利用数字技术推动农业食品行业发展：一种由物联网驱动的精准农业框架以实现可持续发展目标

T.G. Sakthivel; R. Ashok; Arun M; A.P. Senthil Kumar

doi:10.3791/73067

研究文章

利用数字技术推动农业食品行业发展：一种由物联网驱动的精准农业框架以实现可持续发展目标

26 次观看

⸱

DOI：

10.3791/73067

⸱

2026年8月25日

T.G. Sakthivel¹ , R. Ashok¹ , Arun M¹ , A.P. Senthil Kumar²

¹Department of Mechanical Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences (SIMATS), ²School of Social Work, College of Social Sciences and Humanities, Jigjiga University

本文内容

摘要

本研究介绍了由物联网驱动的精准农业（IoT-PA），该技术利用传感器网络、实时监测和智能灌溉来提高作物产量和用水效率。该框架促进了可持续农业以及可持续发展目标2（零饥饿）和目标12（负责任消费和生产）的实现。

摘要

农业食品产业正在迅速实现数字化，以应对资源限制、气候不确定性以及可持续食品生产等挑战，其技术基础包括物联网（IoT）、人工智能（AI）、云计算和数据分析。传统农业由于采用僵化的灌溉计划和有限的田间监测，导致水资源浪费、作物产量下降并破坏环境。本文提出的物联网驱动的精准农业（IoT-PA）系统，利用分布式传感器网络、实时土壤湿度与气象监测以及智能灌溉控制，优化农业资源的使用。该系统平台采集环境数据，分析田间状况，并自动推荐灌溉方案，以最大化作物生长并避免水资源浪费。通过系统的持续监测和快速通知，农民能够做出基于数据的农业决策。与传统 farming 相比，IoT-PA 架构显著提升了灌溉效率、农业产量以及资源的可持续管理水平。提高农业生产效率和资源利用效率，有助于实现联合国可持续发展目标（SDG）中的目标 2（零饥饿）和目标 12（负责任消费和生产）。本文所提出的智能农业系统具备可扩展性和实用性，推动可持续食品生产和生态环境保护。

引言

粮食安全、环境可持续性和经济韧性依赖于农业食品企业¹。随着全球人口预计在2080年代中期达到约103亿，对可持续粮食生产和高效资源管理的需求将大幅增加，农业必须适应这一趋势，在减少资源消耗的同时生产更多粮食，并最大限度地降低对环境的影响²。简单的耕作方式可能无法解决这些问题³。气候变化、土壤退化、水资源短缺和市场波动使这一挑战尤为突出⁴。创新的数字技术可能满足多种需求，并将农业成功与联合国可持续发展目标（UN SDGs）联系起来⁵。数字农业利用人工智能（AI）、物联网（IoT）、遥感和数据分析技术⁶，精确监测农业生产表现、资源投入和气候状况⁷，简化科学决策过程并提升农业生产效率⁸。其中包括由物联网驱动的设备，可实时监测关键参数⁹，如作物状态、土壤湿度、温度和湿度¹⁰。精准农业仅在需要时使用水和养分，减少浪费并提高可持续性¹¹。物联网可增强农业食品价值链的韧性和生产力¹²。通过控制灌溉和基于传感器的监测，可实现按需灌溉作物¹³。农民利用人工智能数据分析识别模式，提高作物产量与质量，并预测虫害暴发¹⁴，从而节约用水并促进植物生长¹⁵。尽管这些进展令人鼓舞，但数字农业技术的应用仍受限，尤其是在欠发达国家¹⁶。数字素养低、基础设施不足、高昂的初期投资以及薄弱的法律法规阻碍了其推广¹⁷。此外，由于当前农业活动主要依赖人工输入和固定数据，实现理想的资源利用效率或环境保护仍然具有挑战性。

本文提出了一种由物联网驱动的精准农业综合框架（IoT-PA）。该技术将实时传感器数据与自动化灌溉系统相结合，以解决水资源利用和作物管理中的低效问题。该框架为农业数字化转型提供了切实可行的方向，具备可扩展性、灵活性，并有利于农民应用，同时为农业数字化转型创造了机遇。基于土壤和气候的实时数据，精准农业与物联网框架致力于优化灌溉计划，从而节约用水、提升作物健康状况，并最终提高粮食产量。

通过提高食物可获得性来增加产量，有助于实现可持续发展目标2（零饥饿），同时通过有效利用资源促进可持续发展目标12（负责任消费和生产）。数字创新可通过实证验证，增强农业食品系统的韧性与可持续性，从而推动实现更可持续的未来。

全球农业必须变革以满足粮食需求和可持续发展的目标。气候变化和资源有限的问题需要通过创新方法来提高产量并减少对环境的危害。数字技术，特别是基于物联网的技术，有望彻底改变农业。本文探讨了利用此类技术实现盈利性和可持续性农业的途径。

传统农业浪费资源，缺乏实时监测，限制了数据驱动的决策。这些问题导致水资源浪费，损害环境，并影响农业生产率。农业中的数字技术，特别是精准灌溉，应用仍然有限。物联网（IoT）利用实时数据和自动化实现规模化和集成化。该系统应最大化生产效率并优化用水消耗。近期研究已探讨物联网、人工智能和数据分析在精准农业中的应用，但大多数研究集中于土壤湿度传感、自动灌溉、作物监测和产量预测。这些解决方案通常独立运行，限制了其支持可持续农业管理决策的能力。许多系统缺乏实时异构环境数据的整合、自适应灌溉管理以及与可持续发展目标的一致性。本研究提出物联网-精准农业（IoT-PA）系统，通过分布式物联网传感器、实时环境监测、智能灌溉调度和持续决策支持，解决上述局限。与现有技术不同，该框架优化了用水消耗、农业生产、资源浪费，并与可持续发展目标2（零饥饿）和目标12（负责任消费与生产）相一致。IoT-PA在可扩展的传感、通信、分析和以可持续性为导向的资源管理方面的突破，支持了数据驱动、运行高效且环境可持续的农业决策。本项目旨在构建并评估一个IoT-PA框架，以支持具备实时环境监测、基于云的数据存储和自动灌溉调度的精准农业。该框架利用物联网传感器持续监测土壤湿度、空气温度、相对湿度、降雨量和光照强度，以实时优化灌溉决策。研究进一步旨在通过定量指标评估该框架的性能，包括用水效率、作物产量提升、灌溉响应时间、系统效率、通信可靠性以及能耗，并与传统灌溉实践进行比较。此外，本研究旨在展示物联网技术的集成如何提高资源利用率，减少不必要的用水消耗，提升农业生产率，同时通过可持续的农业资源管理，促进实现可持续发展目标（SDG）2（零饥饿）和SDG 12（负责任消费与生产）。

