Точне землеробство

Матеріал з Вікіпедії — вільної енциклопедії.
(Перенаправлено з Точне рільництво)
Перейти до навігації Перейти до пошуку
Точне землеробство
Зображення
Попередник землеробство
CMNS: Точне землеробство у Вікісховищі
Yara N-Sensor ALS, встановлений на куполі трактора — система, яка реєструє відбиття світла від посівів, розраховує рекомендації щодо внесення добрив, а потім змінює кількість розкиданих добрив
Yara N-Sensor ALS, встановлений на куполі трактора — система, яка реєструє відбиття світла від посівів, розраховує рекомендації щодо внесення добрив, а потім змінює кількість розкиданих добрив

То́чне землеробство або точне рільництво — це технологія сільського господарства, яка зменшує забруднення навколишнього середовища, мінімізуючи витрати добрив, гербіцидів і пестицидів, і максимізуючи виробництво високоякісних культур шляхом моніторингу умов і середовища сільськогосподарських угідь і посівів.[1]

Інновації точного землеробства розроблені для підвищення ефективності сільськогосподарської діяльності за рахунок мінімальних початкових витрат матеріальних і людських ресурсів і уникнення шкідливого впливу на навколишнє середовище з одного боку та автоматизації виробництва з іншого, забезпечуючи таким чином екологічні, соціальні та економічні вигоди.[2]

Точне рільництво революціонізує сільське господарство завдяки стратегіям, що керуються технологіями, розробленим для управління на конкретній території. Воно об'єднує передові інструменти, такі як GPS, ГІС, дрони, датчики та робототехніку для збору й аналізу польових даних. Цей підхід дозволяє фермерам приймати точні рішення, враховуючи варіації ґрунту, рівень вологості та здоров'я врожаю.

Основні принципи включають прийняття рішень на основі даних мультиспектрального аналізу[3], машинного зору[4] та різноманітних датчиків[5][6], використання дистанційного зондування для картографування врожаю[7][8] та моніторингу, технологію іригації (поливу) зі змінною швидкістю тощо.

Системи підтримки прийняття рішень пропонують практичну інформацію, допомагаючи в плануванні врожаю та боротьбі зі шкідниками. Автоматизація за допомогою автономного обладнання оптимізує такі завдання, як посадка та збір урожаю, зменшуючи потребу в робочій силі. Технологія точного рільництва оптимізує використання ресурсів, включаючи воду, добрива та засоби захисту рослин, мінімізуючи вплив на навколишнє середовище. Це являє собою зрушення до практики сталого ведення сільського господарства, адаптації до мінливих умов сільського господарства. Постійні вдосконалення продовжують розширювати застосування точного землеробства та підвищувати ефективність світового виробництва продуктів харчування.[9][10]

Польський Pteryx UAV — цивільний БПЛА для аерофотозйомки та фотокартографії зі стабілізованою головкою камери.
Польський Pteryx UAV — цивільний БПЛА для аерофотозйомки та фотокартографії зі стабілізованою головкою камери.

Засновки

[ред. | ред. код]

Традиційне хліборобство передбачало однакове проведення агротехнічних прийомів на окремому полі. Кожне поле розглядалося як однорідне — елементна одиниця управління. У цьому разі, наприклад, внесення надмірних доз добрив (гербіцидів, інших засобів хімізації) створювало реальну загрозу довкіллю.

На середньому заході США точне хліборобство асоціюється не з концепцією стійкого землеробства, але з мейнстримом в агробізнесі, який прагне максимізувати прибуток, проводячи витрати тільки на добриво тих ділянок поля, де добрива дійсно необхідні. Слідуючи цим ідеям агровиробники застосовують технології змінного або диференційованого внесення добрив в тих ділянках поля, які ідентифіковані за допомогою GPS-приймачів і де потреба в певній нормі добрив виявлена агротехнологом за допомогою карт агрофізхімобстеження і врожайності. Тому в деяких ділянках поля норма внесення або обприскування стає менше середньою, відбувається перерозподіл добрив на користь ділянок, де норма повинна бути вище, і, тим самим, оптимізується внесення добрив.

Особливості застосування

[ред. | ред. код]

Технологія точного рільництва дозволяє побудувати роботу на основі інформації, зібраної в полі. Точне землеробство являє собою спосіб активнішого ведення господарства на полях з різними характеристиками.

Обробка полів відповідно до зональних особливостей (наприклад, врожайністю, структурою ґрунту, вологістю, висотою місцевості) дозволяє оптимізувати витрати та урожайність.

