Pengenalan
Penjadualan pengairan yang baik memerlukan pemantauan kelembapan tanah, tetapi kos sensor yang tinggi dan kesukaran memantau kawasan luas menyekat penggunaannya, terutama bagi pekebun kecil. Sensor kos rendah yang dibuat secara tempatan menjadi pilihan menarik, dengan syarat ketepatannya disahkan.
Artikel ini meringkaskan “Development and Testing of a Low-Cost Soil Moisture Sensor for Real-Time Irrigation Scheduling” (Edmealem Temesgen et al., 2025). Objektifnya mereka bentuk dan menguji sensor kelembapan tanah berasaskan Arduino (ASM) buatan tempatan untuk penjadualan pengairan masa nyata. Negara kajian tidak dinyatakan dalam abstrak. Kajian sokongan dari Itali, Filipina, Selangor dan negara lain digunakan untuk melengkapkan gambaran.
Sorotan Kajian Lepas
Ekanayaka Achchillage Ayesha Dilrukshi Nagahage et al. (2019) membangunkan prototaip pemantauan automatik menggunakan sensor kapasitif kos rendah SKU:SEN0193, dan penentukuran khusus tanah dilakukan; ketepatannya dibandingkan dengan kaedah gravimetri dan sensor SM-200. RMSE kandungan air tanah ialah 0.09, 0.07 dan 0.06 cm³ cm?³ bagi fungsi sensor SKU:SEN0193, fungsi pengilang SM-200 dan fungsi penentukuran khusus tanah SM-200 dalam julat kering hingga tepu, dan 0.05, 0.08 serta 0.03 cm³ cm?³ dalam julat kapasiti medan. Kebolehulangan ukuran dengan fungsi penentukuran yang dibangunkan menyokong potensi sensor itu mengurangkan risiko tekanan lembapan atau air berlebihan.
Ahmed A. Abdelmoneim et al. (2025) menentukur sensor yang sama dalam tanah lom kelodak di wilayah Puglia, Itali, menggunakan 12 sensor. Hasilnya, R² antara 0.85 dan 0.87 dan RMSE antara 4.5 dan 4.9%. Kebolehubahan antara sensor menjadi ketara pada kelembapan melebihi 30% (pekali variasi 10 hingga 16%), berbanding 6.5 hingga 10.3% pada kelembapan lebih rendah. Dimaghi Schwamback et al. (2023) pula membandingkan kos dan ketepatan menggunakan sensor SKU:SEN0193 di makmal dan ladang, dengan dua kaedah penentukuran ringkas: penentukuran universal berdasarkan kesemua 63 sensor dan penentukuran satu titik menggunakan tindak balas sensor dalam tanah kering. Sensor itu dapat mengukur ayunan harian dan musiman kelembapan tanah. Mereka menyimpulkan sensor kos rendah memberi ketepatan sederhana, sesuai bagi projek jangka pendek berbajet terhad yang tidak memerlukan ketepatan tinggi.
Soham Adla et al. (2020) menguji dua sensor kapasitif kos rendah dan dua sensor rintangan sangat murah di makmal. Sensor kapasitif kos rendah lebih tepat daripada spesifikasi pengilang dan dapat menyamai sensor piawai sekunder selepas penentukuran khusus tanah; SM100 mencatat RMSE 2.36% dan SMEC300 2.88%, manakala sensor rintangan YL100 dan YL69 mencatat 5.21% dan 5.54%. Nilai wang sensor tercermin dalam kepersisannya, manakala aspek prestasi lain tidak semestinya mengikut kos. Sensor rintangan yang kurang tepat dan persis masih berprestasi baik bagi kategori kosnya, dan boleh digunakan bersama sensor lebih tepat untuk menggambarkan kebolehubahan ruang kelembapan tanah di ladang.
Dapatan Utama
Ujian ASM. Sensor ASM diuji di makmal, kemudian di ladang gandum, berbanding sensor Pycom (PSM) dan kaedah kelembapan tanah konvensional (CSM). Pada mulanya bacaan ASM kira-kira 13% lebih rendah daripada CSM, dengan cerun regresi linear 0.87. Selepas penentukuran, cerun menjadi 1.0, membetulkan bacaan terlalu rendah itu (Edmealem Temesgen et al., 2025).
Korelasi kuat. Berdasarkan RMSE, ralat relatif, indeks keyakinan dan indeks persetujuan, sensor menunjukkan korelasi linear kuat (R² = 0.97) dengan CSM sebelum dan selepas penentukuran, dinilai “cemerlang”. Sensor PSM mencapai persetujuan hampir sempurna dengan CSM.
Konteks tropika. Carmeli Adele Cabia et al. (2025) membangunkan sistem pengairan titisan automatik berasaskan Arduino di Filipina menggunakan enam sensor kapasitif; regresi eksponen memberi R² 0.94 hingga 0.97. Penentukuran khusus sensor memperbaiki ketepatan (RMSE 1.81 hingga 2.67%) berbanding model am (2.42 hingga 3.37%), walaupun beza min dan nilai R² tidak signifikan secara statistik (ujian-t berpasangan, ? = 0.01), jadi persamaan am masih praktikal untuk ladang. Pada kelembapan tinggi (36 hingga 46% VWC) sensor cenderung terlebih anggar. Di Selangor, sistem pengairan automatik berasaskan Arduino MEGA 2560 dipasang untuk memantau ladang berskala besar Management and Science University, Shah Alam; penggunaan air dilaporkan berkurang dengan ketara (Surenthar Munusamy et al., 2021).
