Aproveitando as Tecnologias Digitais no Setor Agroalimentar: Uma Estrutura de Agricultura de Precisão Impulsionada por IoT para Alcançar os Objetivos de Desenvolvimento Sustentável

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

doi:10.3791/73067

Artigo de investigação

Aproveitando as Tecnologias Digitais no Setor Agroalimentar: Uma Estrutura de Agricultura de Precisão Impulsionada por IoT para Alcançar os Objetivos de Desenvolvimento Sustentável

26 visualizações

⸱

DOI:

10.3791/73067

⸱

25 de agosto de 2026

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

Neste artigo

Resumo

Este estudo apresenta a Agricultura de Precisão Orientada por IoT (IoT-PA), que utiliza redes de sensores, monitoramento em tempo real e irrigação inteligente para aumentar a produtividade das culturas e a eficiência no uso da água. A estrutura promove a agricultura sustentável e os ODS 2 (Fome Zero) e 12 (Consumo e Produção Responsáveis).

Resumo

A indústria agroalimentar está se digitalizando rapidamente para resolver restrições de recursos, imprevisibilidade climática e produção sustentável de alimentos por meio da Internet das Coisas (IoT), inteligência artificial (AI), computação em nuvem e análise de dados. Devido a horários rígidos de irrigação e monitoramento limitado do campo, a agricultura tradicional desperdiça água, reduz a produtividade das culturas e prejudica o meio ambiente. O sistema de Agricultura de Precisão Orientada por IoT (IoT-PA) descrito neste artigo otimiza o uso de recursos agrícolas por meio de redes distribuídas de sensores, monitoramento em tempo real da umidade do solo e das condições meteorológicas e controle inteligente de irrigação. A plataforma proposta coleta dados ambientais, analisa as condições do campo e recomenda automaticamente a irrigação para maximizar o crescimento das culturas e evitar o desperdício de água. Os agricultores podem tomar decisões agrícolas baseadas em dados com monitoramento contínuo e notificações rápidas fornecidas pela estrutura. A arquitetura IoT-PA melhora a eficiência da irrigação, a produtividade agrícola e o manejo sustentável de recursos em comparação com a agricultura tradicional. A maior produção agrícola e o uso eficiente da água e dos recursos contribuem para a meta de Desenvolvimento Sustentável (SDG) 2 (Fome Zero) e a SDG 12 (Consumo e Produção Responsáveis) dos Objetivos de Desenvolvimento Sustentável das Nações Unidas. O sistema agrícola inteligente sugerido é escalável e viável, promovendo a produção sustentável de alimentos e a conservação ambiental.

Introdução

A segurança alimentar, a sustentabilidade ambiental e a resiliência econômica dependem das empresas agroalimentares¹. A agricultura precisa se adaptar para produzir mais alimentos com menos recursos, ao mesmo tempo que minimiza seu impacto ambiental, à medida que se projeta que a população mundial alcance cerca de 10,3 bilhões no final dos anos 2080, aumentando substancialmente a demanda por produção alimentar sustentável e gestão eficiente de recursos². Práticas agrícolas simples podem não resolver essas questões³. A mudança climática, a degradação do solo, a escassez de água e as flutuações de mercado tornam isso especialmente verdadeiro⁴. Tecnologias digitais inovadoras podem atender a diversas necessidades e vincular o sucesso agrícola às Metas de Desenvolvimento Sustentável das Nações Unidas (ONU ODS)⁵. A agricultura digital utiliza inteligência artificial (AI), Internet das Coisas (IoT), sensoriamento remoto e análise de dados⁶. Elas acompanham com precisão o desempenho agrícola, os insumos de recursos e o clima⁷. Simplificam decisões adequadas e aprimoram a agricultura⁸. Isso inclui dispositivos movidos por IoT que monitoram em tempo real componentes críticos⁹. Condição das culturas, umidade do solo, temperatura e umidade relativa¹⁰. A agricultura de precisão utiliza água e nutrientes apenas quando necessário, reduzindo o desperdício e aumentando a sustentabilidade¹¹. A IoT pode aumentar a resiliência e a produtividade da cadeia de valor agroalimentar¹². Irrigação controlada e monitoramento baseado em sensores podem irrigar culturas sob demanda¹³. Os agricultores utilizam análises de dados com IA para identificar padrões, melhorar a qualidade e a quantidade das colheitas e prever surtos de insetos¹⁴. Isso economiza água e promove o crescimento das plantas¹⁵. Apesar desses avanços promissores, a tecnologia digital na agricultura é limitada, especialmente em nações subdesenvolvidas¹⁶. Baixa alfabetização digital, limitações de infraestrutura, alto investimento inicial e legislação fraca dificultam a implantação¹⁷. Além disso, é difícil alcançar a eficiência ideal no uso de recursos ou a preservação ambiental, porque as atividades agrícolas atuais dependem principalmente de intervenções humanas e dados fixos.

Este artigo apresenta um Framework Integrado para Agricultura de Precisão Impulsionada pela Internet das Coisas (IoT-PA). Essa tecnologia combina dados em tempo real de sensores com sistemas automatizados de irrigação para resolver ineficiências no uso da água e na gestão das culturas. Oferecendo diretrizes adequadas para a transformação digital na agricultura, o framework deve ser escalável, flexível e favorável aos agricultores. Também proporciona oportunidades para transformação digital. Com base em dados em tempo real sobre o solo e o clima, a Agricultura de Precisão e o framework da Internet das Coisas buscam otimizar os horários de irrigação, conservando assim a água, melhorando a saúde das culturas e, eventualmente, aumentando a produtividade agrícola.

A maior produção por meio do aumento da disponibilidade de alimentos contribui para a Meta 2 de Desenvolvimento Sustentável (Fome Zero) e, simultaneamente, promove a Meta 12 de Desenvolvimento Sustentável (Consumo e Produção Responsáveis) por meio do uso eficaz dos recursos. A inovação digital pode aumentar a resiliência e a sustentabilidade nos sistemas agroalimentares por meio da validação empírica, levando a um futuro mais sustentável.

A agricultura global precisa mudar para atender às necessidades alimentares e à sustentabilidade. As alterações climáticas e os recursos limitados exigem abordagens criativas para aumentar a produção e reduzir os danos ambientais. As tecnologias digitais, especialmente as baseadas em IoT, podem transformar a agricultura. Este artigo trata do uso dessa tecnologia para uma agricultura lucrativa e sustentável.

A agricultura tradicional desperdiça recursos, carece de monitoramento em tempo real e limita a tomada de decisões baseada em dados. Esses problemas geram desperdício de água, prejudicam o meio ambiente e comprometem a produtividade agrícola. As tecnologias digitais na agricultura, especialmente a irrigação de precisão, são limitadas. A Internet das Coisas (IoT) utiliza dados em tempo real e automação para ampliar a escala e a integração. O sistema deve maximizar a produção e o consumo eficiente de água. Estudos recentes têm examinado o uso de IoT, IA e análise de dados na agricultura de precisão, mas a maioria se concentra na detecção da umidade do solo, irrigação automatizada, monitoramento de culturas e previsão de produtividade. Essas soluções frequentemente atuam isoladamente, limitando sua capacidade de apoiar decisões de gestão agrícola sustentável. A integração em tempo real de dados ambientais heterogêneos, o gerenciamento adaptativo da irrigação e a conformidade com a sustentabilidade são aspectos ausentes em muitos sistemas. Esta pesquisa apresenta o sistema IoT-PA, que supera essas limitações por meio de sensores distribuídos de IoT, monitoramento ambiental em tempo real, programação inteligente de irrigação e suporte contínuo à tomada de decisões. Diferentemente das técnicas existentes, a estrutura otimiza o consumo de água, a produção agrícola, o desperdício de recursos e os Objetivos de Desenvolvimento Sustentável (ODS) 2 (Fome Zero) e 12 (Produção e Consumo Responsáveis). A inovação do IoT-PA em sensoriamento escalável, comunicação, análise de dados e gestão de recursos orientada à sustentabilidade permite decisões agrícolas baseadas em dados, operacionalmente eficientes e ambientalmente sustentáveis. Este projeto tem como objetivo criar e avaliar uma estrutura IoT-PA que apoie a agricultura de precisão com monitoramento ambiental em tempo real, armazenamento de dados baseado em nuvem e agendamento automatizado de irrigação. A estrutura proposta utiliza sensores habilitados para IoT para monitorar continuamente a umidade do solo, temperatura do ar, umidade relativa, precipitação e intensidade luminosa, a fim de otimizar as decisões de irrigação em tempo real. O estudo busca ainda avaliar o desempenho da estrutura proposta por meio de métricas quantitativas, incluindo eficiência no uso da água, melhoria da produtividade das culturas, tempo de resposta da irrigação, eficiência do sistema, confiabilidade da comunicação e consumo de energia, em comparação com práticas convencionais de irrigação. Além disso, o estudo tem como objetivo demonstrar como a integração de tecnologias IoT pode melhorar a utilização de recursos, reduzir o consumo desnecessário de água e aumentar a produtividade agrícola, contribuindo ao mesmo tempo para o Objetivo de Desenvolvimento Sustentável (ODS) 2 (Fome Zero) e ODS 12 (Consumo e Produção Responsáveis) por meio da gestão sustentável dos recursos agrícolas.

Moldura integrada de sistemas agrícolas e alimentares digitais (IDAFS)

Este artigo investiga como as tecnologias digitais melhoram a resiliência agrícola durante pandemias, desigualdades, mudanças climáticas e a escassez global agregada de alimentos¹⁸. Ao enfatizar a inteligência artificial, a computação em nuvem e a agricultura de precisão como meios de aumentar a produtividade, reduzir o desperdício em 5% e economizar despesas em 23%, ele também aborda. O artigo defende a transformação digital para cumprir os ODS de 2030 e destaca tendências futuras, como blockchain e nutrição personalizada, para sistemas alimentares sustentáveis e eficientes.

Modelo de análise de impacto digital-ODS (DSIAM)

Este artigo investiga, por meio da transformação digital, a concretização dos ODS relacionados à segurança alimentar, utilizando dados do Índice da Economia e Sociedade Digitais (DESI). Ao analisar como a conectividade digital, as competências e os serviços públicos afetam os ODS 1, 2, 3 e 10¹⁹, emprega modelagem de equações estruturais e análise de agrupamento com dados da União Europeia (2017–2022). Demonstra a importância crucial da digitalização para reduzir a pobreza, promover a igualdade e melhorar a saúde.

Estrutura de integração e revitalização da vila digital (DVIRF)

Dados em painel de trinta províncias chinesas (2013–2023) permitem que este artigo investigue experimentalmente como a digitalização rural apoia o desenvolvimento integrado das indústrias rurais²⁰. O estudo identifica caminhos diretos (serviços digitais, infraestrutura) e indiretos (reallocaçăo de fatores, mudança estrutural) para a transformaçăo digital, utilizando uma técnica de aprendizado de máquina em duas etapas. Em particular, as regiōes do Leste e produtoras de grăos exercem influência mais significativa. O artigo propōe legislaçăo para promover comunidades digitais e maximizar o financiamento para a reabilitaçăo rural.

Modelo de transformação do sistema agroalimentar circular (CAFSTM)

A transformação digital transforma o setor agroalimentar com consciência ambiental, interoperabilidade e design centrado no usuário²¹, aumentando a eficiência e os modelos de negócios. Alimentos personalizados e sistemas agroalimentares circulares reduzem o desperdício utilizando laços de feedback. A privacidade dos dados e a interoperabilidade são abordadas no relatório, que oferece uma abordagem tecnológica, de governança e ecológica para sistemas agrícolas digitais sustentáveis.

Quadro de inovação em sistemas alimentares sustentáveis (SFSIF)

A agricultura sustentável se beneficia da IA, IoT, robótica e edição gênica. Ações políticas, atitudinais, financeiras e de construção de confiança incentivam a inovação²². A tecnologia digital e a ajuda governamental podem aumentar a sustentabilidade, resiliência e segurança nutricional do sistema agroalimentar, de acordo com a gestão de resíduos, processamento de alimentos e uso da terra.

Modelo de aprimoramento da cadeia de valor de agroprocessamento (APVCEM)

Este artigo propõe que as cadeias de valor e o processamento agroindustrial tornam a agricultura global e competitiva. A agricultura comunitária e as cadeias de suprimento são elogiadas²³. Cadeias de valor fortes na Índia aumentam a oferta de alimentos e os negócios. A economia global e as comunidades rurais se beneficiam dessas redes.

Quadro de Impacto de Sustentabilidade Digital (DSIF)

Por meio da produção agrícola, poluição, resíduos municipais e ODS 12, as tecnologias digitais comprometem a sustentabilidade alimentar. A modelagem de equações estruturais sugere que a tecnologia digital pode reduzir os resíduos municipais, as emissões de gases de efeito estufa e influenciar o comportamento do consumidor²⁴. A digitalização melhora a sustentabilidade da cadeia de suprimentos, mas estudos indicam que ela dificulta o consumo responsável; portanto, é necessária uma implementação equilibrada.

Moldura de transição para a Agricultura 4.0 (A4TF)

A Agricultura 4.0 refere-se à integração da Internet das Coisas (IoT), inteligência artificial (AI), computação em nuvem, robótica, análise de grandes volumes de dados e automação para permitir práticas agrícolas inteligentes, orientadas por dados e de precisão. Neste artigo, descreve-se a transição agrícola digital por meio da Agricultura 4.0. Abordamos IoT, IA, drones, blockchain e energia renovável²⁵. Estudamos agrivoltaica, irrigação inteligente e monitoramento em tempo real de animais. Ao enfrentar problemas climáticos, hídricos e alimentares, a transformação digital melhora a produção sustentável de alimentos, a eficiência no uso de recursos e a preservação ambiental, segundo a pesquisa.

