Точне землеробство

Точне землеробство
Попередник	землеробство
Точне землеробство у Вікісховищі

Yara N-Sensor ALS, встановлений на куполі трактора — система, яка реєструє відбиття світла від посівів, розраховує рекомендації щодо внесення добрив, а потім змінює кількість розкиданих добрив

Польський Pteryx UAV — цивільний БПЛА для аерофотозйомки та фотокартографії зі стабілізованою головкою камери.

То́чне землеробство або точне рільництво — це технологія сільського господарства, яка зменшує забруднення навколишнього середовища, мінімізуючи витрати добрив, гербіцидів і пестицидів, і максимізуючи ефективність виробництва високоякісних культур шляхом моніторингу умов і середовища сільськогосподарських угідь і посівів.^[1]

Інновації точного землеробства розроблені для підвищення ефективності сільськогосподарської діяльності за рахунок мінімальних початкових витрат матеріальних і людських ресурсів і уникнення шкідливого впливу на навколишнє середовище з одного боку та автоматизації виробництва з іншого, забезпечуючи таким чином екологічні, соціальні та економічні вигоди.^[2]

Точне землеробство об'єднує передові інструменти, такі як GPS, ГІС, дрони, датчики та робототехніку для збору й аналізу польових даних. Цей підхід дозволяє фермерам приймати точні рішення, враховуючи варіації ґрунту, рівень вологості та здоров'я врожаю.

Основні принципи включають використання технологій, таких як:

• датчики (сенсори)^[3][4],
• дрони^[5],
• мультиспектральний аналіз^[6] та, більш інформативний, гіперспектральний аналіз^[7],
• картографування врожаю^[8][9],
• змінні норми внесення добрив^[10][11][12], засобів захисту^[13][14][15], води^[16][17] та висіву насіння^[18];
• штучний інтелект та машинний зір^[19][13],
• роботизовані механічне прополювання та точне боронування^[20][21],

для оптимізації врожайності, мінімізації шкоди довкіллю, покращення родючості ґрунту та зменшення витрат.

Системи підтримки прийняття рішень пропонують практичну інформацію, допомагаючи в плануванні врожаю та боротьбі зі шкідниками. Автоматизація за допомогою автономного обладнання оптимізує такі завдання, як посадка та збір урожаю, зменшуючи потребу в робочій силі. Технологія точного рільництва оптимізує використання ресурсів, включаючи воду, добрива та засоби захисту рослин, мінімізуючи вплив на навколишнє середовище. Це являє собою зрушення до практики сталого ведення сільського господарства, адаптації до мінливих умов сільського господарства. Постійні вдосконалення продовжують розширювати застосування точного землеробства та підвищувати ефективність світового виробництва продуктів харчування.^[22][23]

Засновки

Традиційне хліборобство передбачало однакове проведення агротехнічних прийомів на окремому полі. Кожне поле розглядалося як однорідне — елементна одиниця управління. У цьому разі, наприклад, внесення надмірних доз добрив (гербіцидів, інших засобів хімізації) створювало реальну загрозу довкіллю.

На середньому заході США точне хліборобство асоціюється не з концепцією стійкого землеробства, але з мейнстримом в агробізнесі, який прагне максимізувати прибуток, проводячи витрати тільки на добриво тих ділянок поля, де добрива дійсно необхідні. Слідуючи цим ідеям агровиробники застосовують технології змінного або диференційованого внесення добрив в тих ділянках поля, які ідентифіковані за допомогою GPS-приймачів і де потреба в певній нормі добрив виявлена агротехнологом за допомогою карт агрофізхімобстеження і врожайності. Тому в деяких ділянках поля норма внесення або обприскування стає менше середньою, відбувається перерозподіл добрив на користь ділянок, де норма повинна бути вище, і, тим самим, оптимізується внесення добрив.

Особливості застосування

Технологія точного рільництва дозволяє побудувати роботу на основі інформації, зібраної в полі. Точне землеробство являє собою спосіб активнішого ведення господарства на полях з різними характеристиками.

Обробка полів відповідно до зональних особливостей (наприклад, врожайністю, структурою ґрунту, вологістю, висотою місцевості) дозволяє оптимізувати витрати та урожайність.

Точне землеробство може застосовуватися для поліпшення стану полів і агроменеджменту, у декількох напрямах:

• агрономічне: з урахуванням реальних потреб культури в добривах удосконалюється агровиробництво
• технічне: здійснено управління часом на рівні господарства (зокрема, поліпшується планування сільськогосподарських операцій)
• екологічне: скорочується негативна дія сільгоспвиробництва на довкілля (точніша оцінка потреб культури в азотних добривах приводить до обмеження застосування і розкидання азотних добрив або нітратів)
• економічне: зростання продуктивності і/або скорочення витрат підвищують ефективність агробізнесу (зокрема, скорочуються витрати на внесення азотних добрив)

Точніше визначення норм внесення добрив та хімікатів може сприяти покращенню охорони довкілля.

Збільшується економічний ефект від досконалішого ведення обліку. Програмні комплекти керування обладнанням пропонують рішення, які дозволяють підняти коефіцієнт використання та продуктивність обладнання.

Переваги точного землеробства

• Точна документація по витратах ресурсів, облік внутрішніх і зовнішніх витрат.
• Збір, аналіз та зберігання критичних даних із внесення добрив, посіву та збиранню урожаю.
• Максимізація продуктивності та покращення організації виробництва: оптимізація виробничого циклу.

Інші переваги для агробізнесу можуть полягати в електронному записі і зберіганні історії польових робіт і урожаїв, що може допомогти як при подальшому ухваленні рішень, так і при складанні спеціальної звітності про виробничий цикл, яка все частіше потрібна законодавством розвинених країн.

