I ricercatori in Andalusia sviluppano uno strumento di intelligenza artificiale per migliorare l'efficienza dell'irrigazione

I ricercatori del dipartimento di agronomia dell'Università di Córdoba hanno sviluppato un strumento di intelligenza artificiale che aiuterà gli agricoltori a prevedere la quantità di acqua di cui hanno bisogno per l'irrigazione con una settimana di anticipo.

I ricercatori hanno aggiunto che questo ultimo strumento, LSTMHybrid, fa parte di uno sforzo più ampio per digitalizzare l'irrigazione, che secondo loro aiuterà gli agricoltori a ridurre i costi di produzione risparmiando acqua ed energia.

L'ultimo strumento si basa sul modello Cangenfis, sviluppato nel 2021 e addestrato utilizzando quattro anni di dati climatici provenienti da Zújar, nella provincia andalusa di Granada. Una volta implementato, potrebbe prevedere il fabbisogno idrico a lungo termine per l'irrigazione con una precisione dell'80%.

Tuttavia, la prima iterazione dello strumento basato sull'intelligenza artificiale poteva solo prevedere il fabbisogno idrico complessivo per varie colture, tra cui riso, mais e pomodori.

"La grande differenza rispetto ai modelli precedenti è che è la prima volta che viene fatto su una scala di sette giorni", ha affermato Rafael González, uno dei tre ricercatori principali coinvolti in entrambi i progetti.

LSTMHybrid consente agli agricoltori di preventivare il proprio fabbisogno idrico in modo più preciso e di sovrapporre i fabbisogni di irrigazione previsti con i diversi periodi tariffari. La speranza dei ricercatori è che questi dati più precisi aiuteranno gli agricoltori a prendere le decisioni più informate dal punto di vista economico e agronomico per ottimizzare l'acqua e l'energia.

La necessità di modernizzare il sistema di irrigazione della Spagna, che secondo i ricercatori è stato tradizionalmente guidato dall'esperienza storica e non da dati predittivi, è stata reso tanto più necessario dalla persistente siccità e livelli del serbatoio pericolosamente bassi.

Mentre CANGENFIS ha utilizzato centinaia di reti neurali che prendono in considerazione mezzo milione di fattori diversi, LSTMHybrid fa le sue previsioni in base alla temperatura media, all'evapotraspirazione di riferimento, all'umidità e ai record di irrigazione precedenti.

Il nuovo modello può anche salvare i dati inseriti in precedenza per contribuire a migliorare la sua capacità di previsione anno dopo anno.

Questa semplificazione consente agli agricoltori e ai responsabili dell'irrigazione di inserire manualmente i dati settimanali nel sistema tramite un normale computer, prevedendo la quantità di acqua necessaria per l'irrigazione la settimana successiva.

"Conoscere la domanda di acqua con diversi giorni di anticipo faciliterà la gestione del sistema e aiuterà a ottimizzare l'uso dei costi dell'acqua e dell'energia”, ha affermato Juan Antonio Rodríguez, un altro ricercatore coinvolto in entrambi i progetti.

Oltre a migliorare la gestione dell'acqua, Antonio Rodríguez ha aggiunto che la nuova capacità predittiva aiuterebbe la transizione della regione verso l'energia rinnovabile, fornendo previsioni più accurate per la domanda di energia agricola.

"La conoscenza c'è e la tecnologia è stata testata e funziona", ha affermato il terzo capo ricercatore Emilio Camacho. "Ora dobbiamo sviluppare lo strumento che consenta alle comunità di utilizzare questa tecnologia in modo semplice in modo che le aziende che forniranno la soluzione tecnologica alla comunità dell'irrigazione introducano questi progressi".

• Università di Cordova
• Università di Cordova