فرتیگیشن متغیر در زمان با بازخورد سنسوری در کشاورزی هوشمند
فرتیگیشن متغیر در زمان با بازخورد سنسوری در کشاورزی هوشمند
فرتیگیشن بهعنوان یکی از نوآوریهای کلیدی در کشاورزی مدرن، امکان تزریق محلولهای غذایی در سامانههای آبیاری را فراهم کرده است. با این حال، استفاده سنتی از فرتیگیشن اغلب بر پایه برنامههای ثابت یا تجربی بوده و به دلیل نادیدهگرفتن تغییرات پویا در خاک، گیاه و اقلیم، منجر به اتلاف منابع و آلودگیهای محیطی میشود. مفهوم «فرتیگیشن متغیر در زمان» یا VRA زمانی، پاسخی فناورانه به این چالش است که بر پایه دادههای زنده حسگرها، میزان و زمان تزریق کود را بهصورت پویا تنظیم میکند. این رویکرد نه تنها به بهبود کارایی مصرف آب و کود منجر میشود، بلکه اثرات زیستمحیطی ناشی از آبشویی نیترات و فسفات را نیز کاهش میدهد.
در این روش، مجموعهای از حسگرها شامل رطوبتسنجهای خاک، سنسورهای هدایت الکتریکی (EC)، pH مترهای آنلاین و تحلیلگرهای نیترات برخط به کار گرفته میشوند تا شرایط واقعی محیط رشد گیاه را بهطور مداوم ثبت کنند. دادههای بهدستآمده سپس از طریق الگوریتمهای کنترلی پیشرفته مانند PID، فازی–PID و کنترل پیشبینانه مدلبنیاد (MPC) پردازش شده و تصمیمگیری برای دوزینگ محلول غذایی در بازههای زمانی کوتاه انجام میگیرد. این چرخهٔ بازخوردی، بنیانی برای کشاورزی دقیق و مبتنی بر داده فراهم میکند.
یکی از دلایل برجسته شدن این فناوری، نگرانیهای جهانی درباره مصرف بیشازحد کودهای نیتروژنی است. بر اساس استاندارد سازمان حفاظت محیط زیست آمریکا (EPA)، حداکثر مجاز نیترات در آب آشامیدنی ۱۰ میلیگرم بر لیتر به صورت نیتروژن تعیین شده است، در حالی که اتحادیه اروپا این مقدار را ۵۰ میلیگرم بر لیتر به صورت نیترات مشخص کرده است. افزایش نفوذ نیترات به منابع آب زیرزمینی نه تنها سلامت عمومی را تهدید میکند، بلکه هزینههای تصفیه آب را نیز بهطور چشمگیری بالا میبرد. بنابراین، فناوریهایی مانند VRA با بازخورد سنسوری نقش مهمی در کاهش بار آلایندهها دارند.
– یوتام یکوتیئل، پژوهشگر SOIL: «در یک مطالعه گلخانهای، فرتیگیشن سنسوری موجب کاهش ۳۸ درصدی مصرف کود و ۳۰ درصدی شار نیترات شد، بدون آنکه عملکرد محصول کاهش یابد.»
توسعه چنین سامانههایی بر بستر تلاشهای چند دهه اخیر در حوزه کنترل آبیاری شکل گرفته است. نخستین رویکردها بر اساس وزنسنجی بستر یا گیاه در گلخانهها در اوایل دهه ۲۰۰۰ به کار گرفته شدند، اما به مرور با پیشرفت شبکههای حسگر بیسیم، الگوریتمهای هوش مصنوعی و پردازش ابری، امکان پیادهسازی کنترل بازخوردی در مقیاس مزرعه نیز فراهم شد. در دهه ۲۰۱۰ شاهد استفاده گسترده از حسگرهای رطوبت و ارتباطات بیسیم در مزارع و نهالستانها بودیم که توانستند مصرف آب را کاهش داده و راندمان کوددهی را بهبود بخشند.
الگوریتمهای کنترلی در این میان نقش حیاتی ایفا میکنند. کنترلکنندههای PID کلاسیک هرچند ساده و کاربردیاند، اما در مواجهه با پویاییهای غیرخطی محیط خاک–گیاه دقت بالایی ندارند. ترکیب این کنترلکننده با منطق فازی باعث بهبود پاسخگویی و پایداری شده و بهویژه در کنترل متغیرهایی مانند EC و pH محلول غذایی کارآمدی بیشتری نشان داده است. در همین زمینه، پژوهشی در چین در سال ۲۰۲۴ نشان داد که استفاده از کنترلکننده فازی–PID همراه با سیستم «ماریوت سیفون» توانسته دقت اختلاط کود را نسبت به روشهای متداول افزایش دهد.
