نقشه برداری محصولات کشاورزی در مزارع کوچک با استفاده از پهپاد و ز یرساخت محاسبات ابری جغرافیایی و الگوریتم کرم ابریشم

مزارع کوچک نقش مهمی در تولید کشاورزی، امنیت غذایی و رشد اجتماعی-اقتصادی در بسیاری از کشورهای در حال توسعهدارند. با این حال، این مزارع عموما منابع کافی برای استفاده کامل از پتانسیل خود را ندارند. به همین دلیل، نیازمند راه حل هاینوآورانه، مبتنی بر شواهد و با هزینه کمتر برای بهینه سازی بهره وری خود هستند. اخیرا، روشهای کشاورزی دقیق که توسط وسایلنقلیه هوایی بدون سرنشین (UAV) تسهیل میشوند، در بخش کشاورزی محبوبیت یافته اند و پتانسیل بزر گی برای استفاده در مزارعکوچک دارند. علاوه بر این، پیشرفت های در رایانش ابری جغرافیایی، امکانات جدید و هیجان انگیزی در عرصه سنجش از دورایجاد کرده است. با توجه به ا ین تحولات اخیر، هدف این مطالعه بررسی و نشان دادن کاربرد استفاده از قابلیت های پیشرفته پردازشتصویر پلتفرم رایانش ابری جغرافیایی Google Earth Engine (GEE) برای پردازش و تحلیل تصاویر UAV چندطیفی با وضوحبسیار بالای مکانی برای نقشهبرداری از کاربری اراضی و پوشش زمین (LULC) در مزارع کوچک بود. نتایج نشان داد که LULC میتواند با وضوح مکانی ۰.۵۰ متر و دقت کلی ۹۱ درصد نقشه برداری شود. به طور کلی، ما دریافتیم که GEE پلتفرمی بسیار مفیدبرای انجام تحلیل های پیشرفته تصویر بر روی تصاویر UAV و ارتباط سریع نتایج است. علیرغم محدودیت های مطالعه، یافته هایارائه شده در اینجا بسیار امیدوارکننده هستند و به وضوح نشان می دهند که چگونه می توان از روش های کشاورزی مدرن برایتسهیل مدیریت بهتر کشاورزی در مزارع کوچک استفاده کرد.همچنین در این مقاله، یک روش جدید برای تخلیه بار داده های پهبادبه سرورهای مناسب ارائه میدهیم. چالش اصلی این است که تصاویر و داده های GPS پهبادها به صورت لحظ های به سرور ارسالمیشوند و در صورتی که سرور در آن لحظه توان پردازشی کافی نداشته باشد، ممکن است داده ها از دست بروند. برای حل اینچالش، از الگوریتم بهینه سازی کرم ابریشم (SMA) استفاده می کنیم. این الگوریتم که از رفتارهای اجتماعی کرم های ابریشم درطبیعت الهام گرفته است، بهترین سرور را برای پردازش داده های پهباد انتخاب می کند. نتای ج آزمایش ها نشان میدهند که استفاده ازSMA میتواند به طور قابل توجه ی کارایی سیستم را بهبود بخشیده و از دست رفتن داده ها جلو گیری کند.

کلیدواژه ها:

مزارع کوچک ، پهپادها ، را یانش ابری جغرافیایی ، پوشش زمین ، یادگیری ماشین