← 主题

#农业水资源

江苏里下河地区农业科学研究所·9月21日 · 周一58 分 报道水资源与灌溉阅读 2

深化南北科技协作 共促智慧节水农业发展——河北省水资源研究与水利技术试验推广中心一行到江苏里下河所调研交流

9-21 河北省水资源研究与水利技术试验推广中心(河北省灌溉中心试验站)副主任贾志军一行3人来江苏里下河地区农业科学研究所调研交流。调研组一行在资源与环境研究室主任寇祥明等陪同下,实地考察樊川基地,现场观摩智慧灌溉、虫情监测及土壤墒情在线监测等智慧农业应用场景。双方围绕农业水资源高效利用、智慧灌溉技术研发及科研基地建设等主题进行深入交流,重点围绕深化南北区域农业节水科技协作达成共识,一致认为应充分发挥各自在农业水资源利用、稻麦栽培和智慧农业等方面的科研与平台优势,协同开展黄淮海地区和里下河地区稻麦高效节水智慧灌溉技术研究,探索构建适应不同生态区的智慧灌溉技术模式与技术标准。

Frontiers in Sustainable Food Systems · 2026-07-28·7月28日 · 周二76 分 论文阅读 10

基于边缘计算、机器学习与物联网的智能灌溉系统提升农业水资源管理(土耳其Mustafa & Kutucu,Frontiers 2026-07-28接受)

Mustafa MS(卡拉比克大学计算机工程系)与Kutucu H(土耳其)在Frontiers in Sustainable Food Systems发表的原创研究"Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT"于2026-07-28接受。针对农业占全球淡水取用量约70%、传统灌溉水耗大、效率低的现实,研究构建将物联网、机器学习与边缘计算融合的智能灌溉系统:物联网传感器和边缘设备实时采集环境数据并估算灌溉需求,机器学习模型与土壤监测单元(SMU)和水管理单元(WMU)协同,在边缘本地部署实现可扩展、实时、高效灌溉管理。研究比较决策树(DT)、随机森林(RF)、支持向量机(SVM)、K近邻(KNN)、随机梯度下降(SGD)和多层感知机(MLP)六种监督学习模型,其中决策树和随机森林分类准确率达93%、R²回归得分0.98,显著优于SVM(准确率58%、R²=0.18),为不同农业场景下水资源高效管理提供可复用方案。原文:Enhancing Water Management with Intelligent Irrigation Systems Using Edge Computing, Machine Learning and IoT