Исследовательская статья

Использование цифровых технологий в агропродовольственном секторе: концепция точного земледелия на базе IoT для достижения Целей устойчивого развития

26 просмотров

⸱

DOI:

10.3791/73067

⸱

25 августа 2026 г.

 ,  ,  , 
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

В этой статье

Краткое содержание

В данной работе представлена система точного земледелия на базе IoT (IoT-PA), которая использует сенсорные сети, мониторинг в реальном времени и интеллектуальный полив для повышения урожайности сельскохозяйственных культур и эффективности использования воды. Данная концепция способствует развитию устойчивого сельского хозяйства и реализации ЦУР 2 («Ликвидация голода») и 12 («Ответственное потребление и производство»).

Аннотация

Агропродовольственная промышленность стремительно переходит на цифровые технологии, чтобы решить проблемы ограниченности ресурсов, непредсказуемости климата и обеспечения устойчивого производства продуктов питания с помощью интернета вещей (IoT), искусственного интеллекта (ИИ), облачных вычислений и анализа данных. Из-за жестких графиков полива и ограниченного мониторинга полей традиционное сельское хозяйство приводит к растрате воды, снижению урожайности сельскохозяйственных культур и нанесению вреда окружающей среде. Система точного земледелия на базе IoT (IoT-PA), представленная в данной работе, оптимизирует использование сельскохозяйственных ресурсов с помощью распределенных сенсорных сетей, мониторинга влажности почвы и погодных условий в режиме реального времени, а также интеллектуального управления ирригацией. Предложенная платформа собирает экологические данные, анализирует состояние полей и автоматически рекомендует полив для максимального роста культур и предотвращения потерь воды. Благодаря непрерывному мониторингу и быстрому получению уведомлений от системы фермеры могут принимать обоснованные сельскохозяйственные решения на основе данных. Архитектура IoT-PA повышает эффективность ирригации, урожайность и устойчивость управления ресурсами по сравнению с традиционным земледелием. Повышение сельскохозяйственного производства и эффективное использование воды и ресурсов способствуют достижению Цели устойчивого развития (ЦУР) 2 (Ликвидация голода) и ЦУР 12 (Ответственное потребление и производство) Организации Объединенных Наций. Предложенная интеллектуальная сельскохозяйственная система является масштабируемой и практически реализуемой, что способствует устойчивому производству продуктов питания и сохранению окружающей среды.

Введение

Продовольственная безопасность, экологическая устойчивость и экономическая стабильность зависят от агропродовольственных предприятий1. Сельское хозяйство должно адаптироваться, чтобы производить больше продуктов питания, используя меньше ресурсов и минимизируя воздействие на окружающую среду, поскольку, по прогнозам, к середине 2080-х годов численность населения мира достигнет примерно 10,3 млрд человек, что существенно увеличит спрос на устойчивое производство продуктов питания и эффективное управление ресурсами2. Простые методы ведения сельского хозяйства могут не решить эти проблемы3. Это особенно актуально в условиях изменения климата, деградации почв, нехватки воды и рыночных колебаний4. Инновационные цифровые технологии могут удовлетворить различные потребности и связать успехи в сельском хозяйстве с Целями устойчивого развития Организации Объединенных Наций (ЦУР ООН)5. Цифровое сельское хозяйство использует искусственный интеллект (ИИ), интернет вещей (IoT), дистанционное зондирование и аналитику6. Эти технологии позволяют точно отслеживать показатели сельскохозяйственного производства, потребление ресурсов и климатические условия7. Они упрощают процесс принятия обоснованных решений и совершенствуют методы ведения хозяйства8. К ним относятся устройства на базе IoT, которые осуществляют мониторинг критически важных компонентов в режиме реального времени9: состояния сельскохозяйственных культур, влажности почвы, температуры и влажности воздуха10. Точное земледелие позволяет использовать воду и питательные вещества только тогда, когда это необходимо, что сокращает отходы и повышает устойчивость производства11. IoT может повысить устойчивость и производительность цепочки создания стоимости в агропродовольственном секторе12. Контролируемое орошение и мониторинг на основе датчиков позволяют поливать посевы по требованию13. Фермеры используют анализ данных с помощью ИИ для выявления закономерностей, повышения качества и количества урожая, а также для прогнозирования вспышек численности насекомых-вредителей14. Это позволяет экономить воду и стимулировать рост растений15. Несмотря на эти многообещающие достижения, внедрение цифровых сельскохозяйственных технологий ограничено, особенно в развивающихся странах16. Низкий уровень цифровой грамотности, инфраструктурные ограничения, значительные первоначальные инвестиции и несовершенство законодательства препятствуют их развертыванию17. Кроме того, достичь идеальной эффективности использования ресурсов или сохранения окружающей среды затруднительно, поскольку текущая сельскохозяйственная деятельность в основном опирается на человеческий фактор и статические данные.

В данной работе представлена интегрированная концепция точного земледелия на базе интернета вещей (IoT-PA). Эта технология объединяет данные датчиков, поступающие в режиме реального времени, с автоматизированными системами ирригации для устранения неэффективности в использовании воды и управлении посевами. Обеспечивая правильное направление цифровой трансформации сельского хозяйства, данная концепция должна быть масштабируемой, гибкой и доступной для фермеров. Она также открывает возможности для цифровизации. Опираясь на данные о почве и климате в реальном времени, концепция точного земледелия и интернета вещей стремится оптимизировать графики полива, тем самым экономя воду, улучшая состояние посевов и, в конечном итоге, повышая урожайность продовольственных культур.

Повышение объемов производства за счет увеличения доступности продовольствия способствует достижению Цели устойчивого развития 2 (Ликвидация голода) и одновременно содействует реализации Цели устойчивого развития 12 (Ответственное потребление и производство) путем эффективного использования ресурсов. Цифровые инновации могут повысить устойчивость и жизнеспособность агропродовольственных систем посредством эмпирической валидации, что приведет к более устойчивому будущему.

Мировое сельское хозяйство должно измениться, чтобы удовлетворить потребности в продовольствии и обеспечить устойчивое развитие. Изменение климата и ограниченность ресурсов требуют творческих подходов для повышения урожайности и снижения вреда для окружающей среды. Цифровые технологии, в частности основанные на IoT, могут трансформировать сельское хозяйство. Эта статья посвящена использованию таких технологий для прибыльного и устойчивого земледелия.

