Dəqiq kənd təsərrüfatı idarəetmə zonası, tarladakı torpaq və bitki şəraitinin məkan fərqlərinə əsasən oxşar xüsusiyyət göstərən sahələrin ayrıca idarəetmə vahidləri kimi müəyyənləşdirilməsidir. Bu tədqiqat, Qərbi Yunanıstandakı 8 hektarlıq kommersiya yonca tarlasında Sentinel-2 multispektral peyk məlumatlarından hesablanan NDVI, SAVI, EVI və NDWI indekslərini Qeyri-səlis C-Ortalamalar (Fuzzy C-Means, FCM) alqoritmi ilə birləşdirərək ilkin idarəetmə zonaları yaratmış və bu zonaları altı georeferensiyalı kompozit torpaq nümunəsi ilə kəşfiyyat xarakterli qiymətləndirmişdir. FCM iki idarəetmə zonası yaratmışdır. Zone 2; mövcud fosfor, mübadilə olunan kalium, üzvi maddə, ümumi azot, dəmir və sink baxımından Zone 1-dən daha yüksək orta göstəricilər göstərmişdir. Ən güclü fərq Olsen-P-də müşahidə edilmiş; Zone 1 üçün 9.45 ± 2.685 mg kg⁻¹, Zone 2 üçün 62.00 ± 67.880 mg kg⁻¹ bildirilmişdir. Bununla belə, yalnız altı torpaq nümunəsinin istifadə edilməsi, Zone 2-də cəmi iki nümunənin olması, piksel səviyyəli FCM üzvlüklərinin və nümunə nöqtələrinə aid spektral indeks dəyərlərinin saxlanmaması və formal cluster-validity meyarlarının olmaması səbəbindən bu iş qəti gübrələmə qərar sistemi deyil, sahədaxili heterogenliyi müəyyənləşdirməyə yönəlmiş kəşfiyyat xarakterli skrininq yanaşmasıdır.

Tədqiqatın yeniliyi Sentinel-2 və ya FCM-nin təkbaşına istifadəsi deyil. Əsas yanaşma pulsuz peyk təsvirini, açıq mənbəli QGIS/SAGA GIS-i, fuzzy clustering-i və aşağı sıxlıqlı hədəflənmiş torpaq nümunələməsini kiçik Aralıq dənizi kənd təsərrüfatı təsərrüfatlarında tətbiq edilə biləcək vahid, aşağı xərcli iş axınında birləşdirməkdir.

Nəticələr, uzaqdan zondlamadan törədilmiş zonaların bu tarlada ölçülən bəzi torpaq münbitliyi fərqləri ilə istiqamət baxımından uyğun olduğunu göstərir. Lakin spektral nümunələrin yalnız torpaq qida maddələrindən qaynaqlandığı sübut edilməmişdir. Suvarma, biçin vaxtı, bitki sıxlığı, alaq otu, zərərverici və xəstəlik təzyiqi, drenaj, sıxılma və keçmiş gübrələmə kimi ölçülməmiş dəyişənlər eyni spektral nümunələrə töhfə verə bilər.

Niyə bütün tarlanı vahid idarəetmə vahidi kimi qəbul etmək problem ola bilər?

Tarladakı pH, qida elementlərinin əlçatanlığı, üzvi maddə, tekstura və su saxlama qabiliyyəti bir neçə yüz metr daxilində dəyişə bilər. Buna baxmayaraq, ənənəvi idarəetmədə gübrə və ya digər girişlər bütün tarlaya vahid doza ilə tətbiq oluna bilər. Bu halda bəzi sahələr ehtiyacından artıq giriş alarkən, digər sahələr real ehtiyacından az ala bilər.

Dəqiq kənd təsərrüfatında idarəetmə zonası yanaşması bu heterogenliyi birbaşa idarəetmə qərarına daşımağı məqsəd qoyur. Tarla məkan baxımından oxşar torpaq–bitki xüsusiyyətləri göstərən alt sahələrə ayrılır və sonrakı nümunələmə və ya tətbiq planı bu sahələrə uyğun təşkil edilə bilər.

Bu yanaşma iri kənd təsərrüfatı təsərrüfatlarında daha geniş yayılsa da, kiçik və parçalanmış Aralıq dənizi təsərrüfatlarında sıx torpaq nümunələməsi, xüsusi proqram təminatı və dəqiq tətbiq avadanlığının dəyəri mühüm maneə yarada bilər. Tədqiqatın aşağı xərcli dizaynı bu tətbiq boşluğunu hədəfləyir.

