Bu çalışma; ürün verimliliğini ve su etkinliğini artırmak için sensör ağları, gerçek zamanlı izleme ve akıllı sulama kullanan IoT Tabanlı Hassas Tarım (IoT-PA) yöntemini tanıtmaktadır. Bu çerçeve, sürdürülebilir tarımı ve Sürdürülebilir Kalkınma Amaçları'ndan SDG 2 (Sıfır Açlık) ile SDG 12'yi (Sorumlu Üretim ve Tüketim) desteklemektedir.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Araştırma makalesi
Tarımsal Gıda Sektöründe Dijital Teknolojilerin Kullanımı: Sürdürülebilir Kalkınma Hedeflerine Ulaşmak İçin IoT Tabanlı Bir Hassas Tarım Çerçevesi
Bu makalede
Özet
Özet
Tarımsal gıda endüstrisi; kaynak kısıtlamalarını, iklim öngörülemezliğini ve sürdürülebilir gıda üretimini çözmek için Nesnelerin İnterneti (IoT), Yapay Zeka (AI), bulut bilişim ve veri analitiği kullanarak hızla dijitalleşmektedir. Katı sulama programları ve sınırlı saha izleme nedeniyle geleneksel tarım su israfına yol açmakta, ürün verimini düşürmekte ve çevreye zarar vermektedir. Bu makaledeki IoT Tabanlı Hassas Tarım (IoT-PA) sistemi; dağıtık sensör ağları, gerçek zamanlı toprak nemi ve hava durumu izleme ile akıllı sulama kontrolü kullanarak tarımsal kaynak kullanımını optimize eder. Önerilen platform çevresel verileri toplar, saha koşullarını analiz eder ve ürün büyümesini maksimize etmek ve su israfını önlemek için otomatik olarak sulama önerir. Çiftçiler, sistemden gelen sürekli izleme ve hızlı bildirimler sayesinde veri odaklı tarımsal kararlar verebilirler. IoT-PA mimarisi, geleneksel tarıma kıyasla sulama verimliliğini, tarımsal verimi ve sürdürülebilir kaynak yönetimini iyileştirir. Daha yüksek tarımsal üretim ile verimli su ve kaynak kullanımı, Birleşmiş Milletler Sürdürülebilir Kalkınma Hedefleri'nden Sürdürülebilir Kalkınma Hedefi (SDG) 2 (Sıfır Açlık) ve SDG 12'yi (Sorumlu Tüketim ve Üretim) desteklemektedir. Önerilen akıllı tarım sistemi ölçeklenebilir ve uygulanabilirdir; sürdürülebilir gıda üretimini ve çevrenin korunmasını teşvik eder.
Giriş
Gıda güvenliği, çevresel sürdürülebilirlik ve ekonomik dayanıklılık, agro-gıda işletmelerine bağlıdır1. Küresel nüfusun 2080'lerin ortalarında yaklaşık 10,3 milyara ulaşacağı öngörüldüğünden, sürdürülebilir gıda üretimine ve verimli kaynak yönetimine olan talep önemli ölçüde artarken, tarım, çevresel etkisini minimize ederek daha az kaynakla daha fazla gıda üretmek üzere adapte olmalıdır2. Basit çiftçilik uygulamaları bu sorunları çözmeyebilir3. İklim değişikliği, toprak bozulması, su kıtlığı ve piyasa dalgalanmaları bunu özellikle belirgin kılmaktadır4. Yenilikçi dijital teknoloji çeşitli ihtiyaçları karşılayabilir ve tarımsal başarıyı Birleşmiş Milletler Sürdürülebilir Kalkınma Hedefleri (UN SDGs) ile ilişkilendirebilir5. Dijital tarım; Yapay Zeka (AI), Nesnelerin İnterneti (IoT), uzaktan algılama ve analitik yöntemleri kullanır6. Bu teknolojiler tarımsal performansı, kaynak girdilerini ve iklimi hassas bir şekilde takip eder7. Doğru karar verme süreçlerini kolaylaştırır ve çiftçiliği geliştirir8. Bunlar arasında kritik bileşenleri canlı olarak izleyen IoT destekli cihazlar yer alır9. Ürün durumu, toprak nemi, sıcaklık ve rutubet gibi10. Hassas tarım, su ve besin maddelerini yalnızca ihtiyaç duyulduğunda kullanarak israfı azaltır ve sürdürülebilirliği artırır11. IoT, agro-gıda değer zincirinin dayanıklılığını ve üretkenliğini artırabilir12. Kontrollü sulama ve sensör tabanlı izleme, ürünlerin talep üzerine sulanmasını sağlayabilir13. Çiftçiler, kalıpları belirlemek, ürün kalitesini ve miktarını artırmak ve böcek istilalarını öngörmek için AI veri analizini kullanırlar14. Bu durum su tasarrufu sağlar ve bitki gelişimini destekler15. Bu gelecek vaat eden gelişmelere rağmen, dijital tarım teknolojisi, özellikle az gelişmiş ülkelerde sınırlıdır16. Düşük dijital okuryazarlık, altyapı kısıtlamaları, yüksek başlangıç yatırımı ve zayıf mevzuat, yaygınlaşmayı engellemektedir17. Dahası, mevcut tarımsal faaliyetlerin çoğunlukla insan girdilerine ve sabit verilere dayanması nedeniyle, ideal kaynak verimliliğine veya çevresel korumaya ulaşmak zorlayıcıdır.
