نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

نشریه علمی پژوهشی مهندسی آبیاری و آب ایران

زمان‌بندی هوشمند آبیاری گیاه جنسینگ هندی (Withania somnifera): رویکردی با دقت بالا مبتنی بر منطق فازی

نوع مقاله : مقاله پژوهشی

نویسندگان
شایسته طباطبائی
باقر بهرام شتربان
دانشکده چندرسانه‌ای، دانشگاه هنر اسلامی تبریز، تبریز، ایران.
10.22125/iwe.2026.559213.1907
چکیده
کم‌آبی یکی از مهم‌ترین چالش‌های کشاورزی در مناطق خشک و نیمه‌خشک است. در این پژوهش، یک سیستم هوشمند آبیاری مبتنی بر منطق فازی برای پیش‌بینی دقیق نیاز آبی گیاه جنسینگ هندی (اشواگاندا) طراحی و پیاده‌سازی شد. منطق فازی به دلیل توانایی استثنایی خود در مدیریت عدم قطعیت و مدل‌سازی روابط پیچیده و غیرخطی بین متغیرهای ورودی انتخاب شده است و آن را به روشی ایده‌آل برای بهینه‌سازی آبیاری تبدیل می‌کند. آزمایش میدانی در مزرعه ۴۰۰ متر مربعی شهرستان سراوان (سیستان و بلوچستان) در فصل رشد ۱۴۰۴ انجام گرفت. سیستم با بهره‌گیری از پنج متغیر محیطی (رطوبت خاک، دمای هوا، رطوبت نسبی، سرعت باد و سن گیاه) و ۲۴۳ قاعده فازی ممدانی، موفق به کاهش 9/41٪ مصرف آب (از ۳۳۶ به ۱۹۵ لیتر در هر فصل)، افزایش 3/16٪ عملکرد محصول (از ۴۶ به 5/53 کیلوگرم) و دستیابی به دقت پیش‌بینی 2/98٪ ( 982/0R² =) شد. نتایج نشان داد که این سیستم در مقایسه با روش سنتی آبیاری، بهره‌وری مصرف آب را ۷۱.۴٪ افزایش می‌دهد.
کلیدواژه‌ها
آبیاری هوشمند
منطق فازی
جنسینگ هندی
کشاورزی دقیق
صرفه‌جویی آب
موضوعات

عنوان مقاله English

Intelligent Irrigation Scheduling for Indian Ginseng (Withania somnifera): A High-Accuracy Fuzzy Logic-Based Approach

نویسندگان English

shayesteh Tabatabaei
Bagher Bahram Shotorban
Faculty of Multimedia, Tabriz Islamic Art University, Tabriz, Iran.
چکیده English

Water scarcity is one of the most critical challenges facing agriculture in arid and semi-arid regions. This study designed and implemented a fuzzy logic-based smart irrigation system to accurately predict the water requirements of Indian ginseng (Ashwagandha). Fuzzy logic was selected due to its exceptional ability to handle uncertainty and model complex, nonlinear relationships among input variables, making it an ideal approach for irrigation optimization. Field experiments were conducted on a 400 m² plot in Saravan (Sistan and Baluchestan Province, Iran) during the 2025 growing season. Utilizing five environmental inputs (soil moisture, air temperature, relative humidity, wind speed, and plant age) and 243 Mamdani-type fuzzy rules, the system achieved a **41.9% reduction in water consumption** (from 336 to 195 L per season), a **16.3% increase in yield** (from 46 to 53.5 kg), and a **98.2% prediction accuracy** (R² = 0.982). Compared to traditional irrigation practices, the proposed system improved water use efficiency by **71.4%**.

کلیدواژه‌ها English

Smart irrigation
Fuzzy logic
Indian ginseng
Precision agriculture
Water saving
Baradaran, A. A., & Tavazoei, M. S. (2022). Fuzzy system design for automatic irrigation of agricultural fields. Expert Systems with Applications, 210, 118602.
Benyezza, H., Bouhedda, M., & Rebouh, S. (2021). Zoning irrigation smart system based on fuzzy control technology and IoT for water and energy saving. Journal of Cleaner production, 302, 127001
Benzaouia, M., Hajji, B., Mellit, A., & Rabhi, A. (2023). Fuzzy-IoT smart irrigation system for precision scheduling and monitoring. Computers and Electronics in Agriculture, 215, 108407.
Biswas, S., Sharma, L. K., Ranjan, R., Saha, S., Chakraborty, A., & Banerjee, J. S. (2021). Smart farming and water saving-based intelligent irrigation system implementation using the internet of things. In Recent trends in computational intelligence enabled research (pp. 339-354). Academic Press.
Di Gennaro, S. F., Cini, D., Berton, A., & Matese, A. (2024). Development of a low-cost smart irrigation system for Sustainable Water Management in the Mediterranean Region. Smart Agricultural Technology, 9, 100629.
 Krishnan, R. S., Julie, E. G., Robinson, Y. H., Raja, S., Kumar, R., & Thong, P. H. (2020). Fuzzy logic based smart irrigation system using internet of things. Journal of Cleaner Production, 252, 119902.
 Ramli, L., Mohamed, Z., Abdullahi, A. M., Jaafar, H. I., & Lazim, I. M. (2017). Control strategies for crane systems: A comprehensive review. Mechanical Systems and Signal Processing, 95, 1-23.
Krishnan, R. S., Julie, E. G., Robinson, Y. H., Raja, S., Kumar, R., & Thong, P. H. (2020). Fuzzy logic based smart irrigation system using internet of things. Journal of Cleaner Production, 252, 119902.
 
 Odone, G., Perulli, G. D., Mancuso, G., Lavrnić, S., & Toscano, A. (2024). A novel smart fertigation system for irrigation with treated wastewater: Effects on nutrient recovery, crop and soil. Agricultural Water Management, 297, 108832.
 
Rajak, P., Ganguly, A., Adhikary, S., & Bhattacharya, S. (2023). Internet of Things and smart sensors in agriculture: Scopes and challenges. Journal of Agriculture and Food Research, 14, 100776.
Rambabu, G. V., Bridjesh, P., Kishore, N. P., & Sai, N. S. (2023). Design and development of a drip irrigation system. Materials Today: Proceedings.
Veerachamy, R., Ramar, R., Balaji, S., & Sharmila, L. (2022). Autonomous application controls on smart irrigation. Computers and Electrical Engineering, 100, 107855.
.
 Xie, J., Chen, Y., Gao, P., Sun, D., Xue, X., Yin, D., ... & Wang, W. (2022). Smart fuzzy irrigation system for litchi orchards. Computers and Electronics in Agriculture, 201, 107287.
Younes, A., Abou Elassad, Z. E., El Meslouhi, O., Abou Elassad, D. E., & Majid, E. D. A. (2024). The application of machine learning techniques for Smart Irrigation Systems: a systematic literature review. Smart Agricultural Technology, 100425.