PRECISION AGRICULTURE TECHNOLOGIES FOR SUSTAINABLE CROP PRODUCTION: A SYSTEMATIC LITERATURE REVIEW
Notice bibliographique
Résumé
Background: The global agricultural sector faces unprecedented challenges in meeting food security demands while minimizing environmental degradation. Precision agriculture technologies (PATs) have emerged as a transformative approach to achieving sustainable crop production through site-specific management and resource optimization. Objective: This systematic literature review synthesizes current evidence on the application, effectiveness, and sustainability outcomes of precision agriculture technologies for crop production. Methods: Following PRISMA 2020 guidelines, a comprehensive search was conducted across five major databases (Scopus, Web of Science, PubMed, IEEE Xplore, and ScienceDirect) for studies published between 2015 and 2025. A total of 1,268 records were identified, of which 42 studies met the inclusion criteria. Quality assessment was performed using the modified Newcastle-Ottawa Scale. Results: The review reveals that precision agriculture technologies demonstrate significant potential for enhancing both economic and environmental sustainability. Variable rate technologies showed the strongest economic benefits (22.3% ROI increase), while remote sensing and IoT-based systems improved nitrogen use efficiency by 15.1% and reduced pesticide application by 12.8%. Key technologies include GPS guidance systems, unmanned aerial vehicles, sensor networks, and artificial intelligence-driven decision support systems. However, adoption barriers persist, particularly for smallholder farmers in developing regions. Conclusion: Precision agriculture technologies offer a viable pathway toward sustainable intensification of crop production. Future research should prioritize multi-scale technology integration, climate-resilient systems, and inclusive solutions addressing the needs of diverse farming contexts. Policy support and capacity building are essential for realizing the full potential of these technologies in achieving global food security and environmental sustainability goals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».