Перспективні технології

Точне землеробство родовжує розвиватися разом із прогресом технологій. Ці інновації спрямовані на оптимізацію врожайності, мінімізацію впливу на навколишнє середовище та підвищення ефективності сільського господарства. Ось деякі з найбільш перспективних технологій, які формують майбутнє точного землеробства:

Інтернет речей і сенсорні технології

• Застосування Інтернету речей (IoT) і розумних датчиків для точного рільництва

  Мережі датчиків: розгортання датчиків на полях для збору даних у режимі реального часу про вологість ґрунту^[24][25], температуру, рівень поживних речовин^[26] і стан рослин.^[27][28][1]
• Інтернет речей (IoT): підключення пристроїв і обладнання для безперебійної передачі та аналізу даних, що дозволяє фермерам приймати обґрунтовані рішення віддалено.^{[27][29][30][31][32]}

Машинне навчання та ШІ

• Прогностична аналітика: використовуючи історичні дані та дані в реальному часі^[33][34], алгоритми штучного інтелекту^[35] передбачають хвороби культур, зараження шкідниками та оптимальні терміни посіву чи норми поливу^[36], допомагаючи приймати проактивні рішення.^{[26][37][38][39][34][40][41]}
• Розпізнавання зображень: системи на базі штучного інтелекту аналізують зображення, отримані з дронів^[42] або супутників^[43], щоб визначити стрес культури, ріст бур'янів і зміни ґрунту, сприяючи цілеспрямованим втручанням.^{[30][44][45][46][47]}

Точне зрошення

• Системи крапельного зрошування: точна доставка води та поживних речовин рослинам відповідно до індивідуальних потреб, збереження ресурсів і максимізація здоров'я рослин.^[48][16][36]
• Полив зі змінною швидкістю (VRI): адаптація норм внесення води на поля відповідно до рівня вологості ґрунту та вимог культур, оптимізуючи використання води.^{[16][49][50][17]}

Робототехніка та автоматизація

Сільськогосподарський дрон

Titan FT-35 від FarmWise — автоматизований робот-прополювач

• Автономні транспортні засоби: безпілотні сільськогосподарські роботи та сільськогосподарські дрони здатні сіяти, контролювати посіви та видаляти бур'яни^[51] з мінімальним втручанням людини, підвищуючи ефективність і точність.^[32][51][52]
• Роботизоване збирання врожаю: автоматизовані системи для вибіркового збирання врожаю, що зменшує витрати на робочу силу та забезпечує точний збір врожаю.^[53]

Інтеграція великих даних

• Програмне забезпечення для управління фермою: платформи, які об'єднують різні джерела даних, що дозволяє фермерам аналізувати та візуалізувати інформацію для кращого прийняття рішень.^[54][55]
• Взаємодія з даними: стандартизовані формати та протоколи, що забезпечують аналітику та обмін даними між різними сільськогосподарськими системами та зацікавленими сторонами.^[56][57][58]

Блокчейн

• Прозорість ланцюга постачання: використання блокчейну для відстеження та перевірки походження, якості та шляху сільськогосподарської продукції, забезпечення прозорості та автентичності.^{[59][60][61][62][63]}

Кліматично-розумні технології

• Моніторинг клімату: використання дистанційного зондування та прогнозування погоди для адаптації методів ведення сільського господарства до мінливих кліматичних умов^[64], пом'якшення ризиків^[65], пов'язаних із зміною клімату і екстремальними погодними явищами.^[66] (див. також Агрометеорологія, Агрометеорологічні прогнози, Агрометеорологічна станція)
• Секвестрація вуглецю: впровадження методів, які уловлюють і зберігають вуглець у ґрунтах, таких як бовугілля (біочар), або уловлюють і використовують для виробництва продуктів з доданою вартістю, таких як біоенергетика з уловленням і використанням вуглецю (BECCS)^[67], сприяючи декарбонізації та зменшенню рівня парникового вуглекислого газу в атмосфері, чим зменшуючи глобальне потепління і зміну клімату. Крім того, практики точного землеробства з використанням високотехнологічного обладнання самі по собі мають здатність зменшувати сільськогосподарські витрати, оскільки вони краще спрямовують ресурси на просторові та часові потреби полів, що може призвести до зниження викидів парникових газів. Точне землеробство також може позитивно вплинути на продуктивність та економіку ферми, оскільки може забезпечувати вищі врожаї з нижчими виробничими витратами, ніж звичайні методи.^[68]

Біопаливо

• Виробництво енергії на фермі: використання біопалива, отриманого із рослинних залишків або спеціальних енергетичних культур, для живлення машин і обладнання, що використовуються в операціях точного землеробства.
• Зменшення викидів вуглецю: впровадження машин, що працюють на біопаливі, зменшує викиди парникових газів порівняно з традиційним викопним паливом, що відповідає цілям сталого розвитку точного землеробства.
• Інтеграція з методами точного землеробства: розробка систем виробництва біопалива, які доповнюють методи точного землеробства, оптимізуючи землекористування як для рослинництва, так і для вирощування біопалива.

Нанотехнологій та нанобіотехнології

• 

  Різні застосування нанотехнологій та нанобіотехнологій в сільському господарстві.^[69]

  Нанотехнології та нанобіотехнології: наночастинки або наночіпи можуть транспортувати матеріали до рослин за допомогою наночастинок, і допомагають в створені складних біосенсорів для точного землеробства. Звичайні добрива, інсектициди та гербіциди можуть бути нанокапсульованими, щоб забезпечити рослинам точні дози шляхом поступового безперервного вивільнення поживних речовин і агрохімікатів.^[69][70][71] Біосенсори забезпечуть постійний моніторинг харчових факторів ризику, таких як пестициди, ветеринарні препарати, важкі метали, патогени, отрути та незаконні добавки.^[72] Біосенсори з підтримкою IoT сприяють безперебійній передачі даних, дозволяючи безперервно віддалено контролювати фізіологічні параметри, умови навколишнього середовища тощо, сприяючи ефективнішому використанню ресурсів.^[73]

Ці багатообіцяючі технології являють собою трансформаційний зсув у сільському господарстві, що дозволяє фермерам приймати рішення на основі даних, оптимізувати використання ресурсів і стабільно задовольняти зростаючі потреби у виробництві продуктів харчування, зберігаючи навколишнє середовище.