Tədqiqat sahəsi

Tədqiqat Yunanıstanın qərbində, Etoloakarnania Prefecture-da yerləşən 8 hektarlıq kommersiya Medicago sativa L., yəni yonca tarlasında aparılmışdır. Tarlanın mərkəzinin təxmini mövqeyi 38.795° N, 20.852° E-dir. Peyk və sahə işləri 2022–2023 vegetasiya dövrü kontekstində həyata keçirilmişdir.

Bölgə Aralıq dənizi iqliminə malikdir: yaylar isti və quraq, qışlar isə daha mülayim və yağıntılıdır. Mənbə bu mövsümiliyin yayın ortalarına doğru torpaq rütubətini azalda biləcəyini və qida maddələrinin hərəkətliliyini, həmçinin yoncanın üst torpaq horizontunun su saxlama və münbitlik xüsusiyyətlərindən asılılığını artıra biləcəyini bildirir.

Tarlanın Digital Elevation Model ilə qiymətləndirilən topoqrafiyası əsasən düzdür. Buna görə mənbə böyük yüksəklik fərqlərinə bağlı su və ya qida maddəsi daşınmasını müşahidə edilən məkan nümunəsinin əsas izahı hesab etmir.

Niyə yonca seçildi?

Yonca çoxillik paxlalı bitkidir, bioloji azot fiksasiyası qabiliyyəti yüksəkdir və xüsusilə fosfor və kalium tələbatı əhəmiyyətlidir. Mənbəyə görə torpaq münbitliyi qradiyentlərinə həssas olması, kanopi reaksiyasında sahədaxili məkan fərqlərinin peyk məlumatlarında görünməsi baxımından uyğun tədqiqat sistemi yaratmışdır.

Sentinel-2 İndeksləri Bu Tədqiqatda Nəyi Ölçür?

Sentinel-2-dən hesablanan NDVI, SAVI və EVI əsasən bitki örtüyünün spektral canlılığını və kanopi reaksiyasını, bu tədqiqatda istifadə edilən NIR–SWIR əsaslı NDWI isə bitki örtüyünün su vəziyyəti ilə əlaqəli spektral dəyişimi təmsil edən göstəricilər kimi istifadə olunmuşdur; bu indekslər torpaq fosforunu və ya kaliumunu birbaşa ölçmür və FCM-yə tarladakı spektral fərqliliyin dörd tamamlayıcı təsvirini verir.

Sentinel-2 təsvirinin seçilməsi

Əsas klasterləşdirmə üçün Sentinel-2A/B Level-2A Bottom-of-Atmosphere səth əksolunma məhsulu istifadə edilmişdir. Seçilmiş təsvir 26 aprel 2022 tarixində T34SDJ tile-dan əldə edilmişdir.

Təsvir seçimi üç əsas meyara əsaslanmışdır: radiometric quality, phenological relevance və field-level interpretability. Tarix, yoncanın biçilməsindən əvvəl kanopinin yüksək inkişaf göstərdiyi dövrə uyğun seçilmişdir. Məqsəd biçin və ya yenidən böyümədən yaranan qısamüddətli dəyişimin təsirini azaltmaqla tarladakı bitki canlılığı fərqlərini daha aydın göstərməkdir.

Mənbə həmçinin biçin tarixçəsi və irrigation timing-in yenə də spektral pattern-i təsir edə biləcək potensial məhdudiyyətlər olduğunu bildirir.

İstifadə edilən Sentinel-2 zolaqları

B11 zolağı digər indeks girişləri ilə ortaq raster grid üzərində işlənə bilməsi üçün bilinear interpolation ilə 20 m-dən 10 m-ə resample edilmişdir. Bu çevrilmə yeni real 10 m SWIR detalı yaratmır. Mənbə kiçik bir tarlada resampling-in smoothing və mixed-pixel təsiri yarada biləcəyini qeyd etdiyindən NDWI nümunələrini digər indekslərə nisbətən daha ehtiyatla şərh edir.

