الزراعة الدقيقة وهيكلة البيانات الزراعية

المكاسب:

• القدرة على شرح منطق الزراعة الدقيقة والمفاهيم الأساسية مثل مناطق التطبيق والإدارة ذات المعدلات المتغيرة.
• القدرة على تحويل بيانات المجال وأجهزة الاستشعار والآلة المتفرقة إلى جداول نظيفة وقياسية وقابلة للتركيب باستخدام الذكاء الاصطناعي
• القدرة على فهم البيانات المكانية (المنسقة) والتحقق من مخرجات الذكاء الاصطناعي على نطاق قطعة الأرض ومنطقة الإدارة

تدير الزراعة الكلاسيكية الحقل ككل الذي يتصرف بطريقة واحدة فقط: نفس الأسمدة، ونفس المياه، ونفس المبيد لقطعة الأرض بأكملها. ومع ذلك، في حين أن التربة في أحد طرفي نفس الحقل قد تكون طينية وتحتفظ بالمياه، فإن الطرف الآخر قد يكون رمليًا ويفقد الماء بسرعة؛ وقد يكون الركن بارداً ورطباً لأنه منخفض، وقد يكون المنحدر حاراً وجافاً لأنه مواجه للجنوب. الزراعة الدقيقة هي منهج يهدف إلى تقسيم الحقل إلى مناطق وفقًا لهذه الاختلافات الداخلية ومنح كل منطقة القدر الذي تحتاجه من المدخلات. الهدف بسيط ولكن تأثيره كبير: الوصول إلى المكان المناسب، في الوقت المناسب، وبالكمية المناسبة. تشرح هذه الوحدة منطق الزراعة الدقيقة وكيفية جعل البيانات الزراعية التي تغذي هذا المنطق منظمة وموثوقة وقابلة للتركيب بالذكاء الاصطناعي.

هناك مفهومان في قلب الزراعة الدقيقة. الأول هو تطبيق المعدل المتغير (VRA): يقوم الجرار أو المعدات تلقائيًا بتغيير كمية الأسمدة أو البذور أو الماء وفقًا لموقع الحقل. والثانية منطقة الإدارة: وهي تقسيم الحقل إلى أجزاء فرعية لها نفس خصائص التربة والإنتاجية ويمكن إدارتها بشكل منفصل. يمس الذكاء الاصطناعي هذين المفهومين: فهو يساعد في تحديد المناطق من خلال الجمع بين البيانات المتفرقة واقتراح مسودة وصفات لكل منطقة. لكن المهندس الذي يعرف الميدان هو من يقر في النهاية الحدود الإقليمية والوصف.

طبيعة البيانات الزراعية: لماذا هي فوضوية؟

في المزرعة، تأتي البيانات من عشرات المصادر غير المعروفة، ولا يتحدث أي منها نفس لغة الآخر. يقوم مختبر التربة بإرسال ملف Excel؛ تقوم آلة الحصاد بحفظ خريطة الإنتاج الخاصة بها بتنسيق آخر؛ يقوم مستشعر الرطوبة بإنشاء ملف CSV كل ساعة؛ مخرجات الطائرة بدون طيار بتنسيق JPEG وملف الإحداثيات؛ كانت ملاحظات المزارع مكتوبة بخط اليد في دفتر ملاحظات. تختلف وحدات هذه البيانات (كجم/دا، كجم/هكتار، جزء في المليون، %)، وتنسيقات التاريخ مختلفة، وأنظمة الموقع مختلفة، وغالبًا ما تكون أسماء المنتجات/الطرود غير متسقة (قد يكون "حقل البث"، و"الطرد"، و"قطعة الأرض 7" هو نفس المكان). قبل الذكاء الاصطناعي، كان هذا العمل المركب هو الجزء الأكثر إزعاجًا واستهلاكًا للوقت بالنسبة للمهندس.

هذا هو المكان الذي يلعب فيه الذكاء الاصطناعي دوره ويعمل بالضبط في المكان الأكثر أمانًا: ترجمة البيانات إلى مخطط قياسي (أي عمود مشترك وبنية وحدة). لكن كن حذرًا: قد يرتكب الذكاء الاصطناعي خطأً عند تحويل الوحدات، وهذا الخطأ سوف يفسد التحليل بأكمله بصمت. لذا فإن القاعدة الذهبية في هيكلة البيانات هي التحقق يدويًا من صحة كل تحويل باستخدام عينة صغيرة.

نصيحة: قبل تغذية الذكاء الاصطناعي بالبيانات، حدد مخططك المستهدف بنفسك: أي الأعمدة، وأي الوحدات، وأي تنسيق للتاريخ. إن مطالبة الذكاء الاصطناعي بـ "ترجمة هذا إلى هذا المخطط" أكثر موثوقية من مطالبته بـ "ترتيب هذه البيانات".

