本研究では、センサーネットワーク、リアルタイムモニタリング、およびインテリジェント灌漑を用いて作物の収量と水利用効率を向上させる、IoT駆動型精密農業（IoT-PA）を紹介します。このフレームワークは、持続可能な農業、ならびにSDG 2（飢餓をゼロに）および12（つくる責任 つかう責任）を推進するものです。
この記事について
サマリー
要約
アグロフード産業は、モノのインターネット（IoT）、人工知能（AI）、クラウドコンピューティング、およびデータ分析を用いて、資源の制約、気候の予測不能性、および持続可能な食料生産という課題を解決するために急速にデジタル化が進んでいます。従来の農業では、硬直的な灌漑スケジュールや限定的な圃場モニタリングのため、水の浪費、作物収量の減少、および環境への悪影響が生じていました。本論文で提案するIoT駆動型精密農業（IoT-PA）システムは、分散型センサーネットワーク、リアルタイムの土壌水分および気象モニタリング、およびインテリジェントな灌漑制御を用いて、農業資源の利用を最適化します。提案されたプラットフォームは、環境データを収集し、圃場条件を分析し、作物成長を最大化して水の浪費を避けるための灌漑を自動的に推奨します。このフレームワークによる継続的なモニタリングと迅速な通知により、農家はデータに基づいた農業上の意思決定を行うことが可能になります。IoT-PAアーキテクチャは、従来の農業と比較して、灌漑効率、農業収量、および持続可能な資源管理を向上させます。農業生産の向上と効率的な水および資源の利用は、国連の持続可能な開発目標（SDGs）の目標2（飢餓をゼロに）および目標12（つくる責任 つかう責任）に寄与します。提案されたスマート農業システムは拡張性と実用性を備えており、持続可能な食料生産と環境保全を促進します。
概要
食料安全保障、環境の持続可能性、および経済的な回復力は、アグロフード企業（農産食品企業）に依存しています1。世界人口が2080年代半ばまでに約103億人に達すると予測されており、持続可能な食料生産と効率的な資源管理への需要が大幅に高まるため、農業は環境への影響を最小限に抑えつつ、より少ない資源でより多くの食料を生産するように適応しなければなりません2。単純な農業慣行だけでは、これらの問題を解決できない可能性があります3。気候変動、土壌の劣化、水不足、および市場の変動により、この傾向は特に顕著になっています4。革新的なデジタル技術は、さまざまなニーズを満たし、農業の成功を国連の持続可能な開発目標（UN SDGs）に結びつける可能性があります5。デジタル農業では、人工知能（AI）、モノのインターネット（IoT）、リモートセンシング、および分析が活用されています6。これらは、農業パフォーマンス、資源投入量、および気候を精密に追跡します7。また、適切な判断を簡素化し、農業を高度化させます8。これには、重要な構成要素をリアルタイムで監視するIoT搭載デバイスが含まれます9。具体的には、作物の状態、土壌水分、温度、および湿度などです10。精密農業では、水と栄養分を必要な時にのみ使用するため、廃棄物が削減され、持続可能性が向上します11。IoTは、アグロフード・バリューチェーンの回復力と生産性を向上させる可能性があります12。制御された灌漑とセンサーベースのモニタリングにより、オンデマンドでの作物への灌漑が可能になります13。農家はAIデータ分析を用いてパターンを特定し、作物の品質と数量を改善し、害虫の発生を予測します14。これにより、節水と植物の生育促進が実現します15。このような有望な進歩があるにもかかわらず、デジタル農業技術の普及は限定的であり、特に発展途上国において顕著です16。デジタルリテラシーの低さ、インフラの制約、多額の初期投資、および法整備の不備が、導入の妨げとなっています17。さらに、現在の農業活動の多くは人的投入と固定データに依存しているため、理想的な資源効率や環境保全を達成することは困難です。
本論文では、モノのインターネットによる精密農業駆動統合フレームワーク（IoT-PA）を提示します。この技術は、リアルタイムのセンサーデータと自動灌漑システムを融合させることで、水利用および作物管理の非効率性を解消します。農業のデジタルトランスフォーメーションへの適切な方向性を提供するため、本フレームワークは拡張性と柔軟性を備え、農家にとって有益である必要があります。また、本フレームワークはデジタルトランスフォーメーションの機会も提供します。土壌および気候に関するリアルタイムデータに基づき、精密農業とモノのインターネットフレームワークは、灌漑スケジュールの最適化を試み、それによって節水を実現し、作物の健全性を高め、最終的に食料収量を増加させます。
食料供給量の増大による生産性の向上は、持続可能な開発目標（SDGs）の目標2（飢餓をゼロに）の達成につながり、同時に効果的な資源利用を通じて目標12（つくる責任 たく責任）を促進します。デジタルイノベーションは、経験的な検証を通じて農食品システムのレジリエンスと持続可能性を高め、より持続可能な未来へと導く可能性があります。
食料需要を満たし、持続可能性を確保するためには、世界の農業を変革しなければなりません。気候変動や限られた資源という課題に対し、生産性を向上させつつ環境への負荷を軽減するための創造的な手法が求められています。デジタル技術、特にIoTベースの技術は、農業に変革をもたらす可能性があります。本記事では、収益性の高い持続可能な農業を実現するための、こうした技術の活用について解説します。
