"Organization","@id":"https:\/\/geopard.tech\/#organization","name":"GeoPard Agricultur\u0103","alternateName":"GeoPard","url":"https:\/\/geopard.tech\/","logo":{"@type":"ImageObject","inLanguage":"ro-RO","@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","width":200,"height":200,"caption":"GeoPard Agriculture"},"image":{"@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/geopardAgriculture\/","https:\/\/x.com\/geopardagri","https:\/\/www.linkedin.com\/company\/geopard-agriculture\/","https:\/\/www.instagram.com\/geopardagriculture\/"]},{"@type":"Person","@id":"https:\/\/geopard.tech\/#\/schema\/person\/dd217733c742620adc57befbbcd84a8a","name":"dementievgeopard","image":{"@type":"ImageObject","inLanguage":"ro-RO","@id":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/7c09adac9c20b00454199df5a41ea67c812a6c97e948bf109899836ddde31354?s=96&d=identicon&r=g","caption":"dementievgeopard"},"url":"#"}]}},"jetpack_publicize_connections":[],"jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/pdiCPa-3sU","jetpack_featured_media_url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/05\/Mapping-Rice-Cropping-Pattern-and-Cultural-Type-Using-Remote-Sensing.png?fit=1920%2C1080&ssl=1","_links":{"self":[{"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/posts\/13324","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/users\/210157960"}],"replies":[{"embeddable":true,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/comments?post=13324"}],"version-history":[{"count":0,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/posts\/13324\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/media\/13326"}],"wp:attachment":[{"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/media?parent=13324"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/categories?post=13324"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/geopard.tech\/ro\/wp-json\/wp\/v2\/tags?post=13324"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}