智能灌溉模型预测降雨以节约用水

导读 淡水不是无限的。降雨是不可预测的。植物并不总是口渴。世界上只有3%的水可以饮用，超过70%的淡水用于农业。不必要的灌溉浪费了大量的水 -

淡水不是无限的。降雨是不可预测的。植物并不总是口渴。

世界上只有3%的水可以饮用，超过70%的淡水用于农业。不必要的灌溉浪费了大量的水 - 一些作物被浇水的次数达到了他们需要的两倍 - 并导致含水层，湖泊和海洋的污染。

结合有关植物生理学，实时土壤条件和天气预报的信息的预测模型可以帮助做出关于灌溉时间和灌溉量的更明智的决策。根据康奈尔大学的新研究，这可以节省40%的传统方法所消耗的水。

“如果你有一个框架来连接所有这些大数据和机器学习的优秀来源，我们就可以使农业变得聪明，”能源系统工程教授冯启友说。

您是“使用主动不确定性学习和数据分析的灌溉系统的鲁棒模型预测控制”的高级作者，该论文发表于IEEE Transactions on Control Systems Technology。该论文与化学和生物分子工程教授Abraham Stroock合着，他正在与纽约州的苹果农民以及西海岸干旱地区的杏仁，苹果和葡萄种植者一起致力于水资源保护战略。

“这些作物生长在加利福尼亚中央山谷的半干旱，半干旱环境中，是巨大的水消费者 - 每杏仁加一加仑水，”Stroock说。“因此，在这些背景下，我们有机会改善我们管理水资源的方式。”

他说，精确控制植物水分还可以提高敏感特种作物如葡萄酒的质量。

研究人员的方法使用历史天气数据和机器学习来评估实时天气预报的不确定性，以及叶子和土壤中大气水损失的不确定性。这与描述土壤湿度变化的物理模型相结合。

他们发现，整合这些方法可以使浇水决策更加精确。

该研究的部分挑战是确定每种作物的最佳方法，并确定从人工操作系统切换到自动化系统的成本和收益。由于苹果树相对较小并且对降水变化反应迅速，因此可能不需要数周或数月的天气数据。杏仁树往往更大，更慢适应，受益于长期预测。

“我们需要评估控制策略的正确复杂程度，而最高级的可能并不是最有意义的，”Stroock说。“掌握阀门的专家非常好。我们必须确保如果我们建议有人投资新技术，我们必须比那些专家更好。”