SMART IRRIGATION STRATEGY RECOMMENDED SYSTEM USING ML

农业灌溉用水占农业淡水消耗量的最大份额，而其中大量水资源被浪费，原因在于农田按固定日程灌溉，而非根据作物的实际需求进行灌溉。过度灌溉会淋失养分、增加抽水成本，并可能损伤根系；而灌溉不足则会在关键生长期降低产量。本文提出了一种智能灌溉策略推荐系统，利用土壤与气象传感技术结合机器学习，推荐何时灌溉、灌多少水，以及哪种灌溉方式适合该田块和作物。系统的传感部分由基于ESP32微控制器构建的田间节点组成，这些节点读取两个深度的电容式土壤水分传感器、一个土壤温度探头以及一个空气温湿度传感器。每个节点按固定间隔采样这些数值，对多次读数取平均以降低噪声，并通过Wi-Fi或LoRa链路发送至网关。节点由小型太阳能板和电池供电，大部分时间处于深度睡眠状态以延长电池寿命。该地点的天气预报数据（包括预期降雨量、温度和风速）从公共服务获取，并与传感器读数融合。系统的机器学习部分分两个阶段运行。第一阶段，回归模型利用当前传感器读数、根据气象数据计算的参考蒸散量、作物类型和生长阶段，预测未来二十四小时内预期的土壤水分水平。针对该任务，使用RMSE和MAE对线性回归、随机森林、梯度提升和支持向量回归进行了比较。第二阶段，分类模型推荐若干灌溉措施之一，即不灌溉、轻度灌溉、正常灌溉或因预期降雨而推迟灌溉。使用准确率、精确率、召回率和F1分数对决策树、随机森林、K近邻和XGBoost分类器进行了比较。推荐结果通过一个网页仪表板呈现，显示每个田块分区的实时土壤水分、预测水分曲线、推荐措施及估计水量和泵运行时间，以及过往灌溉事件记录。当农民选择自动模式时，系统还可自动切换继电器控制的泵或电磁阀，而手动确认仍为默认方式。在利用收集数据和公共农业