Pengenalan
Pengairan ialah input penting bagi kebun buah, terutamanya bagi tanaman seperti durian, mangga dan jambu batu yang memerlukan air mencukupi semasa pembungaan dan pembesaran buah (pengetahuan am). Walaupun Malaysia menerima hujan yang tinggi, musim kering dan taburan hujan yang tidak menentu menyebabkan ramai pengusaha bergantung kepada sistem pengairan titis atau fertigasi (pengetahuan am). Teknologi Internet Benda (IoT), iaitu sensor yang dihubungkan secara tanpa wayar kepada sistem kawalan, menawarkan cara untuk memberi air hanya apabila diperlukan.
Artikel ini meringkaskan bab buku bertajuk “Productive Response of a Pear Orchard (Pyrus Communis, L.) to the Precision Irrigation Conducted Through a Decision Support System (DSS)” (2023). Maklumat pengarang bagi bab ini dalam pangkalan data tidak dapat dipastikan, maka ia dirujuk melalui tajuknya. Objektifnya ialah memindahkan dan mengesahkan rangkaian sensor tanpa wayar berasaskan kelembapan tanah (SM-WSN) untuk mengurangkan penggunaan air pengairan di sebuah dusun pear (Pyrus communis) komersial. Negara kajian tidak dinyatakan dalam abstrak. Dapatan dilengkapi oleh projek Wappfruit di Piemonte, Itali (Canone et al., 2024), sistem air-baja IoT di Guangdong, China (Niu et al., 2026), reka bentuk sistem untuk dusun mangga (Daubner, 2023) dan ulasan sistematik (Moustafa et al., 2026).
Sorotan Kajian Lepas
Usaha menjimatkan air memerlukan ukuran prestasi yang jelas. Pereira et al. (2012) membincangkan konsep penggunaan air dan mencadangkan penunjuk baharu, termasuk penggunaan semula air, bagi membezakan penggunaan air yang bermanfaat dengan yang tidak bermanfaat.
Sistem sokongan keputusan (DSS) telah lama dibangunkan untuk pengairan. Navarro-Hellín et al. (2016) mencadangkan dua teknik pembelajaran mesin, PLSR dan ANFIS, sebagai enjin penaakulan bagi sistem SIDSS yang menganggar keperluan pengairan mingguan berdasarkan pemboleh ubah tanah dan iklim. Marsal dan Stöckle (2012) pula menggunakan model pertumbuhan tanaman CropSyst untuk meramal potensi air tumbuhan dan menjadualkan pengairan defisit terkawal (RDI) di dusun pear.
Penunjuk fisiologi pokok turut digunakan. Shackel et al. (2000) mendapati tekanan air yang sederhana dikaitkan dengan peningkatan kualiti buah dan pulangan ekonomi bagi prun, dan potensi air batang tengah hari digunakan untuk mengurus RDI. Dari sudut sensor, Provenzano et al. (2020) membangunkan model kalibrasi baharu bagi penderia Diviner 2000® untuk menganggar kandungan air tanah isipadu, sah bagi tanah yang mengembang dan tidak mengembang.
Dapatan Utama
Penilaian sistem sedia ada. Kajian dusun pear (2023) dijalankan selama tiga musim (2019–2021). Sistem pengairan mikro dinilai dahulu dari segi keseragaman taburan air (DU) melalui pengukuran kadar aliran pemancar. Dusun kemudian dibahagikan kepada zon homogen berdasarkan indeks NDVI yang dikesan menggunakan dron (UAV) dan alat GIS.
Penjimatan air sehingga 50%. Sistem pintar mengekalkan kandungan air tanah dalam julat optimum, dengan had atas pada kapasiti ladang dan had bawah pada paras di mana tekanan air bermula. Pengurusan pintar ini menjimatkan sehingga 50% jumlah air berbanding penjadualan biasa ladang sepanjang tiga musim, manakala saiz buah kekal menepati piawaian yang dikehendaki oleh petani.
