هرساله زمینهای زراعی توسط پایشگران خبره و کارآزموده صندوق بیمه کشاورزی جهت برآورد میزان عملکرد محصولات کشاورزی طی عملیات پایش دادههای زمینی بررسی میشوند. درصورتیکه مخاطرات طبیعی، سوانح و حوادث قهری حادث شود، برای آن ناحیه طرح غرامت تهیه میگردد. با توجه به اینکه فرآیند پایش زمینی توسط این عوامل دارای پیچیدگیها و همچنین هزینههای زیادی است و تا حدودی نظارت بر انجام چنین فرآیندهایی سخت و طاقتفرسا میباشد، این موضوع از چالشهای صندوق بیمه کشاورزی به شمار میرود. برای برطرفکردن این مسئله امروزه پایش محصولات کشاورزی و پیشبینی صحیح میزان عملکرد آنها بخصوص برای گندم دیم، بهعنوان یکی از غلات استراتژیک در چرخه غذایی کشور، با استفاده از دادههای سنجش از دور و روشهای یادگیری ماشین انجام میشود. هدف از این تحقیق استفاده از دادههای سنجشازدور (ماهوارهای و راداری) با رزولوشنهای زمانی و مکانی بالا جهت پایش محصولات کشاورزی و مخصوصاً گندم دیم است. تاکنون روشهای متنوعی در پایش زمینهای کشاورزی استفاده شده که معمولاً محدود به ناحیه و اقلیم خاصی بوده است؛ اما این پژوهش برای کل نواحی اقلیمی ایران انجام میشود. همچنین با استفاده از دادههای پایش زمینی و سایر اطلاعات، با استفاده از روشهای یادگیری ماشین مدلی طراحی میگردد و تحت وب استفاده خواهد شد. مراحل این پژوهش شامل: شناسایی و پیداکردن بهترین منابع داده/ استخراج دادههای سنجشازدور و شاخصهای مختلف برای پایش محصولات کشاورزی/ ذخیرهسازی اطلاعات در پایگاهداده مکانی/ مدلسازی/ ارزیابی نتایج و گرفتن خروجی موردنیاز میباشد. خروجی یا خروجیهای مورد انتظار این پژوهش، برآورد میزان عملکرد محصولات کشاورزی با استفاده از دادههای سنجش از دور، نقشههای عملکرد گندم دیم برای نواحی اقلیمی مختلف، ایجاد بستر تحت وب جهت پایش محصولات کشاورزی، تشخیص عوامل خطر و میزان خسارت ایجاد شده هستند.
ضرورت مسئله:
هرساله زمینهای زراعی توسط پایشگران خبره و کارآزموده صندوق بیمه کشاورزی جهت برآورد میزان عملکرد محصولات کشاورزی طی عملیات پایش دادههای زمینی بررسی میشوند. درصورتیکه مخاطرات طبیعی، سوانح و حوادث قهری حادث شود، برای آن ناحیه طرح غرامت تهیه میگردد. با توجه به اینکه فرآیند پایش زمینی توسط این عوامل دارای پیچیدگیها و همچنین هزینههای زیادی است و تا حدودی نظارت بر انجام چنین فرآیندهایی[رضا1] سخت و طاقتفرسا میباشد، این موضوع از چالشهای صندوق بیمه کشاورزی به شمار میرود. برای برطرفکردن این مسئله امروزه پایش محصولات کشاورزی و پیشبینی صحیح میزان عملکرد آنها بخصوص برای گندم دیم، بهعنوان یکی از غلات استراتژیک در چرخه غذایی کشور، با استفاده از دادههای سنجش از دور و روشهای یادگیری ماشین انجام میشود. هدف از این تحقیق استفاده از دادههای سنجشازدور (ماهوارهای و راداری) با رزولوشنهای زمانی و مکانی بالا جهت پایش محصولات کشاورزی و مخصوصاً گندم دیم است. تاکنون روشهای متنوعی در پایش زمینهای کشاورزی استفاده شده که معمولاً محدود به ناحیه و اقلیم خاصی بوده است؛ اما این پژوهش برای کل نواحی اقلیمی ایران انجام میشود. همچنین با استفاده از دادههای پایش زمینی و سایر اطلاعات، با استفاده از روشهای یادگیری ماشین مدلی طراحی میگردد و تحت وب استفاده خواهد شد. مراحل این پژوهش شامل: شناسایی و پیداکردن بهترین منابع داده/ استخراج دادههای سنجشازدور و شاخصهای مختلف برای پایش محصولات کشاورزی/ ذخیرهسازی اطلاعات در پایگاهداده مکانی/ مدلسازی/ ارزیابی نتایج و گرفتن خروجی موردنیاز میباشد. خروجی یا خروجیهای مورد انتظار این پژوهش، برآورد میزان عملکرد محصولات کشاورزی با استفاده از دادههای سنجش از دور، نقشههای عملکرد گندم دیم برای نواحی اقلیمی مختلف، ایجاد بستر تحت وب جهت پایش محصولات کشاورزی، تشخیص عوامل خطر و میزان خسارت ایجاد شده هستند.
