L'eau douce n'est pas illimitée. Les précipitations ne sont pas prévisibles. Et les plantes n'ont pas toujours soif.

Seulement 3% de l'eau dans le monde est potable, et plus de 70 pour cent de cette eau douce est utilisée pour l'agriculture. L'irrigation inutile gaspille d'énormes quantités d'eau - certaines cultures sont arrosées deux fois plus qu'elles n'en ont besoin - et contribue à la pollution des aquifères, lacs et océans.

Un modèle prédictif combinant des informations sur la physiologie végétale, les conditions du sol et les prévisions météorologiques en temps réel peuvent aider à prendre des décisions plus éclairées sur le moment et la quantité d'irrigation. Cela pourrait économiser 40 pour cent de l'eau consommée par des méthodes plus traditionnelles, selon une nouvelle recherche Cornell.

"Si vous avez un framework pour connecter toutes ces excellentes sources de big data et de machine learning, nous pouvons rendre l'agriculture intelligente, " dit Fengqi You, le professeur Roxanne E. et Michael J. Zak en génie des systèmes énergétiques à la Smith School of Chemical and Biomolecular Engineering.

Vous êtes l'auteur principal de "Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics, " qui a été publié en ligne en mai dans IEEE Transactions on Control Systems Technology. L'article a été co-écrit avec Abraham Stroock, le Gordon L. Dibble, Professeur et William C. Hooey Directeur de la Smith School, qui travaille sur des stratégies de conservation de l'eau avec des producteurs de pommes de l'État de New York et d'amande, producteurs de pommes et de raisins dans les régions de la côte ouest touchées par la sécheresse.

« Ces cultures, lorsqu'il est cultivé dans le semi-aride, environnement semi-désertique de la vallée centrale de Californie, sont d'énormes consommateurs d'eau - un gallon d'eau par amande, " a déclaré Stroock. " Il existe donc une réelle opportunité d'améliorer la façon dont nous gérons l'eau dans ces contextes. "

Le contrôle précis de l'humidité des plantes pourrait également améliorer la qualité des cultures spéciales sensibles telles que les raisins de cuve, il a dit.

Le premier auteur de l'article est Chao Shang, un ancien chercheur postdoctoral à la Smith School et maintenant professeur adjoint d'automatisation à l'Université Tsinghua.

Précédemment, Le groupe de Stroock a développé des capteurs pour déterminer quand les plantes ont soif. Mais les capteurs seuls ne suffisent pas, parce que les producteurs n'ont pas besoin d'irriguer s'il pleut. Considérant que la prévision météo est meilleure mais pas idéale, Tu as dit, parce que les prévisions sont souvent fausses, et l'incertitude d'une prévision peut être plus grande que les précipitations attendues.

La méthode des chercheurs utilise des données météorologiques historiques et l'apprentissage automatique pour évaluer l'incertitude des prévisions météorologiques en temps réel, ainsi que l'incertitude quant à la quantité d'eau perdue dans l'atmosphère par les feuilles et le sol. Ceci est combiné avec un modèle physique décrivant les variations de l'humidité du sol.

En intégrant ces approches, ils ont trouvé, rend les décisions d'arrosage beaucoup plus précises.

"Nous devons exécuter ces méthodes basées sur les données pour obtenir des données historiques et essayer de comprendre, historiquement, l'exactitude d'une prévision, et ensuite nous essayons de nous protéger contre cette incertitude, " Vous avez dit. Cela s'applique à la fois à l'heure et à l'emplacement exact des précipitations.

Dans le journal, les chercheurs ont mené une étude de cas basée sur des cultures de graminées dans l'Iowa. Ils ont découvert que leur système de contrôle prédictif utilisait considérablement moins d'eau que les autres méthodes.

Une équipe d'étudiants installe actuellement un réseau de vannes basé sur ce système sur des plants de pommes en pot dans les vergers de Cornell afin de le tester pour une utilisation future. Bien que les précipitations dans l'État de New York et le nord-est puissent être abondantes, les sécheresses estivales sont de plus en plus fréquentes et peuvent être dévastatrices. Par exemple, la sécheresse de l'été 2016 a entraîné une perte de près de 50 pour cent de la récolte pour les exploitations fruitières non irriguées dans l'État de New York, selon une enquête réalisée par Cornell et la Nature Conservancy.

« Nos recherches sur les pommes à New York s'inscrivent dans le cadre de la préparation de l'avenir. Alors que dans l'État de Washington et en Californie, c'est le présent, " dit Stroock. " Ils mesurent l'eau tous les jours, chaque été. Et le faire d'une manière qui n'est pas optimale."

Une partie du défi de la recherche consiste à identifier la meilleure méthode pour chaque culture, et déterminer les coûts et les avantages du passage à un système automatisé à partir d'un système actionné par l'homme. Étant donné que les pommiers sont relativement petits et réagissent rapidement aux changements de précipitations, ils peuvent ne pas nécessiter des semaines ou des mois de données météorologiques. Amandiers, qui ont tendance à être plus gros et plus lents à s'adapter, bénéficier de prévisions à plus long terme.

« Il faut évaluer le bon niveau de complexité pour une stratégie de contrôle, et le plus chic n'a peut-être pas le plus de sens, " a déclaré Stroock. "Les experts avec leurs mains sur les valves sont assez bons. Nous devons nous assurer que si nous proposons à quelqu'un d'investir dans une nouvelle technologie, nous devons être meilleurs que ces experts."