IoT senzori, meteo stanice i precizno praćenje nasada¶
Sadržaj generiran umjetnom inteligencijom — provjerite prije primjene
Ovaj je članak automatski sastavljen iz zbirke literature o lješnjaku uz pomoć umjetne inteligencije i može sadržavati pogreške ili zastarjele podatke. Služi kao polazište za daljnje istraživanje, a ne kao stručni savjet. Doze, sredstva i rokovi su informativni te ovise o sorti, lokaciji i važećim propisima — obavezno provjerite kod savjetodavne službe i na službenim izvorima prije primjene.
Nasad lijeske desetljećima se vodio "na osjećaj" — prema iskustvu, kalendaru i pogledu na nebo. Danas, kada se proizvodne površine šire, voda postaje skuplji i ograničeniji resurs, a klimatske nepogode (proljetni mraz, ljetne suše i toplinski stres) sve češće, takav je pristup sve riskantniji. Internet stvari (IoT, Internet of Things) donosi jeftine, bežične senzore koji u nasadu kontinuirano mjere vlagu tla, temperaturu, vlažnost zraka, oborine i ovlaženost lista te te podatke šalju u oblak gdje ih sustav za potporu odlučivanju (DSS, Decision Support System) pretvara u konkretne preporuke: kada i koliko zalijevati, kada prijeti mraz, kada su uvjeti povoljni za razvoj bolesti. Ovaj članak objašnjava kako su takvi sustavi građeni, što mjere, kako se postavljaju i koliko realno mogu uštedjeti — s naglaskom na uzgoj lijeske.
Zašto IoT u nasadu lijeske¶
Lijeska je kultura kod koje precizno upravljanje vodom i pravovremena zaštita izravno utječu na prinos i kakvoću jezgre. Glavni argumenti za uvođenje senzorike:
- Ušteda vode i energije. Navodnjavanje "samo kada je potrebno" izbjegava i sušni stres i prekomjerno zalijevanje. Senzorski vođeni sustavi u zatvorenom pokusu (staklenik) smanjili su potrošnju vode i do 48 %, a u praksi na otvorenom uz LoRaWAN tehnologiju izvještava se o uštedama vode reda veličine 30–50 % uz zadržan ili povećan prinos.
- Manje gnojiva i ispiranja hranjiva. Kada senzor pokaže nakupljanje vode u dubljem sloju, znak je da se previše navodnjava — što vodi ispiranju topljivih hranjiva ispod zone korijena. Točno doziranje vode čuva i gnojivo i podzemnu vodu.
- Pravovremena zaštita. Mikrometeorološki podaci iz samog nasada omogućuju rane alarme za mraz i prognozu rizika od gljivičnih bolesti (na temelju ovlaženosti lista i temperature), što opće vremenske prognoze ne mogu dovoljno precizno pokriti za pojedinu lokaciju.
- Niži troškovi rada. Podaci dostupni "iz dnevnog boravka" putem oblaka smanjuju obilaske, a automatizacija ventila i pumpi oslobađa radnu snagu.
Istovremeno treba biti realan: cjelovit sustav koji spaja bliska (proksimalna) i daljinska osjetila i dalje je ekonomski zahtjevan za dio proizvođača, zbog čega se naglasak stavlja na jeftine (low-cost) senzore koji uz strojno učenje daju dovoljno pouzdane procjene.
Što se mjeri: ključni parametri i senzori¶
Pametni nasad u pravilu kombinira tri skupine osjetila: senzore tla, meteorološke (atmosferske) senzore i senzore biljke.
| Skupina | Parametar | Tipičan senzor / tehnologija | Čemu služi |
|---|---|---|---|
| Tlo | Vlažnost tla (volumetrijska ili tenzija) | Kapacitivni, TDR/FDR, tenziometar, gips-blok | Okidač i doziranje navodnjavanja |
| Tlo | Temperatura tla | Termistor na sondi | Aktivnost korijena, tempiranje radova |
| Atmosfera | Temperatura i relativna vlaga zraka | BME280 i sl. | Mraz, toplinski stres, ET₀, bolesti |
| Atmosfera | Oborine i intenzitet kiše | Kišomjer (tipping bucket), senzor kiše | Bilanca vode, preskakanje zalijevanja |
| Atmosfera | Smjer i brzina vjetra | Anemometar | Prskanje, isparavanje, protumrazna zaštita |
| Atmosfera | Sunčevo zračenje / UV | Piranometar, UV senzor | Izračun referentne evapotranspiracije |
| Atmosfera | Tlak zraka | Barometar | Prognostički modeli, ET |
| Biljka | Ovlaženost lista (leaf wetness) | Senzor ovlaženosti | Modeli rizika gljivičnih bolesti |
| Biljka | Vodni status (CWSI) | Infracrveni termometar (temperatura lista) | Indeks vodnog stresa kao okidač navodnjavanja |
U literaturi o lijesci tipičan terenski čvor (PANTHEON projekt) postavlja dva senzora vlage tla po čvoru, na dubinama oko 15 cm i 40 cm, kako bi se "uhvatila" korisna vlaga u zoni korijena. Komercijalni IoT zapisivači (npr. Pessl LoRATH) na jednom uređaju kombiniraju temperaturu zraka, relativnu vlagu, ovlaženost lista i vlagu tla te se sinkroniziraju s platformom tipa FieldClimate.
