ACQUAOUNT-Farm sahədəki torpaq rütubəti, suvarma axını və meteoroloji sensorları FAO-56 ikili bitki əmsalı yanaşmasına əsaslanan fiziki torpaq-su balansı modeli ilə birləşdirərək gündəlik suvarma cədvəli yaratmaq üçün hazırlanmış real vaxt qərar dəstəyi platformasıdır. Sistem Cənubi Tunisdə iki sitrus və iki kartof təsərrüfatında 2024–2025 dövründə sınaqdan keçirilmiş; ümumilikdə R² təxminən 0,65, RMSE təxminən 0,022 m³ m⁻³ və MAD təxminən 0,016 m³ m⁻³ səviyyəsində torpaq rütubəti uyğunluğu əldə edilmişdir. Model ilə fermer tətbiqlərinin müqayisəsi, həddindən artıq suvarılan bir sitrus sahəsində “Early” strategiyası üçün %63–65, 2024-cü ilin payız kartofunda %80–84 və 2025-ci ilin yaz kartofunda %17–33 potensial su qənaətinə işarə edir. Bununla belə, bu faizlər model tərəfindən idarə olunan və fermer tətbiqi ilə eyni vaxtda nəzarətli şəkildə müqayisə edilmiş sahələrdən əldə edilən faktiki qənaət göstəriciləri deyil; mövcud fermer suvarması ilə modelin hesabladığı su tələbatının müqayisəsinə əsaslanan potensial dəyərlərdir.

Platforma hər gün saat 05.00-də işləyəcək şəkildə hazırlanmışdır. Hər işə salınmada əvvəlki bir həftəni sensor məlumatları ilə yenidən qurur və növbəti bir həftənin torpaq rütubətini və suvarma tələbatını proqnozlaşdırır. Beləliklə, ümumilikdə iki həftəlik hərəkətli hesablama pəncərəsi yaranır. Fermerə “Early”, “Late” və “Limit” adlandırılan üç suvarma həddi təqdim olunur. “Early” yanaşması su stresinin qarşısını almağa, “Late” orta səviyyəli su stresinə icazə verən nəzarətli kəsirli suvarmaya, “Limit” isə daha ciddi stress həddinə uyğun gəlir.

Tədqiqatın ən mühüm nəticəsi yalnız yüksək qənaət faizləri deyil. JD kodlu sitrus təsərrüfatında fermerin artıq kəsirli suvarma tətbiq etdiyi görülmüş və modelin optimal, su stressi olmayan “Early” yanaşması bəzi mövsümlərdə fermerdən daha çox su tövsiyə etmişdir. Bu nəticə ağıllı suvarma sisteminin hər vəziyyətdə “daha az su” demək olmadığını; mövcud suvarma idarəçiliyinə, məhsul tələbatına, torpaq xüsusiyyətlərinə və seçilmiş stress həddinə görə tövsiyənin istiqamətinin dəyişə bildiyini göstərir.

Tədqiqatın əsas sualı nədir?

Tədqiqatın çıxış nöqtəsi xüsusilə quraq və yarımquraq Aralıq dənizi şəraitində kənd təsərrüfatı suvarmasının yalnız sabit təqvimlərə və ya fermer təcrübəsinə buraxıldığı halda məhsulun real su tələbatı ilə verilən su miqdarı arasında mühüm fərqlərin yarana bilməsidir. Tədqiqatçılar bu problemə sahədən alınan real vaxt sensor məlumatlarını fiziki cəhətdən şərh edilə bilən su balansı modeli ilə birləşdirən və qabaqcıl texniki bilik tələb etmədən fermerə gündəlik suvarma tövsiyəsi verə bilən platforma ilə yanaşırlar.

