研究人员开发优化灌溉的新工具

斯坦福大学的研究人员设计了一种灌溉优化工具，可以帮助农民减少用水量。

该工具可快速估计由于“蒸散”引起的土壤水分损失，“蒸散”是一个涉及水蒸发到大气中和植物吸收水分的过程。与获得这种蒸散估计的最先进方法相比，新的斯坦福建模工具的运行速度提高了100倍，同时保持了高水平的准确性。

在实践中，该工具可以大大减少设计战略性、高效灌溉计划所需的时间，从而在整个农场中最好地定位浇水和传感设备。在更窄的逐个田间基础上，该工具甚至可以快速处理数据，以便在天气条件变化时近乎实时地动态调整灌溉。

“蒸散是设计高效灌溉系统的关键信息，”能源科学与工程博士候选人Weiyu Li说，他是描述水资源研究结果的一项研究的主要作者。李是 2023 届的 Siebel 学者，目前是斯坦福多尔可持续发展学院的第一位也是唯一一位获奖者。

总体而言，这项研究是智能农业向前迈出的一步，智能农业利用大数据和物联网等现代技术和方法的力量来提高作物产量，同时保护自然资源。

“通过这项研究，我们正在帮助实现智能农业的承诺，继续可持续地养活全球数十亿人，并为子孙后代保护我们的星球，”高级研究作者Daniel Tartakovsky说，他是能源科学与工程教授，也是李的顾问。

简单垂直，复杂水平

蒸散的传统核算依赖于研究人员所谓的垂直流动假设。在这种建模方法中，灌溉期间施用的水被视为仅直接向下移动到土壤中。水可以(并且确实)沿水平方向流动的事实被忽略了。鉴于智能农业需要处理大量数据，垂直流动假设已被用作一种计算捷径。李说，这种方法足以满足一些灌溉建模需求，但它给出的结果可以大大改进。

李解释说，对于真正的智能农业，特别是通过“滴灌”，垂直流动的假设是不够的。顾名思义，滴灌涉及缓慢而精确地将水施用于植物的根部区域，在那里水可以以最小的蒸发损失被吸收。滴灌主要部署在干旱地区 - 例如在加利福尼亚的大部分地区 - 淹没田地的传统灌溉技术导致惊人的用水量。

智能农业系统还优化了时间。它们只在需要时给植物浇水，具体取决于天气和植物生长阶段等因素。“从历史上看，灌溉在很大程度上与植物在特定时刻的需求脱节，”塔塔科夫斯基说。“以智能农业实践为依据的滴灌与这一趋势背道而驰。

因此，智能农业的部分挑战是知道在哪里最好地放置湿度传感器和滴头。虽然现有设计依赖于近似和假设，但该工具旨在根据真实世界和近乎实时的条件提供指导。

更好的算法

为了开发该工具，Li和Tartakovsky转向算法来改善数据处理并产生高质量的结果。对于这项新研究，研究人员将两种算法结合在一起，称为增强卡尔曼滤波器和最大似然估计。这些算法从基于可用测量数据的预测开始，然后根据后续测量减少不确定性。

“我们将土壤湿度和根系水分吸收的真实数据测量值插入我们的模型中，这提高了我们对整个物理系统和算法性能的理解，”李说。“我们的研究是第一个结合这种算法方法并将其应用于滴灌的研究。

为了测试他们方法的准确性和效率，斯坦福大学的研究人员模拟了一块宽约5×33英尺的土地，大致相当于一小排种植的作物。

使用新的建模工具，计算测试地块蒸散速率的精确估计仅用了大约 10 分钟。如果单独使用增强型卡尔曼滤波器，正如最近的其他研究表明的那样，计算时间将延长100倍，或大约1分钟。这段时间相当于近000个小时，因此对于及时的智能农业来说是不可操作的。“相比之下，基于我们的建模工具的灌溉优化系统可以近乎实时地响应不断变化的条件，”李说。

当考虑为整个农场(包括数千英亩)优化滴灌系统的前期设计的目标时，所需的计算时间变得完全令人望而却步。“你可以开始明白为什么灌溉系统设计人员在面对重大安装项目时依赖简化的垂直流动方法，”李说。

展望未来，斯坦福大学的研究人员计划看看他们的建模工具在部署在工作农场时在现实环境中的效果如何。“我们接下来想进行'现场'测试，字面意思，”塔塔科夫斯基说。“我们期待利用真实传感器、真实滴头、真实作物和真实天气提供的所有变量进一步磨练我们的方法。”