Desenvolvimento de um controlador de lógica fuzzy para irrigação por gotejamento

• Francisco Fábio de Oliveira UFRN
• Roger Immich UFRN

DOI: https://doi.org/10.5753/sbiagro.2023.26545

Resumo

A irrigação por gotejamento é uma técnica que pode contribuir para a segurança alimentar, aumentando a produtividade das culturas e reduzindo o consumo de água. Um dos desafios enfrentados pelos agricultores é o de determinar o momento e a quantidade ótimos de irrigação para cada cultura e condições ambientais. Um manejo inadequado da irrigação pode levar a perdas de água por evaporação ou percolação profunda, bem como a estresse hídrico ou excesso de água nas plantas. Neste contexto, este trabalho propõe um algoritmo de lógica fuzzy para irrigação por gotejamento que possa ajustar o tempo e o intervalo de irrigação conforme a fase de desenvolvimento da cultura, a textura do solo, a evapotranspiração e a precipitação pluviométrica. Os experimentos demonstram que o controlador é capaz de estimar o tempo e o intervalo de irrigação, considerando as variáveis de entrada definidas no modelo. O controlador contribui para uma irrigação por gotejamento mais eficiente e sustentável, pois evita o desperdício de água e o estresse hídrico nas plantas. Este também facilita o manejo, pois reduz a necessidade de intervenção humana e fornece um feedback inteligente para a tomada de decisão.

Referências

Aggarwal, P. and Thakur, A. (2019). Fuzzy interface automatic brassica horticulture hoop house. In 2019 6th International Conference on Signal Processing and Integrated Networks (SPIN), page 297 – 302.

Al-Yaari, A., Ducharne, A., Thiery, W., Cheruy, F., and Lawrence, D. (2022). The role of irrigation expansion on historical climate change: insights from cmip6. Earth’s Future, 10(11).

Ali, S. (2022). Parametric estimation and optimization of automatic drip irrigation control system using fuzzy logic. In 2022 International Conference on Emerging Trends in Electrical, Control, and Telecommunication Engineering (ETECTE).

Bittencourt, L., Immich, R., Sakellariou, R., Fonseca, N., Madeira, E., Curado, M., Villas, L., DaSilva, L., Lee, C., and Rana, O. (2018). The internet of things, fog and cloud continuum: Integration and challenges. Internet of Things, 3-4:134 – 155.

Caetano, G. S. F., Zanguetin, J. A., and Querino Filho, L. C. (2020). Sistema de irrigação por gotejamento no tomateiro. Revista Eletrônica e-Fatec, 10(1):10–10.

Dianty, R., Mardiati, R., Mulyana, E., and Supriadi, D. (2021). Design of humidity control with automatic drip irrigation system based on fuzzy logic using node-red and mqtt on cactus plants. In 7th International Conference on Wireless and Telematics (ICWT).

do Prado, P. F., Peixoto, M. L. M., Araújo, M. C., Gama, E. S., Gonçalves, D. M., Silva, M. V. S., Immich, R., Madeira, E. R. M., and Bittencourt, L. F. (2021). Mobile Edge Computing for Content Distribution and Mobility Support in Smart Cities, pages 473–500. Springer International Publishing, Cham.

D’Aniello, G. (2023). Fuzzy logic for situation awareness: a systematic review. Journal of Ambient Intelligence and Humanized Computing, 14(4):4419–4438.

Immich, R., Cerqueira, E., and Curado, M. (2014). Ensuring qoe in wireless networks with adaptive fec and fuzzy logic-based mechanisms. In Communications (ICC), 2014 IEEE International Conference on, pages 1687–1692.

Krishnan, R. S., Julie, E. G., Robinson, Y. H., Raja, S., Kumar, R., Thong, P. H., et al. (2020). Fuzzy logic based smart irrigation system using internet of things. Journal of Cleaner Production, 252:119902.

Pisani, F., de Oliveira, F., Gama, E. S., Immich, R., Bittencourt, L. F., and Borin, E. (2020). Fog computing on constrained devices: Paving the way for the future iot. Advances in Edge Computing: Massive Parallel Processing and Applications, 35:22.

Rodrigues, D. O., Santos, F. A., Filho, G. P. R., Akabane, A. T., Cabral, R., Immich, R., Junior, W. L., Cunha, F. D., Guidoni, D. L., Silva, T. H., Rosario, D., Cerqueira, E., Loureiro, A. A. F., and Villas, L. A. (2019). Computação urbana da teoria à prática: Fundamentos, aplicações e desafios. Technical report, Minicurso do SBRC.

Vivekanandhan, V., Sakthivel, S., and Manikandan, M. (2022). Adaptive neuro fuzzy inference system to enhance the classification performance in smart irrigation system. Computational Intelligence, 38(2):308–322.

Widyawati, D. and Ambarwari, A. (2021). Fuzzy logic design to control the duration of irrigation time in the greenhouse. In IOP Conference Series: Earth and Environmental Science, volume 1012.

Xu, Z., Chen, X., Liu, J., Zhang, Y., Chau, S., Bhattarai, N., Wang, Y., Li, Y., Connor, T., and Li, Y. (2020). Impacts of irrigated agriculture on food–energy–water–co2 nexus across metacoupled systems. Nature communications, 11(1):5837.