Raziskovalci v Andaluziji razvijajo orodje z umetno inteligenco za izboljšanje učinkovitosti namakanja

Povzetek

Raziskovalci na Univerzi v Córdobi so razvili orodje z umetno inteligenco, LSTMHybrid, ki lahko z 80-odstotno natančnostjo napove potrebo po vodi za namakanje teden dni vnaprej, s čimer želi pomagati kmetom pri varčevanju z vodo in energijo. Orodje kmetom in upravljavcem namakanja poenostavlja vnos podatkov, kar omogoča natančnejše načrtovanje potreb po vodi in optimizacijo stroškov vode in energije.

Raziskovalci z oddelka za agronomijo Univerze v Córdobi so razvili orodje umetne inteligence ki bo kmetom pomagal napovedati, koliko vode potrebujejo za namakanje teden dni vnaprej.

Raziskovalci so dodali, da je to najnovejše orodje, LSTMHybrid, del širšega prizadevanja za digitalizacijo namakanja, ki bo po njihovem mnenju kmetom pomagalo znižati proizvodne stroške z varčevanjem z vodo in energijo.

Najnovejše orodje temelji na modelu Cangenfis, razvitem leta 2021 in usposobljenem z uporabo štiriletnih podnebnih podatkov iz Zújarja v andaluzijski provinci Granada. Ko bi bil nameščen, bi lahko napovedal dolgoročne potrebe po vodi za namakanje z 80-odstotno natančnostjo.

Vendar pa je prva ponovitev orodja, ki ga poganja umetna inteligenca, lahko predvidela samo splošne potrebe po vodi za različne pridelke, vključno z rižem, koruzo in paradižniki.

"Velika razlika v primerjavi s prejšnjimi modeli je, da je bilo prvič izvedeno v sedemdnevnem obsegu,« je povedal Rafael González, eden od treh vodilnih raziskovalcev, vključenih v oba projekta.

LSTMHybrid omogoča kmetom, da natančneje izračunajo svoje potrebe po vodi in prekrijejo pričakovane potrebe po namakanju z različnimi tarifnimi obdobji. Raziskovalci upajo, da bodo ti natančnejši podatki kmetom pomagali pri sprejemanju najbolj ekonomsko in agronomsko informiranih odločitev za optimizacijo vode in energije.

Potreba po posodobitvi španskega namakalnega sistema, za katerega raziskovalci pravijo, da ga tradicionalno vodijo zgodovinske izkušnje in ne napovedni podatki, je bila postalo še toliko bolj potrebno zaradi dolgotrajne suše in nevarno nizke ravni rezervoarja.

Medtem ko je CANGENFIS uporabil na stotine nevronskih mrež, ki upoštevajo pol milijona različnih dejavnikov, LSTMHybrid napoveduje na podlagi povprečne temperature, referenčne evapotranspiracije, vlažnosti in prejšnjih zapisov namakanja.

Novi model lahko shrani tudi predhodno vnesene podatke, da izboljša sposobnost napovedovanja iz leta v leto.

Ta poenostavitev omogoča kmetom in upravljavcem namakanja, da ročno vnašajo tedenske podatke v sistem prek običajnega računalnika in napovedujejo, koliko vode je potrebno za namakanje naslednji teden.

"Poznavanje povpraševanja po vodi nekaj dni vnaprej bo olajšalo upravljanje sistema in pomagalo optimizirati porabo vode in stroške energije,« je povedal Juan Antonio Rodríguez, še en raziskovalec, ki sodeluje pri obeh projektih.

Antonio Rodríguez je poleg izboljšanja upravljanja z vodo dodal, da bo nova napovedna zmogljivost pomagala pri prehodu regije na obnovljivo energijo z zagotavljanjem natančnejših napovedi za povpraševanje po energiji v kmetijstvu.

"Znanje je prisotno, tehnologija je preizkušena in deluje,« je povedal tretji vodilni raziskovalec Emilio Camacho. ​,war"Zdaj moramo razviti orodje, ki skupnostim omogoča uporabo te tehnologije na preprost način, tako da podjetja, ki bodo zagotavljala tehnološko rešitev za namakalno skupnost, uvedejo ta napredek.«

• Univerza v Córdobi
• Univerza v Córdobi