Традиционное сельское хозяйство характеризуется нерациональным использованием ресурсов, отсутствием мониторинга в режиме реального времени и ограниченными возможностями принятия решений на основе данных. Эти проблемы приводят к растрате воды, наносят вред окружающей среде и снижают урожайность сельскохозяйственных культур. Применение цифровых технологий в сельском хозяйстве, особенно в области точечного орошения, в настоящее время ограничено. Интернет вещей (IoT) использует данные в реальном времени и автоматизацию для масштабирования и интеграции процессов. Система должна максимально увеличить объем производства при оптимизации потребления воды. В последних исследованиях изучалось использование IoT, искусственного интеллекта (AI) и анализа данных в точном земледелии, однако большинство из них сосредоточено на датчиках влажности почвы, автоматическом поливе, мониторинге посевов и прогнозировании урожайности. Такие решения часто работают изолированно, что ограничивает их способность поддерживать принятие решений по устойчивому управлению сельским хозяйством. Во многих системах отсутствуют интеграция гетерогенных данных об окружающей среде в реальном времени, адаптивное управление орошением и согласование с принципами устойчивого развития. В данном исследовании представлена система IoT-PA, которая преодолевает эти ограничения за счет использования распределенных IoT-датчиков, мониторинга окружающей среды в реальном времени, интеллектуального планирования полива и непрерывной поддержки принятия решений. В отличие от существующих методов, данная архитектура оптимизирует потребление воды, объемы сельскохозяйственного производства, сокращает потери ресурсов и способствует реализации ЦУР 2 (Ликвидация голода) и ЦУР 12 (Ответственное потребление и производство). Прорывные решения IoT-PA в области масштабируемого сенсинга, связи, аналитики и ориентированного на устойчивость управления ресурсами позволяют принимать операционно эффективные и экологически устойчивые сельскохозяйственные решения на основе данных. Целью данного проекта является создание и оценка архитектуры IoT-PA, которая поддерживает точное земледелие с помощью мониторинга окружающей среды в реальном времени, облачного хранения данных и автоматического планирования орошения. Предлагаемая архитектура использует датчики с поддержкой IoT для непрерывного мониторинга влажности почвы, температуры воздуха, относительной влажности, количества осадков и интенсивности света для оптимизации решений по поливу в режиме реального времени. Кроме того, в исследовании ставится задача оценить эффективность предлагаемой архитектуры с использованием количественных показателей, включая эффективность использования воды, прирост урожайности, время отклика системы орошения, общую эффективность системы, надежность связи и энергопотребление, в сравнении с традиционными методами полива. Помимо этого, исследование направлено на то, чтобы продемонстрировать, как интеграция технологий IoT может улучшить использование ресурсов, сократить избыточное потребление воды и повысить продуктивность сельского хозяйства, способствуя достижению Целей устойчивого развития (ЦУР) 2 (Ликвидация голода) и ЦУР 12 (Ответственное потребление и производство) посредством устойчивого управления сельскохозяйственными ресурсами.

Интегрированная структура цифрового сельского хозяйства и продовольственных систем (IDAFS)

В данной работе исследуется, как цифровые технологии повышают устойчивость сельского хозяйства в условиях пандемий, неравенства, изменения климата и совокупного глобального дефицита продовольствия18. Особое внимание уделяется искусственному интеллекту, большим данным и точному земледелию как способам повышения производительности, сокращения отходов на 5% и снижения затрат на 23%. В статье обосновывается необходимость цифровой трансформации для достижения Целей устойчивого развития (ЦУР) до 2030 года и освещаются перспективные тенденции, такие как блокчейн и персонализированное питание для создания устойчивых и эффективных продовольственных систем.

Модель анализа влияния цифровых целей устойчивого развития (DSIAM)

В данной работе с помощью цифровой трансформации исследуется достижение ЦУР, связанных с продовольственной безопасностью, с использованием данных Индекса цифровой экономики и общества (DESI). Анализируя влияние цифровой связности, навыков и государственных услуг на ЦУР1, ЦУР2, ЦУР3 и ЦУР1019, авторы применяют моделирование структурными уравнениями и кластерный анализ данных по странам ЕС (2017–2022 гг.). Работа демонстрирует, насколько важна цифровизация для борьбы с бедностью, содействия равенству и улучшения показателей здоровья.

Структура интеграции и возрождения цифровых деревень (DVIRF)

Панельные данные по тридцати китайским провинциям (2013–2023 гг.) позволяют в данной работе экспериментально изучить, как цифровая трансформация сельских районов способствует комплексному развитию сельской промышленности20. С помощью двухэтапного метода машинного обучения выявлены как прямые (цифровые услуги, инфраструктура), так и косвенные (перераспределение факторов, структурные изменения) пути цифровой трансформации. В частности, более значительное влияние наблюдается в восточных и зернопроизводящих регионах. В работе предлагаются законодательные меры по развитию цифровых сообществ и оптимизации финансирования восстановления сельских территорий.

Модель трансформации циркулярной агропродовольственной системы (CAFSTM)

Цифровая трансформация меняет агропродовольственный сектор, внедряя экологическую осознанность, функциональную совместимость и ориентированный на пользователя дизайн21, что повышает эффективность и оптимизирует бизнес-модели. Персонализированное питание и циклические агропродовольственные системы сокращают количество отходов за счет использования петель обратной связи. В отчете рассматриваются вопросы конфиденциальности данных и интероперабельности, а также предлагается технический, управленческий и экологический подход к созданию устойчивых цифровых фермерских систем.

Концепция инноваций в области устойчивых продовольственных систем (SFSIF)

Устойчивое сельское хозяйство выигрывает от применения ИИ, IoT, робототехники и редактирования генов. Политические меры, изменение отношения, финансовая поддержка и действия по укреплению доверия стимулируют инновации22. Цифровые технологии и государственная помощь могут повысить устойчивость, жизнеспособность и продовольственную безопасность агропродовольственной системы в зависимости от управления отходами, переработки пищевых продуктов и землепользования.

Модель повышения эффективности цепочки создания стоимости в агропереработке (APVCEM)

В данной статье выдвигается тезис о том, что цепочки создания стоимости и переработка сельскохозяйственной продукции делают сельское хозяйство глобальным и конкурентоспособным. Высоко оцениваются общинное земледелия и цепочки поставок23. Развитые цепочки создания стоимости в Индии способствуют увеличению предложения продуктов питания и развитию бизнеса. Эти сети приносят пользу глобальной экономике и сельским общинам.

Структура оценки влияния цифровой устойчивости (DSIF)

Через показатели сельскохозяйственного производства, загрязнения окружающей среды, муниципальных отходов и ЦУР 12 цифровые технологии оказывают негативное влияние на устойчивость продовольственных систем. Согласно моделированию структурными уравнениями24, цифровые технологии могут способствовать сокращению количества муниципальных отходов, выбросов парниковых газов и корректировке потребительского поведения. Цифровизация повышает устойчивость цепочек поставок, однако исследования показывают, что она препятствует ответственному потреблению; в связи с этим необходим сбалансированный подход к внедрению этих технологий.

Структурная основа перехода к сельскому хозяйству 4.0 (A4TF)

Сельское хозяйство 4.0 представляет собой интеграцию интернета вещей (IoT), искусственного интеллекта (ИИ), облачных вычислений, робототехники, аналитики больших данных и автоматизации для обеспечения интеллектуальных, основанных на данных и прецизионных методов ведения сельского хозяйства. В данной статье описывается цифровой переход в сельском хозяйстве с использованием концепции Сельского хозяйства 4.0. Мы рассматриваем IoT, ИИ, дроны, блокчейн и возобновляемые источники энергии25. Мы изучаем агривольтаику, «умный» полив и мониторинг животных в режиме реального времени. Согласно результатам исследования, цифровая трансформация при решении проблем климата, водных ресурсов и продовольствия способствует устойчивому производству продуктов питания, эффективному использованию ресурсов и сохранению окружающей среды.

