Abstract
Tarım sektörünün verimli ve sürdürülebilir işleyişi, üçüncü ve dördüncü endüstriyel devrimlerin getirdiği dönüşümler ışığında giderek daha önemli hale gelmektedir. Nüfus artışı, gıda talebinin yükselmesi, girdi maliyetlerinin artması ve çevresel baskılar, gıda güvenliğini sağlamanın yanı sıra iklim değişikliği etkilerini hafifletmek için yenilikçi yaklaşımlar gerektirmektedir.Avrupa Birliği (AB), biyo-tabanlı bir ekonomiyi destekleyerek tarımsal verimliliği ve direnci artırmada dijital teknolojilerin rolünü vurgulamaktadır. Çiftlikten Sofraya (F2F) girişimi gibi stratejiler, böcek ilacı ve besin maddesi girişlerini azaltarak biyoçeşitliliğin korunması ve ekosistem sağlığının desteklenmesini amaçlamaktadır.Yapay zeka (YZ) ve tahminsel analitikler, bağlantılı sensörlerle birlikte su ve besin kullanımını optimize etme ve aynı zamanda mahsul verimini artırma olanakları sunar. Uzaktan algılama sistemlerinin entegrasyonu, sürdürülebilir tarım için vazgeçilmezdir ve gelişmiş algoritmalar ve büyük veri analitiği ile desteklenmektedir.YZ, makine öğrenimi ve derin öğrenmeyi kapsayan yapay zeka, toprak sağlığı ve mahsul verimi optimizasyonu gibi tarımsal sorunların çözülmesinde önemli bir rol oynamaktadır. YZ'yi kullanarak, uzaktan algılama teknolojileri ile birleştirme, arazi kullanımı değişikliklerini izlemek ve tarım uygulamalarıyla ilişkili çevresel riskleri azaltmak mümkündür. Dijital teknolojilerin entegrasyonu için yüksek yatırım maliyetleri ve veri kontrolü gibi zorluklar olsa da, devam eden araştırma ve geliştirme çabaları, bu engellerin üstesinden gelmek için umut vadetmektedir.Sonuç olarak, dijital teknolojilerin tarıma entegrasyonu, acil sorunları ele almak ve sürdürülebilirlik hedeflerine ulaşmak için benzersiz fırsatlar sunmaktadır. Bu derlemede, tarımı daha verimli hale getirme ve sürdürülebilirlik için Nesnelerin interneti (Nİ), Yapay zekâ (YZ), Hassas tarım (HT) ve Makine öğrenmesi (MÖ), Nesnelerin interneti gibi temel teknolojiler kullanılarak bilginin algılanması, izlenmesi, toplanması, analiz edilmesi ve bilgilerden anlamlı öngörüler çıkarılarak tarımsal faaliyetlerde uygulanabilirliği tartışılmıştır.
Keywords
References
- Abioye EA, Abidin MSZ, Mahmud MSA, Buyamin S, Ishak MHI, Rahman MK, Otuoze AO, Onotu P, Ramli MSA. 2020. A review on monitoring and advanced control strategies for precision irrigation. Comp Electron Agri, 173: 105441.
- Ahirwar S, Swarnkar R, Bhukya S, Namwade G. 2019. Application of drone in agriculture. Int J Curr Microbiol Appl Sci, 8(1): 2500-2505.
Abstract
The efficient and sustainable operation of the agricultural sector has become increasingly important in light of the transformations brought about by the third and fourth industrial revolutions. Population growth, increasing food demand, rising input costs, and environmental pressures necessitate innovative approaches not only to ensure food security but also to mitigate the effects of climate change. The European Union (EU) emphasizes the role of digital technologies in supporting agricultural productivity and resilience by promoting a bio-based economy. Strategies such as Farm to Fork (F2F) initiative aim to reduce pesticide and nutrient inputs, thus preserving biodiversity and supporting ecosystem health. Artificial intelligence (AI) and predictive analytics, along with connected sensors, offer opportunities to optimize water and nutrient usage and increase crop yields. By utilizing AI, combining remote sensing technologies, and monitoring changes in land use, it is possible to reduce environmental risks associated with agricultural practices. Although there are challenges such as high investment costs and data control for the integration of digital technologies, ongoing research and development efforts promise to overcome these obstacles. In conclusion, the integration of digital technologies into agriculture presents unique opportunities to address urgent issues and achieve sustainability goals. This review discusses the applicability of fundamental technologies such as the Internet of Things (IoT), Artificial Intelligence (AI), Precision Agriculture (PA), and Machine Learning (ML) in making agriculture more efficient and sustainable, by enabling the perception, monitoring, collection, analysis, and extraction of meaningful insights from agricultural data.
References
- Abioye EA, Abidin MSZ, Mahmud MSA, Buyamin S, Ishak MHI, Rahman MK, Otuoze AO, Onotu P, Ramli MSA. 2020. A review on monitoring and advanced control strategies for precision irrigation. Comp Electron Agri, 173: 105441.
- Ahirwar S, Swarnkar R, Bhukya S, Namwade G. 2019. Application of drone in agriculture. Int J Curr Microbiol Appl Sci, 8(1): 2500-2505.
Details
| Primary Language | English |
|---|---|
| Subjects | Precision Agriculture Technologies |
| Journal Section | Research Articles |
| Authors | |
| Publication Date | |
| Submission Date | August 21, 2024 |
| Acceptance Date | September 30, 2024 |
| Published in Issue | Year 2024 Volume: 7 Issue: 6 |