Πειραματική Αξιολόγηση Συστήματος Υποστήριξης Απόφασης (DSS–AI) για την Άρδευση Ακτινιδιάς με Χρήση Αισθητήρων και Μετεωρολογικών Δεδομένων

Experimental Evaluation of a Decision Support System (DSS–AI) for Kiwifruit Irrigation Using Soil Sensors and Meteorological Data (english)

  1. MSc thesis
  2. ΙΩΑΝΝΗΣ ΣΑΦΑΡΙΚΑΣ
  3. Εφαρμογές Γεωργίας Ακριβείας (ΕΓΑ)
  4. 07 March 2026
  5. Ελληνικά
  6. 77
  7. ΑΓΓΕΛΟΣ ΠΑΤΑΚΑΣ
  8. ΑΓΓΕΛΟΣ ΠΑΤΑΚΑΣ | Παπαδόπουλος, Νικόλαος
  9. Ακτινιδία | άρδευση | σύστημα υποστήριξης απόφασης | Τεχνητή νοημοσύνη | εδαφική υγρασία | αισθητήρες εδάφους | ΜΕΤΕΩΡΟΛΟΓΙΚΑ ΔΕΔΟΜΕΝΑ | Γεωργία ακριβείας
  10. Εφαρμογές Γεωργίας Ακριβείας) / EGA
  11. 1
  12. 14
  13. Η εργασία εξετάζει την εφαρμογή ενός συστήματος υποστήριξης απόφασης (DSS–AI) για τη διαχείριση της άρδευσης στην καλλιέργεια της ακτινιδιάς. Η μελέτη βασίζεται στη χρήση αισθητήρων εδαφικής υγρασίας και μετεωρολογικών δεδομένων με στόχο τη βελτίωση της αποδοτικότητας της άρδευσης και την ορθολογική διαχείριση των υδατικών πόρων.
    • Η ορθολογική διαχείριση του αρδευτικού νερού αποτελεί κρίσιμο παράγοντα για τη βιωσιμότητα των δενδρωδών καλλιεργειών και ιδιαίτερα της ακτινιδιάς, η οποία χαρακτηρίζεται από υψηλές υδατικές απαιτήσεις και αυξημένη ευαισθησία σε υδατικό στρες. Οι επιπτώσεις της κλιματικής μεταβλητότητας, σε συνδυασμό με τη μείωση της διαθεσιμότητας υδατικών πόρων, καθιστούν αναγκαία την υιοθέτηση σύγχρονων εργαλείων υποστήριξης της λήψης αποφάσεων για την άρδευση, τα οποία βασίζονται σε πραγματικά δεδομένα πεδίου και όχι σε εμπειρικές πρακτικές. Σκοπός της παρούσας διπλωματικής εργασίας είναι η πειραματική αξιολόγηση ενός Συστήματος Υποστήριξης Απόφασης με ενσωμάτωση τεχνικών τεχνητής νοημοσύνης (DSS–AI) για την άρδευση ακτινιδιάς, το οποίο αξιοποιεί δεδομένα από αισθητήρες εδαφικής υγρασίας και μετεωρολογικές μετρήσεις. Το σύστημα εφαρμόστηκε σε πραγματικές συνθήκες αγρού και παρείχε προτάσεις άρδευσης με βάση τη δυναμική του συστήματος εδάφους–φυτού–ατμόσφαιρας. Η αξιολόγηση του DSS–AI πραγματοποιήθηκε μέσω συγκριτικής ανάλυσης μεταξύ της προτεινόμενης από το σύστημα άρδευσης και συμβατικών πρακτικών διαχείρισης, εξετάζοντας τη συμπεριφορά της εδαφικής υγρασίας στη ριζόσφαιρα, την κατανάλωση αρδευτικού νερού και την απόκριση της καλλιέργειας. Τα αποτελέσματα δείχνουν ότι το σύστημα είναι σε θέση να προσαρμόζει δυναμικά τις προτάσεις άρδευσης στις μεταβαλλόμενες συνθήκες περιβάλλοντος, συμβάλλοντας στη βελτίωση της διαχείρισης του νερού και στη μείωση της άσκοπης κατανάλωσης, χωρίς αρνητικές επιπτώσεις στην καλλιέργεια. Συμπερασματικά, η παρούσα εργασία καταδεικνύει ότι η ενσωμάτωση αισθητήρων και τεχνικών τεχνητής νοημοσύνης σε Συστήματα Υποστήριξης Απόφασης μπορεί να αποτελέσει ένα αποτελεσματικό εργαλείο για τη σύγχρονη διαχείριση της άρδευσης ακτινιδιάς υπό ελληνικές συνθήκες, ανοίγοντας προοπτικές για περαιτέρω εφαρμογές και εξέλιξη τέτοιων συστημάτων στη γεωργία ακριβείας.
    • The rational management of irrigation water constitutes a critical factor for the sustainability of perennial crops, particularly kiwifruit, which is characterized by high water requirements and increased sensitivity to water stress. The impacts of climate variability, combined with the decreasing availability of water resources, highlight the need for the adoption of modern decision-support tools for irrigation management, based on real field data rather than empirical practices. The aim of this master’s thesis is the experimental evaluation of an Artificial Intelligence–based Decision Support System (DSS–AI) for kiwifruit irrigation, which utilizes data derived from soil moisture sensors and meteorological measurements. The system was implemented under real field conditions and provided irrigation recommendations based on the dynamic interaction of the soil–plant–atmosphere continuum. The evaluation of the DSS–AI was conducted through a comparative analysis between the irrigation strategy proposed by the system and conventional irrigation practices, focusing on soil moisture dynamics within the root zone, irrigation water consumption, and crop response. The results indicate that the system is capable of dynamically adapting irrigation recommendations to changing environmental conditions, contributing to improved water management and reduced unnecessary water use, without adverse effects on the crop. In conclusion, this study demonstrates that the integration of sensors and artificial intelligence techniques into Decision Support Systems can constitute an effective tool for modern kiwifruit irrigation management under Greek conditions, while also providing prospects for further applications and development of such systems within the framework of precision agriculture.
  15. Hellenic Open University
  16. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές