El agua dulce no es ilimitada. La lluvia no es predecible. Y las plantas no siempre tienen sed.
Solo el 3 por ciento del agua del mundo es potable, y más del 70 por ciento de esa agua dulce se usa para la agricultura. El riego innecesario desperdicia grandes cantidades de agua algunos cultivos se riegan el doble de lo que necesitan y contribuye aLa contaminación de acuíferos, lagos y océanos.
Un modelo predictivo que combina información sobre la fisiología de las plantas, las condiciones del suelo en tiempo real y los pronósticos del tiempo puede ayudar a tomar decisiones más informadas sobre cuándo y cuánto regar. Esto podría ahorrar el 40 por ciento del agua consumida por métodos más tradicionales, según nuevosInvestigación de la Universidad de Cornell.
"Si tiene un marco para conectar todas estas excelentes fuentes de big data y aprendizaje automático, podemos hacer que la agricultura sea inteligente", dijo Fengqi You, profesor de ingeniería de sistemas de energía.
Usted es el autor principal de "Control predictivo modelo robusto de sistemas de riego con aprendizaje de incertidumbre activa y análisis de datos", que se publicó en Transacciones IEEE en Tecnología de Sistemas de Control . El documento fue escrito en colaboración con Abraham Stroock, profesor de ingeniería química y biomolecular, que está trabajando en estrategias de conservación del agua con productores de manzanas en el estado de Nueva York y productores de almendras, manzanas y uvas en regiones de la costa oeste asoladas por la sequía.
"Estos cultivos, cuando se cultivan en el medio ambiente semiárido y semidesértico del Valle Central de California, son grandes consumidores de agua, un galón de agua por almendra", dijo Stroock. "Entonces hay una oportunidad real de mejorar la forma en que manejamos el aguaen estos contextos "
Controlar la humedad de la planta con precisión también podría mejorar la calidad de los cultivos especializados sensibles, como las uvas para vino, dijo.
El método de los investigadores utiliza datos climáticos históricos y aprendizaje automático para evaluar la incertidumbre del pronóstico del tiempo en tiempo real, así como la incertidumbre de cuánta agua se perderá en la atmósfera de las hojas y el suelo. Esto se combina con unmodelo físico que describe variaciones en la humedad del suelo.
La integración de estos enfoques, descubrieron, hace que las decisiones de riego sean mucho más precisas.
Parte del desafío de la investigación es identificar el mejor método para cada cultivo y determinar los costos y beneficios de cambiar a un sistema automatizado de uno operado por humanos. Debido a que los manzanos son relativamente pequeños y responden rápidamente a los cambios en la precipitación, pueden no requerir semanas o meses de datos climáticos. Los almendros, que tienden a ser más grandes y más lentos para adaptarse, se benefician de las predicciones a más largo plazo.
"Necesitamos evaluar el nivel correcto de complejidad para una estrategia de control, y el más sofisticado podría no tener más sentido", dijo Stroock. "Los expertos con sus manos en las válvulas son bastante buenos. Tenemos que asegurarnos de queSi vamos a proponer que alguien invierta en nuevas tecnologías, tenemos que ser mejores que esos expertos ".
Fuente de la historia :
Materiales proporcionado por Universidad de Cornell . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :