1887
Volume 2021, Issue 2
  • EISSN: 2708-0463

Abstract

تُمثل المحاصيل الاستراتيجية، وخاصة القمح، جوهر الأمن الغذائي. ويُعتبر القطاع الزراعي ذا تأثير مباشر في حياة الإنسان وغذائه، ولكن بما أنه الأكثر تعاملًا مع الظروف الطبيعية؛ فإن إدارته يجب أن تتم برؤية تكاملية لعناصر الإنتاج الطبيعية والبشرية خلال عملية النشاط المحصولي من مستوى الحقل حتى مستوى الدولة. تهدف هذه الدراسة إلى مراقبة علاقة الأطوار الفينولوجية للقمح بموعد النضج والحصاد في كافة أنحاء سوريا، بوسائل الاستشعار عن بعد ضمن علاقة "الزمكاف" (الزمان – مكان - طيف)، وذلك من أجل دقة تقدير الإنتاجية في كل منطقة، وإدارة العملية الإنتاجية بمراحلها المختلفة في موسمي عامي 2014 و2016 على مستوى البلاد. توصلت الدراسة إلى نتائج عدّة، منها: وصل عدد الأطوار الفينولوجية المتباينة بتوقيت متزامن إلى ستة أطوار في بداية أبريل باختلاف المكان الجغرافي على مستوى البلاد. وبتحديد توقيت النضج اللبني - الشمعي طيفيًا لكل نطاق جغرافي، وُجد أن نضج القمح المبكر طيفيًا كان في مناطق الزراعة المطرية، وخاصة قرب منطقتي الاستقرار المطري الثانية والثالثة بمساحات متفرقة وغير مركزة في نطاق محدد. في حين يبدأ تتابع النضج الزمني بفترات متقاربة داخل البلاد بدءًا من الجنوب في اتجاه الشمال، ومن وسط البلاد في اتجاه الحدود وخاصة الشمالية والغربية، ومن المناطق السهلية في اتجاه الجبلية. كما تم تحديد مسارات النضج فضائيًا لتتبعها في عملية الحصاد، وتم تقدير مساحة وإنتاج القمح من بيانات الصور الفضائية وفق مسارات النضج. وخلصت الدراسة إلى توصيات منها: تجهيز أماكن التخزين بالطاقة التخزينية الكافية لاستيعاب الإنتاج المتوقع وفق مسارات النضج؛ وزيادة الحجم التخزيني المباشر بالقرب من حقول الإنتاج لتقليل الفقد وسرعة التخزين، وزيادة الحجم التخزيني المستدام ذي الصفة الاستراتيجية، وتطوير عملية النقل بالقطارات من أماكن التخزين المؤقت إلى صوامع التخزين بالقرب من مناطق الاستهلاك، والتطبيق الدوري لهذه التكنولوجيا خلال مواسم النمو بما يرفع كفاءة إدارة العملية الإنتاجية المحصولية.

Strategic crops, especially wheat, represent the core of food security. As the agricultural sector, with its direct impact on feeding the world’s population, deals with natural conditions, it should be managed with an integrated vision of the natural and human factors influencing the crops production process from the field level (micro level) up to the country level (macro level). This study aimed to monitor the relationship of the phenological phases of wheat with the maturity and harvest timing throughout Syria. : Remote sensing techniques were used to show the relationship of time-place-spectrum (TIPLAS) in order to obtain accuracy of yield estimation in each zone and to manage the yielding process of wheat (2014 and 2016 seasons) across Syria. The study recorded six different phenological phases occurred simultaneously (at the beginning of April) regardless of the geographic location of the fields across the country. The date of the milky-waxy maturity spectrally for each geographical zone was determined. Early maturity spectrally of wheat was associated with rain-fed areas, especially with the second and third rain stability zones, with dispersed areas and not concentrated in a specific range. Temporal maturity begins as a converging period within the country, starting from the south towards the north and from the center of the country towards the borders, especially the northern and western, and from the plain areas towards the mountains. Maturation paths spectrally were plotted to follow the harvesting process. The estimations of wheat cultivated areas and production were based on satellite-image data according to the maturity paths. Preparing storage places with sufficient capacity for the expected production volume according to the maturation paths; increase the direct silos volume near the production fields to reduce losses and increase speed of storage; increase the strategic sustainable storage capacity; developing the railway logistics between storage facilities and consumption areas; and the periodic application of this technology during the growing seasons to raise the management efficiency of the crop production process.

Loading

Article metrics loading...

/content/journals/10.5339/ajsr.2021.9
2021-10-31
2021-12-02
Loading full text...

Full text loading...

