藉分析農業大數據發展智慧灌溉技術以節省水資源
2019/07/24 @國際
摘要
美國康乃爾大學與中國清華大學共同研發智慧灌溉模型，透過植物生理感測器偵測結果，佐歷史氣候數據，以機器學習技術預測近期可能的氣候資訊，經一連串的數據蒐集與分析預測，可精確地計算出灌溉水量，避免不必要的水資源浪費。
示意圖
據統計，世界僅約3%的水可供人們飲用，在其中約70%的淡水用於農業。由於淡水資源有限，因此如何在不影響農業生產的情況下，發展一套管理水資源的灌溉體系，將是值得思考的學問。美國康乃爾大學(Cornell University)與中國清華大學的研究團隊於近期共同發展一套智慧灌溉模型(smart irrigation model)，在透過資料的蒐集及模型計算，可精確地計算出灌溉水量，避免不必要的水資源浪費。
智慧灌溉模型的概念是藉由結合植物生理、土壤肥力、氣象預報等數據進行模式模擬的預測，再將預測結果做為決定是否灌溉及灌溉水量多寡的決策依據。該研究項目首先運用先前團隊所開發的植物生理感測器，偵測作物當下是否處於缺水狀態，接著考量歷史氣候數據並以機器學習(machine learning)技術預測近期可能的氣候資訊，同時也計算自作物葉表及土壤表面逸散的總水量。透過一連串數據蒐集與分析預測後，才做為灌溉與否的決策依據，藉此達到省水的效果。
據研究團隊評估，若完善運用此套智慧灌溉模型，可望較傳統灌溉作業節省約40%的水量。目前該智慧灌溉模型已實際運用在美國紐約州少數果園，對象是對水分需求敏感的植物：如葡萄及蘋果等經濟作物。這些經濟作物大多種在美國乾燥的環境中，這也突顯精準農業及智慧灌溉的重要性。【延伸閱讀】Umitron擴大早期資金並開始水產養殖保險數據服務
研究團隊希望未來能依據不同作物的生理特性，即時調整灌溉模型的參數，以智慧灌溉逐步取代人為決策，建立即時自動化精準灌溉農業，避免因環境乾旱所造成的農業損失。
該研究由康乃爾大學數位農業倡議(Cornell Initiative for Digital Agriculture)所資助，詳細研究成果已發表在<IEEE Transactions on Control Systems Technology>。
資料來源
- Cornell University
- Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics
- 《Cornell Chronicle》Water sensor moves from basic research to promising business
- Cornell Initiative for Digital Agriculture
文章摘譯
