سنجش از دور

پایش خشکسالی با Sentinel-2: تشخیص تنش آبی ۳ هفته زودتر

۸ دقیقه مطالعه بهمن ۱۴۰۳ تیم فنی آرتا سنجش نگار

خشکسالی یکی از مخرب‌ترین پدیده‌های اقلیمی است که هر ساله میلیاردها تومان خسارت به بخش کشاورزی ایران وارد می‌کند. چالش اصلی این نیست که خشکسالی اتفاق می‌افتد؛ چالش این است که کشاورز معمولاً تا زمانی که محصول آسیب دیده باشد، متوجه تنش آبی نمی‌شود. در این مقاله نشان می‌دهیم چطور با استفاده از داده‌های ماهواره Sentinel-2 و شاخص‌های طیفی مناسب، می‌توان تنش آبی را تا سه هفته زودتر از ظهور علائم بصری تشخیص داد.

این پژوهش بر اساس تجربه واقعی پایش مزارع گندم در استان خوزستان در فصل زراعی ۱۴۰۲–۱۴۰۳ انجام شده است. با تحلیل سری زمانی تصاویر ماهواره‌ای در دوره رشد محصول، توانستیم الگوهایی را شناسایی کنیم که پیش از کاهش محسوس محصول، هشدار می‌دهند.

شاخص‌های مورد استفاده

برای پایش تنش آبی، دو شاخص کلیدی به کار بردیم که هر کدام جنبه متفاوتی از وضعیت پوشش گیاهی را اندازه می‌گیرند:

NDWI — شاخص آب نرمال‌شده

شاخص NDWI یا Normalized Difference Water Index محتوای آب برگ را اندازه می‌گیرد. فرمول محاسبه با باندهای Sentinel-2 به این صورت است:

NDWI = (B03 − B08) / (B03 + B08)

باند B03 (سبز، ۵۶۰ نانومتر) به شدت توسط کلروفیل بازتاب می‌شود و باند B08 (مادون قرمز نزدیک، ۸۴۲ نانومتر) توسط آب جذب می‌شود. وقتی گیاه دچار تنش آبی می‌شود، محتوای آب برگ کاهش می‌یابد و مقدار NDWI پایین می‌آید. این تغییر معمولاً ۱۵ تا ۲۱ روز قبل از زرد شدن محسوس برگ‌ها قابل تشخیص است.

NDVI — شاخص پوشش گیاهی

شاخص NDVI یا Normalized Difference Vegetation Index میزان کلروفیل و سلامت کلی پوشش گیاهی را نشان می‌دهد. ترکیب NDWI و NDVI با هم دقت تشخیص را به‌طور چشمگیری افزایش می‌دهد؛ زیرا برخی عوامل غیر از تنش آبی (مثل آفات یا بیماری) می‌توانند NDVI را کاهش دهند بدون آن‌که آب برگ تغییر کند.

اسکریپت ارزیابی Sentinel Hub

برای دریافت تصاویر پردازش‌شده مستقیماً از Sentinel Hub، از evalscript زیر استفاده کردیم. این اسکریپت ترکیب رنگ کاذب NDWI/NDVI را تولید می‌کند و مناطق دچار تنش شدید را با رنگ قرمز نمایش می‌دهد:

// Sentinel Hub Evalscript — پایش تنش آبی با NDWI
function setup() {
  return {
    input: ['B03', 'B04', 'B08', 'B11'],
    output: { bands: 3 }
  };
}

function evaluatePixel(s) {
  const ndwi = (s.B03 - s.B08) / (s.B03 + s.B08);
  const ndvi = (s.B08 - s.B04) / (s.B08 + s.B04);

  // تنش شدید: NDWI پایین و NDVI کم — رنگ قرمز هشدار
  if (ndwi < -0.2 && ndvi < 0.3) {
    return [0.9, 0.1, 0.1];
  }
  // تنش متوسط — رنگ نارنجی
  if (ndwi < 0 && ndvi < 0.5) {
    return [0.9, 0.5, 0.1];
  }
  // وضعیت سالم — باند سبز
  return [s.B03 * 2.5, s.B08 * 1.5, s.B11 * 2.5];
}

این evalscript را می‌توانید مستقیماً در Sentinel Hub Statistical API استفاده کنید تا به‌جای دانلود تصاویر کامل، فقط مقادیر NDWI میانگین هر قطعه زمین را دریافت کنید. این روش مصرف bandwidth را تا ۹۵٪ کاهش می‌دهد.

