כלי תומך החלטה מרחבי מבוסס למידת מכונה לאופטימיזציה של דגימה בחלקות חקלאיות

מיפוי מרחבי בעזרת תוצרי חישה מרחוק, בשילוב עם דיגום מקומי ו/או חיישנים, יכול לספק נתונים חשובים לקבלת החלטות, במיוחד בהקשר של חקלאות מדייקת. עם זאת, העלות הגבוה של חיישנים ושל דיגום מגבילה את השימוש בהם ומפחיתה את רמת הדיוק של הייצוג המרחבי. בנוסף, אוטו-קורלציה (autocorrelation) מרחבית משפיעה על היעילות של הייצוג המרחבי, מכיוון שהיא עלולה להתבטא בכפילות של דיגומים (redundancy) כאשר דיגומים קרובים אחד לשני דומים בערכים. כאשר מתכננים פיזור של חיישנים או נקודות דיגום, יש להתייחס לשיקולים הבאים: א) מספר המינימום של החיישנים/הדיגומים הנדרש, ב) המיקום והפיזור של הדגימות בשטח כך שייצג בצורה הטובה ביותר את השונות המרחבית, וג) המשתנים הסביבתיים שיש להתייחס אליהם בתהליך התכנון.

המחקר הנוכחי מציע מודל וכלי תומך החלטה (DST) שמאפיין שונות מרחבית באמצעות שימוש בדיגום מרובד ושילוב של ניתוח מרחבי-סטטיסטי רב-משתני עם למידת מכונה. המודל מבוסס ומתחשב במרכיבים הבאים ב: א) דיגום מרובד כאשר אזורי הממשק משמשים כתת אזורים תוחמים, ב) אוטו-קורלציה מרחבית מקומית, וג) זיהוי של מתאם בין המשתנים המנבאים למשתנים החזויים (predicting and predicted variables), כאשר המשתנים החזויים הם אלו שדוגמים בפועל. מידת הקורלציה המרחבית המחושבת בתוך כל אזור ממשק משפיעה על מספר הדגימות. פיזור הדגימות מבוסס על היסטוגרמות מרחביות ועל אינטרפולציה של הדגימות הנבחרות על מנת להעריך את הדיוק של מערך הדיגום. כלי ה- DST מופעל אונליין דרך אתר אינטרנט ייעודי המפיק מפות הכוללות את המיקום המרחבי של החיישנים / נקודות הדיגום בתוך החלקה, את המספר המינימלי של הדגימות הנדרשות ואת רמת הדיוק עבור מערכי דיגום שונים, כולל מערכים הכוללים מספר קטן יותר של דגימות מהמספר האופטימלי.