従来の農業では、資源の浪費、リアルタイムモニタリングの不足、およびデータに基づいた意思決定の制限といった課題があります。これらの問題は、水の浪費、環境への悪影響、および農業収穫量の低下を招きます。農業におけるデジタル技術、特に精密灌漑の活用は限定的です。IoTは、リアルタイムデータと自動化を利用して拡張および統合を行います。システムは、生産性を最大化し、水消費量を最適化する必要があります。近年の研究では、精密農業におけるIoT、AI、およびデータ分析の利用が検討されていますが、その多くは土壌水分センシング、自動灌漑、作物モニタリング、および収穫量予測に重点を置いています。これらのソリューションは単独で機能することが多く、持続可能な農業管理の意思決定を支援する能力が制限されています。多くのシステムにおいて、リアルタイムの不均一な環境データの統合、適応的な灌漑管理、および持続可能性への整合性が不足しています。本研究では、分散型IoTセンサ、リアルタイム環境モニタリング、インテリジェントな灌漑スケジューリング、および継続的な意思決定支援を用いてこれらの制限を解決するIoT-PAシステムを提案します。既存の手法とは異なり、本フレームワークは水消費量、農業生産量、資源の浪費、ならびにSDG 2（飢餓をゼロに）およびSDG 12（つくる責任 つかう責任）を最適化します。IoT-PAの画期的な拡張可能なセンシング、通信、分析、および持続可能性指向の資源管理により、データに基づいた運用的効率が高く、環境的に持続可能な農業上の意思決定が可能になります。本プロジェクトは、リアルタイム環境モニタリング、クラウドベースのデータストレージ、および自動灌漑スケジューリングを備え、精密農業を支援するIoT-PAフレームワークを構築し、評価することを目的としています。提案するフレームワークでは、IoT対応センサを用いて土壌水分、気温、相対湿度、降雨量、および光強度を継続的にモニタリングし、灌漑上の決定をリアルタイムで最適化します。さらに本研究では、従来の灌漑手法と比較して、水利用効率、作物収穫量の向上、灌漑応答時間、システム効率、通信信頼性、およびエネルギー消費量を含む定量的な指標を用いて、提案フレームワークの性能を評価することを目的としています。加えて、IoT技術の統合がどのように資源利用を改善し、不必要な水消費を削減し、農業生産性を向上させ、かつ持続可能な農業資源管理を通じて持続可能な開発目標（SDG）のSDG 2（飢餓をゼロに）およびSDG 12（つくる責任 つかう責任）に貢献できるかを実証することを目指しています。
統合デジタル農業・食料システムフレームワーク (IDAFS)
本論文では、パンデミック、不平等、気候変動、および世界的な食料不足が複合的に発生している状況において、デジタル技術が農業のレジリエンス（回復力）をどのように向上させるかを調査しています18。人工知能、ビッグデータ、精密農業を、生産性の向上、廃棄物の5%削減、および支出の23%削減を実現するための手段として強調し、検討を行っています。また、2030年までのSDGs（持続可能な開発目標）を達成するためのデジタルトランスフォーメーションを推進し、持続可能で効率的な食料システムに向けたブロックチェーンや個別化栄養などの最新トレンドについても焦点を当てています。
デジタルSDGインパクト分析モデル (DSIAM)
本論文では、デジタル経済社会指数（DESI）のデータを用い、デジタルトランスフォーメーションを通じた食料安全保障に関連するSDGsの達成について調査しています。EUのデータ（2017～2022年）に対し、構造方程式モデリングおよびクラスター分析を用いることで、デジタル接続性、スキル、および公共サービスがSDG1、SDG2、SDG3、SDG1019にどのように影響するかを分析しています。その結果、貧困の削減、平等の推進、および健康状態の改善において、デジタル化がいかに極めて重要であるかが示されています。
デジタル村落統合および活性化フレームワーク (DVIRF)
中国30省のパネルデータ（2013年～2023年）を用いることで、本論文では農村のデジタル化が農村産業の統合的発展をどのように支援するかを実験的に調査しています20。二重の機械学習手法を用いて、デジタル変換における直接的な経路（デジタルサービス、インフラストラクチャ）と間接的な経路（要素の再配分、構造変化）の両方を明らかにしています。特に、東部地域および穀物生産地域において、より顕著な影響があることが示されました。本論文では、デジタルコミュニティを促進し、農村再開発資金を最大限に活用するための立法措置を提案しています。
循環型アグリフードシステム転換モデル (CAFSTM)
デジタルトランスフォーメーションは、環境意識、相互運用性、およびユーザー中心の設計を通じて農食品セクターを変革し21、効率性とビジネスモデルを向上させています。パーソナライズされた食品や循環型の農食品システムは、フィードバックループを利用して廃棄物を削減します。本レポートでは、データプライバシーと相互運用性について扱い、持続可能なデジタル農場システムに対する技術的、ガバナンス的、および生態学的なアプローチを提案しています。
持続可能な食料システム・イノベーション・フレームワーク (SFSIF)
持続可能な農業は、AI、IoT、ロボティクス、およびゲノム編集によって恩恵を受けます。政治的、意識的、財務的な取り組みや信頼構築に向けた活動が、イノベーションを促進します22。廃棄物管理、食品加工、および土地利用に応じて、デジタル技術と政府の支援が、農食システムにおける持続可能性、レジリエンス、および栄養セキュリティを向上させる可能性があります。
農産物加工バリューチェーン強化モデル (APVCEM)
本論文では、バリューチェーンと農産物加工が農業をグローバル化し、競争力を高めることを提案しています。コミュニティ農業とサプライチェーンが高く評価されています23。インドにおける強力なバリューチェーンは、食料供給とビジネスを拡大させます。世界経済と農村コミュニティは、これらのネットワークから利益を得ます。
デジタルサステナビリティ影響フレームワーク (DSIF)
農業生産量、汚染、都市廃棄物、およびSDG 12を通じて、デジタル技術は食料の持続可能性を損なっています。構造方程式モデリング24によれば、デジタル技術は都市ごみ、温室効果ガス排出量、および消費者行動を最小限に抑える可能性があります。デジタル化はサプライチェーンの持続可能性を向上させますが、責任ある消費を妨げることも研究で示されており、バランスの取れた導入が必要です。
アグリカルチャー4.0移行フレームワーク (A4TF)