| Penemuan | Sumber |
|---|---|
| Bacaan ASM kira-kira 13% lebih rendah, cerun 0.87 | Edmealem Temesgen et al. (2025) |
| Selepas penentukuran, cerun 1.0; R² 0.97 | Edmealem Temesgen et al. (2025) |
| R² 0.85 hingga 0.87; RMSE 4.5 hingga 4.9% | Ahmed A. Abdelmoneim et al. (2025) |
| R² 0.94 hingga 0.97 (Arduino, Filipina) | Carmeli Adele Cabia et al. (2025) |
Perbincangan
Angka R² 0.97 dalam tajuk disokong abstrak, tetapi ia ujian di ladang gandum, bukan tanaman sayur, dan abstrak tidak memberi angka kos walaupun menyebut kos efektif. Kajian ini juga memerlukan penentukuran: tanpa penentukuran, bacaan terlalu rendah sekitar 13%, walaupun korelasi kekal tinggi.
Kajian lain selari. Sensor kapasitif kos rendah boleh tepat selepas penentukuran, tetapi kebolehubahan antara sensor dan ralat pada kelembapan tinggi wajar diambil kira (Ahmed A. Abdelmoneim et al., 2025; Carmeli Adele Cabia et al., 2025). Dimaghi Schwamback et al. (2023) mengingatkan wujud pertukaran antara kos dan ketepatan.
Bagi Malaysia, bukti tropika terhad kepada sistem Arduino di Selangor dan ujian di Filipina; tiada data sayur kecil Malaysia dalam sumber ini. Tanah berbeza turut mempengaruhi keputusan: penentukuran dalam kajian sokongan dibuat pada tanah lom kelodak (Itali) dan lom berpasir (Filipina), jadi penentukuran semula diperlukan bagi tanah tempatan. Abstrak juga tidak menyatakan jenis tanah atau lokasi kajian utama, dan kajian sokongan Filipina menggunakan sistem dengan kawalan ambang ringkas bagi plot tanah tinggi tadah hujan bersaiz kecil hingga sederhana.
Implikasi kepada Pengusaha Ladang
1. Lakukan penentukuran khusus tanah sebelum menggunakan sensor kos rendah.
2. Sahkan sensor dengan kaedah rujukan sekurang-kurangnya sekali.
3. Berhati-hati dengan bacaan pada kelembapan tinggi.
4. Gunakan lebih banyak sensor untuk meliputi variasi ruang.
5. Pertimbangkan kos berbanding ketepatan: sensor kos rendah berketepatan sederhana dinyatakan sesuai bagi projek jangka pendek berbajet terhad.
Kesimpulan
Sensor Arduino ASM menunjukkan korelasi linear kuat (R² = 0.97) dengan kaedah konvensional di ladang gandum, dengan bacaan terlalu rendah sekitar 13% dibetulkan melalui penentukuran. Kajian sokongan menyokong potensi sensor kos rendah tetapi menekankan penentukuran.
Rujukan
1. Edmealem Temesgen, Samuel Dagalo Hatiye, Demelash Wendimagegnehu Goshime, Johannes Dirk Dingemanse, Demiso Daba Dugassa, Tafesse Fitensa, et al. (2025). Development and Testing of a Low-Cost Soil Moisture Sensor for Real-Time Irrigation Scheduling. Irrigation and Drainage. https://doi.org/10.1002/ird.70026
2. Ekanayaka Achchillage Ayesha Dilrukshi Nagahage, Isura Sumeda Priyadarshana Nagahage, & Takeshi Fujino (2019). Calibration and Validation of a Low-Cost Capacitive Moisture Sensor to Integrate the Automated Soil Moisture Monitoring System. Agriculture. https://doi.org/10.3390/AGRICULTURE9070141
3. Ahmed A. Abdelmoneim, Christa M. Al Kalaany, Roula Khadra, Bilal Derardja, & Giovanna Dragonetti (2025). Calibration of Low-Cost Capacitive Soil Moisture Sensors for Irrigation Management Applications. Sensors. https://doi.org/10.3390/s25020343
4. Soham Adla, Neeraj Kumar Rai, Sri Harsha Karumanchi, Shivam Tripathi, Markus Disse, & Saket Pande (2020). Laboratory Calibration and Performance Evaluation of Low-Cost Capacitive and Very Low-Cost Resistive Soil Moisture Sensors. Sensors. https://doi.org/10.3390/S20020363
5. Dimaghi Schwamback, Magnus Persson, Ronny Berndtsson, Luis Eduardo Bertotto, A. N. Kobayashi, & Edson Wendland (2023). Automated Low-Cost Soil Moisture Sensors: Trade-Off between Cost and Accuracy. Sensors. https://doi.org/10.3390/s23052451
6. Carmeli Adele Cabia, M. G. Sumaria, Eldon de Padua, & Nilo Leorna (2025). Quantifying calibration strategies for capacitive soil-moisture sensors (V1.2 SKU: FA3003-1) in automated drip irrigation for upland, rainfed farms. Annals of tropical research. https://doi.org/10.32945/atr4727.2025
7. Surenthar Munusamy, Safaa Najah Saud Al-Humairi, & Muhammad Irsyad Abdullah (2021). Automatic Irrigation System: Design and Implementation. https://doi.org/10.1109/ISCAIE51753.2021.9431829
Sumber carian: SciSpace, November 2026.
Kata kunci: sensor kelembapan tanah, Arduino, kos rendah, penjadualan pengairan, penentukuran, sensor kapasitif, gandum, pengairan automatik







