استراتژی‌های مدیریت آبیاری هوشمند “۲”

۱-۲-۲مطالعات موردی با استفاده از کنترلرهای ET

مدیریت آبیاری هوشمند در فضای سبز خانگی لاس‌وگاس، کنترل کننده‌های ET مبتنی بر سیگنال، آب مصرفی را تقریباً ۲۰٪ در مقایسه با مکان­های کنترل کاهش می‌دهند (Devitt et al., ۲۰۰۸). برنامه ریزی آبیاری در باغ‌های والدبباس، مادرید، اسپانیا، با استفاده از کنترل کننده‌های ET تنها بر اساس شرایط آب و هوایی، با صرفه‌جویی در مصرف آب تا ۳۵ درصد به خوبی مدیریت شده است (Canales-Ide et al., ۲۰۱۹). مک کریدی و همکاران ۲۰۰۹  آبیاری چمن سنت آگوستین را مورد مطالعه قرار داد، جایی که آبیاری با استفاده از دو نوع کنترل کننده  ET  اعمال شد و نشان داد که صرفه‌جویی در مصرف آب از ۲۵٪ تا ۶۲٪ متغیر است (McCready et al., ۲۰۰۹).

به طور مشابه، صرفه‌جویی در مصرف آب با کمک کنترلر Toro Intelli-Sense، شرکت Toro در کالیفرنیا در مقایسه با یک زمان‌بندی استاندارد مبتنی بر تایمر ۵۹٪ بود در حالی که کیفیت چمن تولید شده، مناسب بود (Shedd et al., ۲۰۰۷). کنترل‌کننده‌هایهای ET، مانند Weathermatic SL۱۶۰۰ با مانیتور آب و هوای SLW۱۵، Toro Intelli-Sense و ETwater Smart Controller ۱۰۰، در مقایسه با روش آبیاری معمولی، به طور بالقوه می‌توانند ذخایر سالانه ۴۲ درصد تولید کنند، و جایگزین نیاز آبیاری خالص بدون سوئیچ باران شوند و همچنان کیفیت گیاه را حفظ کنند (Davis et al., ۲۰۰۹).

کنترل‌کننده‌های ET با یک مدل تعادلی آب  و خاک به‌دست‌آمده در فصل‌های زمستان، بهار و تابستان مقایسه شدند. کنترل‌کننده‌های Weathermatic و Toro به ترتیب ۳ تا ۲۶ درصد و ۲۷ تا ۳۱ درصد کمتر از مقدار آبی که از نظر تئوری برای آبیاری در فصل‌های زمستان و بهار مورد نیاز است، عمل کردند. با این حال، در تابستان، ۴٪ آبیاری بیش از حد با استفاده از کنترل کننده Toro انجام شد، که به RS مربوط به این کنترل کننده نسبت داده می‌شود، که آبیاری را تنها برای شرایط بارندگی شدید متوقف می‌کند.

برای بررسی رفتار ET آب، کنترل‌کننده به ترتیب ۴۶% و ۱۰% کمتر از نیاز تئوری برای فصل بهار و تابستان اعمال می‌شود. ادغام RS برای موفقیت کنترلرهای ET بسیار مهم است (Davis & Dukes, ۲۰۱۰). همراه با فن‌آوری‌های آبیاری برنامه‌ریزی SMS و RS، میانگین فصلی رتبه‌بندی کفایت آبیاری برای همه تیمارها تا ۹۹٪ بود (McCready & Dukes, ۲۰۱۱). ترکیب کلید باران و مکث باران در کنترلر Toro Intelli-Sense، آبیاری چمن سنت آگوستین را تا ۴۱ درصد در مقایسه با استفاده از ویژگی‌های بدون باران کاهش داد. بنابراین، استفاده از کلید باران و ویژگی توقف باران برای قطع کردن رویدادهای آبیاری هوشمند در کنترلر Toro IntelliSense پیشنهاد می‌شود (Rutland & Dukes, ۲۰۱۲).

