Des chercheurs andalous développent un outil d'IA pour améliorer l'efficacité de l'irrigation

Des chercheurs du département d'agronomie de l'Université de Córdoba ont développé une outil d'intelligence artificielle cela aidera les agriculteurs à prévoir la quantité d'eau dont ils ont besoin pour l'irrigation une semaine à l'avance.

Les chercheurs ont ajouté que ce dernier outil, LSTMHybrid, fait partie d'un effort plus large de numérisation de l'irrigation, qui, selon eux, aidera les agriculteurs à réduire les coûts de production en économisant de l'eau et de l'énergie.

Le dernier outil est basé sur le modèle Cangenfis, développé en 2021 et formé à l'aide de quatre années de données climatiques de Zújar dans la province andalouse de Grenade. Une fois déployé, il pourrait prédire les besoins en eau à long terme pour l'irrigation avec une précision de 80 %.

Cependant, la première itération de l'outil alimenté par l'IA ne pouvait que prédire les besoins globaux en eau pour diverses cultures, notamment le riz, le maïs et les tomates.

"La grande différence par rapport aux modèles précédents est que c'est la première fois que cela a été fait sur une échelle de sept jours », a déclaré Rafael González, l'un des trois principaux chercheurs impliqués dans les deux projets.

LSTMHybrid permet aux agriculteurs de budgétiser plus précisément leurs besoins en eau et de superposer les besoins d'irrigation attendus avec les différentes périodes tarifaires. Les chercheurs espèrent que ces données plus précises aideront les agriculteurs à prendre les décisions les plus éclairées sur le plan économique et agronomique pour optimiser l'eau et l'énergie.

La nécessité de moderniser le système d'irrigation espagnol, qui, selon les chercheurs, était traditionnellement guidé par l'expérience historique et non par des données prédictives, a été rendue d'autant plus nécessaire par la sécheresse persistante et niveaux de réservoir dangereusement bas.

Alors que CANGENFIS a utilisé des centaines de réseaux de neurones qui prennent en considération un demi-million de facteurs différents, LSTMHybrid fait ses prédictions en fonction de la température moyenne, de l'évapotranspiration de référence, de l'humidité et des enregistrements d'irrigation précédents.

Le nouveau modèle peut également enregistrer les données précédemment saisies pour aider à améliorer sa capacité à prédire d'une année sur l'autre.

Cette simplification permet aux agriculteurs et aux responsables de l'irrigation d'entrer manuellement des données hebdomadaires dans le système via un ordinateur ordinaire, prédisant la quantité d'eau nécessaire pour l'irrigation la semaine suivante.

"Connaître la demande en eau plusieurs jours à l'avance facilitera la gestion du système et contribuera à optimiser l'utilisation de l'eau et les coûts énergétiques », a déclaré Juan Antonio Rodríguez, un autre chercheur impliqué dans les deux projets.

En plus d'améliorer la gestion de l'eau, Antonio Rodríguez a ajouté que la nouvelle capacité prédictive aiderait la transition de la région vers les énergies renouvelables en fournissant des prévisions plus précises de la demande d'énergie agricole.

"Les connaissances sont là, et la technologie a été testée et fonctionne », a déclaré le troisième chercheur principal, Emilio Camacho. "Maintenant, nous devons développer l'outil qui permet aux communautés d'utiliser cette technologie de manière simple afin que les entreprises qui vont fournir la solution technologique à la communauté de l'irrigation introduisent ces avancées.

• Université de Cordoue
• Université de Cordoue