Новый инструмент для оптимизации полива помогает экономить воду
Исследователи из Стэнфорда разработали инструмент для оптимизации орошения, который может помочь фермерам значительно сократить потребление воды.
Инструмент быстро оценивает потерю воды из почвы в результате эвапотранспирации — процесса, включающего испарение воды в атмосферу и поглощение воды растениями. По сравнению с современными методами получения таких оценок, новая модель работает в 100 раз быстрее, сохраняя высокую точность.
На практике инструмент может:
- Кардинально сократить время на разработку стратегических и эффективных графиков полива для целых ферм.
- На уровне отдельных полей обрабатывать данные достаточно быстро, чтобы оперативно корректировать полив в режиме, близком к реальному времени, при изменении погодных условий.
"Эвапотранспирация — это критически важная информация для проектирования эффективных систем орошения", — говорит Вейю Ли, ведущий автор исследования, опубликованного в Water Resources Research.
Преодоление упрощений
Традиционные модели эвапотранспирации полагаются на предположение о вертикальном потоке, игнорируя горизонтальное движение воды в почве. Это вычислительное упрощение, но его результаты далеки от оптимальных, особенно для капельного орошения.
Капельное орошение, применяемое в засушливых регионах (например, в Калифорнии), предполагает точную подачу воды в корневую зону растений. Умные сельскохозяйственные системы оптимизируют и время полива, ориентируясь на потребности растения, погоду и стадию роста.
"Исторически орошение в значительной степени не учитывало сиюминутные потребности растения", — отмечает старший автор исследования Даниэль Тартаковский. — "Капельное орошение, основанное на принципах умного сельского хозяйства, ломает эту тенденцию".
Новый инструмент призван предоставлять точные рекомендации по размещению датчиков влажности и капельниц на основе данных в реальном времени, а не упрощённых допущений.
Алгоритмический прорыв
Для создания инструмента исследователи объединили два алгоритма: усовершенствованный фильтр Калмана и метод максимального правдоподобия. Алгоритмы начинают с прогнозов на основе измеренных данных, а затем уменьшают неопределённость по мере поступления новых измерений.
"Мы подставляем реальные данные об влажности почвы и поглощении воды корнями в нашу модель, что улучшает наше понимание всей физической системы и производительность алгоритма", — поясняет Ли. — "Наше исследование первым объединяет такой алгоритмический подход и применяет его к капельному орошению".
Скорость и эффективность
Для проверки точности и эффективности моделировался участок земли размером примерно 1.5 × 10 метров (короткий ряд посадок).
- Новый инструмент рассчитал точную оценку скорости эвапотранспирации для тестового участка всего за ~10 минут.
- Использование только усовершенствованного фильтра Калмана (как в других исследованиях) заняло бы ~1000 минут (~17 часов), что неприемлемо для оперативного управления.
При проектировании систем для целых ферм в тысячи акров выигрыш в скорости становится решающим.
Следующим шагом исследователей станут полевые испытания на работающей ферме с реальными датчиками, капельницами, культурами и погодными условиями.