فهم البيانات المكانية

معظم البيانات الزراعية مكانية: كل قياس له إحداثيات. يتم ربط عينة التربة بموقع مثل "قطعة 3، الزاوية الشمالية الغربية، 39.12 شمالًا / 32.45 شرقًا". عادةً ما يتم تقديم هذه الإحداثيات في نظام متري يسمى خط العرض/خط الطول (WGS84) أو UTM. عند تفسير البيانات المكانية عند العمل باستخدام الذكاء الاصطناعي، انتبه إلى ثلاثة أشياء: هل نظام الإحداثيات متسق، وهل نقاط العينة متناثرة بما يكفي لتمثيل الحقل، وما إذا كانت قيمة النقطة تتعلق بالمنطقة بأكملها أم بتلك النقطة فقط. تغطي بيانات الخرائط، مثل مؤشر NDVI، كل متر مربع من الحقل؛ تمثل عينة التربة النقطة التي تم أخذها منها فقط. ومن شأن الخلط بين هذا التمييز أن يؤدي إلى أخطاء جسيمة في التفسير.

ثلاث حالات صغيرة: بالأرقام

الحالة 1 - توفير الوقت في التجميع. كان أحد المهندسين يجمع إجمالي 4200 صف من البيانات من 5 مصادر مختلفة (مختبر التربة، وخريطة الإنتاج، وأجهزة الاستشعار، والطائرة بدون طيار، والملاحظات الميدانية) في جدول واحد؛ حوالي 6 ساعات باليد. بمجرد تحديد المخطط المستهدف مسبقًا ومنح الذكاء الاصطناعي مهمة "تعيين هذه الملفات الخمسة لهذه الأعمدة"، ظهرت المسودة الأولى في 25 دقيقة؛ وخصص الوقت المتبقي للتحقق من دقة المطابقة باستخدام عينة مكونة من 40 سطرًا. انخفض إجمالي الوقت إلى حوالي ساعتين.

الحالة 2 - مصيدة الوحدة. كانت خريطة الإنتاجية بالكيلو جرام/هكتار وسجل الأسمدة بالكيلو جرام/هك. في المجموعة الأولى، قام الذكاء الاصطناعي بتجميع الاثنين في نفس العمود وقلل من إنتاج قطعة أرض واحدة بعامل 10 (1 هكتار = 10 دا). اكتشف المهندس هذا التناقض لأنه تذكر العائد الفعلي لقطعة أرض معروفة؛ كشف ترتيب التحقق من الحجم عن خطأ في الوحدة.

الحالة 3 - ارتباك في اسم الطرود. في ثلاثة مصادر، تم ذكر نفس الحقل باسم "Dere" و"dere_tarla" و"Plot-7". اعتقدت منظمة العفو الدولية أن هذه كانت ثلاث قطع منفصلة وقسمت المنطقة إلى ثلاث قطع. عندما أدرك المهندس أن إجمالي المساحة المزروعة لا يتطابق مع القيمة الواردة في العقد، قام بتعريف القاموس المطابق ("هذه الأسماء الثلاثة = قطعة-7") وطلب من الذكاء الاصطناعي إعادة التركيب معه.

موجه ضعيف / موجه قوي

حث ضعيف:

تنظيم ودمج هذه البيانات الزراعية.[ملفات]

مطالبة قوية:

دورك: محلل بيانات زراعية. قم بدمج المصادر الأربعة التالية في جدول واحد. المخطط المستهدف (لا تتجاوز هذه الأعمدة والوحدات): - معرف الطرد (النص)، التاريخ (YYYY-MM-DD)، المنتج (النص)، - درجة الحموضة في التربة (الرقم)، النيتروجين_كجم_دا (كجم/دا)، العائد_كجم_دا (كجم/دا)، نسبة الرطوبة (%) القواعد: - تحويل جميع وحدات الأسمدة/الإنتاج إلى كجم/دا؛ حدد كل سطر تترجمه. - قم بمطابقة أسماء الطرود مع القاموس الذي قدمته: {"dere": "P7"، "dere_field": "P7"}. - اترك القيمة المفقودة فارغة، واملأها بالتخمين. - ضع الأسطر التي لا يمكنك ترجمتها أو غير الواضحة في قائمة "check_required" منفصلة. المصادر:[بيانات]

تحدد المطالبة القوية المخطط الهدف وقاعدة الوحدة والقاموس المطابق ومجموعة منفصلة للغموض. وبالتالي، بدلًا من التخمين، يوصلك الذكاء الاصطناعي إلى حيث لم تقرر بعد.

أربعة قوالب قابلة للنسخ

1) التعيين إلى المخطط المستهدف:

قم بتعيين البيانات الأولية التالية إلى المخطط التالي: [أعمدة + وحدات]. اعرض في الجدول العمود الهدف الذي يعين كل عمود مصدر إليه. إذا لم تكن متأكدًا، استخدم "؟" وضع علامة مع .

2) توحيد الوحدة وإمكانية التتبع:

تحويل جميع وحدات المساحة إلى ديكار (da). أضف عمود "conversion_note"؛ اكتب الوحدة الأصلية والمضاعف لكل قيمة محولة (على سبيل المثال: "1 هكتار=10 دا"). اترك الوحدة التي لا يمكنك تحويلها كما هي وقم بوضع علامة عليها.