NDVI

Mənbədə Normalized Difference Vegetation Index aşağıdakı kimi hesablanmışdır:

\[ NDVI=\frac{B8-B4}{B8+B4} \tag{1} \]

B8 near-infrared, B4 red əksolunmasıdır. NDVI bitki örtüyünün qırmızı bölgədə işığı udması və yaxın infraqırmızıda güclü əksolunma göstərməsi arasındakı kontrastdan istifadə edir. Bu tədqiqat NDVI-ni tarladakı kanopi canlılığı və sıxlıq fərqlərinin spektral göstəricilərindən biri kimi istifadə edir.

SAVI

Soil Adjusted Vegetation Index:

\[ SAVI= \left[ \frac{B8-B4}{B8+B4+L} \right] (1+L) \tag{2} \]

kimi verilmişdir və tədqiqatda:

\[ L=0.5 \]

istifadə edilmişdir. SAVI-nin rolu bitki örtüyünün altında və ya arasında görünən torpaq fonunun vegetation-index reaksiyasına təsirini azaltmağa kömək etməkdir.

EVI

Enhanced Vegetation Index:

\[ EVI= 2.5 \frac{B8-B4} {B8+6B4-7.5B2+1} \tag{3} \]

şəklindədir. EVI, qırmızı və NIR ilə yanaşı B2 blue bandını da istifadə edən bitki örtüyü göstəricisidir. Tədqiqatda xüsusilə Zone 2-də NDVI və EVI-nin daha yüksək olduğu bildirilmişdir.

NDWI

Bu tədqiqatda Normalized Difference Water Index aşağıdakı formuldur:

\[ NDWI= \frac{B8-B11}{B8+B11} \tag{4} \]

Buradakı NDWI B8 NIR ilə B11 SWIR arasındakı fərqdən istifadə edir. Buna görə məqalə kontekstində açıq səth suyunun xəritələnməsindən daha çox bitki örtüyü və su vəziyyəti ilə əlaqəli spektral dəyişiklik üçün istifadə edilmişdir.

Figure 2 nə göstərir?

Mənbə Figure 2-də eyni tarla sərhədi üzərində NDVI, NDWI, SAVI və EVI xəritələrini ayrı panellərdə göstərir. Bu vizualın elmi vəzifəsi tək bir indeks əvəzinə dörd fərqli spektral təsvirin sahədaxili məkan kontrastını fərqli şəkildə tutduğunu göstərməkdir. Sarı nöqtələr sonradan götürülən torpaq nümunələrinin mövqelərini təmsil edir.

Fuzzy C-Means İdarəetmə Zonalarını Necə Müəyyənləşdirir?

Fuzzy C-Means hər raster pikselini başlanğıcda yalnız bir sinfə məcbur etmək əvəzinə bir neçə klasterə davamlı üzvlük dərəcələri ilə bağlayan klasterləşdirmə alqoritmidir; bu tədqiqatda standartlaşdırılmış NDVI, SAVI, EVI və NDWI təbəqələrindən istifadə etmiş, hər piksel iki klasterə üzvlük almış və yekun Zone 1/Zone 2 xəritəsində piksel ən yüksək üzvlüyə malik olduğu klasterə təyin edilmişdir.

Niyə hard clustering əvəzinə fuzzy clustering?

Kənd təsərrüfatı dəyişənləri çox vaxt kəskin sərhədlərlə dəyişmir. Məsələn, torpaq teksturası, rütubət və ya qida maddəsi səviyyəsi bir pikseldən digərinə qəfil keçmək əvəzinə tədrici qradiyent yarada bilər.

K-means kimi hard clustering yanaşmasında hər müşahidə yalnız bir klasterə aiddir. FCM-də isə piksel bir klasterə daha güclü, digərinə daha zəif üzvlük daşıya bilər. Bu quruluş xüsusilə kənd təsərrüfatı keçid sahələrinin və yüksək etibarlı nümunələmə mövqelərinin müəyyənləşdirilməsində nəzəri üstünlük verə bilər.

İndekslər niyə standartlaşdırıldı?

Dörd spektral indeksin ədədi paylanmaları eyni deyil. FCM-dən əvvəl hər raster z-score standartlaşdırılmasına məruz qalmışdır. Məqsəd daha geniş ədədi diapazon göstərən indeksin yalnız miqyas fərqinə görə klasterləşdirmə məsafəsinə dominant olmasının qarşısını almaqdır.

