ACQUAOUNT-Farm талаадагы топурак нымдуулугу, сугаруу агымы жана метеорологиялык сенсорлорду FAO-56 кош өсүмдүк коэффициенти ыкмасына негизделген физикалык топурак-суу балансы модели менен бириктирип, күнүмдүк сугаруу графигин түзүү үчүн иштелип чыккан реалдуу убакыттагы чечимдерди колдоо платформасы. Система Түштүк Тунистеги эки цитрус жана эки картошка чарбасында 2024–2025 мезгилинде сыналган; жалпы алганда R² болжол менен 0,65, RMSE болжол менен 0,022 m³ m⁻³ жана MAD болжол менен 0,016 m³ m⁻³ деңгээлинде топурак нымдуулугунун шайкештиги алынган. Модель менен фермердин практикасын салыштыруу ашыкча сугарылган цитрус аянтында “Early” стратегиясы үчүн %63–65, 2024-жылдын күзгү картошкасында %80–84 жана 2025-жылдын жазгы картошкасында %17–33 потенциалдуу суу үнөмдөөсүн көрсөтөт. Бирок бул пайыздар модель башкарган жана фермердин практикасы менен ошол эле учурда көзөмөлдөнгөн шартта салыштырылган тилкелерден алынган реалдуу үнөмдөө көрсөткүчтөрү эмес; алар учурдагы фермердик сугаруу менен модель эсептеген суу муктаждыгын салыштырууга негизделген потенциалдуу маанилер.

Платформа күн сайын саат 05.00дө иштей тургандай иштелип чыккан. Ар бир ишке киргизүүдө өткөн бир аптаны сенсор маалыматтары менен кайра калыбына келтирип, кийинки бир аптанын топурак нымдуулугун жана сугаруу муктаждыгын болжолдойт. Ошентип, жалпысынан эки апталык жылма эсептөө терезеси түзүлөт. Фермерге “Early”, “Late” жана “Limit” деп аталган үч сугаруу чеги сунушталат. “Early” ыкмасы суу стрессинин алдын алууга, “Late” орточо деңгээлдеги суу стрессине жол берген көзөмөлдөнгөн дефициттик сугарууга, “Limit” болсо олуттуу стресс чегине туура келет.

Изилдөөнүн эң маанилүү жыйынтыгы жогорку үнөмдөө пайыздары гана эмес. JD коду берилген цитрус чарбасында фермер буга чейин эле дефициттик сугарууну колдонуп жүргөнү аныкталган жана моделдин оптималдуу, суу стрессисиз “Early” ыкмасы айрым мезгилдерде фермерге караганда көбүрөөк суу сунуштаган. Бул табылга акылдуу сугаруу системасы ар бир учурда “азыраак суу” дегенди билдирбесин; сунуштун багыты учурдагы сугарууну башкарууга, өсүмдүктүн муктаждыгына, топурактын касиеттерине жана тандалган стресс чегине жараша өзгөрүшү мүмкүн экенин көрсөтөт.

Изилдөөнүн негизги суроосу кайсы?

Изилдөөнүн баштапкы пункту — айрыкча кургак жана жарым кургак Жер Ортолук деңиз шарттарында айыл чарба сугаруусу туруктуу календарларга же фермердин тажрыйбасына гана калтырылганда, өсүмдүктүн чыныгы суу муктаждыгы менен берилген суунун көлөмүнүн ортосунда олуттуу айырмачылыктар пайда болушу мүмкүн. Изилдөөчүлөр бул көйгөйгө талаадагы реалдуу убакыт сенсор маалыматтарын физикалык жактан түшүндүрүүгө мүмкүн болгон суу балансы модели менен бириктирген жана жогорку деңгээлдеги техникалык билимди талап кылбастан фермерге күнүмдүк сугаруу сунушун бере алган платформа аркылуу кайрылышат.

Адабиятта сенсорго негизделген чечимдерди колдоо системалары, маалыматка негизделген сугаруу куралдары жана аралыктан зонддоого негизделген ыкмалар бар болгону менен, изилдөө үч боштукту белгилейт: кээ бир системалар көп параметрди жана адистикти талап кылат, маалыматка гана негизделген ыкмалар топурак-суу-өсүмдүк үзгүлтүксүздүгүн ачык физикалык түрдө чагылдырбайт жана көптөгөн чечимдер кургак Жер Ортолук деңиз шарттарында чектелүү сыналган. Ошондуктан ACQUAOUNT-Farm колдонуучунун аз киргизүүсүн, физикалык түшүндүрмөлүүлүктү, реалдуу убакыт сенсор интеграциясын жана бир нече өсүмдүккө колдонулушун бир алкакта айкалыштырууну көздөйт.

