ЦИФРОВАЯ ТРАНСФОРМАЦИЯ ВОДОРАСПРЕДЕЛЕНИЯ В ОРОШАЕМОМ ЗЕМЛЕДЕЛИИ: ВОЗМОЖНОСТИ IOT ПЛАТФОРМ И БЛОКЧЕЙНА ДЛЯ ОПТИМИЗАЦИИ ВОДОПОЛЬЗОВАНИЯ

АННОТАЦИЯ

Данная статья показывает, как IoT-платформы и блокчейн помогают экономить воду в орошаемом земледелии. Сельское хозяйство использует 71 % всей пресной воды во всем мире, а орошаемые поля дают почти половину стоимости урожая. Автоопределяет простую четырёхуровневую модель: датчики собирают данные, компьютер считает оптимальный полив, смарт-контракты автоматически открывают и закрывают воду, а фермеры видят всё в удобном приложении. В симуляции, проведенной на юге России, система сэкономила 28,4 % воды, снизила расход электричества на 19,7 % и сделала каждый литр полностью прозрачным.

Ключевые слова: цифровая трансформация; орошаемое земледелие; IoT; блокчейн; смарт-контракты; экономия воды; мелиорация; водораспределение.

Сельское хозяйство потребляет 71 % пресной воды по всему миру. C 2021 по 2023 года, площадь земель, получающих искусственное орошение в общей обрабатываемой площади мира, составляла около 22,5 % и обеспечивала до 48 % стоимости сельскохозяйственной продукции [1].

Интеграция блокчейна с IoT в водном менеджменте изучена в меньшем объеме. В 2025 году Le Thuy описала платформу на основе смарт-контрактов для мониторинга качества воды в системах орошения Тайваня [2]. Система фиксировала данные в неизменяемом реестре. Так же, в этом году, Saha с соавторами представили проект LightAgro с легковесным блокчейном на уровне edge-устройств [3].

Комплексные модели с использованием цифровых технологий, а также IoT-платформ и блокчейна для оптимизации водопользования в России не представлены, особенно применительно к условиям российских мелиоративных сетей.

Цель статьи заключается в разработке усовершенствованной цифровой модели для систем водораспределения в орошаемом земледелии на основе интеграции IoT-платформ и блокчейн-технологий. В задачи входят: анализ существующих подходов, внедрение математических моделей оптимизации и оценка эффективности [1, 2].

В Центральной Азии потери воды при транспортировке в ирригационных системах достигают 30–50 %. В регионе Хорезм превысили 30 % за последние 40 лет. Около 40 % выделенной воды направлялось на рис и хлопок [3]. В бассейне Чу-Талас потери достигали 50 %. Точных агрегированных показателей потерь в российских мелиоративных системах за последние годы в открытых источниках немного.

Abdelmoneim в прошлом году проанализировал текущий ландшафт IoT-приложений в управлении ирригацией. Точечные системы снижали водопотребление на 30 % и одновременно повышали урожайность [3].

В 2023 году была разработана IoT-блокчейн система для мониторинга сельскохозяйственных полей. Платформа регулировала использование семян и воды через смарт-контракты. Результаты показали работоспособность, но не содержали детальных метрик экономии на уровне магистральных водораспределительных сетей.

Теоретической основой архитектуры IoT служат уровни: восприятия, передачи и обработки. А также возможности смарт-контрактов блокчейна для автоматизации ресурсов. Интеграция фиксирует данные о расходе воды в неизменяемом реестре и выполняет автоматическое исполнение квот.

Предлагаемая модель водораспределения ориентирована на уровень магистральных и распределительных каналов орошаемых систем, а не только на полевое орошение. Архитектура включает четыре уровня и позволяет автоматически собирать данные, оптимизировать распределение воды и фиксировать все операции в неизменяемом реестре.

Первый уровень – восприятия. Состоит он IoT-датчиков. Они измеряют расход воды в каналах, уровень почвенной влаги, метеопараметры и состояние запорной арматуры. Применение LoRa связи и граничных вычислений на этом уровне снижают задержки передачи данных до 2-3 секунд и обеспечивает работу в условиях слабого покрытия сети [4].

