Eneo la usimamizi wa kilimo sahihi ni ufafanuzi wa sehemu ndani ya shamba zenye sifa zinazofanana kulingana na tofauti za anga za hali ya udongo na mimea, ili zitumike kama vitengo tofauti vya usimamizi. Utafiti huu uliunganisha fahirisi za NDVI, SAVI, EVI na NDWI zilizokokotolewa kutoka data ya satelaiti ya multispektrali ya Sentinel-2 katika shamba la kibiashara la alfa alfa la hekta 8 huko Magharibi mwa Ugiriki na algoriti ya Wastani wa C Usio Bayana (Fuzzy C-Means, FCM) ili kuunda maeneo ya awali ya usimamizi, kisha ukayatathmini kwa uchunguzi kwa kutumia sampuli sita za udongo mchanganyiko zilizorejelewa kijiografia. FCM iliunda maeneo mawili ya usimamizi. Zone 2 ilionyesha wastani wa juu kuliko Zone 1 kwa fosforasi inayopatikana, potasiamu inayoweza kubadilishwa, mabaki ya kikaboni, nitrojeni jumla, chuma na zinki. Tofauti kubwa zaidi ilionekana kwa Olsen-P; 9.45 ± 2.685 mg kg⁻¹ iliripotiwa kwa Zone 1 na 62.00 ± 67.880 mg kg⁻¹ kwa Zone 2. Hata hivyo, kwa sababu sampuli sita tu za udongo zilitumika, Zone 2 ilikuwa na sampuli mbili tu, uanachama wa FCM katika kiwango cha pikseli na thamani za fahirisi za spektra katika sehemu za sampuli hazikuhifadhiwa, na hakukuwa na vigezo rasmi vya cluster-validity, kazi hii si mfumo wa mwisho wa maamuzi ya mbolea bali ni mbinu ya uchunguzi wa awali ya kutambua utofauti ndani ya shamba.

Ubunifu wa utafiti haupo katika matumizi ya Sentinel-2 au FCM pekee. Mbinu kuu ni kuunganisha picha ya satelaiti isiyolipishwa, QGIS/SAGA GIS ya chanzo huria, fuzzy clustering na uchukuaji wa sampuli za udongo wenye msongamano mdogo unaolengwa katika mtiririko mmoja wa kazi wenye gharama ndogo unaoweza kutumika katika mashamba madogo ya kilimo ya Mediterania.

Matokeo yanaonyesha kuwa maeneo yaliyotokana na utambuzi wa mbali yalilingana kwa mwelekeo na baadhi ya tofauti za rutuba ya udongo zilizopimwa katika shamba hili. Hata hivyo, haijathibitishwa kuwa mifumo ya spektra ilitokana tu na virutubisho vya udongo. Vigezo ambavyo havikupimwa, kama umwagiliaji, muda wa kukata, msongamano wa mimea, magugu, shinikizo la wadudu na magonjwa, mifereji ya maji, mgandamizo wa udongo na historia ya matumizi ya mbolea, vinaweza kuchangia katika mifumo hiyo hiyo ya spektra.

Kwa nini kutazama shamba lote kama kitengo kimoja cha usimamizi kunaweza kuwa tatizo?

pH, upatikanaji wa virutubisho, mabaki ya kikaboni, tekstura na uwezo wa kuhifadhi maji ndani ya shamba vinaweza kubadilika ndani ya mamia machache ya mita. Hata hivyo, katika usimamizi wa kawaida, mbolea au pembejeo nyingine zinaweza kutumika kwa kiwango kimoja katika shamba lote. Katika hali hiyo, baadhi ya maeneo yanaweza kupata pembejeo nyingi kuliko zinavyohitaji, huku mengine yakipata chini ya mahitaji yao halisi.

Mbinu ya eneo la usimamizi katika kilimo sahihi inalenga kuingiza utofauti huu moja kwa moja katika maamuzi ya usimamizi. Shamba hugawanywa katika sehemu ndogo zenye sifa zinazofanana za udongo–mimea kwa mtazamo wa anga, na mpango wa baadaye wa uchukuaji sampuli au matumizi unaweza kupangwa kulingana na maeneo hayo.

