Tarımsal Gıda Sektöründe Dijital Teknolojilerin Kullanımı: Sürdürülebilir Kalkınma Hedeflerine Ulaşmak İçin IoT Tabanlı Bir Hassas Tarım Çerçevesi

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

doi:10.3791/73067

Araştırma makalesi

Tarımsal Gıda Sektöründe Dijital Teknolojilerin Kullanımı: Sürdürülebilir Kalkınma Hedeflerine Ulaşmak İçin IoT Tabanlı Bir Hassas Tarım Çerçevesi

26 görüntülenme

⸱

DOI:

10.3791/73067

⸱

25 Ağustos 2026

T.G. Sakthivel¹ , R. Ashok¹ , Arun M¹ , A.P. Senthil Kumar²

¹Department of Mechanical Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences (SIMATS), ²School of Social Work, College of Social Sciences and Humanities, Jigjiga University

Bu makalede

Özet

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.

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.

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.

Dinamik analiz için statik denge denklemi S(t)={M(t),T(t),H(t),R(t),L(t)}.

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.

Boolean fonksiyon denklemi, I(t), koşullu analiz, matematiksel ifade.

Denklem (2)'de gösterildiği üzere, burada I(t)) sulama kontrol sinyalini temsil eder, M(t) ölçülen toprak nemi ve M'dir_th 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 Matematiksel ifade I(t)=1, zamana bağlı süreçler için dinamik denklem kavramı. aksi takdirde, irrigasyon hareketsiz kalır Dinamik denge; I(t)=0; denklem; fizik; zamana bağlı analiz; kararlılık koşulu. 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.

Ortalama fonksiyonu L(t) için matematiksel formül, Si(t) toplamı, istatistiksel analiz denklemi.

Denklem (3)'ten çıkarıldığı üzere, burada L(t) belirli bir zamandaki toplulaştırılmış çevresel izleme verilerini temsil eder Lütfen çevirmek istediğiniz metni giriniz., S_i(t) ...dan elde edilen ölçümü ifade eder i^th 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.

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 M_th 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.

Matematiksel analizde ortalama hesaplama formülünün denklemi; v1(t)=(M+T+H+R+L)/5 formülü.

nerede Statik denge formülü, v₁(t) denklemi, fizik çalışması için diyagram. 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.

Seri toplamı içeren ortalama fonksiyonu G(t) denklemi; eğitici matematik denklemi.

nerede G(t) izleme aralıklarından veya algılama düğümlerinden elde edilen toplulaştırılmış çevresel durumu temsil eder ve v(t) matematiksel fonksiyon formülü, zamana bağlı analiz, eğitimsel kullanım kompozit çevresel izleme indeksi, (5) numaralı denklem kullanılarak şu şekilde hesaplanır: k^th 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.

Ortalama sürecini gösteren denklem V(t)=1/N∑Gi(t); sinyal işleme analizi formülü.

burada V(t), t zamanındaki genel saha durumunu; G_i(t), i^ncil 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.

Statik denge denklemi: α_eq = λV(t) + (1-λ)M(t), araştırma analizi için matematiksel ifade.

burada α_eq 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 Statik denge; λ denklemi (0 ≤ λ ≤ 1); matematiksel analiz formülü; araştırma yöntemi. 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.

Toplam formülü kullanılarak hata ölçümü, R(t), için denklem; matematiksel analiz.

nerede R(t) t zamanındaki sulama gereksinimi indeksini ifade eder t, M_i(t) tarafından ölçülen toprak nemidir i^th sensör düğümü, M^th 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.

Dinamik yanıt denklemi, ν_sh(t)=ηR(t)+(1−η)V(t); matematiksel formül.

nerede $Fizik denklemi $v_{sh}(t)$, formül parçası, hız-zaman ilişkisi, matematiksel ifade.$ 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 Dinamik viskozite denklemi η(0 ≤ η ≤ 1), formül betimlemesi, akışkanlar mekaniği ilkeleri. bir ağırlıklandırma katsayısıdır. Önerilen IoT-PA sistemindeki otomatik sulama çizelgelemesi için nihai kontrol değeri, Denklem (10) kullanılarak sulama talebi ve çevresel koşullardan hesaplanır.

