Ένα καινοτόμο και ευφυές σύστημα με βάση την τηλεπισκόπηση και μαθηματικά μοντέλα για την βελτίωση της εκτίμησης απόδοσης της σοδειάς

<p align="justify">

'''Πρωτότυπος τίτλος''': An innovative intelligent system based on remote sensing and mathematical models for improving crop yield estimation <br>
'''Συγγραφέας''': Mohamad M. Awad <br>
'''Citation:''' Mohamad M. Awad, An innovative intelligent system based on remote sensing and mathematical models for improving crop yield estimation, Information Processing in Agriculture, Volume 6, Issue 3, 2019,316-325, ISSN 2214-3173,  https://doi.org/10.1016/j.inpa.2019.04.001<br>
'''Πηγή''': [https://doi.org/10.1016/j.inpa.2019.04.001 Science Direct.]<br>

'''Λέξεις κλειδιά:''' απόδοση σοδειάς, περιβάλλον, τηλεπισκόπηση, επεξεργασία εικόνων, εξατμισοδιαπνοή, ευφυές σύστημα <br>
<br>
<br>
<br>
<b> <i> Αντικείμενο Eφαρμογής</i></b> : <i> Εκτίμηση απόδοσης σοδειάς </i> 
<br>
<br>
<br>
'''1.Περίληψη-Στόχος της εφαρμογής:''' <br>
Οι δύο βασικοί περιορισμοί στην χρήση της τηλεπισκόπησης για την εκτίμησης της απόδοσης της σοδειάς συνίστανται: α) στις κλιματικές συνθήκες (νεφοκάλυψη) και β) στην χαμηλή χρονική διακριτική ικανότητα των δορυφορικών εικόνων. Μέχρι πρότινος, οι ως άνω περιορισμοί επιχειρήθηκε να επιλυθούν, από μια σειρά από ερευνητές, μέσω της χρήσης δορυφορικών εικόνων υψηλής χρονικής και χαμηλής χωρικής διακριτικής ικανότητας. Στην παρούσα έρευνα, το πρόβλημα προσεγγίζεται με τη χρήση μαθηματικών μοντέλων, μεθόδων, τεχνικών και ευφυών συστημάτων που βασίζονται σε δεδομένα τηλεπισκόπησης, έτσι ώστε να βελτιωθεί η εκτίμηση της απόδοσης της σοδειάς.<br>
'''2.Σύνδεση με την υπάρχουσα έρευνα:''' <br>
Η παρούσα έρευνα τροποποιεί και βελτιώνει τη μέθοδο που αναπτύχθηκε από τους Bastiaansses and Ali (2003) [5] για  την περιγραφή των χρονικών και χωρικών μεταβολών της υγρασίας του εδάφους, μέσω της χρήσης της εξίσωσης του ενεργειακού ισοζυγίου και του μοντέλου Mapping EvapoTranspiration at high Resolution with Internalized Calibration (METRIC) [1]. Επίσης, το μοντέλο Monteith [2] τροποποιείται με την ανάπτυξη ενός νέου μαθηματικού μοντέλου. <br>
[[ Εικόνα : Ik21_a2_e1.png‎ | thumb| right| Εικόνα 1: Περιοχή μελέτης, Πηγή:[https://doi.org/10.1016/j.inpa.2019.04.001 Science Direct.] ]]

'''3. Περιοχή Μελέτης:''' <br>

Το σύστημα που αναπτύσσεται στην παρούσα μελέτη εφαρμόζεται στην κοιλάδα Bekaa (Εικόνα 1),τη μεγαλύτερη αγροτική περιοχή του Λιβάνου. Οι κύριες καλλιέργειες τις περιοχής είναι το σιτάρι και η πατάτα. Τέλος, στην περιοχή βρίσκονται εγκατεστημένοι δύο σταθμοί Bowe Ratio για την μέτρηση διάφορων κλιματικών παραμέτρων, απαραίτητων για τη διαχείριση της άρδευσης και την εκτίμηση της απόδοσης της σοδειάς.<br> 
'''4. Δορυφορικά Δεδομένα:''' <br>
Χρησιμοποιούνται δορυφορικές εικόνες προερχόμενες από τους δορυφόρους Landsat 7 ETM+ και Landsat8. Η επιλογή των προαναφερόμενων δορυφόρων στηρίζεται στους εξής παράγοντες: <br>
* η ελεύθερη διάθεση των δορυφορικών εικόνων από την ιστοσελίδα του USGS
*  οι μόνες ελεύθερες δορυφορικές εικόνες που έχουν υπέρυθρο, θερμικό κανάλι και υψηλή χωρική διακριτική ικανότητα 60m, εν αντιθέσει με τον δορυφόρο MODIS χωρικής διακριτικής ικανότητας 1000m. <br>
* η συνδυαστική χρήση των δύο δορυφόρων (Landsat 7 & Landsat 8) βελτιώνει την χρονική διακριτική ικανότητα από 16 μέρες, για τον κάθε δορυφόρο χωριστά, σε 8 ημέρες.<br>