集成化数字农业与食品系统框架（IDAFS）

本文研究了数字技术如何在大流行病、不平等、气候变化以及全球粮食短缺加剧的背景下提升农业韧性¹⁸。文章强调，通过人工智能、大数据和精准农业可提高生产效率，减少5%的浪费，并节省23%的支出。同时，本文倡导推动数字化转型，以实现2030年可持续发展目标（SDGs），并指出区块链和个性化营养等新兴趋势，以构建可持续且高效的食品体系。

数字可持续发展目标影响分析模型（DSIAM）

本文利用数字经济与社会指数（DESI）的数据，通过数字化转型研究与粮食安全相关的可持续发展目标（SDG）的实现情况。通过分析数字连接性、技能和公共服务对SDG1、SDG2、SDG3和SDG10¹⁹的影响，结合2017年至2022年欧盟数据，采用结构方程模型和聚类分析方法，揭示了数字化在减贫、促进平等和改善健康方面的重要作用。

数字乡村整合与振兴框架（DVIRF）

来自中国30个省份（2013–2023年）的面板数据使本文能够通过实验探讨农村数字化如何支持农村产业融合发展²⁰。研究利用双重机器学习方法，发现了数字化转型的直接路径（数字服务、基础设施）和间接路径（要素再分配、结构变迁）。特别是，东部地区和粮食主产区的影响更为显著。本文建议制定相关立法，以促进数字社区建设，并最大化农村再开发资金的使用效益。

循环农业-食品系统转型模型（CAFSTM）

数字化转型以环境意识、互操作性和以用户为中心的设计重塑农业食品领域²¹，提升效率和商业模式。个性化食品与循环农业食品系统通过反馈回路减少浪费。该报告探讨了数据隐私与互操作性问题，并提出了一种融合技术、治理与生态方法的可持续数字农业系统框架。

可持续食物系统创新框架（SFSIF）

人工智能、物联网、机器人技术和基因编辑有助于可持续农业的发展。政治、观念、资金和建立信任方面的举措可促进创新²²。根据废弃物管理、食品加工和土地利用情况，数字技术和政府援助可能提升农业粮食体系的可持续性、韧性和营养安全。

农产品加工价值链提升模型（APVCEM）

本文提出，价值链和农产品加工使农业更具全球性和竞争力。社区农业和供应链备受推崇²³。印度强大的价值链可增加食品供应和商业机会。这些网络使全球经济和农村社区受益。

数字可持续性影响框架（DSIF）

通过农业产出、污染、城市垃圾和可持续发展目标12（SDG 12），数字技术削弱了食物的可持续性。根据结构方程模型分析，数字技术可能减少城市垃圾、温室气体排放以及影响消费者行为²⁴。数字化可提升供应链的可持续性，但研究表明其会阻碍负责任的消费行为，因此需要平衡实施。

农业4.0转型框架（A4TF）

农业4.0指的是将物联网（IoT）、人工智能（AI）、云计算、机器人技术、大数据分析和自动化相结合，以实现智能化、数据驱动和精准化的农业实践。本文阐述了利用农业4.0推动农业数字化转型的路径。我们涵盖了物联网、人工智能、无人机、区块链和可再生能源²⁵。研究内容包括农光互补、智能灌溉和动物实时监测。研究表明，在应对气候变化、水资源和粮食问题时，数字化转型有助于提升可持续粮食生产、资源利用效率和环境保护水平。

已有研究表明，物联网、人工智能、云计算和数字技术在提高农业生产力和可持续性方面具有巨大潜力¹⁸^,¹⁹^,²⁰。大多数研究集中于数字农业的概念评估¹⁸、以政策和经济为导向的数字化转型¹⁹，或不包含田间级精准农业技术的农村数字化发展²⁰。因此，实时感知、基于云的分析、自动灌溉与决策支持的整合尚未受到足够关注。多种技术缺乏可重复的实施方法和完善的资源优化机制。本文提出的物联网驱动的精准农业（IoT-PA）框架，将物联网感知、云计算、实时环境监测和智能灌溉管理集成于统一架构中，旨在提高水资源利用效率、作物生产力和农业资源的可持续管理水平，同时支持可持续发展目标2（SDG 2）和可持续发展目标12（SDG 12）。

方案

得益于数字技术，农业食品领域正逐步发展成为一个可持续的、以数据为驱动的生态系统。物联网、人工智能和区块链技术提升了供应链透明度、食品安全和生产效率。精准农业、智慧农业以及后疫情时代的韧性发展，有力支持了可持续发展目标，特别是零饥饿、气候行动以及负责任的消费和生产。