Mənbə z-score çevrilməsinin hesablama formulunu ayrıca bildirmir; buna görə Verianla məqaləsi mənbədə olmayan ön emal tənliyini metod nəticəsi kimi əlavə etmir.

FCM parametrləri

Çatışmayan FCM parametrləri kiçik hesabat detalı deyil. Başqa bir tədqiqatçı eyni rasterlardan istifadə etsə belə stopping və convergence parametrləri məlum olmadığından orijinal klasterləşdirmə prosesini tam eyni şəkildə təkrarlaya bilməz. Mənbə bunu açıq şəkildə reproducibility limitation kimi müəyyənləşdirir.

Niyə iki klaster seçildi?

Müxtəlif cluster sayları vizual və aqronomik şərh edilə bilmə baxımından qiymətləndirilmişdir. Daha yüksək cluster sayları daha kiçik və parçalanmış zonalar yaratmış; məhdud torpaq nümunələmə dizaynı daxilində onların şərhi çətinləşmişdir.

İki zonalı həll daha tutarlı məkan bölgüsü təmin etməsi, həddindən artıq parçalanmanı önləməsi və altı nümunəli kəşfiyyat dizaynı ilə daha uyğun olması səbəbindən seçilmişdir.

Lakin bu, “k = 2 riyazi olaraq optimal klaster sayıdır” demək deyil. Elbow, Silhouette və ya Davies–Bouldin skorları saxlanmadığından optimal cluster sayı formal şəkildə təsdiqlənməmişdir.

Figure 3-ün elmi rolu

Figure 3, tarla sərhədi daxilində FCM-nin yaratdığı Zone 1 və Zone 2 paylanmasını və torpaq nümunələmə nöqtələrini birlikdə göstərir. Vizual peyk indekslərindən törədilən məkan klasterləşdirməsi ilə real sahə nümunələməsinin eyni koordinat sistemində necə birləşdirildiyini göstərdiyinə görə metodun mərkəzi fiqurudur.

Mühüm məlumat itkisi budur: FCM-nin hər piksel üçün yaratdığı davamlı üzvlük dərəcələri yekun tədqiqatda sample-level olaraq saxlanmamışdır. Buna görə müəyyən bir torpaq nümunəsinin, məsələn, Zone 1-ə %90, Zone 2-yə %10 üzvlüklə, yoxsa sərhədə yaxın daha qeyri-müəyyən üzvlüklə aid olduğu artıq göstərilə bilmir.

Torpaq məlumatları klaster seçmək üçün istifadə edilibmi?

Xeyr. Mənbəyə görə torpaq xüsusiyyətləri k = 2 həllini seçmək üçün FCM girişi kimi istifadə edilməmişdir. Torpaq nəticələri spektral yolla əldə edilən zonaların sonradan aqronomik baxımdan mənalı fərqlər göstərib-göstərmədiyini kəşfiyyat xarakterli qiymətləndirmək üçün istifadə edilmişdir.

Alternativ klasterləşdirmə üsulları ilə müqayisə

Tədqiqatda FCM, k-means və ya hierarchical clustering kimi alternativlərlə sistematik benchmark edilməmişdir. Buna görə araşdırma FCM-nin ümumən daha dəqiq və ya üstün management-zone alqoritmi olduğunu göstərmir.

Hədəflənmiş torpaq nümunələməsi

Cəmi altı georeferensiyalı kompozit nümunə götürülmüşdür. Zone 1-də dörd, Zone 2-də iki nümunə vardır. Nümunə mövqeləri təxminən ±3–5 m GPS dəqiqliyi ilə qeydə alınmışdır.

Hər kompozit nümunə 0–30 cm torpaq qatından götürülmüş dörd alt nümunənin qarışığıdır. Alt nümunələrin biri nümunələmə sahəsinin mərkəzində, digər üçü mərkəzdən 2 m radiuslu dairə üzərində bərabər aralıqlarla yerləşir.

Bu dizayn çox sıx soil survey deyil. Məqsəd bütün tarla heterogenliyini tam xəritələmək əvəzinə peyk əsaslı zonaların həqiqətən fərqli torpaq xüsusiyyətləri göstərmə ehtimalının olub-olmadığını aşağı xərclə yoxlamaqdır.