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 Report²⁶ kullanılmıştır. Çalışma, 2025 yılını temel yıl ve 2026–2034 arasını tahmin dönemi olarak alarak, 2019–2034 yılları arasındaki dünya genelindeki tarımsal dijital ikiz piyasası istatistiklerini kapsamaktadır. 260 sayfalık yapılandırılmış piyasa istihbaratı veri kümesi; piyasa büyüklüğü, bileşik yıllık büyüme oranı (CAGR), bölgesel piyasa dağılımı, bileşen segmentasyonu (yazılım, donanım ve hizmetler), uygulama alanları (ürün izleme, hayvancılık izleme, hassas tarım, akıllı seralar ve diğerleri), kurulum modları (bulut ve yerinde), çiftlik büyüklüğü kategorileri ile IoT, AI, Big Data ve Blockchain dahil olmak üzere teknoloji benimseme süreçlerine ilişkin nicel verileri içermektedir. Elde edilen sayısal veriler eksiklik ve tutarlılık açısından incelenmiş ve analiz öncesinde sürekli değişkenler Min–Max normalizasyonu kullanılarak normalize edilmiştir.

Deneysel birim, IoT destekli bir ürün parseli olarak belirlenmiş ve benzer operasyonel koşullar altında 90 gün boyunca üç ayrı deney (n = 3) yürütülmüştür. Sensör ölçümleri, MQTT kullanılarak her 10 dakikada bir bulut platformuna gönderilmiştir. Kantitatif veriler ortalama ± SD olarak sunulmuştur. Önerilen IoT-PA çerçevesinin standart zaman tabanlı sulama sistemi ile karşılaştırılarak istatistiksel anlamlılığı, p < 0.05 değerinin anlamlı olduğu kabul edilerek eşleşmiş Student's t-testi ile ölçülmüştür. Performans ölçümlerinin güvenilirliği, %95 güven aralıkları (CI) hesaplanarak değerlendirilmiştir. Kapasitif toprak nemi, DHT2 sıcaklık-nem, BH1750 ışık şiddeti ve yağış sensörlerine sahip ESP32 tabanlı bir IoT platformu ile IoT Güdümlü Hassas Tarım (IoT-PA) paradigması doğrulanmıştır. Çevresel ölçümler, MQTT aracılığıyla sürekli olarak AWS IoT Core'a gönderilmiştir. Benzer iklimsel koşullarda, önerilen çerçeve zaman tabanlı bir sulama sistemiyle karşılaştırılmıştır. Su kullanımı, tarımsal üretim, sistem verimliliği, sürdürülebilir kaynak optimizasyonu ve SDG uyumu değerlendirilmiştir.

Su kullanımının analizi

Şekil 6 sürekli toprak nemi izlemesinin ve otomatik sulama yönetiminin, önerilen IoT Tabanlı Hassas Tarım (IoT-PA) mimarisinde su kullanımını %24,62 oranında azalttığını göstermektedir. Gerçek zamanlı algılama, gereksiz sulamayı azaltmış, su kullanım etkinliğini artırmış ve sürdürülebilir tarımsal verimliliği desteklemiştir.

Statik denge; v_c(t)=(W_conv-W_IoT)/W_conv×10 formülü; matematiksel analiz.

nerede Elektrik devresi analizi, formül, vc(t), zamana bağlı voltaj, mühendislik denklemi, diyagram. ...zamanındaki su tasarrufu yüzdesini ifade eder Lütfen çevirmemi istediğiniz İngilizce metni paylaşın. Metni aldığımda, belirtmiş olduğunuz tüm akademik standartlara ve teknik kriterlere uygun olarak profesyonel Türkçe çevirisini gerçekleştireceğim., W_konuşma geleneksel sulama yöntemi kullanılarak tüketilen toplam su miktarıdır ve W_{Nesnelerin İnterneti (IoT)} önerilen IoT-PA çerçevesi kullanılarak tüketilen toplam su miktarını ifade eder. Denklem (1), otomatik sulama planlaması yoluyla elde edilen % su tasarrufunu hesaplar. Test bulguları, önerilen çerçevenin geleneksel sulamaya göre %24,62 daha fazla su tasarrufu sağladığını göstermiştir.