– یو شو، نویسنده مقاله در Agronomy: «کنترل دقیق EC برای نگهداشت غلظت بهینه عناصر غذایی در سامانه فرتیگیشن حیاتی است و نقش مستقیمی در کیفیت محصول دارد.»
در سطحی پیشرفتهتر، کنترل پیشبینانه مدلبنیاد (MPC) بهعنوان ابزاری نوین در مدیریت فرتیگیشن معرفی شده است. این روش با استفاده از مدلهای ریاضی یا دادهبنیاد، وضعیت آینده سیستم را پیشبینی کرده و بر اساس آن دستورات کنترلی صادر میکند. مزیت اصلی MPC توانایی آن در مدیریت قیود فیزیکی و زیستمحیطی است؛ به عنوان نمونه، میتواند اطمینان حاصل کند که رطوبت خاک در محدوده مطلوب باقی بماند و در عین حال میزان آب مصرفی بهینه شود. در مطالعهای که در سال ۱۴۰۱ منتشر شد، این رویکرد توانست در گلخانههای آزمایشی رطوبت خاک را در بازه هدف نگاه دارد و مصرف آب را به طور چشمگیری کاهش دهد.
– آدیویه، پژوهشگر حوزه کشاورزی دقیق: «بهکارگیری کنترل پیشبینانه در آبیاری قطرهای باعث میشود رطوبت خاک در محدوده هدف باقی بماند و نیاز به آب کاهش یابد.»
از منظر عملیاتی، انتخاب و کالیبراسیون حسگرها اهمیت زیادی در موفقیت این فناوری دارد. حسگرهای رطوبت خاک مانند TDR و ظرفیتسنج، دادههای سریع اما حساس به شرایط خاک ارائه میدهند. در مقابل، حسگرهای پتانسیل ماتریک اندازهگیریهای پایدارتر اما کندتری دارند. در زمینه مواد غذایی محلول، سنسورهای آنلاین EC و pH به همراه تحلیلگرهای نیترات امکان کنترل مستقیم محلول غذایی را فراهم میکنند. ترکیب این ابزارها با الگوریتمهای کنترلی هوشمند، ساختاری چندلایه برای تصمیمگیری دقیق ایجاد میکند.
از دیدگاه زیستمحیطی، فرتیگیشن متغیر در زمان با بازخورد سنسوری میتواند به کاهش آلودگی نیترات در آبهای زیرزمینی و سطحی کمک کند. با توجه به اینکه کشاورزی منبع اصلی ورود نیترات به چرخه آب محسوب میشود، کنترل هوشمند کوددهی یکی از ابزارهای کلیدی برای تحقق اهداف توسعه پایدار در حوزه امنیت غذایی است. گزارشهای سازمان خواربار و کشاورزی ملل متحد (FAO) نیز بارها بر ضرورت تغییر شیوههای سنتی مصرف کود و حرکت به سمت فناوریهای مبتنی بر داده تاکید کردهاند.
– آماندا بایر، دانشگاه ایالتی پنسیلوانیا: «حسگرهای رطوبت خاک هنگامی که با سامانههای آبیاری خودکار ترکیب میشوند، کنترل بسیار دقیقتری نسبت به برنامههای سنتی ارائه میدهند.»
اهمیت اقتصادی این فناوری نیز قابل توجه است. کاهش مصرف کود به معنی کاهش مستقیم هزینههای نهادهها برای کشاورزان است. همچنین، صرفهجویی در مصرف آب میتواند فشار بر منابع آبی محدود را کاهش دهد و پایداری تولید را تضمین کند. تجربه پروژههای بینالمللی مانند برنامههای تحقیقاتی در اردن و اسرائیل نشان داده است که اجرای سیستمهای سنسوری در مقیاس وسیع میتواند میلیونها متر مکعب آب صرفهجویی کند و در عین حال عملکرد محصولات را حفظ نماید. این دادهها شواهد محکمی از نقش VRA در شکلدهی آینده کشاورزی هوشمند و پایدار ارائه میدهند.