Платформа кандай маалыматтарды колдонот?

Моделдин киргизүүлөрү төрт негизги топко бөлүнгөн: климат, топурак, өсүмдүк жана сугаруу системасынын маалыматтары. Климаттык киргизүүлөр — сааттык аба температурасы, салыштырмалуу нымдуулук, күн радиациясы, жаан-чачын жана 2 m бийиктиктеги шамал ылдамдыгы. Өткөн метеорологиялык шарттар талаадагы станциядан алынат, ал эми келечектеги аба ырайын болжолдоо үчүн аба ырайы API'лери колдонулат.

Топурак үчүн кум, силт жана чопонун үлүшү; каныккан гидравликалык өткөрүмдүүлүк; көлөмдүк тыгыздык; органикалык зат; каныгуу, талаа ным сыйымдуулугу жана солуу чекити сыяктуу суу кармоо параметрлери талап кылынат. Бул параметрлерди колдонуучу түз киргизе алат же төрт педотрансфер функциясынын — Rawls жана кесиптештери, Zacharias & Wessolek, ROSETTA жана EUPTF v2 — ансамблдик орточосу менен баалоого болот.

Ар бир пилоттук аянтта топурак нымдуулугу 15, 30 жана 45 cm тереңдиктерде көзөмөлдөнгөн. Колдонулган Delta OHM HD3910.1 зонддору үчүн булакта көрсөтүлгөн өлчөө тактыгы 0–0,5 m³ m⁻³ топурак нымдуулугу аралыгында жана 23 °C топурак температурасында 0,03 m³ m⁻³. Сугаруу суусу системага орнотулган эсептегич менен сааттык агым катары катталган.

Топурак нымдуулугу сенсорлору менен модель кантип бир масштабга келтирилет?

Сенсор калибрлөөсү менен педотрансфер функцияларынан алынган суу кармоо чектери ар башка динамикалык диапазондорго ээ болушу мүмкүн болгондуктан, модель сызыктуу гармонизацияны колдонот:

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

Бул жерде \(SM_{raw}\) — чийки сенсордук топурак нымдуулугу, \(SM_{calib}\) — калибрленген маани, \(m\) — эңкейиш жана \(q\) — кесилиш. Эңкейиш төмөнкү катыш менен аныкталат:

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

\(\theta_{fc}\) талаа ным сыйымдуулугун, \(\theta_{wp}\) солуу чекитин билдирет. Максат — сенсор талаада байкаган нымдуулук өзгөрүү диапазонун модель колдонгон физикалык чектер менен шайкеш келтирүү.

Эталондук эвапотранспирация кантип эсептелет?

Эталондук эвапотранспирация \(ET_0\), FAO Penman–Monteith ыкмасынын сааттык убакыт кадамына ылайыкташтырылган формасы менен эсептелет:

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

\(R_n\) таза радиацияны, \(G\) топурактын жылуулук агымын, \(\gamma\) психрометриялык туруктууну, \(T\) 2 m бийиктиктеги орточо аба температурасын, \(u_2\) 2 m бийиктиктеги шамал ылдамдыгын, \(e_s\) каныккан буу басымын, \(e_a\) чыныгы буу басымын жана \(\Delta\) буу басымынын ийри сызыгынын эңкейишин билдирет.

Médenine пилотунда эсептелген күнүмдүк \(ET_0\) кышында болжол менен 1–3 mm күн⁻¹ болсо, жайында болжол менен 5–6 mm күн⁻¹ деңгээлине чейин көтөрүлөт. Изилдөөнүн климаттык графигинде жай айларында жаан-чачын дээрлик жоголуп, температура айкын жогорулаганы көрүнөт. Бул климаттык түзүлүш сугаруунун убактысын эмне үчүн кыска интервалдарда кайра баалоо керектигин түшүндүргөн негизги экологиялык шарт болуп саналат.

Көп катмарлуу топурак-суу балансы кантип иштейт?