Ingawa mbinu hii imeenea zaidi katika mashamba makubwa, katika mashamba madogo na yaliyogawanyika ya Mediterania gharama ya uchukuaji sampuli nyingi za udongo, programu maalum na vifaa vya matumizi sahihi inaweza kuwa kikwazo kikubwa. Muundo wa gharama ndogo wa utafiti huu unalenga pengo hili la utekelezaji.

Eneo la utafiti

Utafiti ulifanywa katika shamba la kibiashara la hekta 8 la Medicago sativa L., yaani alfa alfa, lililopo Etoloakarnania Prefecture magharibi mwa Ugiriki. Mahali pa takriban pa katikati ya shamba ni 38.795° N, 20.852° E. Kazi za satelaiti na uwanjani zilifanywa katika muktadha wa msimu wa ukuaji wa 2022–2023.

Eneo lina hali ya hewa ya Mediterania: majira ya joto ni ya joto na makavu, na majira ya baridi ni laini zaidi na yenye mvua. Chanzo kinaeleza kuwa msimu huu unaweza kupunguza unyevu wa udongo kuelekea katikati ya majira ya joto na kuongeza utegemezi wa uhamaji wa virutubisho pamoja na alfa alfa katika uwezo wa tabaka la juu la udongo kuhifadhi maji na kudumisha rutuba.

Topografia ya shamba iliyotathminiwa kwa Digital Elevation Model ni tambarare kwa kiasi kikubwa. Kwa hiyo, chanzo hakioni uhamaji wa maji au virutubisho unaotokana na tofauti kubwa za mwinuko kuwa maelezo makuu ya muundo wa anga ulioonekana.

Kwa nini alfa alfa ilichaguliwa?

Alfa alfa ni mmea wa jamii ya mikunde wa kudumu, una uwezo mkubwa wa kufunga nitrojeni kibayolojia na una mahitaji muhimu hasa ya fosforasi na potasiamu. Kwa mujibu wa chanzo, unyeti wake kwa gradiento za rutuba ya udongo uliifanya kuwa mfumo unaofaa wa utafiti ambapo tofauti za anga ndani ya shamba katika mwitikio wa kanopi zinaweza kuonekana katika data ya satelaiti.

Fahirisi za Sentinel-2 Zinapima Nini Katika Utafiti Huu?

NDVI, SAVI na EVI zilizokokotolewa kutoka Sentinel-2 zilitumiwa hasa kama viashiria vya uhai wa spektra wa uoto na mwitikio wa kanopi, huku NDWI inayotegemea NIR–SWIR iliyotumiwa katika utafiti huu ikiwakilisha mabadiliko ya spektra yanayohusiana na hali ya maji ya uoto; fahirisi hizi hazipimi moja kwa moja fosforasi au potasiamu ya udongo na huipa FCM mawakilisho manne yanayokamilishana ya tofauti za spektra ndani ya shamba.

Uchaguzi wa picha ya Sentinel-2

Kwa uundaji wa makundi ya msingi, bidhaa ya uakisi wa uso ya Sentinel-2A/B Level-2A Bottom-of-Atmosphere ilitumiwa. Picha iliyochaguliwa ilipatikana kutoka tile T34SDJ tarehe 26 Aprili 2022.

Uchaguzi wa picha ulitegemea vigezo vitatu vikuu: radiometric quality, phenological relevance na field-level interpretability. Tarehe ilichaguliwa katika kipindi kabla ya kukatwa kwa alfa alfa, wakati kanopi ilikuwa imekua sana. Lengo lilikuwa kupunguza athari za mabadiliko ya muda mfupi yaliyotokana na kukatwa au kuota upya na kufanya tofauti za uhai wa mimea ndani ya shamba zionekane wazi zaidi.

Chanzo pia kinaeleza kuwa historia ya kukata na irrigation timing bado ni vikwazo vinavyoweza kuathiri pattern ya spektra.

Bendi za Sentinel-2 zilizotumiwa

Bendi B11 ilifanyiwa resample kutoka 20 m hadi 10 m kwa bilinear interpolation ili iweze kuchakatwa kwenye raster grid ya pamoja na viingizo vingine vya fahirisi. Ubadilishaji huu hauundi maelezo mapya halisi ya SWIR ya 10 m. Kwa kuwa chanzo kinataja kuwa resampling katika shamba dogo inaweza kusababisha smoothing na athari ya mixed-pixel, mifumo ya NDWI inatafsiriwa kwa tahadhari zaidi kuliko fahirisi nyingine.

