정밀농업

Precision agriculture
정밀 농업에서[1] 원격 감지 응용을 보여주는 거짓 색상 이미지
트랙터의 캐노피에 장착된 YaraN-Sensor ALS – 농작물의 빛 반사를 기록하고 수정 권고안을 계산한 다음 비료 스프레드의 양을 변화시키는 시스템
정밀 농업 NDVI 4cm / 픽셀 GSD

정밀농업(PA)은 농작물의 장내 및 장내 변동성을 관찰, 측정, 대응한 농업경영 개념이다. 정밀농업연구의 목표는 자원을 보존하면서 투입물 수익률 최적화를 목표로 농업경영 전반에 대한 의사결정 지원체계(DSS)를 정의하는 것이다.[2][3]

이러한 많은 접근법들 중에는 다년간의 농작물 성장 안정성/특성을 위상학적 지형 속성과 결부시키는 식물 지질학적 접근법이 있다. 식물 지질학적 접근법에 대한 관심은 지형학 성분이 전형적으로 밭의 수문학을 지시한다는 사실에서 비롯된다.[4][5]

정밀농업의 실천은 GPS와 GNSS의 출현으로 가능해졌다. 밭에서 농부와/또는 연구자의 정확한 위치를 찾을 수 있는 능력은 측정할 수 있는 만큼의 많은 변수(예: 농작물 수확량, 지형 특징/토포그래피, 유기 물질 함량, 수분 수준, 질소 수준, pH, EC, Mg, K 등)의 공간 가변성에 대한 지도를 만들 수 있다.[6] GPS가 장착된 콤바인 해브너에 장착된 센서 어레이에서도 유사한 데이터가 수집된다. 이 배열들은 엽록소 수치에서부터 식물 물 상태까지 모든 것을 측정하는 실시간 센서와 다관상 이미지로 구성되어 있다.[7] 이 데이터는 시더, 스프레이어 등 변동금리기술(VRT)이 자원을 최적으로 분산하기 위해 위성사진과 연동해 사용한다. 그러나 최근의 기술 발전으로 흙에서 직접 실시간 센서를 사용할 수 있게 되어, 사람이 없어도 무선으로 데이터를 전송할 수 있게 되었다.[8][9]

정밀농업도 비교적 저렴하고 초보 조종사가 운용할 수 있는 무인항공기로 가능해졌다. 이 농업용 드론은 다경량 또는 RGB 카메라를 장착해 사진 측정법으로 함께 꿰맬 수 있는 밭의 많은 이미지를 촬영할 수 있다. 이러한 다중 스펙트럼 영상에는 NDVI 지도와 같은 식물성 지수를 처리하고 분석하는 데 사용되는 적외선 및 적색 에지 스펙트럼 값과 같은 전통적인 적색 녹색의 푸른색 값 외에 픽셀당 여러 개의 값이 포함되어 있다.[10] 이 드론은 이미지를 포착하고 고도 등 추가적인 지리적 참조를 제공할 수 있어 소프트웨어가 지도 대수 기능을 수행해 정확한 지형지도를 구축할 수 있다. 이러한 지형도는 곡물 상태와 지형을 상호 연관시키는 데 사용될 수 있으며, 그 결과는 물, 비료 또는 제초제와 같은 화학 물질과 같은 곡물 투입물과 변동률 적용을 통한 성장 규제자를 최적화하는 데 사용될 수 있다.

역사

참고 항목: 농업 및 식품 기술 연표

정밀 농업은 현대 농업 혁명 제3의 물결의 핵심 요소다. 최초의 농업혁명은 1900년부터 1930년까지 기계화된 농업의 증가였다. 각각의 농부들은 이 기간 동안 약 26명을 먹일 충분한 식량을 생산했다.[11] 1960년대는 새로운 유전자 변형 방법으로 녹색혁명을 촉발시켰고, 이로 인해 각 농부는 약 156명의 사람들에게 먹이를 주게 되었다.[11] 2050년에는 세계 인구가 약 96억 명에 달할 것으로 예상되며, 모든 입을 먹이기 위해서는 식량 생산량이 현재보다 효과적으로 두 배가 되어야 한다. 정밀농업의 농업혁명에 새로운 기술진보가 이루어짐에 따라, 각 농민들은 같은 에이커로 265명을 먹여 살릴 수 있게 되었다.[11]

개요

정밀농업혁명의 첫 물결은 인공위성과 항공사진, 기상예측, 변동금리비료 적용, 농작물 건강지표 등의 형태로 나왔다. 제2의 물결은 더욱 정밀한 식재, 지형 지도, 토양 데이터를 위해 기계 데이터를 취합한다.[12]

정밀농업은 다음을 고려하여 현장 수준의 관리를 최적화하는 것을 목표로 한다.