Точне землеробство може застосовуватися для поліпшення стану полів і агроменеджменту, у декількох напрямах:

  • агрономічне: з урахуванням реальних потреб культури в добривах удосконалюється агровиробництво
  • технічне: здійснено управління часом на рівні господарства (зокрема, поліпшується планування сільськогосподарських операцій)
  • екологічне: скорочується негативна дія сільгоспвиробництва на довкілля (точніша оцінка потреб культури в азотних добривах приводить до обмеження застосування і розкидання азотних добрив або нітратів)
  • економічне: зростання продуктивності і/або скорочення витрат підвищують ефективність агробізнесу (зокрема, скорочуються витрати на внесення азотних добрив)

Точніше визначення норм внесення добрив та хімікатів може сприяти покращенню охорони довкілля.

Збільшується економічний ефект від досконалішого ведення обліку. Програмні комплекти керування обладнанням пропонують рішення, які дозволяють підняти коефіцієнт використання та продуктивність обладнання.

Переваги точного землеробства

[ред. | ред. код]
  • Точна документація по витратах ресурсів, облік внутрішніх і зовнішніх витрат.
  • Збір, аналіз та зберігання критичних даних із внесення добрив, посіву та збиранню урожаю.
  • Максимізація продуктивності та покращення організації виробництва: оптимізація виробничого циклу.

Інші переваги для агробізнесу можуть полягати в електронному записі і зберіганні історії польових робіт і урожаїв, що може допомогти як при подальшому ухваленні рішень, так і при складанні спеціальної звітності про виробничий цикл, яка все частіше потрібна законодавством розвинених країн.

Перспективні технології

[ред. | ред. код]

Точне землеробство родовжує розвиватися разом із прогресом технологій. Ці інновації спрямовані на оптимізацію врожайності, мінімізацію впливу на навколишнє середовище та підвищення ефективності сільського господарства. Ось деякі з найбільш перспективних технологій, які формують майбутнє точного землеробства:

Інтернет речей і сенсорні технології

[ред. | ред. код]

Машинне навчання та ШІ

[ред. | ред. код]
  • Прогностична аналітика: використовуючи історичні дані та дані в реальному часі[20][21], алгоритми штучного інтелекту[22] передбачають хвороби культур, зараження шкідниками та оптимальні терміни посіву, допомагаючи приймати проактивні рішення.[13][23][24][25][21][26][27]
  • Розпізнавання зображень: системи на базі штучного інтелекту аналізують зображення, отримані з дронів[28] або супутників[29], щоб визначити стрес культури, ріст бур'янів і зміни ґрунту, сприяючи цілеспрямованим втручанням.[17][30][31][32][33]

Точне зрошення

[ред. | ред. код]
  • Системи крапельного зрошування: точна доставка води та поживних речовин рослинам відповідно до індивідуальних потреб, збереження ресурсів і максимізація здоров'я рослин.[34][35]
  • Полив зі змінною швидкістю (VRI): адаптація норм внесення води на поля відповідно до рівня вологості ґрунту та вимог культур, оптимізуючи використання води.[36][37][38]

Робототехніка та автоматизація

[ред. | ред. код]
Сільськогосподарський дрон
Titan FT-35 від FarmWise — автоматизований робот-прополювач
  • Автономні транспортні засоби: безпілотні сільськогосподарські роботи та сільськогосподарські дрони здатні сіяти, контролювати посіви та видаляти бур'яни[39] з мінімальним втручанням людини, підвищуючи ефективність і точність.[19][39][40]
  • Роботизоване збирання врожаю: автоматизовані системи для вибіркового збирання врожаю, що зменшує витрати на робочу силу та забезпечує точний збір врожаю.[41]

Інтеграція великих даних

[ред. | ред. код]
  • Програмне забезпечення для управління фермою: платформи, які об'єднують різні джерела даних, що дозволяє фермерам аналізувати та візуалізувати інформацію для кращого прийняття рішень.[42][43]
  • Взаємодія з даними: стандартизовані формати та протоколи, що забезпечують аналітику та обмін даними між різними сільськогосподарськими системами та зацікавленими сторонами.[44][45][46]

Блокчейн

[ред. | ред. код]
  • Прозорість ланцюга постачання: використання блокчейну для відстеження та перевірки походження, якості та шляху сільськогосподарської продукції, забезпечення прозорості та автентичності.[47][48][49][50][51]

Кліматично-розумні технології

[ред. | ред. код]

Біопаливо

[ред. | ред. код]
  • Виробництво енергії на фермі: використання біопалива, отриманого із рослинних залишків або спеціальних енергетичних культур, для живлення машин і обладнання, що використовуються в операціях точного землеробства.
  • Зменшення викидів вуглецю: впровадження машин, що працюють на біопаливі, зменшує викиди парникових газів порівняно з традиційним викопним паливом, що відповідає цілям сталого розвитку точного землеробства.
  • Інтеграція з методами точного землеробства: розробка систем виробництва біопалива, які доповнюють методи точного землеробства, оптимізуючи землекористування як для рослинництва, так і для вирощування біопалива.