NDVI

Katika chanzo, Normalized Difference Vegetation Index ilikokotolewa kwa namna ifuatayo:

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

B8 ni uakisi wa near-infrared na B4 ni uakisi wa red. NDVI hutumia utofauti kati ya kufyonzwa kwa mwanga katika eneo jekundu na uakisi mkubwa katika karibu-infrarredi wa uoto. Utafiti huu ulitumia NDVI kama mojawapo ya viashiria vya spektra vya uhai wa kanopi na tofauti za msongamano ndani ya shamba.

SAVI

Soil Adjusted Vegetation Index:

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

ilitolewa, na katika utafiti:

\[ L=0.5 \]

ilitumiwa. Jukumu la SAVI ni kusaidia kupunguza athari ya mandharinyuma ya udongo inayoonekana chini au kati ya uoto kwenye mwitikio wa vegetation-index.

EVI

Enhanced Vegetation Index:

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

ina umbo hili. EVI ni kiashiria cha uoto kinachotumia bendi B2 blue pamoja na red na NIR. Katika utafiti iliripotiwa kuwa NDVI na EVI zilikuwa juu zaidi hasa katika Zone 2.

NDWI

Katika utafiti huu Normalized Difference Water Index ina fomula ifuatayo:

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

NDWI hapa hutumia tofauti kati ya B8 NIR na B11 SWIR. Kwa hiyo, katika muktadha wa makala ilitumika zaidi kwa mabadiliko ya spektra yanayohusiana na uoto na hali ya maji kuliko kwa kuchora ramani ya maji wazi juu ya uso.

Figure 2 inaonyesha nini?

Chanzo kinaonyesha ramani za NDVI, NDWI, SAVI na EVI katika paneli tofauti ndani ya mpaka huo huo wa shamba katika Figure 2. Jukumu la kisayansi la taswira hii ni kuonyesha kuwa, badala ya fahirisi moja, mawakilisho manne tofauti ya spektra yanaweza kunasa utofauti wa anga ndani ya shamba kwa njia tofauti. Nukta za manjano zinaonyesha maeneo ya sampuli za udongo zilizochukuliwa baadaye.

Fuzzy C-Means Huamuaje Maeneo ya Usimamizi?

Fuzzy C-Means ni algoriti ya uundaji makundi inayounganisha kila pikseli ya raster na makundi kadhaa kwa viwango endelevu vya uanachama badala ya kuilazimisha kuingia katika darasa moja tu tangu mwanzo; katika utafiti huu ilitumia tabaka za NDVI, SAVI, EVI na NDWI zilizosanifishwa, kila pikseli ikapata uanachama katika makundi mawili, na katika ramani ya mwisho ya Zone 1/Zone 2 pikseli ilipangiwa kundi ambalo ilikuwa na uanachama wa juu zaidi.

Kwa nini fuzzy clustering badala ya hard clustering?

Vigezo vya kilimo mara nyingi havibadiliki kwa mipaka mikali. Kwa mfano, tekstura ya udongo, unyevu au kiwango cha virutubisho vinaweza kutengeneza gradiento ya taratibu badala ya kubadilika ghafla kutoka pikseli moja hadi nyingine.

Katika hard clustering kama K-means, kila uchunguzi ni wa kundi moja tu. Katika FCM, pikseli inaweza kuwa na uanachama mkubwa zaidi katika kundi moja na mdogo zaidi katika kundi lingine. Muundo huu unaweza kutoa faida ya kinadharia hasa katika kutambua maeneo ya mpito ya kilimo na maeneo ya sampuli yenye uhakika wa juu.

Kwa nini fahirisi zilisawazishwa?

Mgawanyo wa namba wa fahirisi nne za spektra si sawa. Kabla ya FCM, kila raster ilifanyiwa usanifishaji wa z-score. Lengo lilikuwa kuzuia fahirisi yenye wigo mkubwa wa namba kutawala umbali wa uundaji makundi kwa sababu tu ya tofauti ya skeli.