Ürün veriminin analizi

Şekil 7, önerilen IoT Tabanlı Hassas Tarım (IoT-PA) sisteminin kullanılarak otomatik sulama ve çevresel izlemenin tarımsal verimi nasıl %95,13'e çıkardığını göstermektedir. Su uygulaması ve ürün yönetimi için gerçek zamanlı sensör verileri sayesinde bitki sağlığı, ürün verimi ve manuel müdahale iyileşmiştir.

$Zamana bağlı hız denklemi, $ v_0(t) $, matematik şemasındaki oran formülü.$

nerede Hız fonksiyonu v0(t) formülü, kinematik denklem, hız-zaman analizi. t anındaki tarımsal verimliliği (%) ifade eder Lütfen çevirilecek metni sağlayın., Y_{Nesnelerin İnterneti (IoT)} önerilen IoT-PA çerçevesi kullanılarak elde edilen ürün verimi ve Y_maksimum deney koşulları altında elde edilebilecek maksimum ürün verimidir. Önerilen çerçevenin tarımsal üretkenlik yüzdesi Denklem (12)'de hesaplanmıştır. IoT-PA sistemi, deneysel değerlendirmede %95,13 tarımsal üretkenlik sağlamıştır; bu durum, sensör güdümlü sulamanın ve gerçek zamanlı çevresel izlemenin ürün performansını artırdığını göstermektedir.

Sistem verimliliğinin analizi

Şekil 8, IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesinin %93,85 sistem verimliliğine ulaşmak için otonom sulama, gerçek zamanlı çevresel algılama, bulut tabanlı veri işleme ve otomatik karar verme mekanizmalarını entegre ettiğini göstermektedir. Yüksek verimlilik, sürdürülebilir tarımı destekleyerek minimum kaynak israfı ile güvenilir sistem çalışması anlamına gelir.

$İstatistiksel analizde yüzde hesaplama formülü, denklem $c_m(t)=\frac{N_{success}}{N_{total}}\times10$.$

nerede Dinamik sistem denklemi, c_m(t) fonksiyonu, matematiksel ifade, zamana bağlı analiz. t anındaki toplam sistem verimliliğini (%) ifade eder t, Denklem: N<sub>başarı</sub>, istatistiksel analiz, matematiksel değişken gösterimi. başarıyla tamamlanan algılama, iletişim ve sulama operasyonlarının sayısını temsil eder ve Statik denge denklemi, ΣFx=0, denge ve kuvvet analizi için fizik diyagramını göstermektedir. deney süresi boyunca planlanan toplam sistem operasyonlarının sayısıdır. Denklem (13), sistem güvenilirliğini ve verimliliğini belirten IoT-PA çerçevesinin başarı oranını hesaplar. Deneysel sonuçlar, önerilen çerçevenin %93,85 sistem verimliliğine sahip olduğunu göstermiş ve sürekli akıllı tarım uygulamaları için istikrarlı ve güvenilir olduğunu kanıtlamıştır.

Sürdürülebilir Kaynak Optimizasyonunun Analizi

Önerilen IoT Güdümlü Hassas Tarım (IoT-PA) çerçevesi, çevresel ve ekonomik sürdürülebilirlikle uyumlu olarak %94,25 oranında sürdürülebilir kaynak optimizasyonu sağlamaktadır. Şekil 9, gerçek zamanlı izleme, otomatik sulama planlaması ve veri odaklı karar verme süreçlerinin, tarımsal verimi artırırken su ve enerji israfını nasıl azalttığını göstermektedir. Bu nedenle, söz konusu çerçeve kaynak kullanımını iyileştirmekte ve sürdürülebilir tarımı teşvik etmektedir.