Laboratoriya üsulları

Tədqiqatın Metodu və Nəticələri

İş axını

Statistik yanaşma

Nümunə ölçüsü çox kiçik olduğundan analiz əsasən descriptive statistics vasitəsilə aparılmışdır. Hər Zone üçün orta və standart sapma hesablanmış, lakin xüsusilə Zone 2-də yalnız n = 2 olduğundan coefficient of variation dəyərlərinin qeyri-sabit və yanıltıcı ola biləcəyi səbəbi ilə şərhdə istifadə edilmədiyi bildirilmişdir.

Formal hypothesis testing olsa belə, mənbə bunu qəti sübut kimi görmür. Məqalənin şərhi statistical significance əvəzinə effect magnitude, directional consistency və agronomic plausibility üzərində qurulmuşdur.

İki idarəetmə zonasının torpaq xüsusiyyətləri

Spektral nəticə

Zone 2 ümumilikdə vegetation indices baxımından daha yüksək dəyərlərə malik olmuşdur. Mənbə xüsusilə NDVI və EVI-nin daha yüksək olduğunu və bunu daha sıx kanopi və daha yüksək fotosintetik aktivliklə uyğun şərh edir.

NDWI də eyni istiqamətdə dəyişmişdir və daha yüksək canopy water status ilə uyğun ola bilər. Lakin B11-in 20 m-dən 10 m-ə yenidən nümunələndirilməsi səbəbindən mənbə NDWI əsasında güclü nəticə çıxarmaqdan çəkinir.

Fosfor

Ən güclü torpaq kontrastı Olsen-P-də müşahidə edilmişdir:

Zone 1: 9.45 ± 2.685 mg kg⁻¹

Zone 2: 62.00 ± 67.880 mg kg⁻¹

Zone ortaları təxminən 6.5 dəfə fərqlənir. Zone 2 daxilində bir nümunə nöqtəsində 110 mg kg⁻¹ ölçülmüşdür.

Lakin Zone 2 yalnız iki kompozit nümunə ehtiva etdiyi və bu yüksək dəyər tək bir nöqtəyə aid olduğu üçün 110 mg kg⁻¹ bütün Zone 2-nin xarakterik fosfor səviyyəsi kimi qəbul edilmir. Mənbə əlavə nümunələmə olmadan hotspot-un ümumiləşdirilməsini açıq şəkildə məhdudlaşdırır.

Kalium

Mübadilə olunan K üçün Zone 1 ortası 0.28 ± 0.069, Zone 2 ortası 0.71 ± 0.692 meq (100 g)⁻¹ müəyyən edilmişdir. İstiqamət fosforla eynidir: Zone 2 daha yüksəkdir.

Üzvi maddə və ümumi azot

Üzvi maddə Zone 1-də %2.20 ± 0.374, Zone 2-də %2.50 ± 0.707-dir. Ümumi N müvafiq olaraq 1.022 ± 0.195 və 1.395 ± 0.572 mg g⁻¹ verilmişdir.

Bu fərqlər P qədər böyük deyil. Mənbə də üzvi maddəni regional qida fərqlərinin yeganə səbəbi kimi təqdim etmir.

Dəmir, sink və manqan

DTPA-extractable Fe Zone 2-də 112.0 mg kg⁻¹, Zone 1-də 37.37 mg kg⁻¹-dir. Bu təxminən üçqat istiqamətli fərq mənbədə mümkün moisture regime və ya organic matter dynamics ilə uyğun ola biləcək nəticə kimi müzakirə edilmişdir.

Lakin tədqiqatda soil moisture, water-table depth, drainage və ya redox potential birbaşa ölçülməmişdir. Buna görə daha yüksək Fe dəyərinin dövri waterlogging və ya redox proseslərini sübut etdiyi nəticəsinə gəlmək olmaz.

Zn üçün Zone 1 ortası 0.56 mg kg⁻¹, Zone 2 ortası 2.79 mg kg⁻¹-dir. Mənbə təxminən 0.5–1.0 mg kg⁻¹ ətrafındakı DTPA-Zn dəyərlərinin bəzi kontekstlərdə yetərlilik alt həddinə yaxın qəbul edilə bildiyini və Zone 1-in mümkün marjinal Zn availability baxımından əlavə qiymətləndirmə tələb edə biləcəyini bildirir.

