Zoet water is niet onbeperkt. Neerslag is niet voorspelbaar. En planten hebben niet altijd dorst.

Slechts 3 procent van het water in de wereld is drinkbaar, en meer dan 70 procent van dat zoete water wordt gebruikt voor de landbouw. Onnodige irrigatie verspilt enorme hoeveelheden water - sommige gewassen krijgen twee keer zoveel water als ze nodig hebben - en dragen bij aan de vervuiling van watervoerende lagen, meren en oceanen.

Een voorspellend model dat informatie over plantenfysiologie combineert, realtime bodemgesteldheid en weersvoorspellingen kunnen helpen om beter geïnformeerde beslissingen te nemen over wanneer en hoeveel te irrigeren. Dit zou 40 procent van het waterverbruik kunnen besparen met meer traditionele methoden, volgens nieuw Cornell-onderzoek.

"Als je een raamwerk hebt om al deze uitstekende bronnen van big data en machine learning met elkaar te verbinden, we kunnen de landbouw slim maken, " zei Fengqi Jij, de Roxanne E. en Michael J. Zak Professor in Energy Systems Engineering aan de Smith School of Chemical and Biomolecular Engineering.

U is senior auteur van "Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics, " die in mei online werd gepubliceerd in IEEE Transactions on Control Systems Technology. Het artikel was co-auteur met Abraham Stroock, de Gordon L. Dibble, Professor en William C. Hooey Directeur van de Smith School, die werkt aan strategieën voor waterbehoud met appelboeren in de staat New York en amandel, appel- en druiventelers in de door droogte geteisterde streken van de westkust.

"Deze gewassen, wanneer gekweekt in de semi-aride, halfwoestijnachtige omgeving van Central Valley in Californië, zijn enorme verbruikers van water - één gallon water per amandel, "Zei Stroock. "Dus er is een echte kans om de manier waarop we met water omgaan in deze contexten te verbeteren."

Door het plantenvocht nauwkeurig te regelen, kan ook de kwaliteit van gevoelige speciale gewassen zoals wijndruiven, hij zei.

Eerste auteur van het artikel is Chao Shang, een voormalig postdoctoraal onderzoeker aan de Smith School en nu een assistent-professor automatisering aan de Tsinghua University.

Eerder, De groep van Stroock ontwikkelde sensoren om te bepalen wanneer planten dorst hebben. Maar sensoren alleen zijn onvoldoende, omdat telers niet hoeven te irrigeren als er regen op komst is. Aangezien de weersvoorspelling beter maar niet ideaal is, Jij zei, omdat voorspellingen vaak verkeerd zijn, en de onzekerheid van een voorspelling kan groter zijn dan de verwachte regenval.

De methode van de onderzoekers gebruikt historische weergegevens en machine learning om de onzekerheid van de realtime weersvoorspelling te beoordelen, evenals de onzekerheid over hoeveel water door bladeren en grond in de atmosfeer zal worden verloren. Dit wordt gecombineerd met een fysisch model dat variaties in het bodemvocht beschrijft.

Door deze benaderingen te integreren, ze vonden, maakt bewateringsbeslissingen veel nauwkeuriger.

"We moeten deze gegevensgestuurde methoden uitvoeren om historische gegevens te krijgen en proberen te begrijpen, historisch, de nauwkeurigheid van een voorspelling, en dan proberen we ons in te dekken tegen die onzekerheid, " U zei. Dit geldt zowel voor de tijd als de exacte locatie van regenval.

In de krant, de onderzoekers voerden een case study uit op basis van grasgewassen in Iowa. Ze ontdekten dat hun voorspellende controlesysteem aanzienlijk minder water gebruikte dan andere methoden.

Een team van studenten installeert momenteel een netwerk van kleppen op basis van dit systeem op potappelplanten in Cornell Orchards om het te testen voor toekomstig gebruik. Hoewel regenval in de staat New York en het noordoosten overvloedig kan zijn, midzomerdroogten komen steeds vaker voor en kunnen verwoestend zijn. Bijvoorbeeld, de zomerdroogte van 2016 leidde tot een oogstverlies van bijna 50 procent voor niet-geïrrigeerde fruitboerderijen in de staat New York, volgens een onderzoek uitgevoerd door Cornell en de Nature Conservancy.

"Ons onderzoek naar appels in New York is in het kader van de voorbereiding op de toekomst. Terwijl in de staat Washington en Californië, het is het heden, "Zei Stroock. "Ze doseren elke dag water, elke zomer. En dat op een manier die niet optimaal is."

Een deel van de uitdaging van het onderzoek is het identificeren van de beste methode voor elk gewas, en het bepalen van de kosten en baten van het overschakelen naar een geautomatiseerd systeem van een door mensen bediend systeem. Omdat appelbomen relatief klein zijn en snel reageren op veranderingen in neerslag, ze hebben mogelijk geen weken of maanden aan weergegevens nodig. amandelbomen, die de neiging hebben groter te zijn en zich langzamer aan te passen, profiteren van voorspellingen op langere termijn.

"We moeten het juiste niveau van complexiteit beoordelen voor een controlestrategie, en de chicste is misschien niet zo logisch, "Zei Stroock. "De experts met hun handen op de kleppen zijn redelijk goed. We moeten ervoor zorgen dat als we iemand voorstellen om in nieuwe technologie te investeren, we moeten beter zijn dan die experts."