Verimlilik hesaplama denklemi, q(t) = (Rused/Ropt)×10; formül diyagramı.

nerede q(t) zamana bağlı yük; denklem; elektriksel analiz; zamanın fonksiyonu; dinamik sistem çalışması. t zamanındaki sürdürülebilir kaynak optimizasyon oranını (%) belirtir Lütfen çevirmemi istediğiniz metni sağlayın., Mekanik sistemlerin analizinde kuvvet dengesini gösteren ΣFx=0 statik denge denklemi diyagramı. önerilen IoT-PA çerçevesi tarafından verimli bir şekilde kullanılan kaynakların (su ve enerji gibi) sayısını temsil eder ve R_opt formülü, teorik fizikteki matematiksel sembol, optimizasyon denklemi kavramı. aynı yetiştirme koşulları altındaki optimal kaynak gereksinimidir. Denklem (14), kaynak kullanımını değerlendirmek için verimli kullanılan kaynakları optimal kaynak gereksinimleri ile karşılaştırır. Deneysel sonuçlar, IoT-PA çerçevesinin kaynak israfını azaltabildiğini ve %94,25'lik bir sürdürülebilir kaynak optimizasyon oranıyla tarımsal üretkenliği koruyabildiğini göstermiştir.

Sürdürülebilir Kalkınma Amaçlarına (SKA) Ulaşmada Dijital Teknolojilerin Analizi

Şekil 10, bu araştırmada IoT Tabanlı Hassas Tarım (IoT-PA) mimarisinin %96,31 SDG uyum verimliliğine ulaştığını göstermektedir. Otomatik sulama ve gerçek zamanlı izleme, su ve enerji kullanımını optimize ederek tarımsal çıktıyı artırmakta ve SDG 2 (Sıfır Açlık) ile SDG 12'yi (Sorumlu Üretim ve Tüketim) desteklemektedir. Yüksek SDG uyum verimliliği, dijital teknolojilerin sürdürülebilir ve kaynak açısından verimli tarımı teşvik ettiğini ortaya koymaktadır.

Deneylerde elde edilen yüzdenin hesaplanması için denklem. Formül: Q(t) = S_elde edilen/S_hedef × 10.

nerede Kuantum mekaniği kavramı, Q(t) denklemi; dinamik sistem analizi, formül gösterimi. t anındaki SDG hizalama verimliliğini (%) ifade eder t, Statik denge ΣFx=0 diyagramı; kuvvet dengesi, mekanik analiz, eğitimsel kullanım. önerilen IoT-PA çerçevesi tarafından başarıyla gerçekleştirilen sürdürülebilirlik hedeflerinin sayısını temsil eder ve Statik denge; formül S_target; diyagram; eğitim; araştırma; fizik kavramı. değerlendirme için tanımlanan toplam sürdürülebilirlik hedeflerini ifade eder. Denklem (15), elde edilen sürdürülebilirlik hedeflerini önceden belirlenmiş hedeflerle karşılaştırır. Deneme verilerine göre, IoT-PA çerçevesi, %96,31'lik bir SKH uyum verimliliği ile akıllı kaynak yönetimi ve dijital inovasyon aracılığıyla sürdürülebilir tarımsal büyümeyi desteklemiştir.