Существующие исследования продемонстрировали потенциал IoT (интернета вещей), искусственного интеллекта, облачных вычислений и цифровых технологий для повышения продуктивности и устойчивости сельского хозяйства18,19,20. Большинство работ сосредоточено на концептуальных оценках цифрового сельского хозяйства18, цифровой трансформации, ориентированной на политику и экономику19, или на цифровом развитии сельских районов без применения технологий точного земледелия на полевом уровне20. Таким образом, сочетанию сенсорного мониторинга в реальном времени, облачной аналитики, автоматизированного ирригации и поддержки принятия решений уделялось мало внимания. Многим методам не хватает воспроизводимых способов реализации и тщательных механизмов оптимизации ресурсов. Предлагаемая платформа точного сельского хозяйства на базе IoT (IoT-PA) объединяет сенсорику IoT, облачные вычисления, мониторинг окружающей среды в реальном времени и интеллектуальное управление ирригацией в единую архитектуру для улучшения использования воды, повышения урожайности сельскохозяйственных культур и устойчивого управления сельскохозяйственными ресурсами, поддерживая при этом ЦУР 2 и ЦУР 12.

Протокол

Благодаря цифровым технологиям агропродовольственный сектор превращается в устойчивую экосистему, основанную на данных. IoT, ИИ и блокчейн повышают прозрачность цепочек поставок, безопасность пищевых продуктов и производительность. Точное земледелие, «умное» фермерство и устойчивость в постпандемический период способствуют достижению Целей устойчивого развития, в частности, ликвидации голода, борьбы с изменением климата, а также ответственному потреблению и производству.

Структура точного земледелия на базе IoT (IoT-PA) включала микроконтроллер ESP32, датчики влажности почвы, температуры воздуха, относительной влажности (DHT22), количества осадков и интенсивности света (BH1750), IoT-шлюз, облачную базу данных и автоматический контроллер ирригации. Для получения репрезентативных полевых данных датчики влажности почвы были размещены на глубине 15–20 cm в корневой зоне сельскохозяйственных культур, а датчики окружающей среды — на высоте 2 m над землей. Перед развертыванием для тестирования использовались только датчики с погрешностью измерений в пределах ±2%, откалиброванные в соответствии с требованиями производителя. Для передачи данных об окружающей среде от контроллера ESP32 на облачную платформу каждые 10 min использовались Wi-Fi (802.11 b/g/n) или LoRaWAN (915 MHz). В ходе эксперимента система регистрировала влажность почвы (%), температуру воздуха (°C), относительную влажность (%), количество осадков (mm) и интенсивность света (lux). Перед стандартизацией данных с помощью Min–Max нормализации показания датчиков загружались в облачную базу данных каждые 10 min, после чего удалялись дубликаты и пропущенные значения. Система принятия решений IoT-PA использовала данные датчиков для определения необходимости ирригации. Когда влажность почвы опускалась ниже 35% объемного содержания воды, полив запускался автоматически и прекращался при достижении 45% для предотвращения водного стресса и избыточного полива. Если прогноз погоды предсказывал более 5 mm осадков в течение 12 h, ирригация прекращалась для экономии воды. Система работала непрерывно в течение 90 дней развития культур при аналогичных полевых условиях. Данные о продолжительности каждого цикла полива, общем расходе воды, задержке связи, состоянии датчиков и энергопотреблении системы записывались в облачную базу данных каждые 30 min. Фермеры получали инструкции по поливу в режиме реального времени и обновления о состоянии полей через мобильное приложение после каждого цикла принятия решений. Для проверки повторяемости эксперимент был проведен трижды с использованием одной и той же системы и в одинаковых рабочих условиях.

Эксперимент проводился на поле с посадками томатов. Экспериментальный участок размером 20 m x 20 m (400 m2) имел суглинистую почву с pH 6.7–7.0. Система IoT-мониторинга на базе ESP32 включала емкостные датчики влажности почвы, установленные на глубине 15–20 cm, а также датчики температуры и влажности DHT22, интенсивности света BH1750 и датчики осадков, закрепленные на высоте 2 m над землей. Была установлена сеть капельного орошения с эмиттерами через каждые 30 cm и латеральными трубами через каждые 1 m. Облачная платформа получала показания датчиков, передаваемые по протоколу MQTT, каждые 10 min. Через 90 дней урожайность сельскохозяйственных культур определялась как общая сырая масса собранных томатов (кг на участок).

Пояснение к источнику данных: Предложенная концепция точного земледелия на базе Интернета вещей (IoT-PA) была внедрена и оценена в ходе 90-дневного полевого эксперимента в условиях, описанных в разделе «Протокол». Отчет о рынке цифровых двойников в сельском хозяйстве (DataIntelo) использовался исключительно в качестве вспомогательного справочного материала для общего описания и разработки концепции. Все представленные в разделе «Результаты» показатели эффективности были получены в ходе экспериментальной оценки предложенной концепции IoT-PA, а не из рыночного отчета DataIntelo.

Вклад 1: Предложено основа для точного земледелия на базе Интернета вещей (IoT-PA)

Была представлена система автоматизации ирригации на основе метеорологических и почвенных данных в реальном времени. Цифровые достижения стимулируют рост агропродовольственного сектора (Рисунок 1). Во-первых, за счет точного земледелия на базе IoT, ИИ и беспилотных летательных аппаратов, затем — за счет принятия решений на основе данных и эффективности использования ресурсов. Цифровая революция улучшает прослеживаемость продуктов питания, цепочки поставок и доступ к рынкам. Эти технологии расширяют возможности фермеров, обеспечивают продовольственную безопасность и способствуют инклюзивному развитию. Концепция точного земледелия на базе IoT (IoT-PA) способствует устойчивому использованию ресурсов и созданию климатически устойчивого «умного» сельского хозяйства путем интеграции мониторинга окружающей среды в реальном времени, облачной аналитики и автоматизированного полива. Это поддерживает Цели устойчивого развития (ЦУР) 2 («Ликвидация голода»), 12 («Ответственное потребление и производство») и 13 («Борьба с изменением климата»).

Уравнение статического равновесия S(t)={M(t),T(t),H(t),R(t),L(t)} для динамического анализа.

Уравнение (1), где S(t) представляет собой данные об окружающей среде, собранные в момент времени t, M(t) обозначает влажность почвы (%), T(t) — температуру воздуха (°C), H(t) — относительную влажность (%RH), R(t) — количество осадков (mm), а L(t) — интенсивность освещения (lux). Уравнение (1) определяет набор экологических параметров реального времени, непрерывно собираемых сетью датчиков IoT и передаваемых на облачную платформу для мониторинга и принятия решений.

Уравнение булевой функции, I(t), условный анализ, математическое выражение.

Как показано в уравнении (2), где I(t) представляет собой управляющий сигнал полива, M(t) — измеренную влажность почвы, а Mth обозначает заданный порог полива (35% объемного содержания воды). Когда измеренная влажность почвы опускается ниже порога, контроллер IoT-PA автоматически активирует поливочный насос Математическое выражение I(t)=1, концепция динамического уравнения для зависящих от времени процессов.; в противном случае полив остается неактивным Динамическое равновесие; I(t)=0; уравнение; физика; анализ временных зависимостей; условие стабильности.. Полив автоматически прекращается, когда влажность почвы достигает целевого уровня 45%, что повышает эффективность использования воды и предотвращает избыточный полив.