Chanzo hakiripoti kwa namna tofauti fomula ya kukokotoa mabadiliko ya z-score; kwa hiyo makala ya Verianla haiongezi mlinganyo wa uchakataji wa awali ambao haupo kwenye chanzo kama matokeo ya mbinu.

Vigezo vya FCM

Vigezo vinavyokosekana vya FCM si maelezo madogo ya kuripoti. Hata kama mtafiti mwingine angekuwa na raster zilezile, bila kujua mipangilio ya stopping na convergence huenda asiweze kurudia mchakato asilia wa uundaji makundi kwa namna ileile. Chanzo kinaeleza hili wazi kama reproducibility limitation.

Kwa nini makundi mawili yalichaguliwa?

Idadi tofauti za cluster zilitathminiwa kwa kuzingatia ufasiri wa kuona na wa kilimo. Idadi kubwa zaidi ya cluster iliunda maeneo madogo na yaliyogawanyika zaidi, na kuyatafsiri kukawa vigumu ndani ya muundo mdogo wa sampuli za udongo.

Suluhisho la maeneo mawili lilichaguliwa kwa sababu lilitoa mgawanyo wa anga ulio thabiti zaidi, lilizuia kugawanyika kupita kiasi na lililingana vyema zaidi na muundo wa uchunguzi wa sampuli sita.

Hata hivyo, hii haimaanishi kwamba “k = 2 ndiyo idadi bora ya makundi kihisabati”. Kwa sababu alama za Elbow, Silhouette au Davies–Bouldin hazikuhifadhiwa, idadi bora ya cluster haijathibitishwa kwa formal.

Jukumu la kisayansi la Figure 3

Figure 3 inaonyesha pamoja usambazaji wa Zone 1 na Zone 2 uliotengenezwa na FCM ndani ya mpaka wa shamba na maeneo ya kuchukua sampuli za udongo. Ni mchoro mkuu wa mbinu kwa sababu unaonyesha jinsi uundaji makundi wa anga uliotokana na fahirisi za satelaiti ulivyounganishwa na sampuli halisi za shambani katika mfumo uleule wa kuratibu.

Upotevu muhimu wa data ni huu: viwango endelevu vya uanachama vilivyotengenezwa na FCM kwa kila pikseli havikuhifadhiwa katika sample-level katika utafiti wa mwisho. Kwa hiyo haiwezekani tena kuonyesha kama sampuli fulani ya udongo, kwa mfano, ilikuwa na uanachama wa %90 katika Zone 1 na %10 katika Zone 2, au ilikuwa na uanachama usio na uhakika zaidi karibu na mpaka.

Je, data ya udongo ilitumiwa kuchagua cluster?

Hapana. Kwa mujibu wa chanzo, sifa za udongo hazikutumiwa kama ingizo la FCM ili kuchagua suluhisho la k = 2. Matokeo ya udongo yalitumiwa baadaye kutathmini kwa uchunguzi kama maeneo yaliyopatikana kwa spektra yalionyesha tofauti zenye maana za kilimo.

Ulinganisho na mbinu mbadala za uundaji makundi

Katika utafiti, FCM haikufanyiwa benchmark ya kimfumo dhidi ya mbadala kama k-means au hierarchical clustering. Kwa hiyo, utafiti hauonyeshi kwamba FCM ni algoriti ya management-zone iliyo sahihi au bora zaidi kwa ujumla.

Uchukuaji wa sampuli za udongo unaolengwa

Jumla ya sampuli sita za mchanganyiko zilizorejelewa kijiografia zilichukuliwa. Zone 1 ilikuwa na sampuli nne na Zone 2 sampuli mbili. Maeneo ya sampuli yalirekodiwa kwa usahihi wa GPS wa takriban ±3–5 m.

Kila sampuli ya mchanganyiko ni mchanganyiko wa sampuli ndogo nne zilizochukuliwa kutoka tabaka la 0–30 cm la udongo. Sampuli moja ndogo ilichukuliwa katikati ya eneo la sampuli na nyingine tatu zikawekwa kwa nafasi sawa kwenye duara lenye radius ya 2 m kutoka kituo.

Muundo huu si soil survey yenye msongamano mkubwa. Lengo si kuchora ramani kamili ya utofauti wote wa shamba, bali kuangalia kwa gharama ndogo kama maeneo ya satelaiti yana uwezekano wa kuonyesha sifa tofauti za udongo.