  • 농작물 과학: 농작물 요구(예: 비료 투입)에 더 가깝게 농업 관행을 일치시킴
  • 환경 보호: 환경 위험과 농업의 발자국을 줄임으로써(예: 질소 침출 제한)
  • 경제학: 더 효율적인 관행을 통해 경쟁력을 강화한다(예: 비료 사용 및 기타 투입물의 관리 개선).

정밀 농업은 또한 농부들에게 다음과 같은 풍부한 정보를 제공한다.

  • 그들 농장의 기록을 세우다.
  • 의사 결정을 개선하다
  • 추적성을 높이다.
  • 농산물의 마케팅을 강화하다
  • 임대차 계약과 집주인과 관계를 개선하다.
  • 농산물의 고유 품질을 향상시키다(예: 빵에 절인 밀의 단백질 수준)

규범식재배

규범식재배는 수확량을 극대화하기 위해 단일 분야에 걸쳐 다양한 조건을 수용할 수 있는 가변식재배율을 결정할 수 있는 자료 중심의 식재 자문을 전달하는 농업 시스템의 일종이다. 그것은 "농장의 빅데이터"로 묘사되어 왔다. 몬산토, 듀폰 등이 미국에서 이 기술을 출시하고 있다.[13][14]

원칙

정밀농업은 많은 도구를 사용하지만 여기에 기본적인 것들이 있다: 트랙터, 콤바인, 분무기, 플랜터, 디거 등, 모두 자동가이드 시스템으로 간주된다. 지리정보시스템(GIS)을 활용한 장비에 탑재된 작은 장치들이 바로 정밀도를 그대로 만드는 것이다. GIS 시스템을 '브레인'으로 생각할 수 있다. 정밀 농업을 사용할 수 있으려면 장비에 적합한 기술과 데이터 시스템을 연결해야 한다. 더 많은 도구로는 가변 속도 기술(VRT), 위성 위치 확인 시스템과 지리 정보 시스템, 그리드 샘플링, 원격 센서 등이 있다.[15]

Geollocation

밭을 갈면 농부가 토양과 잔류질소 분석에서 수집한 정보와 이전 작물 및 토양 저항성에 대한 정보를 오버레이할 수 있다. 지리 위치는 두 가지 방법으로 이루어진다.

  • 농부가 트랙터를 운전할 때 밭은 차량 내 GPS 수신기를 사용하여 묘사된다.
  • 그 필드는 항공 또는 위성 사진에서 파생된 베이스맵에 묘사되어 있다. 기본 영상은 지리 위치가 충분히 정확하도록 하기 위해 적절한 수준의 분해능과 기하학적 품질을 가져야 한다.

변수

필드 내부 및 영역 간 변동성은 여러 요인에 의해 발생할 수 있다. 여기에는 기후 조건(우일, 가뭄, 비 등), 토양(혼합물, 깊이, 질소 수준), 자르기 관행(무경작), 잡초 및 질병 등이 포함된다. 영구 지표(주로 토양 지표)는 농부들에게 주요 환경 상수에 대한 정보를 제공한다. 포인트 인디케이터는 농작물의 상태를 추적할 수 있게 해준다. 즉, 농작물이 수분 스트레스, 질소 스트레스, 숙박 등으로 인해 농작물이 피해를 입고 있는지, 얼음 등으로 인해 농작물이 피해를 입었는지 등을 확인할 수 있다. 이 정보는 기상 관측소와 기타 센서(흙같은 전기 저항성, 육안으로 탐지, 위성 사진 등)에서 얻을 수 있다. 토양 내성 측정과 토양 분석을 결합하면 수분 함량을 측정할 수 있다. 토양 저항도 비교적 간단하고 값싼 측정이다.[16]

전략들

소형 항공 시스템 스타더스트 II로 촬영한 NDVI 이미지(299 이미지 모자이크)

토양 지도를 이용하여, 농부들은 현장 투입을 조정하기 위한 두 가지 전략을 추구할 수 있다.