Постійні дослідження, інвестиції та співпраця між різними зацікавленими сторонами сприятимуть подальшому вдосконаленню та інтеграції цих технологій, сприяючи більш стійкому та ефективному сільськогосподарському сектору.

Див. також

• Агрономія
• Сільське господарство
• Агроінженерія
• Інженерія біологічних систем
• Геостатистика
• Відновлювальне землеробство
• Інтегрований захист рослин
• Органічне землеробство
• Бойко Ярослав Іванович
• Біопаливо
• Циркулярна економіка
• Сталий розвиток

Література

Книги

• Ananth, Saravanan Krishnan, A. Jose Anand, Narayanan Prasanth, Sam Goundar, Christo, ред. (18 грудня 2023). Predictive Analytics in Smart Agriculture. Boca Raton: CRC Press. ISBN 978-1-003-39130-2.
• Cammarano, Davide; Evert, Frits K. van; Kempenaar, Corné (2023). Precision agriculture: modelling. Cham. ISBN 978-3-031-15258-0.
• Zhang, Qin, ред. (2022). Encyclopedia of Smart Agriculture Technologies. Cham: Springer International Publishing, Springer Nature. ISBN 978-3-030-89123-7.
• Salim Lamine, Prashant Srivastava, Ahmed Kayad et al. Remote Sensing in Precision Agriculture: Elsevier Academic Press. 2022. ISBN 0-323-91068-8.
• Peng Zhang, Iseult Lynch, J.C. White, Richard Handy (2022). Nano-enabled Sustainable and Precision Agriculture. Elsevier Academic Press. ISBN 0-323-91233-8.

Журнали

Наукові журнали, присвячені точному землеробству та технологіям, що використовуються в ньому:

• Precision Agriculture
• Agricultural Systems
• Agricultural Water Management
• Computers and Electronics in Agriculture
• Applied Engineering in Agriculture
• Information Processing in Agriculture
• Artificial Intelligence in Agriculture
• Аграрні інновації

Статті

• Підбірка статей Big Data Analytics in Precision Agriculture.
• Mesías-Ruiz, Gustavo A.; Pérez-Ortiz, María; Dorado, José; de Castro, Ana I.; Peña, José M. (2023). Boosting precision crop protection towards agriculture 5.0 via machine learning and emerging technologies: A contextual review. Frontiers in Plant Science 14. doi:10.3389/fpls.2023.1143326.
• Hrynevych, Oksana; Blanco Canto, Miguel; Jiménez García, Mercedes (2022-05). Tendencies of Precision Agriculture in Ukraine: Disruptive Smart Farming Tools as Cooperation Drivers. Agriculture (англ.) 12 (5). doi:10.3390/agriculture12050698.
• Javaid, Mohd; Haleem, Abid; Singh, Ravi Pratap; Suman, Rajiv (1 січня 2022). Enhancing smart farming through the applications of Agriculture 4.0 technologies. International Journal of Intelligent Networks 3. doi:10.1016/j.ijin.2022.09.004.
• Subeesh, A.; Mehta, C. R. (1 січня 2021). Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture 5. doi:10.1016/j.aiia.2021.11.004.

Посилання

• PreAgri.com — це онлайн сервіс для збору і аналізу просторових даних сільськогосподарських підприємств.
• Спрейфорс — допомагає у реалізації точного землеробства та збільшення продуктивності техніки.