Bu makale, Nesnelerin İnterneti tarafından Yönetilen Hassas Tarım (IoT-PA) için entegre bir Çerçeve sunmaktadır. Bu teknoloji, su kullanımı ve ürün yönetimi verimsizliklerini gidermek amacıyla gerçek zamanlı sensör verilerini otomatik sulama sistemleriyle harmanlamaktadır. Tarımsal dijital dönüşüm için uygun yönlendirmeler sağlayan bu çerçeve; ölçeklenebilir, esnek ve çiftçiler için avantajlı olmalıdır. Ayrıca dijital dönüşüm için fırsatlar sunmaktadır. Toprak ve iklime ilişkin gerçek zamanlı verilere dayanan Hassas Tarım ve Nesnelerin İnterneti çerçevesi, sulama programlarını optimize etmeye, böylece su tasarrufu sağlamaya, ürün sağlığını artırmaya ve nihayetinde gıda verimini yükseltmeye çalışmaktadır.
Gıda mevcudiyetinin artırılması yoluyla sağlanan daha yüksek üretim, Sürdürülebilir Kalkınma Hedefi 2'yi (Sıfır Açlık) gerçekleştirir ve eş zamanlı olarak etkili kaynak kullanımı aracılığıyla Sürdürülebilir Kalkınma Hedefi 12'yi (Sorumlu Tüketim ve Üretim) teşvik eder. Dijital inovasyon, ampirik doğrulama yoluyla agro-gıda sistemlerinde dayanıklılığı ve sürdürülebilirliği artırarak daha sürdürülebilir bir geleceğe yol açabilir.
Gıda ihtiyaçlarını karşılamak ve sürdürülebilirliği sağlamak için küresel tarımın değişmesi gerekmektedir. İklim değişikliği ve sınırlı kaynaklar, verimi artırmak ve çevresel zararları azaltmak için yaratıcı yöntemlere ihtiyaç duymaktadır. Dijital teknolojiler, özellikle IoT tabanlı olanlar, tarımı dönüştürebilir. Bu makale, kârlı ve sürdürülebilir bir tarım için söz konusu teknolojilerin kullanımı üzerinedir.
Geleneksel tarım kaynakları israf etmekte, gerçek zamanlı izleme imkanından yoksun olmakta ve veri odaklı karar verme süreçlerini kısıtlamaktadır. Bu sorunlar su israfına yol açmakta, çevreye zarar vermekte ve tarımsal verimi düşürmektedir. Tarımdaki dijital teknolojiler, özellikle hassas sulama yöntemleri sınırlıdır. IoT, ölçeklendirme ve entegrasyon için gerçek zamanlı verileri ve otomasyonu kullanır. Sistem, üretimi maksimize ederken su tüketimini optimize etmelidir. Son çalışmalar hassas tarımda IoT, yapay zeka (AI) ve veri analitiğinin kullanımını incelemiş olsa da çoğu toprak nemi algılama, otomatik sulama, ürün izleme ve verim tahmini üzerine yoğunlaşmıştır. Bu çözümler genellikle bağımsız olarak çalışmakta ve sürdürülebilir tarımsal yönetim karar verme süreçlerini destekleme yeteneklerini kısıtlamaktadır. Birçok sistemde gerçek zamanlı heterojen çevresel veri entegrasyonu, adaptif sulama yönetimi ve sürdürülebilirlik uyumu eksiktir. Bu araştırma; dağıtık IoT sensörleri, gerçek zamanlı çevresel izleme, akıllı sulama planlaması ve sürekli karar desteği kullanarak bu kısıtlamaları çözen IoT-PA sistemini sunmaktadır. Mevcut tekniklerin aksine bu çerçeve; su tüketimini, tarımsal üretimi, kaynak israfını ve Sürdürülebilir Kalkınma Amaçları'ndan SDG 2 (Sıfır Açlık) ile SDG 12'yi (Sorumlu Tüketim ve Üretim) optimize eder. IoT-PA'nın çığır açan ölçeklenebilir algılama, iletişim, analitik ve sürdürülebilirlik odaklı kaynak yönetimi; veri odaklı, operasyonel açıdan verimli ve çevresel olarak sürdürülebilir tarımsal karar vermeye olanak tanır. Bu proje; gerçek zamanlı çevresel izleme, bulut tabanlı veri depolama ve otomatik sulama planlaması ile hassas tarımı destekleyen bir IoT-PA çerçevesi oluşturmayı ve değerlendirmeyi amaçlamaktadır. Önerilen çerçeve, sulama kararlarını gerçek zamanlı olarak optimize etmek için toprak nemini, hava sıcaklığını, bağıl nemi, yağış miktarını ve ışık yoğunluğunu sürekli olarak izlemek amacıyla IoT destekli sensörler kullanır. Çalışma ayrıca, önerilen çerçevenin performansını; su kullanım verimliliği, ürün verimi artışı, sulama yanıt süresi, sistem verimliliği, iletişim güvenilirliği ve enerji tüketimi dahil olmak üzere kantitatif metrikler kullanarak geleneksel sulama uygulamalarıyla karşılaştırarak değerlendirmeyi hedeflemektedir. Ek olarak çalışma, IoT teknolojilerinin entegrasyonunun kaynak kullanımını nasıl iyileştirebileceğini, gereksiz su tüketimini nasıl azaltabileceğini ve sürdürülebilir tarımsal kaynak yönetimi aracılığıyla Sürdürülebilir Kalkınma Amaçları'ndan SDG 2 (Sıfır Açlık) ve SDG 12'ye (Sorumlu Tüketim ve Üretim) katkıda bulunurken tarımsal üretkenliği nasıl artırabileceğini göstermeyi amaçlamaktadır.