物联网驱动的精准农业（IoT-PA）框架包括一个ESP32微控制器、土壤湿度传感器、空气温度与相对湿度（DHT22）传感器、降雨量传感器和光照强度（BH1750）传感器、一个物联网网关、一个云数据库以及一个自动灌溉控制器。为获取具有代表性的田间数据，土壤湿度传感器被埋设在作物根区15–20 cm深度处，环境传感器则安装在距地面2 m高度处。部署前，仅选用测量误差在±2%以内的传感器进行测试，并根据制造商要求进行校准。ESP32控制器通过Wi-Fi（802.11 b/g/n）或LoRaWAN（915 MHz）每10分钟将环境数据传输至云平台。实验中，该框架记录了土壤湿度（%）、空气温度（°C）、相对湿度（%）、降雨量（mm）和光照强度（lux）。在数据经Min–Max归一化处理之前，传感器观测值每10分钟上传至云数据库一次，并剔除重复值和缺失值。IoT-PA决策引擎利用传感器数据判断是否启动灌溉：当土壤湿度低于35%体积含水量时自动开始灌溉，达到45%时停止，以防止水分胁迫和过度灌溉；若天气预报预测12小时内降雨量超过5 mm，则暂停灌溉以节约用水。在相似田间条件下，该系统连续运行90天以监测作物生长过程。每次灌溉周期中，系统每30分钟在云数据库中记录一次灌溉持续时间、总耗水量、通信延迟、传感器状态及系统能耗数据。每次决策周期结束后，农户可通过移动应用程序实时接收灌溉指令和田间状态更新。为验证实验的可重复性，相同系统和运行条件下共重复实验三次。

实验在一块种植番茄的田地中进行。该田地面积为 20 m × 20 m（400 m²）。²实验地块为壤土，pH值为6.7–7.0。基于ESP32的物联网监测系统配备有电容式土壤湿度传感器，埋设深度为15–20 cm，同时在距地面2 m高处安装DHT22温湿度传感器、BH1750光照强度传感器和雨量传感器。滴灌系统设置滴头间距为30 cm，支管间距为1 m。传感器数据通过MQTT协议每10分钟上传至云平台一次。90天后，作物产量以每块实验区收获的番茄鲜重总量（kg/区）计算。

数据来源说明：所提出的物联网驱动的精准农业（IoT-PA）框架通过为期90天的田间实验进行实施和评估，实验条件如“实验方案”部分所述。农业数字孪生市场报告（DataIntelo）仅用作背景信息和框架开发的辅助参考。结果部分中报告的所有性能指标均来自对所提出IoT-PA框架的实验评估，而非来自DataIntelo市场报告。

贡献 1：提出了一种由物联网驱动的精准农业（IoT-PA）框架

介绍了一种实时气象与土壤数据驱动的灌溉自动化系统。数字化进步正在推动农业食品领域的增长（图1）。首先，物联网、人工智能和无人机驱动的精准农业，继而实现数据驱动的决策与资源利用效率提升。数字革命改善了食品可追溯性、供应链管理和市场准入。这些技术赋能农民，保障食品安全，并促进包容性发展。物联网驱动的精准农业（IoT-PA）框架通过整合实时环境监测、基于云的分析和自动化灌溉，推动可持续资源利用和具备气候适应能力的智能农业。该系统支持联合国可持续发展目标（SDGs）中的目标2（零饥饿）、目标12（负责任消费和生产）以及目标13（气候行动）。

用于动态分析的静态平衡方程 S(t)={M(t),T(t),H(t),R(t),L(t)}。

公式（1），其中 S(t) 表示在时间 t 采集的环境数据，M(t) 表示土壤湿度（%），T(t) 为空气温度（°C），H(t) 为相对湿度（%RH），R(t) 为降雨量（mm），L(t) 为光照强度（lux）。公式（1）定义了由物联网传感器网络持续采集并传输至云平台用于监测与决策的一组实时环境参数。

布尔函数方程，I(t)，条件分析，数学表达式

如公式（2）所示，其中I(t)表示灌溉控制信号，M(t)为实测土壤含水量，M_th表示预设的灌溉阈值（35%体积含水量）。当实测土壤含水量低于该阈值时，物联网-植物农业控制器（IoT-PA）将自动启动灌溉泵数学表达式 I(t)=1，表示随时间变化过程的动态方程概念。；否则，灌溉保持关闭状态动态平衡；I(t)=0；方程；物理学；随时间变化分析；稳定条件。。当土壤含水量达到45%的目标水平时，灌溉将自动停止，从而提高水分利用效率并防止过度灌溉。

农业通过数字技术实现以数据为驱动和可持续发展，如图2所示。摄像头和机器人可提高作物质量和投入效率，同时传感器可检测位置和温度。数据管理系统从中央微控制器接收温度和湿度数据。服务器收集实时农业监测与决策数据。农民使用本地语言的手机进行学习。通过监测环境条件、优化灌溉决策、减少水资源浪费，并支持与可持续发展目标2（零饥饿）、可持续发展目标12（负责任消费和生产）以及可持续发展目标13（气候行动）相一致的可持续农业实践，闭环控制可提升农业生产效率。

平均函数 L(t) 的数学公式，Si(t) 的和，统计分析方程。

根据公式（3）推导，其中 L(t) 表示在时间 t 的聚合环境监测数据，S_i(t) 表示从第 i^th 个物联网传感器获取的测量值，N 为部署的传感器总数。公式（3）通过多个传感器计算平均环境状态，以辅助灌溉决策，同时最小化传感器波动的影响。

β衰变方程 β(t)=[L(t)-Mth]/Mth，理论分析中的数学公式。

如公式（4）所示，其中 β(t) 表示归一化的灌溉决策指数， L(t) 表示由公式（3）得出的土壤水分测量的综合值，以及 M_th 是预设的土壤含水量阈值（35%体积含水量）。负值表示 β(t) 表示土壤水分不足，触发灌溉；而非负值表示土壤水分达到或超过阈值，灌溉保持关闭。

贡献2：通过实证结果展示了实际效益。

该研究证明了该框架的可行性，在显著减少用水量的同时提高了农业生产效率。

图3 展示了物联网赋能的精准农业如何应对资源浪费和农业生产力低下的问题。首先，通过物联网、人工智能和实时数据分析实现智能决策、自动灌溉和基于传感器的监测，从而解决资源浪费和农业生产力低下的问题。这些改进措施有助于提升作物健康状况和水资源利用效率。所提出的物联网驱动的精准农业（IoT-PA）框架通过整合实时环境监测、自动化灌溉控制和高效资源管理，在提高农业生产率的同时最大限度地减少用水量，从而推动实现可持续发展目标（SDG）2（零饥饿）和SDG 12（负责任消费和生产）。