Ədəbiyyatda sensor əsaslı qərar dəstəyi sistemləri, məlumat yönümlü suvarma alətləri və uzaqdan zondlama əsaslı üsullar olsa da, tədqiqat üç boşluğu vurğulayır: bəzi sistemlərin çoxsaylı parametr və ekspertiza tələb etməsi, yalnız məlumat yönümlü üsulların torpaq-su-bitki davamlılığını açıq fiziki şəkildə təmsil etməməsi və bir çox həllin quraq Aralıq dənizi şəraitində məhdud sınaqdan keçirilməsi. ACQUAOUNT-Farm buna görə az istifadəçi girişi, fiziki şərh edilə bilmə, real vaxt sensor inteqrasiyası və çoxsaylı məhsul istifadəsini vahid çərçivədə birləşdirməyi hədəfləyir.

Platforma hansı məlumatlardan istifadə edir?

Model girişləri dörd əsas qrupa bölünmüşdür: iqlim, torpaq, məhsul və suvarma sistemi məlumatları. İqlim girişləri saatlıq hava temperaturu, nisbi rütubət, günəş radiasiyası, yağıntı və 2 m hündürlükdə külək sürətidir. Keçmiş meteoroloji şərait sahədəki stansiyadan, gələcəyə yönəlik hava proqnozları isə hava proqnozu API-lərindən alınır.

Torpaq üçün qum, lil və gil nisbətləri; doymuş hidravlik keçiricilik; həcm sıxlığı; üzvi maddə; doyma, sahə tutumu və solma nöqtəsi kimi su tutma parametrləri tələb olunur. Bu parametrlər istifadəçi tərəfindən birbaşa daxil edilə və ya dörd pedotransfer funksiyasının — Rawls və əməkdaşları, Zacharias & Wessolek, ROSETTA və EUPTF v2 — ansambl ortalaması ilə qiymətləndirilə bilər.

Hər pilot sahədə torpaq rütubəti 15, 30 və 45 cm dərinliklərdə izlənmişdir. İstifadə olunan Delta OHM HD3910.1 zondları üçün mənbədə göstərilən ölçmə dəqiqliyi 0–0,5 m³ m⁻³ torpaq rütubəti intervalında və 23 °C torpaq temperaturunda 0,03 m³ m⁻³-dür. Suvarma suyu isə sistemə quraşdırılmış sayğacla saatlıq axın kimi qeydə alınmışdır.

Torpaq rütubəti sensorları ilə model necə eyni miqyasa gətirilir?

Sensor kalibrlənməsi ilə pedotransfer funksiyalarından əldə edilən su tutma hədləri fərqli dinamik diapazonlara malik ola bildiyindən model xətti harmonizasiya tətbiq edir:

\[ SM_{calib}=m\cdot SM_{raw}+q \]

Burada \(SM_{raw}\) xam sensor torpaq rütubəti, \(SM_{calib}\) kalibrlənmiş dəyər, \(m\) meyl və \(q\) kəsişmədir. Meyl aşağıdakı nisbətlə müəyyən edilir:

\[ m=\frac{\theta_{fc}-\theta_{wp}} {\theta_{fc,sensor}-\theta_{wp,sensor}} \]

\(\theta_{fc}\) sahə tutumunu, \(\theta_{wp}\) solma nöqtəsini ifadə edir. Məqsəd sensorun sahədə müşahidə olunan rütubət dəyişmə diapazonunu modelin istifadə etdiyi fiziki hədlərlə uyğunlaşdırmaqdır.

Referens evapotranspirasiya necə hesablanır?

Referens evapotranspirasiya \(ET_0\), FAO Penman–Monteith yanaşmasının saatlıq zaman addımına uyğunlaşdırılmış forması ilə hesablanır:

\[ ET_0= \frac{ 0.408\Delta(R_n-G)+ \gamma\frac{37}{T+273}u_2(e_s-e_a) }{ \Delta+\gamma(1+0.34u_2) } \]

\(R_n\) xalis radiasiyanı, \(G\) torpaq istilik axınını, \(\gamma\) psixrometrik sabiti, \(T\) 2 m-də orta hava temperaturunu, \(u_2\) 2 m-də külək sürətini, \(e_s\) doymuş buxar təzyiqini, \(e_a\) faktiki buxar təzyiqini və \(\Delta\) buxar təzyiqi əyrisinin meylini təmsil edir.