Entegre dijital tarım ve gıda sistemleri çerçevesi (IDAFS)
Bu çalışma; pandemiler, eşitsizlikler, iklim değişikliği ve toplu küresel gıda kıtlığı dönemlerinde dijital teknolojilerin tarımsal dayanıklılığı nasıl artırdığını incelemektedir18. Verimliliği artırmanın, atıkları %5 oranında azaltmanın ve harcamaları %23 oranında tasarruf etmenin yolları olarak yapay zeka, büyük veri ve hassas tarım üzerinde duran çalışma, aynı zamanda çeşitli konuları ele almaktadır. Makale, 2030 Sürdürülebilir Kalkınma Amaçları'nı gerçekleştirmek için dijital dönüşümü teşvik etmekte; sürdürülebilir ve verimli gıda sistemleri için blokzincir ve kişiselleştirilmiş beslenme gibi gelecek trendlerin altını çizmektedir.
Dijital-Sürdürülebilir Kalkınma Amaçları (SDG) etki analiz modeli (DSIAM)
Bu çalışma, Dijital Ekonomi ve Toplum Endeksi'nden (DESI) alınan verileri kullanarak, dijital dönüşüm aracılığıyla gıda güvenliği ile bağlantılı Sürdürülebilir Kalkınma Amaçlarının (SKA) gerçekleştirilmesini incelemektedir. Dijital bağlantı, beceriler ve kamu hizmetlerinin SKA1, SKA2, SKA3 ve SKA1019 üzerindeki etkilerini analiz eden çalışma, AB verileri (2017–2022) genelinde yapısal eşitlik modellemesi ve küme analizi kullanmaktadır. Çalışma, dijitalleşmenin yoksulluğu azaltmak, eşitliği ilerletmek ve sağlığı iyileştirmek için ne kadar kritik olduğunu göstermektedir.
Dijital köy entegrasyonu ve canlandırma çerçevesi (DVIRF)
Otuz Çin eyaletinden elde edilen panel verileri (2013–2023), bu makalenin kırsal dijitalleşmenin entegre kırsal endüstriyel gelişimi nasıl desteklediğini deneysel olarak incelemesine olanak tanımaktadır20. Çalışma, iki aşamalı bir makine öğrenimi tekniği kullanarak dijital dönüşüm için hem doğrudan (dijital hizmetler, altyapı) hem de dolaylı (faktör yeniden tahsisi, yapısal değişim) yollar tespit etmektedir. Özellikle, Doğu ve tahıl üreten bölgeler daha belirgin bir etkiye sahiptir. Makale, dijital toplulukları teşvik etmek ve kırsal yeniden yapılandırma finansmanını maksimize etmek için yasal düzenlemeler önermektedir.
Döngüsel tarım-gıda sistemi dönüşüm modeli (CAFSTM)
Dijital dönüşüm; çevresel farkındalık, birlikte çalışabilirlik ve kullanıcı odaklı tasarım ile tarım-gıda sektörünü dönüştürerek21 verimliliği ve iş modellerini artırmaktadır. Kişiselleştirilmiş gıdalar ve döngüsel tarım-gıda sistemleri, geri bildirim döngülerini kullanarak israfı azaltır. Veri gizliliği ve birlikte çalışabilirliğin ele alındığı rapor, sürdürülebilir dijital çiftlik sistemleri için teknolojik, yönetişimsel ve ekolojik bir yaklaşım sunmaktadır.
Sürdürülebilir gıda sistemleri inovasyon çerçevesi (SFSIF)
Sürdürülebilir tarım; yapay zeka, IoT, robotik ve gen düzenlemeden faydalanmaktadır. Politik, tutumsal, finansal ve güven oluşturmaya yönelik eylemler inovasyonu teşvik eder22. Atık yönetimi, gıda işleme ve arazi kullanımına bağlı olarak, dijital teknoloji ve hükümet yardımları; tarımsal gıda sisteminin sürdürülebilirliğini, dayanıklılığını ve beslenme güvenliğini artırabilir.