Топурак профили сенсор тереңдиктерине туура келген катмарларга бөлүнүп, ар бир катмар үчүн сааттык суу бюджети колдонулат:

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

\(\Delta SM\) катмардагы көлөмдүк суу мазмунунун өзгөрүшүн; \(d_i\) катмардын калыңдыгын; \(F_{in,i}\) катмарга кирген сууну; \(ETa_i\) чыныгы эвапотранспирация аркылуу жоголгон сууну жана \(F_{out,i}\) төмөнкү катмарга дренажды билдирет. Үстүңкү катмарда кирүү жаан-чачын жана сугаруудан турса, тереңирээк катмарларга суу үстүңкү катмардан дренаж аркылуу жетет.

Модель тамчылатып же жер алдындагы тамчылатып сугарууда нымдалган аянтты өсүмдүктүн түрүнө жараша жалпы аянттын бир бөлүгү катары кабыл алат. Дарак өсүмдүктөрүндө сугарылган аянт өсүмдүк аянтынын %30у, бир жылдык өсүмдүктөрдө %90ы деп болжолдонгон. Изилдөөчүлөр бир жылдык өсүмдүктөр үчүн %90 деген кабыл алуу тамчылатып сугаруунун чыныгы нымдоо аянтын ашыкча баалашы мүмкүн экенин ачык белгилешет; ошого карабастан суу стрессин төмөн баалабоо үчүн муктаждыкты бир аз жогору баалоону тандашат.

Өсүмдүктүн суу муктаждыгы кантип түзүлөт?

Өсүмдүк коэффициенти FAO-56 кош коэффициент ыкмасына ылайык эки компонентке бөлүнөт:

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

\(k_{cb}\) базалдык өсүмдүк коэффициенти, \(k_e\) болсо жер бетине жакын топурактагы буулануу компоненти. Тамыр зонасындагы жалпы жеткиликтүү суу жана оңой жеткиликтүү суу төмөнкүчө аныкталат:

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

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

\(Z_r\) күнүмдүк тамыр тереңдиги, \(DF_{adj}\) болсо климаттык шарттарга ылайыкташтырылган сарпталуу фактору. Булакта ысык шарттарда сугаруу жыштыгын көбөйтүү үчүн төмөнкү түзөтүү колдонулат:

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

Өсүмдүккө мүнөздүү эвапотранспирация жана чыныгы эвапотранспирация болсо:

\[ ET_c=ET_0\cdot k_c \]

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

түрүндө эсептелет. \(k_s\) тамыр зонасындагы суу тартыштыгы көбөйгөн сайын 1ден төмөн түшө турган суу стресси коэффициенти.

“Early”, “Late” жана “Limit” эмнени билдирет?

ACQUAOUNT-Farm сугаруу датасын тамыр зонасындагы суу тартыштыгы \(D_r\) менен оңой жеткиликтүү суу \(RAW\) ортосундагы мамилеге жараша аныктайт:

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

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

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

Бул жердеги \(IT\) коэффициенттери өсүмдүктүн суу стрессине туруктуулугуна жараша өсүмдүк таблицасынан алынат. “Early” чеги суу стресси баштала электе сугарууну, “Late” орточо суу стрессине жол берген кечирээк сугарууну, “Limit” болсо олуттуураак стресс чегине жакындаган сценарийди билдирет.

Сүрөттөр кандай илимий билдирүү берет?

Топурак нымдуулугунун катарлары сугаруудан кийин айрыкча 15 cm жер бетине жакын катмарда нымдуулуктун кескин өсүшүн, андан соң дренаж жана өсүмдүктүн суу керектөөсүнө байланыштуу төмөндөөлөрдү көрсөтөт. AM аянтында 45 cm катмардагы нымдуулук көп учурда талаа ным сыйымдуулугунан ашып кетиши айрым сугарууларда суунун тамыр зонасынан ылдый терең перколяция аркылуу жоголуп жатканын көрсөтөт.

JD жана SG аянттарында топурак кумдуураак. Кошумча Таблица 4кө ылайык, кумдун үлүшү тиешелүүлүгүнө жараша %85 жана %90,8. JD аянтындагы нымдуулуктун тез жоголушу моделдин бул чарбада башка аянттарга караганда төмөнүрөөк болжол ийгилигин көрсөтүшүнүн изилдөөдө баса белгиленген түшүндүрмөлөрүнүн бири.