Mbinu za maabara

Mbinu na Matokeo ya Utafiti

Mtiririko wa kazi

Mbinu ya takwimu

Kwa sababu idadi ya sampuli ilikuwa ndogo sana, uchambuzi ulifanywa hasa kwa descriptive statistics. Wastani na mkengeuko sanifu vilikokotolewa kwa kila Zone, lakini hasa kwa sababu Zone 2 ilikuwa na n = 2 tu, coefficient of variation haikutumiwa katika tafsiri kwa kuwa ingeweza kuwa isiyo thabiti na ya kupotosha.

Hata kama formal hypothesis testing ilifanywa, chanzo hakiioni kama ushahidi wa mwisho. Tafsiri ya makala imejengwa juu ya effect magnitude, directional consistency na agronomic plausibility badala ya statistical significance.

Sifa za udongo za maeneo mawili ya usimamizi

Matokeo ya spektra

Zone 2 kwa ujumla ilikuwa na thamani za juu zaidi za vegetation indices. Chanzo kinataja hasa NDVI na EVI kuwa juu zaidi na kinatafsiri hili kuwa linalolingana na kanopi yenye msongamano mkubwa na shughuli ya juu zaidi ya usanisinuru.

NDWI pia ilibadilika katika mwelekeo huo huo na inaweza kuendana na canopy water status ya juu zaidi. Hata hivyo, kwa sababu B11 ilifanyiwa resample kutoka 20 m hadi 10 m, chanzo huepuka kutoa hitimisho kali kutokana na NDWI.

Fosforasi

Tofauti kubwa zaidi ya udongo ilionekana katika Olsen-P:

Zone 1: 9.45 ± 2.685 mg kg⁻¹

Zone 2: 62.00 ± 67.880 mg kg⁻¹

Wastani wa Zone ulitofautiana kwa takriban mara 6.5. Katika sehemu moja ya sampuli ndani ya Zone 2, 110 mg kg⁻¹ ilipimwa.

Hata hivyo, kwa kuwa Zone 2 ilikuwa na sampuli mbili tu za mchanganyiko na thamani hii ya juu ilitokana na sehemu moja pekee, 110 mg kg⁻¹ haikuchukuliwa kama kiwango cha kawaida cha fosforasi kwa Zone 2 yote. Chanzo kinazuia wazi kujumlisha hotspot bila sampuli zaidi.

Potasiamu

Kwa K inayoweza kubadilishwa, wastani wa Zone 1 ulikuwa 0.28 ± 0.069 na wa Zone 2 ulikuwa 0.71 ± 0.692 meq (100 g)⁻¹. Mwelekeo ni sawa na fosforasi: Zone 2 ni ya juu zaidi.

Mabaki ya kikaboni na nitrojeni jumla

Mabaki ya kikaboni yalikuwa %2.20 ± 0.374 katika Zone 1 na %2.50 ± 0.707 katika Zone 2. N jumla ilitolewa kama 1.022 ± 0.195 na 1.395 ± 0.572 mg g⁻¹, mtawalia.

Tofauti hizi si kubwa kama P. Chanzo pia hakionyeshi mabaki ya kikaboni kuwa sababu pekee ya tofauti za virutubisho kati ya maeneo.

Chuma, zinki na manganizi

DTPA-extractable Fe ilikuwa 112.0 mg kg⁻¹ katika Zone 2 na 37.37 mg kg⁻¹ katika Zone 1. Tofauti hii ya mwelekeo ya takriban mara tatu ilijadiliwa katika chanzo kama matokeo yanayoweza kuendana na moisture regime au organic matter dynamics.

Hata hivyo, soil moisture, water-table depth, drainage au redox potential havikupimwa moja kwa moja katika utafiti. Kwa hiyo haiwezi kuhitimishwa kuwa thamani kubwa ya Fe inathibitisha waterlogging ya mara kwa mara au michakato ya redox.

