Onderzoekers in Andalusië ontwikkelen AI-tool om irrigatie-efficiëntie te verbeteren

Samenvatting

Onderzoekers aan de Universiteit van Córdoba hebben een AI-tool ontwikkeld, LSTMHybrid, die de waterbehoefte voor irrigatie een week van tevoren met 80% nauwkeurigheid kan voorspellen, met als doel boeren te helpen water en energie te besparen. De tool vereenvoudigt de invoer van gegevens voor boeren en irrigatiemanagers, waardoor ze de waterbehoefte nauwkeuriger kunnen budgetteren en de water- en energiekosten kunnen optimaliseren.

Onderzoekers van de landbouwafdeling van de Universiteit van Córdoba hebben een hulpmiddel voor kunstmatige intelligentie waarmee boeren een week van tevoren kunnen voorspellen hoeveel water ze nodig hebben voor irrigatie.

De onderzoekers voegden eraan toe dat deze nieuwste tool, LSTMHybrid, deel uitmaakt van een bredere inspanning om irrigatie te digitaliseren, wat volgens hen boeren zal helpen de productiekosten te verlagen door water en energie te besparen.

De nieuwste tool is gebaseerd op het Cangenfis-model, ontwikkeld in 2021 en getraind met behulp van vier jaar klimaatgegevens uit Zújar in de Andalusische provincie Granada. Wanneer het wordt ingezet, kan het de waterbehoefte op lange termijn voor irrigatie voorspellen met een nauwkeurigheid van 80 procent.

De eerste iteratie van de AI-aangedreven tool kon echter alleen de totale waterbehoefte voorspellen voor verschillende gewassen, waaronder rijst, maïs en tomaten.

"Het grote verschil met eerdere modellen is dat het de eerste keer is dat het op een zevendaagse schaal is gedaan”, zegt Rafael González, een van de drie hoofdonderzoekers die bij beide projecten betrokken zijn.

Met LSTMHybrid kunnen boeren hun waterbehoefte nauwkeuriger budgetteren en de verwachte irrigatiebehoefte afdekken met de verschillende tariefperiodes. De hoop van onderzoekers is dat deze nauwkeurigere gegevens boeren zullen helpen de meest economisch en agronomisch geïnformeerde beslissingen te nemen om water en energie te optimaliseren.

De noodzaak om het irrigatiesysteem van Spanje te moderniseren, waarvan onderzoekers zeiden dat het traditioneel werd geleid door historische ervaring en niet door voorspellende gegevens, is des te noodzakelijker gemaakt door de aanhoudende droogte en gevaarlijk lage reservoirniveaus.

Terwijl CANGENFIS honderden neurale netwerken gebruikte die rekening houden met een half miljoen verschillende factoren, doet LSTMHybrid zijn voorspellingen op basis van gemiddelde temperatuur, referentieverdamping, vochtigheid en eerdere irrigatierecords.

Het nieuwe model kan ook eerder ingevoerde gegevens opslaan om het vermogen om jaar-op-jaar te voorspellen te verbeteren.

Door deze vereenvoudiging kunnen boeren en irrigatiemanagers handmatig wekelijkse gegevens in het systeem invoeren via een gewone computer, om te voorspellen hoeveel water er de volgende week nodig is voor irrigatie.

"Als u de vraag naar water enkele dagen van tevoren kent, wordt het beheer van het systeem gemakkelijker en kunt u het gebruik van water en energiekosten optimaliseren, "zei Juan Antonio Rodríguez, een andere onderzoeker die bij beide projecten betrokken is.

Naast het verbeteren van het waterbeheer, voegde Antonio Rodríguez eraan toe dat het nieuwe voorspellende vermogen de regio zou helpen bij de overgang naar hernieuwbare energie door nauwkeurigere voorspellingen te doen over de vraag naar landbouwenergie.

"De kennis is er en de technologie is getest en werkt”, zegt de derde hoofdonderzoeker Emilio Camacho. ​"Nu moeten we de tool ontwikkelen waarmee de gemeenschappen deze technologie op een eenvoudige manier kunnen gebruiken, zodat de bedrijven die de technologische oplossing gaan bieden aan de irrigatiegemeenschap deze vooruitgang kunnen introduceren.”

• Universiteit van Córdoba
• Universiteit van Córdoba