فن‌آوری آبیاری هوشمند فوق همراه با کنترل کننده های مبتنی بر رطوبت خاک برای صرفه‌جویی در مصرف آب برای آبیاری چمن و فضای سبز در محیط‌های مسکونی کار گذاشته شده است. صرفه‌جویی در مصرف آب  در آزمایش‌های پیامکی ۴۴ درصد بود، در حالی که در گروه ET ۲۰ درصد بود (Nautiyal et al., ۲۰۱۰). به طور مشابه، تحقیقات آبیاری بر روی پاپایا (عنبه هندی) نشان داد که گیاه با ردیابی آب خاک یا با استفاده از داده‌های زمانمند ET  در مقایسه با آبیاری معمولی بدون تأثیر بر ویژگی‌های فیزیولوژیکی و میزان تولید محصول، موفق به ۶۵ درصد صرفه جویی در آب شد (Migliaccio et al., ۲۰۱۰).

به همین ترتیب، کنترل کننده های آبیاری هوشمند مبتنی بر ET برای مدیریت آبیاری گندم و گوجه فرنگی استفاده شده است. این سیستم از کنترلرهای الکترونیکی دیجیتال، حسگرهای ET و ماژول‌ها تشکیل شده­است. ETc برای ریز اقلیم محلی به طور خودکار توسط سیستم بر اساس معادله Penman اصلاح شده محاسبه شد که برای آن یک برنامه علمی ایجاد و در کنترلر دانلود شد. سپس، زمان اجرای آبیاری را می‌توان طوری تنظیم کرد که فقط مقدار آبی که گیاهان از دست داده‌اند جایگزین شود. نتایج نشان داد که سیستم می‌تواند ۲۷ درصد در مصرف آب صرفه جویی کند (Al-Ghobari & Mohammad, ۲۰۱۱).

نتایج آزمایش‌های آبیاری هوشمند باغ‌های میوه چوبی نشان داد که دور آبیاری مبتنی بر ET به‌دست‌آمده از اطلاعات آب و هوای واقعی یا زمانمند، بیش از ۷۰ درصد آب آبیاری کمتری را در مقایسه با تیمار مبتنی بر زمان مصرف می‌کند (Kisekka et al., ۲۰۱۰a). اخیراً، سیستم‌های آبیاری هوشمند مبتنی بر ET برای محصول سبز خردل با استفاده از پیش‌بینی آب‌وهوای عمومی یا یک ایستگاه هواشناسی میکرو اقلیم، صرفه‌جویی در مصرف آب را در مقایسه با آبیاری دستی، بدون تأثیر بر رشد محصول، تقریباً ۷۱ درصد نشان داده‌اند (Cruz et al., ۲۰۲۰).

شایان ذکر است که وجود سنجنده های رطوبت خاک برای بررسی دقیق برنامه آبیاری ضروری هستند (Widyanto et al., ۲۰۱۴). به عنوان نمونه برای اثبات این ادعا، مدیریت آبیاری محصول گندم در صلاح، الجزایر، نشان داد که ETc محاسبه شده برای آبیاری همراه با داده‌های رطوبت خاک، مقدار آب آبیاری را تا ۵ درصد در مقایسه با محاسبات نظری بر اساس داده‌های هواشناسی کاهش داد (Debauche et al., ۲۰۲۰).

از همین استراتژی برای مدیریت آبیاری توت فرنگی در جایی که یک سری داده ET۰ برای بازه‌ی ۱۰ ساله ثبت شده بود، استفاده شد. سپس، نیازهای آبی با استفاده از داده‌های به‌دست آمده از ایستگاه هواشناسی و پیامک به‌روز شد (Morillo et al., ۲۰۱۵).

