26、基于农田评估的农民友好型互联物联网平台：预测作物适宜性

基于农田评估的农民友好型互联物联网平台：预测作物适宜性

1. 引言

印度大部分地区为农村，农业是国家经济的重要来源，农民是国家的宝贵财富和支柱。然而，印度许多地区，尤其是沿海卡纳塔克邦的乌杜皮、芒格洛尔、昆达普拉和卡尔卡拉等地，气候多变，包括严重干旱、暴雨和酷热的夏季。这使得这些地区的农业面临严峻挑战，农民难以适应。

传统种植方式的农民难以适应季节性种植，因为季节性种植需要实时了解天气状况，并根据气候属性选择合适的作物。此外，多变的天气还会改变土壤养分，间接影响作物生长。这些问题导致印度农产品商业化失衡，对农村职业和国家经济构成巨大威胁。

相关农业部门采取了一系列措施，推广季节性种植。当地农业中心开展了全面的项目，向农民传授季节性种植技术及其优势。印度农业研究委员会（ICAR）也准备了数据集，根据地理区域、天气属性和土壤参数建议合适的种植方式，但该数据集的利用率和可及性较低。因此，需要智能工程技术来解决这些问题，通过获取天气和土壤属性参数，为农民推荐合适的作物。

此前，许多研究使用物联网（IoT）技术解决农业问题。大多数已实施的系统利用与物联网设备相连的传感器收集农田的天气和土壤属性信息，解决了收集土壤质量和气候条件相关参数的问题。但这些系统存在明显缺陷，没有一个专注于开发基于天气和土壤参数数据预测季节性种植方法的系统，也无法获取土壤肥力并进行基于当前、过去和未来数据的时间不变性预测。

为解决季节性种植问题，本文提出了一种具有成本效益和创新性的机器学习物联网平台。该平台可以精确收集和分发环境属性和土壤参数的实时信息，并利用这些信息预测适合Kharif和Rabi季节种植的作物。系统的预测模型采用长短期记忆（LSTM）网络进行时间不变性分类，使