Примітки

1. Kim, Min-Yeong; Lee, Kyu Hwan (2022). Electrochemical Sensors for Sustainable Precision Agriculture—A Review. Frontiers in Chemistry. Т. 10. doi:10.3389/fchem.2022.848320. ISSN 2296-2646. PMC 9124781. PMID 35615311. Процитовано 15 грудня 2023.
2. Hrynevych, Oksana; Blanco Canto, Miguel; Jiménez García, Mercedes (2022-05). Tendencies of Precision Agriculture in Ukraine: Disruptive Smart Farming Tools as Cooperation Drivers. Agriculture (англ.). Т. 12, № 5. с. 698. doi:10.3390/agriculture12050698. ISSN 2077-0472. Процитовано 15 грудня 2023.
3. Sishodia, Rajendra P.; Ray, Ram L.; Singh, Sudhir K. (2020-01). Applications of Remote Sensing in Precision Agriculture: A Review. Remote Sensing (англ.). Т. 12, № 19. с. 3136. doi:10.3390/rs12193136. ISSN 2072-4292. Процитовано 14 серпня 2024.
4. Soussi, Abdellatif; Zero, Enrico; Sacile, Roberto; Trinchero, Daniele; Fossa, Marco (2024-01). Smart Sensors and Smart Data for Precision Agriculture: A Review. Sensors (англ.). Т. 24, № 8. с. 2647. doi:10.3390/s24082647. ISSN 1424-8220. PMC 11053448. PMID 38676264. Процитовано 14 серпня 2024.
5. Rejeb, Abderahman; Abdollahi, Alireza; Rejeb, Karim; Treiblmaier, Horst (1 липня 2022). Drones in agriculture: A review and bibliometric analysis. Computers and Electronics in Agriculture. Т. 198. с. 107017. doi:10.1016/j.compag.2022.107017. ISSN 0168-1699. Процитовано 14 серпня 2024.
6. Zhang, Yali; Zhao, Dehua; Liu, Hanchao; Huang, Xinrong; Deng, Jizhong; Jia, Ruichang; He, Xiaoping; Tahir, Muhammad Naveed; Lan, Yubin (11 серпня 2022). Research hotspots and frontiers in agricultural multispectral technology: Bibliometrics and scientometrics analysis of the Web of Science. Frontiers in Plant Science (English) . Т. 13. doi:10.3389/fpls.2022.955340. ISSN 1664-462X. PMC 9404299. PMID 36035687. Процитовано 20 серпня 2024.
7. Ram, Billy G.; Oduor, Peter; Igathinathane, C.; Howatt, Kirk; Sun, Xin (1 липня 2024). A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects. Computers and Electronics in Agriculture. Т. 222. с. 109037. doi:10.1016/j.compag.2024.109037. ISSN 0168-1699. Процитовано 14 серпня 2024.
8. Tiozzo Fasiolo, Diego; Scalera, Lorenzo; Maset, Eleonora; Gasparetto, Alessandro (1 листопада 2023). Towards autonomous mapping in agriculture: A review of supportive technologies for ground robotics. Robotics and Autonomous Systems. Т. 169. с. 104514. doi:10.1016/j.robot.2023.104514. ISSN 0921-8890. Процитовано 14 серпня 2024.
9. Alami Machichi, Mouad; mansouri, loubna El; imani, yasmina; Bourja, Omar; Lahlou, Ouiam; Zennayi, Yahya; Bourzeix, François; Hanadé Houmma, Ismaguil; Hadria, Rachid (18 квітня 2023). Crop mapping using supervised machine learning and deep learning: a systematic literature review. International Journal of Remote Sensing (англ.). Т. 44, № 8. с. 2717—2753. doi:10.1080/01431161.2023.2205984. ISSN 0143-1161. Процитовано 14 серпня 2024.
10. Pawase, Pranav Pramod; Nalawade, Sachin Madhukar; Bhanage, Girishkumar Balasaheb; Walunj, Avdhoot Ashok; Kadam, Pravin Bhaskar; Durgude, Anil G.; Patil, Mahesh G. (17 жовтня 2023). Variable rate fertilizer application technology for nutrient management: A review. International Journal of Agricultural and Biological Engineering (англ.). Т. 16, № 4. с. 11—19. doi:10.25165/ijabe.v16i4.7671. ISSN 1934-6352. Процитовано 20 серпня 2024.
11. Wang, Yuefan; Yuan, Yifan; Yuan, Fei; Ata-UI-Karim, Syed Tahir; Liu, Xiaojun; Tian, Yongchao; Zhu, Yan; Cao, Weixing; Cao, Qiang (2023-11). Evaluation of Variable Application Rate of Fertilizers Based on Site-Specific Management Zones for Winter Wheat in Small-Scale Farming. Agronomy (англ.). Т. 13, № 11. с. 2812. doi:10.3390/agronomy13112812. ISSN 2073-4395. Процитовано 20 серпня 2024.
12. Colaço, A. F.; Whelan, B. M.; Bramley, R. G. V.; Richetti, J.; Fajardo, M.; McCarthy, A. C.; Perry, E. M.; Bender, A.; Leo, S. (1 квітня 2024). Digital strategies for nitrogen management in grain production systems: lessons from multi-method assessment using on-farm experimentation. Precision Agriculture (англ.). Т. 25, № 2. с. 983—1013. doi:10.1007/s11119-023-10102-z. ISSN 1573-1618. Процитовано 20 серпня 2024.
13. Vijayakumar, Vinay; Ampatzidis, Yiannis; Schueller, John K.; Burks, Tom (1 грудня 2023). Smart spraying technologies for precision weed management: A review. Smart Agricultural Technology. Т. 6. с. 100337. doi:10.1016/j.atech.2023.100337. ISSN 2772-3755. Процитовано 20 серпня 2024.
14. Taseer, Abbas; Han, Xiongzhe (1 квітня 2024). Advancements in variable rate spraying for precise spray requirements in precision agriculture using Unmanned aerial spraying Systems: A review. Computers and Electronics in Agriculture. Т. 219. с. 108841. doi:10.1016/j.compag.2024.108841. ISSN 0168-1699. Процитовано 20 серпня 2024.
