📄 agriculture

Traceable acquisition and processing workflow for multispectral drone monitoring of orchards

تقدم هذه الورقة سير عمل لتتبع عمليات الاستحواذ والمعالجة لمراقبة البساتين باستخدام طائرة DJI Mavic 3 Multispectral المسيرة، حيث تفصل بروتوكولاً شاملاً من تخطيط المهمة إلى ضبط الجودة، والذي تم تقييمه باستخدام بيانات من بساتين الدوريان في ماليزيا لتمكين تتبع مصدر البيانات القابل للتكرار وتحديد مجالات التحقق المستقبلي.

المؤلفون الأصليون: Stanley Sait Agusti, Bernard Maringgal, Mohd Effendi Wasli, Mohamad Hasnul Bolhassan, Siti Nurbaidzuri Reli@Raily, Liew Siaw Hong, Frankie Lanying

نُشر 2026-10-12

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Stanley Sait Agusti, Bernard Maringgal, Mohd Effendi Wasli, Mohamad Hasnul Bolhassan, Siti Nurbaidzuri Reli@Raily, Liew Siaw Hong, Frankie Lanying

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في قلب الزراعة الحديثة، تحدث ثورة هادئة فوق الأشجار. لطالما اعتمد المزارعون والعلماء على الأقمار الصناعية لمراقبة المحاصيل من الفضاء، لكن تلك الرؤى غالبًا ما تكون بعيدة جدًا بحيث لا تستطيع رؤية الاختلافات الدقيقة بين الأشجار الفردية في البستان. أما الاستكشاف على مستوى الأرض، حيث يسير الشخص عبر الصفوف، فيقدم تفاصيل دقيقة ولكنه يفتقر إلى الصورة الشاملة وهو بطيء في تغطية المساحات الكبيرة. وهنا يأتي دور الطائرة بدون طيار (الدرون)، وهي طائرة صغيرة يمكنها التحليق بارتفاع كافٍ لالتقاط صور حادة لكل شجرة، ومنخفض بما يكفي لرصد الحالة الصحية لفرع واحد بعينه. ولجعل هذه الصور مفيدة، يجب أن تكون أكثر من مجرد صور جميلة؛ بل يجب أن تكون قياسات دقيقة. وهذا يتطلب مجموعة صارمة من القواعد لكيفية طيران الطائرة، وكيفية قياس الضوء، وكيفية دمج الصور مع بعضها البعض. فبدون هذه القواعد، قد يكون تغير لون الشجرة في الصورة مجرد تغيير في الطقس أو في وقت اليوم، وليس تغيرًا حقيقيًا في صحة الشجرة.

لقد شرع فريق من الباحثين في سارواك، ماليزيا، في بناء واختبار دليل واضح وخطوة بخطوة لاستخدام الطائرات بدون طيار لمراقبة بساتين الدوريان. ركزوا على طراز محدد من الطائرات بدون طيار مجهز بكاميرات لا ترى فقط الألوان التي يراها البشر، بل وأيضًا الضوء غير المرئي الذي تعكسه النباتات. لم يكن هدفهم ابتكار طريقة جديدة للطيران، بل إنشاء نظام موثوق لتسجيل البيانات. أرادوا التأكد من أنه إذا قام شخص ما بتطيير نفس الطائرة فوق نفس البستان في العام المقبل، فيمكنه مقارنة النتائج بثقة. استعرض الفريق ثلاثة بساتين محددة للدوريان سبق لهم مسحها، حيث راجعوا ملاحظاتهم وبياناتهم لمعرفة ما إذا كانوا قد سجلوا معلومات كافية لإثبات كيفية التقاط الصور بدقة. ووجدوا أنه بينما كان بإمكانهم إعادة بناء الرحلة بأكملها بنجاح، بدءًا من خطة الطيران وصولاً إلى الخريطة النهائية، إلا أن بعض القطع الحيوية في اللغز كانت مفقودة، مما منعهم من الادعاء بأن النتائج كانت قياسات دقيقة تمامًا للحالة الحقيقية للأشجار.