Médenine pilotunda hesablanan gündəlik \(ET_0\), qışda təxminən 1–3 mm gün⁻¹ olduğu halda yayda təxminən 5–6 mm gün⁻¹ səviyyəsinə yüksəlir. Tədqiqatın iqlim qrafikində yay aylarında yağıntının demək olar ki, yoxa çıxdığı, temperaturun isə nəzərəçarpacaq dərəcədə yüksəldiyi görünür. Bu iqlim quruluşu suvarma vaxtının niyə qısa intervallarla yenidən qiymətləndirilməli olduğunu izah edən əsas ekoloji şərtdir.

Çoxqatlı torpaq-su balansı necə işləyir?

Torpaq profili sensor dərinliklərinə uyğun qatlara ayrılır və hər qat üçün saatlıq su büdcəsi tətbiq edilir:

\[ \Delta SM\cdot d_i=F_{in,i}-ETa_i-F_{out,i} \]

\(\Delta SM\) qatda həcmli su məzmununun dəyişməsini; \(d_i\) qat qalınlığını; \(F_{in,i}\) qata daxil olan suyu; \(ETa_i\) faktiki evapotranspirasiya ilə itirilən suyu və \(F_{out,i}\) aşağı qata drenajı təmsil edir. Üst qatda giriş yağıntı və suvarmadan ibarət olduğu halda, daha dərin qatlara su üst qatdan drenajla çatır.

Model damcı və ya yeraltı damcı suvarmada isladılan sahəni məhsul növünə görə ümumi sahənin bir hissəsi kimi qəbul edir. Ağac məhsullarında suvarılan sahənin məhsul sahəsinin %30-u, illik məhsullarda isə %90-ı olduğu fərz edilmişdir. Tədqiqatçılar illik məhsullardakı %90 qəbulunun damcı suvarmanın real islatma sahəsini artıq qiymətləndirə biləcəyini açıq şəkildə bildirirlər; bununla belə su stresini aşağı qiymətləndirməmək üçün tələbatı bir qədər yüksək hesablamağı üstün tuturlar.

Bitkinin su tələbatı necə formalaşdırılır?

Məhsul əmsalı FAO-56 ikili əmsal yanaşmasına görə iki komponentə ayrılır:

\[ k_c=k_{cb}+k_e \]

\(k_{cb}\) bazal məhsul əmsalı, \(k_e\) isə səthə yaxın torpaqdakı buxarlanma komponentidir. Kök zonasındakı ümumi istifadə edilə bilən su və asan istifadə edilə bilən su belə təyin olunur:

\[ TAW=(\theta_{fc}-\theta_{wp})\cdot Z_r\cdot1000 \]

\[ RAW=TAW\cdot DF_{adj} \]

\(Z_r\) gündəlik kök dərinliyi, \(DF_{adj}\) isə iqlim şəraitinə uyğunlaşdırılmış tükənmə faktorudur. Mənbədə isti şəraitdə suvarma tezliyini artırmaq üçün aşağıdakı düzəliş istifadə olunur:

\[ DF_{adj}=DF_{tab}+0.1(4-ET_0) \]

Məhsula xas evapotranspirasiya və faktiki evapotranspirasiya isə:

\[ ET_c=ET_0\cdot k_c \]

\[ ET_a=ET_0\cdot(k_{cb}\cdot k_s+k_e) \]

şəklində hesablanır. \(k_s\) kök zonasında su çatışmazlığı artdıqca 1-in altına düşən su stresi əmsalıdır.

“Early”, “Late” və “Limit” nə deməkdir?