Agriculture 4.0とは、モノのインターネット（IoT）、人工知能（AI）、クラウドコンピューティング、ロボティクス、ビッグデータ解析、およびオートメーションを統合し、知的なデータ駆動型の精密農業を実現することを指します。本記事では、Agriculture 4.0を用いたデジタル農業への移行について概説します。ここでは、IoT、AI、ドローン、ブロックチェーン、および再生可能エネルギー25について取り上げます。また、営農型太陽光発電（アグリボルタイクス）、スマート灌漑、およびリアルタイムの動物モニタリングについて検討します。研究によれば、デジタル変革は気候、水、食糧問題の解決において、持続可能な食糧生産、資源効率、および環境保全を向上させます。
既存の研究により、IoT、人工知能、クラウドコンピューティング、およびデジタル技術が農業の生産性と持続可能性を向上させる可能性が示されています18,19,20。多くの研究は、デジタル農業の概念的な評価18、政策および経済重視のデジタルトランスフォーメーション19、または現場レベルの精密農業技術を伴わない農村のデジタル開発20に重点を置いています。そのため、リアルタイムセンシング、クラウドベースの分析、自動灌漑、および意思決定支援の統合については、ほとんど注目されてきませんでした。また、多くの手法において、再現可能な実装方法や徹底したリソース最適化メカニズムが不足しています。本提案のIoT駆動型精密農業（IoT-PA）フレームワークは、IoTセンシング、クラウドコンピューティング、リアルタイム環境モニタリング、およびインテリジェントな灌漑管理を単一のアーキテクチャに統合することで、SDG 2およびSDG 12を支援しつつ、水利用効率、作物の生産性、および持続可能な農業リソース管理を向上させます。
プロトコル
デジタル技術により、農食産業は持続可能でデータ駆動型のエコシステムへと進化しています。IoT、AI、およびブロックチェーンは、サプライチェーンの透明性、食品安全、および生産性を向上させます。精密農業、スマートファーミング、およびパンデミック後のレジリエンスは、「飢餓をゼロに」、「気候変動に具体的な対策を」、「つくる責任 消費する責任」といった持続可能な開発目標（SDGs）を支援しています。
IoT駆動型精密農業（IoT-PA）フレームワークは、ESP32マイコン、土壌水分センサー、気温センサー、相対湿度センサー（DHT2）、降雨量センサー、照度センサー（BH1750）、IoTゲートウェイ、クラウドデータベース、および自動灌漑コントローラーで構成された。代表的な圃場データを得るため、土壌水分センサーは作物の根圏の深さ15–20 cmに、環境センサーは地上2 mに設置した。展開前に、製造元の要件に従って校正を行い、測定誤差が±2%以内のセンサーのみを試験に使用した。ESP32コントローラーからクラウドプラットフォームへの環境データの送信には、10分ごとにWi-Fi (802.1 b/g/n)またはLoRaWAN (915 MHz)を使用した。本実験において、本フレームワークでは土壌水分 (%)、気温 (°C)、相対湿度 (%)、降雨量 (mm)、および照度 (lux)を記録した。Min-Max正規化によるデータの標準化を行う前に、センサーの観測値を10分ごとにクラウドデータベースにアップロードし、重複値および欠損値を削除した。IoT-PAの意思決定エンジンは、センサーデータを用いて灌漑の可否を判断した。土壌水分が体積含水率35%未満に低下すると、水ストレスおよび過剰灌漑を防止するため、灌漑が自動的に開始され、45%に達した時点で停止した。また、気象予報で12時間以内に5 mm以上の降雨が予測された場合は、節水のため灌漑を停止した。同様の圃場条件下での90日間の作物生育期間中、本フレームワークを連続的に稼働させた。各灌漑サイクルにおいて、灌漑時間、総用水量、通信遅延、センサーの状態、およびシステムエネルギー消費量を30分ごとにクラウドデータベースに記録した。農業者は、各意思決定サイクルの後、モバイルアプリを介してリアルタイムの灌水指示および圃場状況の更新通知を受信した。再現性を検証するため、同一のシステムおよび運用条件下で本実験を3回繰り返した。
実験はトマトを植え付けた圃場で行われた。20 m x 20 m（40 m2）の実験区の土性はローム層で、pHは6.7–7.0であった。ESP32ベースのIoTモニタリングシステムを用い、静電容量方式の土壌水分センサーを深さ15–20 cmに設置し、DHT2温湿度センサー、BH1750照度センサー、および雨量センサーを地上2 mの高さに固定した。エミッターの間隔を30 cm、ラテラル管の間隔を1 mとして、点滴灌漑ネットワークを設置した。クラウドプラットフォームは、MQTTで送信されるセンサーの読み取り値を10 minごとに受信した。90日後、作物の収量として、収穫したトマトの総生重量（1区あたりのkg）を測定した。
データソースの明確化：提案されたIoT駆動型精密農業（IoT-PA）フレームワークは、「プロトコル」セクションに記載された条件下での90日間のフィールド実験を通じて実装および評価されました。Agriculture Digital Twin Market Report (DataIntelo) は、背景情報の提供およびフレームワーク開発のための補助的な参照資料としてのみ使用されています。「結果」セクションに提示されているすべての性能指標は、提案されたIoT-PAフレームワークの実験的評価から得られたものであり、DataInteloの市場レポートから得られたものではありません。
寄与1：IoT駆動型精密農業（IoT-PA）フレームワークを提案した
リアルタイムの気象および土壌データに基づく灌漑自動化システムが導入された。デジタルの進歩が、農食品分野の成長を促進している。 （図1） まず、IoT、AI、およびドローン駆動の精密農業が導入され、次いでデータ駆動型の意思決定と資源効率化が実現します。デジタル革命は、食品のトレーサビリティ、サプライチェーン、および市場アクセスを向上させます。これらの技術は農家を支援し、食品安全を確保し、包摂的な発展を促進します。IoT駆動型精密農業（IoT-PA）フレームワークは、リアルタイムの環境モニタリング、クラウドベースの分析、および自動灌漑を統合することで、持続可能な資源利用と気候変動に強いスマート農業を推進します。これは、持続可能な開発目標（SDGs）の目標2（飢餓をゼロに）、目標12（つくる責任 たんぜる責任）、および目標13（気候変動に具体的な対策を）を支援するものです。