الگوریتمهای کنترلی و نوآوریهای فناورانه
الگوریتمهای کنترلی ستون فقرات سامانههای فرتیگیشن متغیر در زمان محسوب میشوند. در سادهترین سطح، کنترلکنندههای PID با محاسبه خطای بین مقدار هدف و مقدار واقعی، خروجی سیستم را اصلاح میکنند. هرچند این روش در بسیاری از سامانههای صنعتی موفق بوده است، ولی محیط خاک–گیاه با ویژگیهای غیرخطی، تأخیر زمانی و تغییرپذیری بالا، اغلب نیازمند روشهای پیشرفتهتر است. از همینرو، ترکیب PID با منطق فازی و یا بهکارگیری کنترلهای پیشبینانه، مسیر غالب تحقیقات اخیر بوده است.
منطق فازی در این حوزه نقش ویژهای دارد، زیرا میتواند عدمقطعیتهای ناشی از ناهمگنی خاک و تغییرات اقلیمی را بهتر مدیریت کند. این منطق با تعریف قواعد انسانی مانند «اگر رطوبت کم و دما زیاد بود، آبیاری افزایش یابد» قادر است تصمیمگیریهای واقعگرایانهتری نسبت به مدلهای ریاضی خشک ارائه دهد. پژوهشگران در سالهای اخیر نشان دادهاند که کنترلکنندههای فازی–PID نسبت به مدلهای سنتی PID، نوسانات pH و EC را به میزان قابل توجهی کاهش میدهند و پایداری محلول غذایی را در سطح بهتری حفظ میکنند.
– ویدال، پژوهشگر CABI: «بیشتر سامانههای فرتیگیشن پیشرفته برای پایداری به حسگرهای EC و pH وابسته هستند و دقت آنها مستقیماً به کیفیت این حسگرها وابسته است.»
در گامی فراتر، کنترل پیشبینانه مدلبنیاد (MPC) بهعنوان یکی از ابزارهای نوین به سرعت جای خود را در مطالعات کشاورزی دقیق باز کرده است. این رویکرد با پیشبینی آینده سامانه بر اساس مدلهای ریاضی و در نظر گرفتن محدودیتها، قادر است بهینهترین تصمیم را اتخاذ کند. برای نمونه، اگر پیشبینی شود که بارندگی در ساعات آینده رخ خواهد داد، MPC میتواند برنامه آبیاری را به تعویق بیندازد یا میزان کود تزریقی را کاهش دهد تا از آبشویی مواد غذایی جلوگیری شود. این سطح از هوشمندی باعث میشود که مصرف منابع بهینه و همراستا با پایداری محیطزیست باشد.
– پاچکو، کنفرانس ECC 2024: «ناهمسانی پارامترها در شرایط واقعی مزرعه، بزرگترین چالش کنترل خودکار آبیاری و فرتیگیشن است و نیاز به الگوریتمهای پیشبینانه را دوچندان میکند.»
همچنین استفاده از الگوریتمهای دادهبنیاد و هوش مصنوعی، دریچهای تازه برای مدیریت پیچیدگیهای کشاورزی گشوده است. مدلهای شبکه عصبی، الگوریتمهای بهینهسازی مانند ازدحام ذرات (PSO) و کنترلکنندههای ترکیبی هوشمند، همگی به کار گرفته شدهاند تا دقت پیشبینی نیاز آبی و کودی گیاهان افزایش یابد. مطالعات جدید نشان میدهد که ترکیب الگوریتمهای دادهبنیاد با MPC میتواند هم اثرات زیستمحیطی را کاهش دهد و هم عملکرد اقتصادی کشاورز را بهبود بخشد.
بخش دیگری از نوآوریها مربوط به حسگرهاست. توسعه حسگرهای برخط نیترات، امکان پایش دقیق جریان زهکش و میزان مواد مغذی خروجی را فراهم کرده است. این حسگرها قادرند در زمان واقعی تغییرات غلظت نیترات را ثبت کنند و دادهها را به الگوریتمهای کنترلی ارسال نمایند. چنین قابلیتی به کشاورزان اجازه میدهد که کوددهی را با دقتی بیسابقه تنظیم کنند و از نفوذ آلایندهها به منابع آبی جلوگیری شود. همزمان، حسگرهای گیاهمبنا مانند پایش تغییر قطر ساقه یا شار شیره گیاهی بهعنوان ابزارهای تکمیلی برای درک بهتر وضعیت فیزیولوژیک گیاه در حال توسعه هستند.