Deneylere göre, IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesi; gerçek zamanlı algılama, bulut tabanlı izleme ve otomatik sulama kontrolü aracılığıyla sürdürülebilir tarımsal yönetimi geliştirmektedir. Bu çerçeve, geleneksel sulama ile karşılaştırıldığında su kullanımını %24,62 oranında azaltmış; %95,13 tarımsal üretim, %93,85 sistem verimliliği, %94,25 sürdürülebilir kaynak optimizasyonu ve %96,31 Sürdürülebilir Kalkınma Hedefleri (SDG) uyum verimliliği sağlamıştır. Bu bulgular, IoT teknolojilerinin ve akıllı sulamanın kaynak kullanımını, ürün verimliliğini ve sürdürülebilir tarımı geliştirdiğini göstermektedir. Bu nedenle, önerilen IoT-PA çerçevesi, veri odaklı tarımsal yönetim yoluyla Sürdürülebilir Kalkınma Hedefleri 2 (Sıfır Açlık) ve 12'yi (Sorumlu Üretim ve Tüketim) destekleyen, pratik ve ölçeklenebilir bir dijital tarım çözümü sunmaktadır.

IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesinin tekrarlanabilirliğini test etmek için tüm deneyler özdeş koşullar altında üç kez tekrarlanmıştır. Su tüketimindeki azalma (%24,62), ürün verimindeki artış (%95,13), sistem verimliliği (%93,85), sürdürülebilir kaynak optimizasyonu (%94,25) ve SDG uyumuna (%96,31) ilişkin üç deneysel denemenin sonuçları ortalama ± SD olarak sunulmuştur. Karşılaştırma analizinden önce, deneysel veri dağılımı Shapiro–Wilk normallik testi ile analiz edilmiştir. Önerilen IoT-PA çerçevesi, anlamlılık düzeyi p < 0,05 olarak belirlenen eşleştirilmiş Student t-testi kullanılarak standart zaman tabanlı sulama tekniği ile karşılaştırılmıştır. Tüm temel performans göstergeleri için deneysel tahmin belirsizliğini nicelleştirmek amacıyla %95 güven aralıkları (CI) oluşturulmuş ve deneysel bulguların tekrarlanabilirliğini ve tutarlılığını incelemek için varyasyon katsayısı (CV) hesaplanmıştır.

VERİ KULLANILABİLİRLİĞİ:

Bu çalışmanın bulgularını destekleyen deneysel veriler, makalede açıklanan önerilen IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesinin 90 günlük saha değerlendirmesi sırasında oluşturulmuştur. Çerçevenin kavramsal geliştirilmesinde referans olarak kullanılan ve dijital tarım teknolojileri hakkında bağlam sağlamak amacıyla yararlanılan Tarım Dijital İkiz Pazar Raporu (DataIntelo) şu adreste mevcuttur: https://dataintelo.com/report/agriculture-digital-twin-market.

Dijital tarım şeması; geliştirilmiş verimlilik için IoT, YZ, tedarik zinciri, iklimle uyumlu tarım.
Şekil 1Dijital Kökler: Tarım-Gıda Zincirinde Sürdürülebilirliği Artırmak. Tarımsal verimliliği artırmak, kaynak kullanımını optimize etmek ve sürdürülebilir gıda üretimini desteklemek amacıyla IoT, bulut bilişim, yapay zeka ve veri analitiği dahil olmak üzere dijital teknolojilerin entegrasyonunu gösteren agro-gıda değer zincirine genel bakış. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Sensörler, robotlar, veri yönetimi, ürün izleme ve sunucu bağlantısını içeren akıllı tarım süreç diyagramı.
Şekil 2Akıllı Tarım Döngüsü: Tarla Sensörlerinden Çiftçilerin Ellerine. Gerçek zamanlı çevresel algılamayı, kablosuz veri iletimini, bulut tabanlı analizleri, otomatik sulama kontrolünü ve hassas tarım için çiftçi karar desteğini gösteren önerilen Nesnelerin İnterneti Güdümlü Hassas Tarım (IoT-PA) çerçevesinin iş akışı. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