ACQUAOUNT-Farm suvarma tarixini kök zonası su çatışmazlığı \(D_r\) ilə asan istifadə edilə bilən su \(RAW\) arasındakı əlaqəyə görə müəyyən edir:

\[ D_r=IT_{early}\cdot RAW \]

\[ D_r=IT_{late}\cdot RAW \]

\[ D_r=IT_{limit}\cdot RAW \]

Buradakı \(IT\) əmsalları məhsulun su stresinə davamlılığına görə məhsul cədvəlindən götürülür. “Early” həddi su stresi başlamazdan əvvəl suvarmanı, “Late” orta səviyyəli su stresinə imkan verən daha gec suvarmanı, “Limit” isə daha ciddi stress həddinə yaxınlaşan ssenarini təmsil edir.

Şəkillər hansı elmi mesajı verir?

Torpaq rütubəti sıraları suvarmadan sonra xüsusilə 15 cm-lik səthə yaxın qatda kəskin rütubət artımları və daha sonra drenaj və bitki su istifadəsinə bağlı azalmalar göstərir. AM sahəsində 45 cm qatındakı rütubətin tez-tez sahə tutumunu aşması, bəzi suvarmalarda suyun kök zonasının altına doğru dərin perkolasiya ilə itirildiyinə işarə edir.

JD və SG sahələrində torpaq daha qumludur. Əlavə Cədvəl 4-ə görə qum nisbətləri müvafiq olaraq %85 və %90,8-dir. JD sahəsində rütubətin sürətlə itməsi, modelin bu təsərrüfatda digər sahələrə nisbətən daha aşağı proqnoz uğuru göstərməsinin tədqiqat tərəfindən vurğulanan izahlarından biridir.

Şəkil 5 model proqnozlarını sensor müşahidələri ilə müqayisə edir. AM və NR nöqtələri 1:1 xətti ətrafında daha yaxşı qruplaşdığı halda, JD-də səpələnmənin daha nəzərəçarpan olduğu görünür. Şəkildə AM üçün R²=0,74, RMSE=0,019 və MAD=0,014 m³ m⁻³; NR üçün R²=0,85, RMSE=0,018 və MAD=0,011 m³ m⁻³; SG üçün R²=0,59, RMSE=0,020 və MAD=0,017 m³ m⁻³; JD üçün isə R²=0,43, RMSE=0,029 və MAD=0,025 m³ m⁻³ göstərilir. Mənbə mətni JD üçün R² dəyərini 0,44 kimi yazdığı üçün burada fərq açıq şəkildə qorunmuşdur.

Tədqiqatın dəstəklədiyi nəticələr

• Fizika əsaslı torpaq-su balansı ilə real vaxt IoT sensor məlumatlarının eyni platformada birləşdirilməsi dörd real təsərrüfatda tətbiq edilmişdir.
• Üç təsərrüfatda model-sensor fərqləri dörd günə qədər mənbədə istifadə olunan sensor dəqiqliyi meyarı daxilində qalmışdır; JD sahəsində bu müddət iki gün kimi qiymətləndirilmişdir.
• AM sitrus sahəsində mövcud suvarma modelin hesabladığı su tələbatından xeyli yüksəkdir.
• 2024-cü ilin payız kartof mövsümündə NR və SG sahələrində model fermerin tətbiq etdiyi sudan çox daha aşağı həcmlər hesablamışdır.
• JD sitrus sahəsində fermerin artıq kəsirli suvarma tətbiq etdiyi görülmüş və “Early” ssenarisi bəzi dövrlərdə fermerdən daha çox su tələb etmişdir.
• Model çıxışlarına yalnız suvarma həcmi deyil, suvarma vaxtı və müxtəlif stress hədləri də daxildir.

Tədqiqatın sübut etmədiyi nəticələr

• Model tövsiyələri ilə idarə olunan sahələrdə həqiqətən %60–90 arasında su qənaətinin əldə edildiyi birbaşa təcrübə ilə göstərilməmişdir.
• Daha az su istifadəsinin məhsuldarlığı qoruduğu bu təcrübə dizaynı ilə sübut edilməmişdir.
• Model nəzarətli suvarmanın su məhsuldarlığını və ya fermer gəlirini artırdığı birbaşa ölçülməmişdir.
• Dörd Tunis təsərrüfatındakı performans bütün Aralıq dənizi kənd təsərrüfatı sahələrinə avtomatik ümumiləşdirilə bilməz.
• Bir həftəlik hesablama üfüqü bütün təsərrüfatlarda eyni dəqiqlikdə deyil; proqnoz xətası müddət uzandıqca artır.