Tarımsal işleme değer zinciri geliştirme modeli (APVCEM)
Bu makale, değer zincirlerinin ve tarımsal işlemenin tarımı küresel ve rekabetçi hale getirdiğini öne sürmektedir. Toplulukleme tarımı ve tedarik zincirleri övülmektedir23. Hindistan'daki güçlü değer zincirleri gıda arzını ve ticareti artırmaktadır. Küresel ekonomi ve kırsal topluluklar bu ağlardan fayda sağlamaktadır.
Dijital Sürdürülebilirlik Etki Çerçevesi (DSIF)
Dijital teknolojiler; tarımsal çıktı, kirlilik, belediye atıkları ve SDG 12 üzerinden gıda sürdürülebilirliğini olumsuz etkilemektedir. Yapısal eşitlik modellemesine göre24 dijital teknoloji; belediye çöplerini, sera gazı emisyonlarını ve tüketici davranışlarını minimize edebilir. Dijitalleşme tedarik zinciri sürdürülebilirliğini artırmakta ancak çalışmalar sorumlu tüketimi engellediğini göstermektedir; bu nedenle dengeli bir uygulama gereklidir.
Tarım 4.0 geçiş çerçevesi (A4TF)
Tarım 4.0; akıllı, veri odaklı ve hassas tarım uygulamalarını mümkün kılmak için Nesnelerin İnterneti (IoT), yapay zeka (AI), bulut bilişim, robotik, büyük veri analitiği ve otomasyonun entegrasyonunu ifade eder. Bu makalede, Tarım 4.0 kullanılarak gerçekleştirilen dijital tarım dönüşümü ana hatlarıyla açıklanmıştır. IoT, AI, dronlar, blokzincir ve yenilenebilir enerjiyi ele alıyoruz25. Agrivoltaik sistemleri, akıllı sulama ve gerçek zamanlı hayvan izleme konularını inceliyoruz. Araştırmaya göre, dijital dönüşüm; iklim, su ve gıda sorunlarının çözümünde sürdürülebilir gıda üretimini, kaynak verimliliğini ve çevresel korumayı geliştirmektedir.
Mevcut çalışmalar; IoT, yapay zeka, bulut bilişim ve dijital teknolojilerin tarımsal verimliliği ve sürdürülebilirliği artırma potansiyelini ortaya koymuştur18,19,20. Çalışmaların çoğu, dijital tarımın kavramsal değerlendirmelerine18, politika ve ekonomi odaklı dijital dönüşüme19 veya saha düzeyinde hassas tarım teknolojileri içermeyen kırsal dijital gelişime20 odaklanmaktadır. Bu nedenle, gerçek zamanlı algılama, bulut tabanlı analizler, otomatik sulama ve karar desteğinin birleştirilmesi konusu çok az ilgi görmüştür. Birçok teknik, tekrarlanabilir uygulama yöntemlerinden ve kapsamlı kaynak optimizasyon mekanizmalarından yoksundur. Önerilen IoT Destekli Hassas Tarım (IoT-PA) çerçevesi; SDG 2 ve SDG 12 hedeflerini desteklerken su kullanımını, ürün verimliliğini ve sürdürülebilir tarımsal kaynak yönetimini iyileştirmek amacıyla IoT algılamayı, bulut bilişimi, gerçek zamanlı çevresel izlemeyi ve akıllı sulama yönetimini tek bir mimaride entegre etmektedir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Protokol
Dijital teknolojiler sayesinde agro-gıda, sürdürülebilir ve veri odaklı bir ekosisteme dönüşmektedir. IoT, yapay zeka ve blok zinciri; tedarik zinciri şeffaflığını, gıda güvenliğini ve verimliliği artırmaktadır. Hassas Tarım, Akıllı Tarım ve Pandemi Sonrası Dayanıklılık; başta Sıfır Açlık, İklim Eylemi ile Sorumlu Tüketim ve Üretim olmak üzere Sürdürülebilir Kalkınma Hedeflerini desteklemektedir.
IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesi; bir ESP32 mikrodenetleyici, toprak nemi, hava sıcaklığı, bağıl nem (DHT22), yağış ve ışık şiddeti (BH1750) sensörleri, bir IoT ağ geçidi, bir bulut veri tabanı ve otomatik bir sulama kontrolörü içeriyordu. Temsili saha verileri sağlamak amacıyla, toprak nemi sensörleri ürün kök bölgesinde 15–20 cm derinliğe, çevresel sensörler ise yerden 2 m yukarıya yerleştirildi. Dağıtımdan önce, yalnızca ölçüm hataları ±2% dahilinde olan sensörler, üretici gerekliliklerine göre kalibre edilerek testler için kullanıldı. Çevresel verilerin ESP32 kontrolöründen bulut platformuna her 10 dk'da bir iletilmesi için Wi-Fi (802.1 b/g/n) veya LoRaWAN (915 MHz) kullanıldı. Deneyde çerçeve; toprak nemini (%), hava sıcaklığını (°C), bağıl nemi (%), yağışı (mm) ve ışık şiddetini (lux) kaydetti. Veriler Min-Max normalizasyonu ile standartlaştırılmadan önce, sensör gözlemleri her 10 dk'da bir bulut veri tabanına yüklendi; yinelenen ve eksik değerler kaldırıldı. IoT-PA karar mekanizması, sulama kararını vermek için sensör verilerini kullandı. Toprak nemi %35 hacimsel su içeriğinin altına düştüğünde, su stresini ve aşırı sulamayı önlemek için sulama otomatik olarak başlatıldı ve %45'te durduruldu. Hava tahmini 12 sa içinde 5 mm'den fazla yağış öngördüğünde, suyu korumak amacıyla sulama durduruldu. Çerçeve, benzer saha koşulları altında 90 günlük ürün gelişimi boyunca sürekli çalıştırıldı. Her sulama döngüsü; sulama süresini, toplam su tüketimini, iletişim gecikmesini, sensör durumunu ve sistem enerji kullanımını her 30 dk'da bir bulut veri tabanına kaydetti. Çiftçiler, her karar döngüsünden sonra mobil bir uygulama aracılığıyla gerçek zamanlı sulama talimatları ve saha durumu güncellemeleri aldı. Tekrarlanabilirliği doğrulamak için deney, aynı sistem ve operasyonel koşullar kullanılarak üç kez tekrarlandı.
