Sensor-based Smart Irrigation and IoT Technologies in Precision Agriculture: Current Advances, Challenges and Future Perspectives—A Review

方法

综述土壤水分与气象传感、IoT架构、通信网络、自动控制器及ET模型与AI算法。

发现

AI与IoT融合可提升灌溉决策精度，但传感器校准、数据质量与模型泛化仍是主要瓶颈。

机会点

可探索低成本传感器集成与可解释AI模型在多季田间验证中的结合，提升灌溉决策可靠性。

水资源短缺、气候变率以及淡水竞争加剧，使得农业需要更精准的灌溉管理。传统灌溉调度可能无法充分考虑土壤水分、作物需水量和气象条件的时空变化。基于传感器的智能灌溉通过融合田间测量、无线通信、自动控制与数据驱动决策，提供了一种替代方案。本文综述了土壤水分与气象传感技术、物联网（IoT）架构、通信网络、自动灌溉控制器以及基于蒸散量的调度等方面的进展。文中特别关注参考蒸散量（ET₀）、作物蒸散量（ETc）、作物系数与实时土壤水分观测的集成，以支持灌溉决策。综述还讨论了人工智能与机器学习模型在预测需水和改进灌溉调度方面的潜在应用，包括人工神经网络、随机森林、梯度提升、极端梯度提升、LightGBM、支持向量回归、长短期记忆网络、模糊逻辑和强化学习，并考量了它们的优势、局限性、验证要求以及对不同田间条件的适用性。综述还考察了关于灌溉节水、水分利用效率、作物生产力、能耗和运行可靠性的已报道结果，同时认识到结果因作物、土壤、气候、系统设计和管理实践而异。主要挑战包括传感器校准、数据质量、通信故障、模型泛化、安装成本、互操作性以及长期田间验证有限。未来研究应优先关注经济可负担的技术、可靠的传感器集成、可解释的预测模型以及多季田间评估。将农艺原理与物联网监测及经验证的基于人工智能的决策支持相结合，有望提高露地灌溉的精准性与可靠性，同时支撑可持续的农业水资源管理。