Tác giả

Đơn vị công tác

1 Khoa Kỹ Thuật Xây Dưng, Trường Đại học Bách khoa Tp. HCM; ttlong@hcmut.edu.vn; phu.nguyenk22090804@hcmut.edu.vn; huy.leminh1504@hcmut.edu.vn

2 Đại học Quốc gia Thành phố Hồ Chí Minh; ttlong@hcmut.edu.vn; phu.nguyenk22090804@hcmut.edu.vn;huy.leminh1504@hcmut.edu.vn; trongnhanle@hcmut.edu.vn

3Khoa Khoa học và Kỹ thuật Máy tính, Trường Đại học Bách khoa Tp. HCM; trongnhanle@hcmut.edu.vn

*Tác giả liên hệ: ttlong@hcmut.edu.vn; Tel.: +84–862616861

Tóm tắt

Không gian xanh trường học không chỉ làm đẹp cảnh quan và tạo giá trị giải trí, mà còn giảm căng thẳng, mệt mỏi và cải thiện chất lượng không khí cho cư dân, được xem như 'giải pháp dựa trên thiên nhiên' cho các thách thức xã hội và môi trường. Ngoài ra, không gian xanh còn hấp thụ nước mưa dư thừa và giảm tác động tiêu cực của các trận mưa lớn. Trong quá trình duy trì mảng xanh trong khuôn viên trường học, hầu hết công nhân chăm sóc thường dựa vào kinh nghiệm của họ để quyết định lượng nước tưới tiêu, dẫn đến việc sử dụng nước không hiệu quả cho mảng xanh và dẫn đên việc mảng xanh thường xuyên phải thay mới do ngập úng hoặc khô hạn. Do đó, nhóm nghiên cứu trong bài báo này đã phát triển thử nghiệm mô hình hệ thống tưới tiêu tự động dựa trên cảm biến IoT và trí tuệ nhân tạo cho các khu vực xanh trong trường học. Kết quả cho thấy, đất cát pha để tăng độ ẩm đất thêm 1-2%, cần tưới khoảng 0,015 m (15 lít/m²) nước, trong khi tưới thường xuyên cho khu vực xanh trong đô thị với lượng nước trên 0,02 m (20 lít/m²) có thể ngập úng cho cây trồng và lãng phí nước. Hệ thống tưới tiêu tự động này có khả năng dự báo lượng nước tưới tốt và giảm thiểu lượng nước tưới đến 40% so với lượng nước quan trắc. Để cải thiện độ chính xác, cần phát triển các cảm biến độ ẩm tốt hơn và sử dụng nhiều cảm biến hơn để đánh giá toàn diện độ ẩm của khu vực xanh. Quy trình của nghiên cứu này có thể làm cơ sở cho các nghiên cứu ứng dụng tưới tiêu và sử dụng nước thông minh hiệu quả cho các khu vực xanh trong trường học và đô thị.

Từ khóa

Trích dẫn bài báo

Long, T.T.; Phú, N.T.; Huy, L.M.; Nhân, L.T. Phát triển thử nghiệm hệ thống tưới thông minh tích hợp cảm biến IoT và trí tuệ nhân tạo cho các khu vực xanh trong trường học. Tạp chí Khí tượng Thuỷ văn 2024, 768, 34-44.