Нанотехнологій та нанобіотехнології

[ред. | ред. код]
  • Різні застосування нанотехнологій та нанобіотехнологій в сільському господарстві.[57]
    Нанотехнології та нанобіотехнології: наночастинки або наночіпи можуть транспортувати матеріали до рослин за допомогою наночастинок, і допомагають в створені складних біосенсорів для точного землеробства. Звичайні добрива, інсектициди та гербіциди можуть бути нанокапсульованими, щоб забезпечити рослинам точні дози шляхом поступового безперервного вивільнення поживних речовин і агрохімікатів.[57][58][59] Біосенсори забезпечуть постійний моніторинг харчових факторів ризику, таких як пестициди, ветеринарні препарати, важкі метали, патогени, отрути та незаконні добавки.[60] Біосенсори з підтримкою IoT сприяють безперебійній передачі даних, дозволяючи безперервно віддалено контролювати фізіологічні параметри, умови навколишнього середовища тощо, сприяючи ефективнішому використанню ресурсів.[61]

Ці багатообіцяючі технології являють собою трансформаційний зсув у сільському господарстві, що дозволяє фермерам приймати рішення на основі даних, оптимізувати використання ресурсів і стабільно задовольняти зростаючі потреби у виробництві продуктів харчування, зберігаючи навколишнє середовище.

Постійні дослідження, інвестиції та співпраця між різними зацікавленими сторонами сприятимуть подальшому вдосконаленню та інтеграції цих технологій, сприяючи більш стійкому та ефективному сільськогосподарському сектору.


Див. також

[ред. | ред. код]

Література

[ред. | ред. код]

Книги

[ред. | ред. код]

Журнали

[ред. | ред. код]

Наукові журнали, присвячені точному землеробству та технологіям, що використовуються в ньому:

Статті

[ред. | ред. код]

Посилання

[ред. | ред. код]
  • PreAgri.com — це онлайн сервіс для збору і аналізу просторових даних сільськогосподарських підприємств.
  • Спрейфорс — допомагає у реалізації точного землеробства та збільшення продуктивності техніки.

