برآورد مقدار نیتروژن پوشش ‌گیاهی ذرت علوفه‌ای با استفاده از فناوری سنجش از دور چند طیفی هوایی با پهپاد

هدف: به‌منظور ارائۀ یک روش نوین، غیرمخرب، دقیق و سریع برای برآورد مقدار نیتروژن گیاه ذرت از فناوری سنجش از دور چندطیفی هوایی با پهپاد استفاده شد.روش پژوهش: آزمایش‌ها به‌صورت طرح بلوک‌های کامل تصادفی در چهار سطح کود نیتروژن (صفر، 50، 100 و 150 درصد مقدار کود بهینه) در شهرستان ورامین در سال زراعی 1397 اجرا شد. نمونه‌برداری در دو مرحلۀ کوددهی (هشت‌برگی و ظهور گل‌تاجی) انجام شد. تصویربرداری چندطیفی با پهپاد و نمونه‌برداری زمینی، یک هفته پس از هر بار کوددهی انجام شد. پس از پردازش تصاویر، شاخص‌های پوشش‌گیاهی شامل ndvi، sr، gi، nri، mcari2، mtvi2، tcari، psri و reip محاسبه شدند و همبستگی آن‌ها با نتایج نمونه‌برداری زمینی به‌دست آمد.یافته ها: براساس نتایج به‌دست‌آمده از بررسی ضرایب همبستگی (r) و رگرسیون (مدل بهترین زیرمجموعه)، بهترین شاخص ها برای برآورد مقدار نیتروژن ذرت علوفه‌ای، شاخص پوشش‌گیاهی تفاضلی نرمال‌شده (ndvi)، شاخص بازتاب نیتروژن (nir) و شاخص پوشش ‌گیاهی مثلثی اصلاح‌شده (mtvi2) در هر دو مرحلۀ رشد هشت‌برگی (v8) و ظهور گل‌تاجی (vt) بودند. در مرحلۀ ظهور گل‌تاجی، رابطۀ مثبت و معنی‌داری بین شاخص‌های ndvi (p≤0.001، r2=0.86)، nir (p≤0.001، r2=0.70) و mtvi2 (p≤0.01، r2=0.46) با مقدار نیتروژن ذرت به‌دست آمد.نتیجه گیری: براساس یافته‌های به‌دست‌آمده، تصویربرداری چندطیفی هوایی با پهپاد دقت قابل‌قبولی برای برآورد مقدار نیتروژن گیاه ذرت ارائه‌ می‌دهد. این فناوری می‌تواند به کشاورزان برای تعیین زمان مناسب کوددهی کمک کند.

estimating maize canopy nitrogen content using aerial multispectral remote sensing by unmanned aerial vehicle

objective: in order to present a new, non-destructive, accurate, and fast method for estimating the nitrogen content of corn, unmanned aerial vehicle (uav) multispectral sensing technology was used.methods: the experiments were performed based on a randomized complete block design in four levels of nitrogen fertilizer (zero, 50, 100, and 150%) in varamin in 2018. sampling was carried out in two stages of fertilization (8-leaf stage and tasseling stage). multispectral aerial imaging and ground sampling was performed one week after each fertilizer application. after processing aerial imagery, vegetation indices were calculated and their correlation with the results of ground sampling was determined.results: based on the results obtained from the correlation coefficients (r) and best subsets regression, among the spectral vegetation indices, normalized difference vegetation index (ndvi), nitrogen reflectance index (nir), and modified triangular vegetation index2 (mtvi2) indices in both eight leaf collar (v8) and tasseling (vt) of maize growth stage was identified as the best indicator to estimate the nitrogen content of forage maize. at vt, a positive and significant relationship was obtained between ndvi (r2= 0.86, p≤0.001), nri (r2= 0.70, p≤0.001) and mtvi2 (r2= 0.46, p≤0.01) indices with maize nitrogen content.conclusion: it can be concluded that uav multispectral imaging provides acceptable accuracy in determining the nitrogen content of maize. this technology can help farmers to determine the appropriate time of fertilization.