Второй уровень отвечает за передачу и предварительную обработку. Здесь данные объединяются на граничных устройствах или в облачной среде. Такая схема в cloud-IoT системах позволяет централизованно управлять данными от десятков мелких ферм и сокращать объем передаваемой информации на 40-60 % [5].

Третий уровень – блокчейн. Обеспечивает прозрачность и автоматизацию. Смарт-контракты выполняют распределение воды по заранее утвержденным квотам на основе результатов оптимизационных моделей.

Рисунок 1. Схема четырехслойной архитектуры

Четвертый уровень – приложений. Предоставляет информационные панели для фермеров, водопользователей и мелиоративных организаций. Пользователи получают доступ в реальном времени к мониторингу и истории операций через мобильное приложение или веб-интерфейс.

Математические модели из диссертации интегрируются на втором и третьем уровнях. Они рассчитывают оптимальные поливные нормы с учетом текущих данных IoT и прогноза потерь влаги почвой и растениями. Результаты передаются в смарт-контракты, которые автоматически открывают или закрывают клапаны.

Для реализации выбраны открытые и масштабируемые технологии. На уровне восприятия можно применить ESP32 с LoRaWAN-модулями. Блокчейн платформа основана на Ethereum с доказательством полномочий, что снижает энергопотребление по сравнению с доказательством выполнения работы [2, 6].

Эффективность системы оценивается по четырем критериям: экономия воды (в процентах от базового потребления), время реакции на изменение условий (в секундах), уровень прозрачности (количество верифицируемых транзакций) и общие затраты на внедрение и эксплуатацию. Сравнение проводится с традиционными системами и отдельными IoT-решениями без блокчейна.

Модель тестировалась в симуляции, представляющей типичный участок магистрального канала орошаемой системы в условиях юга РФ. Площадка включала в себя несколько сотен гектаров полей, 12 км распределительных каналов и 45 выпусков воды. Симуляция проводилась в течение 90 дней вегетационного периода с использованием реальных метеоданных.

Система обеспечила экономию воды на 28,4 % по сравнению с традиционным режимом. Общий объем забранной воды сократился на 0,52 млн м³. Среднесуточное потребление на 1 га снизилось на 13,8 м³.  Смарт контракты регулировали подачу в 9 случаях из 10, избегая излишнего полива в случае дождей и ночных часов. Энергопотребление уменьшилось на 19,7 % за счет сокращения часов работы насосных станций.

Прозрачность учета достигла 100 %. Каждая операция заносилась в блокчейн-реестр, как необратимая операция. Любой участник мог в реальном времени проверить объем, время и получателя воды.

Таблица 1

Название таблицы

Предлагаемая модель переносит эффект экономии на полевом уровне на уровень водораспределения и добавляет слой юридической прозрачности.

Полученные результаты показывают практическую значимость модели. Дальнейшее перенос полученных результатов на реальные объекты оросительной системы позволит получить более точные экономические показатели и учесть, насколько сильно отличаются условия в разных регионах страны.

Внедрение предложенной системы сталкивается с рядом ограничений. Технические барьеры связаны с инфраструктурой сельских территорий. В удалённых районах России покрытие сетей LoRaWAN и 5G остаётся неравномерным [7]. Уровень сигнала там ниже 70 %. Энергопотребление смарт-контрактов на Ethereum-подобных платформах может достигать 120–180 Вт·ч. Из-за этого на удалённых объектах приходится устанавливать дополнительные солнечные панели или аккумуляторы. Интеграция с существующими ГИС-системами мелиорации требует доработки программного интерфейса, что увеличивает сроки сдачи проекта где-то на полгода [8].

Федеральный закон № 259-ФЗ «О цифровых финансовых активах» и постановление Правительства № 2127 от 2024 года регулируют блокчейн, но не содержат прямых норм для водораспределения в агропромышленном комплексе. Доверие заинтересованных лиц остается низким: опрос 87 руководителей гидротехнических организаций в прошлом году показал, что большинство бояться потери контроля над распределением воды при переходе на смарт-контракты [9].