Türkiyə baxımından nə ifadə edir?

Tədqiqat Türkiyədə aparılmamışdır və Tunisdə hesablanan su qənaəti faizləri Türkiyədəki kənd təsərrüfatı sahələrinə birbaşa köçürülə bilməz. Bununla belə, sistemin istifadə etdiyi əsas yanaşma — sahə sensorları, meteoroloji məlumat, məhsul əmsalları, torpağın su tutma xüsusiyyətləri və saatlıq su balansı — su məhdudiyyətinin mühüm olduğu Aralıq dənizi tipli kənd təsərrüfatı istehsal bölgələri üçün tətbiq oluna bilən qərar dəstəyi arxitekturası təqdim edir. Türkiyədə istifadə ediləcəyi halda yerli torpaq teksturası, məhsul çeşidi, fenologiya, suvarma sistemi, meteoroloji quruluş, sensor kalibrlənməsi, su keyfiyyəti və təsərrüfat praktikaları yenidən doğrulanmalıdır.

Tədqiqatın Metodu və Nəticələri

Pilot sahə və təcrübənin əhatəsi

Model Cənubi Tunisin Médenine bölgəsində yerləşən dörd real təsərrüfatda sınaqdan keçirilmişdir. AM və JD sitrus, SG və NR isə kartof sahələridir. Sensorlar 2024-cü ilin mayında məlumat toplamağa başlamış; analiz dövrü 2024-cü ilin mayı–2025-ci ilin sentyabrını əhatə etmişdir. Kartof üçün 2024 payız və 2025 yaz istehsal dövrləri, sitrus üçün isə 2024 və 2025 aktiv suvarma dövrləri qiymətləndirilmişdir.

Əlavə Cədvəl 4 bütün sahələr üçün doymuş hidravlik keçiriciliyi 2,78 cm h⁻¹ və həcm sıxlığını 1,40 g cm⁻³ kimi verir. Bununla belə, metod mətnində \(K_s\) vahidi cm s⁻¹ formasında müəyyən edildiyindən mənbə daxilində vahid göstərimində uyğunsuzluq vardır.

Torpaq rütubəti proqnozu necə doğrulandı?

Model proqnozu ilə sensor müşahidəsi arasındakı fərqlər MBE, MAD, MRD, RMSE və R² ilə qiymətləndirilmişdir. MAD orta mütləq fərqi, RMSE böyük sapmaları daha güclü cəzalandıran kök orta kvadrat xətanı, R² isə müşahidə edilən dəyişkənliyin model tərəfindən izah olunan hissəsini ifadə edir. MBE sapmanın istiqamətini, MRD isə xətanın müşahidə olunan dəyərə görə nisbi böyüklüyünü qiymətləndirmək üçün istifadə edilmişdir.

Mənbədə MBE və MRD faiz kimi adlandırılsa da, çap olunmuş tənliklərdə açıq “×100” vurğunu görünmür. Bu məqalədə düstur səssizcə dəyişdirilməmiş; yalnız mənbədə verilmiş statistik şərh qorunmuşdur.

Dörd sahə birlikdə nəzərə alındıqda tədqiqat təxminən R²=0,65, RMSE=0,022 m³ m⁻³ və MAD=0,016 m³ m⁻³ bildirir. Proqnoz üfüqü uzandıqca dəqiqlik azalır. AM, NR və SG üçün dörd günə qədər MAD dəyərləri mənbədə sensor dəqiqliyi həddi daxilində qiymətləndirilərkən JD-də üçüncü və dördüncü günlər həddən kənar təsnif edilmişdir.

JD təsərrüfatında proqnoz niyə daha çətindir?