بدأ الباحثون بفحص الرحلات التي أجروها بالفعل فوق ثلاث كتل من أشجار الدوريان، اثنتان في سري أمان وواحدة في تاباه. استخدموا طائرة بدون طيار تحمل كاميرا قياسية لالتقاط الصور الملونة ومستشعرًا خاصًا يلتقط أربعة نطاقات مختلفة من الضوء، بما في ذلك الأشعة تحت الحمراء القريبة، وهي ضرورية لفهم صحة النبات. طار الفريق على ارتفاعات مختلفة، تتراوح من 70 مترًا إلى 100 متر فوق سطح الأرض، اعتمادًا على حجم كتلة البستان. عند هذه الارتفاعات، استطاعت الكاميرا رؤية تفاصيل صغيرة تصل إلى 3.23 سنتيمتر أو 4.60 سنتيمتر لكل بكسل. طاروا بنمط شبكي، مما يضمن تداخل كل صورة مع التي تليها بنسبة تتراوح بين 75 إلى 80 بالمائة، وهي تقنية تسمح للبرامج بدمج الصور معًا في خريطة واحدة سلسة. وخلال هذه الرحلات، سجلت الطائرة وقت اليوم، وسرعة الرياح، وسطوع ضوء الشمس، وكلها عوامل يمكن أن تغير مظهر النبات في الصورة الفوتوغرافية.

بمجرد جمع البيانات، قام الفريق بمعالجتها لإنشاء أنواع مختلفة من الخرائط. فقد أنتجوا خرائط "أورثوموزايك" (orthomosaics) ملونة وواضحة، وهي تشبه الصور الجوية عالية الدقة للبستان، تظهر تخطيط الأشجار، والممرات الترابية، والمناظر الطبيعية المحيطة. كما أنشأوا خرائط تعتمد على نطاقات الضوء غير المرئي، مما سمح لهم بحساب مؤشرات الغطاء النباتي. هذه المؤشرات هي قيم عددية تشير إلى مدى اخضرار وصحة النباتات. على سبيل المثال، أنتجوا خرائط تظهر "مؤشر الفرق الطبيعي للغطاء النباتي" (NDVI)، وهو مقياس شائع لحيوية النبات. نجح البرنامج في دمج آلاف الصور الفردية في هذه الخرائط الكبيرة، واستطاع الفريق تتبع كل خطوة من العملية، من الصور الخام إلى الطبقات الملونة النهائية. وقد أثبت هذا أن سير العمل الذي اقترحوه كان وظيفيًا ويمكنه إنتاج المنتجات المرئية المطلوبة.

ومع ذلك، كشفت الدراسة أيضًا عن فجوات كبيرة في سجلاتهم تحد من مدى إمكانية الوثوق بهذه الخرائط لاتخاذ قرارات زراعية جادة. فبينما كان لدى الفريق السجلات الداخلية للطائرة بشأن ضوء الشمس، إلا أنهم لم يستخدموا لوحًا أبيض معايرًا (calibrated white board) على الأرض لقياس الضوء بدقة. وبدون هذه الحقيقة الأرضية، تمثل الأرقام في الخرائط سطوعًا نسبيًا وليس انعكاسًا مطلقًا ومثبتًا علميًا. وهذا يعني أنه بينما يمكن للخرائط أن تظهر أي الأشجار تبدو أكثر اخضرارًا من غيرها في صورة واحدة، فمن الصعب التأكد مما إذا كانت الشجرة صحية حقًا أم أن الاختلاف ناتج فقط عن تغير في السحب أو زاوية الشمس. علاوة على ذلك، وبينما استخدمت الطائرة نظام تحديد مواقع عالي الدقة لمعرفة موقعها، لم يضع الفريق نقاط تحقق مستقلة على الأرض للتحقق من الموقع الدقيق لكل نقطة على الخريطة. لقد استخدموا نفس النقاط لتوجيه الخريطة وللتحقق منها، وهو أمر يشبه مراجعة عملك الخاص دون وجود عين ثانية تدقق خلفك.

خلص الباحثون إلى أن سير العمل المقترح ممتاز لتنظيم البيانات وإنشاء تاريخ واضح لكيفية إجراء المسح، ولكنه ليس بعد برهانًا علميًا كاملًا على حالة الأشجار. فالخرائط التي أنتجوها قيمة لتحديد المناطق التي تحتاج إلى فحص دقيق، مثل قسم من البستان يبدو بنيًا أو نادرًا بشكل غير عادي. لكن الدراسة تنص صراحة على أن هذه الخرائط لا يمكن استخدامها بعد لتشخيص مشكلات محددة مثل نقص المغذيات، أو الأمراض، أو الإجهاد المائي بيقين. وللقيام بذلك، ستحتاج عمليات المسح المستقبلية إلى فحوصات أكثر صرامة، مثل وضع لوحات عاكسة للضوء معروفة على الأرض وقياس صحة الأشجار مباشرة من خلال عينات التربة والأوراق. وتعمل هذه الدراسة كنموذج لما يجب تسجيله لجعل مراقبة الطائرات بدون طيار موثوقة، مؤكدة أن التكنولوجيا جاهزة للتحليق، لكن علم تفسير البيانات لا يزال يحتاج إلى بعض القطع الإضافية من الأدلة ليكون جديرًا بالثقة تمامًا.

أبحاث مشابهة