– ون ایرسل، دانشگاه جورجیا: «آبیاری مبتنی بر حسگرهای رطوبت نه تنها مصرف آب را کاهش میدهد، بلکه میزان آبشویی مواد غذایی را نیز به طور چشمگیری کم میکند.»
اعتبارسنجی و دادههای میدانی
یکی از پرسشهای کلیدی درباره فناوری VRA، میزان کارایی آن در شرایط واقعی است. نتایج آزمایشگاهی هرچند امیدوارکنندهاند، اما تنها با مطالعات میدانی میتوان به اعتبار این فناوری پی برد. در گلخانههای اسرائیل، بهکارگیری حسگرهای برخط نیترات نشان داد که مصرف کود تا ۳۸ درصد کاهش یافته و در عین حال، عملکرد محصول ثابت باقی مانده است. چنین یافتههایی ثابت میکند که ترکیب هوشمند حسگر و الگوریتم میتواند نه تنها در کاهش هزینهها بلکه در حفاظت محیطزیست نیز مؤثر باشد.
در اردن، اجرای پروژهای بینالمللی توسط مؤسسه IWMI نشان داد که استفاده از سامانههای آبیاری قطرهای پیشرفته و کنترل سنسوری در بیش از ۱۵۰ مزرعه توانسته است ۲۸ میلیون متر مکعب آب صرفهجویی کند. با این حال، محققان هشدار دادهاند که صرفهجویی مزرعهای الزاماً به صرفهجویی حوضهای منجر نمیشود؛ زیرا کشاورزان ممکن است زمینهای بیشتری را زیر کشت ببرند و در نهایت فشار بر منابع آبی ادامه یابد. این پدیده به نام «پارادوکس بهرهوری» شناخته میشود و یکی از مهمترین چالشهای سیاستگذاری در کشاورزی دقیق است.
– تیم پژوهشی IWMI: «افزایش بهرهوری همیشه به معنی کاهش واقعی برداشت آب نیست، زیرا امکان دارد کشاورزان از منابع آزادشده برای گسترش کشت استفاده کنند.»
در چین، مطالعات متعدد روی سامانههای گلخانهای نشان دادهاند که ترکیب کنترلکنندههای فازی–PID با سیستمهای اختلاط پیشرفته، موجب پایداری بیشتر محلول غذایی و کاهش نوسانات شده است. این یافتهها اهمیت کالیبراسیون دقیق و هماهنگی میان حسگرها و الگوریتمها را پررنگتر میکند. علاوه بر این، تحقیقات در کارخانههای گیاهی نیز نشان دادهاند که کنترل تطبیقی pH میتواند نوفه و نوسانات سیستم را کاهش دهد و کیفیت محصولات را در محیطهای بسته بهبود بخشد.
در ایالات متحده، تمرکز بیشتری بر استانداردهای ایمنی و دستورالعملهای فنی وجود دارد. اسناد منتشرشده توسط نهادهای ایالتی و دانشگاهی تأکید دارند که استفاده از تجهیزات ضدجریان، شیرهای یکطرفه و لولههای کالیبراسیون الزامی است تا از برگشت آلودگی به منابع آب جلوگیری شود. این جنبه مقرراتی نهتنها برای حفاظت از سلامت عمومی بلکه برای اعتمادپذیری و مقبولیت اجتماعی این فناوری حیاتی است.
– اداره مقررات آفتکشها کالیفرنیا: «هر سامانه فرتیگیشن باید به تجهیزات ضدجریان و اینترلاکهای ایمنی مجهز شود تا از آلودگی منابع آب جلوگیری گردد.»
این شواهد نشان میدهد که موفقیت فرتیگیشن متغیر در زمان وابسته به ترکیبی از فناوریهای سنسوری دقیق، الگوریتمهای کنترلی پیشرفته و چارچوبهای مقرراتی سختگیرانه است. تنها در این صورت است که میتوان انتظار داشت هم منافع اقتصادی کشاورزان تأمین شود و هم اهداف زیستمحیطی و امنیت غذایی محقق گردد.