式(1)において、S(t)は時刻tに収集された環境データを表し、M(t)は土壌水分(%)、T(t)は気温(°C)、H(t)は相対湿度(%RH)、R(t)は降水量(mm)、そしてL(t)は光強度(lux)を示す。式(1)は、IoTセンサネットワークによって継続的に取得され、モニタリングおよび意思決定のためにクラウドプラットフォームに送信されるリアルタイム環境パラメータのセットを定義している。
式（2）に示す通り、ここで I(t)) は灌漑制御信号を表し、 M(t) 測定された土壌水分量であり、Mはth は、あらかじめ設定された灌漑しきい値（体積含水率35%）を示します。測定された土壌水分量がこのしきい値を下回ると、IoT-PAコントローラーが自動的に灌漑ポンプを作動させます。 
それ以外の場合、灌流は停止したままとなります。 
土壌水分量が目標値の45%に達すると灌漑が自動的に停止し、これにより水利用効率が向上し、過剰灌漑が防止されます。
図2に示すように、デジタル技術により、農業はデータ駆動型で持続可能なものとなります。カメラとロボットは作物の品質と投入効率を向上させ、センサーは位置と温度を検出します。データ管理システムは、中央マイクロコントローラから温度と湿度のデータを受信します。サーバーは、リアルタイムの農業モニタリングおよび意思決定データを収集します。農家は地域の言語に対応した電話機を使用します。環境条件のモニタリング、灌漑決定の最適化、水資源の浪費の最小化、およびSDG 2（飢餓をゼロに）、SDG 12（つくる責任 つかう責任）、SDG 13（気候変動に具体的な対策を）に沿った持続可能な農業実践の支援を通じて、クローズドループ制御が農業生産性を向上させます。
式(3)から推論されるように、ここで L(t) 時刻における集積環境モニタリングデータを表す t, Si(t) ～から得られた測定値を表します。 ith IoTセンサー、および N は、展開されたセンサーの総数である。式(3)では、センサーの変動を最小限に抑えつつ灌漑の意思決定を支援するため、多数のセンサーから環境状態の平均値を算出する。
![ベータ崩壊方程式 β(t)=[L(t)-Mth]/Mth、理論解析における数式。](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
式(4)に示されるように、β(t)は正規化された灌漑決定指数を、L(t)は式(3)から得られた集計済みの土壌水分測定値を、Mthは事前定義された土壌水分しきい値（体積含水率 35%）を表します。β(t)の値が負であることは土壌水分が不足していることを示し、灌漑をトリガーします。一方、非負の値は土壌水分がしきい値以上であることを示し、灌漑は停止したままとなります。
貢献2：実証的な結果を通じて、実用的な有用性を示した。
これにより、このフレームワークの実現可能性が証明され、水の使用量を大幅に削減しつつ、農業生産を向上させることができました。
図 3 は、IoTを活用した精密農業が、資源の浪費と農業生産性の低さにどのように対処するかを示しています。まず、資源の浪費と低い農業生産性への対策についてです。IoT、AI、およびリアルタイムデータ分析により、スマートな意思決定、自動灌漑、およびセンサーベースのモニタリングが可能になります。これらの改善により、作物の健康状態と水利用効率が向上します。提案されたIoT駆動型精密農業（IoT-PA）フレームワークは、リアルタイムの環境モニタリング、自動灌漑制御、および効率的な資源管理を統合することで、水消費量を最小限に抑えつつ農業生産性を向上させ、持続可能な開発目標（SDG）2（飢餓をゼロに）およびSDG 12（つくる責任 つかう責任）を推進します。
どこ 
時刻における複合環境モニタリング指標を示す t, M(t) 土壌水分量（%）は、 T(t) 気温は（°C), H(t)）は相対湿度（%RH）であり、 R(t) 降水量（mm）であり、 L(t) は光度（lux）である。式(5)は、正規化された環境パラメータを単一のモニタリング指標に統合したものであり、これはIoT-PAフレームワークで使用されるフィールド全体の状態を表している。
どこ G(t) モニタリング間隔またはセンシングノードから得られた集約的な環境条件を表し、 
複合環境モニタリング指標は、式(5)を用いて次のように算出されます。 kth 観測。式(6)では、複数の測定値の平均を算出することで圃場の状態を予測しており、これにより測定時の変動を排除し、自動灌漑スケジューリングのための信頼性の高い入力データを得ている。
図4は、蒸気機関からデジタルに至るまで、それぞれの産業革命が世界の産業にどのような影響を与えたかを示している。最終的に、Industry 4.0においては、AI、ブロックチェーン、および精密農業がアグロフード産業を変革している。これらの知見は、農業、資源効率、および持続可能性を向上させる。提案されたIoT駆動型精密農業（IoT-PA）フレームワークは、デジタルセンシング、クラウドベースの分析、および自動灌漑が、SDG 2（飢餓をゼロに）およびSDG 12（つくる責任 たんのう責任）を支援するために、農業生産性と資源利用率をどのように向上させるかを示している。
ここで、V(t)は時刻tにおけるフィールド全体の状況を表し、Gi(t)はi番目 のセンシングノードから得られた環境モニタリング指標、Nは展開されたIoTセンサーノードの総数である。式(7)は、すべてのセンシング地点からの測定値を集約することで平均的なフィールド状況を推定し、それによって灌漑決定の信頼性を向上させている。
ここで $\alpha$ は等量 灌漑スケジューリングに使用される等価決定指標を示す。 V(t))は、式(7)から得られた統合環境条件である。 M(t)) は測定された土壌水分量であり、 
は、圃場全体の状況の影響と現在の土壌水分測定値のバランスを調整するための重み係数である。式(8)では、IoT-PAフレームワークが自動灌漑および効率的な水資源管理を支援するために使用する最終的な決定指標を算出する。