Примітки

[ред. | ред. код]
  1. а б Kim, Min-Yeong; Lee, Kyu Hwan (2022). Electrochemical Sensors for Sustainable Precision Agriculture—A Review. Frontiers in Chemistry. Т. 10. doi:10.3389/fchem.2022.848320. ISSN 2296-2646. PMC 9124781. PMID 35615311. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  2. Hrynevych, Oksana; Blanco Canto, Miguel; Jiménez García, Mercedes (2022-05). Tendencies of Precision Agriculture in Ukraine: Disruptive Smart Farming Tools as Cooperation Drivers. Agriculture (англ.). Т. 12, № 5. с. 698. doi:10.3390/agriculture12050698. ISSN 2077-0472. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  3. Ram, Billy G.; Oduor, Peter; Igathinathane, C.; Howatt, Kirk; Sun, Xin (1 липня 2024). A systematic review of hyperspectral imaging in precision agriculture: Analysis of its current state and future prospects. Computers and Electronics in Agriculture. Т. 222. с. 109037. doi:10.1016/j.compag.2024.109037. ISSN 0168-1699. Процитовано 14 серпня 2024.
  4. Padhiary, Mrutyunjay; Saha, Debapam; Kumar, Raushan; Sethi, Laxmi Narayan; Kumar, Avinash (1 серпня 2024). Enhancing precision agriculture: A comprehensive review of machine learning and AI vision applications in all-terrain vehicle for farm automation. Smart Agricultural Technology. Т. 8. с. 100483. doi:10.1016/j.atech.2024.100483. ISSN 2772-3755. Процитовано 14 серпня 2024.
  5. Sishodia, Rajendra P.; Ray, Ram L.; Singh, Sudhir K. (2020-01). Applications of Remote Sensing in Precision Agriculture: A Review. Remote Sensing (англ.). Т. 12, № 19. с. 3136. doi:10.3390/rs12193136. ISSN 2072-4292. Процитовано 14 серпня 2024.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  6. Soussi, Abdellatif; Zero, Enrico; Sacile, Roberto; Trinchero, Daniele; Fossa, Marco (2024-01). Smart Sensors and Smart Data for Precision Agriculture: A Review. Sensors (англ.). Т. 24, № 8. с. 2647. doi:10.3390/s24082647. ISSN 1424-8220. PMC 11053448. PMID 38676264. Процитовано 14 серпня 2024.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  7. Alami Machichi, Mouad; mansouri, loubna El; imani, yasmina; Bourja, Omar; Lahlou, Ouiam; Zennayi, Yahya; Bourzeix, François; Hanadé Houmma, Ismaguil; Hadria, Rachid (18 квітня 2023). Crop mapping using supervised machine learning and deep learning: a systematic literature review. International Journal of Remote Sensing (англ.). Т. 44, № 8. с. 2717—2753. doi:10.1080/01431161.2023.2205984. ISSN 0143-1161. Процитовано 14 серпня 2024.
  8. Tiozzo Fasiolo, Diego; Scalera, Lorenzo; Maset, Eleonora; Gasparetto, Alessandro (1 листопада 2023). Towards autonomous mapping in agriculture: A review of supportive technologies for ground robotics. Robotics and Autonomous Systems. Т. 169. с. 104514. doi:10.1016/j.robot.2023.104514. ISSN 0921-8890. Процитовано 14 серпня 2024.
  9. Shafi, Uferah; Mumtaz, Rafia; García-Nieto, José; Hassan, Syed Ali; Zaidi, Syed Ali Raza; Iqbal, Naveed (2019-01). Precision Agriculture Techniques and Practices: From Considerations to Applications. Sensors (англ.). Т. 19, № 17. с. 3796. doi:10.3390/s19173796. ISSN 1424-8220. PMC 6749385. PMID 31480709. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  10. Javaid, Mohd; Haleem, Abid; Singh, Ravi Pratap; Suman, Rajiv (1 січня 2022). Enhancing smart farming through the applications of Agriculture 4.0 technologies. International Journal of Intelligent Networks. Т. 3. с. 150—164. doi:10.1016/j.ijin.2022.09.004. ISSN 2666-6030. Процитовано 15 грудня 2023.
  11. Khattar, Sonam; Verma, Tushar (1 лютого 2023). Enhancement of the Performance and Accuracy of Soil Moisture Data Transmission in IOT. IOP Conference Series: Earth and Environmental Science. Т. 1110, № 1. с. 012001. doi:10.1088/1755-1315/1110/1/012001. ISSN 1755-1307. Процитовано 15 грудня 2023.
  12. Singh, Debabrata; Biswal, Anil Kumar; Samanta, Debabrata; Singh, Vijendra; Kadry, Seifedine; Khan, Awais; Nam, Yunyoung (2023). Smart high-yield tomato cultivation: precision irrigation system using the Internet of Things. Frontiers in Plant Science. Т. 14. doi:10.3389/fpls.2023.1239594. ISSN 1664-462X. PMC 10477787. PMID 37674739. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  13. а б Islam, Md Reazul; Oliullah, Khondokar; Kabir, Md Mohsin; Alom, Munzirul; Mridha, M. F. (1 грудня 2023). Machine learning enabled IoT system for soil nutrients monitoring and crop recommendation. Journal of Agriculture and Food Research. Т. 14. с. 100880. doi:10.1016/j.jafr.2023.100880. ISSN 2666-1543. Процитовано 15 грудня 2023.