Estudos existentes demonstraram o potencial da Internet das Coisas (IoT), inteligência artificial, computação em nuvem e tecnologias digitais para melhorar a produtividade e a sustentabilidade agrícolas¹⁸^,¹⁹^,²⁰. A maioria dos estudos concentra-se em avaliações conceituais da agricultura digital¹⁸, transformação digital orientada por políticas e economia¹⁹ ou desenvolvimento digital rural sem tecnologias agrícolas de precisão em nível de campo²⁰. Assim, a combinação de sensores em tempo real, análise baseada em nuvem, irrigação automatizada e suporte à decisão tem recebido pouca atenção. Múltiplas técnicas carecem de métodos de implementação repetíveis e mecanismos completos de otimização de recursos. A estrutura proposta de Agricultura de Precisão Orientada por IoT (IoT-PA) integra sensores IoT, computação em nuvem, monitoramento ambiental em tempo real e gestão inteligente de irrigação em uma única arquitetura para melhorar a utilização da água, a produtividade das culturas e o manejo sustentável dos recursos agrícolas, ao mesmo tempo em que apoia os ODS 2 e ODS 12.

Protocolo

O agroalimentar está se tornando um ecossistema sustentável e orientado por dados graças às tecnologias digitais. A Internet das Coisas (IoT), a inteligência artificial (AI) e a blockchain aprimoram a transparência da cadeia de suprimentos, a segurança alimentar e a produtividade. A Agricultura de Precisão, a Agricultura Inteligente e a Resiliência pós-pandêmica apoiam os Objetivos de Desenvolvimento Sustentável, notadamente a Fome Zero, Ação Climática e Consumo e Produção Responsáveis.

O framework de Agricultura de Precisão orientada por IoT (IoT-PA) incluiu um microcontrolador ESP32, sensores de umidade do solo, temperatura do ar, umidade relativa (DHT22), precipitação e intensidade luminosa (BH1750), um gateway IoT, um banco de dados em nuvem e um controlador de irrigação automatizado. Para fornecer dados representativos do campo, os sensores de umidade do solo foram colocados a uma profundidade de 15–20 cm na zona radicular da cultura e os sensores ambientais a 2 m acima do solo. Antes da implantação, apenas sensores com erros de medição dentro de ±2% foram utilizados nos testes, calibrados de acordo com os requisitos do fabricante. Wi-Fi (802.11 b/g/n) ou LoRaWAN (915 MHz) foram utilizados para comunicar dados ambientais do controlador ESP32 à plataforma em nuvem a cada 10 min. No experimento, o framework registrou umidade do solo (%), temperatura do ar (°C), umidade relativa (%), precipitação (mm) e intensidade luminosa (lux). Antes da normalização Min–Max padronizar os dados, as observações dos sensores foram enviadas ao banco de dados em nuvem a cada 10 min, e valores duplicados e ausentes foram removidos. O mecanismo de decisão do IoT-PA utilizou os dados dos sensores para decidir sobre a irrigação. Quando a umidade do solo diminuía abaixo de 35% de conteúdo volumétrico de água, a irrigação era automaticamente iniciada e interrompida em 45% para prevenir estresse hídrico e irrigação excessiva. Quando a previsão do tempo indicava mais de 5 mm de chuva nas próximas 12 h, a irrigação era interrompida para preservar água. Durante 90 dias de desenvolvimento da cultura em condições de campo semelhantes, o framework operou continuamente. A cada ciclo de irrigação, a duração da irrigação, o consumo total de água, a latência de comunicação, o status dos sensores e o consumo energético do sistema eram registrados no banco de dados em nuvem a cada 30 min. Os agricultores recebiam instruções em tempo real sobre irrigação e atualizações do status do campo por meio de um aplicativo móvel após cada ciclo de decisão. O experimento foi repetido três vezes utilizando o mesmo sistema e condições operacionais para verificar a reprodutibilidade.

O experimento foi realizado em uma área plantada com tomate. A parcela experimental de 20 m x 20 m (400 m²) possuía solo argiloso com pH entre 6,7 e 7,0. Um sistema de monitoramento IoT baseado em ESP32 foi equipado com sensores capacitivos de umidade do solo instalados a uma profundidade de 15–20 cm, além de sensores DHT22 de temperatura e umidade, sensor de intensidade luminosa BH1750 e sensor de precipitação fixados a 2 m acima do solo. Foi instalada uma rede de irrigação por gotejamento com emissores espaçados a cada 30 cm e tubos laterais separados por 1 m. A plataforma em nuvem recebia leituras dos sensores transmitidas via MQTT a cada 10 minutos. Após 90 dias, a produtividade da cultura correspondeu ao peso fresco total dos tomates colhidos (kg por parcela).

Esclarecimento sobre a Fonte de Dados: O framework proposto de Agricultura de Precisão Orientada por IoT (IoT-PA) foi implementado e avaliado por meio de um experimento de campo de 90 dias nas condições descritas na seção Protocolo. O Relatório de Mercado de Gêmeos Digitais na Agricultura (DataIntelo) foi utilizado apenas como referência complementar para informações contextuais e desenvolvimento do framework. Todas as métricas de desempenho relatadas na seção Resultados foram obtidas a partir da avaliação experimental do framework IoT-PA proposto e não do relatório de mercado da DataIntelo.

Contribuição 1: Propôs um framework de agricultura de precisão orientado por IoT (IoT-PA)

Foi apresentado um sistema de automação de irrigação com base em dados meteorológicos e de solo em tempo real. Os avanços digitais estão impulsionando o crescimento agroalimentar (Figura 1). Primeiro, a agricultura de precisão impulsionada por IoT, IA e drones; depois, a tomada de decisões orientada por dados e a eficiência no uso de recursos. A revolução digital melhora a rastreabilidade dos alimentos, a cadeia de suprimentos e o acesso ao mercado. Essas tecnologias capacitam os agricultores, garantem a segurança alimentar e promovem o desenvolvimento inclusivo. O framework de Agricultura de Precisão Impulsionada por IoT (IoT-PA) promove o uso sustentável de recursos e uma agricultura inteligente e resiliente ao clima, integrando o monitoramento ambiental em tempo real, análises baseadas em nuvem e irrigação automatizada. Isso apoia os Objetivos de Desenvolvimento Sustentável (ODS) 2 (Fome Zero), 12 (Consumo e Produção Responsáveis) e 13 (Ação Contra a Mudança Climática).

Equação de equilíbrio estático S(t)={M(t),T(t),H(t),R(t),L(t)} para análise dinâmica.

Equação (1), onde S(t) representa os dados ambientais coletados no tempo t, M(t) denota a umidade do solo (%), T(t) é a temperatura do ar (°C), H(t) é a umidade relativa (%RH), R(t) é a precipitação (mm) e L(t) é a intensidade luminosa (lux). A Equação (1) define o conjunto de parâmetros ambientais em tempo real continuamente adquiridos pela rede de sensores IoT e transmitidos à plataforma em nuvem para monitoramento e tomada de decisão.

equação de função booleana, I(t), análise condicional, expressão matemática

Conforme mostrado na equação (2), onde I(t) representa o sinal de controle de irrigação, M(t)) é a umidade do solo medida e M_th denota o limite predefinido de irrigação (conteúdo volumétrico de água de 35%). Quando a umidade do solo medida cai abaixo do limite, o controlador IoT-PA ativa automaticamente a bomba de irrigação Expressão matemática I(t)=1, conceito de equação dinâmica para processos dependentes do tempo. ; caso contrário, a irrigação permanece inativa Equilíbrio dinâmico; I(t)=0; equação; física; análise dependente do tempo; condição de estabilidade. . A irrigação é automaticamente encerrada quando a umidade do solo atinge o nível alvo de 45%, melhorando assim a eficiência no uso da água e evitando a superirrigação.