Manqan digər üç mikro/qida göstəricisindən fərqli istiqamətdə dəyişmişdir: Zone 1-də 19.0 mg kg⁻¹, Zone 2-də 11.5 mg kg⁻¹. Mənbə bunu aeration və ya moisture fərqləri ilə uyğun ola biləcək müşahidə hesab etsə də, birbaşa mexanizm iddiası irəli sürmür.

pH və EC

pH iki zona arasında demək olar eynidir: Zone 1 = 6.15, Zone 2 = 6.20. Buna görə P, K, Fe və Zn fərqlərinin yalnız pH qradiyenti ilə izahı mənbə baxımından ehtimal edilmir.

EC isə 0.54 və 0.66 mmhos cm⁻¹ səviyyəsindədir və mənbə salinite-ni əsas confounding factor hesab etmir.

Torpaq teksturası

Figure 4 necə şərh edilməlidir?

Figure 4 fuzzy cluster-lara görə Olsen-P və üzvi maddə paylanmasını iki ayrı boxplot ilə təqdim edir. Fosfor panelində Zone 1 ilə Zone 2 arasındakı fərq üzvi maddə panelindən xeyli daha aydındır.

Bununla belə boxplot-un vizual görünüşü nümunə sayından asılı deyilmiş kimi qəbul edilə bilməz. Zone 2 yalnız iki kompozit nümunə ehtiva etdiyi üçün şəkil böyük və təsdiqlənmiş populyasiya paylanması kimi şərh edilməməlidir. Mənbənin əsas sübutu istiqamətli fərqin böyüklüyü və digər qida parametrlərindəki uyğunluqdır.

Peyk Əsaslı İki Zona Birbaşa Gübrə Resepti üçün İstifadə Oluna Bilərmi?

Xeyr. Tədqiqat Zone 1 və Zone 2-nin əlavə sahə tədqiqatını istiqamətləndirə biləcək kəşfiyyat xarakterli idarəetmə zonaları olduğunu dəstəkləyir; yalnız altı kompozit nümunə, itirilmiş sample-level FCM üzvlükləri, formal cluster-validity meyarlarının olmaması və ölçülməmiş sahə amilləri səbəbindən bu xəritə gübrə dozalarını birbaşa müəyyən edən doğrulanmış qərar sistemi deyil.

Zone 2 üçün mümkün idarəetmə şərhi

Yüksək Olsen-P və exchangeable K dəyərləri əlavə nümunələmə ilə təsdiqlənərsə, Zone 2-nin bəzi hissələrində maintenance-level nutrient management kifayət edə bilər.

Lakin fosfor tətbiqini azaltmaq və ya dayandırmaq qərarı yalnız bu tədqiqatın xəritəsindən çıxarılmamalıdır. Mənbə regional agronomic thresholds, environmental-risk assessment və repeated soil testing tələb olunduğunu bildirir.

Zone 1 üçün mümkün idarəetmə şərhi

Zone 1-də P, K və Zn dəyərlərinin daha aşağı olması hədəflənmiş corrective management qiymətləndirilməsini tələb edə bilər.

Real tətbiq dozası yenə də bu məlumat dəstindən hesablanmamalıdır. Local fertilizer guidelines, crop nutrient removal estimates, daha çox torpaq nümunəsi və mümkün olduqda yield və ya biomass monitoring tələb olunur.

Niyə səbəbiyyət qurmaq olmaz?

Zone 2-nin həm daha yüksək vegetation indices, həm də daha yüksək bir çox qida dəyərinə malik olması onların arasında birbaşa səbəbiyyət olduğunu sübut etmir.

Kanopi əksolunmasına təsir edə biləcək və bu tədqiqatda tam nəzarət olunmamış əsas dəyişənlər bunlardır:

• irrigation uniformity,
• recent cutting history,
• stand density,
• weed competition,
• pest and disease pressure,
• soil compaction,
• localized drainage,
• historical fertilizer və ya manure application.

Buna görə Sentinel-2 xəritəsi “torpaq fosfor xəritəsi” deyil. Spektral məlumatlar bitki kanopisində torpaq, su, idarəetmə və bioloji stresslərin birgə təsirinə verilən uzaqdan zondlana bilən reaksiyanı təmsil edir.

Tədqiqatın dəstəklədiyi nəticələr

Tədqiqat pulsuz Sentinel-2 məlumatları və FCM-nin kiçik yonca tarlasında məkan baxımından fərqlənən iki kəşfiyyat zonası yarada bildiyini dəstəkləyir.