IoT-Hassas Tarım Çerçevesi diyagramı: dijital teknoloji, toprak sensörleri, iklim verileri, Sürdürülebilir Kalkınma Amaçları (SDG) etkisi.
Şekil 3Topraktan Hedefe: Sürdürülebilir Büyüme İçin Akıllı Tarım Planı. Akıllı tarımsal yönetim için dijital teknolojilerin entegrasyonunu gösteren, önerilen IoT Tabanlı Hassas Tarım (IoT-PA) çerçevesinin kavramsal genel bakışı. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Endüstriyel evrim diyagramı: Buhar ve Elektrik Çağlarından Bilgi ve Dijitalleşme dönemlerine.
Şekil 4Buhardan Akıllı Çiftliklere: Tarım Teknolojileri Geleceğine Doğru Evrim. Geleneksel tarım uygulamalarından; mekanizasyon, hassas tarım, Nesnelerin İnterneti, IoT destekli izleme, bulut bilişim ve akıllı karar destek sistemleri aracılığıyla modern dijital tarıma geçişle gerçekleşen tarım teknolojilerinin evrimi. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Dijital gıda sistemleri diyagramı; tarımdan tüketicilere; IoT ve blok zinciri sürdürülebilirliği ve güvenliği sağlar.
Şekil 5Güvenli Tahıllar İçin Akıllı Zincirler: Sürdürülebilir Gıda Geleceklerine Giden Dijital Bir Yol. Gıda güvenliğini ve çevresel performansı artırmak amacıyla ürün izleme, hassas sulama, kaynak optimizasyonu, gıda kalitesi izleme ve sürdürülebilirlik değerlendirmesi dahil olmak üzere, tarımsal tedarik zincelini destekleyen dijital teknolojilerin kavramsal gösterimi. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Su kullanımını analiz eden kutu grafiği; IDAFS, DSIAM, DVIRF, IoT-PA örnek verilerini karşılaştırır.
Şekil 6Su kullanımının analizi. Geleneksel sulama yöntemi ile önerilen IoT-PA çerçevesinin su tüketimi açısından karşılaştırılması. Su tüketimi deney süresi boyunca değerlendirilmiş olup değerler ortalama ± standart sapma (n = 3 bağımsız deneme) olarak sunulmuştur. İstatistiki anlamlılık, şu değerle eşleştirilmiş Student's t-testi kullanılarak değerlendirilmiştir: p < 0.05. Önerilen IoT-PA (Nesnelerin İnterneti Güdümlü Hassas Tarım) çerçevesi, geleneksel sulamaya kıyasla su tüketiminde %24,62'lik bir azalma sağlamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Ürün verimi analiz yöntemlerini karşılaştıran çubuk grafik: IDAFS, DSIAM, DVIRF, IoT-PA, örnek sayısı.
Şekil 7Ürün veriminin analizi. Aynı yetiştirme koşulları altında, geleneksel sulama yöntemi ve önerilen IoT-PA (Nesnelerin İnterneti Güdümlü Hassas Tarım) çerçevesi kullanılarak elde edilen tarımsal üretkenliğin karşılaştırılması. Ürün verimi değerleri, ortalama ± standart sapma (n = 3 bağımsız deneme) olarak bildirilmiştir. İstatistiksel anlamlılık, eşleştirilmiş Student t-testi kullanılarak değerlendirilmiştir (p < 0,05). Önerilen çerçeve %95,13 tarımsal verimlilik sağlamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Örnek sayısına dayalı sistem verimlilik oranının 3D sütun grafiği; IDAFS, DSIAM, DVIRF ve IoT-PA yöntemlerini karşılaştırır.
Şekil 8Sistem verimliliğinin analizi. Başarılı algılama, iletişim, bulut işleme ve otomatik sulama operasyonlarına dayalı IoT-PA (Nesnelerin İnterneti Güdümlü Hassas Tarım) çerçevesinin performans değerlendirmesi. Sonuçlar ortalama ± standart sapma (n = 3 bağımsız deneme) olarak ifade edilmiştir. İstatistiki analiz, şu değerle eşleştirilmiş Student t-testi kullanılarak gerçekleştirilmiştir: p < 0,05. Önerilen sistem, %93,85'lik bir toplam sistem verimliliği sağlamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 9Sürdürülebilir Kaynak Optimizasyonunun Analizi. Önerilen IoT-PA çerçevesiyle, etkili su ve kaynak yönetimi aracılığıyla elde edilen sürdürülebilir kaynak optimizasyonunun değerlendirilmesi. Sonuçlar ortalama ± standart sapma (n = 3 bağımsız deneme) olarak sunulmuştur. İstatistiksel anlamlılık, eşleştirilmiş Student t-testi kullanılarak belirlenmiştir (p < 0,05). Önerilen çerçeve, %94,25'lik bir sürdürülebilir kaynak optimizasyon oranı sağlamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Örneklem büyüklüğüne göre Sürdürülebilir Kalkınma Amaçlarına (SKA) ulaşan dijital teknolojilerin grafiği (%), dört yöntem arasında karşılaştırılmıştır.
Şekil 10Sürdürülebilir Kalkınma Amaçlarına Ulaşmada Dijital Teknolojilerin Analizi. Önerilen IoT-PA (Nesnelerin İnterneti Güdümlü Hassas Tarım) çerçevesinin; su kullanım etkinliği, tarımsal verimlilik, akıllı sulama ve sürdürülebilir kaynak yönetimi alanlarındaki iyileştirmeler aracılığıyla Sürdürülebilir Kalkınma Hedeflerine (SDG'ler) olan katkısının değerlendirilmesi. Sonuçlar, ortalama ± standart sapma (n = 3 bağımsız deneme) olarak sunulmuştur. İstatistiki anlamlılık, eşleştirilmiş Student t-testi kullanılarak değerlendirilmiştir. p < 0,05. Önerilen çerçeve, %96,31 oranında bir Sürdürülebilir Kalkınma Amaçları (SKA) uyum verimliliği sağlamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

