Des chercheurs d'Andalousie développent un outil d'IA pour améliorer l'efficacité de l'irrigation

Des chercheurs du département d'agronomie de l'université de Cordoue ont mis au point un outil d'intelligence artificielle qui aidera les agriculteurs à prévoir, une semaine à l'avance, la quantité d'eau dont ils auront besoin pour l'irrigation.

Les chercheurs ont ajouté que ce nouvel outil, baptisé LSTMHybrid, s'inscrit dans le cadre d'un effort plus large visant à numériser l'irrigation, ce qui, selon eux, aidera les agriculteurs à réduire leurs coûts de production en économisant de l'eau et de l'énergie.

Cet outil repose sur le modèle Cangenfis, développé en 2021 et entraîné à partir de quatre années de données climatiques provenant de Zújar, dans la province andalouse de Grenade. Une fois déployé, il pourrait prédire les besoins en eau à long terme pour l'irrigation avec une précision de 80 %.

Cependant, la première version de cet outil alimenté par l'IA ne pouvait prédire que les besoins globaux en eau pour diverses cultures, notamment le riz, le maïs et les tomates.

« La grande différence par rapport aux modèles précédents est que c'est la première fois que cela est réalisé à une échelle de sept jours », a déclaré Rafael González, l'un des trois chercheurs principaux impliqués dans les deux projets.

LSTMHybrid permet aux agriculteurs de budgétiser leurs besoins en eau avec plus de précision et de faire correspondre les besoins d’irrigation prévus aux différentes périodes tarifaires. Les chercheurs espèrent que ces données plus précises aideront les agriculteurs à prendre les décisions les plus éclairées sur le plan économique et agronomique afin d’optimiser l’utilisation de l’eau et de l’énergie.

La nécessité de moderniser le système d’irrigation espagnol, qui, selon les chercheurs, s’est traditionnellement appuyé sur l’expérience historique et non sur des données prédictives, est devenue d’autant plus urgente en raison de la sécheresse persistante et des niveaux dangereusement bas des réservoirs.

Alors que CANGENFIS utilisait des centaines de réseaux neuronaux prenant en compte un demi-million de facteurs différents, LSTMHybrid établit ses prévisions sur la base de la température moyenne, de l’évapotranspiration de référence, de l’humidité et des données d’irrigation antérieures.

Le nouveau modèle peut également enregistrer les données saisies précédemment afin d'améliorer sa capacité de prévision d'une année sur l'autre.

Cette simplification permet aux agriculteurs et aux responsables de l’irrigation de saisir manuellement des données hebdomadaires dans le système via un ordinateur ordinaire, afin de prévoir la quantité d’eau nécessaire pour l’irrigation de la semaine suivante.

« Connaître la demande en eau plusieurs jours à l'avance facilitera la gestion du système et contribuera à optimiser l'utilisation de l'eau et les coûts énergétiques », a déclaré Juan Antonio Rodríguez, un autre chercheur impliqué dans les deux projets.

Outre l’amélioration de la gestion de l’eau, Antonio Rodríguez a ajouté que cette nouvelle capacité de prévision aiderait la région à passer aux énergies renouvelables en fournissant des prévisions plus précises sur la demande énergétique agricole.

« Les connaissances sont là, et la technologie a été testée et fonctionne », a déclaré le troisième chercheur principal, Emilio Camacho. « Nous devons maintenant développer l’outil qui permettra aux communautés d’utiliser cette technologie de manière simple, afin que les entreprises qui fourniront la solution technologique à la communauté des irrigants puissent mettre en œuvre ces avancées. »