15. Karadol, Hayrettin; Aybek, Ali; Ucgul, Mustafa; Kuzu, Hamza; Gunes, Mahit (2024-03). Field Sprayer with Application Rate Control Using Fast Response Proportional Valves under Variable Speed Conditions. Agriculture (англ.). Т. 14, № 3. с. 361. doi:10.3390/agriculture14030361. ISSN 2077-0472. Процитовано 20 серпня 2024.
16. Bhavsar, Drashti; Limbasia, Bhargav; Mori, Yash; Imtiyazali Aglodiya, Mohmmadali; Shah, Manan (1 жовтня 2023). A comprehensive and systematic study in smart drip and sprinkler irrigation systems. Smart Agricultural Technology. Т. 5. с. 100303. doi:10.1016/j.atech.2023.100303. ISSN 2772-3755. Процитовано 20 серпня 2024.
17. Chauhdary, Junaid Nawaz; Li, Hong; Jiang, Yue; Pan, Xuwei; Hussain, Zawar; Javaid, Maria; Rizwan, Muhammad (2024-01). Advances in Sprinkler Irrigation: A Review in the Context of Precision Irrigation for Crop Production. Agronomy (англ.). Т. 14, № 1. с. 47. doi:10.3390/agronomy14010047. ISSN 2073-4395. Процитовано 20 серпня 2024.
18. Šarauskis, Egidijus; Kazlauskas, Marius; Naujokienė, Vilma; Bručienė, Indrė; Steponavičius, Dainius; Romaneckas, Kęstutis; Jasinskas, Algirdas (2022-02). Variable Rate Seeding in Precision Agriculture: Recent Advances and Future Perspectives. Agriculture (англ.). Т. 12, № 2. с. 305. doi:10.3390/agriculture12020305. ISSN 2077-0472. Процитовано 20 серпня 2024.
19. Padhiary, Mrutyunjay; Saha, Debapam; Kumar, Raushan; Sethi, Laxmi Narayan; Kumar, Avinash (1 серпня 2024). Enhancing precision agriculture: A comprehensive review of machine learning and AI vision applications in all-terrain vehicle for farm automation. Smart Agricultural Technology. Т. 8. с. 100483. doi:10.1016/j.atech.2024.100483. ISSN 2772-3755. Процитовано 14 серпня 2024.
20. Anastasiou, Evangelos; Fountas, Spyros; Voulgaraki, Matina; Psiroukis, Vasilios; Koutsiaras, Michael; Kriezi, Olga; Lazarou, Erato; Vatsanidou, Anna; Fu, Longsheng (1 жовтня 2023). Precision farming technologies for crop protection: A meta-analysis. Smart Agricultural Technology. Т. 5. с. 100323. doi:10.1016/j.atech.2023.100323. ISSN 2772-3755. Процитовано 20 серпня 2024.
21. Gerhards, Roland; Risser, Peter; Spaeth, Michael; Saile, Marcus; Peteinatos, Gerassimos (2024-02). A comparison of seven innovative robotic weeding systems and reference herbicide strategies in sugar beet ( Beta vulgaris subsp. vulgaris L.) and rapeseed ( Brassica napus L.). Weed Research (англ.). Т. 64, № 1. с. 42—53. doi:10.1111/wre.12603. ISSN 0043-1737. Процитовано 20 серпня 2024.
22. Shafi, Uferah; Mumtaz, Rafia; García-Nieto, José; Hassan, Syed Ali; Zaidi, Syed Ali Raza; Iqbal, Naveed (2019-01). Precision Agriculture Techniques and Practices: From Considerations to Applications. Sensors (англ.). Т. 19, № 17. с. 3796. doi:10.3390/s19173796. ISSN 1424-8220. PMC 6749385. PMID 31480709. Процитовано 15 грудня 2023.
23. Javaid, Mohd; Haleem, Abid; Singh, Ravi Pratap; Suman, Rajiv (1 січня 2022). Enhancing smart farming through the applications of Agriculture 4.0 technologies. International Journal of Intelligent Networks. Т. 3. с. 150—164. doi:10.1016/j.ijin.2022.09.004. ISSN 2666-6030. Процитовано 15 грудня 2023.
24. Khattar, Sonam; Verma, Tushar (1 лютого 2023). Enhancement of the Performance and Accuracy of Soil Moisture Data Transmission in IOT. IOP Conference Series: Earth and Environmental Science. Т. 1110, № 1. с. 012001. doi:10.1088/1755-1315/1110/1/012001. ISSN 1755-1307. Процитовано 15 грудня 2023.
25. Singh, Debabrata; Biswal, Anil Kumar; Samanta, Debabrata; Singh, Vijendra; Kadry, Seifedine; Khan, Awais; Nam, Yunyoung (2023). Smart high-yield tomato cultivation: precision irrigation system using the Internet of Things. Frontiers in Plant Science. Т. 14. doi:10.3389/fpls.2023.1239594. ISSN 1664-462X. PMC 10477787. PMID 37674739. Процитовано 15 грудня 2023.
26. Islam, Md Reazul; Oliullah, Khondokar; Kabir, Md Mohsin; Alom, Munzirul; Mridha, M. F. (1 грудня 2023). Machine learning enabled IoT system for soil nutrients monitoring and crop recommendation. Journal of Agriculture and Food Research. Т. 14. с. 100880. doi:10.1016/j.jafr.2023.100880. ISSN 2666-1543. Процитовано 15 грудня 2023.
27. Rajak, Prem; Ganguly, Abhratanu; Adhikary, Satadal; Bhattacharya, Suchandra (1 грудня 2023). Internet of Things and smart sensors in agriculture: Scopes and challenges. Journal of Agriculture and Food Research. Т. 14. с. 100776. doi:10.1016/j.jafr.2023.100776. ISSN 2666-1543. Процитовано 15 грудня 2023.
28. Alahmad, Tarek; Neményi, Miklós; Nyéki, Anikó (2023-10). Applying IoT Sensors and Big Data to Improve Precision Crop Production: A Review. Agronomy (англ.). Т. 13, № 10. с. 2603. doi:10.3390/agronomy13102603. ISSN 2073-4395. Процитовано 15 грудня 2023.