ابعاد زیستمحیطی و ایمنی
یکی از دغدغههای اصلی در بهکارگیری فرتیگیشن متغیر در زمان، تأثیر آن بر محیطزیست است. استفاده بیشازحد از کودهای شیمیایی در کشاورزی سنتی، یکی از مهمترین دلایل آلودگی منابع آب سطحی و زیرزمینی با نیترات به شمار میرود. با استناد به دستورالعمل نیترات اتحادیه اروپا، حد مجاز نیترات در آب آشامیدنی ۵۰ میلیگرم بر لیتر است. تجاوز از این حد میتواند به مشکلات جدی سلامت عمومی از جمله بیماری متهموگلوبینمی در نوزادان منجر شود. بنابراین، کنترل دقیق کوددهی با استفاده از فناوریهای سنسوری نه تنها کارایی مصرف نهادهها را افزایش میدهد، بلکه به حفاظت از سلامت انسانها نیز کمک میکند.
در این میان، استفاده از تجهیزات ایمنی نقش کلیدی دارد. بر اساس استاندارد ASAE EP409.1، سامانههای فرتیگیشن باید به تجهیزاتی همچون ضدجریان، شیر یکطرفه و لوله کالیبراسیون مجهز باشند. این ابزارها مانع از برگشت مواد شیمیایی به منبع آب میشوند و ریسک آلودگی گسترده را کاهش میدهند. کشورهایی مانند ایالات متحده و کانادا نیز دستورالعملهای ایالتی سختگیرانهای را در این زمینه تدوین کردهاند تا اطمینان حاصل شود که فناوریهای نوین کشاورزی بدون تهدید برای منابع طبیعی به کار گرفته میشوند.
– اداره کشاورزی ایالت تنسی: «هر سامانه شیمیاری یا فرتیگیشن باید به گونهای طراحی شود که از برگشت آلودگی به منابع آبی جلوگیری کند و ایمنی عمومی را تضمین نماید.»
مسئله دیگری که اهمیت دارد، مدیریت پساب و زهکشهای کشاورزی است. حتی در صورت استفاده از کنترلهای پیشرفته، بخشی از کودهای محلول ممکن است از طریق زهکش به محیط وارد شوند. پایش مستمر جریان زهکش و تحلیل توازن جرم نیتروژن در مزرعه، از جمله روشهایی است که پژوهشگران برای اعتبارسنجی عملکرد سامانههای VRA پیشنهاد کردهاند. این اقدامات امکان میدهد که میزان واقعی صرفهجویی در مصرف کود و کاهش آلودگی بهطور مستند ارزیابی شود.
ابعاد اقتصادی و مدیریتی
فرتیگیشن متغیر در زمان با بازخورد سنسوری نه تنها از منظر زیستمحیطی بلکه از منظر اقتصادی نیز اهمیت دارد. هزینه سرمایهگذاری اولیه (CAPEX) شامل خرید پمپهای دوزینگ، حسگرها، کنترلگرها و تجهیزات ایمنی است. هزینههای عملیاتی (OPEX) نیز به کالیبراسیون حسگرها، نگهداری سیستم و مصرف انرژی مربوط میشوند. هرچند این هزینهها در نگاه نخست قابل توجهاند، اما با کاهش مصرف کود و آب در بلندمدت جبران شده و بازگشت سرمایه مثبت ایجاد میکنند. تجربه پروژههای بینالمللی نشان داده است که صرفهجویی حاصل از این سامانهها میتواند به کاهش چشمگیر هزینههای تولید منجر شود.
همچنین مدلهای جدید تأمین مالی مانند قراردادهای خدماتی نگهداری (O&M as-a-service) یا مشارکتهای عمومی–خصوصی (PPP) در برخی کشورها برای ترویج این فناوری به کار گرفته شدهاند. این مدلها به کشاورزان امکان میدهند که بدون نیاز به سرمایهگذاری اولیه بالا، از مزایای فناوریهای پیشرفته بهرهمند شوند. از منظر سیاستگذاری نیز، دولتها میتوانند با ارائه یارانه یا تسهیلات مالی، به گسترش استفاده از فرتیگیشن هوشمند کمک کنند.
– پژوهشگران IWMI: «بدون سیاستهای هماهنگ در سطح حوضه آبریز، صرفهجوییهای مزرعهای لزوماً به صرفهجوییهای منطقهای منجر نمیشوند.»