Razlika: sadržaj vode vs. tenzija¶
Dvije su glavne filozofije mjerenja vlage tla:
- Senzori sadržaja vode (kapacitivni, FDR/TDR) mjere koliko vode tlo sadrži (vol. %). Dobri za praćenje punjenja i pražnjenja profila po dubini.
- Tenzijski senzori (tenziometar, gips-blokovi, watermark) mjere koliko se biljka mora "potruditi" da izvuče vodu (kPa). Bliži su onome što biljka stvarno osjeća.
Za odlučivanje o navodnjavanju ključno je poznavati granice — poljski vodni kapacitet (gornja granica) i točku venuća / dopušteni iscrpak (donja granica) — te navodnjavati unutar tog "raspoloživog" raspona. Bez kalibracije za konkretno tlo, apsolutne brojke senzora mogu zavarati.
Kako je sustav povezan: arhitektura IoT mreže¶
Tipična IoT agrometeorološka mreža u nasadu lijeske ima slojevitu strukturu:
- Senzorski čvorovi (nodes) raspoređeni po nasadu — baterijski napajani, često sa solarnim panelom, mjere lokalne parametre.
- Meteorološka stanica — jedan središnji punkt koji mjeri oborine, vjetar, temperaturu i vlagu zraka, tlak i sunčevo zračenje.
- Komunikacija — najčešće LoRa / LoRaWAN zbog velikog dometa i male potrošnje (km dometa uz godine rada na bateriji); alternativno NB-IoT, GSM/4G ili Wi-Fi za kraće udaljenosti.
- Pristupnik (gateway) koji prikuplja podatke s čvorova i prosljeđuje ih u poslužitelj / oblak.
- Platforma i DSS — pohrana, vizualizacija, alarmi i modeli koji daju preporuke; pristup preko web sučelja ili mobilne aplikacije.
Primjer iz literature ("Precision Farming of Hazelnut Orchards"): mreža temeljena na LoRa protokolu sastoji se od 1 meteorološke stanice, 9 LoRa čvorova za vlagu i temperaturu tla te 1 LoRa pristupnika. Stanica se napaja iz 12 V / 7,2 Ah baterije i 10 W solarnog panela, što omogućuje neprekidno prikupljanje podataka.
Bežično je nužnost na velikim površinama
Glavna prednost bežičnih senzora jest izvedivost ugradnje ondje gdje je kabliranje nemoguće — na velikim otvorenim parcelama. Time mjerenja dolaze bliže stvarnim in situ uvjetima nasada.
Koliko čvorova i gdje?¶
Na velikim površinama nerealno je postaviti senzore u svaku parcelu — oni su u pravilu rijetko (rasprostranjeno) raspoređeni, a vrijednosti se interpoliraju i nadopunjuju daljinskim osjetilima (sateliti, dronovi). Pravila razmještaja:
- Postavite čvorove u reprezentativne zone (različita tla, padine, izloženost, dijelovi nasada koji se prvi suše).
- Senzore vlage stavljajte u red, blizu kapaljke i u zonu korijena, na više dubina.
- Senzor za protumrazni alarm smjestite u standardni meteorološki zaklon i korelirajte ga s termometrima razmještenima po nasadu, vodeći računa o kritičnim temperaturama pupa.
Od podataka do odluke: sustavi za potporu (DSS)¶
Sirovi brojevi nemaju vrijednost dok ih sustav ne pretvori u preporuku. DSS objedinjuje senzorske podatke, vremensku prognozu i model usjeva.