در یک مطالعه شبیه‌سازی که با استفاده از نرم‌افزار TOUIL ETAL.7  مبتنی بر مدل کیفیت آب منطقه ریشه (Gu et al., ۲۰۱۷)  انجام شد، کمبودهای نیاز آبی شناسایی شد و داده‌های پیش‌بینی آب و هوای ۴ روز آینده (بارش، دمای هوا، رطوبت، سرعت باد، و تشعشع) برای مدیریت آبیاری سویا و ذرت با شبیه‌سازی ظاهر تنش آبی و سپس تعیین حجم آب آبیاری شده برای بازگشت محتوای آب فعلی خاک به محتوای آب خاک در عمق ریشه‌زایی کامل محصول توسعه داده شد. مقدار صرفه‌جویی در مصرف آب این مدل بدون تأثیر بر عملکرد محصول تا ۳۵ درصد بود.

۳-۲- مدیریت آبیاری مبتنی بر RS

RS یکی از ساده‌ترین استراتژی‌های سنجش آبیاری هوشمند می‌باشد. ثابت شده است که این ابزارها برای صرفه‌جویی در مصرف آب با قیمت نسبتاً پایین مفید هستند (Cardenas-Lailhacar & Dukes, ۲۰۰۸). RS می‌تواند دور آبیاری برنامه‌ریزی شده را در زمانی که مقدار باران از پیش تعیین شده‌ای وجود دارد، شیرهای برقی را تا زمانی که حسگر خشک شود، قطع کند (Dobbs et al., ۲۰۱۳).

به طور معمول، RS باید در مناطق باز نصب شود که در معرض بارندگی بدون مانع باشند (Dukes & Haman, ۲۰۰۲). با استفاده از RS می‌توان رواناب یا نفوذ عمیق را به حداقل رساند، فشار علف‌های هرز و بیماری‌ها را کاهش داد و رویدادهای آبیاری غیر ضروری را از بین برد.

علاوه بر این، RS دارای عمر طولانی، بیش از ۱۰ سال به گفته سازنده، و ضمانت ۵ ساله است (Cardenas-Lailhacar & Dukes, ۲۰۰۸; Dukes & Haman, ۲۰۰۲). صرفه جویی در مصرف آب با استفاده از RS از ۱۹% تا ۳۴% تحت بارندگی استاندارد در فلوریدا مرکزی متغیر بود (Cardenas-Lailhacar et al., ۲۰۰۸; Haley & Dukes, ۲۰۰۷).

تأثیر Mini-Clik RS (Hunter Industries, Inc., San Marcos, CA) در دو نقطه تنظیم بارندگی (۳ میلی‌متر و ۶ میلی‌متر) و سه فرکانس آبیاری مختلف (۱، ۲ و ۷ روز در هفته) بر صرفه‌جویی در مصرف آب و مطالعات کیفیت چمن نشان داد که RS با نقاط تنظیم و فرکانس‌های آبیاری متفاوت، صرفه‌جویی در مصرف آب از ۷% تا ۳۰% با کیفیت چمن قابل‌قبول دارد (McCready et al., ۲۰۰۹).  به طور مشابه، مشخص شد که تیمار RS با فرکانس آبیاری هوشمند ۷ روز در هفته با استفاده از یک نقطه تنظیم ۶ میلی‌متری آب کمتری را در هر رویداد آبیاری نسبت به تیمار SMS اعمال می‌کند (McCready & Dukes, ۲۰۱۱).

در مطالعه دیگری، دو نوع RS (Mini-Clik و Rain-Clik) بی‌سیم با توجه به پتانسیل صرفه‌جویی در مصرف آب مورد ارزیابی قرار گرفتند، که Rain-Clik بی‌سیم بیشترین صرفه‌جویی در آب را به میزان ۴۴ درصد به خود اختصاص داد (Cardenas-Lailhacar & Dukes, ۲۰۰۸). به همین ترتیب، صرفه‌جویی در آب سیستم‌های آبیاری چمن مبتنی بر RS در مقایسه با آبیاری معمولی تا ۴۹ درصد در عمق آبیاری ۳۲ میلی‌متر و فرکانس آبیاری ۲ روز در هفته بود. علاوه بر این، شیرابه NO۳-N و NH۴-N نیز با استفاده از RS مدیریت شدند (Dobbs et al., ۲۰۱۴).

