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

Ερευνητές του Τμήματος Γεωπονίας του Πανεπιστημίου της Κόρδοβα έχουν αναπτύξει ένα εργαλείο τεχνητής νοημοσύνης που θα βοηθά τους αγρότες να προβλέπουν, μία εβδομάδα νωρίτερα, την ποσότητα νερού που χρειάζονται για άρδευση.

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

Το τελευταίο αυτό 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 τεθεί σε εφαρμογή, θα μπορεί να προβλέπει τις μακροπρόθεσμες ανάγκες σε νερό για άρδευση με ακρίβεια 80%.

Ωστόσο, η πρώτη έκδοση του εργαλείου που βασίζεται στην τεχνητή νοημοσύνη μπορούσε να προβλέψει μόνο τις συνολικές ανάγκες σε νερό για διάφορες καλλιέργειες, όπως το ρύζι, το καλαμπόκι και οι ντομάτες.

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

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

Η ανάγκη εκσυγχρονισμού του συστήματος άρδευσης της Ισπανίας, το οποίο, σύμφωνα με τους ερευνητές, παραδοσιακά καθοδηγείται από την ιστορική εμπειρία και όχι από προγνωστικά δεδομένα, έχει καταστεί ακόμη πιο επιτακτική λόγω της παρατεταμένης ξηρασίας και των επικίνδυνα χαμηλών επιπέδων των δεξαμενών.

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

Το νέο μοντέλο μπορεί επίσης να αποθηκεύει δεδομένα που έχουν εισαχθεί προηγουμένως, ώστε να βελτιώσει την ικανότητά του να κάνει προβλέψεις σε ετήσια βάση.

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

«Η γνώση της ζήτησης νερού αρκετές ημέρες νωρίτερα θα διευκολύνει τη διαχείριση του συστήματος και θα συμβάλει στη βελτιστοποίηση της χρήσης του νερού και του ενεργειακού κόστους», δήλωσε ο Juan Antonio Rodríguez, ένας άλλος ερευνητής που συμμετέχει και στα δύο έργα.

Εκτός από τη βελτίωση της διαχείρισης του νερού, ο Antonio Rodríguez πρόσθεσε ότι η νέα ικανότητα πρόβλεψης θα βοηθήσει τη μετάβαση της περιοχής στις ανανεώσιμες πηγές ενέργειας, παρέχοντας πιο ακριβείς προβλέψεις για τη ζήτηση ενέργειας στον αγροτικό τομέα.

«Η γνώση υπάρχει, η τεχνολογία έχει δοκιμαστεί και λειτουργεί», δήλωσε ο τρίτος επικεφαλής ερευνητής Emilio Camacho. «Τώρα πρέπει να αναπτύξουμε το εργαλείο που θα επιτρέπει στις κοινότητες να χρησιμοποιούν αυτή την τεχνολογία με απλό τρόπο, ώστε οι εταιρείες που θα παρέχουν την τεχνολογική λύση στην κοινότητα άρδευσης να εισαγάγουν αυτές τις εξελίξεις».