寄与3：持続可能な農業のアジェンダを推進
SDGsの目標2および12に基づき、農業における食料安全保障と資源効率を向上させるためのデジタルトランスフォーメーションを可能にしました。
図 5は、デジタル農産食品システムの移行によるパンデミック後のレジリエンスと持続可能な開発を示しています。IoT駆動型農業では、リソースを最大限に活用するために、従来の器具をセンサーが代替します。ブロックチェーンと自動化により、安全でオープンな食品配送が可能になり、AIが効率的で衛生的な製造および加工を実現します。食品安全アラートとリアルタイムモニタリングが消費者を支援します。これらのサイクルにより、世界の食料安全保障、健康、および効率が向上します。一貫したデジタル農業アプローチでは、リアルタイムセンシング、クラウドコンピューティング、および自動灌漑を用いて、作物の生産性、水利用、および持続可能な農業慣行を改善し、持続可能な開発目標（SDGs）の目標2（飢餓をゼロに）、目標3（健康と福祉）、および目標12（つくる責任 つかう責任）をサポートします。
どこ R(t) 時点における灌漑必要指数を示す t, Mi(t) は、〜によって測定された土壌水分量である ith センサーノード Mth は事前定義された土壌水分閾値であり、 N はセンシングノードの総数である。式(9)では、目標とする閾値からの平均土壌水分変動を推定することで、監視領域の灌漑必要量を算出している。
どこで 
スマート灌漑制御指数を表し、 R(t) は式(9)から得られる灌漑要求指数である。 V(t) 式(7)から得られる統合環境モニタリング指標であり、 
は重み係数である。提案するIoT-PAシステムにおける自動灌漑スケジュールの最終制御値は、式(10)を用いて灌漑需要と環境条件から算出される。
結果
IoT-PAアーキテクチャのパフォーマンス指標には、水消費量、農業収量、システム効率、持続可能な資源の最適化、およびSDGへの貢献が含まれます。スマートな技術的選択により、農業生産、持続可能性、および資源管理が向上します。
データセットの説明：提案されたフレームワークの開発およびコンテキスト化を裏付ける背景情報として、DataInteloによるAgriculture Digital Twin Market Report26を使用しました。本研究では、2025年を基準年、2026〜2034年を予測期間として、2019〜2034年の世界的な農業デジタルツイン市場の統計を網羅しています。260ページにわたる構造化された市場インテリジェンスデータセットには、市場規模、年平均成長率（CAGR）、地域別市場分布、コンポーネント区分（ソフトウェア、ハードウェア、サービス）、適用領域（作物モニタリング、家畜モニタリング、精密農業、スマート温室、その他）、導入モード（クラウドおよびオンプレミス）、農場規模カテゴリー、およびIoT、AI、ビッグデータ、ブロックチェーンを含む技術導入に関する定量的なデータが含まれています。取得した数値データの完全性と一貫性を検討し、分析前にMin–Max正規化を用いて連続変数の正規化を行いました。
実験単位はIoT対応の作物区画1区画とし、同様の運用条件下で3つの独立した実験（n = 3）を90日間にわたって実施した。センサーの測定値はMQTTを用いて10分ごとにクラウドプラットフォームへ送信した。定量データは平均値 ± SDとして提示する。提案したIoT-PAフレームワークと標準的な時間ベースの灌漑システムとの統計的有意性は、対応のあるStudentのt検定を用いて測定し、p < 0.05を有意とした。パフォーマンス指標の信頼性は、95%信頼区間（CI）を算出することで評価した。静電容量式土壌水分センサー、DHT2温湿度センサー、BH1750照度センサー、および降雨センサーを備えたESP32ベースのIoTプラットフォームにより、IoT主導の精密農業（IoT-PA）パラダイムを検証した。環境測定値はMQTTを介してAWS IoT Coreに継続的に送信された。同様の気候条件下において、提案したフレームワークを時間ベースの灌漑システムと比較した。水の使用量、農業生産量、システム効率、持続可能な資源の最適化、およびSDGへの整合性を評価した。
水使用量の分析
図6 提案されたIoT駆動型精密農業（IoT-PA）アーキテクチャにおいて、継続的な土壌水分モニタリングと自動灌漑管理により、水利用量が24.62%削減されたことを示している。リアルタイムセンシングにより、不要な灌漑が削減され、水利用効率が向上し、持続可能な農業生産性が支援された。
どこ 
tにおける節水率を示す t, W対話 は、従来の灌漑方法を用いて消費された総水量であり、 Wモノのインターネット（IoT） は、提案されたIoT-PAフレームワークを用いて消費された総水量である。式(1)は、自動灌漑スケジューリングによる節水率（%）を算出する。検証結果より、提案フレームワークは従来の灌漑よりも水消費量を24.62%削減することが示された。
作物の収量分析
図7は、提案されたIoT駆動型精密農業（IoT-PA）システムを用いることで、自動灌漑と環境モニタリングにより農業収量が95.13%まで向上したことを示しています。水やりと作物管理のためのリアルタイムセンサーデータの活用により、植物の健康状態、作物の収量、および手動介入の効率が改善されました。
どこ 
時刻における農業生産性（%）を示す t, Yモノのインターネット（IoT） 提案されたIoT-PAフレームワークを用いて得られた作物収量であり、 Y最大 は、実験条件下で達成可能な最大作物収量である。提案したフレームワークの農業生産性パーセンテージは、式(12)で算出される。IoT-PAシステムは、実験的評価において95.13%の農業生産性を達成しており、センサー駆動の灌漑とリアルタイムの環境モニタリングが作物のパフォーマンスを向上させることが示唆された。
システム効率の解析
図 8 は、IoT駆動型精密農業（IoT-PA）フレームワークが、自律的な灌漑、リアルタイム環境センシング、クラウドベースのデータ処理、および自動意思決定を統合し、93.85%のシステム効率を達成したことを示しています。高効率であることは、リソースの浪費を最小限に抑えつつ信頼性の高いシステム運用が可能であることを意味し、持続可能な農業を支援します。
