طريقة تحقق آلي لنموذج كامل للري المحوري في إنترنت الأشياء قائم على معادلة بنمان-مونتيث

ري أكثر ذكاءً للحقول

في جميع أنحاء العالم، يكافح المزارعون لزراعة مزيد من الغذاء بكمية مياه أقل. تصف هذه الدراسة نظام ري ذكي يستخدم مجسات وروابط لاسلكية ومعادلة معروفة لاستخدام المياه ليمنح المحاصيل الكمية التي تحتاجها بالضبط. يركز النظام على ماكينات الري الدائرية "المحورية" ويشرح كيفية التحقق من قراءات المجسات آلياً حتى لا تؤدي البيانات الخاطئة إلى هدر المياه أو فقدان المحاصيل للماء.

لماذا يصعب ضبط استخدام المياه بدقة

إعطاء المحاصيل الكمية المناسبة من المياه ليس بالأمر البسيط كفتح صنبور. تفقد النباتات الماء عبر أوراقها بينما تفقد التربة الماء إلى الهواء، وكلاهما يعتمد على ضوء الشمس ودرجة الحرارة والرياح والرطوبة. كثير من الأنظمة التقليدية تخمن أو تتبع جداول ثابتة، مما قد يؤدي إلى ري زائد أو ناقص. يوضح المؤلفون أن العديد من الأنظمة الذكية السابقة إما تتجاهل بعض هذه العوامل، أو تفتقر إلى اختبارات أداء واضحة، أو تكون مكلفة جداً أو محدودة النطاق، مما يترك المزارعين بلا حل كامل وموثوق.

الفكرة وراء النظام الجديد

يجمع هذا العمل بين ثلاثة عناصر في نموذج كامل واحد. أولاً، يستخدم معادلة معيارية من علوم الزراعة لتحويل ظروف الطقس والتربة إلى تقدير يومي لكمية المياه التي يحتاجها كل متر مربع من الأرض. ثانياً، يبني بنية إنترنت الأشياء حول جهاز ري محوري، مع مجسات منخفضة التكلفة ترصد درجة حرارة التربة، ودرجة حرارة الهواء، والرطوبة، والرياح، والضغط الجوي، بالإضافة إلى متحكمات وصمامات بسيطة لتوزيع الماء إلى أقسام صغيرة من الحقل. ثالثاً، يحدد قواعد واضحة للحكم على مدى كفاءة النظام، بما في ذلك مدى دقة تقديره لاحتياجات المحاصيل من الماء وسهولة توسيعه وصيانته.

كيف تعمل المجسات وآليات التحقق

تستخدم تجربة الحقل محطتي مجسات. تقع إحداهما على التربة أو داخلها وتقيس درجة حرارة التربة على أعماق مختلفة، ودرجة حرارة الهواء، والرطوبة، والضغط. تُركب الأخرى على بعد نحو مترين فوق الأرض وتقيس سرعة الرياح وظروف الهواء. ترسل هذه المحطات قراءاتها عبر الواي فاي إلى وحدة أساسية تشغل تطبيق ويب يعرض البيانات ويحسب كمية الماء التي يجب تطبيقها مع مرور الزمن. لتجنب الأخطاء عند فشل مجس أو تعطل وصلة لاسلكية، يضع المؤلفون قواعد قبول/رفض بسيطة لكل قياس، مثل نطاقات مقبولة للإشعاع الشمسي، وحرارة التربة، ودرجة حرارة الهواء حسب الموسم، وسرعة الرياح، ورطوبة الهواء. تُعامل القراءات خارج هذه النطاقات كمريبة، مما يحمي النظام من مدخلات مضللة.

ما أظهرته تجربة الحقل

اختُبر النظام على حقل عشبي في جامعة تبوك لمدة 49 يوماً. خلال هذه الفترة، جمعت المجسات بيانات كل بضع ساعات، وحولت البرمجية هذه البيانات إلى احتياجات يومية من الماء لكل متر مربع. قارن الباحثون الاحتياجات المقدرة مع كمية الماء الفعلية التي طبقها مديرو الحقل باستخدام النظام المحوري. بينما كانت كميات الري الحقيقية غالباً أعلى من الاحتياجات المحسوبة، اتبعت التقديرات نفس النمط العام وفسرت الكثير من التغير اليومي في الطلب على الماء. كما استخدم الفريق إحصاءات معيارية لإظهار مدى قرب تقديراتهم من الماء الذي طُبق فعلاً.

ما يعنيه هذا للزراعة

بالنسبة للقارئ العام، الرسالة الرئيسية هي أنه أصبح من الممكن الآن بناء نظام عملي وبنسبة تكلفة معقولة يراقب الطقس والتربة، ويتحقق من جودة بياناته آلياً، ثم يوصي بكمية الري لحقلة. في هذه التجربة المبكرة على العشب، قدم النهج أساساً صلباً للري الأكثر ذكاءً وسلط الضوء على الأماكن التي من المحتمل أن يُهدر فيها الماء. يجادل المؤلفون بأن مزيجهم من الكشف الكامل، والتحقق التلقائي، وإرشادات التصميم الواضحة يمكن أن يكون نموذجاً للأنظمة المستقبلية على محاصيل وأنظمة مناخية أخرى، مما يساعد المزارعين على الحفاظ على المياه، وخفض التكاليف، والمحافظة على محاصيل صحية.

الاستشهاد: Elfaki, A.O., Albelwi, S.A., Lakhouit, A. et al. An auto-validation method for a complete IoT pivot irrigation model based on the Penman–Monteith equation. Sci Rep 16, 15670 (2026). https://doi.org/10.1038/s41598-026-46804-3

الكلمات المفتاحية: الري الذكي, الري المحوري, زراعة إنترنت الأشياء, إدارة المياه, النتح-التبخر