Kwa Zn, wastani wa Zone 1 ulikuwa 0.56 mg kg⁻¹ na wa Zone 2 ulikuwa 2.79 mg kg⁻¹. Chanzo kinaeleza kuwa thamani za DTPA-Zn karibu 0.5–1.0 mg kg⁻¹ zinaweza kuchukuliwa katika baadhi ya muktadha kuwa karibu na kikomo cha chini cha kutosha, na Zone 1 inaweza kuhitaji tathmini zaidi kwa uwezekano wa Zn availability iliyo pembezoni.

Manganizi ilibadilika katika mwelekeo tofauti na viashiria vingine vitatu vya mikro/virutubisho: 19.0 mg kg⁻¹ katika Zone 1 na 11.5 mg kg⁻¹ katika Zone 2. Chanzo kinaona hili kama uchunguzi unaoweza kuendana na tofauti za aeration au moisture lakini hakidai mekanizimu ya moja kwa moja.

pH na EC

pH ilikuwa karibu sawa katika maeneo mawili: Zone 1 = 6.15, Zone 2 = 6.20. Kwa hiyo, kwa mtazamo wa chanzo, si rahisi kueleza tofauti za P, K, Fe na Zn kwa gradiento ya pH pekee.

EC ilikuwa katika viwango vya 0.54 na 0.66 mmhos cm⁻¹, na chanzo hakioni salinity kuwa confounding factor kuu.

Tekstura ya udongo

Figure 4 inapaswa kutafsiriwaje?

Figure 4 inaonyesha usambazaji wa Olsen-P na mabaki ya kikaboni kulingana na fuzzy cluster katika boxplot mbili tofauti. Tofauti kati ya Zone 1 na Zone 2 katika paneli ya fosforasi ni wazi zaidi kuliko katika paneli ya mabaki ya kikaboni.

Hata hivyo, mwonekano wa boxplot haupaswi kutafsiriwa kana kwamba hauathiriwi na idadi ya sampuli. Kwa kuwa Zone 2 ilikuwa na sampuli mbili tu za mchanganyiko, mchoro haupaswi kuonekana kama usambazaji mkubwa wa idadi ya watu uliothibitishwa. Ushahidi mkuu wa chanzo ni ukubwa wa tofauti ya mwelekeo na uthabiti katika vigezo vingine vya virutubisho.

Je, Maeneo Mawili Yanayotegemea Satelaiti Yanaweza Kutumika Moja kwa Moja kwa Maagizo ya Mbolea?

Hapana. Utafiti unaunga mkono kwamba Zone 1 na Zone 2 ni maeneo ya usimamizi ya uchunguzi yanayoweza kuelekeza uchunguzi zaidi wa shambani; kwa sababu ya sampuli sita tu za mchanganyiko, uanachama wa sample-level FCM uliopotea, kukosekana kwa vigezo vya formal cluster-validity na sababu za shambani ambazo hazikupimwa, ramani hii si mfumo wa maamuzi uliothibitishwa unaoweka moja kwa moja viwango vya mbolea.

Tafsiri inayowezekana ya usimamizi kwa Zone 2

Ikiwa thamani za juu za Olsen-P na exchangeable K zitathibitishwa kwa sampuli zaidi, maintenance-level nutrient management inaweza kutosha katika baadhi ya sehemu za Zone 2.

Hata hivyo, uamuzi wa kupunguza au kusitisha matumizi ya fosforasi haupaswi kutolewa kutokana na ramani ya utafiti huu pekee. Chanzo kinaeleza kuwa regional agronomic thresholds, environmental-risk assessment na repeated soil testing zinahitajika.

Tafsiri inayowezekana ya usimamizi kwa Zone 1

Thamani za chini za P, K na Zn katika Zone 1 zinaweza kuhitaji tathmini inayolengwa ya corrective management.

Kiwango halisi cha matumizi bado hakipaswi kukokotolewa kutoka seti hii ya data. Local fertilizer guidelines, crop nutrient removal estimates, sampuli zaidi za udongo na, inapowezekana, yield au biomass monitoring zinahitajika.

Kwa nini sababu na athari haziwezi kuthibitishwa?

Ukweli kwamba Zone 2 ina vegetation indices za juu zaidi na pia thamani nyingi za virutubisho za juu zaidi hauonyeshi uhusiano wa moja kwa moja wa kisababishi kati yake.