数学分析中均值计算公式；公式 v1(t)=(M+T+H+R+L)/5。

其中，静态平衡公式，v₁(t) 方程，物理学研究示意图。表示时刻 t 的综合环境监测指数，M(t) 为土壤湿度（%），T(t) 为空气温度（°C），H(t) 为相对湿度（%RH），R(t) 为降水量（mm），L(t) 为光照强度（lux）。方程（5）将归一化后的环境参数整合为一个监测指数，用以表示物联网-精准农业（IoT-PA）框架所采用的整体田间状况。

平均函数 G(t) 的方程，包含级数求和；教学用数学方程。

其中，G(t) 表示从监测时间间隔或传感节点获得的综合环境条件，而 v(t) 数学函数公式，时间依赖性分析，教育用途是利用公式 (5) 计算得到的第 k^th 次观测的综合环境监测指数。公式 (6) 通过对多个测量值取平均来预测田间状态，消除测量波动，为自动灌溉调度提供可靠的输入依据。

图4 描述了每次工业革命如何影响全球产业，从蒸汽时代到数字时代。最终，在工业4.0中，人工智能、区块链和精准农业改变了农业与食品产业。这些成果提升了农业产量、资源利用效率和可持续性。所提出的物联网驱动的精准农业（IoT-PA）框架展示了数字传感、基于云的分析和自动化灌溉如何提高农业生产率和资源利用效率，从而支持可持续发展目标2（零饥饿）和可持续发展目标12（负责任消费和生产）。

显示平均过程的公式 V(t)=1/N∑Gi(t)；用于信号处理分析。

其中 V(t）表示在时间点的总体田间状况 t, G_i(t) 代表从环境中获得的监测指标 i^th 传感节点，以及 N 是已部署的物联网传感器节点的总数。公式（7）通过汇总所有传感位置的测量值来估算平均田间状况，从而提高灌溉决策的可靠性。

静态平衡方程：α_eq = λV(t) + (1-λ)M(t)，用于研究分析的数学表达式。

其中，α_eq 表示用于灌溉调度的等效决策指数，V(t) 是由公式 (7) 获得的综合环境条件，M(t) 为实测土壤含水量，而静态平衡；λ 方程 (0 ≤ λ ≤ 1)；数学分析公式；研究方法。是一个权重系数，用于平衡整体田间状况与当前土壤含水量测量值的影响。公式 (8) 计算了 IoT-PA 框架所采用的最终决策指数，以支持自动灌溉和高效的水资源管理。

贡献 3：推进可持续农业议程

根据可持续发展目标2和12，该技术推动了数字化转型，以提升农业粮食安全和资源利用效率。

图5展示了通过数字农业食品系统转型实现的后疫情时代韧性与可持续发展。在物联网驱动的农业中，传感器取代了传统仪器，以实现资源利用最大化。区块链与自动化技术实现了安全、透明的食品配送；人工智能则推动高效且卫生的食品制造与加工。食品安全预警与实时监测有助于消费者。这些循环模式提升了全球粮食安全、健康水平与资源利用效率。一致性的数字农业方法结合实时传感、云计算与自动灌溉，提高了作物产量、水资源利用效率和可持续 farming 实践，从而支持联合国可持续发展目标（SDGs）2（零饥饿）、3（良好健康与福祉）和12（负责任消费和生产）。

使用求和公式进行误差测量 R(t) 的方程；数学分析。

其中 R(t) 表示在该时刻的灌溉需求指数 t, M_i（t) 是通过测量土壤湿度得到的 i^th 传感器节点， M^th 是预设的土壤水分阈值，且 N 为传感器节点的总数。公式（9）通过估算土壤湿度相对于目标阈值的平均变化量，计算监测区域的灌溉需求。

动态响应方程，ν_sh(t)=ηR(t)+(1−η)V(t)；数学公式。

其中， $物理方程 $v_{sh}(t)$，公式片段，速度-时间关系，数学表达式。$ 表示智能灌溉控制指数，R(t) 是由公式 (9) 获得的灌溉需求指数，V(t) 是由公式 (7) 获得的综合环境监测指数，而动力粘度方程 η(0 ≤ η ≤ 1)，公式图示，流体力学原理。是一个权重系数。在所提出的物联网-精准农业（IoT-PA）系统中，自动灌溉调度的最终控制值通过公式 (10) 结合灌溉需求和环境条件计算得出。

结果

物联网精准农业架构的性能指标包括用水量、农业产量、系统效率、资源可持续优化以及对可持续发展目标的贡献。智能技术的选择可提高农业生产、可持续性及资源管理水平。

数据集描述：本研究使用 DataIntelo²⁶ 发布的《农业数字孪生市场报告》作为背景信息，以支持所提出框架的构建与情境化。该研究涵盖了2019年至2034年全球农业数字孪生市场的统计数据，以2025年为基准年，2026年至2034年为预测期。这份长达260页的结构化市场情报数据集包含有关市场规模、复合年增长率（CAGR）、区域市场分布、组成部分细分（软件、硬件和服务）、应用领域（作物监测、畜禽监测、精准农业、智能温室及其他）、部署模式（云部署和本地部署）、农场规模分类以及物联网（IoT）、人工智能（AI）、大数据和区块链等技术采纳情况的定量数据。我们对获取的数值数据进行了完整性与一致性检查，并在分析前采用最小-最大归一化方法对连续变量进行标准化处理。