Nod IoT LoRa di Itali. Projek Wappfruit (Canone et al., 2024) menguji dua jenis nod IoT berteknologi LoRa yang dikawal oleh skrip pelayan Python 24/7. Sistem membaca potensi matrik tanah dan membuka atau menutup pam secara masa nyata. Ambang pengaktifan pengairan ialah -60 kPa (epal) dan -25 kPa (Actinidia atau kiwi) pada kedalaman 20 cm, manakala ambang penutupan ialah -50 kPa pada kedalaman 40 dan 20 cm (epal) dan -18 kPa pada kedalaman 20 cm (kiwi). Setiap ladang mempunyai kawasan eksperimen dan kawasan kawalan. Keputusan akhir penjimatan tidak terkandung dalam abstrak yang tersedia.
Air dan baja bersepadu di China. Niu et al. (2026) membangunkan sistem berlapis yang menggabungkan protokol ZigBee, LoRa dan NB-IoT, kawalan PID gelung tertutup dan rangkaian neural kabur. Pengesahan di dusun demonstrasi di Guangdong menunjukkan penjimatan air 30%–65%, pengurangan baja 40%–50% dan peningkatan hasil 20%–135%.
Sistem untuk dusun mangga. Daubner (2023) mencadangkan sistem pengairan pintar bagi mangga yang menggunakan data cuaca satelit, kelembapan tanah serta parameter pokok seperti umur dan masa berbuah. Mikropengawal mengira keperluan air, sistem direka untuk menangani kemarau dan banjir, dan antara mukanya boleh dicapai melalui aplikasi. Abstrak tidak melaporkan keputusan lapangan.
Gambaran keseluruhan. Ulasan sistematik Moustafa et al. (2026) menapis 323 artikel kepada 50 artikel (2018–2025); 71% diterbitkan antara 2021 dan 2024. Sistem IoT menjimatkan air kira-kira 9–50% berbanding pengairan konvensional, biasanya dengan hasil dikekalkan atau meningkat (lazimnya 5–25%). Namun, sebahagian kajian melaporkan penjimatan air dicapai dengan mengorbankan hasil atau produktiviti air.
| Aspek | Nilai | Sumber |
|---|---|---|
| Penjimatan air (pear, 2019–2021) | Sehingga 50% | Kajian dusun pear (2023) |
| Ambang pengaktifan (20 cm) | -60 kPa epal; -25 kPa kiwi | Canone et al. (2024) |
| Penjimatan air / baja | 30%–65% / 40%–50% | Niu et al. (2026) |
| Peningkatan hasil | 20%–135% | Niu et al. (2026) |
| Julat penjimatan air (50 kajian) | 9–50% | Moustafa et al. (2026) |
| Perubahan hasil lazim | +5–25% | Moustafa et al. (2026) |
Perbincangan
Bukti menunjukkan bahawa sensor IoT mampu menjimatkan air pengairan kebun buah secara ketara tanpa menjejaskan hasil dalam kebanyakan kes. Penjimatan sehingga 50% di dusun pear berada dalam julat 9–50% yang dilaporkan oleh ulasan sistematik. Angka Niu et al. (2026), iaitu penjimatan air 30%–65% dan peningkatan hasil sehingga 135%, jauh lebih tinggi, mungkin kerana sistem tersebut mengurus air dan baja serentak dan dibandingkan dengan amalan tradisional yang membazir.
Terdapat beberapa batasan. Projek Wappfruit hanya dilaporkan dalam abstrak persidangan, sistem mangga belum diuji di lapangan, dan dua abstrak terpotong. Moustafa et al. (2026) juga mengingatkan bahawa sesetengah kajian menjimatkan air dengan mengorbankan hasil. Lebih penting, semua bukti dalam carian ini tertumpu kepada pengairan; tiada kajian IoT bagi pemantauan perosak, penyakit atau iklim mikro kebun buah ditemui, dan tiada pengesahan lapangan di Malaysia atau kawasan tropika.
Bagi Malaysia, pendekatan kajian pear boleh dicontohi: menilai keseragaman sistem titis terlebih dahulu, membahagikan kebun kepada zon, kemudian menetapkan ambang kelembapan tanah. Ambang dari Itali tidak boleh disalin terus kerana jenis tanah, tanaman dan iklim berbeza; ambang bagi durian atau mangga perlu ditentukan melalui ujian tempatan (pengetahuan am).