  • 예측 접근법: 농작물 주기 동안 정적 지표(토양, 저항성, 현장 이력 등)의 분석에 기초한다.
  • 제어 접근법: 정적 지표의 정보는 자르기 주기 동안 다음과 같이 정기적으로 업데이트된다.
    • 샘플링: 바이오매스 무게 측정, 엽록소 함량 측정, 과일 무게 측정 등
    • 원격 감지: 무선 센서 네트워크와[17] 사물 인터넷(IoT) 덕분에 온도(공기/토양), 습도(공기/토양/잎), 바람 또는 줄기 지름과 같은 매개변수 측정 가능
    • 대리운전: 차내 센서는 나뭇잎 상태를 측정한다. 이것은 농부들이 전체 들판을 운전해야 한다.
    • 항공 또는 위성 원격 감지: 다중 스펙트럼 이미지를 획득하고 처리하여 질병 지표를 포함한 농작물 생물물리학적 매개변수의 지도를 도출한다.[18] 공기 중에 떠다니는 기구는 식물 덮개의 양을 측정할 수 있고 농작물과 잡초를 구별할 수 있다.[19]

의사결정은 빅데이터에 기반한 의사결정 지원 모델(crop 시뮬레이션 모델 및 권장 모델)에 기초할 수 있지만 최종 분석에서는 비즈니스 가치와 환경에 미치는 영향, 즉 머신러닝과 인공신경 n에 기반한 인공지능(AI) 시스템에 의해 인수되는 역할을 결정하는 것은 농부의 몫이다.이터웍스

PA 기술이 채택되거나 채택되지 않는 이유를 깨닫는 것이 중요하다. "PA 기술 채택이 일어나기 위해서는 농부가 그 기술을 유용하고 사용하기 쉬운 것으로 인식해야 한다. 농업인에 대한 인식이 이런 경제적 고려사항을 반영해야 하기 때문에 PA기술의 경제적 이익에 대한 긍정적인 외부 데이터를 보유하는 것은 불충분할 수 있다고 말했다.[20]

실행 방법

새로운 정보통신 기술은 현장 수준의 농작물 관리를 농업인들이 더 쉽게 운영할 수 있게 한다. 농작물 관리 결정의 적용은 예를 들어 질소 및 식물성 제품의 가변 속도 적용(VRA)과 함께 다양한 종자 밀도를 지원하는 농업 장비를 필요로 한다.[21]

정밀 농업은 농업 장비에 기술을 사용한다(예: 트랙터, 살수기, 항만기 등).

전 세계 사용량

롤 안정화 카메라 헤드와 함께 항공 사진 및 사진 매핑을 위한 민간 UAV인 Pteryx UAV

정밀농업의 개념은 1980년대 초 미국에서 처음 등장했다. 1985년 미네소타 대학의 연구원들은 농작물 밭에서 석회 투입물을 다양화했다. 그리드 샘플링의 관행이 나타난 것도 이때였다(헥타르당 샘플 1개의 고정 그리드를 적용). 1980년대 말에, 이 기술은 비료와 pH 교정을 위한 첫 번째 입력 권장 맵을 도출하기 위해 사용되었다. GPS 수신기의 등장과 결합해 신기술로 개발된 수율 센서의 활용이 그 이후로 계속 자리를 잡아가고 있다. 오늘날, 그러한 시스템은 수백만 헥타르를 차지한다.

미국 중서부(미국)에서는 지속가능한 농업이 아니라 비료가 필요한 지역에만 돈을 쓰면서 수익을 극대화하려는 주류 농업인들과 연관돼 있다. 이 관행을 통해 농부는 GPS 유도 그리드 또는 구역 샘플링으로 식별된 필요에 따라 밭 전체에 걸쳐 비료의 비율을 변경할 수 있다. 비료는 필요하지 않은 곳에 뿌려질 수 있었고, 비료는 그렇게 하는 지역에 배치될 수 있었고, 따라서 비료의 사용을 최적화할 수 있었다.

