El agua dulce no es ilimitada. Las precipitaciones no son predecibles. Y las plantas no siempre tienen sed.

Solo el 3 por ciento del agua del mundo es potable, y más del 70 por ciento de esa agua dulce se utiliza para la agricultura. El riego innecesario desperdicia grandes cantidades de agua (algunos cultivos se riegan el doble de lo que necesitan) y contribuye a la contaminación de los acuíferos. lagos y océanos.

Un modelo predictivo que combina información sobre fisiología vegetal, Las condiciones del suelo en tiempo real y los pronósticos meteorológicos pueden ayudar a tomar decisiones más informadas sobre cuándo y cuánto regar. Esto podría ahorrar el 40 por ciento del agua consumida por métodos más tradicionales, según una nueva investigación de Cornell.

"Si tiene un marco para conectar todas estas excelentes fuentes de macrodatos y aprendizaje automático, podemos hacer que la agricultura sea inteligente, "dijo Fengqi You, la profesora Roxanne E. y Michael J. Zak de Ingeniería de Sistemas Energéticos en la Escuela Smith de Ingeniería Química y Biomolecular.

Usted es el autor principal de "Modelo robusto de control predictivo de sistemas de riego con aprendizaje activo de incertidumbre y análisis de datos, "que se publicó en línea en mayo en IEEE Transactions on Control Systems Technology. El artículo fue coautor con Abraham Stroock, el Gordon L. Dibble, Profesor y William C. Hooey Director de la Escuela Smith, que está trabajando en estrategias de conservación de agua con productores de manzanas en el estado de Nueva York y almendras, productores de manzanas y uvas en las regiones de la costa oeste asoladas por la sequía.

"Estos cultivos, cuando se cultiva en el semiárido, Medio ambiente semidesértico del Valle Central de California, son grandes consumidores de agua:un galón de agua por almendra, ", Dijo Stroock." Así que hay una oportunidad real de mejorar la forma en que administramos el agua en estos contextos ".

Controlar la humedad de las plantas con precisión también podría mejorar la calidad de cultivos especiales sensibles como las uvas para vinificación, él dijo.

El primer autor del artículo es Chao Shang, ex investigador postdoctoral en la Smith School y ahora profesor asistente de automatización en la Universidad de Tsinghua.

Previamente, El grupo de Stroock desarrolló sensores para determinar cuándo las plantas tienen sed. Pero los sensores por sí solos son insuficientes, porque los productores no necesitan regar si llueve. Teniendo en cuenta que la predicción del tiempo es mejor pero no ideal, Usted dijo, porque las previsiones suelen ser incorrectas, y la incertidumbre de un pronóstico puede ser mayor que la precipitación esperada.

El método de los investigadores utiliza datos meteorológicos históricos y aprendizaje automático para evaluar la incertidumbre del pronóstico del tiempo en tiempo real. así como la incertidumbre de cuánta agua se perderá en la atmósfera a partir de las hojas y el suelo. Esto se combina con un modelo físico que describe las variaciones en la humedad del suelo.

Integrando estos enfoques, ellos encontraron, hace que las decisiones de riego sean mucho más precisas.

"Tenemos que ejecutar estos métodos basados ​​en datos para obtener datos históricos y tratar de comprender, históricamente, la precisión de un pronóstico, y luego tratamos de protegernos contra esa incertidumbre, "Dijiste. Esto se aplica tanto a la hora como a la ubicación exacta de la lluvia.

En el papel, los investigadores llevaron a cabo un estudio de caso basado en cultivos de pastos en Iowa. Descubrieron que su sistema de control predictivo usaba considerablemente menos agua que otros métodos.

Un equipo de estudiantes está instalando actualmente una red de válvulas basadas en este sistema en plantas de manzana en macetas en Cornell Orchards para probarlo para su uso futuro. Aunque las lluvias en el estado de Nueva York y el noreste pueden ser abundantes, Las sequías de pleno verano son cada vez más frecuentes y pueden ser devastadoras. Por ejemplo, la sequía del verano de 2016 provocó una pérdida de casi el 50 por ciento de la cosecha de las granjas de frutas de secano en el estado de Nueva York, según una encuesta realizada por Cornell y Nature Conservancy.

"Nuestra investigación sobre las manzanas en Nueva York está en el contexto de la preparación para el futuro. Mientras que en el estado de Washington y California, es el presente "Dijo Stroock." Están dosificando el agua todos los días, cada verano. Y hacerlo de una manera que no es óptima ".

Parte del desafío de la investigación es identificar el mejor método para cada cultivo, y determinar los costos y beneficios de cambiar a un sistema automatizado de uno operado por humanos. Debido a que los manzanos son relativamente pequeños y responden rápidamente a los cambios en las precipitaciones, es posible que no requieran semanas o meses de datos meteorológicos. Almendros que tienden a ser más grandes y más lentos para adaptarse, beneficiarse de las predicciones a más largo plazo.

"Necesitamos evaluar el nivel correcto de complejidad para una estrategia de control, y el más elegante podría no tener más sentido, ", Dijo Stroock." Los expertos con las manos en las válvulas son bastante buenos. Tenemos que asegurarnos de que si vamos a proponer que alguien invierta en nueva tecnología, tenemos que ser mejores que esos expertos ".