برای تعیین بارندگی بلادرنگ،RS  به یک میکروکنترلر ARM۷ شرکت فناوری الکترونیکی Shenzhen Leadwon، ساخت چین متصل شد و مقدار آب موجود در خاک با توجه به اطلاعات بارندگی زمین توسط پیامک تعیین شد. موتور پمپ آبیاری هوشمند با استفاده از داده‌های حسگر کنترل شد و سپس از طریق فناوری‌های GSM  (سیستم جهانی ارتباطات سیار) به گوشی هوشمند کشاورز منتقل شد.

نتایج صرفه‌جویی آب سیستم آزمایش شده بر روی کشت گوجه فرنگی تا ۵۰ درصد در مرحله جوانه زنی و بیش از ۳۰ درصد در دوره‌های جوانه‌زنی در مقایسه با آبیاری قطره‌ای بود (Barkunan et al., ۲۰۲۰).

از همین سیستم آبیاری هوشمند برای نظارت بر آبیاری هوشمند شالیزاری استفاده شد و مشخص شد که در مقایسه با فرآیندهای معمولی آبیاری غرق آبی و قطره‌ای به ترتیب ۴۱.۵ و ۱۳ درصد آب صرفه‌جویی می‌شود (Barkunan et al., ۲۰۱۹). چندین پارامتر ورودی، یعنی دما و رطوبت، ادغام شده با RS می‌تواند دقت سیستم را کاهش دهد، از اشکالات استراتژی فوق در نظر گرفته می‌شود.

می‌توان نتیجه گرفت که کنترل‌کننده‌های SMS و ET راهبردهای امیدوارکننده‌ای برای افزایش راندمان مصرف آب هستند و به دلیل دقت و صحت، کاربردی‌ترین استراتژی‌ها برای مدیریت آبیاری در مقایسه با RS هستند. پتانسیل بالا بودن کاهش مصرف آب بدون تأثیر بر کیفیت محصول، از نظر اقتصادی و زیست‌محیطی بسیار مهم است. مدیریت آبیاری با دستگاه‌های فوق صرفه‌جویی متفاوتی در مصرف آب نشان می‌دهد، زیرا بستگی به کاربرد، تکنیک‌های مورد استفاده و شرایط آب و هوایی دارد.

استراتژی‌های مبتنی بر تماس با خاک برای برنامه‌ریزی آبیاری مقرون‌به‌صرفه و کارآمد هستند. البته لازم به ذکر است که سنسورها حاوی عناصر الکترونیکی هستند که ممکن است دارای معایبی از جمله قرار گرفتن در معرض نمک‌های خاک و دوام محدود آنها باشد.

علاوه بر این، آنها ممکن است در معرض خطاها و عدم قطعیت باشند. به عنوان مثال، مشخص شد که انحراف ETc اندازه‌گیری شده با حسگر از ETc واقعی از ۱۴٪ تا ۳۱٪ در خاک لوم سیلت متغیر است (Sharma et al., ۲۰۲۱). در نتیجه، محققان به سمت یافتن فناوری‌های جدید برای کشاورزی دقیق با استفاده از روش‌های مبتنی بر گیاه حرکت کرده‌اند، زیرا علائم تنش تاج پوشش را می‌توان خیلی زودتر از علائم در خاک شناسایی کرد (Mwinuka et al., ۲۰۲۱).

۴-۲- سنسورهای نوری: مدیریت آبیاری هوشمند مبتنی بر گیاه

سنسورهای ذکر شده در بالا برای آبیاری هوشمند دقیق به سخت‌افزار خاصی برای اتصالات باسیم و بی‌سیم به حسگرهای مدفون نیاز دارند که ممکن است سیگنال را به دلیل مسائل قطع و وصل از دست بدهند (Al-Naji et al., ۲۰۲۱). برای جلوگیری از استفاده از SMS مدفون در خاک، تکنیک‌های جدیدی برای مدیریت آبیاری با استفاده از حسگرهای نوری مانند هواپیماهای بدون سرنشین، پهپاد، و دوربین‌های باند مرئی (قرمز/سبز/آبی) استفاده شده است (Ajith et al., ۲۰۱۸).

