Forscher in Andalusien entwickeln KI-Tool zur Steigerung der Bewässerungseffizienz

Forscher der agrarwissenschaftlichen Fakultät der Universität Córdoba haben ein Tool auf Basis künstlicher Intelligenz entwickelt, mit dessen Hilfe Landwirte eine Woche im Voraus abschätzen können, wie viel Wasser sie für die Bewässerung benötigen.

Die Forscher fügten hinzu, dass dieses neueste Tool, LSTMHybrid, Teil einer umfassenderen Initiative zur Digitalisierung der Bewässerung ist, die den Landwirten helfen soll, ihre Produktionskosten durch Wasser- und Energieeinsparungen zu senken.

Das neueste Tool basiert auf dem Cangenfis-Modell, das 2021 entwickelt und anhand von Klimadaten aus vier Jahren aus Zújar in der andalusischen Provinz Granada trainiert wurde. Nach seiner Einführung könnte es den langfristigen Wasserbedarf für die Bewässerung mit einer Genauigkeit von 80 Prozent vorhersagen.

Die erste Version des KI-gestützten Tools konnte jedoch nur den Gesamtwasserbedarf für verschiedene Kulturen wie Reis, Mais und Tomaten vorhersagen.

„Der große Unterschied zu früheren Modellen besteht darin, dass dies zum ersten Mal auf einer Sieben-Tage-Skala durchgeführt wurde“, sagte Rafael González, einer der drei leitenden Forscher, die an beiden Projekten beteiligt sind.

LSTMHybrid ermöglicht es Landwirten, ihren Wasserbedarf genauer zu kalkulieren und den erwarteten Bewässerungsbedarf mit den verschiedenen Tarifzeiträumen abzugleichen. Die Forscher hoffen, dass diese präziseren Daten den Landwirten helfen werden, die wirtschaftlich und agronomisch fundiertesten Entscheidungen zur Optimierung von Wasser- und Energieverbrauch zu treffen.

Die Notwendigkeit, Spaniens Bewässerungssystem zu modernisieren – das laut den Forschern traditionell eher auf historischen Erfahrungen als auf Vorhersagedaten basierte –, ist durch die anhaltende Dürre und die gefährlich niedrigen Stauseestände umso dringlicher geworden.

Während CANGENFIS Hunderte von neuronalen Netzen nutzte, die eine halbe Million verschiedener Faktoren berücksichtigen, stützt LSTMHybrid seine Vorhersagen auf Durchschnittstemperatur, Referenz-Evapotranspiration, Luftfeuchtigkeit und frühere Bewässerungsdaten.

Das neue Modell kann zudem zuvor eingegebene Daten speichern, um seine Vorhersagegenauigkeit im Jahresvergleich zu verbessern.

Diese Vereinfachung ermöglicht es Landwirten und Bewässerungsmanagern, wöchentliche Daten manuell über einen gewöhnlichen Computer in das System einzugeben und so vorherzusagen, wie viel Wasser in der folgenden Woche für die Bewässerung benötigt wird.

„Die Kenntnis des Wasserbedarfs mehrere Tage im Voraus wird die Verwaltung des Systems erleichtern und dazu beitragen, den Wasserverbrauch und die Energiekosten zu optimieren“, sagte Juan Antonio Rodríguez, ein weiterer an beiden Projekten beteiligter Forscher.

Neben der Verbesserung des Wassermanagements fügte Antonio Rodríguez hinzu, dass die neue Vorhersagefunktion den Übergang der Region zu erneuerbaren Energien unterstützen würde, indem sie genauere Prognosen für den Energiebedarf in der Landwirtschaft liefert.

„Das Wissen ist vorhanden, und die Technologie wurde getestet und funktioniert“, sagte der dritte leitende Forscher Emilio Camacho. „Jetzt müssen wir das Tool entwickeln, das es den Gemeinden ermöglicht, diese Technologie auf einfache Weise zu nutzen, damit die Unternehmen, die der Bewässerungsgemeinschaft die technologische Lösung bereitstellen werden, diese Fortschritte einführen können.“