A agricultura é orientada por dados e sustentável com tecnologias digitais, conforme ilustrado na Figura 2. Câmeras e robôs aumentam a qualidade das culturas e a eficiência dos insumos, enquanto sensores detectam localização e temperatura. Um sistema de gerenciamento de dados recebe informações de temperatura e umidade de um microcontrolador central. O servidor coleta dados em tempo real para monitoramento agrícola e tomada de decisões. Os agricultores utilizam telefones com idiomas regionais. Ao monitorar as condições ambientais, otimizar decisões de irrigação, minimizar o desperdício de água e apoiar práticas agrícolas sustentáveis alinhadas aos ODS 2 (Fome Zero), ODS 12 (Consumo e Produção Responsáveis) e ODS 13 (Ação Contra a Mudança Global do Clima), o controle em malha fechada aumenta a produtividade agrícola.

Fórmula matemática para a função média L(t), soma de Si(t), equação de análise estatística.

Como inferido pela equação (3), onde L(t) representa os dados agregados de monitoramento ambiental no tempo t, S_i(t) denota a medição obtida pelo sensor IoT i^o e N é o número total de sensores implantados. A equação (3) calcula o estado ambiental médio a partir de múltiplos sensores para auxiliar na tomada de decisões de irrigação, minimizando ao mesmo tempo as flutuações dos sensores.

Equação de decaimento beta β(t)=[L(t)-Mth]/Mth, fórmula matemática na análise teórica.

Conforme encontrado na equação (4), onde β(t) denota o índice de decisão de irrigação normalizado, L(t) representa a medição agregada de umidade do solo obtida pela Equação (3) e M_th é o limite predefinido de umidade do solo (35% de conteúdo volumétrico de água). Um valor negativo de β(t) indica umidade insuficiente no solo e aciona a irrigação, enquanto um valor não negativo indica que a umidade do solo está no limite ou acima dele, mantendo a irrigação inativa.

Contribuição 2: Demonstrar benefícios práticos por meio de resultados empíricos.

Demonstrou a viabilidade do framework e o aumento da produção agrícola, ao mesmo tempo que reduziu substancialmente o uso de água.

Figura 3 ilustra como a agricultura de precisão habilitada por IoT combate o desperdício de recursos e a baixa produtividade agrícola. Primeiro, aborda-se o desperdício de recursos e a baixa produtividade agrícola. A IoT, a IA e a análise de dados em tempo real permitem tomadas de decisão inteligentes, irrigação automática e monitoramento baseado em sensores. Essas melhorias aumentam a saúde das culturas e a eficiência no uso da água. O framework proposto de Agricultura de Precisão Orientada por IoT (IoT-PA) promove o Objetivo de Desenvolvimento Sustentável (ODS) 2 (Fome Zero) e o ODS 12 (Consumo e Produção Responsáveis) ao integrar monitoramento ambiental em tempo real, controle automatizado de irrigação e gestão eficiente de recursos para aumentar a produtividade agrícola enquanto minimiza o consumo de água.

Equação da fórmula de cálculo da média na análise matemática; fórmula v1(t)=(M+T+H+R+L)/5.

em que Fórmula de equilíbrio estático, equação v₁(t), diagrama para estudo de física. denota o índice composto de monitoramento ambiental no tempo t, M(t) é a umidade do solo (%), T(t) é a temperatura do ar (°C), H(t) é a umidade relativa (%RH), R(t) é a precipitação (mm) e L(t) é a intensidade da luz (lux). A Equação (5) combina os parâmetros ambientais normalizados em um único índice de monitoramento que representa a condição geral do campo utilizada pelo framework IoT-PA.

Equação da função média G(t) com somatório em série; equação matemática educacional.

em que G(t) representa a condição ambiental agregada obtida a partir de intervalos de monitoramento ou nós sensores, e fórmula matemática da função v(t), análise dependente do tempo, uso educacional é o índice composto de monitoramento ambiental calculado usando a Equação (5) para a k^ª observação. A Equação (6) faz a média de várias medições para prever o estado do campo, eliminando flutuações nas medidas e fornecendo uma entrada confiável para o agendamento automático de irrigação.

Figura 4 ilustra como cada revolução industrial influenciou a indústria global, desde a era do vapor até a era digital. Por fim, a inteligência artificial, a blockchain e a agricultura de precisão transformam o setor agroalimentar na Indústria 4.0. Essas descobertas aumentam a produção agrícola, a eficiência dos recursos e a sustentabilidade. O framework proposto de Agricultura de Precisão Orientada por IoT (IoT-PA) demonstra como o sensoriamento digital, a análise baseada em nuvem e a irrigação automatizada melhoram a produtividade agrícola e a utilização dos recursos, contribuindo para o ODS 2 (Fome Zero) e o ODS 12 (Consumo e Produção Responsáveis).

Equação que mostra o processo de média V(t)=1/N∑Gi(t); fórmula para análise de processamento de sinal.

em que V(t) denota a condição geral do campo no tempo t, G_i(t) representa o índice de monitoramento ambiental obtido a partir do nó sensor i^th e N é o número total de nós sensores IoT implantados. A Equação (7) estima a condição média do campo agregando medições de todos os locais de sensoriamento, melhorando assim a confiabilidade das decisões de irrigação.

Equação de equilíbrio estático: α_eq = λV(t) + (1-λ)M(t), expressão matemática para análise de pesquisa.

em que α_eq denota o índice de decisão equivalente utilizado para o planejamento da irrigação, V(t) é a condição ambiental agregada obtida pela Equação (7), M(t) é a umidade do solo medida e Equilíbrio estático; equação λ (0 ≤ λ ≤ 1); fórmula de análise matemática; método de pesquisa. é um coeficiente de ponderação que equilibra a influência da condição geral do campo e da medição atual da umidade do solo. A Equação (8) calcula o índice de decisão final utilizado pelo framework IoT-PA para apoiar a irrigação automatizada e a gestão eficiente dos recursos hídricos.

Contribuição 3: Avançou a Pauta da Agricultura Sustentável

De acordo com os ODS 2 e 12, permitiu a transformação digital para melhorar a segurança alimentar agrícola e a eficiência no uso dos recursos.

Figura 5 ilustra a resiliência pós-pandemia e o desenvolvimento sustentável por meio da transição para um sistema agroalimentar digital. Sensores substituem instrumentos tradicionais na agricultura orientada por IoT para maximizar os recursos. A cadeia de blocos (blockchain) e a automação permitem a entrega de alimentos segura e transparente; a inteligência artificial proporciona fabricação e processamento eficientes e higiênicos. Alertas de segurança alimentar e monitoramento em tempo real auxiliam os consumidores. Ciclos melhorados aumentam a segurança alimentar global, a saúde e a eficiência. Uma abordagem consistente de agricultura digital utiliza sensores em tempo real, computação em nuvem e irrigação automatizada para aumentar a produtividade das culturas, a utilização da água e as práticas agrícolas sustentáveis, apoiando os Objetivos de Desenvolvimento Sustentável (ODS) 2 (Fome Zero), 3 (Saúde e Bem-Estar) e 12 (Consumo e Produção Responsáveis).