Сүрөт 5 моделдин болжолдорун сенсордук байкоолор менен салыштырат. AM жана NR чекиттери 1:1 сызыгынын айланасында жакшыраак топтолсо, JDде таралуу ачыгыраак көрүнөт. Сүрөттө AM үчүн R²=0,74, RMSE=0,019 жана MAD=0,014 m³ m⁻³; NR үчүн R²=0,85, RMSE=0,018 жана MAD=0,011 m³ m⁻³; SG үчүн R²=0,59, RMSE=0,020 жана MAD=0,017 m³ m⁻³; JD үчүн болсо R²=0,43, RMSE=0,029 жана MAD=0,025 m³ m⁻³ көрсөтүлгөн. Булак тексти JD үчүн R² маанисин 0,44 деп жазгандыктан, бул жерде айырма ачык сакталган.

Изилдөө колдогон жыйынтыктар

• Физикага негизделген топурак-суу балансы менен реалдуу убакыт IoT сенсор маалыматтарын бир платформада бириктирүү төрт реалдуу чарбада колдонулган.
• Үч чарбада модель-сенсор айырмалары төрт күнгө чейин булакта колдонулган сенсор тактыгы критерийинин ичинде калган; JD аянтында бул мөөнөт эки күн деп бааланган.
• AM цитрус аянтында учурдагы сугаруу модель эсептеген суу муктаждыгынан кыйла жогору.
• 2024-жылдын күзгү картошка мезгилинде NR жана SG аянттарында модель фермер колдонгон сууга караганда кыйла төмөн көлөмдөрдү эсептеген.
• JD цитрус аянтында фермер буга чейин эле дефициттик сугаруу колдонуп жүргөнү аныкталган жана “Early” сценарийи айрым мезгилдерде фермерге караганда көбүрөөк суу талап кылган.
• Моделдин чыгуулары сугаруу көлөмүн гана эмес, сугаруу убактысын жана ар кандай стресс чектерин да камтыйт.

Изилдөө далилдебеген жыйынтыктар

• Модель сунуштары менен башкарылган тилкелерде чындап %60–90 аралыкта суу үнөмдөлгөнү түз эксперимент менен көрсөтүлгөн эмес.
• Азыраак суу колдонуу түшүмдүүлүктү сактай турганы бул эксперименттик дизайн менен далилденген эмес.
• Модель көзөмөлдөгөн сугаруу суу өндүрүмдүүлүгүн же фермердин кирешесин жогорулата турганы түз өлчөнгөн эмес.
• Тунистеги төрт чарбанын көрсөткүчтөрүн Жер Ортолук деңизинин бардык айыл чарба аянттарына автоматтык түрдө жалпылоого болбойт.
• Бир апталык эсептөө горизонту бардык чарбаларда бирдей тактыкта эмес; убакыт узарган сайын болжол катасы өсөт.

Түркия үчүн бул эмнени билдирет?

Изилдөө Түркияда жүргүзүлгөн эмес жана Тунисте эсептелген суу үнөмдөө пайыздарын Түркиядагы айыл чарба аянттарына түз көчүрүүгө болбойт. Ошентсе да, системанын негизги ыкмасы — талаа сенсорлору, метеорологиялык маалымат, өсүмдүк коэффициенттери, топурактын суу кармоо касиеттери жана сааттык суу балансы — суу чектөөсү маанилүү болгон Жер Ортолук деңиз тибиндеги айыл чарба өндүрүш аймактары үчүн колдонууга боло турган чечимдерди колдоо архитектурасын сунуштайт. Түркияда колдонулса, жергиликтүү топурак текстурасы, өсүмдүк сорту, фенология, сугаруу системасы, метеорологиялык түзүлүш, сенсор калибрлөөсү, суунун сапаты жана чарба практикасы боюнча кайра текшерүү талап кылынат.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Пилоттук аянт жана эксперименттин көлөмү

Модель Түштүк Тунистин Médenine аймагында жайгашкан төрт реалдуу чарбада сыналган. AM жана JD — цитрус, SG жана NR — картошка аянттары. Сенсорлор 2024-жылдын майында маалымат чогулта баштаган; талдоо мезгили 2024-жылдын майы–2025-жылдын сентябры аралыгын камтыган. Картошка үчүн 2024-жылдын күзгү жана 2025-жылдын жазгы өндүрүш циклдери, цитрус үчүн 2024 жана 2025-жылдардагы активдүү сугаруу мезгилдери бааланган.

