人工智能及其在农业灌溉中的应用

互推小编 2023-10-09

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（绿色和黄色点）表示土壤水分更充足。特别值得注意的是，在气温较高的日子里，干旱土壤对减缓玉米生长的影响。

现实世界的问题

人工智能也可以用来模拟其它现实世界的问题。对于那些对底层物理过程了解不多或难以用更传统的模型模拟的问题，针对这类问题它尤其有用。例如，仅凭科学原理就很难诊断和预测冠层湿度。然而，基于人工智能的模型可以学习观测到的冠层湿度（例如从传感器数据）和影响它的因素之间的关联。一旦学会了这些关联，它们就可以应用于诊断和预测其它地点和时间的冠层湿度。

从天空图像开始

在另一个例子中，人工智能可以用来自动分析一个区域的航空图像。这可能包括诊断由于水分、疾病等引起的作物胁迫区域。AI可以进一步确定观测到的作物胁迫与基于传感器或模型的土壤水分数据之间的关系。这使得这些数据可以用来更主动地管理灌溉活动，以防止作物水分协迫压力，而不是等待压力变得明显。同样，人工智能也可以应用于数码相机的图像，使一部简单的手机或平板电脑成为一名袖珍农艺师。基于智能手机的应用程序，应用人工智能识别昆虫、杂草和疾病，只需将相机对准感兴趣的目标物就可以了。

在许多方面，就人工智能如何应用于改善灌溉而言，从天空来的数据是有限的。故此，实现这一潜力需要时间和大量数据。

你有AI可以解决的问题吗？如果是的话，您是否已经开始收集可能需要的数据？你越早开始，你就可能越早看到好处。

[注：本文部分图片来自互联网！未经授权，不得转载！每天跟着我们读更多的书]