Об оптимизации размещения сети датчиков интернета вещей на пахотных угодьях

Об оптимизации размещения сети датчиков интернета вещей на пахотных угодьях

Автор: Савин И. Ю., Блохин Ю. И.

Журнал: Бюллетень Почвенного института им. В.В. Докучаева @byulleten-esoil

Рубрика: Статьи

Статья в выпуске: 110, 2022 года.

Бесплатный доступ

Одним из направлений цифровизации в сельском хозяйстве является внедрение технологий интернета вещей. Оно выражается в создании и использовании специализированных датчиков свойств почв и посевов, которые размещаются на полях. Размещение подобных датчиков в пространстве должно позволить охарактеризовать все микронеоднородности параметров плодородия почв на поле. То есть их количество и пространственное размещение должно быть оптимальным, с одной стороны, с точки зрения затрат на их приобретение и эксплуатацию, а с другой стороны, с точки зрения точности интерполяции получаемых с их помощью данных на всю территорию поля. Показано, что использование карт состояния посевов, полученных по спутниковым данным, и выделение по ним рабочих участков (management zones) может приводить к значительным ошибкам при интерполяции результатов мониторинга в отдельных точках на все поле. Предложен подход для оптимизации размещения датчиков, основанный на использовании карт пестроты плодородия почв полей, которые являются результатом доработки, обновления и уточнения традиционно составленных почвенных карт на основе данных дистанционного зондирования высокого или сверхвысокого пространственного разрешения. Возможности использования подхода продемонстрированы на примере тестового поля.

Еще

Пространственное варьирование почв, ndvi, мониторинг почв, спутниковый мониторинг посевов, датчики свойств почв и посевов

Короткий адрес: https://sciup.org/143178877

IDR: 143178877   |   DOI: 10.19047/0136-1694-2022-110-22-50

Список литературы Об оптимизации размещения сети датчиков интернета вещей на пахотных угодьях

