تخمین عملکرد، سطح نیتروژن و پوشش گیاهی محصول سیر به کمک حسگر مجاورتی GreenSeeker

نوع مقاله : مقاله پژوهشی

نویسندگان

1 فارغ التحصیل کارشناسی ارشد، مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

2 مکانیک بیوسیستم - دانشکده کشاورزی - دانشگاه بوعلی سینا- همدان

3 دانشیار، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

10.22034/jrmam.2022.10054.523

چکیده

بهره‌گیری از حسگر‌های مجاورتی در ارزیابی سلامتی گیاه، مقدار کود مورد نیاز و همچنین تخمین عملکرد محصول، یکی از روش‌های نوین در حوزه کشاورزی دقیق محسوب می‌شوند. حسگر نوری (GS) GreenSeeker از جمله ابزارهایی است که اخیرا مورد توجه بسیاری از محققان و کشاورزان قرار گرفته است. بررسی دقیق متغیرهای ذکر شده بالا و همچنین اندازه‌گیری شاخص کانوپی می‌تواند مدیریت تولید را بهبود ببخشد و همچنین مصرف نهاده‌ها را حداقل کند. بنابراین ارزیابی سطح کانوپی و نیتروژن (N) گیاه و هم‌چنین تخمین عملکرد محصول با استفاده از این شاخص از اهداف اصلی این پژوهش هستند. آزمایش‌ها در قالب طرح بلوک‌های کامل تصادفی و در 3 تکرار با 5 تیمار کود N0، N50، N100، N150 و N200 انجام شد و شاخص سطح برگ (LAI) با استفاده از پردازش تصویر بدست آمد. در تخمین کانوپی، بهترین تابع تفکیک خاک از سطح برگ، تابع G-R معرفی شد و بیشترین همبستگی بین دو شاخص NDVI و LAI، 69/0 بدست آمد. ولی در هیچ کدام از مراحل رشد همبستگی معنا‌داری بین شاخص NDVI و سطوح N پیدا نشد. در بررسی سطح N، نتایج نشان داد که حسگر GS مناسب نیست، ولی در برخی از مراحل رشد توانایی تقریبا مناسبی در تخمین عملکرد غده سیر داشت. از مهم‌ترین یافته‌های این تحقیق، رابطه مناسب دو شاخص NDVI و LAI است. لذا می‌توان گفت که حسگر GS می‌تواند جایگزین مناسبی برای اندازه‌گیری شاخص کانوپی محصول سیر باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of yield, nitrogen status and canopy coverage of garlic crop using GreenSeeker sensor

چکیده [English]

The use of optical sensors in assessing crop health, plant fertilizer demand, and yield prediction is the new method in the agricultural sector. Grennseeker optical sensor is one of the latest tools that has recently gotten much attention from worldwide farmers and researchers. Detailed examination of the variables mentioned above and measuring canopy coverage can improve production management and minimize input consumption. Therefore, this study aimed to investigate the GS sensor's ability to assess the nutritional status and surface area of the canopy and predict the performance of the garlic crop. In this research, five N-fertilizer treatments of N0, N50, N100, N150, and N200 were applied to garlic in a randomized complete block design with three replications. The image processing results in Labview software showed that the best separation performance for the elimination of background from the canopy could be achieved with the function of G-R. The results revealed that the best correlation coefficient between NDVI and LAI was 0.69, but no significant relationship was found between N and NDVI. Finally, it can be concluded that the GS could not estimate the N level of garlic. However, it could perform well in estimating tuber yield and canopy performance  satisfactorily. 

کلیدواژه‌ها [English]

  • Image processing
  • Greenness Index
  • Garlic
  • Yield
  • GreenSeeker
  • Nitrogen
  • Precision farming