سنجش از دور مبتنی بر پهپاد یک فناوری نوآورانه است که به دلیل مقرون به‌صرفه بودن، روش‌های ساخت آسان، حمل‌ونقل راحت، انعطاف‌پذیری بالا، چرخه عملیاتی کوتاه و وضوح نسبتاً بالا، به طور گسترده در آبیاری هوشمند در مقیاس بزرگ مورد استفاده قرار گرفته است (Boursianis et al., ۲۰۲۰; Shi et al., ۲۰۱۹).

در مقایسه با تصاویر ماهواره‌ای، داده‌های تاج‌پوش حاصل از تصاویر پهپاد نشان داد که بیشتر به ارزیابی‌های میدانی مرتبط است (Khaliq et al., ۲۰۱۹). به طور معمول، یک هیستوگرام از دمای سایه‌بان تهیه شده از تصاویر مادون قرمز حرارتی پهپاد برای تخمین CWSI استفاده می‌شود، بنابراین کارایی مصرف آب آبیاری را بهبود می‌بخشد (Bian et al., ۲۰۱۹).

دسته‌های مختلفی از حسگرها را می‌توان در پهپاد ادغام کرد، مانند حسگرهای بصری، حرارتی و چند طیفی (Mwinuka et al., ۲۰۲۱). به عنوان مثال، در آبیاری صرفه‌جویی در آب، یک پهپاد با دوربین مرئی تصاویری از مزارع برنج گرفت و با موفقیت ارتفاع بوته‌های برنج را با ضریب همبستگی بالا تخمین زد (Yang et al., ۲۰۲۰). مقدار آب موجود در خاک یک مزرعه چای از تصاویر محصولات و خاک به‌دست آمد.

تصاویر برگ چای برای ارزیابی کمبود آب با استفاده از یک دوربین با کیفیت بالا که بر روی پهپاد قرار داده شده است، جمع آوری شد. سیستم پیشنهادی آب را از هدر رفتن تا حد قابل توجهی صرفه جویی می­کندکند (Jia et al., ۲۰۱۹).

اخیراً، در یک آب و هوای نیمه خشک، از یک دوربین چند طیفی دارای شش باند که بر روی یک پهپاد چند رو توری نصب شده بود، برای ثبت تصاویر در ارتفاع ۵۰ متری از سطح زمین در هنگام گلدهی پنبه و تشکیل غوزه برای نظارت و تعیین محتوای آب گیاه استفاده شد. با این آزمایش، ۱۳ شاخص پوشش گیاهی از دوربین استخراج شد و نتایج نشان داد که محتوای آب محصول را می‌توان با ترکیب دمای تاج پوشش گیاهی با داده‌های چند طیفی پهپاد بازیابی کرد (Chen et al., ۲۰۲۰).

به همین ترتیب، تکنیکی برای طراحی مسیرهای آبیاری دقیق محصولات زراعی با پهپاد بر اساس تصویر CWSI  توسعه یافت که در آن آبیاری متغیر فضایی تا ۱۲۳ درصد از مصرف آب را در هر بخش صرفه‌جویی می‌کند (Albornoz & Giraldo, ۲۰۱۷). به طور مشابه، تصاویر چند طیفی گرفته شده توسط دوربین‌های پهپاد حاوی سنسور CMOS IMX ۲۱۹ سونی با یک سیستم پورت تصمیم ادغام شدند و برای تخمین نقشه شاخص گیاهی تفاوت نرمال شده (NDVI) مورد استفاده برای مدیریت دقیق دستگاه آبپاش خطی جهت آبیاری گوجه فرنگی مورد استفاده قرار گرفتند.