  14. а б Rajak, Prem; Ganguly, Abhratanu; Adhikary, Satadal; Bhattacharya, Suchandra (1 грудня 2023). Internet of Things and smart sensors in agriculture: Scopes and challenges. Journal of Agriculture and Food Research. Т. 14. с. 100776. doi:10.1016/j.jafr.2023.100776. ISSN 2666-1543. Процитовано 15 грудня 2023.
  15. Alahmad, Tarek; Neményi, Miklós; Nyéki, Anikó (2023-10). Applying IoT Sensors and Big Data to Improve Precision Crop Production: A Review. Agronomy (англ.). Т. 13, № 10. с. 2603. doi:10.3390/agronomy13102603. ISSN 2073-4395. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  16. Atalla, Shadi; Tarapiah, Saed; Gawanmeh, Amjad; Daradkeh, Mohammad; Mukhtar, Husameldin; Himeur, Yassine; Mansoor, Wathiq; Hashim, Kamarul Faizal Bin; Daadoo, Motaz (2023-04). IoT-Enabled Precision Agriculture: Developing an Ecosystem for Optimized Crop Management. Information (англ.). Т. 14, № 4. с. 205. doi:10.3390/info14040205. ISSN 2078-2489. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  17. а б Indira, P.; Arafat, I. Sheik; Karthikeyan, R.; Selvarajan, Shitharth; Balachandran, Praveen Kumar (2023-12). Fabrication and investigation of agricultural monitoring system with IoT & AI. SN Applied Sciences (англ.). Т. 5, № 12. doi:10.1007/s42452-023-05526-1. ISSN 2523-3963. Процитовано 15 грудня 2023.
  18. Sharma, Amit; Sharma, Ashutosh; Tselykh, Alexey; Bozhenyuk, Alexander; Choudhury, Tanupriya; Alomar, Madani Abdu; Sánchez-Chero, Manuel (14 жовтня 2023). Artificial intelligence and internet of things oriented sustainable precision farming: Towards modern agriculture. Open Life Sciences (англ.). Т. 18, № 1. doi:10.1515/biol-2022-0713. ISSN 2391-5412. PMC 10579876. PMID 37854322. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання)
  19. а б Subeesh, A.; Mehta, C. R. (1 січня 2021). Automation and digitization of agriculture using artificial intelligence and internet of things. Artificial Intelligence in Agriculture. Т. 5. с. 278—291. doi:10.1016/j.aiia.2021.11.004. ISSN 2589-7217. Процитовано 15 грудня 2023.
  20. Sourav, A I; Emanuel, A W R (1 березня 2021). Recent Trends of Big Data in Precision Agriculture: a Review. IOP Conference Series: Materials Science and Engineering. Т. 1096, № 1. с. 012081. doi:10.1088/1757-899X/1096/1/012081. ISSN 1757-8981. Процитовано 15 грудня 2023.
  21. а б Chergui, Nabila; Kechadi, Mohand Tahar (23 грудня 2022). Data analytics for crop management: a big data view. Journal of Big Data (англ.). Т. 9, № 1. doi:10.1186/s40537-022-00668-2. ISSN 2196-1115. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  22. Javaid, Mohd; Haleem, Abid; Khan, Ibrahim Haleem; Suman, Rajiv (1 березня 2023). Understanding the potential applications of Artificial Intelligence in Agriculture Sector. Advanced Agrochem. Т. 2, № 1. с. 15—30. doi:10.1016/j.aac.2022.10.001. ISSN 2773-2371. Процитовано 15 грудня 2023.
  23. Research Scholar , Annamalai University,; Yasam, Mr. Srinath.; Nair, Dr. S Anu H; Assistant Professor, Department of Computer Science & Engg, Faculty of Engineering and Technology, Annamalai University, (Deputed to WPT, Chennai), (30 грудня 2019). Precision Farming and Predictive Analytics in Agriculture Context (PDF). International Journal of Engineering and Advanced Technology. Т. 9, № 1s5. с. 74—80. doi:10.35940/ijeat.A1023.1291S519. Процитовано 15 грудня 2023.
  24. Akhter, Ravesa; Sofi, Shabir Ahmad (1 вересня 2022). Precision agriculture using IoT data analytics and machine learning. Journal of King Saud University - Computer and Information Sciences. Т. 34, № 8, Part B. с. 5602—5618. doi:10.1016/j.jksuci.2021.05.013. ISSN 1319-1578. Процитовано 15 грудня 2023.
