BOG‘DORCHILIKDA ZAMONAVIY SUG‘ORISH TIZIMLARINI BOSHQARISHNING ALGORITMIK VA DASTURIY TA’MINOTINI TAKOMILLASHTIRISH
Ключевые слова:
умное сельское хозяйство, IoT, эвтранспирация, машинное обучение, Random Forest, микроконтроллеры, водосбережениеАннотация
В данной статье исследованы вопросы разработки алгоритмического и программного обеспечения умных (smart) систем орошения с целью эффективного использования водных ресурсов в садоводстве. Проведён сравнительный анализ традиционных и современных методов полива. Основное внимание уделено вычислению эвтранспирации на основе метода Пенмана–Монтейта и прогнозированию влажности почвы с применением алгоритмов машинного обучения (Machine Learning, ML), в частности метода «Random Forest» (Случайный лес). В рамках статьи приведены фрагменты программного кода на Python, отражающие логику работы системы.Библиографические ссылки
1. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration - Guidelines for computing crop water requirements - FAO Irrigation and drainage paper 56. Rome.
2. Goap, A., Sharma, D., Shukla, A. K., & Krishna, C. R. (2018). An IoT based smart irrigation system using Machine Learning and Open Source technologies. Computers and Electronics in Agriculture, 155, 41-49.
3. Goldstein, A., Fink, L., Meiti, A., et al. (2017). Applying machine learning on sensor data for irrigation recommendations: revealing the agronomist’s tacit knowledge. Precision Agriculture, 19, 421–444.
4. Costa, J. M., et al. (2020). Modern viticulture in southern Europe: Vulnerabilities and strategies for adaptation to water scarcity. Agricultural Water Management, 240, 106306.
5. O‘zbekiston Respublikasi Qishloq xo‘jaligi vazirligi ma’lumotlari. (2023). Suv tejovchi texnologiyalarni joriy etish strategiyasi.
2. Goap, A., Sharma, D., Shukla, A. K., & Krishna, C. R. (2018). An IoT based smart irrigation system using Machine Learning and Open Source technologies. Computers and Electronics in Agriculture, 155, 41-49.
3. Goldstein, A., Fink, L., Meiti, A., et al. (2017). Applying machine learning on sensor data for irrigation recommendations: revealing the agronomist’s tacit knowledge. Precision Agriculture, 19, 421–444.
4. Costa, J. M., et al. (2020). Modern viticulture in southern Europe: Vulnerabilities and strategies for adaptation to water scarcity. Agricultural Water Management, 240, 106306.
5. O‘zbekiston Respublikasi Qishloq xo‘jaligi vazirligi ma’lumotlari. (2023). Suv tejovchi texnologiyalarni joriy etish strategiyasi.
![“AGRO ILM” jurnali Maxsus son 9 [120], 2025](https://test.agrokarantin.uz/public/journals/2/issue-87-cover.jpg)
Загрузки
Опубликован
2025-12-29
Выпуск
Раздел
Articles