전 세계적으로 정밀 농업은 다양한 속도로 발전했다. 전구국가는 미국, 캐나다, 호주였다. 유럽에서는 영국이 가장 먼저 이 길을 내려갔으며, 프랑스가 그 뒤를 바짝 추격하여 1997-1998년에 처음으로 모습을 드러냈다. 중남미에서 선두 국가는 아르헨티나로 1990년대 중반 국립농업기술원의 지원으로 도입됐다. 브라질은 지속 가능한 농업을 연구하고 발전시키기 위해 국영기업 엠브라파를 설립했다. GPS와 변동금리 확산 기법의 개발은 정밀 농업[22] 경영 관행을 정착시키는데 도움이 되었다. 오늘날 프랑스 농민의 10% 미만이 변동금리제도를 갖추고 있다. GPS의 활용은 더 널리 퍼져 있지만, 이것은 현장 수준의 추천 지도를 제공하는 정밀 농업 서비스를 이용하는 것을 막지 못했다.[23]

세계 인구의 3분의 1이 여전히 생계를 농업에 의존하고 있다.[24] 더 발전된 정밀농업기술은 대규모 선행투자를 필요로 하지만 개발도상국의 농부들은 모바일 기술의 혜택을 보고 있다. 이 서비스는 농업인이 모바일 결제와 영수증을 통해 효율성을 높일 수 있도록 돕는다. 예를 들어, 탄자니아의 3만 명의 농부들은 계약, 지불, 대출, 사업 조직에 휴대전화를 사용한다.[24]

중국에서도 정밀농업의 경제적·환경적 편익이 확인됐지만, 중국 농업체계는 소규모 가족운영 농장이라는 특징이 있어 다른 나라에 비해 정밀농업의 채택률이 낮기 때문에 중국은 유럽과 미국 등 국가들에 뒤처지고 있다. 따라서 중국은 자국에 정밀농업 기술을 더 잘 도입하고 일부 리스크를 줄이려 하고 있어 향후 중국 기술이 정밀농업을 발전시킬 수 있는 발판을 마련하고 있다.[25]

경제적 및 환경적 영향

정밀농업이란 이름에서 알 수 있듯이, 그 생산성을 높이고 수확량을 극대화하기 위해 물, 비료, 살충제 등과 같은 정확하고 정확한 투입량을 적기에 농작물에 적용하는 것을 말한다. 정밀 농업 경영 관행은 수확량을 증가시키면서 사용되는 영양소와 다른 작물의 투입량을 현저히 줄일 수 있다.[26] 따라서 농부들은 물, 농약, 비료 비용을 절약함으로써 투자 수익을 얻는다.

투입변수를 대상으로 하는 두 번째 대규모 편익은 환경 영향에 관한 것이다. 적절한 양의 화학물질을 적시에 적시에 적정한 양의 화학물질을 바르면 농작물, 토양, 지하수, 그리고 따라서 전체 농작물 주기에 유리하다.[27] 결과적으로, 정밀 농업은 농작물, 토양, 농부들을 존중하기 때문에 지속 가능한 농업의 초석이 되었다. 지속가능한 농업은 장기적으로 생산을 지속하는 데 필요한 생태적, 경제적, 사회적 한계 내에서 지속적인 식량 공급을 보장하고자 한다.

2013년 한 기사는 정밀 농업이 인도와 같은 개발도상국의 농부들에게 도움을 줄 수 있다는 것을 보여주려고 노력했다.[28]

정밀농업은 기계의 효율을 높여 사용함으로써 농업이 환경에 미치는 압력을 줄인다. 예를 들어 GPS와 같은 원격 관리 장치를 사용하면 농업용 연료 소비량이 감소하는 반면, 영양소나 살충제의 변동률 적용은 잠재적으로 이러한 투입물의 사용을 줄일 수 있어 비용을 절감하고 수로로 유입되는 유해 유출을 줄일 수 있다.[29]

신흥 기술

정밀농업은 획기적인 디지털 농업 기술을 적용한 것이다. 46억 달러 이상이 농업 기술 회사들, 때로는 agtech라고 불리기도 한다.[11]

