农业水资源 智能灌溉

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