Deney, domates ekili bir sahada gerçekleştirilmiştir. 20 m x 20 m (40 m2) boyutlarındaki deney parseli, pH değeri 6.7–7.0 olan tınlı toprağa sahipti. ESP32 tabanlı IoT izleme sistemi; 15–20 cm derinliğe yerleştirilmiş kapasitif toprak nemi sensörleri ile yerden 2 m yüksekliğe sabitlenmiş DHT22 sıcaklık-nem, BH1750 ışık şiddeti ve yağış sensörlerinden oluşmaktadır. Damlatıcılar arası 30 cm ve lateral borular arası 1 m mesafe olacak şekilde bir damla sulama ağı kurulmuştur. Bulut platformu, MQTT üzerinden iletilen sensör okumalarını her 10 dakikada bir almıştır. 90 gün sonunda ürün verimi, hasat edilen domateslerin toplam taze ağırlığı (parsel başına kg) olarak belirlenmiştir.
Veri Kaynağı Açıklaması: Önerilen IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesi, Protokol bölümünde açıklanan koşullar altında 90 günlük bir saha deneyi ile uygulanmış ve değerlendirilmiştir. Tarım Dijital İkizi Pazar Raporu (DataIntelo), yalnızca arka plan bilgisi ve çerçeve geliştirme için destekleyici bir referans olarak kullanılmıştır. Sonuçlar bölümünde sunulan tüm raporlanmış performans metrikleri, DataIntelo pazar raporundan değil, önerilen IoT-PA çerçevesinin deneysel değerlendirmesinden elde edilmiştir.
Katkı 1: IoT destekli bir hassas tarım (IoT-PA) çerçevesi önerilmiştir
Gerçek zamanlı meteorolojik ve toprak verilerine dayalı bir sulama otomasyon sistemi tanıtılmıştır. Dijital gelişmeler, tarımsal gıda büyümesini artırmaktadır (Şekil 1). İlk olarak IoT, yapay zeka ve drone destekli hassas tarım, ardından veri odaklı karar verme ve kaynak verimliliği gelmektedir. Dijital devrim; gıda izlenebilirliğini, tedarik zincirini ve pazara erişimi geliştirmektedir. Bu teknolojiler çiftçileri güçlendirmekte, gıda güvenliğini sağlamakta ve kapsayıcı kalkınmayı teşvik etmektedir. IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesi; gerçek zamanlı çevresel izlemeyi, bulut tabanlı analizleri ve otomatik sulamayı entegre ederek sürdürülebilir kaynak kullanımını ve iklime dayanıklı akıllı tarımı desteklemektedir. Bu durum, Sürdürülebilir Kalkınma Amaçları (SDG) 2 (Sıfır Açlık), 12 (Sorumlu Üretim ve Tüketim) ve 13 (İklim Eylemi) hedeflerini destekler.
Denklem (1)'de S(t) belirtilen zamandaki toplanan çevresel verileri temsil eder Lütfen çevirmemi istediğiniz metni girin., M(t) toprak nemini (%) ifade eder, T(t) hava sıcaklığı (°C), H(t) bağıl nem (%RH), R(t) yağış miktarıdır (mm) ve L(t) ışık şiddetidir (lux). Denklem (1), IoT sensör ağı tarafından sürekli olarak elde edilen ve izleme ve karar verme süreçleri için bulut platformuna iletilen gerçek zamanlı çevresel parametreler setini tanımlar.
Denklem (2)'de gösterildiği üzere, burada I(t)) sulama kontrol sinyalini temsil eder, M(t) ölçülen toprak nemi ve M'dirth önceden tanımlanmış sulama eşiğini (%35 hacimsel su içeriği) ifade eder. Ölçülen toprak nemi bu eşiğin altına düştüğünde, IoT-PA kontrolörü sulama pompasını otomatik olarak çalıştırır 
aksi takdirde, irrigasyon hareketsiz kalır 
Toprak nemi %45 hedef seviyeye ulaştığında sulama otomatik olarak sonlandırılır; böylece su kullanım verimliliği artırılır ve aşırı sulama önlenir.