どこ 
時刻におけるシステム全体の効率(%)を表す t, 
は、正常に完了したセンシング、通信、および灌漑操作の数を表し、 
は、実験期間中の予定システム操作の総数である。式(13)ではIoT-PAフレームワークの成功率を算出し、システムの信頼性と効率性を示している。実験結果により、提案したフレームワークは93.85%のシステム効率を示し、継続的なスマートファーミングアプリケーションにおいて安定し信頼できることが証明された。
持続可能な資源最適化の分析
提案されたIoT駆動型精密農業（IoT-PA）フレームワークは94.25%の持続可能なリソース最適化を達成し、環境的および経済的な持続可能性と整合しています。図9は、リアルタイムモニタリング、自動灌漑スケジューリング、およびデータ駆動型の意思決定が、水とエネルギーの浪費を削減しつつ、農業収穫量を増加させる様子を示しています。したがって、このフレームワークはリソース利用効率を向上させ、持続可能な農業を促進します。
どこで 
時刻における持続可能な資源最適化率（%）を示す t, 
提案されたIoT-PAフレームワークによって効率的に利用された資源（水やエネルギーなど）の数を示し、 
は、同一の栽培条件下における最適資源要求量である。式(14)では、効率的に使用された資源と最適資源要求量を比較し、資源利用率を評価している。実験結果から、IoT-PAフレームワークは資源の浪費を抑え、94.25%の持続可能な資源最適化率で農業生産性を維持できることが示された。
SDGs達成におけるデジタル技術の分析
図10は、本研究においてIoT駆動型精密農業（IoT-PA）アーキテクチャが96.31%のSDG整合効率を達成したことを示しています。自動灌漑とリアルタイムモニタリングは、水とエネルギーの使用を最適化することで農業生産量を向上させ、SDG 2（飢餓をゼロに）およびSDG 12（つくる責任 つかう責任）を促進します。この高いSDG整合効率は、デジタル技術が持続可能で資源効率の高い農業を促進することを示しています。
どこ 
tにおけるSDGアラインメント効率（%）を示す t, 
提案されたIoT-PAフレームワークによって正常に達成されたサステナビリティ目標の数を示し、 
評価のために定義された持続可能性目標の総数を示す。式(15)では、達成された持続可能性目標を事前に定義されたターゲットと比較している。試験データによると、IoT-PAフレームワークは、インテリジェントなリソース管理とデジタルイノベーションを通じて持続可能な農業成長を支援し、SDG整合効率96.31%を達成した。
実験の結果、IoT駆動型精密農業（IoT-PA）フレームワークは、リアルタイムセンシング、クラウドベースのモニタリング、および自動灌漑制御を通じて、持続可能な農業管理を向上させることが示された。このフレームワークは、従来の灌漑と比較して、水の使用量を24.62%削減し、農業生産性を95.13%、システム効率を93.85%、持続可能な資源最適化を94.25%、SDG整合効率を96.31%達成した。これらの知見は、IoT技術とインテリジェント灌漑が、資源利用率、作物の生産性、および持続可能な農業を向上させることを示している。したがって、提案されたIoT-PAフレームワークは、データ駆動型の農業管理を通じて、持続可能な開発目標（SDGs）の目標2（飢餓をゼロに）および目標12（つくる責任 つかう責任）を支援する、実用的かつ拡張可能なデジタル農業ソリューションを提供する。
IoT駆動型精密農業（IoT-PA）フレームワークの再現性を検証するため、すべての実験を同一条件下で3回繰り返した。水消費量の削減（24.62%）、作物収量向上（95.13%）、システム効率（93.85%）、持続可能な資源最適化（94.25%）、およびSDG整合性（96.31%）を含む3回の試行結果を、平均値 ± 標準偏差（SD）として示す。比較分析に先立ち、シャピロ–ウィルク検定を用いて実験データの分布の正規性を分析した。提案したIoT-PAフレームワークを、標準的な時間ベースの灌漑技術と比較するため、対応のあるStudentのt検定を用い、有意水準をp < 0.05とした。すべての主要業績評価指標について、実験的推定値の不確かさを定量化するために95%信頼区間（CI）を算出し、実験結果の再現性と一貫性を検討するために変動係数（CV）を算出した。
データの可用性：
本研究の知見を裏付ける実験データは、原稿に記載されたIoT駆動型精密農業（IoT-PA）フレームワークの提案に関する90日間のフィールド評価を通じて生成されました。フレームワークの概念開発の背景リファレンスとして、およびデジタル農業技術のコンテキストを提供するために使用されたAgriculture Digital Twin Market Report (DataIntelo) は、以下から入手可能です：https://dataintelo.com/report/agriculture-digital-twin-market。
図1デジタル・ルーツ：アグロフードチェーンにおけるサステナビリティの向上 IoT、クラウドコンピューティング、人工知能、データアナリティクスを含むデジタル技術の統合により、農業生産性の向上、資源利用の最適化、および持続可能な食料生産を支援する、アグロフード・バリューチェーンの概要。 この図の拡大版を表示するには、ここをクリックしてください。
図2スマート・アグリループ：フィールドセンサから農家の手へ 提案されたモノのインターネット駆動型精密農業（IoT-PA）フレームワークのワークフロー。リアルタイムの環境センシング、ワイヤレスデータ伝送、クラウドベースの分析、自動灌漑制御、および精密農業のための農業従事者向け意思決定支援を示している。 この図の拡大版を表示するには、ここをクリックしてください。
図3土壌から目標へ：持続可能な成長のためのスマート農業ブループリント スマート農業管理に向けたデジタル技術の統合を示す、提案されたIoT駆動型精密農業（IoT-PA）フレームワークの概念的概要。 この図の拡大版を表示するには、ここをクリックしてください。