Equação para a medição de erro, R(t), usando fórmula de somatório; análise matemática.

em que R(t) denota o índice de necessidade de irrigação no tempo t, M_i(t) é a umidade do solo medida pelo nó do sensor i^º, M^th é o limite predefinido de umidade do solo e N é o número total de nós de sensoriamento. A Equação (9) calcula a necessidade de irrigação da área monitorada estimando a variação média da umidade do solo em relação ao limite desejado.

Equação de resposta dinâmica, ν_sh(t)=ηR(t)+(1−η)V(t); fórmula matemática.

em que $Equação de física $v_{sh}(t)$, fragmento de fórmula, relação velocidade-tempo, expressão matemática.$ representa o índice de controle de irrigação inteligente, R(t) é o índice de demanda de irrigação obtido pela Equação (9), V(t) é o índice agregado de monitoramento ambiental obtido pela Equação (7) e Equação de viscosidade dinâmica η(0 ≤ η ≤ 1), representação da fórmula, princípios da mecânica dos fluidos. é um coeficiente de ponderação. O valor final de controle para o agendamento automatizado de irrigação no sistema proposto de IoT-PA é calculado a partir da demanda de irrigação e das condições ambientais utilizando a Equação (10).

Resultados

As métricas de desempenho da arquitetura IoT-PA incluem consumo de água, produtividade agrícola, eficiência do sistema, otimização sustentável de recursos e contribuição para os ODS. Escolhas tecnológicas inteligentes melhoram a produção agrícola, a sustentabilidade e a gestão de recursos.

Descrição do Conjunto de Dados: O relatório do mercado de gêmeos digitais na agricultura da DataIntelo²⁶ foi utilizado como informação de base para apoiar o desenvolvimento e a contextualização do framework proposto. O estudo abrange as estatísticas mundiais do mercado de gêmeos digitais na agricultura de 2019 a 2034, utilizando 2025 como ano base e 2026–2034 como período de previsão. O conjunto estruturado de inteligência de mercado, com 260 páginas, inclui dados quantitativos sobre o tamanho do mercado, taxa de crescimento anual composta (CAGR), distribuição regional do mercado, segmentação por componentes (software, hardware e serviços), áreas de aplicação (monitoramento de cultivos, monitoramento de gado, agricultura de precisão, estufas inteligentes e outros), modos de implantação (nuvem e local), categorias de tamanho de fazenda e adoção de tecnologias, incluindo IoT, IA, Big Data e Blockchain. Examinamos os dados numéricos recuperados quanto à integridade e consistência e normalizamos as variáveis contínuas utilizando a normalização Min–Max antes da análise.

A unidade experimental foi um talhão agrícola com tecnologia IoT, e três experimentos independentes (n = 3) em condições operacionais semelhantes foram realizados ao longo de 90 dias. As medições dos sensores foram enviadas à plataforma em nuvem a cada 10 min utilizando MQTT. Os dados quantitativos são apresentados como média ± DP. Um teste t de Student pareado avaliou a significância estatística do framework proposto de Agricultura de Precisão impulsionada por IoT (IoT-PA) em comparação com o sistema convencional de irrigação baseado em tempo, considerando-se significativo quando p < 0,05. A confiabilidade das medidas de desempenho foi avaliada pelo cálculo dos respectivos intervalos de confiança de 95% (IC). Uma plataforma IoT baseada em ESP32, equipada com sensores de umidade do solo capacitivo, temperatura e umidade DHT22, intensidade luminosa BH1750 e precipitação, validou o paradigma de Agricultura de Precisão impulsionada por IoT (IoT-PA). As medições ambientais foram transmitidas continuamente ao AWS IoT Core por meio de MQTT. Em condições climáticas semelhantes, o framework proposto foi comparado a um sistema de irrigação baseado em tempo. Avaliamos o consumo de água, a produtividade agrícola, a eficiência do sistema, a otimização sustentável dos recursos e a aderência aos ODS.

Análise do uso de água

Figura 6 mostra que o monitoramento contínuo da umidade do solo e o gerenciamento automatizado da irrigação reduziram o uso de água em 24,62% na arquitetura proposta de Agricultura de Precisão Orientada por IoT (IoT-PA). O sensoriamento em tempo real reduziu a irrigação desnecessária, melhorou a eficiência no uso da água e apoiou a produtividade agrícola sustentável.

Equilíbrio estático; fórmula v_c(t)=(W_conv-W_IoT)/W_conv×100; análise matemática.

em que Análise de circuito elétrico, fórmula, vc(t), tensão dependente do tempo, equação de engenharia, diagrama. denota a porcentagem de economia de água alcançada no tempo t, W_conv é a quantidade total de água consumida utilizando o método convencional de irrigação e W_IoT é a quantidade total de água consumida utilizando o framework proposto IoT-PA. A Equação (11) calcula a economia percentual de água por meio do agendamento automatizado de irrigação. Os resultados dos testes mostraram que o framework sugerido economizou 24,62% mais água do que a irrigação tradicional.

Análise do rendimento agrícola

Figura 7 mostra como a irrigação automatizada e o monitoramento ambiental aumentaram a produtividade agrícola para 95,13% utilizando o sistema proposto de Agricultura de Precisão Orientada por IoT (IoT-PA). A saúde das plantas, a produtividade das culturas e a intervenção manual melhoraram com dados em tempo real de sensores para aplicação de água e manejo das culturas.

$Equação para a velocidade em função do tempo, $ v_0(t) $, fórmula de razão em gráfico matemático.$

onde Fórmula da função velocidade v0(t), equação cinemática, análise velocidade-tempo. denota a produtividade agrícola (%) no tempo t, Y_IoT é o rendimento da colheita obtido utilizando o framework proposto IoT-PA e Y_máx é o rendimento máximo alcançável nas condições experimentais. A porcentagem de produtividade agrícola do framework proposto é calculada na Equação (12). O sistema IoT-PA alcançou 95,13% de produtividade agrícola na avaliação experimental, indicando que a irrigação orientada por sensores e o monitoramento em tempo real do ambiente melhoram o desempenho das culturas.

Análise da eficiência do sistema

Figura 8 mostra que o framework de Agricultura de Precisão Orientada por IoT (IoT-PA) integrou irrigação autônoma, sensoriamento ambiental em tempo real, processamento de dados baseado em nuvem e tomada de decisão automatizada, alcançando eficiência do sistema de 93,85%. Alta eficiência significa operação confiável do sistema com desperdício mínimo de recursos, apoiando a agricultura sustentável.