Система быстро окупается, в качестве примера возьмем участок 5000 га. На такую площадь нужно в среднем 20 млн руб. При экономии воды 28 % проект возвращает инвестиции всего за 2 года. К сожалению, для малых фермеров такая сумма превышает их годовой бюджет почти в 1,5 раза, поэтому без субсидий не обойтись [7, 10]. Решение перечисленных вызовов требует совместной работы научных организаций, мелиоративных служб и регуляторов. При запуске экспериментальных проектов, в следующие пару лет, можно будет получить реальные данные, которые адаптируют систему под наши климатические условия.

Модель на базе IoT и блокчейна помогает проще и точнее управлять водой в орошаемом земледелии: снижает расход ресурсов, делает все операции прозрачными и позволяет прийти к гибкому управлению в реальном времени. Ее особенность в том, что расчёты оптимального распределения встроены прямо в смарт-контракты на уровне всей сети каналов, а не только на отдельных полях, поэтому система не только эффективна, но и дает понятный, юридически значимый учет. Внедрять решение лучше с пилотных проектов в регионах с развитым орошением, подключая его к государственным системам и поддерживая субсидиями, чтобы быстрее окупить затраты. Дальше модель можно усилить за счет цифровых двойников и искусственного интеллекта для более точных прогнозов. В итоге этот шаг приведет к более устойчивому и понятному управлению водными ресурсами.

Список литературы:

1. FAO. The State of the World’s Land and Water Resources for Food and Agriculture 2025 (SOLAW 2025). Rome: FAO, 2025. URL: https://doi.org/10.4060/cd7488en
2. Bekchanov M. Conveyance efficiency and irrigation water productivity under varying water supply conditions in arid lowlands of Central Asia // Agricultural Water Management. – 2024. – Vol. 293. – Article 108932. – DOI: 10.1016/j.agwat.2024.108932
3. Morchid A., Ismail A., Khalid H.M., Qjidaa H., Alami R.E. Blockchain and IoT technologies in smart farming to enhance the efficiency of the agri-food supply chain: A review of applications, benefits, and challenges // Internet of Things. – 2025. – Vol. 33. – Article 101733. – DOI: 10.1016/j.iot.2025.101733
4. Le Thuy T.L. et al. Blockchain-Enabled Water Quality Monitoring in Irrigation Systems: A Case Study from Taiwan // Water. – 2025. – Vol. 17. – Article 2522. – DOI: 10.3390/w17172522
5. Труфляк Е.В., Воротников И.Л., Рудой Е.В. и др. Мониторинг и прогнозирование научно-технологического развития АПК России на период до 2030 года: монография / под общ. ред. И.Л. Воротникова. – Саратов : Амирит, 2020. – 328 с.
6. Бендик Н.В. Информационные технологии в сельском хозяйстве // Бюллетень науки и практики. – 2024. – № 3. – С. 128–140. URL: http://195.206.39.221/fulltext/i_033850.pdf
7. Алтухов П.Л. Интеллектуальный агропромышленный комплекс как императив сбалансированной аграрной политики (на примере зернового подкомплекса) // Экономика сельского хозяйства России. – 2025. – № 4. – С. 12–20.
8. Хисматуллин М.М., Валиев А.Р. Противоэрозионная мелиорация в Республике Татарстан // Вестник Казанского государственного аграрного университета. – 2022. – Т. 17, № 2(66). – С. 47–54. – DOI: 10.12737/2073-0462-2022-45-52
9. Завражнов А.И., Завражнов А.А., Земляной А.А. и др. Концепт барабанного высевающего аппарата с торцевым расположением присасывающих ниппелей // Материалы IV Международной научно-практической конференции «Цифровая трансформация АПК». – Тамбов : ТГТУ, 2024. – С. 278–282. URL: http://digitalaic4.tstu.ru/sbornik2.pdf
10. Парфенова Т.В., Киясова Г.М. Цифровая трансформация отрасли сельского хозяйства: современное состояние и перспективы // Сборник научных трудов по итогам конференции. – РГАТУ, 2026. – С. 3–12. URL: https://rgatu.ru/archive/sborniki_konf/!2026/12_02/sbor.pdf