29. Atalla, Shadi; Tarapiah, Saed; Gawanmeh, Amjad; Daradkeh, Mohammad; Mukhtar, Husameldin; Himeur, Yassine; Mansoor, Wathiq; Hashim, Kamarul Faizal Bin; Daadoo, Motaz (2023-04). IoT-Enabled Precision Agriculture: Developing an Ecosystem for Optimized Crop Management. Information (англ.). Т. 14, № 4. с. 205. doi:10.3390/info14040205. ISSN 2078-2489. Процитовано 15 грудня 2023.
30. Indira, P.; Arafat, I. Sheik; Karthikeyan, R.; Selvarajan, Shitharth; Balachandran, Praveen Kumar (2023-12). Fabrication and investigation of agricultural monitoring system with IoT & AI. SN Applied Sciences (англ.). Т. 5, № 12. doi:10.1007/s42452-023-05526-1. ISSN 2523-3963. Процитовано 15 грудня 2023.
31. Sharma, Amit; Sharma, Ashutosh; Tselykh, Alexey; Bozhenyuk, Alexander; Choudhury, Tanupriya; Alomar, Madani Abdu; Sánchez-Chero, Manuel (14 жовтня 2023). Artificial intelligence and internet of things oriented sustainable precision farming: Towards modern agriculture. Open Life Sciences (англ.). Т. 18, № 1. doi:10.1515/biol-2022-0713. ISSN 2391-5412. PMC 10579876. PMID 37854322. Процитовано 15 грудня 2023.
32. Subeesh, A.; Mehta, C. R. (1 січня 2021). Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture. Т. 5. с. 278—291. doi:10.1016/j.aiia.2021.11.004. ISSN 2589-7217. Процитовано 15 грудня 2023.
33. Sourav, A I; Emanuel, A W R (1 березня 2021). Recent Trends of Big Data in Precision Agriculture: a Review. IOP Conference Series: Materials Science and Engineering. Т. 1096, № 1. с. 012081. doi:10.1088/1757-899X/1096/1/012081. ISSN 1757-8981. Процитовано 15 грудня 2023.
34. Chergui, Nabila; Kechadi, Mohand Tahar (23 грудня 2022). Data analytics for crop management: a big data view. Journal of Big Data (англ.). Т. 9, № 1. doi:10.1186/s40537-022-00668-2. ISSN 2196-1115. Процитовано 15 грудня 2023.
35. Javaid, Mohd; Haleem, Abid; Khan, Ibrahim Haleem; Suman, Rajiv (1 березня 2023). Understanding the potential applications of Artificial Intelligence in Agriculture Sector. Advanced Agrochem. Т. 2, № 1. с. 15—30. doi:10.1016/j.aac.2022.10.001. ISSN 2773-2371. Процитовано 15 грудня 2023.
36. Wei, Hanyu; Xu, Wen; Kang, Byeong; Eisner, Rowan; Muleke, Albert; Rodriguez, Daniel; deVoil, Peter; Sadras, Victor; Monjardino, Marta (1 червня 2024). Irrigation with Artificial Intelligence: Problems, Premises, Promises. Human-Centric Intelligent Systems (англ.). Т. 4, № 2. с. 187—205. doi:10.1007/s44230-024-00072-4. ISSN 2667-1336. Процитовано 20 серпня 2024.
37. Research Scholar , Annamalai University,; Yasam, Mr. Srinath.; Nair, Dr. S Anu H; Assistant Professor, Department of Computer Science & Engg, Faculty of Engineering and Technology, Annamalai University, (Deputed to WPT, Chennai), (30 грудня 2019). Precision Farming and Predictive Analytics in Agriculture Context (PDF). International Journal of Engineering and Advanced Technology. Т. 9, № 1s5. с. 74—80. doi:10.35940/ijeat.A1023.1291S519. Процитовано 15 грудня 2023.
38. Akhter, Ravesa; Sofi, Shabir Ahmad (1 вересня 2022). Precision agriculture using IoT data analytics and machine learning. Journal of King Saud University - Computer and Information Sciences. Т. 34, № 8, Part B. с. 5602—5618. doi:10.1016/j.jksuci.2021.05.013. ISSN 1319-1578. Процитовано 15 грудня 2023.
39. Rokade, Ashay; Singh, Manwinder; Malik, Praveen Kumar; Singh, Rajesh; Alsuwian, Turki (2022-01). Intelligent Data Analytics Framework for Precision Farming Using IoT and Regressor Machine Learning Algorithms. Applied Sciences (англ.). Т. 12, № 19. с. 9992. doi:10.3390/app12199992. ISSN 2076-3417. Процитовано 15 грудня 2023.
40. Internet of Things, Big Data Analytics, and Deep Learning for Sustainable Precision Agriculture | IEEE Conference Publication | IEEE Xplore. ieeexplore.ieee.org. doi:10.23919/ist-africa56635.2022.9845510. Процитовано 15 грудня 2023.
41. Coulibaly, Solemane; Kamsu-Foguem, Bernard; Kamissoko, Dantouma; Traore, Daouda (1 листопада 2022). Deep learning for precision agriculture: A bibliometric analysis. Intelligent Systems with Applications. Т. 16. с. 200102. doi:10.1016/j.iswa.2022.200102. ISSN 2667-3053. Процитовано 15 грудня 2023.
42. Rejeb, Abderahman; Abdollahi, Alireza; Rejeb, Karim; Treiblmaier, Horst (1 липня 2022). Drones in agriculture: A review and bibliometric analysis. Computers and Electronics in Agriculture. Т. 198. с. 107017. doi:10.1016/j.compag.2022.107017. ISSN 0168-1699. Процитовано 15 грудня 2023.
43. Yang, Chenghai (19 листопада 2018). High resolution satellite imaging sensors for precision agriculture. Frontiers of Agricultural Science and Engineering (англ.). Т. 5, № 4. с. 393—405. doi:10.15302/J-FASE-2018226. ISSN 2095-7505. Процитовано 15 грудня 2023.
44. Bauer, Alan; Bostrom, Aaron George; Ball, Joshua; Applegate, Christopher; Cheng, Tao; Laycock, Stephen; Rojas, Sergio Moreno; Kirwan, Jacob; Zhou, Ji (1 червня 2019). Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: A case study of lettuce production. Horticulture Research (англ.). Т. 6, № 1. с. 1—12. doi:10.1038/s41438-019-0151-5. ISSN 2052-7276. Процитовано 15 грудня 2023.