Navodnjavanje¶
Dvije se metode dopunjuju:
- Bilanca vode preko evapotranspiracije (ET). Meteorološki podaci (temperatura, vlaga, vjetar, zračenje) daju referentnu evapotranspiraciju (ET₀), koja se množi koeficijentom usjeva (Kc) za procjenu potrošnje vode nasada (ETc). Istraživanja pokazuju da se ET na razini parcele može procijeniti i jeftinim senzorima uz neuronske mreže, čime se troškovi drže niskima.
- Izravno mjerenje vlage tla. Senzor pokazuje stvarno stanje u zoni korijena i služi kao "okidač" — navodnjavaj kada vlaga padne do dogovorenog praga, prekini kada se profil napuni.
Kombinacija obje metode (bilanca + mjerenje) daje najbolju učinkovitost korištenja vode. Za lijesku se istražuju i indeks vodnog stresa usjeva (CWSI) preko temperature lista (jeftini infracrveni termometri) te strategije reguliranog deficitnog navodnjavanja (RDI) u fenofazi punjenja ploda.
| Pristup | Što mjeri | Prednost | Ograničenje |
|---|---|---|---|
| ET bilanca (meteo) | Atmosfersku potražnju za vodom | Pokriva cijelu parcelu, prognostički | Treba dobar Kc i kalibraciju |
| Vlaga tla | Stvarno stanje korijenove zone | Izravan okidač, jednostavno | Točkasto mjerenje, treba više čvorova |
| CWSI / vodni status biljke | Stres same biljke | Najbliže biljci | Osjetljivo na uvjete mjerenja |
Informativni pragovi za lijesku
U literaturi se za europsku lijesku spominje upravljanje navodnjavanjem prema pragu lisne provodljivosti ~0,2 mol m⁻² s⁻¹ ili vodnog potencijala ~ −6 bara. Riječ je o istraživačkim, informativnim vrijednostima koje ovise o sorti i lokaciji — ne primjenjujte ih bez provjere kod savjetodavne službe.
Zaštita: mraz i bolesti¶
- Protumrazni alarmi. Pouzdani elektronički alarmi obavještavaju proizvođača (poziv, SMS) kada temperatura padne na kritičnu točku te mogu automatski pokrenuti pumpu, oroševanje ili protumrazni ventilator. Sustavi povezani sa senzorom vlage tla i meteo stanicom mogu uključivati/isključivati navodnjavanje automatski.
- Rizik gljivičnih bolesti. Modeli na temelju ovlaženosti lista, temperature i vlage zraka procjenjuju kada su uvjeti povoljni za infekciju, što omogućuje pravovremenu, ciljanu zaštitu umjesto kalendarskog prskanja.
Edge i automatizacija¶
Noviji sustavi obrađuju podatke "na rubu" (edge computing) — izravno na stanici u polju — pa reakcija može biti trenutna: pokretanje protumraznih ventilatora pri anomaliji hladnoće ili otvaranje ventila navodnjavanja pri toplinskom udaru, bez čekanja na oblak.
Smanjenje troškova: što realno očekivati¶
Senzorika se isplati kroz nekoliko kanala istovremeno:
- Voda i energija (dizel/struja za pumpe). Manje crpljenja znači niže račune i, kod dizelskih agregata, manje emisija. Hrvatski elaborati za nasade lijeske opisuju upravo centralnu jedinicu/računalo povezano sa senzorima vlage tla i meteorološkom stanicom koja uključuje/isključuje "kap po kap" sustav i tako smanjuje potrošnju vode i goriva.
- Gnojivo i zaštitna sredstva. Točnije doziranje smanjuje gubitke; softver za nadzor i upravljanje proizvodnjom optimizira obradu, prihranu i zaštitu.
- Prinos i kakvoća. Izbjegavanjem sušnog i toplinskog stresa te pravovremenom zaštitom čuva se urod.
Brojke iz literature (informativno)
- Ušteda vode do 48 % u senzorima vođenom kombiniranom sustavu (staklenik, pokus).
- 30–50 % manja potrošnja vode uz LoRaWAN u praksi, uz zadržan/povećan prinos.
- Adaptivni DSS s prognozom postigao i ~11 % uštede vode uz bolje upravljanje.
- Tvrdnja proizvođača o +25 % prinosa uz hiperspektralni senzor navodnjavanja (treba uzeti s rezervom). Vrijednosti su iz različitih kultura i uvjeta — služe za okvir, ne kao zajamčen rezultat za vaš nasad.
Praktične preporuke¶
- Krenite malo i mjerljivo. Jedna meteo stanica i nekoliko senzora vlage u reprezentativnoj zoni dovoljni su za prve odluke; mreža se širi kasnije.