  25. Rokade, Ashay; Singh, Manwinder; Malik, Praveen Kumar; Singh, Rajesh; Alsuwian, Turki (2022-01). Intelligent Data Analytics Framework for Precision Farming Using IoT and Regressor Machine Learning Algorithms. Applied Sciences (англ.). Т. 12, № 19. с. 9992. doi:10.3390/app12199992. ISSN 2076-3417. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  26. Internet of Things, Big Data Analytics, and Deep Learning for Sustainable Precision Agriculture | IEEE Conference Publication | IEEE Xplore. ieeexplore.ieee.org. doi:10.23919/ist-africa56635.2022.9845510. Процитовано 15 грудня 2023.
  27. Coulibaly, Solemane; Kamsu-Foguem, Bernard; Kamissoko, Dantouma; Traore, Daouda (1 листопада 2022). Deep learning for precision agriculture: A bibliometric analysis. Intelligent Systems with Applications. Т. 16. с. 200102. doi:10.1016/j.iswa.2022.200102. ISSN 2667-3053. Процитовано 15 грудня 2023.
  28. Rejeb, Abderahman; Abdollahi, Alireza; Rejeb, Karim; Treiblmaier, Horst (1 липня 2022). Drones in agriculture: A review and bibliometric analysis. Computers and Electronics in Agriculture. Т. 198. с. 107017. doi:10.1016/j.compag.2022.107017. ISSN 0168-1699. Процитовано 15 грудня 2023.
  29. Yang, Chenghai (19 листопада 2018). High resolution satellite imaging sensors for precision agriculture. Frontiers of Agricultural Science and Engineering (англ.). Т. 5, № 4. с. 393—405. doi:10.15302/J-FASE-2018226. ISSN 2095-7505. Процитовано 15 грудня 2023.
  30. Bauer, Alan; Bostrom, Aaron George; Ball, Joshua; Applegate, Christopher; Cheng, Tao; Laycock, Stephen; Rojas, Sergio Moreno; Kirwan, Jacob; Zhou, Ji (1 червня 2019). Combining computer vision and deep learning to enable ultra-scale aerial phenotyping and precision agriculture: A case study of lettuce production. Horticulture Research (англ.). Т. 6, № 1. с. 1—12. doi:10.1038/s41438-019-0151-5. ISSN 2052-7276. Процитовано 15 грудня 2023.
  31. Bouguettaya, Abdelmalek; Zarzour, Hafed; Kechida, Ahmed; Taberkit, Amine Mohammed (1 червня 2022). Deep learning techniques to classify agricultural crops through UAV imagery: a review. Neural Computing and Applications (англ.). Т. 34, № 12. с. 9511—9536. doi:10.1007/s00521-022-07104-9. ISSN 1433-3058. PMC 8898032. PMID 35281624. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання)
  32. Mesías-Ruiz, Gustavo A.; Pérez-Ortiz, María; Dorado, José; de Castro, Ana I.; Peña, José M. (2023). Boosting precision crop protection towards agriculture 5.0 via machine learning and emerging technologies: A contextual review. Frontiers in Plant Science. Т. 14. doi:10.3389/fpls.2023.1143326. ISSN 1664-462X. PMC 10088868. PMID 37056493. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  33. Preininger, Ernst Michael (26 вересня 2023). Is this the future? Image and imagination in visual discourses on digital farming in Austrian media. Geografiska Annaler: Series B, Human Geography (англ.). с. 1—19. doi:10.1080/04353684.2023.2261132. ISSN 0435-3684. Процитовано 15 грудня 2023.
  34. Shareef, Tawheed Mohammed Elheesin; Ma, Zhongming; Zhao, Baowei (3 вересня 2019). Essentials of Drip Irrigation System for Saving Water and Nutrients to Plant Roots: As a Guide for Growers. Journal of Water Resource and Protection (англ.). Т. 11, № 9. с. 1129—1145. doi:10.4236/jwarp.2019.119066. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  35. Bhavsar, Drashti; Limbasia, Bhargav; Mori, Yash; Imtiyazali Aglodiya, Mohmmadali; Shah, Manan (1 жовтня 2023). A comprehensive and systematic study in smart drip and sprinkler irrigation systems. Smart Agricultural Technology. Т. 5. с. 100303. doi:10.1016/j.atech.2023.100303. ISSN 2772-3755. Процитовано 15 грудня 2023.
  36. Ribeiro Mendes, Willians; Meneghetti U. Araújo, Fábio; Er-Raki, Salah (18 грудня 2019). Ricart, Sandra; M. Rico, Antonio; Olcina, Jorge (ред.). Integrating Remote Sensing Data into Fuzzy Control System for Variable Rate Irrigation Estimates. Irrigation - Water Productivity and Operation, Sustainability and Climate Change (англ.). IntechOpen. doi:10.5772/intechopen.87023. ISBN 978-1-78984-676-8.