Сельское хозяйство становится ориентированным на данные и устойчивым благодаря цифровым технологиям, как показано на Рисунке 2. Камеры и роботы повышают качество урожая и эффективность использования ресурсов, в то время как датчики определяют местоположение и температуру. Система управления данными получает сведения о температуре и влажности от центрального микроконтроллера. Сервер собирает данные сельскохозяйственного мониторинга и принятия решений в режиме реального времени. Фермеры используют телефоны с поддержкой региональных языков. За счет мониторинга условий окружающей среды, оптимизации решений по ирригации, минимизации потерь воды и поддержки методов устойчивого земледелия в соответствии с ЦУР 2 (Ликвидация голода), ЦУР 12 (Ответственное потребление и производство) и ЦУР 13 (Борьба с изменением климата), управление с замкнутым контуром повышает продуктивность сельского хозяйства.

Математическая формула для средней функции L(t), сумма Si(t), уравнение статистического анализа.

Как следует из уравнения (3), где L(t) представляет собой совокупные данные экологического мониторинга в момент времени t, Si(t) обозначает измерение, полученное от iго IoT-датчика, а N — общее количество развернутых датчиков. Уравнение (3) вычисляет среднее состояние окружающей среды по многим датчикам, чтобы помочь в принятии решений по ирригации, сводя к минимуму колебания показателей датчиков.

Уравнение бета-распада β(t)=[L(t)-Mth]/Mth, математическая формула в теоретическом анализе.

Как показано в уравнении (4), где β(t) обозначает нормализованный индекс принятия решения об ирригации, L(t) представляет собой агрегированное значение влажности почвы, полученное с помощью уравнения (3), а Mth — заданный порог влажности почвы (35% объемного содержания воды). Отрицательное значение β(t) указывает на недостаточную влажность почвы и запускает ирригацию, в то время как неотрицательное значение означает, что влажность почвы находится на уровне порога или выше него, и ирригация остается неактивной.

Вклад 2: Практическая значимость, подтвержденная эмпирическими результатами.

Это продемонстрировало жизнеспособность данной структуры и способствовало повышению сельскохозяйственного производства при существенном сокращении потребления воды.

Рисунок 3 иллюстрирует, как точное земледелие на базе IoT решает проблему расточительства ресурсов и низкой производительности сельского хозяйства. Во-первых, рассматриваются вопросы потерь ресурсов и низкой продуктивности. IoT, ИИ и аналитика данных в реальном времени обеспечивают интеллектуальное принятие решений, автоматический полив и мониторинг на основе датчиков. Эти усовершенствования улучшают состояние сельскохозяйственных культур и эффективность использования воды. Предложенная структура точного земледелия на базе IoT (IoT-PA) способствует достижению Целей устойчивого развития (ЦУР) 2 («Ликвидация голода») и ЦУР 12 («Ответственное потребление и производство») путем интеграции мониторинга окружающей среды в реальном времени, автоматизированного управления ирригацией и эффективного управления ресурсами для повышения производительности сельского хозяйства при минимизации потребления воды.

Формула расчета среднего значения в математическом анализе; формула v1(t)=(M+T+H+R+L)/5.

где Формула статического равновесия, уравнение v₁(t), диаграмма для физического исследования. обозначает композитный индекс мониторинга окружающей среды в момент времени t, M(t) — влажность почвы (%), T(t) — температуру воздуха (°C), H(t) — относительную влажность (%RH), R(t) — количество осадков (mm), а L(t) — интенсивность освещения (lux). Уравнение (5) объединяет нормированные параметры окружающей среды в единый индекс мониторинга, который представляет общее состояние поля, используемое в структуре IoT-PA.

Уравнение средней функции G(t) с суммированием ряда; образовательное математическое уравнение.

где G(t) представляет собой агрегированное состояние окружающей среды, полученное в результате мониторинга через определенные интервалы или с помощью сенсорных узлов, а математическая функция v(t), анализ зависимости от времени, образовательное использование — это комбинированный индекс мониторинга окружающей среды, рассчитанный по формуле (5) для kго наблюдения. Формула (6) усредняет несколько измерений для прогнозирования состояния поля, что позволяет устранить колебания измерений и обеспечить надежные входные данные для автоматического планирования ирригации.

Рисунок 4 иллюстрирует влияние каждой промышленной революции на мировую промышленность, от паровых двигателей до цифровых технологий. Наконец, ИИ, блокчейн и точное земледелие трансформируют агропродовольственный сектор в рамках Индустрии 4.0. Эти результаты способствуют развитию сельского хозяйства, повышению эффективности использования ресурсов и устойчивости. Предложенная концепция точного земледелия на базе IoT (IoT-PA) демонстрирует, как цифровое сенсорное определение, облачная аналитика и автоматизированный полив повышают производительность сельского хозяйства и эффективность использования ресурсов для поддержки ЦУР 2 (Ликвидация голода) и ЦУР 12 (Ответственное потребление и производство).

Уравнение, демонстрирующее процесс усреднения V(t)=1/N∑Gi(t); формула для анализа обработки сигналов.

где V(t) обозначает общее состояние поля в момент времени t, Gi(t) представляет собой индекс экологического мониторинга, полученный от iго сенсорного узла, а N — общее количество развернутых сенсорных узлов IoT. Уравнение (7) позволяет оценить среднее состояние поля путем агрегирования измерений со всех точек мониторинга, тем самым повышая надежность принятия решений по ирригации.

Уравнение статического равновесия: α_eq = λV(t) + (1-λ)M(t), математическое выражение для исследовательского анализа.

где αeq обозначает эквивалентный индекс принятия решения, используемый для планирования полива, V(t) — совокупное состояние окружающей среды, полученное из уравнения (7), M(t) — измеренная влажность почвы, а Статическое равновесие; уравнение λ (0 ≤ λ ≤ 1); формула математического анализа; метод исследования. — весовой коэффициент, который балансирует влияние общего состояния поля и текущего измерения влажности почвы. Уравнение (8) вычисляет итоговый индекс принятия решения, используемый в структуре IoT-PA для обеспечения автоматизированного полива и эффективного управления водными ресурсами.

Вклад 3: Содействие развитию устойчивого сельского хозяйства

В соответствии с ЦУР 2 и 12, это позволило осуществить цифровую трансформацию для повышения продовольственной безопасности в сельском хозяйстве и эффективности использования ресурсов.

Рисунок 5 иллюстрирует устойчивость в постпандемический период и устойчивое развитие посредством перехода на цифровые агропродовольственные системы. В сельском хозяйстве на базе IoT датчики заменяют традиционные инструменты для максимального использования ресурсов. Блокчейн и автоматизация обеспечивают безопасную и открытую доставку продуктов питания; ИИ обеспечивает эффективное и санитарно чистое производство и переработку. Оповещения о безопасности пищевых продуктов и мониторинг в реальном времени помогают потребителям. Такие циклы повышают глобальную продовольственную безопасность, здоровье и эффективность. Последовательный подход к цифровому сельскому хозяйству использует сенсоры реального времени, облачные вычисления и автоматизированный полив для повышения продуктивности сельскохозяйственных культур, эффективности использования воды и внедрения методов устойчивого земледелия в поддержку Целей устойчивого развития (ЦУР) 2 (Ликвидация голода), 3 (Хорошее здоровье и благополучие) и 12 (Ответственное потребление и производство).

Уравнение для измерения ошибки, R(t), с использованием формулы суммирования; математический анализ.