로봇

존 디어 장비가 오토파일럿의 비행기처럼 작동하기 때문에 셀프스티어링 트랙터는 이제 얼마 전부터 존재해왔다. 트랙터는 대부분의 일을 하는데, 농부가 비상사태에 대비하여 개입한다.[27] 기술은 비료를 퍼트리거나 땅을 갈기 위해 GPS로 프로그램된 무인 기계로 발전하고 있다. 다른 혁신으로는 잡초를 식별하고 제초제나 레이저로 잡초를 정밀하게 죽이는 태양열 발전기가 있다.[27] 농업용 로봇인 '아그봇스'도 이미 존재하지만 잘 익은 과일을 식별하고 모양과 크기에 맞춰 조절하며 나뭇가지에서 조심스럽게 뽑기 위한 첨단 수확 로봇이 개발되고 있다.[30]

드론과 위성사진

드론과 위성 기술은 정밀 농업에 사용된다. 인공위성이 더 큰 그림을 포착하는 동안 드론이 고화질 영상을 찍을 때 흔히 발생한다. 경비행기의 항공사진은 위성 기록의 데이터와 결합해 현재 수준의 현장 바이오매스를 바탕으로 미래의 수율을 예측할 수 있다. 집계된 이미지는 물이 흐르는 곳을 추적하고, 변동률 시딩을 결정하고, 생산성이 높거나 낮았던 지역의 산출량 지도를 만들기 위해 등고선 지도를 만들 수 있다.[27] 초 해상도 향상 방법은 저공비행 항공기의 농작물 질병 감시에서 사용이 증가하고 있다. 클랩 외 2021은 경련 신경망을 이용한 적외선 초해상도 방법이 현저히 개선된 것을 보여준다.[31]

사물 인터넷

사물 인터넷은 데이터 수집과 집계를 가능하게 하는 전자장치를 갖춘 물리적 물체의 네트워크다. IoT는 센서와[32] 농장 관리 소프트웨어의 개발과 함께 작동한다. 예를 들어, 농부들은 액체 거름에 질소, 인, 칼륨을 분광학적으로 측정할 수 있는데, 이것은 일관성이 없다고 악명 높다.[27] 그리고 나서 그들은 땅을 스캔하여 소가 이미 소변을 본 곳을 확인하고 비료를 필요한 부분에만 적용할 수 있다. 이것은 비료 사용을 최대 30%까지 [30]줄인다. 토양에 있는 수분 감지기는[33] 식물에 원격으로 물을 줄 수 있는 최적의 시기를 결정한다. 관개 시스템은 식물의 필요와 강우에 따라 나무 줄기의 어느 쪽에 물을 주는지 전환하도록 프로그램될 수 있다.[27]

혁신은 식물에만 국한되지 않는다. 혁신은 동물의 복지를 위해 사용될 수 있다. 소는 위산과 소화기 문제를 추적하기 위해 내부 센서를 장착할 수 있다. 외부 센서는 이동 패턴을 추적해 소의 건강과 건강 상태를 파악하고 신체적 부상을 감지하며 최적의 번식 시기를 파악한다.[27] 센서의 이 모든 데이터를 취합하고 분석하여 트렌드와 패턴을 탐지할 수 있다.

또 다른 예로 모니터링 기술을 사용하여 양봉의 효율성을 높일 수 있다. 꿀벌은 상당한 경제적 가치를 지니고 있으며 다양한 농작물을 수분시킴으로써 농업에 중요한 서비스를 제공한다. 무선 온도, 습도 및 CO2 센서를 통해 꿀벌 군집의 건강을 모니터링하면 벌의 생산성 향상에 도움이 되며 벌통 전체의 생존을 위협할 수 있는 데이터의 조기 경고를 읽을 수 있다.[34]

스마트폰 응용 프로그램

스마트폰 통합 정밀농업 시스템 구성 가능

스마트폰과 태블릿 애플리케이션은 정밀 농업에서 점점 더 인기를 끌고 있다. 스마트폰은 카메라, 마이크, GPS, 가속도계를 포함하여 많은 유용한 어플리케이션이 이미 설치되어 있다. 또한 현장 지도 작성, 동물 추적, 날씨 및 농작물 정보 획득 등 다양한 농업 애플리케이션 전용 애플리케이션도 있다. 그것들은 쉽게 휴대할 수 있고, 저렴하며, 높은 컴퓨팅 능력을 가지고 있다.[35]