JD torpağı %85 qum ehtiva edir və sahə tutumu ilə solma nöqtəsi arasındakı istifadə edilə bilən rütubət intervalı dardır. Sensor sıraları suvarmadan sonra torpaq rütubətinin bir neçə gün ərzində çox sürətlə düşə bildiyini göstərir. Bu sürətli drenaj davranışı uzun proqnoz üfüqlərində kiçik model sapmalarının böyüməsini asanlaşdırır.

Fermer suvarması ilə model tövsiyəsi arasındakı fərq

Ən diqqətçəkən müqayisə Cədvəl 3-də verilmişdir. Burada “su qənaəti” fermerin faktiki qənaət etdiyi suyu deyil, fermerin tətbiq etdiyi ümumi su ilə modelin eyni mövsüm üçün hesabladığı suvarma miqdarı arasındakı fərqi ifadə edir. Mənfi dəyər modelin fermerdən daha çox su tövsiyə etdiyini göstərir.

AM sitrus sahəsi

Fermer 2024-cü ildə 30.780 m³ ha⁻¹, 2025-ci ildə 28.230 m³ ha⁻¹ suvarma tətbiq etmişdir. Modelin “Early” hesablamaları müvafiq olaraq 10.913 və 10.306 m³ ha⁻¹, “Late” hesablamaları isə 7.224 və 7.280 m³ ha⁻¹-dir. Cədvəl 3 bu fərqləri “Early” üçün %65 və %63, “Late” üçün %77 və %74 potensial qənaət kimi verir.

Model həmçinin suvarma hadisələrinin həm tezliyini, həm də hər hadisə üzrə həcmini azaldır. Fermerin 55–56 tətbiqinə qarşı “Early” ssenarisi 41 və 34 tətbiq hesablamış; orta hadisə həcmləri də fermerin təxminən 504–560 m³ ha⁻¹ dəyərlərindən modeldə təxminən 266–303 m³ ha⁻¹ səviyyəsinə enmişdir.

JD sitrus sahəsi

JD tədqiqatın “daha az su hər zaman daha yaxşı deyil” nəticəsini ən açıq göstərən sahədir. Fermer 2024-cü ildə 7.119 m³ ha⁻¹ suvarma etdiyi halda “Early” model hesablaması 11.720 m³ ha⁻¹-dir; buna görə potensial qənaət dəyəri -%65-dir. “Late” ssenarisi 7.433 m³ ha⁻¹ ilə fermer tətbiqinə xeyli yaxındır və dəyər -%4-dür.

2025-ci ildə fermer 9.058 m³ ha⁻¹ tətbiq etdiyi halda model “Early” üçün 10.380 m³ ha⁻¹, “Late” üçün 6.669 m³ ha⁻¹ hesablamışdır. Buna uyğun dəyərlər müvafiq olaraq -%15 və %26-dır. Tədqiqatçılar bu nəticəni fermerin artıq kəsirli suvarma strategiyası tətbiq etməsi ilə əlaqələndirirlər.

Kartof sahələri

2024-cü ilin payız mövsümündə fərq ən böyükdür. NR fermeri 7.407 m³ ha⁻¹ suvarma etdiyi halda model 1.510 m³ ha⁻¹ “Early” və 1.254 m³ ha⁻¹ “Late” hesablamışdır. SG-də fermer 9.830 m³ ha⁻¹ tətbiq etdiyi halda model dəyərləri 1.614 və 967 m³ ha⁻¹-dir. Cədvəl 3-ə görə potensial qənaət NR-də %80/%83, SG-də %84/%90-dır.

2025-ci ilin yazında fərqlər azalır. NR üçün fermer 8.310 m³ ha⁻¹, model “Early” 5.584 m³ ha⁻¹ və “Late” 4.226 m³ ha⁻¹; SG üçün fermer 7.485 m³ ha⁻¹, model 6.201 və 4.114 m³ ha⁻¹ hesablamışdır. “Early” potensial qənaətləri buna görə müvafiq olaraq %33 və %17-yə düşür.

