[논문 리뷰] Integration of IoT- AI powered local weather forecasting: A Game-Changer for Agriculture

Suman R. Das, Parv Nayak|ArXiv.org|2024. 12. 22.

Smart Agriculture and AI인용 수 4

한 줄 요약

이 논문은 农业 의사결정을 향상시키기 위해 고해상도, 실시간 현지 기상 예측을 위한 IoT-AI 통합 프레임워크를 제안한다. 다섯 계층(데이터 수집, 저장, 처리, 응용, 의사결정)을 통해 저비용 IoT 센서와 기계학습 모델을 결합함으로써 정밀하고 지역적인 기상 예측이 가능해지며, 스마트 팜 및 지속 가능성 발전에 기여하지만, 디지털 리터러시 격차와 같은 과제는 해결되지 않은 채 남아 있다.

ABSTRACT

The dynamic environment context necessitates harnessing digital technologies, including artificial intelligence and the Internet of Things, to supply high-resolution, real-time meteorological data to support agricultural decision-making and improve overall farm productivity and sustainability. This study investigates the potential application of various AI-powered, IoT-based, low-cost platforms for local weather forecasting to enable smart farming. Despite the increasing demand for this topic, a few promising studies have explored this area. This paper developed a conceptual research framework based on a systematic review of relevant literature and employed a case study method to validate the framework. The framework comprised five key components: the Data Acquisition Layer, Data Storage Layer, Data Processing Layer, Application Layer, and Decision-Making Layer. This paper contributes to the literature by exploring the integration of AI-ML and IoT techniques for weather prediction tasks to support agriculture, and the incorporation of IoT technologies that provide real-time, high-resolution meteorological data, representing a step forward. Furthermore, this paper discusses key research gaps, such as the significant obstacles impeding the adoption of AI in agriculture and local weather forecasting, including the lack of straightforward solutions and the lack of digital skills among farmers, particularly those in rural areas. Further empirical research is needed to enhance the existing frameworks and address these challenges.

연구 동기 및 목표

• 농업 분야에서 지역적이고 실시간 기상 예측을 위한 IoT와 AI 통합 개념적 프레임워크를 개발하는 것.
• 소농업자 및 농촌 농업인에게 접근 가능한 고해상도 기상 데이터의 격차를 해소하는 것.
• 디지털 기술 습득 부족 및 확장 가능한 솔루션 부족과 같은 AI 농업 적용을 저해하는 주요 장애요인을 규명하는 것.
• 농업 환경에서의 데이터 흐름과 의사결정 지원을 위한 체계적이고 계층적인 시스템을 제안하는 것.
• 확장 가능하고 농업인 우호적인 AI-IoT 기반 기상 예측 시스템에 대한 향후 실증 연구를 자극하는 것.

제안 방법

• 프레임워크는 다섯 계층으로 구성된다: 실시간 기상 데이터 수집을 위한 저비용 IoT 센서를 활용하는 데이터 수집 계층.
• 클라우드 또는 엣지 기반 스토리지 시스템을 사용해 수집된 센서 데이터를 조직하고 보호하는 데이터 저장 계층.
• 센서 입력에서 기상 패턴을 분석하고 예측하기 위해 기계학습 모델(예: 회귀, 신경망)을 적용하는 데이터 처리 계층.
• 농업인 접근성을 위해 모바일 또는 웹 인터페이스를 통해 예보를 시각화하는 응용 계층.
• 예측 결과를 실질적인 농업 권고(예: 관개, 식재 시기 조정 등)로 통합하는 의사결정 계층.
• 체계적 문헌 고찰과 사례 연구 검증을 통해 프레임워크의 타당성을 개발하고 테스트함.

실험 결과

연구 질문

• RQ1 IoT와 AI는 어떻게 농업용 정확하고 지역 기반 기상 예측을 제공하기 위해 통합될 수 있는가?
• RQ2 농촌 농업 환경에서 확장 가능하고 저비용의 기상 예측 시스템을 구현하기 위해 필요한 주요 기술적 및 운영적 구성 요소는 무엇인가?
• RQ3 소농업자들이 AI 기반 기상 예측을 도입하는 데 제약이 되는 기술적, 사회적, 인프라적 장애요인은 무엇인가?
• RQ4 제안된 다섯 계층 프레임워크는 전통적 방법에 비해 농업 분야에서 데이터 흐름과 의사결정을 어떻게 향상시키는가?
• RQ5 디지털 리터러시와 시스템 접근성은 이러한 AI-IoT 시스템의 실제 현장 구현에서 어떤 역할을 하는가?

주요 결과

• 제안된 다섯 계층 프레임워크는 IoT 센서 데이터와 AI 기반 기상 예측을 효과적으로 통합하여, 농업 응용을 위한 실시간이고 지역 기반의 예측을 가능하게 한다.
• 저비용 IoT 장치와 기계학습 모델의 통합은 원격 농업 지역에서 고해상도 기상 데이터를 확장 가능하고 비용 효율적으로 제공하는 솔루션을 제공한다.
• 기술적 잠재력에도 불구하고, 농촌 농업인의 디지털 기술 습득 부족과 사용자 우아한 턴키 솔루션의 부재로 인해 여전히 도입 장벽이 크다.
• 프레임워크는 적시이고 데이터 기반의 농업 의사결정을 통해 농업 생산성 향상과 지속 가능성 향상 잠재력을 보여준다.
• 본 연구는 실제 농업 환경에서 사용성과 접근성 과제를 해결하기 위해 향후 실증 연구가 절실하게 필요하다는 것을 규명한다.