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. Sistem, %96,31 oranında SDG uyum verimliliği gerçekleştirmiştir. Gıda güvenliğini ve çevreyi geliştirmek için akıllı otomasyon, kaynak yoğun alternatiflerin yerini almaktadır. Çalışma; sensörlerin, bulut bilişimin ve otomasyonun nasıl tekrarlanabilir tarımsal modeller oluşturabileceğini vurgulamaktadır. Nüfus artışı ve iklim değişikliği nedeniyle tarım bu tür teknolojilere ihtiyaç duymaktadır. Bu makaleye göre dijital devrim, tarımın verimliliğini, dayanıklılığını ve sürdürülebilirliğini artırabilir. Gelecekteki çalışmalarda IoT-PA mimarisi farklı ürünlere ve bölgelere uygulanacaktır. AI; meteorolojiyi, kestirimci analitiği ve zararlı tanımlamayı geliştirecektir. Çiftçilerin erişimini artırmak için düşük maliyetli teknolojiye ve mobil uygulamalara odaklanılmalıdır. Kabul edilebilirlik, veri alım kalitesi ile küresel sürdürülebilirlik ve gıda güvenliği hedefleri tanımlanacaktır.

Entegre Dijital Tarım ile karşılaştırıldığında & Sridhar ve arkadaşları tarafından önerilen Gıda Sistemleri Çerçevesi (IDAFS)¹⁸IoT, yapay zeka (AI), blokzincir, robotik ve büyük veri dahil olmak üzere sürdürülebilir tarım-gıda sistemleri için dijital teknolojilere kapsamlı bir inceleme sunan IDAFS'nin aksine, önerilen IoT-PA çerçevesi hassas tarım için pratik bir uygulama sunmaktadır. IDAFS temel olarak kavramsal düzeyde teknoloji benimseme ve dijital dönüşüm stratejilerini tartışırken, IoT-PA; gerçek zamanlı çevresel algılamayı, bulut tabanlı veri işlemeyi, otomatik sulama kontrolünü ve çiftçi bildirimlerini birleşik bir operasyonel çerçevede entegre eder. Bu entegrasyon, sürekli saha izleme ve otomatik karar verme mekanizmalarına olanak tanıyarak platformu hassas sulama ve kaynak yönetimi için uygun hale getirir.¹⁸Vărzaru'nun Dijital-Sürdürülebilir Kalkınma Amaçları Etki Analizi Modeli (DSIAM)¹⁹ politika düzeyinde ve bölgesel ekonomik analizler yoluyla, dijital dönüşümün gıda güvenliğindeki rolünü ve Sürdürülebilir Kalkınma Amaçlarının gerçekleştirilmesini vurgulamaktadır. Saha uygulaması için IoT-PA mimarisi; IoT destekli sensörler, otomatik sulama kontrolü ve bulut iletişimini kullanır. Dijital dönüşüm, tarımda su kullanımını ve ürün verimliliğini artırmak için kullanılmaktadır.