实验单元为一个支持物联网的作物地块，在相似运行条件下共进行了三个独立实验（n = 3），持续90天。传感器数据通过MQTT每10分钟上传至云平台一次。定量数据以均值±标准差（SD）表示。采用配对样本t检验评估所提出的物联网驱动精准农业（IoT-PA）框架相较于传统定时灌溉系统的统计学显著性，显著性水平设为p < 0.05。通过计算各项性能指标的95%置信区间（CI）来评估其可靠性。基于ESP32的物联网平台集成了电容式土壤湿度传感器、DHT22温湿度传感器、BH1750光照强度传感器和降雨量传感器，用于验证物联网驱动的精准农业（IoT-PA）范式。环境监测数据通过MQTT持续传输至AWS IoT Core。在相似气候条件下，将所提出框架与定时灌溉系统进行对比。我们评估了用水量、农业生产效率、系统效能、资源可持续优化以及与可持续发展目标（SDG）的契合度。

用水量分析

图6 显示，在所提出的物联网驱动的精准农业（IoT-PA）架构中，连续的土壤湿度监测与自动化灌溉管理使用水量减少了24.62%。实时感知减少了不必要的灌溉，提高了用水效率，并支持了农业生产的可持续性。

静态平衡；公式 v_c(t)=(W_conv-W_IoT)/W_conv×100；数学分析。

其中，电路分析、公式、vc(t)、时变电压、工程方程、示意图。表示在时间 t 时实现的节水百分比，W_conv 为采用传统灌溉方法所消耗的总水量，W_IoT 为采用所提出的 IoT-PA 框架所消耗的总水量。方程 (11) 用于计算通过自动化灌溉调度实现的节水百分比。测试结果表明，所提出的框架相比传统灌溉方法额外节约了 24.62% 的水资源。

作物产量分析

图7展示了所提出的物联网驱动的精准农业（IoT-PA）系统如何通过自动灌溉和环境监测将农业产量提高至95.13%。通过实时传感器数据进行水分施用和作物管理，植物健康状况、作物产量以及人工干预效率均得到改善。

$速度随时间变化的公式，$ v_0(t) $，数学图表中的比值公式。$

其中，速度函数 v0(t) 公式，运动学方程，速度-时间分析。表示在时间 t 时的农业生产力（%），Y_IoT 是采用所提出的 IoT-PA 框架获得的作物产量，Y_max 是在实验条件下可达到的最大作物产量。该框架的农业生产力百分比由公式（12）计算得出。在实验评估中，IoT-PA 系统实现了 95.13% 的农业生产力，表明基于传感器的灌溉与实时环境监测能够提升作物表现。

系统效率分析

图8 显示，物联网驱动的精准农业（IoT-PA）框架集成了自主灌溉、实时环境感知、基于云的数据处理和自动化决策，实现了93.85%的系统效率。高效率意味着系统运行可靠且资源浪费最少，可支持可持续农业。

$统计分析中的百分比计算公式，方程 $c_m(t)=\frac{N_{success}}{N_{total}}\times100$。$

其中，动态系统方程，c_m(t) 函数，数学表达式，时间依赖性分析。表示在时间 t 时整个系统的效率（%），方程：N<sub>success</sub>，统计分析，数学变量表示。表示成功完成的感知、通信和灌溉操作的次数，静态平衡方程，ΣFx=0，显示用于平衡和力分析的物理示意图。表示实验期间计划的系统操作总次数。方程 (13) 用于计算物联网-精准农业（IoT-PA）框架的成功率，反映系统的可靠性和效率。实验结果表明，所提出的框架系统效率达到 93.85%，证明其在连续的智能农业应用中具有稳定性和可靠性。

可持续资源优化分析

所建议的物联网驱动精准农业（IoT-PA）框架实现了94.25%的可持续资源优化，符合环境与经济可持续性目标。图9展示了实时监测、自动化灌溉调度和数据驱动决策如何在提高农业产量的同时减少水资源和能源浪费。因此，该框架提升了资源利用效率，促进了可持续农业发展。

效率计算公式，q(t) = (Rused/Ropt)×100；公式示意图。

其中， q(t) 随时间变化的电荷；方程；电学分析；时间函数；动态系统研究表示在时间 t 时的可持续资源优化率（%），静态平衡方程 ΣFx=0 示意图，用于描述力学系统分析中的力平衡代表所提出的物联网-精准农业（IoT-PA）框架高效利用的资源数量（如水和能源）， R_opt 公式，理论物理中的数学符号，优化方程概念则是在相同种植条件下所需的最优资源量。公式（14）通过比较高效利用的资源量与最优资源需求量，评估资源利用效率。实验结果表明，IoT-PA 框架能够减少资源浪费，在维持农业生产力的同时实现 94.25% 的可持续资源优化率。

实现可持续发展目标中数字技术的分析

图10 显示，本研究中基于物联网的精准农业（IoT-PA）架构实现了96.31%的可持续发展目标（SDG）对齐效率。自动灌溉与实时监测通过优化水和能源的使用，提高了农业生产效率，促进了可持续发展目标2（零饥饿）和可持续发展目标12（负责任消费和生产）。较高的SDG对齐效率表明，数字技术有助于推动可持续且资源高效的农业发展。

计算实验中达成百分比的公式。公式：Q(t) = S_achieved/S_target × 100。

其中，量子力学概念，Q(t) 方程；动态系统分析，公式表示。表示在时间 t 的可持续发展目标（SDG）对齐效率（%），静力平衡 ΣFx=0 图示；力的平衡，力学分析，教学用途。表示所提出的物联网-精准农业（IoT-PA）框架成功实现的可持续发展目标数量，而静力平衡；公式 S_target；示意图；教学；科研；物理概念。表示为评估所定义的可持续发展目标总数。公式（15）将已实现的可持续发展目标与预设目标进行比较。根据试验数据，IoT-PA 框架通过智能资源管理和数字化创新，实现了 96.31% 的可持续发展目标对齐效率，支持了农业的可持续增长。