Şekil 2'de görüldüğü gibi, dijital teknolojiler sayesinde tarım, veri odaklı ve sürdürülebilir hale gelmektedir. Kameralar ve robotlar ürün kalitesini ve girdi verimliliğini artırırken, sensörler konum ve sıcaklığı tespit eder. Bir veri yönetim sistemi, merkezi bir mikrodenetleyiciden sıcaklık ve nem verilerini alır. Sunucu, gerçek zamanlı tarımsal izleme ve karar verme verilerini toplar. Çiftçiler bölgesel dilli telefonları kullanır. Çevresel koşulların izlenmesi, sulama kararlarının optimize edilmesi, su israfının minimize edilmesi ve SDG 2 (Sıfır Açlık), SDG 12 (Sorumlu Tüketim ve Üretim) ve SDG 13 (İklim Eylemi) ile uyumlu sürdürülebilir tarım uygulamalarının desteklenmesi yoluyla, kapalı döngü kontrol tarımsal verimliliği artır.
Denklem (3)'ten çıkarıldığı üzere, burada L(t) belirli bir zamandaki toplulaştırılmış çevresel izleme verilerini temsil eder Lütfen çevirmek istediğiniz metni giriniz., Si(t) ...dan elde edilen ölçümü ifade eder ith IoT sensörü ve N dağıtılan sensörlerin toplam sayısıdır. Denklem (3), sensör dalgalanmalarını minimize ederken sulama karar verme sürecine yardımcı olmak amacıyla çok sayıda sensörden gelen ortalama çevresel durumu hesaplar.
![Beta bozunumu denklemi β(t)=[L(t)-Mth]/Mth, teorik analizdeki matematiksel formül.](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
Denklem (4)'te görüldüğü üzere, burada β(t) normalize edilmiş sulama karar indeksini, L(t) Denklem (3)'ten elde edilen toplam toprak nem ölçümünü ve Mth önceden tanımlanmış toprak nem eşiğini (%35 hacimsel su içeriği) temsil etmektedir. β(t) değerinin negatif olması, toprak neminin yetersiz olduğunu gösterir ve sulamayı tetikler; buna karşılık, negatif olmayan bir değer, toprak neminin eşik değerde veya üzerinde olduğunu ve sulamanın pasif kalacağını gösterir.
Katkı 2: Ampirik sonuçlar aracılığıyla pratik faydalar kanıtlanmıştır.
Bu çalışma, çerçevenin uygulanabilirliğini kanıtlamış ve su kullanımını önemli ölçüde azaltırken tarımsal üretimi artırmıştır.
Şekil 3 IoT destekli hassas tarımın, kaynak israfı ve düşük tarımsal verimlilik sorunlarını nasıl ele aldığını göstermektedir. İlk olarak, kaynak israfı ve düşük tarımsal verimlilik ele alınmaktadır. IoT, yapay zeka ve gerçek zamanlı veri analitiği; akıllı karar verme, otomatik sulama ve sensör tabanlı izleme imkanları sağlamaktadır. Bu geliştirmeler, ürün sağlığını ve su kullanımını iyileştirmektedir. Önerilen IoT Güdümlü Hassas Tarım (IoT-PA) çerçevesi; su tüketimini minimize ederken tarımsal verimliliği artırmak için gerçek zamanlı çevresel izleme, otomatik sulama kontrolü ve verimli kaynak yönetimini entegre ederek Sürdürülebilir Kalkınma Hedefi (SDG) 2 (Sıfır Açlık) ve SDG 12'yi (Sorumlu Tüketim ve Üretim) desteklemektedir.
nerede 
t anındaki bileşik çevresel izleme indeksini ifade eder t, M(t) toprak nemidir (%), T(t) hava sıcaklığı (°C), H(t)) bağıl nemdir (%RH), R(t) yağış miktarıdır (mm) ve L(t) ışık şiddetidir (lüks). Denklem (5), normalize edilmiş çevresel parametreleri, IoT-PA çerçevesi tarafından kullanılan genel saha durumunu temsil eden tek bir izleme indeksinde birleştirir.
nerede G(t) izleme aralıklarından veya algılama düğümlerinden elde edilen toplulaştırılmış çevresel durumu temsil eder ve 
kompozit çevresel izleme indeksi, (5) numaralı denklem kullanılarak şu şekilde hesaplanır: kth gözlem. Denklem (6), alan durumunu tahmin etmek için birkaç ölçümün ortalamasını alarak ölçüm dalgalanmalarını ortadan kaldırır ve otomatik sulama programlaması için güvenilir bir girdi sağlar.
