普渡大学2022博士论文《探索精益和绿色物联网 (IOT) 无线传感器框架：精准农业实践》，158页pdf

摘要：

美国中西部（印第安纳州）地区的作物生产一直面临环境和经济可持续性问题。化肥（氮和磷）的使用、农业机械燃料成本和劳动生产率的下降导致农业投入的使用没有得到优化，这些趋势一直在增加。相关文献综述描述了精益和绿色实践，如盈利能力（投资回报）​​、运营成本降低、危险废物减少、交付绩效和整体生产力，可在精准农业实践（可变灌溉、可变施肥、基于云的分析和用于农机导航的远程信息处理）。

综述文献描述了基于物联网 (IoT) 的精准农业实践的低采用率，例如可变速率肥料 (39%)、可变速率农药 (8%)、可变速率灌溉 (4%)、基于云的数据分析 ( 21 %) 和远程信息处理 (10 %) 在中西部作物生产者中。采用基于物联网的精准农业实践的障碍包括成本效益、电力要求、通信范围、数据延迟、数据可扩展性、数据存储、数据处理和数据互操作性。在基于物联网的精准农业实践中，对主题专家 (SME) (N=18) 进行了焦点小组访谈 (n=3)，以了解和定义与障碍相关的决策变量。内容分析和随后的 ISM 模型为部署 IoT 无线传感器节点以提高性能提供了一种行动研究方法。这些改进使可变成本降低了 94%，功耗成本降低了 60%，并改进了数据互操作性和用户交互的基于物联网无线传感器的数据管道，从而改进了精准农业实践的采用。来自 IoT 传感器部署的性能数据 (n=2505) 的关系分析经验性地验证了 ISM 模型，并解释了功耗的变化，以缓解生产者采用 IoT 的情况。本研究开发了基于生长季节通过相关性预测物联网功耗的未来研究范围。

这项研究的意义告诉采用者（作物生产者）、研究人员和精准农业从业者，精益和绿色框架在很大程度上是由基于物联网传感器的精准农业解决方案中的成本和电力问题驱动的。

图：用于精准农业应用的物联网(IoT)无线传感器框架

1 引言

1.1 背景

基于氮磷肥施用量的增加趋势，美国中西部地区的玉米和大豆生产存在经济和环境问题（USDA NASS Indiana，2019 年）。运营成本和燃料消耗成本随着劳动生产率的下降而增加，导致农场净收入下降（USDA NASS Indiana，2019）。因此，可以通过采用精准农业应用（可变灌溉、可变施肥、基于分析和用于农机导航的远程信息处理），以改善农业运营和净盈利能力。然而，DeBoer & Erickson（2019 年）指出，可变肥料 (39 %)、可变农药 (8 %)、可变灌溉 (4 %)、基于云的数据分析 (21 %) 的采用率较低于美国中西部作物生产者中的远程信息处理（10%）。这些障碍包括运营成本、功耗要求、通信范围限制、数据延迟、数据可扩展性、数据存储、数据处理和数据互操作性，这些在文献中得到强调（Jawad 等人，2017；Ruan 等人，2019）。本论文探讨并定义了与采用基于物联网的精准农业实践障碍相关的决策变量之间的关系，基于与 SME (N=18) 的重点小组访谈 (n=3)。这些中小企业包括数字农业从业者（农民）和无线通信技术专家。对 SME 反馈进行内容分析，以使用解释性结构建模开发理论框架。这一理论框架为普渡大学物联网传感器测试台研究人员的行动提供了依据，以经验验证该框架。这项研究的意义填补了利益相关者之间的知识空白。

1.2 问题陈述

美国中西部地区的作物生产一直面临着日益严重的环境和经济可持续性问题。从经济可持续性表现的角度来看，包括燃料费用在内的总运营成本有所增加，随后劳动生产率和农场净收入下降。投入（尤其是化肥、杀虫剂、劳动力和农业机械）未优化使用的影响导致运营成本增加，而产量和农场净收入几乎没有增加（USDA NASS，2019 年）。生产者可以在智能灌溉、智能施肥、监测作物病害等精准农业应用的背景下采用精益和绿色实践，即盈利能力（投资回报）​​、运营成本降低、危险废物减少、交付绩效和整体生产力和农机导航以提高产量和降低成本（Fountas 等人 2005 年；Schimmelpfennig.D. 2016 年；Say 等人 2018 年）。尽管如此，中西部作物生产者对基于物联网的精准农业实践的采用率仍然很低（DeBoer & Erickson., 2019）。障碍包括运营成本、功耗要求、通信范围限制、数据延迟、数据可扩展性、数据存储、数据处理和数据互操作性（Jawad 等人，2017 年；Ruan 等人，2019 年）。因此，本研究了解精益和绿色方法对物联网的障碍。