Implikasi kepada Pengusaha Kebun dan Agensi
1. Semak keseragaman aliran pemancar sistem titis sebelum memasang sensor.
2. Mulakan dengan sensor kelembapan atau potensi matrik tanah di beberapa zon wakil kebun.
3. Pastikan sensor dikalibrasi mengikut jenis tanah setempat.
4. Agensi perlu menjalankan ujian demonstrasi bagi menentukan ambang pengairan tanaman buah tempatan.
5. Pantau hasil dan saiz buah, bukan sekadar penjimatan air, untuk memastikan teknologi benar-benar menguntungkan.
Kesimpulan
Sensor IoT dan sistem sokongan keputusan ditunjukkan dapat menjimatkan air pengairan kebun buah, dengan penjimatan sehingga 50% di dusun pear dan julat 9–50% dalam ulasan sistematik, biasanya tanpa menjejaskan hasil. Integrasi air dan baja menunjukkan potensi lebih besar. Namun, bukti masih terhad kepada pengairan tanpa pengesahan lapangan di kawasan tropika, maka ujian tempatan bagi buah tropika diperlukan.
Rujukan
1. Productive response of a pear orchard (Pyrus communis L.) to the precision irrigation conducted through a Decision Support System (DSS). (2023). Bab buku. https://doi.org/10.1007/978-3-031-30329-6_13
2. Canone, D., Gisolo, D., Nari, L., et al. (2024). Wappfruit, a project for the optimization of the irrigation in agriculture: Final results. Abstrak persidangan EGU. https://doi.org/10.5194/egusphere-egu24-18026
3. Niu, K., Guo, H., Zhang, W., et al. (2026). Precision integrated decision-making and control system for water and fertilizer management in orchards based on the internet of things and cloud platform. INMATEH-Agricultural Engineering. https://doi.org/10.35633/inmateh-79-13
4. Daubner, R. (2023). IoT-based smart irrigation system for mango orchard. Bab buku. https://doi.org/10.1007/978-981-19-7698-8_7
5. Moustafa, A., Abdelwahab, O. M. M., Ricci, G. F., et al. (2026). Internet of Things-enabled smart irrigation systems for precision water management: A systematic review. Agricultural Water Management. https://doi.org/10.1016/j.agwat.2026.110615
6. Pereira, L. S., Cordery, I., & Iacovides, I. (2012). Improved indicators of water use performance and productivity for sustainable water conservation and saving. Agricultural Water Management. https://doi.org/10.1016/J.AGWAT.2011.08.022
7. Navarro-Hellín, H., Martínez-del-Rincon, J., Domingo-Miguel, R., Soto-Valles, F., & Torres-Sánchez, R. (2016). A decision support system for managing irrigation in agriculture. Computers and Electronics in Agriculture. https://doi.org/10.1016/J.COMPAG.2016.04.003
8. Marsal, J., & Stöckle, C. O. (2012). Use of CropSyst as a decision support system for scheduling regulated deficit irrigation in a pear orchard. Irrigation Science. https://doi.org/10.1007/S00271-011-0273-5
9. Shackel, K. A., Lampinen, B., Sibbett, S., & Olson, W. (2000). The relation of midday stem water potential to the growth and physiology of fruit trees under water limited conditions. Acta Horticulturae. https://doi.org/10.17660/ACTAHORTIC.2000.537.50
10. Provenzano, G., Rallo, G., de Almeida, C. D. G. C., de Almeida, B. G., et al. (2020). Development and validation of a new calibration model for Diviner 2000® probe based on soil physical attributes. Water. https://doi.org/10.3390/W12123414
Sumber carian: SciSpace Literature Review (mod High Quality), November 2026.
Kata kunci: IoT, pertanian pintar, pengairan pintar, sensor kelembapan tanah, rangkaian sensor tanpa wayar, sistem sokongan keputusan, kebun buah, fertigasi