'''5. Προεπεξεργασία των δορυφορικών εικόνων:''' <br>
Οι δορυφορικές εικόνες έχουν υποστεί τις παρακάτω διαδικασίες:<br>
* SLC (Scan Line Corrector) – OFF διόρθωση με βάση τη μέθοδο των Scaramuzza et al. (2018) [3] . Τα δεδομένα του Landsat 7 εμφανίζουν κενά από τις 31/05/2003, οπότε και «κατέρρευσε» το SLC. Τα δεδομένα ωστόσο παραμένουν χρήσιμα και διατηρούν τις αρχικές γεωμετρικές και ραδιομετρικές διορθώσεις. Τα εκλιπόντα δεδομένα αντικαθίστανται με δεδομένα από κάποια άλλη Landsat εικόνα, μέσω του γραμμικού μετασχηματισμού της τελευταίας. <br>
* Ατμοσφαιρική διόρθωση, δηλαδή διόρθωση των εικόνων στον αισθητήρα και στη συνέχεια διόρθωση των εικόνων στην επιφάνεια βάσει της μεθόδου Tasumi et al. (2008)[4] για την διόρθωση της επιφανειακής ανακλαστικότητας για το ορατό στα μικροκύματα.<br>
* Διορθώσεις γεωμετρίας. <br>
</p>

'''6. Μεθοδολογία:''' <br>
[[ Εικόνα : Ik21_a2_e3.PNG‎ | thumb| right| Διάγραμμα 1: Νέο μαθηματικό μοντέλο, Πηγή:[https://doi.org/10.1016/j.inpa.2019.04.001 Science Direct.] ]]
<p align="justify">
Τόσο για τις ανάγκες του νέου μαθηματικού μοντέλου, όσο και του ευφυούς συστήματος εφαρμόζεται το μοντέλο Monteith για τον υπολογισμό της συσσωρευμένης βιομάζας και το μοντέλο METRIC για τον υπολογισμό του κλάσματος της εξάτμισης και της πραγματικής εξατμισοδιαπνοής. Με τη χρήση του μοντέλου Monteith υπολογίζεται η συσσωρευμένη βιομάζα σε χρόνο t ως εξής: (kg/ m) (1) ,όπου APAR(t) είναι η απορροφούμενη φωτοσυνθετικά ενεργή ακτινοβολία σε χρόνο t (Wm<sup>-2</sup>)) - συναρτήσει του NDVI (κανονικοποιημένη διαφορά του δείκτη βλάστησης-κανάλια 3 και 4 στον δορυφόρο Landsat) και της ηλιακής ακτινοβολίας- και της αποδοτικότητας της χρήσης φωτός   ε (2) (gMJ<sup>-1</sup>), όπου ε’ ο μέγιστος συντελεστής μετατροπής για την υπέργεια βιομάζα υπό ιδανικές συνθήκες, W το κλάσμα της εξάτμισης και T1 και Τ2 συναρτήσεις θερμοκρασίας(ο<sup>C</sup>). Οι τελευταίες τιμές συλλέγονται είτε μέσω δορυφορικών εικόνων, είτε μέσω των σταθμών Bowe Ratio. Όσον αφορά το κλάσμα της διαπνοής, για τον υπολογισμό χρησιμοποιείται το μοντέλο METRIC, το οποίο κάνει χρήση τόσο των δορυφορικών εικόνων, οι οποίες παρέχουν δεδομένα για την διαθέσιμη ενέργεια και τις ροές θερμότητας σε μεγάλης έκτασης περιοχές για τον υπολογισμό του ενεργειακού ισοζυγίου, όσο και μεθόδους για την εξατμισοδιαπνοή που βασίζονται σε καιρικά δεδομένα. Στα πλαίσια της δεδομένης έρευνας υπολογίζεται επίσης η πραγματική εξατμισοδιαπνοή.<br>
'''6.1 Ανάπτυξη του νέου μαθηματικού μοντέλου:''' <br>
Αναπτύσσεται στην παρούσα έρευνα έναν νέο μαθηματικό μοντέλο για την εκτίμηση της βιομάζας, που στοχεύει να αντισταθμίσεις τις ελλείψεις των δεδομένων που εξάγονται από τις δορυφορικές εικόνες, παρεμβάλλοντας υπαρκτά δεδομένα και ελαχιστοποιώντας τα σφάλματα.
Στόχος είναι να προσαρμοστεί μια καμπύλη στα δεδομένα για την απόδοση της σοδειάς, που εξάγονται από τις δορυφορικές εικόνες, χρησιμοποιώντας έναν αλγόριθμο βελτιστοποίησης μη γραμμικό και χωρίς περιορισμούς. Συγκεκριμένα, χρησιμοποιείται ο αλγόριθμος “Trust-Region Methods for Nonlinear Minimization”.
Αφού υπολογιστεί η συσσώρευση βιομάζας για κάθε δορυφορική εικόνα βάσει του μοντέλου Monteith, τα δεδομένα για τη βιομάζα και την ημερομηνία συλλογής τους, χρησιμοποιούνται από τον αλγόριθμο βελτιστοποίησης για την παραγωγή του νέου μοντέλου (Διάγραμμα 1).
Έτσι, προκύπτει η νέα συσσωρευμένη βιομάζα από τη σπορά έως και τη σοδειά:
<br>
[[ Εικόνα :Ik21_a2_e7.PNG | center| 200px]]

