یک سیستم کشاورزی مبتنی بر داده های بزرگ برای کاربردهای سنجش زیستی از راه دور

هدف: این مطالعه به بررسی دو مدل کشاورزی مبتنی بر داده های بزرگ (BD) می پردازد که توسط موسسه ملی غذا و کشاورزی (NIFA) پشتیبانی می شوند. مزایای سوابق کشاورزی کامل، تکنیک های فنوتیپ کارآمد و کار گروهی در ترویج کشاورزی را بررسی می کند و نقش پیشرفت های تکنولوژیکی مانند حسگرها، روباتیک، یادگیری ماشینی (ML)، تجزیه و تحلیل داده های بزرگ، سنجش از دور، و ژنومیکس را در پرداختن به غذا، مواد غذایی جهانی و مسائل امنیتی آب برجسته می کند. اهداف اولیه این مطالعه بررسی مزایای حفظ سوابق کشاورزی دقیق برای اصلاح نژاد و زراعت بهتر، بررسی استراتژی هایی برای فنوتیپ سازی کارآمد و جمع آوری داده ها در سیستم های کشاورزی، سپس حمایت از تعامل بین اصلاح کنندگان گیاه، دانشمندان کشاورزی، و متخصصان ML، سنجش زیستی از راه دور (RBS) و BD، و برای تعیین الزامات مالی برای پیشرفت مداوم کشاورزی مبتنی بر مدل های BD بود. مواد و روش ها: پایگاه داده AVIRIS Indian Pines در این آزمایش ها مورد استفاده قرار گرفت. پایگاه داده Indian Pines صنعت کشاورزی را در بر می گیرد. مجموعه داده از ۱۶ گروه مختلف تشکیل شده است. در این مطالعات از یک لپ تاپ Intel i۵ با واحد پردازش مرکزی (CPU) ۲.۴ گیگاهرتز (چهار هسته) و ۱۶ گیگابایت حافظه استفاده شد. نتایج: ادغام فناوری، از جمله حسگرها، سنجش از راه دور، ربات ها و تجزیه و تحلیل BD، فنوتیپ سازی با توان بالا و کشاورزی دقیق را افزایش می دهد. همکاری چند رشته ای پرورش و مدیریت محصول را تسریع می کند. تامین مالی آینده برای مدل های یادگیری ماشینی پیش بینی کننده و تکنیک های فنوتیپ مقیاس پذیر مورد نیاز است.نتیجه گیری: تجزیه و تحلیل BD، سنجش از دور، و یادگیری ماشینی توانایی تغییر زراعت و اصلاح نباتات را دارند و مسائل مربوط به امنیت غذایی را حل می کنند. همکاری پایدار و سرمایه گذاری زیرساختی کافی برای اجرای موفقیت آمیز ضروری است. به بودجه خاصی که برای توسعه ابزارها و فن آوری های پیشرفته که روش های کشاورزی پایدار را تضمین می کنند، مورد نیاز است.

کلیدواژه ها:

بیوتکنولوژی ، سنجش از دور ، سیستم کشاورزی ، داده های بزرگ