где R(t) обозначает индекс потребности в орошении в момент времени t, Мi(t) — влажность почвы, измеренная с помощью ith узел датчика, Мth является заданным пороговым значением влажности почвы, и N — общее количество сенсорных узлов. Уравнение (9) позволяет рассчитать потребность в орошении контролируемого поля путем оценки среднего отклонения влажности почвы от заданного порога.

Уравнение динамического отклика, ν_sh(t)=ηR(t)+(1−η)V(t); математическая формула.

где Физическое уравнение \(v_{sh}(t)\), фрагмент формулы, зависимость скорости от времени, математическое выражение. представляет собой индекс интеллектуального управления ирригацией, R(t) — индекс потребности в орошении, полученный из уравнения (9), V(t) — агрегированный индекс мониторинга окружающей среды, полученный из уравнения (7), а Уравнение динамической вязкости η(0 ≤ η ≤ 1), изображение формулы, принципы механики жидкости. — весовой коэффициент. Окончательное управляющее значение для автоматизированного графика ирригации в предлагаемой системе IoT-PA рассчитывается на основе потребности в поливе и условий окружающей среды с использованием уравнения (10).

Результаты

Показатели эффективности архитектуры IoT-PA включают потребление воды, урожайность сельскохозяйственных культур, эффективность системы, оптимизацию устойчивого использования ресурсов и вклад в достижение ЦУР. Рациональный выбор смарт-технологий способствует повышению продуктивности сельского хозяйства, устойчивости и эффективности управления ресурсами.

Описание набора данных: Отчет о рынке цифровых двойников в сельском хозяйстве от DataIntelo26 был использован в качестве справочной информации для разработки и контекстуализации предлагаемой структуры. Исследование охватывает статистику мирового рынка цифровых двойников в сельском хозяйстве за 2019–2034 годы, где 2025 год принят за базовый, а 2026–2034 годы являются прогнозным периодом. Структурированный набор данных по исследованию рынка объемом 260 страниц включает количественные данные о размере рынка, совокупном среднегодовом темпе роста (CAGR), региональном распределении рынка, сегментации по компонентам (программное обеспечение, оборудование и услуги), областях применения (мониторинг сельскохозяйственных культур, мониторинг животноводства, точное земледелие, умные теплицы и другие), режимах развертывания (облачные и локальные), категориях ферм по размеру, а также внедрении технологий, включая IoT, AI, Big Data и Blockchain. Мы проверили полученные числовые данные на полноту и непротиворечивость и нормализовали непрерывные переменные с помощью Min–Max нормализации перед проведением анализа.

Экспериментальной единицей служил один участок посева с поддержкой IoT; в течение 90 дней было проведено три отдельных эксперимента (n = 3) в аналогичных условиях эксплуатации. Показания датчиков отправлялись на облачную платформу каждые 10 min с помощью MQTT. Количественные данные представлены как среднее значение ± SD. Статистическая значимость предлагаемой структуры IoT-PA по сравнению со стандартной системой полива по времени оценивалась с помощью парного t-критерия Стьюдента, при этом значение p < 0.05 считалось значимым. Надежность показателей эффективности оценивалась путем расчета их 95% доверительных интервалов (CI). Парадигма точного земледелия на базе IoT (IoT-PA) была подтверждена с помощью IoT-платформы на базе ESP32 с емкостными датчиками влажности почвы, датчиками температуры и влажности DHT22, датчиками интенсивности света BH1750 и датчиками осадков. Данные об окружающей среде непрерывно передавались в AWS IoT Core через MQTT. В аналогичных климатических условиях предлагаемая структура сравнивалась с системой полива по времени. Мы оценили расход воды, сельскохозяйственную продуктивность, эффективность системы, оптимизацию устойчивого использования ресурсов и соответствие Целям устойчивого развития (SDG).

Анализ использования воды

Рисунок 6 показывает, что непрерывный мониторинг влажности почвы и автоматизированное управление ирригацией сократили расход воды на 24,62% в предлагаемой архитектуре точного земледелия на базе Интернета вещей (IoT-PA). Сенсорика в режиме реального времени позволила сократить избыточный полив, повысить эффективность использования воды и обеспечить устойчивую продуктивность сельского хозяйства.

Статическое равновесие; формула v_c(t)=(W_conv-W_IoT)/W_conv×100; математический анализ.

где Анализ электрической цепи, формула, vc(t), зависящее от времени напряжение, инженерное уравнение, диаграмма. обозначает процент экономии воды, достигнутый в момент времени t, Wconv — общий объем воды, потребленный при использовании традиционного метода ирригации, а WIoT — общий объем воды, потребленный при использовании предлагаемой системы IoT-PA. Уравнение (11) позволяет рассчитать % экономии воды за счет автоматизированного планирования ирригации. Результаты испытаний показали, что предлагаемая система обеспечила экономию воды на 24.62% больше, чем традиционная ирригация.

Анализ урожайности сельскохозяйственных культур

Рисунок 7 показывает, как автоматизированный полив и мониторинг окружающей среды с помощью предложенной системы точного земледелия на базе IoT (IoT-PA) позволили увеличить урожайность сельскохозяйственных культур до 95,13%. Состояние растений, урожайность и эффективность ручного вмешательства улучшились благодаря использованию данных с датчиков в режиме реального времени для полива и управления посевами.

Уравнение скорости в зависимости от времени, \( v_0(t) \), формула отношения на математическом графике.

где Формула функции скорости v0(t), кинематическое уравнение, анализ зависимости скорости от времени. обозначает сельскохозяйственную продуктивность (%) в момент времени t, YIoT — урожайность сельскохозяйственных культур, полученная с использованием предлагаемой системы IoT-PA, а Ymax — максимально достижимая урожайность в данных экспериментальных условиях. Процент сельскохозяйственной продуктивности предлагаемой системы рассчитывается по формуле (12). В ходе экспериментальной оценки система IoT-PA достигла сельскохозяйственной продуктивности 95,13%, что свидетельствует о том, что орошение на основе данных датчиков и мониторинг окружающей среды в реальном времени повышают показатели урожайности.

Анализ эффективности системы

Рисунок 8 показывает, что платформа точного земледелия на базе IoT (IoT-PA), объединяющая автономный полив, мониторинг окружающей среды в реальном времени, облачную обработку данных и автоматизированное принятие решений, позволила достичь эффективности системы в 93,85%. Высокая эффективность означает надежную работу системы с минимальными потерями ресурсов, что способствует устойчивому развитию сельского хозяйства.

Формула расчета процента в статистическом анализе, уравнение \(c_m(t)=\frac{N_{success}}{N_{total}}\times100\).

где Уравнение динамической системы, функция c_m(t), математическое выражение, анализ зависимости от времени. обозначает общую эффективность системы (%) в момент времени t, Уравнение: N<sub>success</sub>, статистический анализ, представление математической переменной. представляет количество успешно выполненных операций измерения, связи и ирригации, а Уравнение статического равновесия, ΣFx=0, физическая диаграмма для анализа баланса и сил. — общее количество запланированных операций системы за экспериментальный период. Уравнение (13) позволяет рассчитать показатель успеха структуры IoT-PA, который указывает на надежность и эффективность системы. Экспериментальные результаты показали, что предложенная структура обладала эффективностью системы 93.85%, что доказывает ее стабильность и надежность для непрерывного применения в умном сельском хозяйстве.