3) المسح الخارجي:

أعطي النطاق الزراعي المتوقع لهذه الأعمدة العددية: درجة الحموضة في التربة 4-9، النيتروجين_كجم_دا 0-30، العائد_كجم_دا 100-1200. وضع علامة على كل صف خارج النطاق على أنه "خارج"؛ لا تتغير، فقط أظهر.

4) مشروع منطقة الإدارة:

من خلال النظر إلى التربة المكانية وبيانات الخصوبة أدناه، اقترح 2-4 مناطق إدارة مرشحة ذات خصائص مماثلة. لكل منطقة: اكتب المعلمات التي فصلتها ومتوسط ​​القيم والحد الذي أحتاج إلى التحقق منه في الحقل. لا ترسم حدوداً واضحة؛ هذه مسودات.

مخطط المقارنة: الزراعة الكلاسيكية مقابل الزراعة الدقيقة

الحجم

الزراعة الكلاسيكية

الزراعة الدقيقة

وحدة الإدارة

المجال كله واحد

المناطق الادارية

توزيع المدخلات

موحد (سعر ثابت)

معدل متغير (VRA)

مصدر البيانات

مراقبة المزارعين

جهاز استشعار، قمر صناعي، طائرة بدون طيار، آلة

أساس القرار

الخبرة + التقويم

الخبرة + البيانات + النموذج

دور الذكاء الاصطناعي

محدودة

توحيد البيانات ومسودة الاقتراح

خطر

فائض/تحت الإدخال

بيانات خاطئة → منطقة خاطئة

الأخطاء الشائعة

• دع الذكاء الاصطناعي يحدد المخطط. إذا لم تحدد الأعمدة والوحدات المستهدفة، فسوف ينتج الذكاء الاصطناعي بنية مختلفة في كل مرة وتصبح المقارنة مستحيلة.
• عدم متابعة الوحدات. إذا لم تقم بتسجيل القيمة التي تمت ترجمتها، فلن تتمكن من تتبع أي أخطاء لاحقة.
• الخلط بين بيانات النقطة وبيانات الخريطة. إن تعميم عينة تربة واحدة على المنطقة بأكملها يرسم حدود المنطقة بشكل غير صحيح.
• دع الذكاء الاصطناعي يملأ الفجوات. يؤدي ملء القيمة المفقودة بالتخمين إلى تلفيق يتنكر في صورة بيانات حقيقية.
• عدم التحقق من أسماء الطرود. تؤدي الأسماء غير المتناسقة إلى تقسيم المساحة والإنتاج، مما يشوه تحليل الموسم بأكمله.

تنبيه: قد يوصي الذكاء الاصطناعي بوصفة VRA (كمية الأموال التي تم إنفاقها في أي مجال)، ولكن الموافقة النهائية تعود للمهندس. تعني حدود المنطقة غير الصحيحة تحت الماء أو وجود كمية كبيرة جدًا من الأسمدة في المنطقة.

في ملخص

الزراعة الدقيقة هي فن إدارة الحقل وفقاً لاختلافاته الداخلية ويعتمد على مفهومين: تطبيق المعدل المتغير وإدارة المناطق. وهذا النهج تغذيه البيانات؛ لكن البيانات الزراعية مشتتة ومتعددة الوحدات ومتعددة المصادر. يعمل الذكاء الاصطناعي في المجال الأكثر أمانًا والأكثر ربحية لترجمة هذه البيانات إلى مخطط قياسي - طالما قمت بتحديد المخطط المستهدف، واحتفظ بتتبع الوحدة، ولا تملأ الفجوات واختبر كل تحويل بمثال. البيانات النظيفة والموحدة هي الأساس المتين لجميع الوحدات اللاحقة (NDVI، التربة، الري، المحصول).

مهمة التطبيق

أخذ عينة صغيرة من مصدرين مختلفين (على سبيل المثال، جدول تحليل التربة وسجل الغلة/الأسمدة)؛ الوحدات وأسماء الطرود مختلفة عمدا. ادمج الذكاء الاصطناعي مع قوالب "التعيين إلى المخطط المستهدف" و"توحيد الوحدات" من هذه الوحدة. ثم تحقق يدويًا من الصفوف الخمسة: هل تحويلات الوحدات صحيحة، هل مطابقة الطرود صحيحة، هل القيم المفقودة مملوءة بالتخمين؟ قم بتدوين كل خطأ تجده والقاعدة التي انتهكها الذكاء الاصطناعي.

قائمة مرجعية

• [ ] قمت بتحديد المخطط المستهدف (الأعمدة + الوحدات) قبل إعطائه إلى الذكاء الاصطناعي.
• [ ] لقد قمت بتحويل جميع الوحدات إلى معيار واحد واحتفظت بمسار التحويل.
• [ ] لقد قمت بمطابقة التناقضات في اسم قطعة الأرض مع القاموس وتحققت من المساحة الإجمالية.
• [ ] قمت بفحص القيم المتطرفة ذات النطاق الزراعي؛ لم أغيره ووضع علامة عليه.
• [ ] قمت بفصل بيانات النقاط وبيانات الخرائط؛ لم أملأ الفراغات بالتخمينات.