Precision Farming: Geospatial Technologies for Pistachio Orchards Ճշգրիտ գյուղատնտեսություն. Աշխարհատարածական տեխնոլոգիաներ պիստակի այգիների համար

Դասընթացի կենտրոնական թեման Հեռազննման (ՀԶ), Աշխարհատեղեկատվական համակարգերի (ԱՏՀ) և Տեղեկատվական և հաղորդակցական տեխնոլոգիաների (ՏՀՏ) ինտեգրված կիրառումն է՝ գյուղատնտեսական պրակտիկաները, մասնավորապես պիստակի մշակությունը, օպտիմալացնելու համար։ Դասընթացը նպատակ ունի «զարգացնել կարողություններ՝ ինտեգրված հեռազննման և ԱՏՀ տվյալներն օգտագործելու և դրանք պիստակի այգիների/ծառերի մոնիթորինգի համար մեկնաբանելու ուղղությամբ»։ Այս ինտեգրումը թույլ է տալիս կիրառել տվյալների վրա հիմնված մոտեցում գյուղատնտեսության մեջ՝ հեռանալով ավանդական, միատեսակ մշակումներից։

Կենտրոնացումը պիստակի մշակաբույսերի մոնիթորինգի և կառավարման վրա Թեև սկզբունքները լայնորեն կիրառելի են ճշգրիտ գյուղատնտեսության համար, դասընթացը հատուկ շեշտադրում է ունենում պիստակի մշակաբույսերի վիճակի մոնիթորինգի վրա։ Սա ներառում է «սաղարթի ծավալը, մոլախոտը, վնասատուները և այլն», ինչպես նաև «պիստակի այգու (հող, ծառեր) և գործընթացների (օգտատիրոջ/տեղանքի/ժամանակի համար նախատեսված) մոնիթորինգը»։ Այս մասնագիտացված կենտրոնացումը ապահովում է գործնական նշանակություն VETfarm նախագծի համար Հայաստանում։

Գյուղատնտեսական ներդրումների օպտիմալացումը կառավարման գոտիների (ԿԳ) միջոցով Կարևոր նպատակ է Կառավարման գոտիների (ԿԳ) մշակումն ու օգտագործումը։ Ճիշտ վավերացված ալգորիթմների և պարամետրերի միջոցով գյուղատնտեսական ռեսուրսների, օրինակ՝ ջրի և նմուշառման օգտագործումը, կարող է օպտիմալացվել տարածականորեն փոփոխական ձևով՝ օգտագործելով համասեռ արտադրական գոտիներ, որոնք հայտնի են որպես Կառավարման գոտիներ (ԿԳ)։ Արբանյակային և ԱՏՀ տվյալները կարևոր են այս գոտիները բացահայտելու համար, ինչը հանգեցնում է ռեսուրսների ավելի արդյունավետ բաշխման և թափոնների կրճատման։

Ամպային ծառայությունների և ԵԴ տվյալների օգտագործում Դասընթացը շեշտում է գործնական կիրառումը՝ մշակաբույսերի մոնիթորինգի համար ամպային ծառայությունների/գործիքների օգտագործման միջոցով։ Այս մոտեցումը նպատակ ունի պարզեցնել գործընթացը՝ «վերացնելով արբանյակային մեծ ծավալի տվյալների մշակման բարդությունը»։ Ուսանողները կսովորեն աշխատել «գրեթե իրական ժամանակի Երկրի դիտարկման (ԵԴ) տվյալների», ներառյալ Sentinel-2 տվյալների հետ։

Տվյալների հարստացումը ԻԻ սենսորային ցանցերով Մոնիթորինգի ճշգրտությունը բարձրացնելու համար դասընթացը ներառում է Իրերի ինտերնետ (ԻԻ) սենսորային ցանցերի օգտագործումը։ Երկրի դիտարկման (ԵԴ) տվյալների հարստացումը ԻԻ սենսորային ցանցերի միջոցով, հատուկ շեշտադրմամբ պիստակի մշակաբույսերի վիճակի մոնիթորինգի և Կառավարման գոտիների (ԿԳ) և կլիմայական տվյալների ինտեգրման վրա։ Սա ընդգծում է համապարփակ պատկերացումներ ստանալու համար բազմաղբյուր տվյալների մոտեցման կարևորությունը։

Գործնական հմտություններ և որոշումների աջակցություն Դասընթացը նախագծված է լինելու բարձր գործնական, որի զգալի մասը նվիրված է լաբորատոր պարապմունքներին և վարժություններին։ Ակնկալվող ուսումնական արդյունքները ներառում են «օգտատիրոջ կողմից սահմանված տարածքը (Հետաքրքրության տարածաշրջան, ՀՏ) և պիստակի առողջության հետ կապված խնդիրները հասկանալու, այնուհետև հետագա պատկերների վերլուծության համար ՀՏ-ի համար պատկերների ընտրանի տրամադրելու կարողությունը»։ Բացի այդ, դասընթացը կենտրոնանում է «հեռազննման տվյալներից համակարգչային օգնությամբ տեղեկատվության արդյունահանման վրա՝ որոշումների աջակցության համար, ներառյալ դեպքի ուսումնասիրությունները՝ հիմնված Under Sun-ի կարիքների վրա (դեպքի ուսումնասիրություններ՝ վնասատուների և ջրի պակասի կամ ավելցուկի, ինչպես նաև մոլախոտերի հայտնաբերման համար)»։

Ծախսարդյունավետություն Կարևոր օգուտներից է Հեռազննման պատկերների վերլուծությունը ԱՏՀ միջավայրում՝ Ճշգրիտ գյուղատնտեսության համար, որը համարվում է «ծախսարդյունավետ հիմք»։ Սա ենթադրում է, որ դասավանդվող տեխնոլոգիաներն ու մեթոդները կարող են տնտեսական առավելություններ ապահովել ֆերմերների համար։