با وجود این، چالشهایی همچون هزینههای بالای تجهیزات، نیاز به برق پایدار و لزوم آموزش بهرهبرداران همچنان موانع مهمی برای پذیرش گسترده این فناوری محسوب میشوند. در بسیاری از کشورها، کمبود خدمات پس از فروش و ضعف در استانداردهای ملی، روند توسعه را کند کرده است. بنابراین، رفع این موانع نیازمند همکاری نزدیک میان نهادهای دولتی، بخش خصوصی و مراکز تحقیقاتی است.
وضعیت و چشمانداز ایران
در ایران، استفاده از سامانههای فرتیگیشن در سالهای اخیر گسترش یافته است، بهویژه در گلخانهها و مزارع بزرگ. با این حال، اطلاعات عمومی و مستند درباره بهکارگیری مستقیم فرتیگیشن متغیر در زمان با بازخورد سنسوری هنوز محدود است. آنچه در حال حاضر وجود دارد، بیشتر شامل دستورالعملهای ایمنی و راهنماهای عمومی درباره شیمیاری و مدیریت کوددهی است. نبود پایگاه داده باز درباره کارایی این فناوری در شرایط اقلیمی و خاکی ایران، یکی از شکافهای اصلی در سیاستگذاری و پژوهش به شمار میرود.
فرصتهای زیادی برای توسعه این فناوری در کشور وجود دارد. محدودیت منابع آبی، رشد روزافزون گلخانهها و ضرورت کاهش آلودگی نیترات در دشتهای آسیبپذیر، دلایل محکمی برای حرکت به سمت سامانههای هوشمند کوددهی هستند. با این حال، تحقق این چشمانداز نیازمند سرمایهگذاری هدفمند، تدوین استانداردهای ملی و تربیت نیروی انسانی متخصص است. همکاری با مراکز پژوهشی بینالمللی مانند دانشگاه واگنینگن و موسسات عضو CGIAR میتواند نقش مهمی در انتقال دانش و فناوری ایفا کند.
– گزارش FAO: «حرکت به سمت فناوریهای مبتنی بر داده در کشاورزی کشورهای در حال توسعه، شرط اساسی برای حفظ امنیت غذایی در شرایط تغییر اقلیم است.»
فرتیگیشن متغیر در زمان با بازخورد سنسوری، ترکیبی از علم خاک، فیزیولوژی گیاه، مهندسی کنترل و فناوری اطلاعات است که میتواند آیندهای پایدارتر برای کشاورزی رقم بزند. این فناوری با تنظیم دقیق دوز و زمانبندی کوددهی بر اساس دادههای زنده، به بهبود کارایی مصرف آب و کود، کاهش آلودگیهای محیطی و افزایش پایداری اقتصادی کمک میکند. تجربه کشورهایی مانند اسرائیل، چین و اردن نشان داده است که این سامانهها میتوانند کاهش چشمگیر در مصرف منابع و حفظ عملکرد محصولات ایجاد کنند.
با این حال، موفقیت گسترده این فناوری نیازمند توجه به سه محور اصلی است: نخست، توسعه و بومیسازی حسگرهای دقیق و مقرونبهصرفه؛ دوم، طراحی الگوریتمهای کنترلی پیشرفته و تطبیقی؛ و سوم، ایجاد چارچوبهای مقرراتی و حمایتی برای تضمین ایمنی و پایداری. بدون این سه پایه، پذیرش VRA در مقیاس ملی و منطقهای دشوار خواهد بود. آینده کشاورزی ایران و جهان در گروی تلفیق نوآوریهای فناورانه با سیاستهای هوشمندانه و آموزش بهرهبرداران است.
در نهایت میتوان گفت که فرتیگیشن متغیر در زمان نه صرفاً یک فناوری بلکه ابزاری راهبردی برای رسیدن به اهداف امنیت غذایی، حفاظت از منابع طبیعی و سازگاری با تغییر اقلیم است. مسیر پیشرو نیازمند پژوهشهای بیشتر، سرمایهگذاری گسترده و همکاریهای بینالمللی است تا این فناوری بتواند جایگاه شایسته خود را در زنجیره ارزش کشاورزی به دست آورد.
شما میتوانید دیدگاه خود را بصورت کاملا ناشناس و بدون درج اطلاعات شخصی خود ثبت نمایید.
حاصل جمع روبرو چند میشود؟