【农业科技】智慧农业如何在小型农业体系中的应用

1.机器学习方法分析玉米产量影响因素

印度东部小农户农场的玉米产量差距（Zea mays L.）是气候变化、土壤肥力梯度、社会经济因素和不同管理强度之间复杂相互作用的结果。该研究使用几种机器学习方法来研究多种生物物理、社会经济和作物管理特征后，再使用几种机器学习方法确定玉米产量变异性的相对影响。研究者对180个农场的土壤肥力状况进行了评估，并与玉米产量、社会经济条件和农艺管理方面的调查数据进行了配对，将农场规模、总劳动力、土壤因子、播种率、肥料和有机肥确定为影响因素。在比较的三种玉米产量分类方法中，人工神经网络（ANN）在验证样品上产生的错误分类少（25%）。

2.一个用于收集小型农户数据的手机应用程序

移动和智能手机的普及使农村人口的移动服务激增。移动服务为小农户提供发展机会的潜力得到了广泛认可，但使用智能手机应用程序收集小农户农业系统数据的方法却很少被探索。该文评估了智能手机是否可以用于实时收集数据，从而提高社会经济和农艺数据收集的准确性。在该文章中，研究者开发了一个手机应用程序，他们使用该应用程序分析了农业机械化在赞比亚农村地区家庭内部使用时间和对作物营养的影响。早期的描述性结果揭示了机械化的影响，该项研究的贡献主要是方法上的。该研究强调了使用智能手机应用程序实时收集小农户系统的社会经济和农艺数据的潜力。它还提出了将受访者记录的数据与智能手机内置传感器和外部传感器相结合的方法，为研究人员提供了新的研究途径。

3.基于卫星数据的产量估计

在低收入和中等收入小农生产系统中，作物产量是根据家庭/农场调查报告来评估的。该研究引入了卫星方法，并结合了传统的地面调查方法，使用乌干达东部玉米数据评估了地面和卫星相结合后在估计农业投入和作物产量上的准确性。研究表明，基于卫星的产量测量可以解释不同地块间同样多或更多的产量差异。此外，对玉米产量与各种生产要素（如肥料、土壤质量）之间关联的估计在地面调查和卫星计量中是相似的，但由于样本量较大，使用后者有时会有更准确的结果。

4.小型农户的 FAW管理策略

秋粘虫（FAW）是一种新的入侵性害虫，对玉米生产造成破坏性影响，并威胁到撒哈拉以南非洲和亚洲数百万贫困小农的生计。研究者利用来自加纳、卢旺达、乌干达、赞比亚和津巴布韦2356个玉米种植家庭的调查数据，研究了小农户如何与害虫作斗争。研究者评估了小农户使用的FAW管理策略。多变量概率回归结果表明，合成农药的广泛使用是由家庭资产财富、获得补贴农业投入和推广信息等因素驱动的。研究结果对促进环境友好和可持续地管理小农耕作系统中入侵性害虫的政策和干预措施具有重要意义。

5.物联网太阳能智能农田灌溉系统

基于物联网的智能灌溉管理系统有助于在农业领域实现水资源利用。该文提出了一种基于开源技术的智能系统，通过检测土壤湿度、土壤温度和环境条件等地面参数以及来自互联网的天气预报数据来预测田地的灌溉需求。该系统涉及地面和环境传感的传感节点，考虑了土壤湿度、土壤温度、空气温度、紫外线 （UV） 光辐射和农田的相对湿度。该文章提出的系统基于智能算法，考虑了感知数据以及近期的天气预报参数。该系统提供了供水的闭环控制，以实现完全自主的灌溉方案。该文对该系统进行了描述，并详细讨论了基于所提出算法的三周数据的信息处理结果。结果表明，该系统功能齐全，预测结果令人满意。