کشاورزی هوشمند ، راهبردی کلیدی برای افزایش بهره‌وری و مدیریت پایدار منابع

به گزارش خبرگزاری صدا و سیمای استان خوزستان، زینب ظاهری عبده‌وند اظهار کرد: با گسترش فناوری‌های نوین، کشاورزی هوشمند به‌عنوان راهبردی کلیدی برای افزایش بهره‌وری و مدیریت پایدار منابع مطرح شده است، اما تجربه‌های اجرایی نشان می‌دهد در غیاب پایش مکانی - زمانی دقیق، بسیاری از برنامه‌های موسوم به کشاورزی هوشمند در عمل به مجموعه‌ای از توصیه‌های عمومی و غیر قابل بومی‌سازی محدود می‌شوند.

وی افزود: در چنین شرایطی تصمیم‌گیری‌های مدیریتی بیش از آنکه داده‌محور باشند مبتنی بر میانگین‌ها و برآورد‌های غیرمکانی باقی می‌مانند چالش بنیادین در این مسیر، نبود داده‌های منسجم، به‌روز و قابل‌اعتماد در مقیاس مزرعه و منطقه است.

این محقق نقش سنجش‌ازدور را محوری دانست و تصریح کرد: سنجش‌ازدور، تنها ابزار عملی برای پایش پیوسته و گسترده سطح زیر کشت، وضعیت پوشش گیاهی و پویایی مکانی - زمانی مزارع است و می‌تواند خلأ داده‌ای را پر کند؛ اما متأسفانه در بسیاری از کاربرد‌های موجود، تصاویر ماهواره‌ای بدون تحلیل رفتار طیفی گیاه، شرایط اقلیمی و اثرات توپوگرافی استفاده می‌شوند.

ظاهری عبده‌وند خاطرنشان کرد: این رویکرد منجر به تولید نقشه‌ها و شاخص‌هایی با دقت بالا، اما قابلیت اعتماد پایین در تصمیم‌سازی کشاورزی می‌شود؛ از سوی دیگر، اگرچه مدل‌های یادگیری ماشین و یادگیری عمیق توانایی بالایی در استخراج الگو‌های پیچیده دارند، اما کاربرد مؤثر آنها بدون درک ارتباط فیزیکی و فیزیولوژیک بین شاخص‌های طیفی، وضعیت رشد گیاه و شرایط محیطی امکان‌پذیر نیست.

وی با بیان اینکه تمرکز صرف بر دقت آماری مدل‌ها مشکل‌ساز شده است تاکید کرد: این تمرکز منجر به تولید مدل‌هایی شده که اگرچه از نظر عددی قابل قبول‌اند، اما به دلیل عدم تفسیرپذیری و نادیده گرفتن ناهمگنی مکانی، در عمل قابلیت انتقال و استفاده در مدیریت مزرعه را ندارند.

محقق مرکز تحقیقات خوزستان چالش اصلی را فقدان چارچوب تحلیلی تلفیقی عنوان کرد و گفت: چالش اصلی کشاورزی هوشمند در کشور، کمبود الگوریتم یا داده ماهواره‌ای نیست بلکه فقدان چارچوب‌های تحلیلی تلفیقی است که بتوانند داده‌های سنجش از دور، شاخص‌های طیفی، اطلاعات توپوگرافی و متغیر‌های اقلیمی را به‌صورت هدفمند ترکیب کرده و آنها را به خروجی‌های قابل‌تفسیر برای تصمیم‌گیران تبدیل کنند.

وی توسعه سامانه‌های داده‌محور را راه‌حل خواند و افزود: توسعه سامانه‌های داده‌محور مبتنی بر این رویکرد می‌تواند زمینه‌ساز گذار از نقشه‌های توصیفی به تحلیل‌های مسئله‌محور و عملیاتی شود این سامانه‌ها باید به‌گونه‌ای طراحی شوند که خروجی آنها علاوه بر دقت، از نظر علمی قابل‌تفسیر بوده و نقش هر متغیر مکانی در نتیجه نهایی مشخص باشد.

ظاهری عبده‌وند به ضرورت آموزش تاکید کرد و گفت: هم‌زمان، آموزش‌های کاربردی با تمرکز بر تفسیر داده‌های سنجش از دور و استفاده صحیح از مدل‌های هوش مصنوعی می‌تواند فاصله میان تحلیل‌های تخصصی و نیاز‌های اجرایی بخش کشاورزی را کاهش دهد.

وی با ترسیم چشم‌انداز آینده یادآور شد: تحقق واقعی کشاورزی هوشمند مستلزم عبور از استفاده صرف از تصاویر ماهواره‌ای و حرکت به سمت تحلیل‌های یکپارچه مکانی - زمانی است، تحلیل‌هایی که به طور مستقیم زمینه‌ساز مدیریت بهینه منابع آب، پایش تنش‌های گیاهی، بهینه‌سازی مصرف نهاده‌ها و پیش‌بینی عملکرد محصولات خواهند بود تنها در این صورت است که سنجش از دور و هوش مصنوعی می‌توانند از سطح ابزار‌های تحقیقاتی فراتر رفته و به عناصر کلیدی تصمیم‌سازی در کشاورزی کشور تبدیل شوند.