머신러닝

머신러닝은 드론, 로봇, 사물인터넷과 연계해 주로 사용된다. 그것은 이러한 각 출처로부터의 데이터 입력을 허용한다. 그런 다음 컴퓨터는 이 정보를 처리하고 적절한 조치를 이들 장치로 다시 전송한다. 이를 통해 로봇이 완벽한 양의 비료를 전달하거나 IoT 장치가 완벽한 양의 물을 토양에 직접 공급할 수 있다.[36] 기계학습은 또한 토양에 식물이 이용 가능한 질소의 내용 등 필요한 시점에 농가에 예측을 제공하여 수정 계획을 안내할 수 있다.[37] 농업이 점점 더 디지털화됨에 따라 기계학습은 효율적이고 정밀한 농업을 더 적은 수작업으로 뒷받침할 것이다.

컨퍼런스

  • InfoAG 컨퍼런스
  • 유럽정밀농업회의(ECPA) (이벤니얼)
  • 국제정밀농업회의(ICPA) (이벤니얼)

참고 항목

메모들

  1. ^ "Precision Farming : Image of the Day". earthobservatory.nasa.gov. 2001-01-30. Retrieved 2009-10-12.
  2. ^ 맥브래트니, A, 윌런, B, 안체프, T, 2005. 정밀 농업의 미래 방향. 정밀농업, 6, 7-23
  3. ^ 윌런, B.M. 맥브래트니, A.B., 2003. 2003년 2월 2일부터 6일까지 제11차 오스트레일리아 농업 경영 회의의 정의와 해석
  4. ^ 하워드, J.A., 미첼, C.W. 1985. 피토지형성학. 와일리
  5. ^ Kaspar, Thomas C.; Colvin, Thomas S.; Jaynes, Daniel B.; et al. (March 2003). "Relationship Between Six Years of Corn Yields and Terrain Attributes". Precision Agriculture. 4 (1): 87–101. doi:10.1023/A:1021867123125. ISSN 1385-2256. S2CID 40514787.
  6. ^ McBratney, A. B.; Pringle, M. J. (September 1999). "Estimating Average and Proportional Variograms of Soil Properties and Their Potential Use in Precision Agriculture". Precision Agriculture. 1 (2): 125–152. doi:10.1023/A:1009995404447. ISSN 1385-2256. S2CID 22339888.
  7. ^ 레이언스, P, 미소튼, B, 라몬, H 등. 정밀농업(2002) 3: 169. https://doi.org/10.1023/A:1013823603735
  8. ^ M. 소포클루스와 J. 게오르기우 "정밀농업: 실시간 토양·식물 모니터링을 위한 센서와 전자제품의 도전," 2017 IEEE 바이오메디드. 회로 시스템 2017년 1-4페이지. https://doi.org/10.1109/BIOCAS.2017.8325180
  9. ^ Sophocleous, M. (2016). "IoT & Thick-Film Technology for Underground Sensors in Agriculture".
  10. ^ Anderson, Chris (May–June 2014). "Agricultural Drones Relatively cheap drones with advanced sensors and imaging capabilities are giving farmers new ways to increase yields and reduce crop damage". MIT Technology Review. Retrieved December 21, 2016.
  11. ^ a b c d "Digital agriculture: Helping to feed a growing world". 2017-02-23.
  12. ^ Arama Kukutai (April 27, 2016). "Can Digital Farming Deliver on its Promise?". www.agnewscenter.com.
  13. ^ Bunge, Jacob (25 February 2014). "Big Data Comes to the Farm, Sowing Mistrust". Wall Street Journal. Retrieved 10 February 2015.
  14. ^ "Digital disruption on the farm". The Economist. 24 May 2014. Retrieved 10 February 2015.
  15. ^ admin. "Important tools to succeed in precision farming". Retrieved 2019-11-20.
  16. ^ "Precision Farming Tools: Soil Electrical Conductivity" (PDF). Retrieved June 12, 2016.
  17. ^ "New Waspmote Sensor Board enables extreme precision agriculture in vineyards and greenhouses- Libelium". www.libelium.com.
  18. ^ Mahlein, Anne-Katrin (2015-09-01). "Plant Disease Detection by Imaging Sensors – Parallels and Specific Demands for Precision Agriculture and Plant Phenotyping". Plant Disease. 100 (2): 241–251. doi:10.1094/PDIS-03-15-0340-FE. ISSN 0191-2917. PMID 30694129.
  19. ^ "The future of agriculture: Factory fresh". The Economist. 2016-06-09. Retrieved 2016-06-12.