図4蒸気機関からスマートファームへ：アグリテックの未来に向けた進化 機械化、精密農業、モノのインターネット（IoT）、IoTによるモニタリング、クラウドコンピューティング、および知的意思決定システムを通じて、従来の農業手法から現代のデジタル農業へと進化した農業技術。 こちらの図の拡大版を表示するには、ここをクリックしてください。
図5安全な穀物のためのスマートチェーン：持続可能な食の未来へのデジタルな道筋 作物モニタリング、精密灌漑、資源の最適化、食品品質モニタリング、および持続可能性評価を含む、食料安全保障と環境パフォーマンスの向上を目的とした農業サプライチェーンを支援するデジタル技術の概念図。 この図の拡大版を表示するには、ここをクリックしてください。
図6水使用量の分析。 従来の灌漑方法と提案するIoT-PAフレームワークの間における水消費量の比較。水消費量は実験期間を通じて評価し、値を平均値±標準偏差（n = 3回の独立試行）として示した。統計的有意性は、ペア検定のStudent's t検定を用いて評価した。 p < 0.05. 提案されたIoT-PA（モノのインターネット駆動型精密農業）フレームワークは、従来の灌漑と比較して水消費量を24.62%削減した。 この図の拡大版を表示するには、ここをクリックしてください。
図7作物の収量分析。 同一の栽培条件下において、従来の灌漑方法と提案されたIoT-PA（モノのインターネット駆動型精密農業）フレームワークを用いて得られた農業生産性の比較。作物の収量値は平均値 ± 標準偏差（n = 3回の独立した試行）として報告されている。統計的有意性は、対応のあるStudentのt検定を用いて評価した（p < 0.05)。提案されたフレームワークにより、95.13%の農業生産性が達成された。 こちらの図の拡大版を表示するには、ここをクリックしてください。
図8システム効率の解析。 センシング、通信、クラウド処理、および自動灌漑操作の成功に基づいたIoT-PA（モノのインターネット駆動型精密農業）フレームワークの性能評価。結果は平均値 ± 標準偏差（n = 3 回の独立試行）として表記する。統計解析は、ペア検定を用いたStudentのt検定により実施した。 p < 0.05。提案されたシステムは、93.85%の総合システム効率を達成した。 この図の拡大表示をご覧になるには、こちらをクリックしてください。
図9持続可能な資源最適化の分析 効率的な水および資源管理を通じて、提案されたIoT-PAフレームワークによって達成された持続可能な資源最適化の評価。結果は平均値 ± 標準偏差（n = 3回の独立した試行）として提示する。統計的有意性は、対応のあるStudentのt検定を用いて判定した（p < (p < 0.05)。提案されたフレームワークは、94.25%の持続可能なリソース最適化率を達成した。 この図の拡大版を表示するには、ここをクリックしてください。
図10SDGsの達成におけるデジタル技術の分析。 水利用効率、農業生産性、インテリジェント灌漑、および持続可能な資源管理の改善を通じて、提案されたIoT-PA（モノのインターネット駆動型精密農業）フレームワークが持続可能な開発目標（SDGs）にどのように寄与するかを評価した。結果は平均値 ± 標準偏差（n = 3回の独立した試行）として提示する。統計的有意性は、対応のあるStudentのt検定を用いて評価した。 p < 0.05。提案されたフレームワークは、96.31%のSDG整合効率を達成した。 この図の拡大版を表示するには、ここをクリックしてください。
ディスカッション
IoT-PAを用いることで、デジタル農業は現在の課題を解決できる可能性があります。本論文では、資源経済と農業生産に向けて、リアルタイムモニタリング、センサーベースの灌漑、およびデータ駆動型の意思決定を提案します。モノのインターネット（IoT）の導入により、水消費量は24.62%減少し、農業生産量は95.13%増加し、その革命的な持続可能性のポテンシャルが実証されました。93.85%のシステム効率により、SDG 2（飢餓をゼロに）およびSDG 12（つくる責任 つかう責任）を達成しています。また、本システムは96.31%のSDG整合効率を達成しました。スマートオートメーションが資源集約的な代替手法に取って代わることで、食料安全保障と環境が強化されます。本研究では、センサー、クラウドコンピューティング、およびオートメーションが、いかにして再現可能な農業モデルを構築できるかを強調しています。人口増加と気候変動により、農業にはこのような技術が必要です。本論文によれば、デジタル革命は農業の効率性、レジリエンス、および持続可能性を高める可能性があります。今後の研究では、IoT-PAアーキテクチャをさまざまな作物や地域に適用する予定です。AIは気象学、予測分析、および害虫の特定を強化します。農家によるアクセスを高めるため、低コスト技術とモバイルアプリケーションに重点を置くべきです。今後は、受容性、データ受信品質、およびグローバルな持続可能性と食料安全保障の目標が定義される予定です。
持続可能なアグロフードシステムに向けたIoT、人工知能（AI）、ブロックチェーン、ロボティクス、ビッグデータなどのデジタル技術を包括的にレビューしたSridharら18が提案するIntegrated Digital Agriculture & Food Systems Framework (IDAFS)と比較して、提案するIoT-PAフレームワークは精密農業のための実践的な実装を提供します。IDAFSが主に概念レベルでの技術導入とデジタルトランスフォーメーション戦略について論じているのに対し、IoT-PAは、リアルタイムの環境センシング、クラウドベースのデータ処理、自動灌漑制御、および農家への通知を統合した運用フレームワークとして統合しています。この統合により、継続的な圃場モニタリングと自動意思決定が可能となり、本プラットフォームは精密灌漑およびリソース管理に適したものとなっています18。