Кошумча Таблица 4 бардык аянттар үчүн каныккан гидравликалык өткөрүмдүүлүктү 2,78 cm h⁻¹ жана көлөмдүк тыгыздыкты 1,40 g cm⁻³ деп берет. Бирок метод текстинде \(K_s\) бирдиги cm s⁻¹ түрүндө аныкталгандыктан, булакта бирдикти көрсөтүү боюнча дал келбестик бар.

Топурак нымдуулугунун болжолу кантип текшерилди?

Моделдин болжолу менен сенсордук байкоонун ортосундагы айырмалар MBE, MAD, MRD, RMSE жана R² менен бааланган. MAD орточо абсолюттук айырманы, RMSE чоң четтөөлөрдү күчтүүрөөк жазалаган орточо квадраттык катанын тамырын, R² болсо байкалган өзгөрмөлүүлүктүн модель түшүндүргөн бөлүгүн билдирет. MBE четтөөнүн багытын, MRD катанын байкалган мааниге салыштырмалуу өлчөмүн баалоо үчүн колдонулган.

Булакта MBE жана MRD пайыз деп аталганы менен, басылган теңдемелерде ачык “×100” көбөйткүчү көрүнбөйт. Бул макалада формула үнсүз өзгөртүлгөн эмес; булакта берилген статистикалык түшүндүрмө гана сакталган.

Төрт аянт бирге каралганда изилдөө болжол менен R²=0,65, RMSE=0,022 m³ m⁻³ жана MAD=0,016 m³ m⁻³ деп билдирет. Болжол горизонту узарган сайын тактык төмөндөйт. AM, NR жана SG үчүн төрт күнгө чейинки MAD маанилери булакта сенсор тактыгынын чегинде деп бааланса, JDде үчүнчү жана төртүнчү күндөр чектен тышкары деп классификацияланган.

JD чарбасында болжол эмне үчүн кыйыныраак?

JD топурагында %85 кум бар жана талаа ным сыйымдуулугу менен солуу чекитинин ортосундагы жеткиликтүү нымдуулук диапазону тар. Сенсордук катарлар сугаруудан кийин топурак нымдуулугу бир нече күндүн ичинде өтө тез төмөндөй аларын көрсөтөт. Мындай тез дренаж узак болжол горизонтторунда кичине модель четтөөлөрүнүн чоңоюшуна шарт түзөт.

Фермердин сугаруусу менен моделдин сунушунун айырмасы

Эң көңүл бурарлык салыштыруу Таблица 3тө берилген. Бул жерде “суу үнөмдөө” фермер чындыгында үнөмдөгөн сууну эмес, фермер берген жалпы суу менен модель ошол эле мезгил үчүн эсептеген сугаруу көлөмүнүн ортосундагы айырманы билдирет. Терс маани модель фермерге караганда көбүрөөк суу сунуштаганын көрсөтөт.

AM цитрус аянты

Фермер 2024-жылы 30.780 m³ ha⁻¹, 2025-жылы 28.230 m³ ha⁻¹ сугаруу колдонгон. Моделдин “Early” эсептөөлөрү тиешелүүлүгүнө жараша 10.913 жана 10.306 m³ ha⁻¹, “Late” эсептөөлөрү 7.224 жана 7.280 m³ ha⁻¹. Таблица 3 бул айырмаларды “Early” үчүн %65 жана %63, “Late” үчүн %77 жана %74 потенциалдуу үнөмдөө катары берет.

Модель сугаруу учурларынын жыштыгын да, ар бир учурдун көлөмүн да азайтат. Фермердин 55–56 сугаруусуна каршы “Early” сценарийи 41 жана 34 сугарууну эсептеген; орточо сугаруу көлөмү да фермердеги болжол менен 504–560 m³ ha⁻¹ден модельде болжол менен 266–303 m³ ha⁻¹ге төмөндөгөн.

JD цитрус аянты

JD изилдөөнүн “азыраак суу дайыма жакшы эмес” деген жыйынтыгын эң ачык көрсөткөн аянт. Фермер 2024-жылы 7.119 m³ ha⁻¹ сугарса, “Early” моделдик эсеп 11.720 m³ ha⁻¹; ошондуктан потенциалдуу үнөмдөө мааниси -%65. “Late” сценарийи 7.433 m³ ha⁻¹ менен фермердик практикага кыйла жакын жана мааниси -%4.