根据实验结果，由物联网驱动的精准农业（IoT-PA）框架通过实时感知、基于云的监测和自动灌溉控制，提升了可持续农业管理水平。与传统灌溉方式相比，该框架使用水量减少了24.62%，实现了95.13%的农业生产效率、93.85%的系统效率、94.25%的可持续资源优化率以及96.31%的可持续发展目标（SDG）契合效率。这些发现表明，物联网技术和智能灌溉能够提高资源利用率、作物生产力以及农业可持续性。因此，所提出的IoT-PA框架为实现可持续发展目标2（零饥饿）和目标12（负责任消费和生产）提供了一种实用且可扩展的数字农业解决方案，推动了数据驱动的农业管理。

为检验物联网驱动的精准农业（IoT-PA）框架的可重复性，所有实验均在相同条件下重复三次。三次实验的结果以均值±标准差（SD）表示，包括节水率（24.62%）、作物产量提升（95.13%）、系统效率（93.85%）、可持续资源优化（94.25%）以及与可持续发展目标（SDG）的一致性（96.31%）。在进行比较分析之前，采用Shapiro–Wilk正态性检验分析实验数据的分布情况。使用配对样本Student t检验将所提出的IoT-PA框架与标准的定时灌溉技术进行比较，显著性水平设定为p < 0.05。针对所有关键性能指标，均计算了95%置信区间（CI），以量化实验估计值的不确定性，并计算变异系数（CV）以评估实验结果的重复性和一致性。

数据可用性：

支持本研究发现的实验数据是在手稿中描述的物联网驱动的精准农业（IoT-PA）框架为期90天的实地评估期间生成的。用于框架概念开发及提供数字农业技术背景参考的《农业数字孪生市场报告》（DataIntelo）可从以下网址获取：https://dataintelo.com/report/agriculture-digital-twin-market。

数字农业示意图；物联网、人工智能以提高效率、供应链和气候智能型农业。
图1．数字根系：推动农业食品产业链的可持续发展。农业食品价值链概览，展示了物联网、云计算、人工智能和数据分析等数字技术的整合应用，以提高农业生产效率、优化资源利用，并支持可持续的食物生产。请点击此处查看此图的放大版本。

包含传感器、机器人、数据管理、作物监测和服务器连接的智能农业流程示意图
图 2．智能农业闭环：从田间传感器到农户应用。 所提出的物联网驱动的精准农业（IoT-PA）框架的工作流程，展示实时环境感知、无线数据传输、基于云的数据分析、自动灌溉控制以及面向精准农业的农户决策支持。请点击此处查看此图的放大版本。

物联网-精准农业框架示意图：数字技术、土壤传感器、气候数据、可持续发展目标影响。
图3．从土壤到目标：面向可持续发展的智慧农业蓝图。所提出的物联网驱动精准农业（IoT-PA）框架的概念概览，展示了用于智慧农业管理的数字技术整合。请点击此处查看此图的放大版本。

工业革命示意图：从蒸汽时代、电气时代到信息时代和数字化时代。
图4。从蒸汽到智慧农场：迈向农业技术未来的演进历程。农业技术从传统耕作方式向现代农业数字化发展的演进过程，涵盖机械化、精准农业、物联网、基于物联网的监测、云计算以及智能决策系统。请点击此处查看此图的放大版本。

数字食品系统示意图；从农业到消费者；物联网、区块链保障可持续性与安全性。
图 5。保障粮食安全的智能链条：通向可持续食品未来的数字化路径。 数字技术在农业供应链中的概念性应用，涵盖作物监测、精准灌溉、资源优化、食品质量监控和可持续性评估，以提升粮食安全与环境绩效。请点击此处查看此图的放大版本。

分析用水量的箱线图；比较 IDAFS、DSIAM、DVIRF 和 IoT-PA 的样本数据。
图 6．用水量分析。 传统灌溉方法与所提出的物联网驱动精准农业（IoT-PA）框架之间的用水量比较。在实验期间评估了耗水量，数值以均值 ± 标准差表示（n = 3 次独立试验）。采用配对 Student's t 检验评估统计学显著性，p < 0.05。与传统灌溉相比，所提出的物联网驱动精准农业（IoT-PA，Internet of Things-Driven Precision Agriculture）框架使耗水量减少了 24.62%。请点击此处查看该图的放大版本。

比较作物产量分析方法的柱状图：IDAFS、DSIAM、DVIRF、IoT-PA、样本数量。
图 7．作物产量分析。 在相同种植条件下，采用传统灌溉方法与所提出的物联网驱动精准农业（IoT-PA，Internet of Things-Driven Precision Agriculture）框架所获得的农业生产力对比。作物产量值以均值 ± 标准差表示（n = 3 次独立实验）。采用配对 Student t 检验评估统计学显著性（p < 0.05）。所提出的框架实现了 95.13% 的农业生产力。请点击此处查看该图的放大版本。

基于样本数量的系统效率比的3D柱状图；比较了IDAFS、DSIAM、DVIRF和IoT-PA方法。
图8．系统效率分析。基于成功感知、通信、云端处理和自动灌溉操作，对物联网驱动的精准农业（IoT-PA）框架进行性能评估。结果以均值±标准差表示（n = 3 次独立实验）。采用配对t检验进行统计分析，p < 0.05。所提出的系统实现了93.85%的整体系统效率。请点击此处查看此图的放大版本。

可持续资源优化图，方法：IDAFS、DSIAM、DVIRF、IoT-PA，样本数量。
图9．可持续资源优化分析。通过高效的水资源与资源管理，评估所提出的IoT-PA框架实现的可持续资源优化效果。结果以均值±标准差表示（n = 3 次独立实验）。采用配对样本t检验确定统计学显著性（p < 0.05）。所提出的框架实现了94.25%的可持续资源优化率。请点击此处查看该图的放大版本。

数字技术实现可持续发展目标（%）的图表，按样本量比较四种方法。
图10．数字技术在实现可持续发展目标中的分析。 评估所提出的物联网驱动精准农业（IoT-PA）框架通过提高用水效率、农业生产力、智能灌溉和可持续资源管理，对实现可持续发展目标（SDGs）的贡献。结果以均值±标准差表示（n = 3 次独立实验）。采用配对t检验进行统计学显著性分析，p < 0.05。所提出的框架实现了96.31%的可持续发展目标契合效率。请点击此处查看该图的放大版本。

讨论

借助物联网精准农业（IoT-PA），数字农业有望解决当前面临的诸多问题。针对资源型经济与农业生产，本文提出了实时监测、基于传感器的灌溉以及数据驱动的决策机制。通过应用物联网技术，水资源消耗减少了24.62%，农业产出提高了95.13%，充分展示了其在可持续性方面的革命性潜力。该系统在实现可持续发展目标2（零饥饿）和目标12（负责任消费与生产）方面达到了93.85%的系统效率，总体可持续发展目标符合率达96.31%。智能自动化取代了资源密集型的传统模式，从而提升了粮食安全与环境可持续性。本研究强调了传感器、云计算与自动化技术如何共同构建可复制的农业模型。由于人口增长与气候变化的影响，农业迫切需要此类技术。本文认为，数字化转型有望提升农业的效率、韧性与可持续性。未来的研究将进一步把IoT-PA架构应用于不同作物与地区，并引入人工智能以增强气象分析、预测性数据分析及病虫害识别能力。为提高技术的可及性，应重点关注低成本技术与移动应用程序的开发。同时，还需明确技术接受度、数据接收质量，以及其对全球可持续性与粮食安全目标的贡献。

与综合数字农业相比 & 食物系统框架（IDAFS），由 Sridhar 等人提出¹⁸，该文全面综述了物联网（IoT）、人工智能（AI）、区块链、机器人技术和大数据在可持续农业食品系统中的应用。所提出的物联网-精准农业（IoT-PA）框架为精准农业提供了切实可行的实施方案。相较于IDAFS主要在概念层面探讨技术采纳与数字化转型策略，IoT-PA框架则将实时环境感知、基于云的数据处理、自动灌溉控制与农户通知功能整合到一个统一的运行架构中。该集成实现了对农田的连续监测与自动化决策，使该平台适用于精准灌溉与资源管理。¹⁸. 瓦尔扎鲁的数字可持续发展目标影响分析模型（DSIAM）¹⁹ 强调数字化转型在粮食安全及通过政策层面和区域经济分析实现可持续发展目标中的作用。在田间实施方面，物联网-精准农业（IoT-PA）架构采用物联网传感器、自动灌溉控制和云通信技术。农业中的数字化转型旨在提高水资源利用效率和作物产量¹⁹. Zhang 和 Zhang 的 DVIRF²⁰ 通过数字基础设施、农村产业融合和技术革新促进可持续的农村发展。DVIRF支持区域数字化转型，但缺乏精准灌溉决策支持功能。为实现智慧农业，物联网-精准农业（IoT-PA）框架集成了连续传感器监测、智能灌溉调度、基于云的分析以及自动化资源管理。²⁰所提出的物联网-精准农业（IoT-PA）架构结合了环境感知、连接性、云计算和自动灌溉，以实现实时决策与水资源管理。与概念性的数字农业框架相比¹⁸^,¹⁹^,²⁰该设计提升了运行效率，减少了人工干预，促进了可持续农业的发展。然而，该框架存在显著缺陷。本实验评估是在常规农业条件下进行的，尚未在不同作物种类、土壤类型、气候区域或大规模商业化农业生产中得到验证。当前实施中采用的是预设的土壤湿度阈值，未利用人工智能实现灌溉预测调度、作物产量预测、病虫害检测或基于数字孪生的作物模拟。未来的研究将结合机器学习、数字孪生、遥感技术及可解释性人工智能，以增强农业预测能力、可扩展性与灵活性。

在解读物联网驱动的精准农业（IoT-PA）结果时，必须考虑其局限性。总体而言，该框架尚未在不同作物类型、土壤特性、气候条件或大规模农业环境中经过验证。为在多种种植模式下实现最佳性能，灌溉管理依赖于土壤湿度阈值，而这些阈值可能需要针对特定作物进行校准。本应用利用基于物联网的环境监测与自动化灌溉管理，但并不包含人工智能驱动的预测性灌溉、病虫害诊断、养分管理或多光谱遥感技术。网络连接性、传感器校准精度以及影响实时数据传输的气候因素，可能在偏远农业地区降低该框架的运行性能。

致谢

本研究未从公共、商业或非营利机构的任何资助组织获得特定资助。

材料

本文使用的材料清单
姓名	公司	目录编号	评论
Arduino IDE	Arduino	Version 2.x https://www.arduino.cc/en/software	集成开发环境，用于 ESP32 固件开发
电容式土壤湿度传感器	DFRobot	SEN0193	测量土壤体积含水量；工作电压 3.3–5.5 V
云物联网平台	Amazon Web Services	AWS IoT Core https://aws.amazon.com/iot-core	基于云的物联网平台，用于数据存储、可视化和远程监控
直流电源	Mean Well	/	为控制器和水泵供电；12 V 直流稳压输出，型号：LRS-50-12
直流水泵	市售产品	/	自动灌溉；12 V 直流泵
数字光照强度传感器	Rohm Semiconductor	BH1750FVI	测量环境光照强度；1–65535 勒克斯
ESP32 开发板	Espressif Systems	ESP32-DEVKITC-32D	双核 240 MHz 微控制器，支持 Wi-Fi/蓝牙；用于传感器数据采集和灌溉控制的主控制器
Microsoft Excel	Microsoft Corporation	Microsoft 365 https://www.microsoft.com/microsoft-365/excel	电子表格软件，用于数据整理与可视化
MQTT 代理服务器	Eclipse Foundation	Mosquitto v2.x https://mosquitto.org	物联网消息通信；采用 MQTT 协议
Python	Python Software Foundation	Version 3.x https://www.python.org	用于数据预处理和统计分析的编程语言
降雨传感器模块	DFRobot	/	模拟/数字输出；检测降雨事件；型号：SEN0308
单通道继电器模块	Songle	SRD-05VDC-SL-C	控制灌溉水泵的开启与关闭；5 V 继电器
温湿度传感器	Adafruit Industries	DHT22 (AM2302)	环境监测；温度 ±0.5 °C；湿度 ±2% RH
网络浏览器	Google LLC	Google Chrome（最新稳定版） https://www.google.com/chrome	访问 AWS IoT 仪表板
Wi-Fi 路由器	TP-Link Technologies	/	实现 ESP32 与云平台之间的无线通信；符合 IEEE 802.11 b/g/n/ac 标准；型号：Archer C6

