US-Studie: LoRa-IoT automatisiert Bewässerung im Feldtest
Die auf ScienceDirect (Elsevier) veröffentlichte Studie von José O. Payero, Udayakumar Sekaran und Dana Bodiford Turner (Clemson University) zeigt, wie sich ein kostengünstiges, quelloffenes IoT-System zur teilautomatisierten Bewässerung mit einem Lateral-Move-System umsetzen lässt.
Über drei Baumwoll-Anbausaisons wurde die Lösung unter realen Feldbedingungen getestet. Sie steuert Bewässerungszonen auf Basis von Echtzeitdaten zum Bodenwasserpotenzial.
IoT für präzisere Bewässerung
Bewässerungssysteme arbeiten in vielen landwirtschaftlichen Betrieben weiterhin nach festen Zeitplänen oder manuellen Entscheidungen. Das kann zu Über- oder Unterbewässerung führen, insbesondere bei variierenden Boden- und Feldbedingungen.
Die Studie adressiert dieses Problem mit einem drahtlosen Sensornetzwerk, das Bodenwasserpotenzial in Echtzeit erfasst und einzelne Bewässerungszonen eines Lateral-Move-Systems automatisiert steuert. Ziel ist eine präzise, zonenbasierte Wasserverteilung während eines Bewässerungsvorgangs.
Ein Lateral-Move-System ist eine linear fahrende Beregnungsanlage, die sich seitlich über das Feld bewegt und Wasser gleichmäßig über mehrere Sprinkler verteilt.
Systemaufbau mit LoRa, Sensoren und Relaissteuerung
Das System wurde auf einem 1,5 Hektar großen Baumwollfeld am Clemson University Edisto Research and Education Center in South Carolina getestet und basiert auf offenen Elektronikkomponenten sowie einer IoT-Plattform.
In jeder Bewässerungszone wurden WATERMARK-200SS-Sensoren installiert, die das Bodenwasserpotenzial in drei Tiefen messen. Die Sensordaten wurden alle 20 Minuten erfasst und über LoRa an einen zentralen Empfänger übertragen.
Ein Positionssensor mit Drehgeber bestimmte zusätzlich die Position des Lateral-Move-Systems im Feld. Auf dieser Grundlage konnte das System entscheiden, welche Zonen beim Überfahren tatsächlich bewässert werden müssen.
16 Bewässerungszonen im Feldversuch
Das Feld wurde in 16 unabhängig überwachte Zonen unterteilt. Die Steuerung erfolgte über Relais und Magnetventile an den Sprinklerleitungen.
In den Jahren 2021 und 2022 wurden vier Varianten verglichen: ein Trockenland-Kontrollversuch ohne Bewässerung sowie drei Bewässerungsschwellen bei −30, −40 und −50 kPa Bodenwasserpotenzial.
Die kPa-Werte beschreiben das Bodenwasserpotenzial: Je negativer der Wert, desto trockener der Boden und desto später wird bewässert.
Der Schwellenwert von −30 kPa führte zu häufigeren Bewässerungsereignissen und stabileren Bodenwasserbedingungen. Bei −50 kPa traten stärkere Schwankungen auf, da längere Trockenphasen zugelassen wurden.
Feldtest über drei Anbausaisons
Das System wurde von 2020 bis 2022 im Baumwollanbau getestet. Im Fokus standen technische Aspekte wie Funkkommunikation, Datenerfassung, Positionsbestimmung und zonenspezifische Ventilsteuerung.
Im ersten Einsatzjahr traten praktische Herausforderungen auf, unter anderem durch Wildtiere, beschädigte Sensorleitungen, Gewitter und eingeschränkte Solarstromversorgung. Diese Probleme wurden durch Schutzmaßnahmen und Designanpassungen reduziert.
Trotz dieser Bedingungen funktionierten 13 von 16 Sensorknoten im ersten Jahr zuverlässig. In den Folgejahren wurde die Systemstabilität weiter verbessert.
Keine signifikanten Ertragsunterschiede
Aufgrund hoher und gut verteilter Niederschläge waren Bewässerungsereignisse selten. Entsprechend konnten keine signifikanten Unterschiede beim Baumwollertrag zwischen den Varianten festgestellt werden.
Die Studie zeigt damit vor allem die technische Machbarkeit und Zuverlässigkeit des Systems. Aussagen zum agronomischen Nutzen unter Trockenbedingungen erfordern weitere Untersuchungen.
LoRa-Kommunikation im System: Architektur ohne LoRaWAN
Das drahtlose Sensornetzwerk basiert auf LoRa zur lokalen Datenübertragung im Feld. Sensorknoten senden ihre Messwerte direkt an eine zentrale Steuereinheit.
Dabei handelt es sich nicht um ein LoRaWAN-Netzwerk. Die Kommunikation erfolgt direkt zwischen Sensoren und Empfänger in einer einfachen Sternstruktur.
Die Cloud-Anbindung erfolgt separat über ein Mobilfunkmodul. Dieses überträgt die Daten an eine IoT-Plattform zur Echtzeitvisualisierung.
Für Systemintegratoren zeigt dieser Ansatz eine typische Agrar-IoT-Architektur: LoRa für lokale Kommunikation, Mobilfunk für die externe Datenintegration. Dadurch bleibt das System unabhängig von zusätzlicher Netzwerkinfrastruktur.
Teilautomatisierung mit Perspektive zur Vollautomatisierung
Das System automatisiert die Wasserverteilung innerhalb der Zonen. Start und Ende des Bewässerungsvorgangs werden weiterhin manuell gesteuert.
Damit handelt es sich um eine Teilautomatisierung. Für eine vollständige Automatisierung wären zusätzliche Komponenten erforderlich, darunter Drucksensoren, Durchflussschalter und Sicherheitsmechanismen für den Pumpenbetrieb.
Die ganze Studie finden Sie hier: https://www.sciencedirect.com/science/article/pii/S2772375526002261