Şekil 4, buhardan dijitale kadar her bir sanayi devriminin küresel endüstriyi nasıl etkilediğini göstermektedir. Son olarak, Yapay Zeka, blokzincir ve hassas tarım, Endüstri 4.0 kapsamında agro-gıda sektörünü değiştirmektedir. Bu bulgular; tarımı, kaynak verimliliğini ve sürdürülebilirliği artırmaktadır. Önerilen IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesi; dijital algılama, bulut tabanlı analizler ve otomatik sulamanın, SDG 2 (Sıfır Açlık) ve SDG 12 (Sorumlu Tüketim ve Üretim) hedeflerini desteklemek amacıyla tarımsal üretkenliği ve kaynak kullanımını nasıl geliştirdiğini ortaya koymaktadır.
burada V(t), t zamanındaki genel saha durumunu; Gi(t), incil algılama düğümünden elde edilen çevresel izleme indeksini ve N ise konuşlandırılan toplam IoT sensör düğümü sayısını ifade eder. Denklem (7), tüm algılama noktalarından gelen ölçümleri birleştirerek ortalama saha durumunu tahmin eder ve böylece sulama kararlarının güvenilirliğini artır.
burada αeq sulama programlaması için kullanılan eşdeğer karar indeksini ifade eder, V(t)) Denklem (7)'den elde edilen toplam çevresel koşuldur, M(t)) ölçülen toprak nemidir ve 
genel saha durumu ile güncel toprak nemi ölçümünün etkisini dengeleyen bir ağırlıklandırma katsayısıdır. Denklem (8), IoT-PA çerçevesinin otomatik sulamayı ve verimli su kaynağı yönetimini desteklemek için kullandığı nihai karar indeksini hesaplar.
Katkı 3: Sürdürülebilir Tarım Gündemini İlerletti
Sürdürülebilir Kalkınma Amaçları (SDG) 2 ve 12 uyarınca, tarımsal gıda güvenliğini ve kaynak verimliliğini artırmak için dijital dönüşüme olanak sağladı.
Şekil 5, dijital tarımsal gıda sistemi geçişi yoluyla pandemi sonrası dayanıklılığı ve sürdürülebilir kalkınmayı göstermektedir. Kaynakları maksimize etmek için IoT destekli tarımda sensörler geleneksel cihazların yerini alır. Blokzincir ve otomasyon; güvenli, açık gıda teslimatını mümkün kılar; yapay zeka ise verimli ve hijyenik üretim ve işleme sağlar. Gıda güvenliği uyarıları ve gerçek zamanlı izleme tüketicilere yardımcı olur. Döngüler; küresel gıda güvenliğini, sağlığı ve verimliliği artır. Tutarlı bir dijital tarım yaklaşımı; ürün verimliliğini, su kullanımını ve sürdürülebilir tarım uygulamalarını geliştirmek için gerçek zamanlı algılama, bulut bilişim ve otomatik sulama kullanarak Sürdürülebilir Kalkınma Hedefleri (SDG'ler) 2 (Sıfır Açlık), 3 (Sağlık ve Kaliteli Yaşam) ve 12 (Sorumlu Üretim ve Tüketim)'yi destekler.
nerede R(t) t zamanındaki sulama gereksinimi indeksini ifade eder t, Mi(t) tarafından ölçülen toprak nemidir ith sensör düğümü, Mth önceden tanımlanmış toprak nem eşiğidir ve N algılama düğümlerinin toplam sayısıdır. Denklem (9), hedeflenen eşikten itibaren ortalama toprak nemi değişimini tahmin ederek izlenen alanın sulama ihtiyacını hesaplar.
nerede 
akıllı sulama kontrol indeksini temsil eder, R(Bu metin henüz sağlanmadı. Lütfen çevrilmesini istediğiniz İngilizce metni gönderin.) Denklem (9)'dan elde edilen sulama gereksinimi indeksidir, V(t) Denklem (7)'den elde edilen toplulaştırılmış çevresel izleme indeksidir ve 
bir ağırlıklandırma katsayısıdır. Önerilen IoT-PA sistemindeki otomatik sulama çizelgelemesi için nihai kontrol değeri, Denklem (10) kullanılarak sulama talebi ve çevresel koşullardan hesaplanır.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
IoT-PA mimari performans metrikleri arasında su tüketimi, tarımsal verim, sistem verimliliği, sürdürülebilir kaynak optimizasyonu ve SDG katkısı yer almaktadır. Akıllı teknolojik seçimler, tarımsal üretimi, sürdürülebilirliği ve kaynak yönetimini geliştirmektedir.
Veri Kümesi Açıklaması: Önerilen çerçevenin geliştirilmesini ve bağlamsallaştırılmasını desteklemek amacıyla arka plan bilgisi olarak DataIntelo tarafından hazırlanan Agriculture Digital Twin Market Report
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Tartışma
IoT-PA ile dijital tarım, mevcut sorunları çözebilir. Bu makale; kaynak ekonomileri ve tarımsal üretim için gerçek zamanlı izleme, sensör tabanlı sulama ve veri odaklı karar verme mekanizmaları önermektedir. Nesnelerin İnterneti'nin kullanımıyla su tüketimi %24,62 oranında düşmüş ve tarımsal verim %95,13 oranında artarak teknolojinin devrim niteliğindeki sürdürülebilirlik potansiyelini ortaya koymuştur. %93,85'lik sistem verimliliği ile SDG 2 (Sıfır Açlık) ve SDG 12 (Sorumlu Tüketim ve Üretim) hedeflerine ulaşılmıştır. S...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Açıklamalar
Yazarların herhangi bir çıkar çatışması yoktur.