این فراخوان به درخواست یک شرکت دانشبنیان تولیدی نوع 2 تدوین شده است. این شرکت در سال 1385 فعالیت خود را بهصورت تخصصی در حوزه تولید و توسعه سیستمهای توانمند نرمافزاری آغاز نمود و تاکنون 4 محصول موفق در سبد محصولات خود داشته است. این شرکت تحت حمایت پارک علم و فناوری بوده و عضو «سازمان نظام صنفی رایانه کشور»، دارای پروانه واحد فنیمهندسی از «سازمان صنایع و معادن» و حائز رتبه برتر از شورای عالی انفورماتیک کشور میباشد. در راستای این طرح پژوهشی تاکنون همکاریهایی با صندوق بیمه کشاورزی داشته است؛ لذا این شرکت با وجود این ارتباطات، امکان تسهیل ورود دستاوردهای حاصل از این طرح به بازار را دارد.
- شناسایی بهترین منابع داده: دادههای سنجش شامل Sentinel-2 (سریA و B) و Sentinel-2 (شامل دادههای مدار صعودی و نزولی)، سنجنده MODIS، مستقر بر روی دو سکوی AQUA و TERRA و همچنین دادههای زمینی موردنیاز جهت مدلسازی محصول کشاورزی شناسایی میگردد.
- استخراج دادهها و شاخصهای مختلف: در بازه زمانی فصل رشد برای هر مکان، داده مربوط به محصول کشاورزی استخراج میگردد. از پارامترهای مربوط به مراحل فنولوژیکی (همچون شاخص زادوکس برای گندم دیم) جهت مشخصکردن مراحل اصلی رشد محصول کشاورزی استفاده میگردد.
- ذخیرهسازی اطلاعات در پایگاه داده مکانی: دادههای مزارع و زمینهای کشاورزی مستخرج از دادههای سنجشازدور و زمینی در پایگاه داده مکانی ذخیره میگردد تا در تحلیلهای مکانی از این اطلاعات استفاده گردد.
- مدلسازی: مدلسازی رگرسیون مبنا، بر اساس روشهای آماری و یادگیری ماشین مختلف بر روی دادههای ورودی انجام میگیرد. به دلیل وجود بستههای پردازشی بسیار قوی این مرحله در زبان برنامهنویسی پایتون پیادهسازی میگردد و ارتباط بین پایگاه داده مکانی و محیط برنامهنویسی در این مرحله برقرار میشود.
- ارزیابی نتایج و گرفتن خروجی موردنیاز: مدلهای مختلف بر روی دادههای ورودی مورد ارزیابی قرار میگیرند و مدل و ترکیب دادهای که نتایج بهتری نسبت به بقیه داشته باشد، انتخاب میگردد.
الزامات تحقیق:
- دسترسی به محاسبات فضای ابری گوگل که برای ایران تحریم میباشد و دسترسی به سیستمهای آنلاینی در خارج از ایران برای پردازش است.
- حجم زیاد محاسبات به طوریکه محدودیت پردازش در محاسبات ابری وجود دارد.
- استفاده از دادههای هواشناسی در مدلسازیها که نیاز است این دادهها با فرمت موردنظر در دسترس قرار گیرد.
زیرساختها و تجهیزاتی که متقاضی میتواند در اختیار مجری قرار دهد:
- دادههای پایش زمینی صندوق بیمه کشاورزی طی 4 سال اخیر
- دادههای سامانههای ماهوارهای موجود در GEE
خروجیهای مورد انتظار تحقیق:
- برآورد میزان بازده تولید محصولات کشاورزی با استفاده از دادههای سنجش از دور
- نقشههای عملکرد گندم دیم برای نواحی قلیمی مختلف
- تشخیص عوامل خطر و میزان خسارت ایجاد شده
- دستیابی به مدل با دقت 85 درصد
- مدلسازی با زبان برنامهنویسی پایتون
گلوگاههای احتمالی:
- دسترسی به محاسبات ابری GEE
- یافتن بهترین شاخصها
- دستیابی به مدل زمانی و مکانی مناسب با دقت بالا برای همه نواحی اقلیمی ایران
- مدلسازی با روشهای یادگیری ماشین
- متناسب بودن تحصیلات و سوابق تیم تحقیقاتی با مسئله
- دسترسی به دادهها و سایر الزامات اجرای تحقیق
- زمان و هزینههای اجرای تحقیق
- مالکیت معنوی: مجری در مالکیت معنوی ناشی از اجرای تحقیق سهیم خواهد بود و انتشار مقاله مشترک توسط مجری و متقاضی در ژورنالهای داخلی و خارجی، ارائه مقاله در کنفرانسها و سمینارها با موافقت و اشاره به نام همه دستاندرکاران مجاز خواهد بود.
- مالکیت منافع مادی: با توجه به مدل کسبوکار شرکت متقاضی، منافع مالی ناشی از توسعه این فناوری تماماً متعلق به شرکت متقاضی بوده و مجری صرفاً حقالزحمه اجرای پروژه تحقیقاتی را دریافت خواهد کرد.
شماره تماس:
021-66531044
09025555471
اینستاگرام:
iran.challenges@