45. Bouguettaya, Abdelmalek; Zarzour, Hafed; Kechida, Ahmed; Taberkit, Amine Mohammed (1 червня 2022). Deep learning techniques to classify agricultural crops through UAV imagery: a review. Neural Computing and Applications (англ.). Т. 34, № 12. с. 9511—9536. doi:10.1007/s00521-022-07104-9. ISSN 1433-3058. PMC 8898032. PMID 35281624. Процитовано 15 грудня 2023.
46. Mesías-Ruiz, Gustavo A.; Pérez-Ortiz, María; Dorado, José; de Castro, Ana I.; Peña, José M. (2023). Boosting precision crop protection towards agriculture 5.0 via machine learning and emerging technologies: A contextual review. Frontiers in Plant Science. Т. 14. doi:10.3389/fpls.2023.1143326. ISSN 1664-462X. PMC 10088868. PMID 37056493. Процитовано 15 грудня 2023.
47. Preininger, Ernst Michael (26 вересня 2023). Is this the future? Image and imagination in visual discourses on digital farming in Austrian media. Geografiska Annaler: Series B, Human Geography (англ.). с. 1—19. doi:10.1080/04353684.2023.2261132. ISSN 0435-3684. Процитовано 15 грудня 2023.
48. Shareef, Tawheed Mohammed Elheesin; Ma, Zhongming; Zhao, Baowei (3 вересня 2019). Essentials of Drip Irrigation System for Saving Water and Nutrients to Plant Roots: As a Guide for Growers. Journal of Water Resource and Protection (англ.). Т. 11, № 9. с. 1129—1145. doi:10.4236/jwarp.2019.119066. Процитовано 15 грудня 2023.
49. Ribeiro Mendes, Willians; Meneghetti U. Araújo, Fábio; Er-Raki, Salah (18 грудня 2019). Ricart, Sandra; M. Rico, Antonio; Olcina, Jorge (ред.). Integrating Remote Sensing Data into Fuzzy Control System for Variable Rate Irrigation Estimates. Irrigation - Water Productivity and Operation, Sustainability and Climate Change (англ.). IntechOpen. doi:10.5772/intechopen.87023. ISBN 978-1-78984-676-8.
50. Li, Maona; Wang, Yunling; Guo, Hui; Ding, Feng; Yan, Haijun (1 січня 2023). Evaluation of variable rate irrigation management in forage crops: Saving water and increasing water productivity. Agricultural Water Management. Т. 275. с. 108020. doi:10.1016/j.agwat.2022.108020. ISSN 0378-3774. Процитовано 15 грудня 2023.
51. Tran, Duc; Schouteten, Joachim J.; Degieter, Margo; Krupanek, Janusz; Jarosz, Wanda; Areta, Alvaro; Emmi, Luis; De Steur, Hans; Gellynck, Xavier (2023-12). European stakeholders’ perspectives on implementation potential of precision weed control: the case of autonomous vehicles with laser treatment. Precision Agriculture (англ.). Т. 24, № 6. с. 2200—2222. doi:10.1007/s11119-023-10037-5. ISSN 1385-2256. PMC 10259808. PMID 37363794. Процитовано 15 грудня 2023.
52. Kumar, Sandeep; Mohan, Santhakumar; Skitova, Valeria (2023-08). Designing and Implementing a Versatile Agricultural Robot: A Vehicle Manipulator System for Efficient Multitasking in Farming Operations. Machines (англ.). Т. 11, № 8. с. 776. doi:10.3390/machines11080776. ISSN 2075-1702. Процитовано 15 грудня 2023.
53. Droukas, Leonidas; Doulgeri, Zoe; Tsakiridis, Nikolaos L.; Triantafyllou, Dimitra; Kleitsiotis, Ioannis; Mariolis, Ioannis; Giakoumis, Dimitrios; Tzovaras, Dimitrios; Kateris, Dimitrios (2023-02). A Survey of Robotic Harvesting Systems and Enabling Technologies. Journal of Intelligent & Robotic Systems (англ.). Т. 107, № 2. doi:10.1007/s10846-022-01793-z. ISSN 0921-0296. PMC 9881528. PMID 36721646. Процитовано 15 грудня 2023.
54. San Emeterio de la Parte, Mario; Martínez-Ortega, José-Fernán; Hernández Díaz, Vicente; Martínez, Néstor Lucas (28 квітня 2023). Big Data and precision agriculture: a novel spatio-temporal semantic IoT data management framework for improved interoperability. Journal of Big Data (англ.). Т. 10, № 1. doi:10.1186/s40537-023-00729-0. ISSN 2196-1115. Процитовано 15 грудня 2023.
55. Mouratiadou, Ioanna; Lemke, Nahleen; Chen, Cheng; Wartenberg, Ariani; Bloch, Ralf; Donat, Marco; Gaiser, Thomas; Basavegowda, Deepak Hanike; Helming, Katharina (1 жовтня 2023). The Digital Agricultural Knowledge and Information System (DAKIS): Employing digitalisation to encourage diversified and multifunctional agricultural systems. Environmental Science and Ecotechnology. Т. 16. с. 100274. doi:10.1016/j.ese.2023.100274. ISSN 2666-4984. PMC 10188627. PMID 37206315. Процитовано 15 грудня 2023.
56. Atik, Can (2022-05). Towards Comprehensive European Agricultural Data Governance: Moving Beyond the “Data Ownership” Debate. IIC - International Review of Intellectual Property and Competition Law (англ.). Т. 53, № 5. с. 701—742. doi:10.1007/s40319-022-01191-w. ISSN 0018-9855. Процитовано 15 грудня 2023.
57. Bökle, Sebastian; Paraforos, Dimitrios S.; Reiser, David; Griepentrog, Hans W. (1 грудня 2022). Conceptual framework of a decentral digital farming system for resilient and safe data management. Smart Agricultural Technology. Т. 2. с. 100039. doi:10.1016/j.atech.2022.100039. ISSN 2772-3755. Процитовано 15 грудня 2023.