$Fórmula de cálculo de porcentagem em análise estatística, equação $c_m(t)=\frac{N_{success}}{N_{total}}\times100$.$

em que Equação do sistema dinâmico, função c_m(t), expressão matemática, análise dependente do tempo. denota a eficiência geral do sistema (%) no tempo t, Equação: N<sub>success</sub>, análise estatística, representação de variável matemática. representa o número de operações de sensoriamento, comunicação e irrigação concluídas com sucesso e Equação de equilíbrio estático, ΣFx=0, mostra diagrama físico para análise de equilíbrio e forças. é o número total de operações programadas do sistema durante o período experimental. A Equação (13) calcula a taxa de sucesso do framework IoT-PA, indicando a confiabilidade e eficiência do sistema. Os resultados experimentais mostraram que o framework proposto apresentou eficiência do sistema de 93,85%, comprovando sua estabilidade e confiabilidade para aplicações contínuas em agricultura inteligente.

Análise da Otimização Sustentável de Recursos

O framework sugerido de Agricultura de Precisão orientada por IoT (IoT-PA) alcança 94,25% de otimização sustentável de recursos, alinhando-se à sustentabilidade ambiental e econômica. Figura 9 mostra como o monitoramento em tempo real, o agendamento automatizado de irrigação e a tomada de decisões baseada em dados reduzem o desperdício de água e energia, ao mesmo tempo que aumentam a produtividade agrícola. Portanto, o framework melhora a utilização de recursos e promove a agricultura sustentável.

Equação para o cálculo da eficiência, q(t) = (Rusado/Rótimo)×100; diagrama da fórmula.

em que carga dependente do tempo q(t); equação; análise elétrica; função do tempo; estudo de sistema dinâmico. denota a taxa de otimização sustentável de recursos (%) no tempo t, equação de equilíbrio estático ΣFx=0, diagrama que representa o equilíbrio de forças na análise de sistemas mecânicos. representa o número de recursos (como água e energia) utilizados de forma eficiente pela estrutura proposta de IoT-PA e fórmula R_opt, símbolo matemático na física teórica, conceito de equação de otimização. é a necessidade ótima de recursos sob as mesmas condições de cultivo. A Equação (14) compara os recursos utilizados de forma eficiente com os requisitos ótimos de recursos para avaliar a utilização de recursos. Os resultados experimentais mostraram que a estrutura IoT-PA poderia reduzir o desperdício de recursos e manter a produtividade agrícola com uma taxa de otimização sustentável de recursos de 94,25%.

Análise das Tecnologias Digitais na Conquista dos ODS

Figura 10 mostra que a arquitetura de Agricultura de Precisão impulsionada por IoT (IoT-PA) alcançou eficiência de alinhamento aos ODS de 96,31% nesta pesquisa. A irrigação automatizada e o monitoramento em tempo real aumentam a produtividade agrícola e promovem o ODS 2 (Fome Zero) e o ODS 12 (Consumo e Produção Responsáveis) por meio da otimização no uso de água e energia. A alta eficiência de alinhamento aos ODS demonstra que as tecnologias digitais promovem uma agricultura sustentável e eficiente no uso dos recursos.

Equação para calcular a porcentagem alcançada nos experimentos. Fórmula: Q(t) = S_achieved/S_target × 100.

em que Conceito de mecânica quântica, equação Q(t); análise de sistema dinâmico, representação de fórmula. denota a eficiência de alinhamento aos ODS (%) no tempo t, Diagrama de equilíbrio estático ΣFx=0; balanceamento de forças, análise mecânica, uso educacional. representa o número de objetivos de sustentabilidade alcançados com sucesso pela estrutura proposta de IoT-PA e Equilíbrio estático; fórmula S_alvo; diagrama; uso educacional; pesquisa; conceito de física. indica o total de objetivos de sustentabilidade definidos para a avaliação. A Equação (15) compara os objetivos de sustentabilidade alcançados com as metas pré-definidas. Os dados do ensaio indicaram que a estrutura IoT-PA apoiou o crescimento agrícola sustentável por meio do gerenciamento inteligente de recursos e inovação digital, com uma eficiência de alinhamento aos ODS de 96,31%.

A estrutura de Agricultura de Precisão impulsionada por IoT (IoT-PA) melhora o manejo agrícola sustentável por meio do sensoriamento em tempo real, monitoramento baseado em nuvem e controle automatizado de irrigação, conforme demonstrado em experimentos. A estrutura reduziu o uso de água em 24,62%, alcançou produção agrícola de 95,13%, eficiência do sistema de 93,85%, otimização sustentável de recursos de 94,25% e eficiência de alinhamento com os ODS de 96,31% em comparação com a irrigação tradicional. Esses resultados demonstram que as tecnologias IoT e a irrigação inteligente melhoram a utilização de recursos, a produtividade das culturas e a agricultura sustentável. Assim, a estrutura proposta de IoT-PA oferece uma solução prática e escalável de agricultura digital que apoia os Objetivos de Desenvolvimento Sustentável 2 (Fome Zero) e 12 (Produção e Consumo Responsáveis) por meio do manejo agrícola orientado por dados.

Para testar a reprodutibilidade do framework de Agricultura de Precisão Orientada por IoT (IoT-PA), todos os experimentos foram repetidos três vezes em condições idênticas. Os resultados de três ensaios experimentais, incluindo redução de água (24,62%), aumento na produtividade agrícola (95,13%), eficiência do sistema (93,85%), otimização sustentável de recursos (94,25%) e alinhamento com os ODS (96,31%), são apresentados como média ± DP. Antes da análise comparativa, a distribuição dos dados experimentais foi analisada pelo teste de normalidade de Shapiro–Wilk. O framework proposto de IoT-PA foi comparado à técnica padrão de irrigação baseada em tempo utilizando o teste t de Student pareado, com significância definida em p < 0,05. Para todos os indicadores-chave de desempenho, foram calculados intervalos de confiança de 95% (IC) para quantificar a incerteza das estimativas experimentais, e o coeficiente de variação (CV) foi calculado para examinar a repetibilidade e consistência dos resultados experimentais.

DISPONIBILIDADE DE DADOS:

Os dados experimentais que apoiam as descobertas deste estudo foram gerados durante a avaliação de campo de 90 dias do framework proposto de Agricultura de Precisão Orientada por IoT (IoT-PA), descrito no manuscrito. O Relatório de Mercado de Gêmeos Digitais na Agricultura (DataIntelo), utilizado como referência contextual para o desenvolvimento conceitual do framework e para fornecer contexto sobre tecnologias de agricultura digital, está disponível em: https://dataintelo.com/report/agriculture-digital-twin-market.

Diagrama de agricultura digital; IoT, IA para maior eficiência, cadeia de suprimentos, agricultura inteligente ao clima.
Figura 1. Raízes Digitais: Cultivando Sustentabilidade na Cadeia Agroalimentar. Visão geral da cadeia de valor agroalimentar ilustrando a integração de tecnologias digitais, incluindo Internet das Coisas (IoT), computação em nuvem, inteligência artificial e análise de dados, para melhorar a produtividade agrícola, otimizar a utilização de recursos e apoiar a produção sustentável de alimentos. Clique aqui para visualizar uma versão maior desta figura.

