Η ελαιοκαλλιέργεια στην Ελλάδα είναι μία από τις σημαντικότερες ασχολίες του γεωργικού τομέα. Η ετήσια παραγωγή της ελιάς ήταν ανέκαθεν ένα φλέγον ζήτημα, το οποίο απασχολεί έντονα τους παραγωγούς. Οι νέες τεχνολογίες που έχουν αναπτυχθεί μπορούν να συμβάλλουν στη βελτίωση των γεωργικών πρακτικών και να λειτουργήσουν ως χρήσιμο εργαλείο στα χέρια των αγροτών. Η παρούσα μελέτη είχε στόχο την αξιοποίηση των νέων αυτών τεχνολογιών, όπως τα UAV, οι πολυφασματικοί αισθητήρες και τα Γεωγραφικά Πληροφοριακά Συστήματα για τον προσδιορισμό των γεωμετρικών χαρακτηριστικών των ελαιόδεντρων, τα οποία συντέλεσαν στη δημιουργία ενός μοντέλου πρόβλεψης της ετήσιας παραγωγής. Αξιοποιήθηκαν εικόνες υψηλής ανάλυσης πολυφασματικού αισθητήρα, από τις οποίες με τη χρήση φωτογραμμετρικού λογισμικού παράχθηκε το ορθομωσαϊκό του αγροτεμαχίου, καθώς και τα ψηφιακά μοντέλα εδάφους και επιφάνειας. Επίσης, δημιουργήθηκε θεματικός χάρτης για το δείκτη βλάστησης NDVI. Το ορθομωσαϊκό χρησιμοποιήθηκε για την απομόνωση του περιγράμματος της κόμης των δένδρων, που μέσω της αντικειμενοστραφούς ταξινόμησης της εικόνας σχηματίστηκαν ξεχωριστά πολύγωνα για κάθε δένδρο. Οι επεξεργασίες, οι οποίες έγιναν σε περιβάλλον GIS είχαν σαν αποτέλεσμα τον υπολογισμό των γεωμετρικών χαρακτηριστικών των δένδρων, όπως το ύψος, η επιφάνεια και ο όγκος της κόμης, τα οποία επαληθεύτηκαν και από τις ανάλογες επίγειες μετρήσεις. Ακόμη, έγινε δημιουργία θεματικών χαρτών για κάθε μεταβλητή που μελετήθηκε, έτσι ώστε να παρατηρηθεί η χωρική κατανομή των τιμών σε κάθε περίπτωση. Η στατιστική ανάλυση των δεδομένων που συλλέχθηκαν ανέδειξε ισχυρές συσχετίσεις μεταξύ κάποιων μεταβλητών, οι οποίες στη συνέχεια αξιοποιήθηκαν για τη δημιουργία ενός μοντέλου πρόβλεψης παραγωγής σε κιλά ανά δένδρο. Στην ανάπτυξη του μοντέλου λήφθηκαν υπόψη μόνο τα δένδρα που βρίσκονταν σε παραγωγικό έτος, όπως και ο δείκτης βλάστησης NDVI, η μέση τιμή της κλίσης του εδάφους και ο όγκος της κόμης του κάθε δένδρου. Αξιοσημείωτα ήταν τα αποτελέσματα της χωρικής κατανομής των μεταβλητών, καθώς σχεδόν στο σύνολό τους ακολούθησαν παρόμοιο μοτίβο. Τα συμπεράσματα που προέκυψαν από την παρούσα μελέτη μπορούν να χρησιμοποιηθούν στο μέλλον για τη βελτιστοποίηση της απόδοσης των καλλιεργειών και τη βελτίωση των καλλιεργητικών πρακτικών.
Olive cultivation in Greece is one of the most important occupations in the agricultural sector. Olive orchard annual production has always been a burning issue of great concern to the producers. New technologies have been developed in order to improve farming practices and serve as a useful tool for the farmers. The present study aimed at employing these new technologies, such as UAVs, multi-spectral cameras and Geographic Information Systems to determine the geometric characteristics of olive trees, which contributed to the creation of an annual production forecast model. High-resolution multispectral imagery was employed and by using photogrammetric software the field's orthomosaic was produced, as well as the digital terrain and surface models. The thematic map of the NDVI vegetation index was also created. The orthomosaic was used to isolate the crown of the trees, which, through object based image analysis (OBIA), formed individual polygons for each tree. Processes conducted in a GIS environment resulted in the calculation of the tree's geometric characteristics, such as height, surface and volume of the crown, which were also verified by terrestrial measurements. In addition, thematic maps were created for each variable, so as to observe the spatial distribution in each case. The statistical analysis of the compiled data revealed strong correlations among certain variables, which were then used to create a production forecast model in kilograms per tree. In the development of the model, trees in their productive year only were taken into account, as well as the NDVI vegetation index, the average slope and the crown volume of each tree. The results of the spatial distribution of the variables were noteworthy, because almost all of them followed a similar pattern. The conclusions drawn from this study can be used in the future for crop yield optimization and the improvement of cultivation practices.