Suvarma tezliyi də dəyişir

Payız kartofunda model yalnız daha az ümumi su deyil, daha az sayda, lakin hər hadisədə daha yüksək həcmli suvarma tövsiyə edir. NR-də fermer 50 suvarma etdiyi halda model “Early” üçün 7, “Late” üçün 6; SG-də fermerin 53 tətbiqinə qarşı model müvafiq olaraq 9 və 6 suvarma hesablamışdır. Yaz mövsümündə fermer-model fərqi nəzərəçarpacaq dərəcədə azalır.

Tədqiqatın ən kritik məhdudiyyətləri

• Fermer tərəfindən idarə olunan və model tərəfindən idarə olunan sahələr eyni dövrdə nəzarətli təcrübə dizaynı ilə müqayisə edilməmişdir.
• Buna görə hesablanan su qənaəti potensialdır.
• Model tövsiyələri ilə suvarılan sahələrdə məhsuldarlıq və su məhsuldarlığı hələ müqayisə edilməmişdir.
• Aşağı qiymətli sensorların ölçmə keyfiyyəti kiçik təsərrüfatlarda nəticələrə təsir göstərə bilər.
• JD nümunəsi qumlu torpaqlarda proqnoz xətasının daha sürətlə arta bildiyini göstərir.
• Model bəzi isladılan sahə və kök paylanması fərziyyələrini məhsullar arasında ümumiləşdirir.
• Bir həftəlik proqnoz yaradılsa da, sahə doğrulamasında etibarlı proqnoz müddəti təsərrüfata görə təxminən iki ilə dörd gün arasında dəyişmişdir.

Mənbə və Metod Qeydi

Mənbə növü: Tədqiqat məqaləsi xarakterli preprint.

Rəyçilik vəziyyəti: Bu tədqiqat rəy qiymətləndirməsindən keçməmiş preprintdir; nəticələri bu nəşr mərhələsi nəzərə alınaraq qiymətləndirilməlidir.

Tam orijinal iş adı: ACQUAOUNT-Farm: an IoT-based real-time platform for optimizing daily irrigation under water-scarcity

Müəlliflər və sıralama: Andrea Borgo; Fathia Elmokh; Kameleddine Nagaz; Simone Mereu; Guido Rianna; Gennaro Sequino; Francesco Martini; Josep Pijuan Parra; Mauro Lo Cascio; Serena Marras; Antonio Trabucco; Marta Debolini.

Müvafiq müəllif: Andrea Borgo.

Bərabər töhfə: Mənbədə ortaq birinci müəlliflik və ya bərabər töhfə məlumatı göstərilməmişdir.

Qurumlar: Department of Agriculture, University of Sassari; CMCC Foundation – Euro-Mediterranean Centre on Climate Change; Institut des Régions Arides, Medenine; Institute of BioEconomy, Italian National Research Council; Abinsula srl; Eurecat, Centre Tecnològic de Catalunya, Unit of Applied Artificial Intelligence.

DOI: 10.2139/ssrn.6837412. DOI yüklənmiş PDF-in görünən biblioqrafik hissəsində yazılmır; SSRN rəsmi qeyd məlumatı üzərindən doğrulanmışdır.

Platforma: SSRN, Abstract ID 6837412.

Nəşr tarixi: Cari SSRN versiyası 27 May 2026. SSRN qeydi həmçinin 11 Fevral 2026 tarixli əvvəlki versiyanı göstərir.

Jurnal/cild/nömrə: Tədqiqat bu versiyada jurnal cildi və ya nömrə məlumatı daşımır.

Nəşriyyat: PDF-də ayrıca nəşriyyat məlumatı verilməmişdir.

Lisenziya: PDF-də açıq girişli təkrar istifadə lisenziyası göstərilmir. SSRN biblioqrafik qeydində hüquqların qorunduğu və icazəsiz təkrar istifadənin açıq şəkildə icazəli olmadığı bildirilir.