Анализ оптимизации устойчивого использования ресурсов

Предложенная платформа точного земледелия на базе Интернета вещей (IoT-PA) обеспечивает 94,25% оптимизации устойчивого использования ресурсов, что соответствует критериям экологической и экономической устойчивости. На рисунке 9 показано, как мониторинг в реальном времени, автоматизированное планирование полива и принятие решений на основе данных сокращают потери воды и энергии, одновременно повышая урожайность сельскохозяйственных культур. Таким образом, данная платформа оптимизирует использование ресурсов и способствует внедрению устойчивых методов ведения сельского хозяйства.

Уравнение для расчета эффективности, q(t) = (Rused/Ropt)×100; диаграмма формулы.

где Заряд q(t), зависящий от времени; уравнение; электрический анализ; функция времени; исследование динамической системы. обозначает скорость оптимизации устойчивых ресурсов (%) в момент времени t, Уравнение статического равновесия ΣFx=0, схема, отображающая баланс сил при анализе механических систем. представляет количество ресурсов (таких как вода и энергия), эффективно используемых предлагаемой структурой IoT-PA, а Формула R_opt, математический символ в теоретической физике, концепция уравнения оптимизации. является оптимальной потребностью в ресурсах при тех же условиях культивирования. Уравнение (14) сопоставляет эффективно используемые ресурсы с оптимальными потребностями в ресурсах для оценки их использования. Экспериментальные результаты показали, что структура IoT-PA может сократить потери ресурсов и поддерживать продуктивность сельского хозяйства при скорости оптимизации устойчивых ресурсов 94.25%.

Анализ цифровых технологий в достижении ЦУР

Рисунок 10 показывает, что архитектура точного земледелия на базе Интернета вещей (IoT-PA) в данном исследовании достигла эффективности согласования с ЦУР на уровне 96,31%. Автоматический полив и мониторинг в реальном времени увеличивают объем сельскохозяйственного производства и способствуют реализации ЦУР 2 («Ликвидация голода») и ЦУР 12 («Ответственное потребление и производство») за счет оптимизации использования воды и энергии. Высокая эффективность согласования с ЦУР свидетельствует о том, что цифровые технологии способствуют развитию устойчивого и ресурсосберегающего сельского хозяйства.

Уравнение для расчета процента достижения в экспериментах. Формула: Q(t) = S_achieved/S_target × 100.

где Концепция квантовой механики, уравнение Q(t); анализ динамических систем, представление формулы. обозначает эффективность согласования с ЦУР (%) в момент времени t, Диаграмма статического равновесия ΣFx=0; баланс сил, механический анализ, образовательное использование. представляет количество целей устойчивого развития, успешно достигнутых с помощью предложенной структуры IoT-PA, а Статическое равновесие; формула S_target; диаграмма; образование; исследование; концепция физики. обозначает общее число целей устойчивого развития, определенных для оценки. Уравнение (15) сопоставляет достигнутые цели устойчивого развития с заранее заданными целевыми показателями. Согласно данным испытаний, структура IoT-PA способствовала устойчивому развитию сельского хозяйства за счет интеллектуального управления ресурсами и цифровых инноваций с эффективностью согласования с ЦУР 96.31%.

Согласно результатам экспериментов, система точного земледелия на базе IoT (IoT-PA) улучшает устойчивое управление сельским хозяйством за счет сенсорного мониторинга в реальном времени, облачного контроля и автоматизированного управления ирригацией. По сравнению с традиционным орошением, данная система позволила снизить потребление воды на 24,62%, при этом показатели сельскохозяйственного производства составили 95,13%, эффективность системы — 93,85%, оптимизация устойчивого использования ресурсов — 94,25%, а эффективность соответствия Целям устойчивого развития (ЦУР) — 96,31%. Эти результаты демонстрируют, что технологии IoT и интеллектуальное орошение повышают эффективность использования ресурсов, урожайность сельскохозяйственных культур и устойчивость ведения хозяйства. Таким образом, предлагаемая система IoT-PA представляет собой практичное и масштабируемое решение для цифрового сельского хозяйства, которое способствует достижению Целей устойчивого развития 2 («Ликвидация голода») и 12 («Ответственное потребление и производство») посредством управления сельским хозяйством на основе данных.

Для проверки воспроизводимости системы точного земледелия на базе Интернета вещей (IoT-PA) все эксперименты повторяли трижды при идентичных условиях. Результаты трех экспериментальных испытаний, включая сокращение расхода воды (24,62%), повышение урожайности сельскохозяйственных культур (95,13%), эффективность системы (93,85%), оптимизацию устойчивого использования ресурсов (94,25%) и соответствие ЦУР (96,31%), представлены в виде среднего значения ± SD. Перед проведением сравнительного анализа распределение экспериментальных данных оценивали с помощью теста Шапиро–Уилка на нормальность. Предложенную систему IoT-PA сравнивали со стандартным методом полива по времени с использованием парного t-критерия Стьюдента при уровне значимости p < 0,05. Для всех ключевых показателей эффективности были рассчитаны 95% доверительные интервалы (CI) для количественной оценки неопределенности экспериментальных оценок, а также определен коэффициент вариации (CV) для проверки повторяемости и согласованности результатов эксперимента.

ДОСТУПНОСТЬ ДАННЫХ:

Экспериментальные данные, подтверждающие результаты данного исследования, были получены в ходе 90-дневной полевой оценки предлагаемой структуры точного земледелия на базе Интернета вещей (IoT-PA), описанной в рукописи. Отчет о рынке цифровых двойников в сельском хозяйстве (DataIntelo), использованный в качестве справочной базы для концептуальной разработки структуры и предоставления контекста о технологиях цифрового сельского хозяйства, доступен по адресу: https://dataintelo.com/report/agriculture-digital-twin-market.

