مروری بر مدل های مبتنی بر مکان خاص علف‌های هرز

محورهای موضوعی : گیاه پزشکی

رحمان خاکزاد ¹ (دانشکده کشاورزی ساری، سازمان فنی و حرفه ای استان مازندران)
رسول لقمانپور زرینی ² (آموزشکده کشاورزی ساری، دانشگاه فنی و حرفه ای، ساری)
یوسف رمضانی ابوخیلی ³ (آموزشکده کشاورزی ساری، دانشگاه فنی و حرفه ای، ساری)
حیدر قاسمی زرین آبادی ⁴ (آموزشکده کشاورزی ساری، دانشگاه فنی و حرفه ای، ساری)

تاریخ دریافت : 1401/06/19 تاریخ پذیرش : 1401/06/19 تاریخ انتشار : 1400/06/01

کلید واژه: کشاورزی پایدار, جمعیت علف هرز, Weed population, Sensors, الگوریتم‌های تصمیم‌گیری, حسگرها, سم‌پاش‌های هوشمند, Decision algorithms, smart sprayers, sustainable agricultural,

چکیده مقاله :

مدیریت مکان خاص علف هرز یک استراتژی متغیر مدیریت علف هرز در درون یک مزرعه زراعی برای مطابقت با تغییر در مکان، تراکم و ترکیب جمعیت علف هرز است. این مفهوم براساس سه واقعیت استوار است: (1) جمعیت های علف هرز غالبا به طور نامنظم در درون مزارع زراعی توزیع می شوند، (2) حسگرها و سیستم عامل های جدید همراه با فناوری های فضایی (به عنوان مثال GPS، GIS) ابزارهای لازم برای شناسایی و نقشه برداری علف های هرز را فراهم کرده اند، (3) سم پاش ها، ربات ها و کولتیواتورهای مکانیکی هوشمند جدید، امکان سازگاری دقیق مدیریت علف هرز را متناسب با شرایط موجود در هر مزرعه فراهم کرده اند. مدیریت مکان خاص علف هرز دارای پتانسیل واقعی برای ارائه تولید کشاورزی پربارتر و پایدارتر بر مبنای یک روش دقیق تر و پربازده از منابع است. این مقاله روش های مفهومی عمده و جزئیاتی را برای طراحی سیستم های پشتیبانی تصمیم گیری مدیریت مکان خاص علف هرز، پیشرفت های اخیر در استفاده از سیستم عامل ها و حسگرهای از راه دور و زمینی برای جمع آوری و پردازش اطلاعات و تجارب اولیه ترجمه این اطلاعات به محرک های کنترل شیمیایی و فیزیکی علف های هرز از طریق الگوریتم ها و مدل های تصمیم گیری بررسی می کند.

چکیده انگلیسی:

Site-specific weed management (SSWM) is a strategy of varying weed management within a crop field to match the variation in location, density and composition of the weed population. This concept is based on three facts: 1) weed populations are often irregularly distributed within crop fields, 2) new sensors and platforms together with geospatial technologies (e.g., GPS, GIS) have provided the tools required to detect and map weeds, and 3) new smart sprayers, robots and mechanical cultivators have provided the possibility of careful tailoring of weed management to fit the different conditions found in each field. Site-specific weed management has a real potential to deliver a more productive and sustainable agricultural production based on a more precise and resource-efficient approach. This paper reviews the major conceptual approaches and specifications for the design of site-specific weed management decision support systems (SSWM-DSS), recent advances in the use of remote and ground platforms and sensors for information gathering and processing, and initial experiences translating this information into chemical and physical weed control actuations through decision algorithms and models.