Tədqiqat bu iki spektral zonanın mövcud məhdud torpaq nümunəsində xüsusilə P, K, Fe və Zn baxımından aydın istiqamətli fərqlərlə uyğun olduğunu dəstəkləyir.

Tədqiqat aşağı xərcli və açıq mənbəli iş axınının daha sıx follow-up sampling aparılacaq sahələri müəyyənləşdirmək üçün faydalı screening yanaşması ola biləcəyini dəstəkləyir.

Tədqiqat fuzzy membership anlayışının kənd təsərrüfatı qradiyentlərini təmsil etmək baxımından konseptual olaraq uyğun olduğunu dəstəkləyir.

Tədqiqatın dəstəkləmədiyi nəticələr

Tədqiqat yalnız altı torpaq nümunəsinin bütün management-zone tədqiqatlarında kifayət etdiyini göstərmir.

Tədqiqat k = 2-nin formal cluster-validity analizi ilə optimal həll olduğunu göstərmir.

Tədqiqat FCM-nin k-means, hierarchical clustering və ya digər alqoritmlərdən üstün olduğunu göstərmir.

Tədqiqat Sentinel-2 indekslərinin torpaq P, K, Fe və ya Zn konsentrasiyalarını birbaşa ölçdüyünü göstərmir.

Tədqiqat NDWI pattern-in birbaşa torpaq rütubəti və ya drenaj ölçümü olduğunu göstərmir.

Tədqiqat Zone 1 və ya Zone 2 üçün dəqiq gübrə tətbiqi dozaları vermir.

Tədqiqat nəticələrinin başqa tarlalara, bitkilərə və ya bölgələrə doğrulama olmadan ümumiləşdirilə biləcəyini göstərmir.

Əsas məhdudiyyətlər

Gələcək tədqiqat

Mənbə gələcəkdə daha sıx və təkrarlanan soil sampling, nümunə səviyyəsində spectral-index və membership dəyərlərinin saxlanması, formal cluster diagnostics, multi-season Sentinel-2 time series, yield/biomass monitoring, direct soil-moisture measurements, drainage observations, redox indicators və daha yüksək ayırdetməli topoqrafik məlumat təklif edir.

FCM-nin k-means və hierarchical clustering kimi alternativlərlə eyni məlumat üzərində sistematik müqayisəsi də mühüm növbəti addımdır.

Tədqiqatın başqa tarla və şəraitlərə ümumiləşdirilməsi üçün multi-site validation tələb olunur.

Mənbə və Metod Qeydi

Orijinal başlıq: Integrated Management Zone Delineation in Small-Scale Precision Agriculture Using Multi-Spectral Satellite Imagery and Fuzzy C-Means Clustering

Müəlliflər: Dimitrios Triantakonstantis; Dionysios Faltsetas; Despoina Vlachaki; Ioannis Sebos; Frank A. Coutelieris; Nikos Koutsias

Yazışma müəllifi: Dimitrios Triantakonstantis

Qurumlar: Department of Sustainable Agriculture, University of Patras; Department of Forestry and Management of the Environment and Natural Resources, Democritus University of Thrace; School of Chemical Engineering, National Technical University of Athens.

Jurnal: AI and Precision Agriculture

Nəşriyyat: MDPI

Cild / Say / Məqalə: 1 / 1 / 3

DOI: 10.3390/aipa1010003

Tarixlər: Alındı: 25 may 2026; yenidən işlənib: 24 avqust 2026; qəbul edilib: 31 avqust 2026; yayımlanıb: 3 sentyabr 2026.

Mənbə növü: Article; real tarla tədqiqatı, multispektral peyk uzaqdan zondlama, unsupervised fuzzy clustering, hədəflənmiş torpaq nümunələməsi və laboratoriya analizi.

Rəyçilik: AI and Precision Agriculture, MDPI tərəfindən nəşr olunan beynəlxalq, rəyli, açıq girişli jurnaldır.

Lisenziya: PDF Creative Commons Attribution (CC BY) lisenziyasını bildirir. AIPA-nın rəsmi lisenziya siyasəti jurnalda yayımlanan məqalələr üçün CC BY 4.0 göstərir.

Tədqiqat sahəsi: Etoloakarnania Prefecture, Qərbi Yunanıstan; təxmini mərkəz 38.795° N, 20.852° E; 8 ha kommersiya yonca tarlası.