  37. Barker, J. Burdette; Bhatti, Sandeep; Heeren, Derek M.; Neale, Christopher M. U.; Rudnick, Daran R. (2019). Variable Rate Irrigation of Maize and Soybean in West-Central Nebraska Under Full and Deficit Irrigation. Frontiers in Big Data. Т. 2. doi:10.3389/fdata.2019.00034. ISSN 2624-909X. PMC 7931860. PMID 33693357. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  38. Li, Maona; Wang, Yunling; Guo, Hui; Ding, Feng; Yan, Haijun (1 січня 2023). Evaluation of variable rate irrigation management in forage crops: Saving water and increasing water productivity. Agricultural Water Management. Т. 275. с. 108020. doi:10.1016/j.agwat.2022.108020. ISSN 0378-3774. Процитовано 15 грудня 2023.
  39. а б Tran, Duc; Schouteten, Joachim J.; Degieter, Margo; Krupanek, Janusz; Jarosz, Wanda; Areta, Alvaro; Emmi, Luis; De Steur, Hans; Gellynck, Xavier (2023-12). European stakeholders’ perspectives on implementation potential of precision weed control: the case of autonomous vehicles with laser treatment. Precision Agriculture (англ.). Т. 24, № 6. с. 2200—2222. doi:10.1007/s11119-023-10037-5. ISSN 1385-2256. PMC 10259808. PMID 37363794. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання)
  40. Kumar, Sandeep; Mohan, Santhakumar; Skitova, Valeria (2023-08). Designing and Implementing a Versatile Agricultural Robot: A Vehicle Manipulator System for Efficient Multitasking in Farming Operations. Machines (англ.). Т. 11, № 8. с. 776. doi:10.3390/machines11080776. ISSN 2075-1702. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  41. Droukas, Leonidas; Doulgeri, Zoe; Tsakiridis, Nikolaos L.; Triantafyllou, Dimitra; Kleitsiotis, Ioannis; Mariolis, Ioannis; Giakoumis, Dimitrios; Tzovaras, Dimitrios; Kateris, Dimitrios (2023-02). A Survey of Robotic Harvesting Systems and Enabling Technologies. Journal of Intelligent & Robotic Systems (англ.). Т. 107, № 2. doi:10.1007/s10846-022-01793-z. ISSN 0921-0296. PMC 9881528. PMID 36721646. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання)
  42. San Emeterio de la Parte, Mario; Martínez-Ortega, José-Fernán; Hernández Díaz, Vicente; Martínez, Néstor Lucas (28 квітня 2023). Big Data and precision agriculture: a novel spatio-temporal semantic IoT data management framework for improved interoperability. Journal of Big Data (англ.). Т. 10, № 1. doi:10.1186/s40537-023-00729-0. ISSN 2196-1115. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  43. Mouratiadou, Ioanna; Lemke, Nahleen; Chen, Cheng; Wartenberg, Ariani; Bloch, Ralf; Donat, Marco; Gaiser, Thomas; Basavegowda, Deepak Hanike; Helming, Katharina (1 жовтня 2023). The Digital Agricultural Knowledge and Information System (DAKIS): Employing digitalisation to encourage diversified and multifunctional agricultural systems. Environmental Science and Ecotechnology. Т. 16. с. 100274. doi:10.1016/j.ese.2023.100274. ISSN 2666-4984. PMC 10188627. PMID 37206315. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання)
  44. Atik, Can (2022-05). Towards Comprehensive European Agricultural Data Governance: Moving Beyond the “Data Ownership” Debate. IIC - International Review of Intellectual Property and Competition Law (англ.). Т. 53, № 5. с. 701—742. doi:10.1007/s40319-022-01191-w. ISSN 0018-9855. Процитовано 15 грудня 2023.
  45. Bökle, Sebastian; Paraforos, Dimitrios S.; Reiser, David; Griepentrog, Hans W. (1 грудня 2022). Conceptual framework of a decentral digital farming system for resilient and safe data management. Smart Agricultural Technology. Т. 2. с. 100039. doi:10.1016/j.atech.2022.100039. ISSN 2772-3755. Процитовано 15 грудня 2023.
  46. Šestak, Martina; Copot, Daniel (2023-01). Towards Trusted Data Sharing and Exchange in Agro-Food Supply Chains: Design Principles for Agricultural Data Spaces. Sustainability (англ.). Т. 15, № 18. с. 13746. doi:10.3390/su151813746. ISSN 2071-1050. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  47. Gerard Sylvester (ред.) (2019). Blockchain for Agriculture: Opportunities and Challenges (PDF). The Food and Agriculture Organization of the United Nations (FAO) та the International Telecommunication Union (ITU). ISBN 978-92-5-131227-8.
  48. Blockchain-Based Agri-Food Supply Chain: A Complete Solution | IEEE Journals & Magazine | IEEE Xplore. ieeexplore.ieee.org. doi:10.1109/access.2020.2986257. Процитовано 15 грудня 2023.
