Ερευνητές στην Ανδαλουσία αναπτύσσουν εργαλείο τεχνητής νοημοσύνης για τη βελτίωση της αποτελεσματικότητας της άρδευσης

Ερευνητές από το τμήμα γεωπονίας του Πανεπιστημίου της Κόρδοβα ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης που θα βοηθήσει τους αγρότες να προβλέψουν πόσο νερό χρειάζονται για άρδευση μια εβδομάδα νωρίτερα.

Οι ερευνητές πρόσθεσαν ότι αυτό το τελευταίο εργαλείο, το LSTMHybrid, αποτελεί μέρος μιας ευρύτερης προσπάθειας ψηφιοποίησης της άρδευσης, η οποία, όπως είπαν, θα βοηθήσει τους αγρότες να μειώσουν το κόστος παραγωγής εξοικονομώντας νερό και ενέργεια.

Το πιο πρόσφατο εργαλείο βασίζεται στο μοντέλο Cangenfis, το οποίο αναπτύχθηκε το 2021 και εκπαιδεύτηκε χρησιμοποιώντας κλιματικά δεδομένα τεσσάρων ετών από το Zújar στην ανδαλουσιανή επαρχία της Γρανάδας. Όταν αναπτυχθεί, θα μπορούσε να προβλέψει τις μακροπρόθεσμες ανάγκες σε νερό για άρδευση με 80 τοις εκατό ακρίβεια.

Ωστόσο, η πρώτη επανάληψη του εργαλείου που λειτουργεί με τεχνητή νοημοσύνη θα μπορούσε να προβλέψει μόνο τις συνολικές ανάγκες σε νερό για διάφορες καλλιέργειες, συμπεριλαμβανομένου του ρυζιού, του καλαμποκιού και της ντομάτας.

"Η μεγάλη διαφορά σε σχέση με τα προηγούμενα μοντέλα είναι ότι είναι η πρώτη φορά που γίνεται σε κλίμακα επτά ημερών», δήλωσε ο Rafael González, ένας από τους τρεις κύριους ερευνητές που συμμετείχαν και στα δύο έργα.

Το LSTMHybrid επιτρέπει στους αγρότες να προϋπολογίζουν τις ανάγκες τους σε νερό με μεγαλύτερη ακρίβεια και να επικαλύπτουν τις αναμενόμενες απαιτήσεις άρδευσης με τις διαφορετικές τιμολογιακές περιόδους. Η ελπίδα των ερευνητών είναι ότι αυτά τα πιο ακριβή δεδομένα θα βοηθήσουν τους αγρότες να λάβουν τις πιο οικονομικά και αγρονομικά τεκμηριωμένες αποφάσεις για τη βελτιστοποίηση του νερού και της ενέργειας.

Η ανάγκη εκσυγχρονισμού του συστήματος άρδευσης της Ισπανίας, το οποίο οι ερευνητές είπαν ότι παραδοσιακά καθοδηγείται από την ιστορική εμπειρία και όχι από προγνωστικά δεδομένα, έγινε ακόμη πιο απαραίτητο από τη διαρκή ξηρασία και επικίνδυνα χαμηλά επίπεδα δεξαμενής.

Ενώ το CANGENFIS χρησιμοποίησε εκατοντάδες νευρωνικά δίκτυα που λαμβάνουν υπόψη μισό εκατομμύριο διαφορετικούς παράγοντες, το LSTMHybrid κάνει τις προβλέψεις του με βάση τη μέση θερμοκρασία, την εξατμισοδιαπνοή αναφοράς, την υγρασία και τα προηγούμενα αρχεία άρδευσης.

Το νέο μοντέλο μπορεί επίσης να αποθηκεύσει δεδομένα που είχαν εισαχθεί προηγουμένως για να βελτιώσει την ικανότητά του να προβλέψει από έτος σε έτος.

Αυτή η απλούστευση επιτρέπει στους αγρότες και τους διαχειριστές άρδευσης να εισάγουν χειροκίνητα εβδομαδιαία δεδομένα στο σύστημα μέσω ενός συνηθισμένου υπολογιστή, προβλέποντας πόσο νερό χρειάζεται για άρδευση την επόμενη εβδομάδα.

"Η γνώση της ζήτησης για νερό αρκετές ημέρες νωρίτερα θα διευκολύνει τη διαχείριση του συστήματος και θα βοηθήσει στη βελτιστοποίηση της χρήσης του νερού και του κόστους ενέργειας», δήλωσε ο Juan Antonio Rodríguez, άλλος ερευνητής που συμμετέχει και στα δύο έργα.

Μαζί με τη βελτίωση της διαχείρισης του νερού, ο Antonio Rodríguez πρόσθεσε ότι η νέα προγνωστική ικανότητα θα βοηθήσει τη μετάβαση της περιοχής στην ανανεώσιμη ενέργεια παρέχοντας ακριβέστερες προβλέψεις για τη ζήτηση γεωργικής ενέργειας.

"Η γνώση υπάρχει και η τεχνολογία έχει δοκιμαστεί και λειτουργεί», δήλωσε ο τρίτος επικεφαλής ερευνητής Emilio Camacho. ​"Τώρα πρέπει να αναπτύξουμε το εργαλείο που επιτρέπει στις κοινότητες να χρησιμοποιούν αυτή την τεχνολογία με απλό τρόπο, ώστε οι εταιρείες που πρόκειται να προσφέρουν την τεχνολογική λύση στην αρδευτική κοινότητα να εισάγουν αυτές τις προόδους».

• Πανεπιστήμιο της Κόρδοβα
• Πανεπιστήμιο της Κόρδοβα