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。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
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）。
访问受限。请登录或开始试用以查看此内容。
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）。
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。
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，Mth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
；否则，灌溉保持关闭状态
。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。
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，Si(t) 表示从第 ith 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。](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
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 Mth 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）。
其中，
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。
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 
是利用公式 (5) 计算得到的第 kth 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）。
其中 V(t）表示在时间点的总体田间状况 t, Gi(t) 代表从环境中获得的监测指标 ith 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。
其中，αeq 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 
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）。
其中 R(t) 表示在该时刻的灌溉需求指数 t, Mi（t) 是通过测量土壤湿度得到的 ith 传感器节点， Mth 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。
其中，
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 
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。
访问受限。请登录或开始试用以查看此内容。
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，...
访问受限。请登录或开始试用以查看此内容。
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...
访问受限。请登录或开始试用以查看此内容。
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。
访问受限。请登录或开始试用以查看此内容。
材料
| 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.
访问受限。请登录或开始试用以查看此内容。