参考文献

Nhamo G, Chikodzi D, Dube K. Sustainable Development Goals for Society. Vol. 1. Springer International Publishing; 2021.
Venkatesh R. Effect of hybrid nanofluid and polyethylene glycol/aluminium foam on thermal characteristics and energy storage performance of solar air heater. Appl Therm Eng. 2026;291:130213.
Ajaj R, Buheji M, Hassoun A. Optimizing the readiness for industry 4.0 in fulfilling the Sustainable Development Goal 1: Focus on poverty elimination in Africa. Front Sustain Food Syst. 2024;8:1393935.
Hiywotu AM. Advancing sustainable agriculture for goal 2: zero hunger-a comprehensive overview of practices, policies, and technologies. Agroecol Sustain Food Syst. 2025;49(7):1027–55.
Venkatesh R. Effect of Boron Nitride on Mechanical Characteristics of LDPE Nanocomposite made with Ramie Fiber. J Inst Eng India Ser D. 2024.
Arun M, et al. Integrated renewable energy supply architecture for advancing hydrogen symbiosis and eco synergistic smart grid interactions with next generation combustion technologies. Sci Rep. 2025;15(1):25619.
Venkatesh R. Synthesis and Behavior Study of Basalt Fiber-Made Low-Density Polyethylene Composites Via Injection Mold. J Inst Eng India Ser D. 2024.
Jayakrishnan R, Johnpaul V, Balasundaram N, Senthilkumar S. Stabilization of black cotton soil in Chittur region in Palakkad using lime, rice husk ash, coir fibre. Indian J Eng. 2026;23:e3ije1709.
Gopan G, Arun M, Vembu S. Comparison of dimple tube with flat plate collector for solar water heater by using carbon nanofluid. Int J Low-Carbon Technol. 2025;20:820–33.
Arun M, Barik D, Sridhar KP, Vignesh G. Experimental and CFD analysis of plain and dimples tube at application of solar water heater. Mater Today Proc. 2021;42:804–9.
Rinesh S, et al. Prediction and classification of solar photovoltaic power generation using extreme gradient boosting regression model. Int J Low-Carbon Technol. 2024;19:2420–30.
Ogbonnaya EP, et al. Efficacy of moringa oleifera leaf extract as a phytogenic additive in finisher broiler chickens. Discov Agric. 2026;12:e14da3219.
Giganti P, Borrello M, Falcone PM, Cembalo L. The impact of blockchain technology on enhancing sustainability in the agri-food sector: A scoping review. J Clean Prod. 2024;456:142379.
Rinesh S, Arun M, Kumar SN, Prajitha C, Kumar AS. Evaluating the type 2 fuzzy logic controller with multilayer perceptrons for optimal tracking of solar photovoltaic systems. Int J Low-Carbon Technol. 2025;20:394–403.
Gupta S, et al. Operationalizing Digitainability: Encouraging mindfulness to harness the power of digitalization for sustainable development. Sustainability. 2023;15(8):6844.
Urugo MM, et al. Journal of agriculture and food research. J Agric Food Res. 2024;18:101316.
Hong Z, Xiao K. Digital economy structuring for sustainable development: the role of blockchain and artificial intelligence in improving supply chain and reducing negative environmental impacts. Sci Rep. 2024;14(1):3912.
Arun M, Barik D, Sridhar KP, Dennison MS. Thermal performance of a dimpled tube parabolic trough solar collector (PTSC) with SiO2 nanofluid. Int J Photoenergy. 2022;2022(1):8595591.
Vărzaru AA. Unveiling digital transformation: a catalyst for enhancing food security and achieving sustainable development goals at the European Union level. Foods. 2024;13(8):1226.
Zhang J, Zhang W. Harnessing digital technologies for rural industrial integration: a pathway to sustainable growth. Systems. 2024;12(12):564.
Vahdanjoo M, Sørensen CG, Nørremark M. Digital transformation of the agri-food system. Curr Opin Food Sci. 2025;63:101287.
Khan N, et al. Potential role of technology innovation in transformation of sustainable food systems: A review. Agriculture. 2021;11(10):984.
Singh V, Borisagar D, Singh OP, Verma SK. Enhancing agricultural competitiveness: harnessing value chains and agro-processing for sustainable growth. In: Sustaining the Global Agriculture Supply Chain. IGI Global Scientific Publishing; 2025. p. 37–72.
Bocean CG. A longitudinal analysis of the impact of digital technologies on sustainable food production and consumption in the European Union. Foods. 2024;13(8):1281.
Dayıoğlu ME, Türker UF. Digital transformation for sustainable future-agriculture 4.0: A review. J Agric Sci (Tarim Bilimleri Derg). 2021;27(4).
DataIntelo. Agriculture Digital Twin Market Report: Global Industry Analysis, Growth, Trends, and Forecast. DataIntelo Research; 2025. Available from: DataIntelo Agriculture Digital Twin Market Report.

利用数字技术推动农业食品行业发展：一种由物联网驱动的精准农业框架以实现可持续发展目标

本文内容

摘要

摘要

引言

方案

结果

讨论

致谢

材料

参考文献

重印与许可

标签