Vigezo vikuu vinavyoweza kuathiri uakisi wa kanopi na ambavyo havikudhibitiwa kikamilifu katika utafiti huu ni:

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

Kwa hiyo, ramani ya Sentinel-2 si “ramani ya fosforasi ya udongo”. Data ya spektra inawakilisha mwitikio wa kanopi unaoweza kutambuliwa kwa mbali kwa athari zilizounganishwa za udongo, maji, usimamizi na msongo wa kibayolojia.

Matokeo yanayoungwa mkono na utafiti

Utafiti unaunga mkono kwamba data ya bure ya Sentinel-2 pamoja na FCM inaweza kuunda maeneo mawili ya uchunguzi yaliyotenganishwa kijiografia katika shamba dogo la alfa alfa.

Utafiti unaunga mkono kwamba maeneo haya mawili ya spektra yalilingana, katika sampuli ndogo zilizopo za udongo, na tofauti wazi za mwelekeo hasa kwa P, K, Fe na Zn.

Utafiti unaunga mkono kwamba mtiririko wa kazi wenye gharama ndogo na wa chanzo huria unaweza kuwa mbinu muhimu ya screening ya kubaini maeneo ambayo follow-up sampling yenye msongamano mkubwa zaidi inapaswa kufanywa.

Utafiti unaunga mkono kwamba dhana ya fuzzy membership inafaa kidhana kwa kuwakilisha gradiento za kilimo.

Matokeo yasiyoungwa mkono na utafiti

Utafiti hauonyeshi kwamba sampuli sita tu za udongo zinatosha katika tafiti zote za management-zone.

Utafiti hauonyeshi kwamba k = 2 ndiyo suluhisho bora lililothibitishwa kwa formal cluster-validity analysis.

Utafiti hauonyeshi kwamba FCM ni bora kuliko k-means, hierarchical clustering au algoriti nyingine.

Utafiti hauonyeshi kwamba fahirisi za Sentinel-2 hupima moja kwa moja mkusanyiko wa P, K, Fe au Zn katika udongo.

Utafiti hauonyeshi kwamba pattern ya NDWI ni kipimo cha moja kwa moja cha unyevu wa udongo au mifereji ya maji.

Utafiti hautoi viwango sahihi vya matumizi ya mbolea kwa Zone 1 au Zone 2.

Utafiti hauonyeshi kwamba matokeo yanaweza kujumlishwa bila uthibitishaji katika mashamba, mazao au maeneo mengine.

Vikwazo vikuu

Utafiti wa baadaye

Chanzo kinapendekeza soil sampling yenye msongamano mkubwa na ya kurudiwa, kuhifadhi thamani za spectral-index na membership katika kiwango cha sampuli, formal cluster diagnostics, multi-season Sentinel-2 time series, yield/biomass monitoring, direct soil-moisture measurements, drainage observations, redox indicators na data ya topografia yenye azimio kubwa zaidi.

Ulinganisho wa kimfumo wa FCM na mbadala kama k-means na hierarchical clustering kwenye data ileile pia ni hatua muhimu inayofuata.

Multi-site validation inahitajika ili kujumlisha utafiti katika mashamba na hali nyingine.

Maelezo ya Chanzo na Mbinu

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

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

Mwandishi wa mawasiliano: Dimitrios Triantakonstantis

Taasisi: 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.

Jarida: AI and Precision Agriculture

Mchapishaji: MDPI

Juzuu / Toleo / Makala: 1 / 1 / 3

DOI: 10.3390/aipa1010003

Tarehe: Ilipokelewa: 25 Mei 2026; ilirekebishwa: 24 Agosti 2026; ilikubaliwa: 31 Agosti 2026; ilichapishwa: 3 Septemba 2026.

Aina ya chanzo: Article; utafiti halisi wa shambani, utambuzi wa mbali wa satelaiti wa multispektrali, unsupervised fuzzy clustering, uchukuaji wa sampuli za udongo unaolengwa na uchambuzi wa maabara.

Mapitio ya wenzao: AI and Precision Agriculture ni jarida la kimataifa la ufikiaji wazi linalopitiwa na wenzao, linalochapishwa na MDPI.

Leseni: PDF inaonyesha leseni ya Creative Commons Attribution (CC BY). Sera rasmi ya leseni ya AIPA inaeleza CC BY 4.0 kwa makala zinazochapishwa katika jarida.

