[[388190]]

• 隨著糧食需求的上升，世界必須管理其用水量。

• 農民現在可以獲得史無前例的大量歷史數據

• 植物行為的人工智能分析是一個強大的工具，可以對灌溉進行微調

通過灌溉優(yōu)化用水一直與農業(yè)的發(fā)展和成功耕作密不可分。但是，在對技術和基礎設施管理費用進行標準成本效益分析的同時，有效管理自然水資源是一項微妙的平衡行動。

減少用水量至關重要，特別是在農業(yè)估計占全球用水量70%以上的情況下。由于糧食需求只會增加，預計用水量將額外增加15%，以滿足這一需求。

精準農業(yè)與人工智能革命

科技公司和種植者一起，已經準備好通過精密耕作方法和能見度工具來解決這個復雜的問題。人工智能(AI)是一個正在大踏步提高田間和溫室用水效率的技術領域。

新興的技術、設備和平臺使我們能夠從多種來源收集和利用前所未有的海量數據：歷史降雨模式、航空圖像、產量記錄、田間傳感器等。反過來，匯總的數據可以與預測數據(從市場需求到天氣)結合起來，幫助我們根據有史以來最準確的預測做出“智能”決策。

創(chuàng)建最優(yōu)灌溉計劃和分配

識別水上或水下區(qū)域是關鍵。對任何農民或農學家來說，一項很難評估的日常任務是確定適當的水量，以獲得最佳的產量和質量。根據植物的類型，過水也會帶來風險。例如，過度灌溉的棉花作物會導致更多的葉子生長，而不是擁有作物價值的棉花花的生長。

農民的目標是為他們的作物創(chuàng)造一個最佳的灌溉時間表，在控制成本的同時優(yōu)化產量和質量。蒸散量一直是創(chuàng)建適合植物需要的灌溉系統(tǒng)的關鍵指標。它表示陸地表面的蒸發(fā)量加上植物蒸騰量的總和。現代衛(wèi)星圖像和天氣預報幫助農民改進對蒸散的評估。然而，物聯(lián)網(IoT)傳感器技術的突破，通過測量植物的行為而不是土壤和天氣(或除了土壤和天氣之外)，有助于做出更深刻的灌溉決策。

強大的人工智能引擎能夠處理和分析來自衛(wèi)星、飛機或無人機圖像的數據源。機器學習，特別是深度學習算法，可以幫助我們解釋來自圖像的數據，并識別聚焦灌溉問題(以及其他問題，如害蟲)的模式。如果圖像與土壤和植物傳感器相結合，數據可以讓我們非常準確地實時讀取灌溉需求，并提醒我們潛在的問題。

Image: FAO

發(fā)現灌溉故障或滲漏

浪費水資源，特別是在水資源稀缺的地區(qū)，對全世界的農民和糧食種植者來說是一個巨大的頭痛開支。雖然在光譜的一端，有滴灌等技術和無土溫室等復雜的受控環(huán)境，但它們涉及的技術和系統(tǒng)成本高昂，因此不適合大規(guī)模農業(yè)(或低價值作物)。一個可以大大改進的領域是發(fā)現故障，如灌溉系統(tǒng)的泄漏。

在過去，可能需要親自檢查才能找到損壞的設備或確定泄漏。物聯(lián)網設備意味著軟件本身可以在出現問題或可疑時發(fā)出警報——而這只有在設備互聯(lián)時才可用。通過這種方式，灌溉傳感器可以檢測到不規(guī)則性，并將其與根本問題或變量聯(lián)系起來——特別是當它連接到其他數據點(如天氣數據)時，這樣就可以排除其他潛在的原因。

我與之合作的一位種植者在愛達荷州中部東部管理著2,630公頃的農田，該地區(qū)的溫度在兩天內會劇烈波動，最高可達25°C?？刂乒喔仁撬麄兠媾R的最大挑戰(zhàn)。當溫度升高時，有80個灌溉樞軸要打開，任何問題都可能成為一個大問題，因為土地很快就會干涸。使用ValleyInsights等基于人工智能的工具，他們能夠訪問現場的空中視覺和其他數據，包括每一種植物的熱成像。捕獲的圖像和人工智能領域分析能夠提供準確的警報，精確定位問題點，確定需要立即關注的灌溉問題。這意味著他們能夠解決與樞軸相關的泄漏等問題，這些問題用肉眼很難發(fā)現。人工智能的力量不僅僅是關注一個問題。它為如何糾正灌溉不規(guī)則性提供了見解。

人工智能驅動的自主農業(yè)的未來

正如我們所知，自動駕駛汽車的引入必然會改變駕駛方式，同樣，隨著人工智能驅動的自動工具的采用，農業(yè)將在10年內重新定義。雖然現在人工智能和預測分析的功能主要是為農民的決策過程提供信息，但在不久的將來，機器將能夠自動操作。

農業(yè)中的自動機械不會只考慮農作物的需求。他們將擁有將產量、質量、與能源成本相關的財務考慮以及其他參數等因素考慮在內的“智慧”。雖然灌溉和用水總體上是一個重要的起點，但這項技術也將成為包括施肥和作物保護在內的其他農藝過程的基石。

( 編譯/Cassie )