Maliyyələşdirmə: ACQUAOUNT layihəsi, PRIMA proqramı Grant Agreement [2021] [ACQUAOUNT] [Call 2020 Section Water IA]. Tədqiqat həmçinin University of Sassari Agrometeorology and Ecophysiology of Agricultural and Forestry Ecosystems doktorantura proqramı, CMCC Foundation və Institut des Régions Arides əməkdaşlığı çərçivəsində hazırlanmışdır.

Məlumat əlçatanlığı: Mənbə ACQUAOUNT-Farm platformasının pulsuz qeydiyyat və profil yaratdıqdan sonra əlçatan olduğunu; suvarma modelinin sınaq skriptinin də GitHub-da yerləşdiyini bildirir.

Maraq toqquşması: Müəlliflər məlum rəqabətli maliyyə marağı və ya işə təsir göstərə biləcək şəxsi münasibət bildirməmişlər.

CRediT müəllif töhfələri

• Andrea Borgo: Konseptuallaşdırma, metod, proqram təminatı, doğrulama, formal təhlil, tədqiqat, ilk qaralama yazısı və vizuallaşdırma.
• Fathia Elmokh: Doğrulama, məlumat kurasiyası, nəzərdən keçirmə və redaktə.
• Kameleddine Nagaz: Doğrulama, resurslar, nəzərdən keçirmə və redaktə, layihə idarəçiliyi.
• Simone Mereu: Konseptuallaşdırma, nəzərdən keçirmə və redaktə, layihə idarəçiliyi, maliyyələşdirmənin əldə edilməsi.
• Guido Rianna: Konseptuallaşdırma və layihə idarəçiliyi.
• Gennaro Sequino: Məlumat kurasiyası, nəzərdən keçirmə və redaktə.
• Francesco Martini: Proqram təminatı, doğrulama və məlumat kurasiyası.
• Josep Pijuan Parra: Proqram təminatı, doğrulama və məlumat kurasiyası.
• Mauro Lo Cascio: Resurslar, nəzərdən keçirmə və redaktə.
• Serena Marras: Layihə idarəçiliyi və maliyyələşdirmənin əldə edilməsi.
• Antonio Trabucco: Nəzərdən keçirmə və redaktə, nəzarət.
• Marta Debolini: Metod, nəzərdən keçirmə və redaktə, nəzarət, layihə idarəçiliyi və maliyyələşdirmənin əldə edilməsi.

Elmi məzmun və xarici doğrulama sərhədi

Bu Verianla məqaləsindəki metod, təcrübə şəraiti, düsturlar, sahə məlumatları, performans meyarları, su miqdarları, qənaət faizləri, məhdudiyyətlər və elmi şərhlər yüklənmiş tədqiqata əsaslanır. Xarici mənbələrdən yeni eksperimental nəticə və ya yeni mexanizm əlavə edilməmişdir. Xarici yoxlama yalnız DOI, SSRN qeyd tarixi, versiya məlumatı və lisenziya statusu kimi biblioqrafik sahələrin doğrulanmasında istifadə edilmişdir.

Tədqiqatın ən mühüm metodoloji sərhədi fermer idarəçiliyi ilə model idarəçiliyinin eyni vaxtda nəzarətli sahələrdə sınaqdan keçirilməməsidir. Buna görə suvarma həcmi fərqləri baş vermiş su qənaəti kimi deyil, potensial qənaət kimi qiymətləndirilməlidir. Gələcək iş üçün müəlliflərin tövsiyə etdiyi əsas addım model tövsiyələri ilə idarə olunan sahələri fermer idarəçiliyindəki sahələrlə müqayisə edərək həm məhsuldarlığı, həm də su məhsuldarlığını birbaşa ölçməkdir.

Mənbədə bəzi mətn, cədvəl, meyar və vahid göstərimləri arasında fərqlər olduğundan bu məqalədə ətraflı ədədi müqayisələrdə xüsusilə Cədvəl 2, Cədvəl 3 və müvafiq şəkillərdəki görünən dəyərlər qorunmuş; ziddiyyətlər səssizcə vahid dəyərə çevrilməmişdir.