نتایج نشان داد که با ترکیب شاخص فنی NDVI با یک سیستم پشتیبانی تصمیم می‌توان به صرفه جویی در مصرف آب بالاتر دست یافت (آبیاری هوشمند) (Aleotti et al., ۲۰۱۸). در تحقیقات دیگر، تصاویر چند طیفی به‌دست‌آمده از لبه قرمز (Parrot Co. Ltd, Paris, France) و MCA-۶ (Mini-MCA-۶ Tetracame, Inc., Chatswort, CA, USA) برای پیش‌بینی تغییرپذیری مکانی وضعیت آب ذرت و انگور استفاده شد (Baluja et al., ۲۰۱۲; Poblete et al., ۲۰۱۷; Romero et al., ۲۰۱۸). به‌طورکلی تحقیقات نشان می‌دهد که سیستم مبتنی بر پهپاد توانایی بیشتری برای ارزیابی تنوع مزرعه محصولات و خاک نسبت به اندازه‌گیری‌های میدانی در محل دارد.

بلورت و همکارانشان اندازه گیری ها را با مدیریت آبیاری هوشمند مبتنی بر پهپاد انجام دادند و گزارش کردند که نقشه‌های CWSI ایجاد شده توسط تصاویر حرارتی هوابرد از پهپاد در ارزیابی تغییرپذیری مکانی تنش آب در سراسر تاکستان مؤثر است (Bellvert et al., ۲۰۱۴). برای کشت انگور، یک سیستم پهپاد چند سنسوری با قابلیت پرواز در ارتفاع ۷۰ متری از سطح زمین با سه حسگر به طور همزمان، یک دوربین چند طیفی، یک دوربین حرارتی و یک دوره دوربین مرئی با وضوح مکانی بالا، که در آن ۸۰ درصد از کل گیاهان گمشده شناسایی شدند، اجرا شد (شکل ۶) (Matese & Di Gennaro, ۲۰۱۸).

شکل ۶: پلت فرم هواپیمای بدون سرنشین مورد استفاده در کشاورزی آبیاری هوشمند(Matese & Di Gennaro, 2018).

در جنوب غربی اسپانیا، دوربین‌های حرارتی نصب شده بر روی پهپاد بر فراز یک باغ آبیاری قطره‌ای تجاری (بادام، زردآلو، لیمو، پرتقال و هلو) برای ردیابی مزارع تحت تنش آبی (شکل ۷) و تعیین آستانه CWSI به پرواز درآمدند. آستانه CWSI برای شروع آبیاری برای زردآلو، بادام و هلو به ترتیب ۰.۲۷، ۰.۳۱ و ۰.۳۷ بود (Gonzalez-Dugo et al., 2013).

شکل ۷: نقشه شاخص تنش آبی محصول (CWSI) یک باغ (Gonzalez-Dugo et al., 2013).

۳- استراتژی­های متعارف

۱-۳- استراتژی­های  DI

DI یک رویکرد ساده یا عملی آبیاری هوشمند است که توسط کشاورزان برای صرفه‌جویی در مصرف آب اعمال می‌شود (Rathore et al., ۲۰۲۱). این استراتژی شامل تأمین مقادیر کمتر آب نسبت به نیاز گیاه است (Kovalenko et al., ۲۰۲۱). در این حالت، آب مصرفی می‌تواند تا حد زیادی به حداقل برسد، در حالی که عملکرد محصول را می‌توان بالاتر از مقدار پذیرفته شده حفظ کرد (Razzaghi et al., ۲۰۲۰). شکل ۸ نشان می‌دهد که تعداد مقالات تحقیقاتی در مورد تکنیک‌های DI بیشتر از مدیریت آبیاری هوشمند مبتنی بر حسگر است که می‌توان آن را به سادگی آن نسبت داد. در این بخش، تأثیر این استراتژی بر کارایی مصرف آب و رشد محصول گردآوری شده است.

شکل ۸: توزیع مقالات بر اساس استراتژی­های مدیریت آبیاری هوشمند (تا ۱۰ فوریه ۲۰۲۲)

آبیاری هوشمند با ابپاش های سارو

ادامه…