(kg/ha) , όπου Ν ο αριθμός των ημερών, xi η μέρα i 	ανάπτυξης της καλλιέργειας και Q(xi) η νέα βιομάζα όπως υπολογίστηκε από το μοντέλο και τα τηλεσκοπικά δεδομένα για την ημέρα i. <br>
'''6.2 Ευφυές Σύστημα:''' <br>
Στη συνέχεια αναπτύσσεται το Ευφυές Σύστημα – Intelligence System (IS) για την εκτίμηση της απόδοσης της σοδειάς, έτσι ώστε σε κάθε στιγμή, απρόσκοπτα να μπορεί να εκτελεί τις διαδικασίες και να εξυπηρετεί τη λήψη αποφάσεων, όπως απεικονίζεται στο Διάγραμμα 2:<br>
[[ Εικόνα : Ik21_a2_e4.jpg| center  ]]
<br>
[[ Εικόνα : Ik21_a2_e5.jpg| thumb |right | Εικόνα 2: (a) Δοκιμαστική περιοχή, (b) Πραγματική εξατμισοδιαπνοή και ( c ) Κλάσμα εξάτμισης, Πηγή:[https://doi.org/10.1016/j.inpa.2019.04.001 Science Direct.] ]]

[[ Εικόνα : Ik21_a2_e6.jpg| thumb |left | Εικόνα 3: αριστερά: υπέργεια βιομάζα πατάτας, δεξιά: κόνδυλοι πατάτας, στη δοκιμαστική περιοχή., Πηγή:[https://doi.org/10.1016/j.inpa.2019.04.001 Science Direct.] ]]

<br>
</p>
<p align="justify">
'''7. Χρήσιμα αποτελέσματα και συμπεράσματα:''' <br>
Το Ευφυές Σύστημα χρησιμοποιήθηκε για την εκτίμηση της απόδοσης της σοδειάς της πατάτας στην κοιλάδα Bekka. Χρησιμοποιήθηκαν 7 δορυφορικές εικόνες. Δοκιμαστική περιοχή της κοιλάδας αποτυπώνεται στην Εικόνα 2. Αποτελέσματα που προέκυψαν κατά την χρησιμοποίηση των δορυφορικών εικόνων στην διαδικασία του IS αποτυπώνονται, επίσης, στην Εικόνα 2.<br>
Το IS κατάφερε να εκτιμήσει ικανοποιητικά την απόδοσης της σοδειάς της πατάτας (Εικόνα 3).Tα αποτελέσματα του IS διασταυρώθηκαν τόσο με την πραγματική σοδειά, όσο και με τις εκτιμήσεις καλλιεργητών πατάτας. Και στις δύο περιπτώσεις διαπιστώθηκε συμφωνία των αποτελεσμάτων της τάξης του 96%. <br>
Γενικό συμπέρασμα αποτελεί πως το ευφυές σύστημα που αναπτύχθηκε, πέρα από βελτιώσεις – διευρύνσεις που επιδέχεται (λ.χ. προσθήκη επιπλέον χαρακτηριστικών, διαχείριση περισσότερων αγροτικών πρακτικών) , είναι ακριβές και αξιόπιστο ως προς την εκτίμηση της απόδοσης της σοδειάς.<br>
<br>
<br>
<br>
<br>

== ΑΝΑΦΟΡΕΣ: ==


[1] Allen R, Tasumi M, Trezza R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC) model, Journal of Irrigation and Drainage Engineering, Volume 133, Issue 4, July 2007, 380-394, 10.1061/(ASCE)0733-9437(2007)133:4(380). <br>
[2] Monteith, J. (1972), Solar Radiation and Productivity in Tropical Ecosystems. Journal of Applied Ecology, 9(3), 747-766, https://doi.org/10.2307/2401901. <br>
[3] Scaramuzza P, Micijevic E, Chander G. SLC gap-filled productsphase one methodology; 2018,link: https://landsat.usgs.gov/documents/SLC_Gap_Fill_Methodology.pdf <br>
[4] Tasumi M, Allen R, Trezza R. At-surface albedo from Landsat and MODIS satellites for use in energy balance studies of evapotranspiration. J Hydrol Eng 2008;13:51–63 <br>
[5] Wim G.M. Bastiaanssen, Samia Ali A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan, Agriculture, Ecosystems & Environment, Volume 94, Issue 3,2003, 321-340, ISSN 0167-8809, https://doi.org/10.1016/S0167-8809(02)00034-8.
</p>

 [[category:Πρόβλεψη φυτικής απόδοσης]]