土壤是作物生长的根基，而土壤传感器就像给土地做“体检”。常见的采集参数包括土壤温湿度、酸碱度（pH值）、电导率（反映盐分含量）以及氮磷钾等养分含量。以土壤湿度传感器为例，它利用电容或电阻原理，测量土壤中水分含量对应的介电常数变化，从而换算出体积含水量。这类数据通过无线节点上传至云端，农户在手机上就能看到哪块地“渴了”、哪块地“吃太饱”。更先进的离子选择性电还能实时监测硝态氮浓度，帮助实现精准施肥，减少化肥流失对水体的污染。
气象条件直接影响作物的光合作用、蒸腾作用和病虫害发生规律。农业气象站通常集成温度、湿度、风速风向、降雨量、光照强度和二氧化碳浓度等传感器。例如，当叶面湿度传感器检测到叶片持续湿润超过一定时长，系统会结合温度数据发出霜霉病或灰霉病的预警。太阳总辐射传感器则能计算作物累积光能，为产量预测提供依据。这些数据与气象卫星、雷达遥感结合，可以形成从田块到区域的立体监测网络，让灌溉和喷药不再“看天碰运气”。
作物自身的状态是直接的反馈。通过多光谱或高光谱相机搭载在无人机或田间轨道上，可以获取归一化植被指数（NDVI），反映叶绿素含量和生物量。茎秆直径传感器能记录果实膨大或水分胁迫引起的微米级变化；叶温传感器则揭示气孔导度和水分亏缺状况。这些信息经过模型分析，能判断作物是否处于氮胁迫、干旱或病害早期，从而在肉眼可见症状之前就采取干预措施。
单个传感器只是“点”，而由无线节点、网关和云平台组成的采集网络才是“面”。数据经清洗、融合后，驱动智能灌溉、变量施肥和自动放风等执行设备，形成“感知—分析—控制”的闭环。当前研究热点包括低功耗广域网（LoRa、NB-IoT）在农田的覆盖优化，以及利用机器学习填补缺失数据、提高预测精度。
传感与数据采集让农业从“经验驱动”走向“数据驱动”，但它并非取代农民，而是把人的判断力从重复观测中解放出来，聚焦于更复杂的经营决策。理解这些“数字感官”的原理与局限，是走进智慧农业的步。
