Istraživači u Andaluziji razvili su AI alat za poboljšanje učinkovitosti navodnjavanja

Rezime

Istraživači sa Sveučilišta u Córdobi razvili su AI alat, LSTMHybrid, koji može predvidjeti potrebe za vodom za navodnjavanje tjedan dana unaprijed s 80% točnosti, s ciljem pomoći poljoprivrednicima u uštedi vode i energije. Alat pojednostavljuje unos podataka poljoprivrednicima i upraviteljima navodnjavanja, omogućujući preciznije proračunske potrebe za vodom i optimizaciju troškova vode i energije.

Istraživači s odjela za agronomiju Sveučilišta u Córdobi razvili su alat za umjetnu inteligenciju koji će pomoći poljoprivrednicima da predvidi koliko im je vode potrebno za navodnjavanje tjedan dana unaprijed.

Istraživači su dodali da je ovaj najnoviji alat, LSTMHybrid, dio šireg napora za digitalizaciju navodnjavanja, za koji su rekli da će pomoći poljoprivrednicima da smanje troškove proizvodnje uštedom vode i energije.

Najnoviji alat temelji se na modelu Cangenfis, razvijenom 2021. i obučenom korištenjem četverogodišnjih klimatskih podataka iz Zújara u andaluzijskoj pokrajini Granada. Kada se postavi, mogao bi predvidjeti dugoročne potrebe za vodom za navodnjavanje s 80 posto točnosti.

Međutim, prva iteracija alata pokretanog umjetnom inteligencijom mogla je samo predvidjeti ukupne potrebe za vodom za razne usjeve, uključujući rižu, kukuruz i rajčice.

"Velika je razlika u odnosu na prijašnje modele to što je ovo prvi put da se radi na sedmodnevnoj skali,” rekao je Rafael González, jedan od trojice vodećih istraživača uključenih u oba projekta.

LSTMHybrid omogućuje poljoprivrednicima da preciznije proračunaju svoje potrebe za vodom i preklapaju očekivane potrebe za navodnjavanjem s različitim tarifnim razdobljima. Istraživači se nadaju da će ovi precizniji podaci pomoći poljoprivrednicima da donesu ekonomski i agronomski utemeljene odluke za optimizaciju vode i energije.

Potreba za modernizacijom španjolskog sustava navodnjavanja, za koji istraživači kažu da je tradicionalno vođen povijesnim iskustvom, a ne prediktivnim podacima, bila je učinio sve potrebnijim dugotrajnom sušom i opasno niske razine rezervoara.

Dok je CANGENFIS koristio stotine neuronskih mreža koje uzimaju u obzir pola milijuna različitih faktora, LSTMHybrid daje svoja predviđanja na temelju prosječne temperature, referentne evapotranspiracije, vlažnosti i prethodnih zapisa o navodnjavanju.

Novi model također može spremati prethodno unesene podatke kako bi poboljšao svoju sposobnost predviđanja iz godine u godinu.

Ovo pojednostavljenje omogućuje poljoprivrednicima i upraviteljima navodnjavanja da ručno unose tjedne podatke u sustav putem običnog računala, predviđajući koliko je vode potrebno za navodnjavanje sljedeći tjedan.

"Poznavanje potražnje za vodom nekoliko dana unaprijed olakšat će upravljanje sustavom i pomoći u optimizaciji korištenja vode i troškova energije,” rekao je Juan Antonio Rodríguez, još jedan istraživač uključen u oba projekta.

Uz poboljšanje upravljanja vodama, Antonio Rodríguez je dodao da će nova mogućnost predviđanja pomoći u prijelazu regije na obnovljivu energiju pružanjem točnijih prognoza za potražnju energije u poljoprivredi.

"Znanje postoji, a tehnologija je testirana i radi,” rekao je treći vodeći istraživač Emilio Camacho. â € <"Sada moramo razviti alat koji zajednicama omogućuje korištenje ove tehnologije na jednostavan način kako bi tvrtke koje će pružiti tehnološka rješenja zajednici za navodnjavanje predstavile ta dostignuća.”

• Sveučilište u Córdobi
• Sveučilište u Córdobi