John Mewes | Iteris公司。
人们很难错过最近围绕人工智能(AI)在农业方面的应用前景而进行的大肆宣传。人工智能是指应用计算机来执行通常需要人类智力去完成的任务。灌溉领域和整个农业一样,是应用人工智能解决现实问题的蓝海。然而,实现这一潜力的关键是实测数据——以及大量数据。基于这个原因,你可能也听说过物联网这个词,或IoT,在人工智能的背景下。物联网指的是利用现代通信基础设施收集和交换数据的传感器和设备组成的网络。
计划与效率
物联网设备和人工智可以通过多种方式潜在地应用于灌溉。其中最经常推崇的应用是改善灌溉调度决策和效率。虽然土壤湿度数据(来自传感器或模型)长期以来一直被用作调度辅助工具,但人工智能提供了一种机器学习的可能性,即当土壤湿度与灌溉控制系统相连时,在不同作物、土壤、环境条件等情况下,土壤湿度如何响应灌溉事件,这些信息可以用于自动执行控制策略,帮助最大限度地减少灌溉水的使用,管控作物养分的损失,或实现在整个灌溉区域更理想的或均匀的土壤水分的分布。同样,人工智能也可用于学习可用的天气、作物和土壤状况数据之间的关联,以及训练有素的农艺师提出的相应灌溉建议,从而自动化实现调度过程的需要重复的事务。
环境影响
另一个例子是,人工智能可以用来确定环境因素如何影响正在灌溉的作物。图1描述了气温、土壤湿度和玉米日生长之间关系的性质。这种关系是通过将人工智能应用于玉米试验田数据,以及这些试验田经历的天气和土壤条件来确定的。基于人工智能的算法不仅能够量化气温如何推动玉米生长,而且还揭示了在温暖的气温下玉米生长,在干燥条件下是如何减慢的。这种对作物的理解有助于发展更有效果或更有效益的管理做法,包括灌溉后土壤水分对作物生长的响应和影响。
图1:利用人工智能确定的气温和土壤湿度对玉米生长影响的可视化。接近0的值(紫色和蓝色点)表示干燥条件,而接近1的值(绿色和** |
|