Печалби:
- Възможност за свързване на метеорологични данни (температура, валежи, GDD, риск от замръзване, влажност) към прозореца за земеделски решения
- Възможност за комбиниране на прогноза за времето и фенология с AI, за да се създаде проект на график за пръскане/жътва/защита от замръзване
- Способност за правилно интерпретиране на несигурността на прогнозата и вероятностните изрази и управление на риска с агрономска преценка
Почти всяко решение в селското стопанство е свързано с времето: кога да засадите, кога да пръскате, кога да поливате, кога да прибирате реколтата, ще дойде ли слана през нощта? Опитен фермер чете много, като гледа небето, но времето вече може да се чете и цифрово: температура, валежи, влажност, вятър, слънчева радиация и техните прогнози. Този модул ви учи да свързвате метеорологични данни с прозореца за селскостопански решения, да комбинирате прогнозата за времето и развитието на растенията с изкуствен интелект, за да създавате чернови за време и - най-критичният проблем - правилно да разчитате несигурността на прогнозата. Тъй като прогнозата за времето е вероятностна; Използването му като сигурност е една от най-скъпите грешки.
Критични метеорологични променливи за селското стопанство
Температурата не е просто число; Това е двигателят на развитието на растенията. За измерване на това се използва GDD (Growing Degree Days): средната дневна температура се изважда от основната температура на продукта и се натрупва. GDD е по-надежден „биологичен часовник“ от календара; Той прогнозира в кой етап ще бъде растението и кога ще се появят някои вредители въз основа на акумулирането на топлина.
Валежите и влажността определят както водния бюджет, така и риска от заболяване. Продължителната влажност на листата и високата влажност са отключващи фактори за много гъбични заболявания; Ето защо някои системи за предупреждение за болести директно наблюдават комбинацията влажност-температура.
Рискът от измръзване е въпрос на живот и смърт за овощните градини, особено по време на периода на цъфтеж; Няколко часа минусови температури могат да унищожат целия продукт. Прогнозата за замръзване е жизненоважна за навременното въвеждане на защитни мерки (защита от замръзване с напояване, вятърна машина).
Вятърът пряко влияе върху решението за пръскане: при силен вятър пестицидът се носи, не достига целта и уврежда съседния парцел/околна среда.
Променлива
зависимо решение
Принос на AI
GDD (натрупване на топлина)
Фенология, поява на вредители
Прогноза за етап/време на поява
Валеж + овлажняване на листата
Риск от заболяване, напояване
Предупреждение за прозорец за риск
Замръзване (мин. температура)
Спусък за защита от замръзване
Знак за рискова нощ
вятър
Време за пръскане
Препоръка за подходящ прозорец
влажност + температура
модел на болестта
Комбинация от критични условия
Несигурност на прогнозата за четене
Най-важната идея на тази единица: прогнозата за времето е възможност, а не обещание. Изречението „70% от дъжда утре“ не означава „със сигурност ще вали“; Това означава, че 7 от 10 подобни условия изпитват валежи. Надеждността на прогнозата пада бързо с времето: прогнозата за 1-2 дни е доста надеждна, прогнозата за 7 дни е груба тенденция, прогнозата за 14 дни е почти средната за климата. Изкуственият интелект може да прикрие тази неяснота с красиви изречения; вашата работа е да го поддържате видим.
Съвет: Когато питате AI за решение, базирано на времето, кажете „включете вероятност и период на достоверност, не бъдете конкретни“. Вместо „отложете пръскането до утре“, резултат като „вятърът утре е X% вероятно слаб, но има 2 дни несигурност“ е много по-полезен.
Три мини калъфа: с числата
Случай 1 - Време с GDD. Появата на неприятел в ябълкова градина се очакваше календарно в "средата на май". С мониторинга на GDD се видя, че натрупването на топлина е закъсняло през тази година; Освобождаването беше отложено 11 дни по-късно. Мониторинговите капани потвърдиха прогнозата на GDD и пръскането не беше пропиляно преждевременно, а беше извършено точно в момента на поникване.
Случай 2 – Вероятност за погрешно разчитане. Един производител разчиташе на прогноза за „60% валежи“ и отмени напояването; Дъждът не заваля и заводът претърпя два дни стрес. Поука: 60% не бяха „сигурни“. Следващият път решението беше взето чрез оценка на вероятността за прогнозиране заедно със сензора за влажност на почвата; При ниска влажност се прилага леко напояване, без да се чака валежи.
Случай 3 – Защита от замръзване. AI показа ниска вероятност от замръзване за три дни напред, но инженерът също наблюдаваше радара и местната станция, знаейки 5-дневната несигурност. С наближаването на критичната нощ прогнозата ставаше все по-сурова; Навреме се активира напояването срещу замръзване и цветята бяха спасени. Ако човек се довери сляпо на далечна прогноза, ще бъде хванат неподготвен.
