A água doce não é ilimitada. A precipitação não é previsível. E as plantas nem sempre têm sede.

Apenas 3 por cento da água do mundo é potável, e mais de 70% dessa água doce é usada para agricultura. A irrigação desnecessária desperdiça grandes quantidades de água - algumas safras são irrigadas duas vezes mais do que precisam - e contribui para a poluição dos aquíferos, lagos e oceanos.

Um modelo preditivo que combina informações sobre fisiologia vegetal, As condições do solo e as previsões meteorológicas em tempo real podem ajudar a tomar decisões mais informadas sobre quando e quanto irrigar. Isso poderia economizar 40 por cento da água consumida por métodos mais tradicionais, de acordo com uma nova pesquisa de Cornell.

"Se você tem uma estrutura para conectar todas essas fontes excelentes de big data e aprendizado de máquina, podemos tornar a agricultura inteligente, "disse Fengqi You, Roxanne E. e Michael J. Zak Professor em Engenharia de Sistemas de Energia na Smith School of Chemical and Biomolecular Engineering.

Você é o autor sênior de "Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics, "que foi publicado online em maio na IEEE Transactions on Control Systems Technology. O artigo foi escrito em coautoria com Abraham Stroock, o Gordon L. Dibble, Professor e William C. Hooey Diretor da Smith School, que está trabalhando em estratégias de conservação de água com produtores de maçã no estado de Nova York e amêndoas, produtores de maçãs e uvas em regiões afetadas pela seca da Costa Oeste.

"Estas colheitas, quando cultivado no semi-árido, ambiente semidesértico do Vale Central da Califórnia, são grandes consumidores de água - um galão de água por amêndoa, "Stroock disse." Portanto, há uma oportunidade real de melhorar a forma como gerenciamos a água nesses contextos. "

O controle preciso da umidade da planta também pode melhorar a qualidade de colheitas especiais sensíveis, como uvas para vinho, ele disse.

O primeiro autor do artigo é Chao Shang, um ex-pesquisador de pós-doutorado na Smith School e agora um professor assistente de automação na Tsinghua University.

Anteriormente, O grupo de Stroock desenvolveu sensores para determinar quando as plantas estão com sede. Mas os sensores sozinhos são insuficientes, porque os produtores não precisam irrigar se a chuva estiver chegando. Considerando que a previsão do tempo é melhor, mas não ideal, Você disse, porque as previsões costumam estar erradas, e a incerteza de uma previsão pode ser maior do que a chuva esperada.

O método dos pesquisadores usa dados meteorológicos históricos e aprendizado de máquina para avaliar a incerteza da previsão do tempo em tempo real, bem como a incerteza de quanta água será perdida para a atmosfera com as folhas e o solo. Isso é combinado com um modelo físico que descreve as variações na umidade do solo.

Integrando essas abordagens, eles encontraram, torna as decisões de rega muito mais precisas.

"Temos que executar esses métodos orientados a dados para obter dados históricos e tentar entender, historicamente, a precisão de uma previsão, e então tentamos nos proteger contra essa incerteza, "Você disse. Isso se aplica tanto à hora quanto à localização exata da chuva.

No papel, os pesquisadores realizaram um estudo de caso com base em plantações de gramíneas em Iowa. Eles descobriram que seu sistema de controle preditivo usava consideravelmente menos água do que outros métodos.

Uma equipe de alunos está instalando atualmente uma rede de válvulas com base neste sistema em vasos de plantas de maçã em Cornell Orchards para testá-la para uso futuro. Embora as chuvas no estado de Nova York e no Nordeste possam ser abundantes, as secas do meio do verão estão se tornando mais frequentes e podem ser devastadoras. Por exemplo, a seca do verão de 2016 levou a uma perda de quase 50 por cento da safra de fazendas de frutas não irrigadas no estado de Nova York, de acordo com uma pesquisa realizada por Cornell and the Nature Conservancy.

"Nossa pesquisa com maçãs em Nova York está no contexto da preparação para o futuro. Enquanto no estado de Washington e na Califórnia, é o presente, "Stroock disse." Eles estão medindo água todos os dias, todo verão. E fazendo isso de uma maneira que não é a ideal. "

Parte do desafio da pesquisa é identificar o melhor método para cada cultura, e determinar os custos e benefícios de mudar para um sistema automatizado de um operado por humanos. Como as macieiras são relativamente pequenas e respondem rapidamente às mudanças na precipitação, eles podem não exigir semanas ou meses de dados meteorológicos. Amendoeiras, que tendem a ser maiores e mais lentos para se adaptar, beneficiar de previsões de longo prazo.

"Precisamos avaliar o nível certo de complexidade para uma estratégia de controle, e o mais extravagante pode não fazer mais sentido, - disse Stroock. - Os especialistas com as mãos nas válvulas são muito bons. Precisamos ter certeza de que, se vamos propor que alguém invista em nova tecnologia, temos que ser melhores do que esses especialistas. "