Схема цифрового земледелия; IoT, ИИ для повышения эффективности, цепочка поставок, климатически оптимизированное сельское хозяйство.
Рисунок 1Цифровые корни: развитие устойчивого сельского хозяйства в агропродовольственной цепочке. Обзор цепочки создания стоимости в агропродовольственном секторе, иллюстрирующий интеграцию цифровых технологий, включая интернет вещей (IoT), облачные вычисления, искусственный интеллект и аналитику данных, для повышения продуктивности сельского хозяйства, оптимизации использования ресурсов и поддержки устойчивого производства продуктов питания. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Схема процесса умного земледелия с датчиками, роботами, управлением данными, мониторингом посевов и связью с сервером.
Рисунок 2. Smart Agri-Loop: от полевых датчиков к рукам фермеров. Рабочий процесс предлагаемой концепции точного земледелия на базе Интернета вещей (IoT-PA), демонстрирующий мониторинг окружающей среды в реальном времени, беспроводную передачу данных, облачную аналитику, автоматизированное управление ирригацией и систему поддержки принятия решений для фермеров в рамках точного земледелия. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Диаграмма системы точного земледелия на базе IoT: цифровые технологии, датчики почвы, климатические данные, влияние на ЦУР.
Рисунок 3. От почвы к цели: план «умного» фермерства для устойчивого роста. Концептуальный обзор предлагаемой системы точного земледелия на базе IoT (IoT-PA), иллюстрирующий интеграцию цифровых технологий для интеллектуального управления сельским хозяйством. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Диаграмма промышленной эволюции: от эпох пара и электричества до эр информации и цифровизации.
Рисунок 4. От паровых машин к умным фермам: эволюция в сторону будущего агротехнологий. Эволюция сельскохозяйственных технологий от традиционных методов земледелия к современному цифровому сельскому хозяйству посредством механизации, точного земледелия, интернета вещей, мониторинга на базе IoT, облачных вычислений и интеллектуальных систем принятия решений. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Диаграмма цифровых продовольственных систем; от сельского хозяйства до потребителей; IoT и блокчейн обеспечивают устойчивость и безопасность.
Рисунок 5. «Умные цепочки» для безопасного зерна: цифровой путь к устойчивому будущему продовольствия. Концептуальное представление цифровых технологий, поддерживающих сельскохозяйственную цепочку поставок, включая мониторинг сельскохозяйственных культур, точное орошение, оптимизацию ресурсов, мониторинг качества продуктов питания и оценку устойчивости для повышения продовольственной безопасности и улучшения экологических показателей. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Диаграмма размаха, анализирующая использование воды; сравниваются данные выборок IDAFS, DSIAM, DVIRF, IoT-PA.
Рисунок 6. Анализ использования воды. Сравнение потребления воды между традиционным методом ирригации и предлагаемой структурой IoT-PA. Потребление воды оценивали в течение экспериментального периода; значения представлены как среднее ± стандартное отклонение (n = 3 независимых опыта). Статистическая значимость определялась с помощью парного t-критерия Стьюдента при p < 0.05. Предложенная структура IoT-PA (Internet of Things-Driven Precision Agriculture — точное земледелие на основе Интернета вещей) обеспечила снижение потребления воды на 24,62% по сравнению с традиционной ирригацией. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Столбчатая диаграмма, сравнивающая методы анализа урожайности сельскохозяйственных культур: IDAFS, DSIAM, DVIRF, IoT-PA, количество образцов.
Рисунок 7. Анализ урожайности сельскохозяйственных культур. Сравнение продуктивности сельского хозяйства, полученной с использованием традиционного метода ирригации и предлагаемой структуры IoT-PA (точное земледелие на основе интернета вещей) при идентичных условиях выращивания. Значения урожайности представлены как среднее ± стандартное отклонение (n = 3 независимых опыта). Статистическая значимость оценивалась с помощью парного t-критерия Стьюдента (p < 0,05). Предлагаемая структура позволила достичь сельскохозяйственной продуктивности 95,13%. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Трехмерная гистограмма коэффициента эффективности системы в зависимости от номера образца; сравнение методов IDAFS, DSIAM, DVIRF, IoT-PA.
Рисунок 8. Анализ эффективности системы. Оценка производительности платформы IoT-PA (точное сельское хозяйство на базе интернета вещей), основанная на успешном выполнении операций мониторинга, передачи данных, облачной обработки и автоматического полива. Результаты представлены как среднее значение ± стандартное отклонение (n = 3 независимых опыта). Статистический анализ проводился с использованием парного t-критерия Стьюдента при p < 0.05. Предложенная система достигла общей эффективности 93.85%. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

График оптимизации устойчивых ресурсов, методы: IDAFS, DSIAM, DVIRF, IoT-PA, количество образцов.
Рисунок 9. Анализ оптимизации устойчивых ресурсов. Оценка оптимизации устойчивых ресурсов, достигнутой с помощью предлагаемой структуры IoT-PA за счет эффективного управления водными и иными ресурсами. Результаты представлены как среднее значение ± стандартное отклонение (n = 3 независимых опыта). Статистическая значимость определялась с помощью парного t-критерия Стьюдента (p < 0.05). Предложенная структура обеспечила показатель оптимизации устойчивых ресурсов на уровне 94.25%. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

График достижения ЦУР с помощью цифровых технологий (%) в зависимости от размера выборки, сравнение четырех методов.
Рисунок 10. Анализ цифровых технологий в достижении ЦУР. Оценка вклада предложенной структуры IoT-PA (точное земледелие на базе интернета вещей) в достижение Целей устойчивого развития (ЦУР) за счет повышения эффективности использования воды, производительности сельского хозяйства, интеллектуального орошения и устойчивого управления ресурсами. Результаты представлены как среднее значение ± стандартное отклонение (n = 3 независимых опыта). Статистическая значимость оценивалась с помощью парного t-критерия Стьюдента при p < 0.05. Предложенная структура достигла эффективности соответствия ЦУР на уровне 96,31%. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Обсуждение

С помощью IoT-PA цифровое сельское хозяйство может решить текущие проблемы. В данной работе для экономии ресурсов и повышения сельскохозяйственного производства предлагаются мониторинг в реальном времени, ирригация на основе датчиков и принятие решений на основе данных. Использование интернета вещей привело к снижению потребления воды на 24,62% и росту сельскохозяйственного производства на 95,13%, что демонстрирует революционный потенциал устойчивого развития. Эффективность системы на уровне 93,85% позволяет достичь целей ЦУР 2 (Ликвидация голода) и ЦУР 12 (Ответственное потребление и производство). Эффективность согласования системы с ЦУР составила 96,31%. Интеллектуальная автоматизация заменяет ресурсоемкие альтернативы для укрепления продовольственной безопасности и защиты окружающей среды. Исследование подчеркивает, как датчики, облачные вычисления и автоматизация могут быть использованы для создания воспроизводимых сельскохозяйственных моделей. Сельское хозяйство нуждается в таких технологиях в связи с ростом населения и изменением климата. Согласно данной статье, цифровая революция может повысить эффективность, устойчивость и жизнеспособность сельского хозяйства. Архитектура IoT-PA будет применена к различным культурам и регионам в будущих исследованиях. ИИ позволит усовершенствовать метеорологию, прогнозную аналитику и идентификацию вредителей. Для расширения доступа фермеров следует уделить внимание недорогим технологиям и мобильным приложениям. Будут определены показатели приемлемости, качество приема данных, а также глобальные цели в области устойчивого развития и продовольственной безопасности.

