ترکیب روش های سنجش ازدور با اینترنت اشیا و یادگیری ماشین برای افزایش عملکردمحصول، مدیریت و نظارت بر سیستم های سبز عمودی

شهرنشینی اثرات تغییرات آب و هوایی را تشدید کرده است و توسعه استراتژی های نوآورانه برای سازگاری و کاهش آن را ضروریمی کند. سیستم های سبز عمودی (VGS) به عنوان یک راه حل مبتنی بر طبیعت است، با توجه به مشغله های زیاد شهر نشینانو جهت رسیدگی به گیاهان زمان زیادی نمی توانند صرف کنند نظارت خودکار بر این سیستم ها ضروری به نظر می رسد، اینمقاله سیستمی برای کاهش اثرات منفی جزایر حرارتی شهری پیشنهاد کرده است. این مطالعه از روش های سنجش از دور ویادگیری ماشین و IOT برای نظارت بر VGS استفاده کرده است. از شاخص های حرارتی هایپراسپکترال و RGB برای تشخیصزودهنگام استرس گیاهان بهره برده شده است. دقت تشخیص بین ۸۵ تا ۹۱ بود است و همچنین استفاده از مدل اختلاط کاذبمحصول به عملکرد ۷۶.۹ ٪ دست یافت که ۱۲.۵ ٪ بهتر از روش موجود سنتی با مجموعه داده یکسان از مزرعه عمودی سرپوشیدهاز این نوع است. نقشه های استرس بر اساس روشهای غیر مخرب تهیه شده که میتواند به عنوان سیستم پشتیبان تصمیم گیریمکانی برای مدیریت آبیاری VGS استفاده شود. این مقالها از نظر هدف کاربری و از نظر روش و راهبرد تحقیق، توصیفی- تحلیلیو کیفی است.

کلیدواژه ها:

سنجش از دور ، یادگیری ماشین ، سیستم های سبز عمودی ، اینترنت اشیا (IOT) ، مدیریت ابیاری