روش‌شناسی

پیپ‌لاین پایش خشکسالی ما از پنج مرحله تشکیل شده است که در ادامه هر کدام را توضیح می‌دهیم:

دریافت تصویر: هر ۵ روز یک‌بار (چرخه بازگشت Sentinel-2A و 2B) تصاویر سطح ۲A (تصحیح اتمسفری شده) از API دریافت می‌شوند.
پوشش ابر: با استفاده از لایه CLM (Cloud Mask) ذاتی Sentinel-2 و فیلتر SCL، پیکسل‌های ابری و سایه ابر حذف می‌شوند. تصاویر با پوشش ابر بیش از ۱۵٪ کنار گذاشته می‌شوند.
محاسبه شاخص‌ها: NDWI و NDVI برای هر قطعه زمین محاسبه و میانگین‌گیری می‌شوند. این مقادیر در پایگاه داده time-series ذخیره می‌شوند.
آستانه‌گذاری: با مقایسه مقادیر جاری با میانگین تاریخی همان قطعه در همان دوره فنولوژیک، انحراف معنادار شناسایی می‌شود.
تولید هشدار: اگر NDWI بیش از ۰.۱۵ واحد پایین‌تر از میانگین تاریخی باشد، هشدار اتوماتیک برای کشاورز ارسال می‌شود.

آستانه‌های NDWI

بر اساس مطالعات میدانی و داده‌های تاریخی، جدول زیر ارتباط بین مقادیر NDWI و وضعیت آبی محصول گندم در مراحل رشد فعال را نشان می‌دهد:

محدوده NDWI	وضعیت	اقدام پیشنهادی	اولویت
> 0.2	آبیاری مناسب	پایش روتین	عادی
0.0 تا 0.2	کمبود خفیف	برنامه‌ریزی آبیاری در ۷ روز آینده	توجه
−0.2 تا 0.0	تنش متوسط	آبیاری ظرف ۲ تا ۳ روز	هشدار
< −0.2	تنش شدید	آبیاری فوری — ریسک کاهش عملکرد >۳۰٪	بحرانی

نتایج

در فصل زراعی ۱۴۰۲–۱۴۰۳، این سیستم در ۸ مجموعه کشاورزی در استان خوزستان با مساحت کل ۴۲۰۰ هکتار پیاده‌سازی شد. یکی از موارد جالب توجه، مزرعه آقای رحمانی در شمال شرق اهواز بود.

در اواخر اسفندماه، الگوریتم پایش ما کاهش ۰.۱۸ واحدی NDWI را در بخش شمالی مزرعه ۳۵۰ هکتاری شناسایی کرد. در آن زمان، NDVI هنوز نرمال بود و هیچ علامت بصری تنش در مزرعه دیده نمی‌شد. بر اساس هشدار سیستم، سه هفته زودتر از برنامه آبیاری اضافی انجام شد. بررسی‌های بعدی نشان داد که اگر این هشدار نبود، تنش در دوره حساس پر شدن دانه اتفاق می‌افتاد و احتمالاً ۲۵ تا ۳۵ درصد کاهش عملکرد ایجاد می‌کرد.

در کل پروژه، سیستم ۲۳ رویداد تنش آبی را شناسایی کرد که ۲۰ مورد آن با اقدام به موقع مدیریت شد. میانگین زمان تشخیص قبل از ظهور علائم بصری، ۱۸ روز بود.

نتیجه‌گیری

پایش خشکسالی مبتنی بر ماهواره دیگر یک فناوری آزمایشگاهی نیست؛ یک ابزار عملیاتی است که امروز قابل پیاده‌سازی است. Sentinel-2 با قدرت تفکیک مکانی ۱۰ متر و چرخه بازگشت ۵ روزه، پنجره‌ای مناسب برای پایش مداوم مزارع فراهم می‌کند.

کلید موفقیت در این پروژه سه چیز بود: استفاده از سری زمانی به‌جای تصویر منفرد، مقایسه با پایه تاریخی همان قطعه به‌جای آستانه‌های عمومی، و تبدیل خروجی ماهواره به هشدار عملیاتی قابل فهم برای کشاورز.

نکات کلیدی

NDWI تنش آبی را تا ۳ هفته قبل از ظهور علائم بصری شناسایی می‌کند و زمان کافی برای اقدام به کشاورز می‌دهد.
ترکیب NDWI و NDVI دقت تشخیص را افزایش می‌دهد و خطاهای مثبت کاذب را کاهش می‌دهد.
مقایسه با میانگین تاریخی همان قطعه در همان فنوفاز، بهتر از آستانه‌های ثابت عمل می‌کند.
API آماری Sentinel Hub امکان پایش صدها قطعه زمین را بدون دانلود تصاویر کامل فراهم می‌کند.