Методология оперативного мониторинга состояния посевов на основе технологий интернета вещей

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Цифровые технологии активно распространяются в сельском хозяйстве России на разных уровнях анализа информации (от делянки, до поля, хозяйства, региона и страны в целом). В растениеводстве на уровне поля одно из самых важных значений приобретает освоение систем точного, оперативного и автоматизированного мониторинга состояния посевов, успешность которого во многом предопределяет эффективность точного земледелия. Цель исследований - разработка методологии использования технологий интернета вещей для бесконтактного мониторинга посевов сельскохозяйственных культур и сопутствующих метеорологических и почвенно-гидрологических параметров. В качестве основы системы используется беспроводная сеть, в состав которой входят сенсорные узлы, оснащенные датчиками метеорологических параметров и влажности почв, а также фотокамеры с широкоформатными объективами. Сенсорные узлы, оснащенные датчиками и фотокамерой, размещаются в соответствии со специально разработанной схемой, индивидуальной для каждого поля. Разработка схемы размещения датчиков базируется на анализе многолетних архивов спутниковых данных высокого пространственного разрешения и уточненных почвенных карт крупного масштаба. Информация с датчиков посредством беспроводной связи передается на координаторы сети (или базовую станцию) и далее на удаленный сервер в базу данных, где автоматизированно анализируется и интерполируется на все поле. На основе анализа формируются рекомендации по коррекции агротехнологии возделывания культуры. Элементы методологии прошли апробацию на ряде тестовых полей и показали высокую эффективность. Освоение предложенных подходов может служить альтернативой использованию данных дистанционного зондирования для мониторинга посевов в офлайн системах точного земледелия.

Об авторах

И. Ю. Савин

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»;Российский университет дружбы народов

Email: savin_iyu@esoil.ru
119017, Москва, Пыжевский пер., 7 стр. 2б;117198, Москва, ул. Миклухо-Маклая, 6

Ю. И. Блохин

Агрофизический научно-исследовательский институт

195220, Санкт-Петербург, Граждaнский просп., 14

А. В. Чинилин

Федеральный исследовательский центр «Почвенный институт им. В. В. Докучаева»