/deliver/fulltext/ajsr/2021/2/ajsr.2021.9.html?itemId=/content/journals/10.5339/ajsr.2021.9&mimeType=html&fmt=ahah

References

  1. المنظمة العربية للتنمية الزراعية. الكتاب السنوي للإحصاءات الزراعية العربية. 2016؛ مجلد 36. الخرطوم، السودان. http://www.aoad.org/statbook36.pdf
  2. المجموعات الاحصائية الزراعية، 2002–2016. وزارة الزراعة والإصلاح الزراعي، دمشق، سوريا.
  3. Sakamoto T, Yokozawa M, Toritani H, Shibayama M, Ishitsuka N, Ohno H. A crop phenology detection method using time-series MODIS data. Remote Sens Environ [Internet]. 2005 Jun 30;96(3–4):366–74. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0034425705001057
  4. Huang J, Ma H, Su W, Zhang X, Huang Y, Fan J, et al. Jointly Assimilating MODIS LAI and ET Products Into the SWAP Model for Winter Wheat Yield Estimation. IEEE J Sel Top Appl Earth Obs Remote Sens [Internet]. 2015 Aug;8(8):4060–71. Available from: https://ieeexplore.ieee.org/document/7063257/
  5. Onojeghuo AO, Blackburn GA, Wang Q, Atkinson PM, Kindred D, Miao Y. Rice crop phenology mapping at high spatial and temporal resolution using downscaled MODIS time-series. GIScience Remote Sens [Internet]. 2018 Sep 3;55(5):659–77. Available from: https://www.tandfonline.com/doi/full/10.1080/15481603.2018.1423725
  6. Peng D, Huete AR, Huang J, Wang F, Sun H. Detection and estimation of mixed paddy rice cropping patterns with MODIS data. Int J Appl Earth Obs Geoinf [Internet]. 2011 Feb;13(1):13–23. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0303243410000656
  7. Araya S, Ostendorf B, Lyle G, Lewis M. Remote Sensing Derived Phenological Metrics to Assess the Spatio-Temporal Growth Variability in Cropping Fields. Adv Remote Sens [Internet]. 2017;06(03):212–28. Available from: http://www.scirp.org/journal/doi.aspx?DOI=10.4236/ars.2017.63016
  8. Huang Y, Lu L. Monitoring Winter Wheat Phenology Using Time Series of Remote Sensing Data. In: 2009 Second International Conference on Information and Computing Science [Internet]. IEEE; 2009. p. 135–8. Available from: http://ieeexplore.ieee.org/document/5169558/
  9. Yan F, Shi P, Wu J, Wang Y. Study on Phenology Character of Winter Wheat by Modis-Evi Data in Hebei China. In: IGARSS 2008 - 2008 IEEE International Geoscience and Remote Sensing Symposium [Internet]. IEEE; 2008. p. I-327-I–330. Available from: http://ieeexplore.ieee.org/document/4778860/
  10. Zhang M, Fan J, Zhu X, Li G, Zhang Y. Monitoring winter-wheat phenology in North China using time-series MODIS EVI. In: Neale CMU, Maltese A, editors. 2009. p. 747227. Available from: http://proceedings.spiedigitallibrary.org/proceeding.aspx?doi=10.1117/12.829972
  11. Kalubarme MH, Potdar MB, Manjunath KR, Mahey RK, Siddhu SS. Growth profile based crop yield models: A case study of large area wheat yield modelling and its extendibility using atmospheric corrected NOAA AVHRR data. Int J Remote Sens [Internet]. 2003 Jan 26;24(10):2037–54. Available from: https://www.tandfonline.com/doi/full/10.1080/01431160210156018
  12. Sehgal V.K.; D.R. Rajak; K.N. Chaudhary; V.K. Dadhwal. Improved Regional Yield Prediction by Crop Growth Monitoring System Using Remote Sensing Derived Crop Phenology. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2002; 34 (7): 329-334.
  13. Huang J, Sedano F, Huang Y, Ma H, Li X, Liang S, et al. Assimilating a synthetic Kalman filter leaf area index series into the WOFOST model to improve regional winter wheat yield estimation. Agric For Meteorol [Internet]. 2016 Jan;216:188–202. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0168192315007480
  14. Chen Y, Zhang Z, Tao F. Improving regional winter wheat yield estimation through assimilation of phenology and leaf area index from remote sensing data. Eur J Agron [Internet]. 2018 Nov;101:163–73. Available from: https://linkinghub.elsevier.com/retrieve/pii/S1161030118305306
  15. Huang J, Ma H, Sedano F, Lewis P, Liang S, Wu Q, et al. Evaluation of regional estimates of winter wheat yield by assimilating three remotely sensed reflectance datasets into the coupled WOFOST–PROSAIL model. Eur J Agron [Internet]. 2019 Jan;102:1–13. Available from: https://linkinghub.elsevier.com/retrieve/pii/S1161030118306300