Diagrama do processo de agricultura inteligente com sensores, robôs, gerenciamento de dados, monitoramento de culturas e link com servidor.
Figura 2. Agri-Loop Inteligente: Dos Sensores no Campo até as Mãos dos Agricultores. Fluxo de trabalho do framework proposto de Agricultura de Precisão orientada por Internet das Coisas (IoT-PA), mostrando o sensoriamento ambiental em tempo real, transmissão sem fio de dados, análise baseada em nuvem, controle automatizado de irrigação e suporte à decisão do agricultor para agricultura de precisão. Clique aqui para visualizar uma versão maior desta figura.

Diagrama do framework Agricultura de Precisão-IoT: tecnologia digital, sensores de solo, dados climáticos, impacto nos ODS.
Figura 3. Do Solo ao Objetivo: Um Plano de Agricultura Inteligente para Crescimento Sustentável. Visão conceitual do framework proposto de Agricultura de Precisão impulsionado por IoT (IoT-PA), ilustrando a integração de tecnologias digitais para o manejo agrícola inteligente. Clique aqui para visualizar uma versão maior desta figura.

Diagrama da evolução industrial: das eras do vapor e da eletricidade às eras da informação e da digitalização.
Figura 4. Do vapor às fazendas inteligentes: a evolução rumo ao futuro da agricultura tecnológica. Evolução das tecnologias agrícolas, desde práticas agrícolas convencionais até a agricultura digital moderna, passando pela mecanização, agricultura de precisão, Internet das Coisas, monitoramento habilitado por IoT, computação em nuvem e sistemas inteligentes de tomada de decisão. Clique aqui para visualizar uma versão maior desta figura.

Diagrama de sistemas alimentares digitais; da agricultura aos consumidores; IoT e blockchain garantem sustentabilidade e segurança.
Figura 5. Cadeias Inteligentes para Grãos Seguros: Um Caminho Digital para o Futuro Alimentar Sustentável. Representação conceitual de tecnologias digitais que apoiam a cadeia de suprimentos agrícolas, incluindo monitoramento de culturas, irrigação de precisão, otimização de recursos, monitoramento da qualidade dos alimentos e avaliação de sustentabilidade, com o objetivo de melhorar a segurança alimentar e o desempenho ambiental. Clique aqui para visualizar uma versão maior desta figura.

Gráfico de box plot analisando o uso de água; compara os dados amostrais de IDAFS, DSIAM, DVIRF e IoT-PA.
Figura 6. Análise do uso de água. Comparação do consumo de água entre o método de irrigação convencional e o framework proposto de IoT-PA. O consumo de água foi avaliado ao longo do período experimental, e os valores são apresentados como média ± desvio padrão (n = 3 ensaios independentes). A significância estatística foi avaliada utilizando o teste t de Student pareado com p < 0,05. O framework proposto de IoT-PA (Agricultura de Precisão Orientada por Internet das Coisas) alcançou uma redução de 24,62% no consumo de água em comparação com a irrigação convencional. Clique aqui para visualizar uma versão maior desta figura.

Gráfico de barras comparando métodos de análise de produtividade agrícola: IDAFS, DSIAM, DVIRF, IoT-PA, número de amostras.
Figura 7. Análise da produtividade agrícola. Comparação da produtividade agrícola obtida utilizando o método convencional de irrigação e o framework proposto de Agricultura de Precisão Orientada por Internet das Coisas (IoT-PA), sob condições de cultivo idênticas. Os valores de produtividade agrícola são apresentados como média ± desvio padrão (n = 3 ensaios independentes). A significância estatística foi avaliada utilizando o teste t de Student pareado (p < 0,05). O framework proposto alcançou 95,13% de produtividade agrícola. Clique aqui para visualizar uma versão maior desta figura.

Gráfico de barras 3D da relação de eficiência do sistema com base no número de amostras; compara os métodos IDAFS, DSIAM, DVIRF, IoT-PA.
Figura 8. Análise da eficiência do sistema. Avaliação de desempenho do framework IoT-PA (Agricultura de Precisão Orientada por Internet das Coisas) com base em operações bem-sucedidas de detecção, comunicação, processamento em nuvem e irrigação automatizada. Os resultados são expressos como média ± desvio padrão (n = 3 ensaios independentes). A análise estatística foi realizada utilizando o teste t de Student pareado com p < 0,05. O sistema proposto alcançou uma eficiência geral do sistema de 93,85%. Clique aqui para visualizar uma versão maior desta figura.

Gráfico de otimização de recursos sustentáveis, métodos: IDAFS, DSIAM, DVIRF, IoT-PA, número de amostras.
Figura 9. Análise da Otimização de Recursos Sustentáveis. Avaliação da otimização de recursos sustentáveis alcançada pelo framework proposto de IoT-PA por meio do gerenciamento eficiente de água e recursos. Os resultados são apresentados como média ± desvio padrão (n = 3 ensaios independentes). A significância estatística foi determinada utilizando o teste t de Student pareado (p < 0,05). O framework proposto alcançou uma taxa de otimização de recursos sustentáveis de 94,25%. Clique aqui para visualizar uma versão maior desta figura.

Gráfico de tecnologias digitais alcançando ODS (%) por tamanho da amostra, comparadas entre quatro métodos.
Figura 10. Análise das Tecnologias Digitais no Alcance dos ODS. Avaliação da contribuição do framework proposto de AIA-IoT (Agricultura de Precisão Impulsionada por Internet das Coisas) para os Objetivos de Desenvolvimento Sustentável (ODS) por meio de melhorias na eficiência do uso da água, produtividade agrícola, irrigação inteligente e manejo sustentável de recursos. Os resultados são apresentados como média ± desvio padrão (n = 3 ensaios independentes). A significância estatística foi avaliada utilizando o teste t de Student pareado com p < 0,05. O framework proposto alcançou uma eficiência de alinhamento com os ODS de 96,31%. Clique aqui para visualizar uma versão maior desta figura.

Discussão

Com o IoT-PA, a agricultura digital pode resolver problemas atuais. Para economias baseadas em recursos e produção agrícola, este artigo propõe monitoramento em tempo real, irrigação baseada em sensores e tomada de decisões orientada por dados. O consumo de água diminuiu 24,62% e a produção agrícola aumentou 95,13% com o uso da Internet das Coisas, demonstrando seu potencial revolucionário em sustentabilidade. Os Objetivos de Desenvolvimento Sustentável 2 (Fome Zero) e 12 (Consumo e Produção Responsáveis) são atendidos com eficiência do sistema de 93,85%. O sistema alcançou eficiência de alinhamento com os ODS de 96,31%. A automação inteligente substitui alternativas intensivas em recursos para melhorar a segurança alimentar e o meio ambiente. O estudo destaca como sensores, computação em nuvem e automação podem construir modelos agrícolas replicáveis. Tais tecnologias são necessárias para a agricultura devido ao crescimento populacional e às mudanças climáticas. Acredita-se que a revolução digital possa aumentar a eficiência, resiliência e sustentabilidade da agricultura. A arquitetura do IoT-PA será aplicada a cultivos e regiões em estudos futuros. A inteligência artificial aprimorará meteorologia, análises preditivas e identificação de pragas. Para aumentar o acesso dos agricultores, deve-se enfatizar tecnologias de baixo custo e aplicativos móveis. Aceitabilidade, qualidade da recepção de dados e objetivos globais de sustentabilidade e segurança alimentar serão definidos.