Слаба подкана / Силна подкана
Слаба подкана:
Кога трябва да пръскам тази седмица?
Мощна подкана:
Вашата роля: Агроном, поддържащ селскостопанската метеорология. Интерпретирайте 7-дневната прогноза по-долу (ден, мин./макс. температура, вероятност за валежи, вятър, влажност). Задача:- Избройте ПОДХОДЯЩИТЕ прозорци за пръскане; обосновете ограничението за вятър и валежи. - Добавете към всяко предложение ВЪЗМОЖНОСТТА на прогнозата и колко дни несигурност носи. - Използване на точен език; Изразете го като „най-вероятно/несигурно“. - Отбележете дали има комбинация влажност+температура, която е рискова за гъбични заболявания. - Имайте предвид, че трябва да взема решението заедно със сензора/полето. Прогноза: [7 дни данни]
Силната подкана налага вероятност и несигурност, забранява точния език и не приписва решение на един източник.
Четири копируеми шаблона
1) GDD калкулатор и фенология:
Продукт [..], базова температура [..]°C. Текуща средна дневна стойност. натрупват GDD с температури и прогнозират възможния етап на развитие въз основа на текущото натрупване. Посочете несигурността; напишете, че се изисква потвърждение от теренно наблюдение.
2) Прозорец за пръскане:
Препоръчайте 2 най-подходящи прозореца за пръскане въз основа на 7-дневната прогноза за вятър/валежи. Запишете скоростта на вятъра, вероятността от валежи и риска от нанасяне за всеки. Ако няма подходящ прозорец, кажете го ясно.
3) Ранно предупреждение за риск от замръзване:
През следващите нощи мин. Оценете температурата и вероятността от замръзване. Маркирайте нощите с риск от падане под критичния праг (~0°C при цъфтежа) и запишете несигурността на прогнозата. Освен това предложете кой местен източник да гледам.
4) Прозорец на риска от заболяване:
Маркирайте прозорци, където рискът от гъбични заболявания се увеличава въз основа на продължителността на намокряне на листата и данните за влажност/температура за тази култура. Поставяне на диагноза; само предупреждение на ниво „условията са подходящи, засилете наблюдението“.
Често срещани грешки
- Грешна вероятност за сигурност. „60% валежи“ не е гаранция; Не основавайте решението си само на едно предположение.
- Разчитайки на далечна прогноза. 7 дни напред е тенденцията; Вземете критичното решение с прогнозата, актуализирана с наближаването.
- GDD базова температура на смесване. Основата на всеки продукт е различна; грешната основа ще измести цялото натрупване.
- Пренебрегвайки вятъра. Пръскането при силен вятър означава нанасяне и щети на околната среда.
- Доверяване на един източник. Сателитът, радарът, местната станция и полето заедно са по-надеждни.
Внимание: Сляпото разчитане на далечни прогнози при решенията за време като защита от замръзване, пръскане и прибиране на реколтата е скъпо. Прочетете прогнозата като вероятностно разпределение и актуализирайте решението, когато наближите критичната нощ/ден.
В обобщение
Метеорологичните данни са времевата ос на селскостопанските решения: GDD определя фенологията и появата на вредители, влажност-температурен риск от заболяване, мин. Температурата определя риска от замръзване, вятърът определя прозореца за пръскане. AI е мощен в комбинирането на тези данни и изготвянето на схеми за планиране, но прогнозата е вероятностна и нейната увереност намалява с времето. Дръжте изкуствения интелект далеч от точния език, направете вероятността и несигурността видими, вземете решение със сензора и полето и разчитайте на текущата прогноза в критични времена.
Задача за приложение
Подгответе представителна таблица за 7-дневна прогноза за времето (мин./макс. температура, вероятност за валежи, вятър, влажност). Дайте го на AI с шаблоните „прозорец за пръскане“ и „ранно предупреждение за риск от замръзване“ в този модул. В изхода помислете дали AI говори със сигурност или вероятност, дали уточнява периода на несигурност и дали казва така честно, ако няма наличен прозорец. Запишете какви допълнителни ресурси ще използвате, за да вземете решение, а не само догадки.
контролен списък
- [ ] Тълкувах възможността за дъжд/скреж като възможност, а не като сигурност.
- [ ] Взех предвид периода на достоверност на прогнозата (актуализирам с наближаването).
- [ ] Използвах GDD основната температура правилно според продукта.
- [ ] Проверих риска от вятър/нанасяне в решението за пръскане.
- [ ] Взех критичното решение за времето с преценката на инженер, подкрепен от много ресурси и поле.