  49. Njualem, Lewis A. (2022-01). Leveraging Blockchain Technology in Supply Chain Sustainability: A Provenance Perspective. Sustainability (англ.). Т. 14, № 17. с. 10533. doi:10.3390/su141710533. ISSN 2071-1050. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  50. Jahanbin, Pouyan; Wingreen, Stephen C.; Sharma, Ravishankar; Ijadi, Behrang; Reis, Marlon M. (1 грудня 2023). Enabling affordances of blockchain in agri-food supply chains: A value-driver framework using Q-methodology. International Journal of Innovation Studies. Т. 7, № 4. с. 307—325. doi:10.1016/j.ijis.2023.08.001. ISSN 2096-2487. Процитовано 15 грудня 2023.
  51. Hasan, Ikram; Habib, Md Mamun; Mohamed, Zulkifflee; Tewari, Veena (24 лютого 2023). Integrated Agri-Food Supply Chain Model: An Application of IoT and Blockchain. American Journal of Industrial and Business Management (англ.). Т. 13, № 2. с. 29—45. doi:10.4236/ajibm.2023.132003. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  52. Grigorieva, Elena; Livenets, Alexandra; Stelmakh, Elena (2023-10). Adaptation of Agriculture to Climate Change: A Scoping Review. Climate (англ.). Т. 11, № 10. с. 202. doi:10.3390/cli11100202. ISSN 2225-1154. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  53. Barik, Saroj Kanta; Behera, Mukunda Dev; Shrotriya, Shishir; Likhovskoi, Vladimir (2023-01). Monitoring climate change impacts on agriculture and forests: trends and prospects. Environmental Monitoring and Assessment (англ.). Т. 195, № 1. doi:10.1007/s10661-022-10754-w. ISSN 0167-6369. Процитовано 15 грудня 2023.
  54. Parolini, Giuditta (2022-05). Weather, climate, and agriculture: Historical contributions and perspectives from agricultural meteorology. WIREs Climate Change (англ.). Т. 13, № 3. doi:10.1002/wcc.766. ISSN 1757-7780. Процитовано 15 грудня 2023.
  55. Shahbaz, Muhammad; AlNouss, Ahmed; Ghiat, Ikhlas; Mckay, Gordon; Mackey, Hamish; Elkhalifa, Samar; Al-Ansari, Tareq (1 жовтня 2021). A comprehensive review of biomass based thermochemical conversion technologies integrated with CO2 capture and utilisation within BECCS networks. Resources, Conservation and Recycling. Т. 173. с. 105734. doi:10.1016/j.resconrec.2021.105734. ISSN 0921-3449. Процитовано 15 грудня 2023.
  56. Balafoutis, Athanasios; Beck, Bert; Fountas, Spyros; Vangeyte, Jurgen; Wal, Tamme Van der; Soto, Iria; Gómez-Barbero, Manuel; Barnes, Andrew; Eory, Vera (2017-08). Precision Agriculture Technologies Positively Contributing to GHG Emissions Mitigation, Farm Productivity and Economics. Sustainability (англ.). Т. 9, № 8. с. 1339. doi:10.3390/su9081339. ISSN 2071-1050. Процитовано 15 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  57. а б Sharma, Pankaj; Pandey, Vimal; Sharma, Mayur Mukut Murlidhar; Patra, Anupam; Singh, Baljinder; Mehta, Sahil; Husen, Azamal (30 серпня 2021). A Review on Biosensors and Nanosensors Application in Agroecosystems. Nanoscale Research Letters (англ.). Т. 16, № 1. doi:10.1186/s11671-021-03593-0. ISSN 1556-276X. PMC 8405745. PMID 34460019. Процитовано 25 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  58. Kim, Min-Yeong; Lee, Kyu Hwan (9 травня 2022). Electrochemical Sensors for Sustainable Precision Agriculture—A Review. Frontiers in Chemistry. Т. 10. doi:10.3389/fchem.2022.848320. ISSN 2296-2646. PMC 9124781. PMID 35615311. Процитовано 25 грудня 2023.{{cite news}}: Обслуговування CS1: Сторінки з PMC з іншим форматом (посилання) Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом (посилання)
  59. Garg, Shivani; Rumjit, Nelson Pynadathu; Roy, Swapnila (9 листопада 2023). Smart agriculture and nanotechnology: Technology, challenges, and new perspective. Advanced Agrochem. doi:10.1016/j.aac.2023.11.001. ISSN 2773-2371. Процитовано 15 грудня 2023.
  60. Wang, Xin; Luo, Yunbo; Huang, Kunlun; Cheng, Nan (1 вересня 2022). Biosensor for agriculture and food safety: Recent advances and future perspectives. Advanced Agrochem. Т. 1, № 1. с. 3—6. doi:10.1016/j.aac.2022.08.002. ISSN 2773-2371. Процитовано 25 грудня 2023.
  61. Ataei Kachouei, Matin; Kaushik, Ajeet; Ali, Md. Azahar (2023-12). Internet of Things‐Enabled Food and Plant Sensors to Empower Sustainability. Advanced Intelligent Systems (англ.). Т. 5, № 12. doi:10.1002/aisy.202300321. ISSN 2640-4567. Процитовано 25 грудня 2023.