Teşekkürler
Bu araştırma; kamu, ticari veya kâr amacı gütmeyen sektörlerdeki herhangi bir finansman kuruluşundan özel bir hibe almamıştır.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| Arduino IDE | Arduino | Versiyon 2.x https://www.arduino.cc/en/software | Entegre Geliştirme Ortamı, ESP32 aygıt yazılımı geliştirme |
| Kapasitif Toprak Nem Sensörü | DFRobot | SEN0193 | Volumetrik toprak nemini ölçer; Çalışma voltajı 3.3–5,5 V |
| Bulut Nesnelerin İnterneti (IoT) Platformu | Amazon Web Services | AWS IoT Core AWS IoT Core, cihazların bulut üzerinden birbirleriyle ve AWS uygulamalarıyla güvenli bir şekilde bağlanmasını ve etkileşim kurmasını sağlayan, tamamen yönetilen bir bulut hizmetidir. AWS IoT Core'un temel özellikleri şunlardır: **Güvenli Cihaz Bağlantısı ve Yönetimi** AWS IoT Core, cihazların buluta güvenli bir şekilde bağlanması için karşılıklı TLS (mTLS) kimlik doğrulaması kullanan gelişmiş güvenlik özelliklerine sahiptir. Cihaz gölge (device shadow) özelliği sayesinde, cihazlar çevrimdışı olsa bile durumları takip edilebilir ve kontrol edilebilir. **Ölçeklenebilir Mesajlaşma** IoT Core, hafif bir mesajlaşma protokolü olan MQTT'yi destekleyerek milyonlarca cihazın düşük bant genişliği ve düşük güç tüketimiyle veri iletmesini sağlar. Ayrıca HTTP ve WebSockets protokollerini de destekler. **Veri Yönlendirme ve İşleme** IoT Kuralları Motoru (IoT Rules Engine), cihazlardan gelen verileri gerçek zamanlı olarak filtrelemesine ve bu verileri Amazon S3, Amazon DynamoDB veya AWS Lambda gibi diğer AWS hizmetlerine yönlendirmesine olanak tanır. **Kullanım Alanları** * **Endüstriyel IoT (IIoT):** Fabrika otomasyonu, kestirimci bakım ve varlık izleme. * **Akıllı Ev ve Şehirler:** Akıllı aydınlatma, enerji yönetimi ve trafik kontrol sistemleri. * **Sağlık Hizmetleri:** Uzaktan hasta izleme ve tıbbi cihaz veri yönetimi. * **Lojistik ve Tedarik Zinciri:** Filo takibi ve soğuk zincir izleme. AWS IoT Core, altyapı yönetimi yükünü ortadan kaldırarak geliştiricilerin cihaz yönetimi, veri toplama ve analiz süreçlerine odaklanmasını sağlar. | Veri depolama, görselleştirme ve uzaktan izleme için bulut tabanlı IoT platformu |
| DC Güç Kaynağı | Mean Well | / | Kontrolcüye ve pompaya güç sağlar; 12 V DC regüle çıkış, Model: LRS-50-12 |
| DC Su Pompası | Ticari olarak mevcut | / | Otomatik sulama; 12 V DC Pompa |
| Dijital Işık Şiddeti Sensörü | Rohm Semiconductor | BH1750FVI | Ortam ışık şiddetini ölçer; 1–65535 lüks |
| ESP32 Geliştirme Kartı | Espressif Systems | ESP32-DEVKITC-32D | Çift çekirdekli 240 MHz MCU, Wi-Fi/Bluetooth; sensör veri toplama ve sulama kontrolü için ana denetleyici |
| Microsoft Excel | Microsoft Corporation | Microsoft 365 https://www.microsoft.com/microsoft-365/excel | Veri organizasyonu ve görselleştirme için hesap çizelgesi yazılımı |
| MQTT Broker | Eclipse Vakfı | Mosquitto v2.x https://mosquitto.org | IoT mesaj iletişimi; MQTT protokolü |
| Python | Python Software Foundation | Sürüm 3.x https://www.python.org | Veri ön işleme ve istatistiksel analiz için programlama dili |
| Yağmur Sensörü Modülü | DFRobot | / | Analog/Dijital çıkış; Yağış olaylarını tespit eder; Model: SEN0308 |
| Tek Kanallı Röle Modülü | Songle | SRD-05VDC-SL-C | Sulama pompasını AÇIK/KAPALI konuma getirir; 5 V röle |
| Sıcaklık ve Nem Sensörü | Adafruit Industries | DHT22 (AM2302) | Çevresel izleme; Sıcaklık ±0.5 °CNem ±%2 bağıl nem |
| Web Tarayıcısı | Google LLC | Google Chrome (en son kararlı sürüm) https://www.google.com/chrome | AWS IoT panosuna erişim |
| Wi-Fi Yönlendirici | TP-Link Teknolojileri | / | ESP32 ve bulut arasında kablosuz iletişim; IEEE 802.11 b/g/n/ac; Model: Archer C6 |
Kaynaklar
- 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.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.