  • Ведомственный проект “Цифровое сельское хозяйство”: официальное издание. М.: ФГБНУ “Росинформагротех”, 2019. 48 с.
  • Железова С.В. Научно-методическое обоснование технологий точного и ресурсосберегающего земледелия для зерновых культур в Нечерноземной зоне РФ: Дис. … докт. с.-х. наук. М.: РГАУ-МСХА имени К.А. Тимирязева, 2020. 415 с.
  • Иванов А.Л., Козубенко И.С., Савин И.Ю., Кирюшин В.И. Цифровое земледелие // Вестник российской сельскохозяйственной науки. 2018. № 5. С. 4-9.
  • Савин И.Ю. Классификация почв и земледелие // Бюллетень Почвенного института им. В.В. Докучаева. 2016. Вып. 84. С. 3-9. https://doi.org/10.19047/0136-1694-2016-84-3-9.
  • Савин И.Ю., Савенкова Е.В., Кучер Д.Е., Тутукова Д.А., Бербеков С.А. Оценка контрастности почвенного покрова пахотных угодий по спутниковым данным Sentinel-2 // Почвоведение. 2021. № 11. С. 1295-1305.
  • Савин И.Ю., Шишконакова Е.А., Прудникова Е.Ю., Виндекер Г.В., Грубина П.Г., Шарычев Д.В., Щепотьев В.Н., Вернюк Ю.И., Жоголев А.В. О влиянии засоренности посевов озимой пшеницы на их спектральную отражательную способность // Сельскохозяйственная биология. 2020. Т. 55. № 1. С. 53-65.
  • Фридланд В.М. Структура почвенного покрова. М.: Мысль, 1972. 424 с.
  • Atzberger C. Advances in remote sensing of agriculture: Context description, Existing operational monitoring systems and Major information needs // Remote Sensing. 2013. Vol. 5(2). P. 949-981. https://doi.org/10.3390/rs5020949.
  • Borrero J.D., Zabalo A. An autonomous wireless device for real-time monitoring of water needs // Sensors (Switzerland). 2020. Vol. 20(7). 2078.
  • Brummel D. Delineation of NDVI-based soil management zones: Applications of UAS technology // Graduate Theses and Dissertations. 2019. 16977. URL: https://lib.dr.iastate.edu/etd/16977.
  • Chepuri S.P., Leus G. Continuous sensor placement // IEEE Signal Process. Lett. 2015. Vol. 22. No. 5. P. 544-548.
  • Cohen K., Seigel S., McLaughlin T. A heuristic approach to effective sensor placement for modelling a cylindrical wake // Comput. Fluids. 2006. Vol. 35. No. 1. P. 103-120.
  • Corti M., Marino Gallina P., Cavalli D., Ortuani B., Cabassi G., Cola G., Vigoni A., Degano L., Bregaglio S. Evaluation of In-Season Management Zones from High-Resolution Soil and Plant Sensors // Agronomy. 2020. Vol. 10. 1124. https://doi.org/10.3390/agronomy10081124.
  • E-agriculture in action, Bangkok: FAO-ITU, 2017. 118 p.
  • Elijah O., Rahman T.A., Orikumhi I., Leow C.Y., Hindia M.N. An Overview of Internet of Things (IoT) and Data Analytics in Agriculture: Benefits and Challenges // IEEE Internet of Things Journal. 2018. Vol. 5. No. 5. P. 3758-3773. https://doi.org/10.1109/JIOT.2018.2844296.
  • Gupta H.P., Tyagi P.K., Singh M.P. Regular node deployment for coverage in connected wireless networks // IEEE Sensors Journal. 2015. Vol. 15. No. 12. P. 7126-7134.
  • ILWIS. Программный продукт. URL: https://www.itc.nl/ilwis.
  • Jamali-Rad H., Seimonetto A., Leus G. Sparsity-aware sensor selection: Centralized and distributed algorithms // IEEE Signal Process. Lett. 2014. Vol. 21. No. 2. P. 217-220.
  • Jiang C., Soh Y.C., Li H. Sensor placement by maximal projection on minimum eigenspace for linear inverse problems // IEEE Trans. Signal Process. 2016. Vol. 64. No. 21. P. 5595-5610.
  • Kaiwartya O., Abdullah A., Cao Y., Rao R.S., Kumar S., Lobiyal D.K., Isnin I.F., Liu X., Shah R.R. T-MQM: Testbed Based Multi-Metric Quality Measurement of Sensor Deployment for Precision Agriculture-A Case Study // IEEE Sensors Journal. 2016. Vol. 16 (23). P. 8649-8664. https://doi.org/10.1109/jsen.2016.2614748.
  • Maloku D., Balogh P., Bai A., Gabnai Z., Lengyel P. Trends in scientific research on precision farming in agriculture using science mapping method // International Review of Applied Sciences and Engineering IRASE. 2020. Vol. 11 (3). P. 232-242. https://doi.org/10.1556/1848.2020.00086.
  • Manohar K., Brunton B.N., Kutz J.N., Brunton S.L. Data-driven sparse sensor placement for reconstruction // IEEE Control Syst. Mag. 2018. Vol. 38. No. 3. P. 63-86.
  • Morais R., Mendes J., Silva R., Silva N., Sousa J., Peres E.A. Versatile, Low-Power and Low-Cost IoT Device for Field Data Gathering in Precision Agriculture Practices // Agriculture. 2021. Vol. 11. 619.
  • Naeem M., Xue S., Lee D. Cross-entropy optimization for sensor selection problems // Proc. 9th Int. Symp. Commun. Inf. Technol. 2009. P. 396-401.
  • Patrício D.I., Rieder R. Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic re-view // Comput. Electron. Agric. 2018. Vol. 153. P. 69-81.
  • Placidi P., Morbidelli R., Fortunati D., Papini N., Gobbi F., Scorzoni A. Monitoring Soil and Ambient Parameters in the IoT Precision Agriculture Scenario: An Original Modeling Approach Dedicated to Low-Cost Soil Water Content Sensors // Sensors. 2021. Vol. 21. 5110. https://doi.org/10.3390/s21155110.
  • Prudnikova E., Savin I., Vindeker G., Grubina P., Shishkonakova E., Sharychev D. Influence of Soil Background on Spectral Reflectance of Winter Wheat Crop Canopy // Remote Sens. 2019. Vol. 11. 1932. https://doi.org/10.3390/rs11161932.
  • Rebai M., Snoussi H., Hnaien F., Khoukhi L. Sensor deployment optimization methods to achieve both coverage and connectivity in wireless sensor networks // Comput. Oper. Res. 2015. Vol. 59. P. 11-21.
  • Sakai K., Sun M.T., Ku W.S., Lai T.H., Vasilakos A.V. A framework for the optimal k-coverage deployment patterns of wireless sensors // IEEE Sensors J. 2015. Vol. 15. No. 12. P. 7273-7283.
  • Savin I.Yu. The scale problem in modern soil mapping // Dokuchaev Soil Bulletin. 2019. Vol. 97. P. 5-20. https://doi.org/10.19047/0136-1694-2019-97-5-20.
  • Shafi U., Mumtaz R., García-Nieto J., Hassan S.A., Zaidi S.A.R., Iqbal N. Precision Agriculture Techniques and Practices: From Considerations to Applications // Sensors. 2019. Vol. 19. 3796.
  • Shamiah M., Banarjee S., Vikalo H. Greedy sensor selection: Leveraging submodularity // Proc. 49th IEEE Conf. Decis. Control. 2010. P. 2572-2577.
  • Shen X., Varshney P.K. Sensor selection based on generalized information gain for target tracking in large sensor networks // IEEE Trans. Signal Process. 2014. Vol. 62. No. 2. P. 363-375.
  • STEP. Программный продукт. URL: https://step.esa.int/main/toolboxes/snap.
  • University of Nebraska information letter. URL: https://cropwatch.unl.edu/documents/On-the-Go Vehicle-Based Soil Sensors - EC178.pdf.
  • Visalini K., Subathra B., Srinivasan S., Palmieri G., Bekiroglu K., Thiyaku S. Sensor Placement Algorithm with Range Constraints for Precision Agriculture // IEEE Aerospace and Electronic Systems Magazine. 2019. Vol. 34(6). P. 4-15. https://doi.org/10.1109/maes.2019.2921177.
  • Viscarra Rossel R.A., Bouma J. Soil sensing: A new paradigm for agriculture // Agricultural Systems. 2016. Vol. 148. P. 71-74. https://doi.org/10.1016/j.agsy.2016.07.001.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp