Пресная вода не безгранична. Осадки непредсказуемы. А растения не всегда испытывают жажду.
Только 3 процента мировой воды пригодно для питья, и более 70 процентов этой пресной воды используется в сельском хозяйстве. Излишняя ирригация тратит впустую огромное количество воды - некоторые культуры поливают в два раза больше, чем им нужно, - и способствует загрязнению водоносных горизонтов, озер и океанов.
Прогнозная модель, объединяющая информацию о физиологии растений, состоянии почвы в режиме реального времени и прогнозы погоды, может помочь принять более обоснованные решения о том, когда и сколько поливать. Согласно новому исследованию Корнельского университета, это может сэкономить 40% воды, потребляемой более традиционными методами.
«Если у вас есть структура для соединения всех этих превосходных источников больших данных и машинного обучения, мы можем сделать сельское хозяйство умным», - сказал Фэнци Ю, профессор инженерии энергетических систем.
You является старшим автором книги «Надежная модель прогнозирующего управления ирригационными системами с активным изучением неопределенности и анализом данных», которая опубликована в IEEE Transactions on Control Systems Technology. Документ был написан в соавторстве с Абрахамом Струком, профессором химической и биомолекулярной инженерии, который работает над стратегиями сохранения воды с фермерами, выращивающими яблоки в штате Нью-Йорк, и производителями миндаля, яблок и винограда в засушливых регионах Западного побережья.
«Эти культуры, выращиваемые в полузасушливой, полупустынной среде Центральной долины Калифорнии, являются огромными потребителями воды - один галлон воды на миндаль», - сказал Струк.«Так что есть реальная возможность улучшить то, как мы управляем водой в этих условиях».
По его словам, Точный контроль влажности растений также может улучшить качество чувствительных специальных культур, таких как винный виноград.
Метод исследователей использует исторические данные о погоде и машинное обучение для оценки неопределенности прогноза погоды в реальном времени, а также неопределенности того, сколько воды будет потеряно в атмосферу из листьев и почвы. Это сочетается с физической моделью, описывающей изменения влажности почвы.
Интеграция этих подходов, как они обнаружили, делает решения по поливу более точными.
Часть задачи исследования заключается в определении наилучшего метода для каждой культуры, а также в определении затрат и выгод перехода на автоматизированную систему с системы, управляемой человеком. Поскольку яблони относительно малы и быстро реагируют на изменения количества осадков, им могут не потребоваться данные о погоде за недели или месяцы. Миндальные деревья, которые, как правило, крупнее и медленнее адаптируются, выигрывают от долгосрочных прогнозов.
«Нам нужно оценить правильный уровень сложности стратегии управления, и даже самый причудливый может не иметь особого смысла», - сказал Струк. «Эксперты, которые держат в руках клапаны, довольно хороши. Мы должны убедиться, что если мы собираемся предложить кому-то инвестировать в новые технологии, мы должны быть лучше, чем эти эксперты».