1.3 研究范围

本研究的范围，通过物联网 (IoT) 基于无线传感器的精准农业技术在中西部（印第安纳州）地区的作物生产者中探索精益和绿色实践，以实现强劲的经济和环境可持续性表现。本研究中进行的结构化文献综述的范围仅限于美国中西部（印第安纳州）地理区域。该研究的重点是回答当前对基于物联网无线传感器的精准农业技术（智能灌溉、智能施肥、监测作物病害和农机导航）的问题的采用和理解，以用于精益和绿色农业生产的采用和部署。基于物联网无线传感器数据管道中涉及的决策变量以及通过解释结构建模 (ISM) 的每个变量之间的关系，研究结果和成果侧重于填补知识空白。本论文还通过基于物联网无线传感器的精准农业应用，以及行动研究部署的比较和 ISM 框架模型的实证测试，推荐了专注于精益绿色采用的解决方案。

1.4 研究意义

研究结果填补了在了解作物生产者采用物联网精准农业系统的决策障碍方面的知识空白。 ISM 模型描述了实际决策之间的关系，在基于物联网无线传感器的数据管道部署中具有重要意义。 SME 内容分析为普渡农学研究与教育中心 (ACRE) 测试平台部署提供了信息，随后为缓解这些障碍而进行的重新部署提高了物联网测试平台的性能。

研究问题：

1. 印第安纳州大田作物生产背景下的精益和绿色实践是什么？

2. 从印第安纳州大田作物生产者采用精准农业技术的障碍是什么？

3. 如何在物联网 (IoT) 无线传感器框架中开发精益和绿色方法，以提高印第安纳州大田作物生产者对精准农业技术的采用？

1.5 假设

1. SME 的知识和焦点小组半结构化访谈中提供的信息假定没有个人偏见。

2. 半结构化访谈问卷包含从结构化文献回顾和主题分析中提出的问题，适合告知数字农业研究人员、从业者、精准农业技术人员和作物生产者采用精益和绿色精准农业应用程序。

3. 拟议的研究假设定性焦点小组访谈方法采用归纳形式的逻辑。

4. 根据精准农业物联网 (IoT) 领域参与者的专业知识，采用有目的的抽样方法；焦点小组的分类基于以下假设：他们各自领域的专业知识与实时数据物联网框架的不同层（感知、通信和应用）相关。

5. 传递性是解释性结构建模中的基本假设，即如果变量 X 影响 Y 并且 Y 影响 Z 则 X 将传递影响 Z。这意味着 X 通过一个或多个变量与 Z 相关。

6. 假设研究人员参与了行动研究方法并有权通过系统调查进行改进。

7. 本研究中的方差分析（ANOVA）方法假设了数据样本的正态性、方差齐性和独立性的基本假设。

1.6 局限型

1. 拟议的研究在本质上是定性的，并承认研究人员在数据收集过程中的存在，这是不可避免的。

2. 由于焦点小组访谈的性质，一个基本的限制限制了研究结果的普遍性。

3. 由于本研究的预算和时间限制，焦点小组仅限于 3 次访谈，每次访谈 6 名参与者。

4. 调查结果的特点是定性研究的严谨性。然而，来自 NVIVO 12 软件的编码数据的统计分析可用于为未来的实证研究制定扎实的理论和假设。

5. 参与者的匿名性和保密性可能会在展示调查结果时出现问题。已采取措施为参与者保密。

6. 定性行动研究方法的基本局限是缺乏可重复性和严谨性。然而，通过对定性研究结果的经验测试和验证来克服这一限制。

7. 研究中进行的相关性分析描述了两个变量之间的关系，并不暗示因果关系。相关分析也不能描述曲线关系。

8. 所采用的方差分析和回归对异常值敏感，只考虑线性关系。

1.7 界定

1. 研究的地理背景划定在美国中西部的印第安纳地区。

2. 确定的精益和绿色障碍或决策变量是在基于物联网 (IoT) 的精准农业实践无线传感器框架的背景下界定的。

3. 为本研究选择的参与者基于物联网精准农业框架（感知（传感器）层、通信层（无线网关技术）、数据处理和应用层（数据存储和处理 API））的专业知识。

4. 由于精准农业物联网框架领域可用的专业知识有限，抽样是有目的地划定的。

5. 本研究的性质本质上是探索性的，因此本研究提出的理论框架以及假设的结构较少；

6. 部署的物联网传感器实时数据的统计分析被划分为一个生长季节和季节性树冠生长前后各一天的时间间隔。

图：初步部署ACRE物联网(IoT)数据管道

图：重新部署ACRE物联网(IoT)数据管道

图：ISM模型、行动研究、部署结果的验证