  20. ^ Aubert, Benoit (2012). "IT as enabler of sustainable farming: An empirical analysis of farmers' adoption decision of precision agriculture technology" (PDF). Decision Support Systems. 54: 510–520. doi:10.1016/j.dss.2012.07.002.
  21. ^ Herring, David (2001-01-29). "Precision Farming : Feature Articles". earthobservatory.nasa.gov. Retrieved 2009-10-12.
  22. ^ "Simon Blackmore: Farming with robots". SPIE Newsroom. 2 June 2016. Retrieved 2 June 2016.
  23. ^ "precision agriculture with satellite imagery". Archived from the original on 2011-04-07.
  24. ^ a b Warshauer, William (August 22, 2010). "How Digital Is Solving Three Problems in Agriculture". TechnoServe.
  25. ^ Kendall, H.; Naughton, P.; Clark, B.; et al. (2017). "Precision Agriculture in China: Exploring Awareness, Understanding, Attitudes and Perceptions of Agricultural Experts and End-Users in China". Advances in Animal Biosciences. 8 (2): 703–707. doi:10.1017/S2040470017001066.
  26. ^ Pepitone, Julianne (3 August 2016). "Hacking the farm: How farmers use 'digital agriculture' to grow more crops". CNNMoney.
  27. ^ a b c d e f g "The future of agriculture". The Economist. 2016-06-09.
  28. ^ Rajvanshi, Anil K. "Is precision agriculture the solution to India's farming crisis".
  29. ^ Schieffer, J.; Dillon, C. (2015). "The economic and environmental impacts of precision agriculture and interactions with agro-environmental policy". Precision Agriculture. 16: 46–61. doi:10.1007/s11119-014-9382-5. S2CID 9071060.
  30. ^ a b "Five technologies changing agriculture". 7 October 2016.
  31. ^ Deshpande, Anand; Razmjooy, Navid; Estrela, Vania V. (2021). "1 Introduction to Computational Intelligence and Super-Resolution". Computational Intelligence Methods for Super-Resolution in Image Processing Applications. Cham, Switzerland: Springer International Publishing. pp. 3–23. ISBN 978-3-030-67921-7.
  32. ^ M. 소포클로스, 두꺼운 필름 지하 센서. LAP LAMPERT 학술 출판, 2016. ISBN 978-3-659-95270-8 https://www.morebooks.de/store/us/book/thick-film-underground-sensors/isbn/978-3-659-95270-8
  33. ^ M. 소포클루스와 J. K. 앳킨슨, "액체와 토양 전도도 측정에 적합한 새로운 두꺼운 필름 전기 전도도 센서", 센서 액츄에이터, B Chem, vol. 213, 페이지 417–422, 2015. https://doi.org/10.1016/j.snb.2015.02.110
  34. ^ "Precision beekeeping with wireless temperature monitoring". IoT ONE. Retrieved 2018-04-27.
  35. ^ Suporn Pongnumkul, Pimwadee Chaovalit, Navaporn Surasvadi, "농업에서 스마트폰 기반 센서 적용: "연구 체계적 검토," 센서 저널, 2015.
  36. ^ Goap, Amarendra; Sharma, Deepak; Shukla, A.K.; Rama Krishna, C. (December 2018). "An IoT based smart irrigation management system using Machine learning and open source technologies". Computers and Electronics in Agriculture. 155: 41–49. doi:10.1016/j.compag.2018.09.040. S2CID 53787393.
  37. ^ Grell, Max; Barandun, Giandrin; Asfour, Tarek; Kasimatis, Michael; Collins, Alex; Wang, Jieni; Guder, Firat (9 October 2020). "Determining and Predicting Soil Chemistry with a Point-of-Use Sensor Toolkit and Machine Learning Model". bioRxiv. doi:10.1101/2020.10.08.331371. S2CID 222348520.

외부 링크

Wikimedia Commons에서의 정밀농업 관련 매체