58. Šestak, Martina; Copot, Daniel (2023-01). Towards Trusted Data Sharing and Exchange in Agro-Food Supply Chains: Design Principles for Agricultural Data Spaces. Sustainability (англ.). Т. 15, № 18. с. 13746. doi:10.3390/su151813746. ISSN 2071-1050. Процитовано 15 грудня 2023.
59. Gerard Sylvester (ред.) (2019). Blockchain for Agriculture: Opportunities and Challenges (PDF). The Food and Agriculture Organization of the United Nations (FAO) та the International Telecommunication Union (ITU). ISBN 978-92-5-131227-8.
60. Blockchain-Based Agri-Food Supply Chain: A Complete Solution | IEEE Journals & Magazine | IEEE Xplore. ieeexplore.ieee.org. doi:10.1109/access.2020.2986257. Процитовано 15 грудня 2023.
61. Njualem, Lewis A. (2022-01). Leveraging Blockchain Technology in Supply Chain Sustainability: A Provenance Perspective. Sustainability (англ.). Т. 14, № 17. с. 10533. doi:10.3390/su141710533. ISSN 2071-1050. Процитовано 15 грудня 2023.
62. Jahanbin, Pouyan; Wingreen, Stephen C.; Sharma, Ravishankar; Ijadi, Behrang; Reis, Marlon M. (1 грудня 2023). Enabling affordances of blockchain in agri-food supply chains: A value-driver framework using Q-methodology. International Journal of Innovation Studies. Т. 7, № 4. с. 307—325. doi:10.1016/j.ijis.2023.08.001. ISSN 2096-2487. Процитовано 15 грудня 2023.
63. Hasan, Ikram; Habib, Md Mamun; Mohamed, Zulkifflee; Tewari, Veena (24 лютого 2023). Integrated Agri-Food Supply Chain Model: An Application of IoT and Blockchain. American Journal of Industrial and Business Management (англ.). Т. 13, № 2. с. 29—45. doi:10.4236/ajibm.2023.132003. Процитовано 15 грудня 2023.
64. Grigorieva, Elena; Livenets, Alexandra; Stelmakh, Elena (2023-10). Adaptation of Agriculture to Climate Change: A Scoping Review. Climate (англ.). Т. 11, № 10. с. 202. doi:10.3390/cli11100202. ISSN 2225-1154. Процитовано 15 грудня 2023.
65. Barik, Saroj Kanta; Behera, Mukunda Dev; Shrotriya, Shishir; Likhovskoi, Vladimir (2023-01). Monitoring climate change impacts on agriculture and forests: trends and prospects. Environmental Monitoring and Assessment (англ.). Т. 195, № 1. doi:10.1007/s10661-022-10754-w. ISSN 0167-6369. Процитовано 15 грудня 2023.
66. Parolini, Giuditta (2022-05). Weather, climate, and agriculture: Historical contributions and perspectives from agricultural meteorology. WIREs Climate Change (англ.). Т. 13, № 3. doi:10.1002/wcc.766. ISSN 1757-7780. Процитовано 15 грудня 2023.
67. Shahbaz, Muhammad; AlNouss, Ahmed; Ghiat, Ikhlas; Mckay, Gordon; Mackey, Hamish; Elkhalifa, Samar; Al-Ansari, Tareq (1 жовтня 2021). A comprehensive review of biomass based thermochemical conversion technologies integrated with CO2 capture and utilisation within BECCS networks. Resources, Conservation and Recycling. Т. 173. с. 105734. doi:10.1016/j.resconrec.2021.105734. ISSN 0921-3449. Процитовано 15 грудня 2023.
68. Balafoutis, Athanasios; Beck, Bert; Fountas, Spyros; Vangeyte, Jurgen; Wal, Tamme Van der; Soto, Iria; Gómez-Barbero, Manuel; Barnes, Andrew; Eory, Vera (2017-08). Precision Agriculture Technologies Positively Contributing to GHG Emissions Mitigation, Farm Productivity and Economics. Sustainability (англ.). Т. 9, № 8. с. 1339. doi:10.3390/su9081339. ISSN 2071-1050. Процитовано 15 грудня 2023.
69. Sharma, Pankaj; Pandey, Vimal; Sharma, Mayur Mukut Murlidhar; Patra, Anupam; Singh, Baljinder; Mehta, Sahil; Husen, Azamal (30 серпня 2021). A Review on Biosensors and Nanosensors Application in Agroecosystems. Nanoscale Research Letters (англ.). Т. 16, № 1. doi:10.1186/s11671-021-03593-0. ISSN 1556-276X. PMC 8405745. PMID 34460019. Процитовано 25 грудня 2023.
70. Kim, Min-Yeong; Lee, Kyu Hwan (9 травня 2022). Electrochemical Sensors for Sustainable Precision Agriculture—A Review. Frontiers in Chemistry. Т. 10. doi:10.3389/fchem.2022.848320. ISSN 2296-2646. PMC 9124781. PMID 35615311. Процитовано 25 грудня 2023.
71. Garg, Shivani; Rumjit, Nelson Pynadathu; Roy, Swapnila (9 листопада 2023). Smart agriculture and nanotechnology: Technology, challenges, and new perspective. Advanced Agrochem. doi:10.1016/j.aac.2023.11.001. ISSN 2773-2371. Процитовано 15 грудня 2023.
72. Wang, Xin; Luo, Yunbo; Huang, Kunlun; Cheng, Nan (1 вересня 2022). Biosensor for agriculture and food safety: Recent advances and future perspectives. Advanced Agrochem. Т. 1, № 1. с. 3—6. doi:10.1016/j.aac.2022.08.002. ISSN 2773-2371. Процитовано 25 грудня 2023.
73. Ataei Kachouei, Matin; Kaushik, Ajeet; Ali, Md. Azahar (2023-12). Internet of Things‐Enabled Food and Plant Sensors to Empower Sustainability. Advanced Intelligent Systems (англ.). Т. 5, № 12. doi:10.1002/aisy.202300321. ISSN 2640-4567. Процитовано 25 грудня 2023.