Анотація
Сучасні тепличні господарства збирають різноманітні дані про навколишнє середовище та субстрат з високою часовою роздільною здатністю, проте більшість рішень щодо зрошення все ще залежить від однієї вимірюваної змінної. Рецензована література детально документує окремі сенсорні технології та алгоритми керування, але не пропонує систематичної основи для оцінки того, як кілька потоків даних об’єднуються або можуть бути об’єднані в одному рішенні про зрошення. Запропонувати структуровану класифікацію підходів до зрошення на основі даних, на основі кількості інтегрованих потоків даних та часового горизонту результуючого рішення про керування. Аналітичний огляд опублікованих стратегій зрошення на основі датчиків, випромінювання та моделей був поєднаний з ретроспективними оперативними спостереженнями за комерційним гідропонним вирощуванням полуниці на кокосовому субстраті. Введено трирівневу інтеграційну модель, яка переходить від однопараметричного порогового керування (рівень 1) через двопараметричну координацію (рівень 2) до багатопараметричних архітектур прямого зв’язку, які поєднують передбачення навколишнього середовища зі зворотним зв’язком кореневої зони (рівень 3). Більшість рецензованих реалізацій працює на рівні 1 або рівні 2; конфігурації рівня 3 з’являються на власних комерційних платформах, але не мають відкритої документації. Запропонована класифікація визначає постійний розрив між наявною сенсорною інфраструктурою та логікою прийняття рішень, яка її використовує, а також позиціонує багатопараметричну інтеграцію прямого зв’язку як пріоритет для подальших прикладних досліджень. Аналітичні спостереження, представлені в цій статті, були засновані на оперативному управлінні автором комерційного гідропонного виробництва полуниці в Київській області, Україна, що охоплює до 10 гектарів тепличної площі та приблизно 640 000 рослин, вирощених у системах фертигації із замкнутим циклом. Операційний досвід, на який посилається в цій роботі, використовується як контекстуальна підтримка для інтерпретації та обговорення і не представлений як контрольовані експериментальні дані.
Посилання
1. Abioye, E. A., Abidin, M. S. Z., Mahmud, M. S. A., Buyamin, S., Ishak, M. H. I., Rahman, M. K. I. A., Otuoze, A. O., Onotu, P., & Ramli, M. S. A. (2020). A review on monitoring and advanced control strategies for precision irrigation. Computers and Electronics in Agriculture, (173), 105441. https://doi.org/10.1016/j.compag.2020.105441
2. Adeyemi, O., Grove, I., Peets, S., Norton, T. (2017). Advanced Monitoring and Management Systems for Improving Sustainability in Precision Irrigation. Sustainability, 9(3), 353. https://doi.org/10.3390/su9030353
3. Ferrarezi, R. S., van Iersel, M. W., & Testezlaf, R. (2015). Monitoring and controlling ebb-and-flow subirrigation with soil moisture sensors. HortScience, 50(3), 447–453. https://doi.org/10.21273/HORTSCI.50.3.447
4. Kaya, S., Skoneczny, H., Sağlam, M., & Metin, B. I. (2025). Intelligent Environmental Control in Plant Factories: Integrating Sensors, Automation, and AI for Optimal Crop Production. Food and Energy Security, 14(1), e70026. https://doi.org/10.1002/fes3.70026
5. Kim, H.-J., Kim, W.-K., Roh, M.-Y., Kang, C.-I., Park, J.-M., & Sudduth, K. A. (2013). Automated sensing of hydroponic macronutrients using a computer-controlled system with an array of ion-selective electrodes. Computers and Electronics in Agriculture, (93), 46–54. https://doi.org/10.1016/j.compag.2013.01.011
6. Lea-Cox, J. D., Belayneh, B. E., Majsztrik, J., Ristvey, A. G., Lichtenberg, E., van Iersel, M. W., Chappell, M., Bauerle, W. L., Kantor, G., Kohanbash, D., Martin, T., & Crawford, L. (2017). Demonstrated benefits of using sensor networks for automated irrigation control in nursery and greenhouse production systems. Acta Horticulturae, (1150), 507–514. https://doi.org/10.17660/ActaHortic.2017.1150.70
7. Lea-Cox, J. D. (2012). Using wireless sensor networks for precision irrigation scheduling. In: Kumar, M. (ed.), Problems, Perspectives and Challenges of Agricultural Water Management (pp. 233–258). InTech Press, Rijeka. https://doi.org/10.5772/31236
8. Lichtenberg, E., Majsztrik, J., & Saavoss, M. (2013). Profitability of Sensor-based Irrigation in Greenhouse and Nursery Crops. HortTechnology, 23(6), 770–774. https://doi.org/10.21273/HORTTECH.23.6.770
9. Nikolaou, G., Neocleous, D., Katsoulas, N., & Kittas, C. (2019). Irrigation of Greenhouse Crops. Horticulturae, 5(1), 7. https://doi.org/10.3390/horticulturae5010007
10. Shamshiri, R. R., Kalantari, F., Ting, K. C., Thorp, K. R., Hameed, I. A., Weltzien, C., Ahmad, D., & Shad, Z. M. (2018). Advances in greenhouse automation and controlled environment agriculture: A transition to plant factories and urban agriculture. International Journal of Agricultural and Biological Engineering, 11(1), 1–22. https://doi.org/10.25165/j.ijabe.20181101.3210
11. Van Iersel, M. W., Chappell, M., & Lea-Cox, J. D. (2013). Sensors for Improved Efficiency of Irrigation in Greenhouse and Nursery Production. HortTechnology, 23(6), 735–746. https://doi.org/10.21273/HORTTECH.23.6.735
12. Van Straten, G., van Willigenburg, G., van Henten, E., & van Ooteghem, R. (2010). Optimal Control of Greenhouse Cultivation. CRC Press.
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Авторське право (c) 2026 Остап В. Матійчик