Метод авто-проверки для полной модели оросительной системы с вращающейся линией на основе уравнения Пенмана–Монтейта

Более разумный полив полей

Во всём мире фермеры пытаются производить больше продовольствия при меньшем расходе воды. В этом исследовании описывается интеллектуальная оросительная система, которая использует датчики, беспроводные каналы связи и широко известную формулу расхода воды, чтобы снабжать растения ровно тем объёмом влаги, который им нужен. В работе сделан акцент на круговых «поворотных» оросительных машинах и объяснено, как автоматически проверять показания датчиков, чтобы ошибочные данные не приводили к перерасходу воды или засухе растений.

Почему правильно дозировать воду непросто

Дать растениям нужное количество воды сложнее, чем просто открыть кран. Растения теряют воду через листья, а почва — в атмосферу; оба процесса зависят от солнечного излучения, температуры, ветра и влажности. Традиционные системы часто действуют по расписанию или по оценке, что может приводить к переливу или недостаточному поливу. Авторы показывают, что многие ранние «умные» решения либо игнорируют часть этих факторов, либо не имеют прозрачных тестов производительности, либо слишком дороги или узко ориентированы, из-за чего у фермеров не возникает полного и надёжного механизма управления поливом.

Идея новой системы

Эта работа объединяет три компонента в одну завершённую модель. Во‑первых, используется стандартная формула из агрономии для перевода погодных и почвенных условий в ежедневную оценку требуемого объёма воды на квадратный метр. Во‑вторых, построена IoT‑система вокруг поворотной оросительной установки с недорогими датчиками, отслеживающими температуру почвы, температуру воздуха, влажность, ветер и атмосферное давление, а также с простыми контроллерами и клапанами для подачи воды на небольшие секции поля. В‑третьих, определены понятные правила оценки работы системы, включая точность оценки потребности растений в воде и простоту масштабирования и обслуживания.

Как работают датчики и проверки

Полевой эксперимент использовал две сенсорные станции. Одна расположена на поверхности или в почве и измеряет температуру почвы на разных глубинах, температуру воздуха, влажность и давление. Вторая установлена примерно в двух метрах над землёй и измеряет скорость ветра и параметры воздуха. Эти станции отправляют показания по Wi‑Fi на базовый блок, где работает веб‑приложение для отображения данных и расчёта объёма полива во времени. Чтобы избежать ошибок при сбое датчика или сбоев беспроводной связи, авторы вводят простые правила «пройдён/не пройдён» для каждой величины, например допустимые диапазоны солнечной радиации, почвенного тепла, сезонной температуры воздуха, скорости ветра и влажности воздуха. Показания за пределами этих диапазонов считаются сомнительными, что защищает систему от вводящих в заблуждение данных.

Что показал полевой тест

Система была испытана на травяном поле Университета Табука в течение 49 дней. В этот период датчики собирали данные каждые несколько часов, а программное обеспечение преобразовывало их в суточные потребности в воде на квадратный метр. Исследователи сравнили оценённые потребности с фактическим объёмом воды, который операторы поля подавали с помощью поворотной установки. Хотя реальные объёмы орошения часто превышали рассчитанные потребности, оценки следовали той же общей динамике и объясняли большую часть суточных изменений спроса на воду. Команда также использовала стандартные статистические подходы, чтобы показать, насколько близко их оценки соответствовали реально поданной воде.

Что это значит для сельского хозяйства

Для неспециалиста главный вывод в том, что теперь можно построить практичную, относительно недорогую систему, которая наблюдает за погодой и почвой, самопроверяет качество своих данных и затем даёт рекомендации по объёму полива поля. В этом раннем эксперименте на траве подход дал надёжную отправную точку для более разумного полива и выделил места, где вода, вероятно, расходуется впустую. Авторы утверждают, что их сочетание полного мониторинга, автоматических проверок и понятных проектных рекомендаций может служить шаблоном для будущих систем на других культурах и в других климатах, помогая фермерам экономить воду, снижать расходы и поддерживать стабильную урожайность.

Цитирование: 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

Ключевые слова: умное орошение, поворотная ирригация, IoT в сельском хозяйстве, управление водными ресурсами, эвапотранспирация