Eine automatische Validierungsmethode für ein vollständiges IoT-Kreisberegnungsmodell basierend auf der Penman–Monteith-Gleichung

Klüger bewässern auf dem Feld

Weltweit haben Landwirte damit zu kämpfen, mehr Nahrungsmittel mit weniger Wasser zu produzieren. Diese Studie beschreibt ein intelligentes Bewässerungssystem, das Sensoren, drahtlose Verbindungen und eine bekannte Wasserverbrauchsformel nutzt, um den Pflanzen genau die Menge Wasser zu geben, die sie benötigen. Der Fokus liegt auf kreisförmigen "Pivot"-Beregnungsmaschinen, und es wird erklärt, wie Sensordaten automatisch überprüft werden können, damit fehlerhafte Messwerte nicht zu verschwendetem Wasser oder durstigen Pflanzen führen.

Warum die Wassernutzung schwer zu beherrschen ist

Den Pflanzen die richtige Menge Wasser zu geben ist nicht so einfach wie einen Hahn aufzudrehen. Pflanzen verlieren Wasser über ihre Blätter, während der Boden Wasser an die Luft abgibt — beides hängt von Sonneneinstrahlung, Temperatur, Wind und Luftfeuchte ab. Traditionelle Systeme schätzen oft oder folgen festen Zeitplänen, was zu Über- oder Unterbewässerung führen kann. Die Autorinnen und Autoren zeigen, dass viele frühere intelligente Systeme einige dieser Faktoren ignorieren, keine klaren Leistungstests haben oder zu teuer bzw. zu eingeschränkt sind, sodass Landwirte keine vollständige und verlässliche Lösung erhalten.

Die Idee hinter dem neuen System

Diese Arbeit verbindet drei Bausteine zu einem vollständigen Modell. Erstens verwendet sie eine Standardformel aus der Agrarwissenschaft, um Wetter- und Bodenbedingungen in eine tägliche Schätzung zu übersetzen, wie viel Wasser jeder Quadratmeter Land benötigt. Zweitens baut sie ein Internet-of-Things-Setup um einen Kreisberegner auf, mit kostengünstigen Sensoren, die Bodentemperatur, Lufttemperatur, Luftfeuchte, Wind und Luftdruck erfassen, sowie einfachen Steuerungen und Ventilen, um Wasser in kleine Feldabschnitte zu liefern. Drittens definiert sie klare Regeln zur Beurteilung, ob das System gut funktioniert, einschließlich der Genauigkeit der Schätzung des Wasserbedarfs der Pflanzen und der Frage, wie leicht es skaliert und gewartet werden kann.

Wie die Sensoren und Prüfungen funktionieren

Der Feldversuch verwendet zwei Sensorstationen. Eine sitzt auf oder im Boden und misst Bodentemperatur in verschiedenen Tiefen, Lufttemperatur, Luftfeuchte und Druck. Die andere ist etwa zwei Meter über dem Boden montiert und misst Windgeschwindigkeit sowie Luftbedingungen. Diese Stationen senden ihre Messwerte per WLAN an eine Basiseinheit, die eine Webanwendung betreibt, welche die Daten anzeigt und berechnet, wie viel Wasser über die Zeit angewendet werden sollte. Um Fehler zu vermeiden, wenn ein Sensor ausfällt oder eine drahtlose Verbindung gestört ist, legen die Autorinnen und Autoren einfache Bestehen/Nichtbestehen-Regeln für jede Messgröße fest, etwa acceptable Bereiche für Sonneneinstrahlung, Bodenwärme, Lufttemperatur je nach Saison, Windgeschwindigkeit und Luftfeuchte. Messwerte außerhalb dieser Bereiche gelten als verdächtig und schützen das System vor irreführenden Eingaben.

Was der Feldversuch zeigte

Das System wurde über 49 Tage auf einer Grasfläche an der Universität Tabuk getestet. Während dieses Zeitraums sammelten die Sensoren alle paar Stunden Daten, und die Software wandelte diese in tägliche Wasserbedarfe pro Quadratmeter um. Die Forschenden verglichen die geschätzten Wasserbedarfe mit der tatsächlichen Wassermenge, die die Feldbetreuer mit dem Pivot-System auftrugen. Zwar waren die tatsächlich ausgebrachten Bewässerungsmengen oft höher als die berechneten Bedürfnisse, doch folgten die Schätzungen dem gleichen grundsätzlichen Muster und erklärten viele der täglichen Schwankungen der Wasseranforderung. Das Team nutzte außerdem gängige statistische Methoden, um zu zeigen, wie eng ihre Schätzungen mit dem tatsächlich ausgebrachten Wasser übereinstimmten.

Was das für die Landwirtschaft bedeutet

Für eine interessierte Öffentlichkeit ist die Kernbotschaft, dass es jetzt möglich ist, ein praktisches, relativ kostengünstiges System zu bauen, das Wetter und Boden überwacht, die Qualität seiner eigenen Daten prüft und dann Empfehlungen zur Bewässerung eines Feldes abgibt. In diesem frühen Versuch auf Gras lieferte der Ansatz eine belastbare Grundlage für klügeres Bewässern und machte deutlich, wo zusätzliches Wasser wahrscheinlich verschwendet wird. Die Autorinnen und Autoren argumentieren, dass ihre Kombination aus vollständiger Sensorik, automatischen Prüfungen und klaren Designrichtlinien als Vorlage für künftige Systeme auf anderen Kulturen und in anderen Klimazonen dienen kann, um Landwirten zu helfen, Wasser zu sparen, Kosten zu senken und gesunde Erträge zu erhalten.

Zitation: 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

Schlüsselwörter: intelligente Bewässerung, Kreisberegnung, IoT-Landwirtschaft, Wassermanagement, Evapotranspiration