براساس پیش‌بینی سازمان خواربار و کشاورزی ملل متحد (FAO ) در سال ۲۰۵۰ ، جمعیت جهان به بیش از ۹.۶ میلیارد خواهد رسید و برای تامین مواد غذایی میزان تولید باید بیش از ۷۰ درصد رشد داشته باشد، اما چالش‌های فراوانی در مسیر این رشد وجود دارد. نرخ رشد پایین، محدودیت و کمبود زمین‌های کشاورز ی، محدودیت روزافزون منابع آبی، تغییرات آب و هوایی، کمبود منابع انرژی و افزایش قیمت حامل‌های انرژی و تغییر بافت جمعیتی مولد در حوزه کشاورزی و مهاجرت روستاییان به شهر و مناطق صنعتی از چالش‌های پیش روی توسعه کشاورزی در تمامی دنیا است.
بر اساس توصیه FAO یکی از راه‌های غلبه بر این محدودیت‌ها و چالش‌ها، استفاده از فناوری‌ها و ابزارهای نوآورانه در حوزه کشاورزی است. در این راستا، از فناوری‌های دیجیتال و فناوری اطلاعات، به صورت گسترده‌ای در هوشمندسازی و بهینه‌سازی فرآیندهای کشاورزی از کاشت تا برداشت استفاده می‌شود. با توجه به توسعه و بلوغ روزافزون ایده فناوری «اینترنت اشیاء» و قابلیت به‌کارگیری آن در حوزه کشاورزی، بهره مندی از این ابزار می‌تواند بستر بسیار موثر ی در تحقق کشاورز ی هوشمند (کشاورز ی دقیق) مهیا سازد.
هدف اصلی اینترنت اشیاء در حوزه کشاورزی، بهبود مدیریت اراضی زراعی و رسیدن به حداکثر میزان تولید با صرف حداقل میزان آب، کود، سم و غیره است. رسیدن به این موضوع، نیازمند کسب اطلاع از وضعیت زمین‌های زراعی و محصولات در طول فصل رشد است. بخشی از این اطلاعات با استفاده از سنسورهای زمینی و تصاویر ماهواره‌ای و یا تصاویر پهپاد فراهم می‌شود. استفاده از تصاویر سنجش‌ازدور، از آن جهت اهمیت دارد که سنسورهای زمینی به تنهایی نمی‌توانند در وسعت گسترده مورد استفاده قرار گیرند. ماهیت نقطه‌ای بودن و همچنین هزینه بالای ساخت، نصب و نگهداری با توجه به وسعت بالای اراضی زراعی از مواردی است که نیاز به استفاده از ابزاری چون سنجش از دور را ملزم می‌سازد. از سوی دیگر، استفاده از تصاویر سنجش‌ازدور، بدون داده‌های زمینی دقیق، با خطای زیادی همراه است.
ازاین‌رو در این پروژه، استفاده ترکیبی از تصاویر سنجش از دور و سنسورهای زمینی رطوبت خاک، رطوبت هوا، دمای خاک و هوا، فشار هوا، سرعت و جهت باد و میزان تشعشع خورشید به‌صورت پایلوت در کشت و صنعت مغان اجرایی شده است. خروجی‌ها و محصولات نهایی پروژه شامل نقشه سطح زیر کشت محصولات، برآورد میزان تبخیرتعرق (مصرف آب)، شاخص سطح برگ (نمایانگر میزان تولید و بیومس)، کلروفیل محصول (نمایانگر سلامت گیاه)، میزان آب گیاه و پیش‌بینی تولید قبل از برداشت محصول است. در فاز اول پروژه، از تصاویر ماهواره‌ای Landsat ۸ و Sentinel ۲ که مناسب مطالعه فعالیت‌های کشاورزی است، استفاده شده است.