По сравнению с интегрированным цифровым сельским хозяйством & Структура продовольственных систем (IDAFS), предложенная Sridhar et al.18, в котором представлен комплексный обзор цифровых технологий, включая интернет вещей (IoT), искусственный интеллект (ИИ), блокчейн, робототехнику и большие данные для устойчивых агропродовольственных систем, предложенная концепция IoT-PA обеспечивает практическую реализацию точного земледелия. В то время как IDAFS в основном рассматривает вопросы внедрения технологий и стратегии цифровой трансформации на концептуальном уровне, IoT-PA объединяет мониторинг окружающей среды в режиме реального времени, облачную обработку данных, автоматизированное управление ирригацией и уведомление фермеров в единую операционную структуру. Такая интеграция позволяет осуществлять непрерывный мониторинг полей и автоматизированное принятие решений, что делает платформу подходящей для точного орошения и управления ресурсами.18Модель анализа влияния цифровых технологий на ЦУР (DSIAM) по Вэрзару19 подчеркивается роль цифровой трансформации в обеспечении продовольственной безопасности и достижении Целей устойчивого развития посредством анализа экономической ситуации на региональном уровне и на уровне государственной политики. Для практического внедрения в полевых условиях архитектура IoT-PA использует датчики с поддержкой IoT, автоматизированный контроль ирригации и облачную связь. Цифровая трансформация применяется в сельском хозяйстве для оптимизации водопользования и повышения урожайности сельскохозяйственных культур19DVIRF Чжана и Чжана20 способствует устойчивому развитию сельских районов посредством цифровой инфраструктуры, интеграции сельской промышленности и технологических инноваций. DVIRF поддерживает региональную цифровую трансформацию без использования систем поддержки принятия решений для точного орошения. Для обеспечения условий умного сельского хозяйства платформа IoT-PA объединяет непрерывный сенсорный мониторинг, интеллектуальное планирование полива, облачную аналитику и автоматизированное управление ресурсами.20Предлагаемая архитектура IoT-PA объединяет мониторинг окружающей среды, сетевое взаимодействие, облачные вычисления и автоматизированный полив для принятия решений и управления водными ресурсами в режиме реального времени. По сравнению с концептуальными моделями цифрового сельского хозяйства18,19,20данная конструкция повышает эксплуатационную эффективность, снижает необходимость человеческого вмешательства и способствует устойчивому земледелию. Однако у данной структуры имеются существенные недостатки. Эта экспериментальная оценка проводилась в обычных сельскохозяйственных условиях и не была подтверждена для различных видов культур, типов почв, климатических регионов или крупномасштабного коммерческого земледелия. В данной реализации используются заранее определенные пороги влажности почвы, что не позволяет использовать ИИ для прогнозного планирования ирригации, прогнозирования урожайности культур, обнаружения вредителей и болезней или моделирования сельскохозяйственных культур на основе цифровых двойников. Будущие исследования будут направлены на использование машинного обучения, цифровых двойников, дистанционного зондирования и объяснимого ИИ для улучшения сельскохозяйственного прогнозирования, масштабируемости и гибкости.

При интерпретации результатов точного земледелия на базе IoT (IoT-PA) необходимо учитывать определенные ограничения. В целом, данная платформа не была протестирована для различных типов сельскохозяйственных культур, характеристик почвы, климатических условий или в контексте крупномасштабного фермерства. Для достижения оптимальной эффективности при различных методах культивации в системе управления ирригацией используются пороги влажности почвы, которые могут потребовать калибровки под конкретные культуры. В данном приложении используется мониторинг окружающей среды на базе IoT и автоматизированное управление поливом, но не используется прогнозная ирригация на основе ИИ, диагностика вредителей и болезней, управление питательными веществами или мультиспектральное дистанционное зондирование. Сетевое соединение, точность калибровки датчиков и климатические факторы, влияющие на передачу данных в реальном времени, могут снизить эффективность работы платформы в отдаленных сельскохозяйственных районах.

Раскрытие информации

Авторы не имеют конфликта интересов.

Благодарности

Данное исследование не получило специального гранта от каких-либо финансирующих организаций государственного, коммерческого или некоммерческого секторов.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Arduino IDEArduinoVersion 2.x
https://www.arduino.cc/en/software		Интегрированная среда разработки, разработка прошивки ESP32
Емкостный датчик влажности почвыDFRobotSEN0193Измерение объемной влажности почвы; рабочее напряжение 3.3–5.5 V
Облачная IoT-платформаAmazon Web ServicesAWS IoT Core
https://aws.amazon.com/iot-core		Облачная IoT-платформа для хранения данных, визуализации и дистанционного мониторинга
Источник питания постоянного токаMean Well/Питание контроллера и насоса; стабилизированный выход 12 V DC, модель: LRS-50-12
Насос для воды постоянного токаCommercially available/Автоматический полив; насос 12 V DC
Цифровой датчик интенсивности светаRohm SemiconductorBH1750FVIИзмерение интенсивности окружающего света; 1–65535 lux
Отладочная плата ESP32Espressif SystemsESP32-DEVKITC-32DДвуядерный MCU 240 MHz, Wi-Fi/Bluetooth; основной контроллер для сбора данных с датчиков и управления поливом
Microsoft ExcelMicrosoft CorporationMicrosoft 365
https://www.microsoft.com/microsoft-365/excel		Программное обеспечение для работы с электронными таблицами, организации и визуализации данных
MQTT-брокерEclipse FoundationMosquitto v2.x
https://mosquitto.org		Обмен сообщениями в IoT; протокол MQTT
PythonPython Software FoundationVersion 3.x
https://www.python.org		Язык программирования для предварительной обработки данных и статистического анализа
Модуль датчика дождяDFRobot/Аналоговый/цифровой выход; обнаружение осадков; модель: SEN0308
Одноканальный релейный модульSongleSRD-05VDC-SL-CПереключение насоса для полива ВКЛ/ВЫКЛ; реле 5 V
Датчик температуры и влажностиAdafruit IndustriesDHT22 (AM2302)Экологический мониторинг; температура ±0.5 °C; влажность ±2% RH
Веб-браузерGoogle LLCGoogle Chrome (последний стабильный релиз)
https://www.google.com/chrome		Доступ к панели управления AWS IoT
Wi-Fi роутерTP-Link Technologies/Беспроводная связь между ESP32 и облаком; IEEE 802.11 b/g/n/ac; модель: Archer C6

Ссылки

  1. Nhamo G, Chikodzi D, Dube K. Sustainable Development Goals for Society. Vol. 1. Springer International Publishing; 2021.
  2. 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.
  3. 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.
  4. 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.
  5. Venkatesh R. Effect of Boron Nitride on Mechanical Characteristics of LDPE Nanocomposite made with Ramie Fiber. J Inst Eng India Ser D. 2024.
  6. 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.
  7. Venkatesh R. Synthesis and Behavior Study of Basalt Fiber-Made Low-Density Polyethylene Composites Via Injection Mold. J Inst Eng India Ser D. 2024.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. Ogbonnaya EP, et al. Efficacy of moringa oleifera leaf extract as a phytogenic additive in finisher broiler chickens. Discov Agric. 2026;12:e14da3219.
  13. 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.
  14. 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.
  15. Gupta S, et al. Operationalizing Digitainability: Encouraging mindfulness to harness the power of digitalization for sustainable development. Sustainability. 2023;15(8):6844.
  16. Urugo MM, et al. Journal of agriculture and food research. J Agric Food Res. 2024;18:101316.
  17. 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.
  18. 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.
  19. 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.
  20. Zhang J, Zhang W. Harnessing digital technologies for rural industrial integration: a pathway to sustainable growth. Systems. 2024;12(12):564.
  21. Vahdanjoo M, Sørensen CG, Nørremark M. Digital transformation of the agri-food system. Curr Opin Food Sci. 2025;63:101287.
  22. Khan N, et al. Potential role of technology innovation in transformation of sustainable food systems: A review. Agriculture. 2021;11(10):984.
  23. 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.
  24. 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.
  25. Dayıoğlu ME, Türker UF. Digital transformation for sustainable future-agriculture 4.0: A review. J Agric Sci (Tarim Bilimleri Derg). 2021;27(4).
  26. DataIntelo. Agriculture Digital Twin Market Report: Global Industry Analysis, Growth, Trends, and Forecast. DataIntelo Research; 2025. Available from: DataIntelo Agriculture Digital Twin Market Report.

Перепечатки и разрешения

Теги

Сельское хозяйство на базе IoTумный поливустойчивое производство продуктов питаниясенсорные сетимониторинг влажности почвыаналитика сельскохозяйственных данныхадаптация к климатууправление ресурсами
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.