VărzaruのDigital-SDG Impact Analysis Model (DSIAM)19は、政策レベルおよび地域経済分析を通じて、食料安全保障と持続可能な開発目標の達成におけるデジタルトランスフォーメーションの役割を強調しています。圃場実装において、IoT-PAアーキテクチャは、IoT対応センサー、自動灌漑制御、およびクラウド通信を利用します。農業におけるデジタルトランスフォーメーションは、水利用の改善と作物生産の向上に活用されています19。ZhangおよびZhangのDVIRF20は、デジタルインフラ、農村産業の統合、および技術革新を通じて持続可能な農村開発を促進しています。DVIRFは地域のデジタルトランスフォーメーションを支援していますが、精密灌漑の意思決定支援は含まれていません。スマート農業を実現するため、IoT-PAフレームワークは、継続的なセンサーモニタリング、インテリジェントな灌漑スケジューリング、クラウドベースの分析、および自動リソース管理を組み合わせています20。提案するIoT-PAアーキテクチャは、環境センシング、コネクティビティ、クラウドコンピューティング、および自動灌漑を組み合わせることで、リアルタイムの意思決定と水管理を可能にします。概念的なデジタル農業フレームワーク18,19,20と比較して、本設計は運用効率を高め、人的介入を減らし、持続可能な農業を促進します。しかし、本フレームワークには大きな欠点もあります。今回の実験的評価は通常の農業条件下で実施されており、異なる作物品種、土壌タイプ、気候地域、または大規模な商業的農業における有効性は確認されていません。本実装ではあらかじめ設定された土壌水分閾値が使用されており、予測的な灌漑スケジューリング、作物収量予測、病害虫検出、またはデジタルツインベースの作物シミュレーションにAIを活用していません。今後の研究では、機械学習、デジタルツイン、リモートセンシング、および説明可能なAIを用いて、農業予測、拡張性、および柔軟性を向上させる予定です。
IoT駆動型精密農業（IoT-PA）の結果を解釈する際には、いくつかの制限を考慮する必要があります。一般的に、このフレームワークは、異なる作物種、土壌特性、気候条件、または大規模農業の文脈において検証されていません。多様な栽培条件下で最適な性能を得るためには、灌漑管理における土壌水分閾値に、作物ごとのキャリブレーションが必要となる場合があります。本アプリケーションは、IoTベースの環境モニタリングと自動灌漑管理を利用するものであり、AI駆動型の予測灌漑、病害虫の診断、栄養管理、またはマルチスペクトル・リモートセンシングを行うものではありません。また、遠隔地の農業地域では、ネットワーク接続性、センサーのキャリブレーション精度、およびリアルタイムデータ伝送に影響を与える気候要因によって、フレームワークの性能が低下する可能性があります。
開示事項
著者に利益相反はありません。
謝辞
本研究は、公的、商業的、または非営利セクターのいかなる資金提供機関からも、特定の助成金を受けていません。
材料
| Arduino IDE | Arduino | Version 2.x https://www.arduino.cc/en/software | 統合開発環境、ESP32ファームウェア開発 |
| 静電容量式土壌水分センサー | DFRobot | SEN0193 | 体積土壌水分量の測定。動作電圧 3.3–5.5 V |
| クラウドIoTプラットフォーム | Amazon Web Services | AWS IoT Core https://aws.amazon.com/iot-core | データ保存、可視化、およびリモートモニタリング用のクラウドベースIoTプラットフォーム |
| DC電源 | Mean Well | / | コントローラーおよびポンプへの電源供給。12 V DC 定電圧出力、モデル：LRS-50-12 |
| DCウォーターポンプ | 市販品 | / | 自動灌水用。12 V DC ポンプ |
| デジタル照度センサー | ローム株式会社 | BH1750FVI | 環境照度の測定。1–65535 lux |
| ESP32開発ボード | Espressif Systems | ESP32-DEVKITC-32D | デュアルコア 240 MHz MCU、Wi-Fi/Bluetooth。センサーデータ取得および灌水制御用のメインコントローラー |
| Microsoft Excel | Microsoft Corporation | Microsoft 365 https://www.microsoft.com/microsoft-365/excel | データ整理および可視化用表計算ソフトウェア |
| MQTTブローカー | Eclipse Foundation | Mosquitto v2.x https://mosquitto.org | IoTメッセージ通信。MQTTプロトコル |
| Python | Python Software Foundation | Version 3.x https://www.python.org | データ前処理および統計分析用プログラミング言語 |
| 降雨センサーモジュール | DFRobot | / | アナログ/デジタル出力。降雨イベントの検出。モデル：SEN0308 |
| シングルチャンネルリレーモジュール | Songle | SRD-05VDC-SL-C | 灌水ポンプのON/OFF切り替え。5 V リレー |
| 温度・湿度センサー | Adafruit Industries | DHT22 (AM2302) | 環境モニタリング。温度 ±0.5 °C、湿度 ±2% RH |
| ウェブブラウザ | Google LLC | Google Chrome (最新安定版) https://www.google.com/chrome | AWS IoTダッシュボードへのアクセス |
| Wi-Fiルーター | TP-Link Technologies | / | ESP32とクラウド間の無線通信。IEEE 802.11 b/g/n/ac。モデル：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.