- Kalibrirajte za svoje tlo. Odredite poljski vodni kapacitet i donji dopušteni iscrpak prije nego postavite "pragove" navodnjavanja.
- Senzore vlage stavite na više dubina (npr. ~15 i ~40 cm) i blizu kapaljke u zoni korijena.
- Osigurajte napajanje i domet. Solarni panel + baterija za čvorove; provjerite LoRa pokrivenost i položaj pristupnika prije ugradnje.
- Postavite smislene alarme (mraz, ekstremna suša) i povežite ih s telefonom; po mogućnosti automatizirajte pumpu/oroševanje.
- Kombinirajte mjerenje i ET bilancu — ne oslanjajte se samo na jedan izvor.
- Vodite evidenciju. Povežite senzorske podatke s prinosom i kakvoćom po zonama da biste mjerili stvarnu korist.
Česte pogreške¶
- Bez kalibracije — apsolutni postotak vlage bez poznatih granica tla vodi pogrešnim odlukama.
- Jedan senzor za cijeli nasad — različita tla i izloženost daju vrlo različite potrebe; izbjegavajte ekstrapolaciju s jedne točke.
- Loš smještaj sonde — predaleko od kapaljke, izvan zone korijena ili u atipičnom dijelu reda.
- Ignoriranje održavanja — baterije, čišćenje kišomjera i anemometra, provjera ovlaživača lista.
- Preplaćivanje za "sve odjednom" — cjeloviti proksimalni + daljinski sustavi su skupi; jeftina rješenja uz strojno učenje često su dovoljna za start.
- Slijepo vjerovanje senzoru — povremeno provjerite stanje "lopatom" i vizualnim pregledom biljaka.
Sažetak¶
IoT senzori, meteo stanice i sustavi za potporu odlučivanju pretvaraju nasad lijeske iz "vođenja po osjećaju" u upravljanje temeljeno na podacima. Senzori vlage tla, mikrometeorologija i ovlaženost lista, povezani LoRa/LoRaWAN mrežom i obrađeni u DSS-u, omogućuju navodnjavanje samo kada i koliko je potrebno, rane alarme za mraz i rizik bolesti te osjetne uštede vode, energije, gnojiva i zaštitnih sredstava. Najveću vrijednost daje postupno uvođenje, kalibracija za vlastito tlo i kombiniranje izravnih mjerenja s ET bilancom.
Galerija¶
Izvori¶
Ovaj je članak AI-sažetak iz interne zbirke literature o lješnjaku (RAG korpus) i javno dostupnih izvora. Glavni korišteni izvori:
- Aydın, Ş. et al. (2020). A Sustainable Multi-layered Open Data Processing Model for Agriculture: IoT Based Case Study Using Semantic Web for Hazelnut Fields. ASTESJ, 5(2).
- Soil moisture monitoring within the PANTHEON project (IFAC, 2019). https://doi.org/10.1016/j.ifacol.2019.12.498
- Precision Farming of Hazelnut Orchards (2018) — LoRa IoT agrometeorološka mreža.
- Sensors and IoT for hazelnut irrigation scheduling (Horticulturae, 2024). https://doi.org/10.3390/horticulturae10050516
- Pessl Instruments — Product Portfolio Technical Catalogue (LoRATH / FieldClimate), 2022.
- Practical Use of Soil Moisture Sensors and Their Data for Irrigation Scheduling (FS083E, 2013).
- Using Neural Networks to Estimate Site-Specific Crop Evapotranspiration with Low-Cost Sensors (2019).
- Tehnološka navodila za zaščito pred spomladansko pozebo v sadjarstvu (2018).
- Frost Protection in Orchards and Vineyards (1999).
- Elaborati zaštite okoliša za crpljenje vode i navodnjavanje nasada lijeske (HR, 2021–2023) — opisi centralne jedinice sa senzorima vlage i meteo stanicom.
- A Crop Water Stress Index for Hazelnuts Using Low-Cost Infrared Thermometers (PMC11644836). https://pmc.ncbi.nlm.nih.gov/articles/PMC11644836/
- The Potential of Low-Cost IoT-Enabled Agrometeorological Stations: A Systematic Review (PMC12526549). https://pmc.ncbi.nlm.nih.gov/articles/PMC12526549/
- Integration of smart sensors and IoT in precision agriculture (Frontiers in Plant Science, 2025). https://doi.org/10.3389/fpls.2025.1587869
- Evaluating decision support systems for precision irrigation and water use efficiency (ScienceDirect, 2025). https://www.sciencedirect.com/science/article/pii/S2950550X25000044