Em comparação com a Agricultura Digital Integrada & Estrutura de Sistemas Alimentares (IDAFS) proposta por Sridhar et al.¹⁸, que fornece uma revisão abrangente de tecnologias digitais, incluindo Internet das Coisas (IoT), inteligência artificial (AI), blockchain, robótica e big data para sistemas agroalimentares sustentáveis, a estrutura proposta IoT-PA oferece uma implementação prática para a agricultura de precisão. Enquanto o IDAFS discute principalmente a adoção de tecnologias e estratégias de transformação digital em nível conceitual, o IoT-PA integra o sensoriamento ambiental em tempo real, processamento de dados baseado em nuvem, controle automatizado de irrigação e notificação ao produtor em uma estrutura operacional unificada. Essa integração permite o monitoramento contínuo do campo e a tomada automatizada de decisões, tornando a plataforma adequada para irrigação de precisão e gestão de recursos¹⁸Modelo de Análise de Impacto Digital-ODS de Vărzaru (DSIAM)¹⁹ enfatiza o papel da transformação digital na segurança alimentar e no cumprimento dos Objetivos de Desenvolvimento Sustentável por meio de análises econômicas regionais e em nível de políticas públicas. Para a implementação em campo, a arquitetura IoT-PA utiliza sensores habilitados para Internet das Coisas, controle automatizado de irrigação e comunicação em nuvem. A transformação digital é utilizada na agricultura para melhorar o uso da água e a produção de cultivos¹⁹. DVIRF de Zhang e Zhang²⁰ promove o desenvolvimento rural sustentável por meio da infraestrutura digital, integração industrial rural e inovação tecnológica. O DVIRF apoia a transformação digital regional sem suporte à decisão em irrigação de precisão. Para viabilizar a agricultura inteligente, o framework IoT-PA combina monitoramento contínuo por sensores, programação inteligente de irrigação, análises baseadas em nuvem e gestão automatizada de recursos²⁰. A arquitetura IoT-PA proposta combina sensores ambientais, conectividade, computação em nuvem e irrigação automatizada para tomada de decisões em tempo real e gestão de água. Em comparação com estruturas conceituais de agricultura digital¹⁸^,¹⁹^,²⁰, o design melhora a eficiência operacional, reduz a intervenção humana e promove a agricultura sustentável. No entanto, a estrutura apresenta grandes limitações. Esta avaliação experimental foi realizada em condições agrícolas normais e ainda não foi confirmada entre diferentes tipos de cultivo, tipos de solo, regiões climáticas ou em sistemas agrícolas comerciais em larga escala. Nesta implementação, são utilizados limiares predeterminados de umidade do solo, sem aproveitar inteligência artificial para agendamento preditivo de irrigação, previsão de produtividade das culturas, detecção de pragas e doenças ou simulação de cultivos baseada em gêmeos digitais. Pesquisas futuras utilizarão aprendizado de máquina, gêmeos digitais, sensoriamento remoto e inteligência artificial explicável para aprimorar a previsão agrícola, escalabilidade e flexibilidade.

Devem ser consideradas limitações ao interpretar os resultados da Agricultura de Precisão impulsionada por IoT (IoT-PA). De modo geral, a estrutura não foi testada em diferentes tipos de culturas, características do solo, condições climáticas ou contextos de agricultura em larga escala. Para desempenho ideal sob práticas variadas de cultivo, o manejo da irrigação utiliza limiares de umidade do solo que podem exigir calibração específica para cada cultura. Esta aplicação utiliza monitoramento ambiental baseado em IoT e manejo automatizado da irrigation, não incluindo irrigação preditiva baseada em IA, diagnóstico de pragas e doenças, manejo nutricional ou sensoriamento remoto multiespectral. A conectividade da rede, a precisão da calibração dos sensores e fatores climáticos que afetam a transmissão de dados em tempo real podem comprometer o desempenho da estrutura em áreas agrícolas remotas.

Divulgações

Os autores não têm conflito de interesses.

Agradecimentos

Esta pesquisa não recebeu nenhuma bolsa específica de qualquer agência de fomento nos setores público, comercial ou sem fins lucrativos.

Materiais

Lista de materiais utilizados neste artigo
Nome	Empresa	Número de catálogo	Comentários
IDE Arduino	Arduino	Versão 2.x https://www.arduino.cc/en/software	Ambiente de Desenvolvimento Integrado, desenvolvimento de firmware ESP32
Sensor Capacitivo de Umidade do Solo	DFRobot	SEN0193	Mede a umidade volumétrica do solo; Tensão de operação 3,3–5,5 V
Plataforma de IoT na Nuvem	Amazon Web Services	AWS IoT Core https://aws.amazon.com/iot-core	Plataforma de IoT baseada em nuvem para armazenamento de dados, visualização e monitoramento remoto
Fonte de Alimentação CC	Mean Well	/	Fornece energia ao controlador e à bomba; Saída regulada de 12 V CC, Modelo: LRS-50-12
Bomba d'Água CC	Comercialmente disponível	/	Irrigação automatizada; Bomba de 12 V CC
Sensor Digital de Intensidade de Luz	Rohm Semiconductor	BH1750FVI	Mede a intensidade da luz ambiente; 1–65535 lux
Placa de Desenvolvimento ESP32	Espressif Systems	ESP32-DEVKITC-32D	MCU dual-core de 240 MHz, Wi-Fi/Bluetooth; Controlador principal para aquisição de sensores e controle de irrigação
Microsoft Excel	Microsoft Corporation	Microsoft 365 https://www.microsoft.com/microsoft-365/excel	Software de planilha para organização e visualização de dados
Broker MQTT	Eclipse Foundation	Mosquitto v2.x https://mosquitto.org	Comunicação de mensagens em IoT; protocolo MQTT
Python	Python Software Foundation	Versão 3.x https://www.python.org	Linguagem de programação para pré-processamento de dados e análise estatística
Módulo Sensor de Chuva	DFRobot	/	Saída analógica/digital; Detecta eventos de chuva; Modelo: SEN0308
Módulo de Relé de Canal Único	Songle	SRD-05VDC-SL-C	Comuta a bomba de irrigação LIGADA/DESLIGADA; Relé de 5 V
Sensor de Temperatura e Umidade	Adafruit Industries	DHT22 (AM2302)	Monitoramento ambiental; Temperatura ±0,5 °C; Umidade ±2% UR
Navegador Web	Google LLC	Google Chrome (última versão estável) https://www.google.com/chrome	Acesso ao painel da AWS IoT
Roteador Wi-Fi	TP-Link Technologies	/	Comunicação sem fio entre ESP32 e nuvem; IEEE 802.11 b/g/n/ac; Modelo: Archer C6

Referências

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.

Reimpressões e permissões

Etiquetas

Agricultura IoT Irrigação Inteligente Produção Sustentável de Alimentos Redes de Sensores Monitoramento da Umidade do Solo Análise de Dados Agrícolas Adaptação Climática Gestão de Recursos