¹⁹Zhang ve Zhang'ın DVIRF'si²⁰ dijital altyapı, kırsal endüstriyel entegrasyon ve teknoloji inovasyonu aracılığıyla sürdürülebilir kırsal kalkınmayı teşvik eder. DVIRF, hassas sulama karar destek sistemi olmaksızın bölgesel dijital dönüşümü destekler. Akıllı tarıma olanak sağlamak için IoT-PA çerçevesi; sürekli sensör izlemesini, akıllı sulama planlamasını, bulut tabanlı analizleri ve otomatik kaynak yönetimini birleştirir.²⁰Önerilen IoT-PA mimarisi; gerçek zamanlı karar verme ve su yönetimi için çevresel algılama, bağlantısallık, bulut bilişim ve otomatik sulamayı birleştirmektedir. Kavramsal dijital tarım çerçeveleriyle karşılaştırıldığında¹⁸^,¹⁹^,²⁰tasarım; operasyonel verimliliği artırmakta, insan müdahalesini azaltmakta ve sürdürülebilir tarımı teşvik etmektedir. Bununla birlikte, çerçeve bazı önemli dezavantajlara sahiptir. Bu deneysel değerlendirme normal tarımsal koşullar altında yapılmıştır ve farklı ürün türleri, toprak tipleri, iklim bölgeleri veya büyük ölçekli ticari tarım uygulamaları üzerinden doğrulanmamıştır. Bu uygulamada, tahmin edici sulama programlaması, ürün verimi öngörüsü, zararlı ve hastalık tespiti veya dijital ikiz tabanlı ürün simülasyonu için yapay zekadan yararlanmayan önceden belirlenmiş toprak nemi eşikleri kullanılmıştır. Gelecekteki araştırmalar; tarımsal tahminleme, ölçeklenebilirlik ve esnekliği artırmak için makine öğrenmesi, dijital ikizler, uzaktan algılama ve açıklanabilir yapay zeka kullanacaktır.

IoT Destekli Hassas Tarım (IoT-PA) sonuçları yorumlanırken kısıtlamalar göz önünde bulundurulmalıdır. Genel olarak çerçeve; farklı ürün türleri, toprak özellikleri, iklimsel koşullar veya büyük ölçekli tarım bağlamlarında test edilmemiştir. Çeşitli yetiştirme uygulamaları altında optimal performans sağlamak için, sulama yönetimi ürüne özgü kalibrasyon gerektirebilen toprak nem eşiklerini kullanmaktadır. Bu uygulama, AI odaklı öngörücü sulama, zararlı ve hastalık teşhisi, besin yönetimi veya multispektral uzaktan algılama yerine; IoT tabanlı çevresel izleme ve otomatik sulama yönetiminden yararlanmaktadır. Ağ bağlantısı, sensör kalibrasyon doğruluğu ve gerçek zamanlı veri iletimini etkileyen iklimsel faktörler, uzak tarım alanlarında çerçevenin performansını olumsuz etkileyebilir.

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.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
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.

Yeniden basım ve izinler

Etiketler

IoT Tarımı Akıllı Sulama Sürdürülebilir Gıda Üretimi Sensör Ağları Toprak Nemi İzleme Tarımsal Veri Analitiği İklim Adaptasyonu Kaynak Yönetimi