2025-жылы фермер 9.058 m³ ha⁻¹ колдонсо, модель “Early” үчүн 10.380 m³ ha⁻¹, “Late” үчүн 6.669 m³ ha⁻¹ эсептеген. Тиешелүү маанилер -%15 жана %26. Изилдөөчүлөр бул жыйынтыкты фермердин буга чейин эле дефициттик сугаруу стратегиясын колдонушу менен байланыштырышат.

Картошка аянттары

2024-жылдын күз мезгилинде айырма эң чоң. NR фермери 7.407 m³ ha⁻¹ сугарса, модель 1.510 m³ ha⁻¹ “Early” жана 1.254 m³ ha⁻¹ “Late” эсептеген. SGде фермер 9.830 m³ ha⁻¹ колдонсо, моделдин маанилери 1.614 жана 967 m³ ha⁻¹. Таблица 3кө ылайык потенциалдуу үнөмдөө NRде %80/%83, SGде %84/%90.

2025-жылдын жазында айырмалар азаят. NR үчүн фермер 8.310 m³ ha⁻¹, модель “Early” 5.584 m³ ha⁻¹ жана “Late” 4.226 m³ ha⁻¹; SG үчүн фермер 7.485 m³ ha⁻¹, модель 6.201 жана 4.114 m³ ha⁻¹ эсептеген. Ошондуктан “Early” потенциалдуу үнөмдөөсү тиешелүүлүгүнө жараша %33 жана %17ге төмөндөйт.

Сугаруу жыштыгы да өзгөрөт

Күзгү картошкада модель жалпы сууну гана азайтпастан, саны кыйла аз, бирок ар бир учурда көлөмү жогору сугарууну сунуштайт. NRде фермер 50 жолу сугарса, модель “Early” үчүн 7, “Late” үчүн 6; SGде фермердин 53 сугаруусуна каршы модель тиешелүүлүгүнө жараша 9 жана 6 сугарууну эсептеген. Жаз мезгилинде фермер-модель айырмасы айкын азаят.

Изилдөөнүн эң критикалык чектөөлөрү

• Фермер башкарган жана модель башкарган тилкелер бир мезгилде көзөмөлдөнгөн эксперименттик дизайн менен салыштырылган эмес.
• Ошондуктан эсептелген суу үнөмдөө потенциалдуу болуп саналат.
• Модель сунуштары менен сугарылган тилкелерде түшүмдүүлүк жана суу өндүрүмдүүлүгү азырынча салыштырылган эмес.
• Арзан сенсорлордун өлчөө сапаты чакан чарбаларда жыйынтыктарга таасир этиши мүмкүн.
• JD мисалы кумдуу топурактарда болжол катасы тезирээк өсө аларын көрсөтөт.
• Модель айрым нымдалган аянт жана тамыр таралуу божомолдорун өсүмдүктөр боюнча жалпылайт.
• Бир апталык болжол түзүлгөнү менен, талаа текшерүүсүндө ишенимдүү болжол мөөнөтү чарбага жараша болжол менен эки күндөн төрт күнгө чейин өзгөргөн.

Булак жана Ыкма Жөнүндө Эскертүү

Булак түрү: Изилдөө макаласы мүнөзүндөгү preprint.

Рецензия абалы: Бул изилдөө рецензиядан өтпөгөн preprint; жыйынтыктары ушул жарыялоо баскычы эске алынып бааланууга тийиш.

Толук оригинал иш аталышы: ACQUAOUNT-Farm: an IoT-based real-time platform for optimizing daily irrigation under water-scarcity

Авторлор жана тартиби: 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.

Жооптуу автор: Andrea Borgo.

Тең салым: Булакта тең биринчи авторлук же тең салым жөнүндө маалымат көрсөтүлгөн эмес.

Мекемелер: 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 жүктөлгөн PDFтин көрүнгөн библиографиялык бөлүгүндө жазылган эмес; SSRN расмий каттоо маалыматы аркылуу ырасталган.

Платформа: SSRN, Abstract ID 6837412.

Жарыяланган күнү: Учурдагы SSRN версиясы 27 May 2026. SSRN каттоосу ошондой эле 11 February 2026 датасындагы мурунку версияны көрсөтөт.

Журнал/том/сан: Бул версияда изилдөөнүн журналдык тому же саны тууралуу маалымат жок.

Басмакана: PDFте өзүнчө басмакана маалыматы берилген эмес.