  16. Skakun S, Vermote E, Franch B, Roger J-C, Kussul N, Ju J, et al. Winter Wheat Yield Assessment from Landsat 8 and Sentinel-2 Data: Incorporating Surface Reflectance, Through Phenological Fitting, into Regression Yield Models. Remote Sens [Internet]. 2019 Jul 27;11(15):1768. Available from: https://www.mdpi.com/2072-4292/11/15/1768
  17. Nasrallah A, Baghdadi N, Mhawej M, Faour G, Darwish T, Belhouchette H, et al. A Novel Approach for Mapping Wheat Areas Using High Resolution Sentinel-2 Images. Sensors [Internet]. 2018 Jun 29;18(7):2089. Available from: http://www.mdpi.com/1424-8220/18/7/2089
  18. Nasrallah A, Baghdadi N, El Hajj M, Darwish T, Belhouchette H, Faour G, et al. Sentinel-1 Data for Winter Wheat Phenology Monitoring and Mapping. Remote Sens [Internet]. 2019 Sep 25;11(19):2228. Available from: https://www.mdpi.com/2072-4292/11/19/2228
  19. Zhang H, Du H, Zhang C, Zhang L. An automated early-season method to map winter wheat using time-series Sentinel-2 data: A case study of Shandong, China. Comput Electron Agric [Internet]. 2021 Mar;182:105962. Available from: https://doi.org/10.1016/j.compag.2020.105962
  20. Jaafar H, Mourad R. GYMEE: A Global Field-Scale Crop Yield and ET Mapper in Google Earth Engine Based on Landsat, Weather, and Soil Data. Remote Sens [Internet]. 2021 Feb 20;13(4):773. Available from: https://www.mdpi.com/2072-4292/13/4/773
  21. منظمة الأغذية والزراعة للأمم المتحدة. حالة الأمن الغذائي والتغذية في العالم: بناء القدرة على الصمود لتحقيق السلام والأمن الغذائي. 2017. روما، إيطاليا. http://www.fao.org/publications/card/ar/c/I7695/
  22. الجهوي، مصطفى سيد أحمد. الفاقد لأهم السلع الزراعية الغذائية في جمهورية مصر العربية، المنظمة العربية للتنمية الزراعية، جامعة الدول العربية. 1995. الخرطوم، السودان.
  23. المنظمة العربية للتنمية الزراعية. دراسة الفاقد الناتج عن الحصاد الآلي للحبوب (القمح) في الوطن العربي. 1992. الخرطوم، السودان. https://bit.ly/3tmCUa4
  24. الجهاز المركزي للتعبئة العامة والإحصاء.اعداد مختلفة، 2016. القاهرة، مصر.
  25. محمود، ممدوح السيد ومحمد، جيهان عبد المعز. دراسة اقتصادية لأثر الممارسات الزراعية على الفاقد لمحصول القمح في محافظة سوهاج. مجلة أسيوط للعلوم الزراعية. 2017؛ 48 (4). مصر. https://ajas.journals.ekb.eg/article_5533_a79390f71a3452e813f8c2dd13627903.pdf
  26. نعمه، علاء علي عبد السلام. دراسة تحليلية للفاقد في محصول القمح من المنتج حتى المستهلك النهائي في محافظة الشرقية. المجلة المصرية للبحوث الزراعية. 2016. 94 (1). القاهرة، مصر. https://ejar.journals.ekb.eg/article_151820_1e4eafcb22e30fc8fec66475cca2d282.pdf
  27. Vocke G. and Ali M. U.S. Wheat Production Practices, Costs, and Yields: Variations Across Regions. United States Department of Agriculture. Economic Research Service Economic Information Bulletin Number 116 August 2013. https://www.ers.usda.gov/webdocs/publications/43783/39923_eib116.pdf
  28. Bartholomeu DB, da Rocha FV, Péra TG, Caixeta-Filho JV. Postharvest losses in the wheat logistics chain: A Brazilian case study. J Agric Sci Technol B [Internet]. 2016 May 28;6(5). DOI:10.17265/2161-6264/2016.05.005. Available from: https://www.researchgate.net/publication/317951512_Postharvest_Losses_in_the_Wheat_Logistics_Chain_A_Brazilian_Case_Study
  29. Prater M, Sparger A, Bahizi P, O’Neil, Jr. D. Rail’s loss of grain transportation market share. U. S. Department of Agriculture, Agriculture Markting Service, December 2013. [Internet]. Available from: http://www.ams.usda.gov/sites/default/files/media/Rail’s Loss of Grain Transportation Market Share.pdf
  30. إبراهيم، ناصر. تصميم ونمذجة خوارزميات التنبؤ الطيفي بإنتاج القمح من بيانات الصور الفضائية متعددة الأطياف متعددة المراحل. الاستشعار عن بعد. 2014؛ العدد 26: 1-26. دمشق، سوريا.
http://instance.metastore.ingenta.com/content/journals/10.5339/ajsr.2021.9
Loading
/content/journals/10.5339/ajsr.2021.9
Loading

Data & Media loading...

This is a required field
Please enter a valid email address
Approval was a Success
Invalid data
An Error Occurred
Approval was partially successful, following selected items could not be processed due to error