Peyk məlumatı: Sentinel-2A/B Level-2A Bottom-of-Atmosphere; əsas təsvir 26 aprel 2022; tile T34SDJ.

Spektral zolaqlar: B2 Blue, B4 Red, B8 Near Infrared, B11 Shortwave Infrared.

Spektral indekslər: NDVI, SAVI, EVI, NDWI.

Resampling: B11, 20 m-dən 10 m ortaq grid-ə bilinear interpolation ilə yenidən nümunələndirilmişdir.

Ön emal: Dörd indeks rasterı FCM-dən əvvəl z-score ilə standartlaşdırılmışdır.

Klasterləşdirmə: Fuzzy C-Means; SAGA GIS üzərindən QGIS; m = 2.0; k = 2.

Çatışmayan reproducibility parametrləri: Stopping criterion, convergence threshold və maximum iteration sayı orijinal iş axınından etibarlı şəkildə bərpa edilə bilməmişdir.

Cluster-validation vəziyyəti: Elbow, Silhouette və Davies–Bouldin dəyərləri saxlanmamışdır. İki-zone həlli formal cluster validity ilə təsdiqlənmiş optimal həll kimi təqdim edilmir.

Torpaq nümunələməsi: Altı georeferensiyalı kompozit nümunə; Zone 1 = 4, Zone 2 = 2; dərinlik 0–30 cm; GPS təxminən ±3–5 m.

Kompozit nümunə quruluşu: Bir mərkəz və 2 m radiuslu dairə üzərində bərabər aralıqlı üç ətraf nöqtə olmaqla dörd alt nümunə.

Laboratoriya üsulları: Bouyoucos hydrometer; pH 1:2.5 soil-to-water; Walkley–Black; Olsen-P; 1 M ammonium acetate pH 7.0; DTPA extraction; atomic absorption spectroscopy.

Statistik yanaşma: Kiçik nümunə səbəbindən əsasən təsviri analiz; orta və standart sapma. Formal test nəticələri qəti sübut kimi istifadə edilməmişdir.

Əsas nəticə: Zone 2-də P, K, OM, total N, Fe və Zn ortaları daha yüksək; Mn Zone 1-də daha yüksək; pH və EC zonalar arasında əsasən oxşardır.

Maliyyələşdirmə: European Union LIFE Program, Project 101212908—LIFE24-GIC-EL-LIFE LULUCF ATLAS.

Məlumat əlçatanlığı: Nəticələri dəstəkləyən xam məlumatların müəlliflərdən sorğu əsasında təqdim ediləcəyi bildirilmişdir.

Maraqların toqquşması: Müəlliflər maraqların toqquşması olmadığını bildirmişdir.

Müəllif töhfələri: Konseptuallaşdırma: Dimitrios Triantakonstantis və Dionysios Faltsetas. Metod: Dimitrios Triantakonstantis və Dionysios Faltsetas. Proqram təminatı və doğrulama: Dimitrios Triantakonstantis. Formal analiz və məlumat kurasiyası: Dimitrios Triantakonstantis və Dionysios Faltsetas. Araşdırma, resurslar, vizuallaşdırma və məsləhət: Dimitrios Triantakonstantis. Orijinal qaralama: Dimitrios Triantakonstantis və Dionysios Faltsetas. Nəzərdən keçirmə və redaktə: bütün müəlliflər. Layihə idarəetməsi və maliyyələşdirmənin əldə edilməsi: Dimitrios Triantakonstantis, Despoina Vlachaki və Ioannis Sebos.

Əsas təkrarolunma məhdudiyyəti: FCM-nin bəzi iş parametrlərinin, sample-level membership skorlarının və nümunə nöqtələrindəki spektral indeks dəyərlərinin saxlanmaması orijinal iş axınının tam təkrarını və birbaşa point-level validation aparılmasını məhdudlaşdırır.

Əsas elmi şərh sərhədi: Tədqiqat Sentinel-2 + FCM yanaşmasının bu konkret tarlada aqronomik baxımdan mənalı ola biləcək ilkin zonalar yaratmaq potensialını dəstəkləyir; bu zonaların dəqiq qida reseptləri üçün doğrulandığını və ya başqa sahələrə birbaşa ümumiləşdirilə biləcəyini dəstəkləmir.