Tài liệu tham khảo

1. Nassary, E.K.; Msomba, B.H.; Masele, W.E.; Ndaki, P.M.; Kahangwa, C.A. Exploring urban green packages as part of Nature-based Solutions for climate change adaptation measures in rapidly growing cities of the Global South. J. Environ. Manage. 2022, 310, 114786.
2. Lafortezza, R.; Davies, C.; Sanesi, G.; Konijnendijk, C.C. Green Infrastructure as a tool to support spatial planning in European urban regions. iForest - Biogeosc. For. iForest. 2013, 6, 102.
3. Mees, H.L.P.; Driessen, P.P.J. Adaptation to climate change in urban areas: Climate-greening London, Rotterdam, and Toronto. Clim. Law 2011, 2, 251–280.
4. Liu W, Chen W, Peng C. Assessing the effectiveness of green infrastructures on urban flooding reduction: A community scale study. Ecol. Modell. 2014, 291, 6–14.
5. Sagris, T.; Tahir, S.; Möller-Gulland, J.; Quang, N.; Abbott, J.; Yang, L. Vietnam: hydro-economic framework for assessing water sector challenges. 2019.
6. Thang, N.V.; Khiem, M.V.; Trong, T.D. Study of Droughts in Ca Mau Province: Characteristics and Prediction Capabilities. VN J. Hydrometeorol. 2018, 1, 11–19.
7. Parés-Franzi, M.; Saurí-Pujol, D.; Domene, E. Evaluating the environmental performance of urban parks in Mediterranean cities: An example from the Barcelona Metropolitan Region. Environ. Manage. 2006, 38, 750–759.
8. Monteiro, L.; Cristina, R.; Covas, D. Water and energy efficiency assessment in urban green spaces. Energies 2021, 14, 5490.
9. Canales-Ide, F.; Zubelzu, S.; Rodríguez-Sinobas, L. Irrigation systems in smart cities coping with water scarcity: The case of Valdebebas, Madrid (Spain). J. Environ. Manage. 2019, 247, 187–195.
10. Gupta, A.D.; Pandey, P.; Feijóo, A.; Yaseen, Z.M.; Bokde, N.D. Smart water technology for efficient water resource management: A review. Energies 2020, 13, 6268.
11. Yu, L.; Gao, W.; Shamshiri, R.R.; Tao, S.; Ren, Y.; Zhang, Y.; et al. Review of research progress on soil moisture sensor technology. Int. J. Agric. Biol. Eng. 2021, 14, 32–42.
12. Sable, R.; Kolekar, S.; Gawde, A.; Takle, S.; Pednekar, A.J.A.A.R. A review on different irrigation methods. Int. J. Appl. Agric. Res. 2019, 14, 49–60.
13. Goap, A.; Sharma, D.; Shukla, A.K.; Krishna, C.R. An IoT based smart irrigation management system using Machine learning and open source technologies. Comput. Electron. Agric. 2018, 155, 41–49.
14. Delgoda, D.; Saleem, S.K.; Malano, H.; Halgamuge, M.N.J.A.W.M. Root zone soil moisture prediction models based on system identification: Formulation of the theory and validation using field and AQUACROP data. Agric. Water Mange. 2016, 163, 344–353.
15. Gao, P.; Qiu, H.; Lan, Y.; Wang, W.; Chen, W.; Han, X.; Lu, J. Modeling for the prediction of soil moisture in litchi orchard with deep long short-term memory. Agriculture 2021, 12, 25.
16. Nguyễn, T.T.; Lâm, Đ.V.; Lương, V.Q.D.; Hồ, C.T.; Nguyễn, H.T.; Lê, A.T. Nghiên cứu khả năng chấp nhận hệ thống tưới tự động trong canh tác lúa thông minh ở Đồng bằng sông Cửu Long Tạp chí Khoa học và Công nghệ Nông nghiệp Việt Nam 2019, 11, 1–17.
17. McCarty, L. Golf turf management: CRC Press, 2018.
18. Hùng, T.T.; Trí, V.K.; Sâm, L. Nghiên cứu thực nghiệm xây dựng đường đặc trưng ẩm của đất (PF) phục vụ xác định chế độ tưới hợp lý cho cây trồng cạn tại vùng khô hạn Nam Trung Bộ. Tạp chí Khoa học Kỹ thuật Thủy lợi và Môi trường 2017, 57, 40–49.
19. Simunek, J.; Van Genuchten, M.T.; Sejna, M. The HYDRUS-1D software package for simulating the one-dimensional movement of water, heat, and multiple solutes in variably-saturated media. University of California-Riverside Research Reports. 2005, 3, 1–240.
20. Leij, F.J. UNSODA unsaturated soil hydraulic database. 1996.
21. Long, T.T. Koontanakulvong S. Deep percolation characteristics via soil moisture sensor approach in Saigon river basin, Vietnam. Int. J. Civ. Eng. Technol. 2019, 10, 403–412.