Лицензия: PDFте ачык жеткиликтүү кайра колдонуу лицензиясы көрсөтүлгөн эмес. SSRN библиографиялык каттоосунда укуктар сакталган жана уруксатсыз кайра колдонууга ачык уруксат берилбегени айтылат.

Каржылоо: ACQUAOUNT долбоору, PRIMA программасы Grant Agreement [2021] [ACQUAOUNT] [Call 2020 Section Water IA]. Изилдөө ошондой эле University of Sassari Agrometeorology and Ecophysiology of Agricultural and Forestry Ecosystems доктордук программасы, CMCC Foundation жана Institut des Régions Arides кызматташтыгы менен иштелип чыккан.

Маалымат жеткиликтүүлүгү: Булак ACQUAOUNT-Farm платформасы акысыз каттоодон жана профиль түзүүдөн кийин жеткиликтүү экенин; сугаруу моделинин сыноо скрипти да GitHubда бар экенин билдирет.

Кызыкчылыктардын кагылышы: Авторлор белгилүү атаандаш финансылык кызыкчылыктар же ишке таасир этиши мүмкүн болгон жеке мамилелер жөнүндө билдиришкен эмес.

CRediT автордук салымдары

• Andrea Borgo: Концептуалдаштыруу, метод, программалык камсыздоо, текшерүү, формалдык талдоо, изилдөө, баштапкы долбоорду жазуу жана визуалдаштыруу.
• Fathia Elmokh: Текшерүү, маалыматтарды курациялоо, карап чыгуу жана редакциялоо.
• Kameleddine Nagaz: Текшерүү, ресурстар, карап чыгуу жана редакциялоо, долбоорду башкаруу.
• Simone Mereu: Концептуалдаштыруу, карап чыгуу жана редакциялоо, долбоорду башкаруу, каржылоону алуу.
• Guido Rianna: Концептуалдаштыруу жана долбоорду башкаруу.
• Gennaro Sequino: Маалыматтарды курациялоо, карап чыгуу жана редакциялоо.
• Francesco Martini: Программалык камсыздоо, текшерүү жана маалыматтарды курациялоо.
• Josep Pijuan Parra: Программалык камсыздоо, текшерүү жана маалыматтарды курациялоо.
• Mauro Lo Cascio: Ресурстар, карап чыгуу жана редакциялоо.
• Serena Marras: Долбоорду башкаруу жана каржылоону алуу.
• Antonio Trabucco: Карап чыгуу жана редакциялоо, көзөмөл.
• Marta Debolini: Метод, карап чыгуу жана редакциялоо, көзөмөл, долбоорду башкаруу жана каржылоону алуу.

Илимий мазмун жана тышкы текшерүү чеги

Бул Verianla макаласындагы метод, эксперимент шарттары, формулалар, талаа маалыматтары, көрсөткүчтөр, суунун көлөмдөрү, үнөмдөө пайыздары, чектөөлөр жана илимий түшүндүрмөлөр жүктөлгөн изилдөөгө негизделет. Тышкы булактардан жаңы эксперименттик жыйынтык же жаңы механизм кошулган эмес. Тышкы текшерүү DOI, SSRN каттоо датасы, версия маалыматы жана лицензия статусу сыяктуу библиографиялык талааларды ырастоо үчүн гана колдонулган.

Изилдөөнүн эң маанилүү методологиялык чеги — фермердик башкаруу менен моделдик башкаруу бир эле учурда көзөмөлдөнгөн тилкелерде сыналбаганы. Ошондуктан сугаруу көлөмүндөгү айырмалар чыныгы суу үнөмдөө катары эмес, потенциалдуу үнөмдөө катары бааланууга тийиш. Келечектеги иш үчүн авторлор сунуштаган негизги кадам — модель сунуштары менен башкарылган тилкелерди фермер башкарган тилкелер менен салыштырып, түшүмдүүлүктү да, суу өндүрүмдүүлүгүн да түз өлчөө.

Булакта айрым текст, таблица, критерий жана бирдик көрсөтүүлөрүнүн ортосунда айырмачылыктар болгондуктан, бул макаладагы кеңири сандык салыштырууларда өзгөчө Таблица 2, Таблица 3 жана тиешелүү сүрөттөрдөгү көрүнгөн маанилер сакталган; карама-каршылыктар үнсүз түрдө бир мааниге келтирилген эмес.