Το νερό, η επανάσταση της τεχνητής νοημοσύνης και η γεωργία ακριβείας

Το νερό, η επανάσταση της τεχνητής νοημοσύνης και η γεωργία ακριβείας
A farm in Xuchang, central China's Henan province, on Dec 08, 2017. China?s agriculture industry has long been rife with inefficiency, but now the government is doing something about it, ploughing billions into agricultural technology, or AgTech, as a means of maximising resources ? and a raft of private-sector companies are following this lead...And if China, the world?s biggest agricultural producer, can manage to produce more with less, they can help teach the rest of the planet how to feed itself long into the future. (Photo by EyePress News / EyePress via AFP) Photo: AFP
Πώς η τεχνητή νοημοσύνη μπορεί να επιλύσει τα προβλήματα αποτελεσματικότητας των υδάτινων πόρων που αντιμετωπίζει η γεωργία.

του Raviv Itzhaky

Πηγή: World Economic Forum (weforum.org)

Η βέλτιστη χρήση του νερού μέσω της άρδευσης ήταν πάντα άρρηκτα συνδεδεμένη με την εξέλιξη της γεωργίας. Ωστόσο, η αποτελεσματική διαχείριση των φυσικών υδάτινων πόρων παράλληλα με μια τυπική ανάλυση κόστους-οφέλους για τα γενικά έξοδα τεχνολογίας και υποδομών είναι μια λεπτή πράξη εξισορρόπησης.

Η σημασία της μείωσης της κατανάλωσης νερού είναι υψίστης σημασίας, ειδικά καθώς η γεωργία εκτιμάται ότι αντιπροσωπεύει πάνω από το 70% της παγκόσμιας χρήσης νερού. Με τη ζήτηση για τρόφιμα να αυξάνεται, η χρήση νερού αναμένεται να αυξηθεί κατά 15% επιπλέον για να καλύψει αυτή τη ζήτηση.

Γεωργία ακριβείας και η επανάσταση της τεχνητής νοημοσύνης

Οι εταιρείες τεχνολογίας, μαζί με τους καλλιεργητές, έχουν ανταποκριθεί στην πρόκληση της επίλυσης αυτού του περίπλοκου ζητήματος μέσω μεθόδων καλλιέργειας ακριβείας και εργαλείων ορατότητας. Ένας τομέας της τεχνολογίας που κάνει βήματα προς την αύξηση της αποδοτικότητας του νερού τόσο στο αγρόκτημα όσο και στο θερμοκήπιο είναι η τεχνητή νοημοσύνη.

Οι αναδυόμενες τεχνολογίες, συσκευές και πλατφόρμες μάς επιτρέπουν να συλλέγουμε και να αξιοποιούμε πρωτοφανείς ποσότητες δεδομένων από πολλές πηγές: ιστορικά μοτίβα βροχοπτώσεων, εναέριες εικόνες, εγγραφές απόδοσης, επιτόπιοι αισθητήρες κλπ. Και τα συγκεντρωτικά δεδομένα μπορούν να αναλυθούν και να συνδυαστούν παράλληλα με δεδομένα πρόβλεψης (από τη ζήτηση αγοράς έως τον καιρό) για να μας βοηθήσουν να πάρουμε «έξυπνες» αποφάσεις με βάση τις πιο ακριβείς προβλέψεις στις οποίες έχουμε πρόσβαση.

Δημιουργία βέλτιστου προγραμματισμού και διανομής άρδευσης

Ο εντοπισμός περιοχών που είναι υπερ-αρδευόμενες ή υπο-αρδευόμενες είναι κλειδί. Ένα καθημερινό καθήκον, που μπορεί να είναι δύσκολο να εκτιμηθεί για κάθε αγρότη ή γεωπόνο, είναι ο καθορισμός της σωστής ποσότητας νερού για τη βέλτιστη απόδοση και ποιότητα.

Ανάλογα με τον τύπο του φυτού, η υπερ-άρδευση ενέχει επίσης κινδύνους. Για παράδειγμα, οι υπερβολικά αρδευόμενες καλλιέργειες βαμβακιού θα οδηγήσουν στην ανάπτυξη περισσότερων φύλλων, αντί των λουλουδιών που εμπεριέχουν την αξία της καλλιέργειας βαμβακιού.

Οι αγρότες στοχεύουν να δημιουργήσουν ένα βέλτιστο πρόγραμμα άρδευσης για τις καλλιέργειες τους που θα βελτιστοποιήσουν την απόδοση και την ποιότητα, διατηρώντας παράλληλα το κόστος υπό έλεγχο.

Η εξατμοδιαπνοή είναι ένα βασικό μετρήσιμο μέγεθος για τη δημιουργία ενός συστήματος άρδευσης που να είναι προσαρμοσμένο στις ανάγκες ενός φυτού. Αντιπροσωπεύει το άθροισμα της εξάτμισης από την επιφάνεια του εδάφους συν τη διαπνοή από τα φυτά. Σύγχρονες δορυφορικές εικόνες και προβλέψεις καιρού βοηθούν τους αγρότες να βελτιώνουν την αξιολόγηση της εξατμοδιαπνοής. Ωστόσο, οι καινοτομίες στην τεχνολογία αισθητήρων του διαδικτύου των πραγμάτων (IoT) συμβάλλουν στη λήψη πολύ πιο αποφασιστικών αποφάσεων σχετικά με την άρδευση, μετρώντας τη συμπεριφορά των φυτών αντί (ή επιπλέον) του εδάφους και του καιρού.

Οι ισχυρές engines τεχνητής νοημοσύνης είναι σε θέση να επεξεργάζονται και να αναλύουν feeds δεδομένων από εικόνες από δορυφόρους, αεροπλάνα ή drone. Η μηχανική μάθηση, και ιδίως οι αλγόριθμοι βαθιάς μάθησης, μπορούν να μας βοηθήσουν να ερμηνεύσουμε δεδομένα από εικόνες και να εντοπίσουμε μοτίβα που επισημαίνουν ζητήματα άρδευσης (καθώς και άλλα ζητήματα όπως τα παράσιτα).

Εάν οι εικόνες συνδυαστούν με αισθητήρες εδάφους και φυτών, τα δεδομένα μπορούν να μας δώσουν μια εξαιρετικά ακριβή ανάγνωση των αναγκών άρδευσης σε πραγματικό χρόνο – καθώς και να μας ειδοποιήσουν για πιθανά ζητήματα.

Διαβάστε περισσότερα άρθρα και έρευνες στο ειδικό αφιέρωμα του Fortune Greece για την Παγκόσμια Ημέρα για το Νερό