Eneo la utafiti: Etoloakarnania Prefecture, Magharibi mwa Ugiriki; kituo cha takriban 38.795° N, 20.852° E; shamba la kibiashara la alfa alfa la 8 ha.

Data ya satelaiti: Sentinel-2A/B Level-2A Bottom-of-Atmosphere; picha kuu 26 Aprili 2022; tile T34SDJ.

Bendi za spektra: B2 Blue, B4 Red, B8 Near Infrared, B11 Shortwave Infrared.

Fahirisi za spektra: NDVI, SAVI, EVI, NDWI.

Resampling: B11 ilifanyiwa resample kutoka 20 m hadi grid ya pamoja ya 10 m kwa bilinear interpolation.

Uchakataji wa awali: Raster nne za fahirisi zilisawazishwa kwa z-score kabla ya FCM.

Uundaji makundi: Fuzzy C-Means; QGIS kupitia SAGA GIS; m = 2.0; k = 2.

Vigezo vinavyokosekana vya reproducibility: Stopping criterion, convergence threshold na maximum iteration havikuweza kurejeshwa kwa kuaminika kutoka mtiririko asilia wa kazi.

Hali ya cluster-validation: Thamani za Elbow, Silhouette na Davies–Bouldin hazikuhifadhiwa. Suluhisho la mbili-zone halijaonyeshwa kama suluhisho bora lililothibitishwa kwa formal cluster validity.

Uchukuaji wa sampuli za udongo: Sampuli sita za mchanganyiko zilizorejelewa kijiografia; Zone 1 = 4, Zone 2 = 2; kina 0–30 cm; GPS takriban ±3–5 m.

Muundo wa sampuli ya mchanganyiko: Sampuli moja ya katikati na sampuli tatu za pembeni zilizowekwa kwa nafasi sawa kwenye duara la radius ya 2 m, jumla sampuli ndogo nne.

Mbinu za maabara: 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.

Mbinu ya takwimu: Kwa sababu ya sampuli ndogo, hasa uchambuzi wa maelezo; wastani na mkengeuko sanifu. Matokeo ya formal test hayakutumiwa kama ushahidi wa mwisho.

Tokeo kuu: Zone 2 ilikuwa na wastani wa juu zaidi wa P, K, OM, total N, Fe na Zn; Mn ilikuwa juu zaidi katika Zone 1; pH na EC zilifanana kwa kiasi kikubwa kati ya maeneo.

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

Upatikanaji wa data: Imeripotiwa kuwa data ghafi inayounga mkono matokeo inaweza kupatikana kutoka kwa waandishi kwa ombi.

Mgongano wa maslahi: Waandishi walitangaza kutokuwa na mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana: Dimitrios Triantakonstantis na Dionysios Faltsetas. Mbinu: Dimitrios Triantakonstantis na Dionysios Faltsetas. Programu na uthibitishaji: Dimitrios Triantakonstantis. Uchambuzi formal na usimamizi wa data: Dimitrios Triantakonstantis na Dionysios Faltsetas. Utafiti, rasilimali, uonyeshaji na ushauri: Dimitrios Triantakonstantis. Rasimu ya awali: Dimitrios Triantakonstantis na Dionysios Faltsetas. Mapitio na uhariri: waandishi wote. Usimamizi wa mradi na upatikanaji wa ufadhili: Dimitrios Triantakonstantis, Despoina Vlachaki na Ioannis Sebos.

Kikwazo kikuu cha kurudiwa: Kutohifadhiwa kwa baadhi ya vigezo vya uendeshaji vya FCM, alama za sample-level membership na thamani za fahirisi za spektra katika sehemu za sampuli kunazuia kurudia kikamilifu mtiririko asilia wa kazi na kufanya point-level validation ya moja kwa moja.

Kikomo kikuu cha tafsiri ya kisayansi: Utafiti unaunga mkono uwezekano wa mbinu ya Sentinel-2 + FCM kuunda maeneo ya awali ambayo yanaweza kuwa na maana ya kilimo katika shamba hili maalum; hauungi mkono hitimisho kwamba maeneo hayo yamethibitishwa kwa maagizo sahihi ya virutubisho au yanaweza kujumlishwa moja kwa moja katika maeneo mengine.