119017, Москва, Пыжевский пер., 7 стр. 2б

Список литературы

  1. Soma T., Nuckchady B. Communicating the Benefits and Risks of Digital Agriculture Technologies: Perspectives on the Future of Digital Agricultural Education and Training // Front. Commun. 2021. 6:762201. URL: https://www.frontiersin.org/articles/10.3389/fcomm.2021.762201/full (дата обращения: 27.07.2023). doi: 10.3389/fcomm.2021.762201.
  2. Priorities for Science to Overcome Hurdles Thwarting the Full Promise of the 'digital Agriculture' Revolution / M. Shepherd, J. A. Turner, B. Small, et al. // J. Sci. Food Agric. 2020. Vol. 100. No. 14. P. 5083-5092. doi: 10.1002/jsfa.9346.
  3. Цифровое земледелие / А. Л. Иванов, И. С. Козубенко, И. Ю. Савин и др. // Вестник российской сельскохозяйственной науки. 2018. № 5. С. 4-9.
  4. Van der Burg S., Bogaardt M.-J., Wolfert S. Ethics of Smart Farming: Current Questions and Directions for Responsible Innovation towards the Future // NJAS - Wageningen J. Life Sci. 2019. 90-91, 100289. URL: https://www.tandfonline.com/doi/full/10.1016/j.njas.2019.01.001 (дата обращения: 27.07.2023). doi: 10.1016/j.njas.2019.01.001.
  5. Sung J. The Fourth Industrial Revolution and Precision Agriculture // InTech. 2018. URL: https://www.intechopen.com/chapters/57703 (дата обращения: 27.07.2023). doi: 10.5772/intechopen.71582.
  6. Точное земледелие как один из аспектов цифровизации сельского хозяйства / С. В. Шайтура, А. В. Коломейцев, И. И. Позняк и др. // Вестник Курской государственной сельскохозяйственной академии. 2022. № 3. С. 161-166.
  7. Tendulkar A. Introduction to Precision Agriculture: Overview, Concepts, World Interest, Policy, and Economics // Precision Agriculture Technologies for Food Security and Sustainability/ edited by Sherine M. Abd El-Kader and Basma M. Mohammad El-Basioni, IGI Global, 2021. P. 1-22. URL: https://www.researchgate.net/publication/348122259_Introduction_to_Precision_Agriculture_Overview_Concepts_World_Interest_Policy_and_Economics (дата обращения: 27.07.2023). doi: 10.4018/978-1-7998-5000-7.ch001.
  8. Якушев В. В. Точное земледелие: теория и практика. СПб.: ФГБНУ АФИ, 2016. 364 с.
  9. Савин И. Ю., Блохин Ю. И. Об оптимизации размещения сети сенсорных узлов БСС, включенных в интернет вещей на пахотных угодьях // Бюллетень Почвенного института имени В. В. Докучаева. 2022. № 110. С. 22-50. doi: 10.19047/0136-1694-2022-110-22-50.
  10. Monitoring Soil and Ambient Parameters in the IoT Precision Agriculture Scenario: An Original Modeling Approach Dedicated to Low-Cost Soil Water Content Sensors / P. Placidi, R. Morbidelli, D. Fortunati, et al. // Sensors. 2021. Vol. 21. P. 5110. URL: https://www.mdpi.com/1424-8220/21/15/5110 (дата обращения: 27.07.2023). doi: 10.3390/s21155110.
  11. Ravesa A., Shabir A. S. Precision agriculture using IoT data analytics and machine learning // Journal of King Saud University - Computer and Information Sciences. 2022. Vol. 34. No. 8. Part B. P. 5602-5618. doi: 10.1016/j.jksuci.2021.05.013.
  12. Современные решения для формирования опорной информации с целью повышения точности определения агрофизических свойств почвы по спутниковым данным / Ю. И. Блохин, В. В. Якушев, С. Ю. Блохина и др. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 164-178. doi: 10.21046/2070-7401-2020-17-4-164-178.
  13. State of Major Vegetation Indices in Precision Agriculture Studies Indexed in Web of Science: A Review / D. Radočaj, A. Šiljeg, R. Marinović, et al. // Agriculture. 2023.Vol. 13. No. 3. P. 707. URL: https://www.mdpi.com/2077-0472/13/3/707 (дата обращения: 27.07.2023). doi: 10.3390/agriculture13030707.
  14. Selective spraying of grapevines for disease control using a modular agricultural robot / Oberti R., Marchi M., Tirelli P., et al. // Biosyst. Eng. 2016. Vol. 146. P. 203-215. doi: 10.1016/j.biosystemseng.2015.12.004.
  15. Kim S., Lee M., Shin C. IoT-Based Strawberry Disease Prediction System for Smart Farming // Sensors. 2018. Vol. 18. No. 11. P. 4051. URL: https://www.mdpi.com/1424-8220/18/11/4051 (дата обращения: 27.07.2023). doi: 10.3390/s18114051.
  16. Internet of Things Platform for Smart Farming: Experiences and Lessons Learnt / P. P. Jayaraman, A. Yavari, D. Georgakopoulos, et al. // Sensors. 2016. Vol. 16. No. 11. P. 1884. URL: https://www.mdpi.com/1424-8220/16/11/1884 (дата обращения: 27.07.2023). doi: 10.3390/s16111884.
  17. Can the plant area index of a submerged vegetation canopy be estimated using digital hemispherical photography? / D. Zhao, M. Lv, P. Wang, et al. // Agricultural and Forest Meteorology. 2014. Vol. 192.P. 69-77.
  18. Methods for in situ leaf area index measurement, part II: from gap fraction to leaf area index: retrieval methods and sampling strategies / M. Weiss, F. Baret, G. J. Smith, et al. // Agric. For. Meteorol. 2004. Vol. 121. P. 17-53.
  19. Guo Y. Wearable sensors to monitor plant health // Nat. Food. 2023. Vol. 4. P. 350. URL: https://www.nature.com/articles/s43016-023-00764-3 (дата обращения: 27.07.2023). doi: 10.1038/s43016-023-00764-3.

© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах