Gewinne:
- Möglichkeit, meteorologische Daten (Temperatur, Niederschlag, GDD, Frostrisiko, Luftfeuchtigkeit) mit dem landwirtschaftlichen Entscheidungsfenster zu verbinden
- Möglichkeit, Wettervorhersage und Phänologie mit KI zu kombinieren, um einen Entwurf eines Sprüh-/Ernte-/Frostschutzplans zu erstellen
- Fähigkeit, Prognoseunsicherheiten und probabilistische Ausdrücke richtig zu interpretieren und Risiken mit agronomischem Urteilsvermögen zu managen
Fast jede Entscheidung in der Landwirtschaft hängt vom Wetter ab: Wann wird gepflanzt, wann wird gesprüht, wann wird gegossen, wann wird geerntet, kommt es nachts zu Frost? Ein erfahrener Landwirt liest viel am Himmel, aber das Wetter lässt sich mittlerweile auch numerisch ablesen: Temperatur, Niederschlag, Luftfeuchtigkeit, Wind, Sonneneinstrahlung und deren Vorhersagen. In dieser Einheit lernen Sie, meteorologische Daten mit dem landwirtschaftlichen Entscheidungsfenster zu verknüpfen, Wettervorhersage und Pflanzenentwicklung mit künstlicher Intelligenz zu kombinieren, um Zeitpläne zu erstellen, und – das kritischste Thema – Prognoseunsicherheiten richtig einzuschätzen. Weil Wettervorhersagen probabilistisch sind; Es als Gewissheit zu verwenden, ist einer der teuersten Fehler.
Kritische meteorologische Variablen für die Landwirtschaft
Die Temperatur ist nicht nur eine Zahl; Es ist der Motor der Pflanzenentwicklung. Um dies zu messen, wird GDD (Growing Degree Days) verwendet: Die tägliche Durchschnittstemperatur wird von der Basistemperatur des Produkts abgezogen und akkumuliert. GDD ist eine zuverlässigere „biologische Uhr“ als der Kalender; Es prognostiziert anhand des Hitzestaus, in welchem Stadium sich die Pflanze befindet und wann einige Schädlinge auftreten.
Niederschlag und Luftfeuchtigkeit bestimmen sowohl den Wasserhaushalt als auch das Krankheitsrisiko. Anhaltende Blattnässe und hohe Luftfeuchtigkeit sind Auslöser vieler Pilzkrankheiten; Aus diesem Grund überwachen einige Krankheitswarnsysteme direkt die Kombination aus Luftfeuchtigkeit und Temperatur.
Die Frostgefahr ist für Obstgärten lebenswichtig, insbesondere während der Blütezeit; Ein paar Stunden Minustemperaturen können das gesamte Produkt zerstören. Die Frostvorhersage ist für die rechtzeitige Einleitung von Schutzmaßnahmen (Frostschutz durch Bewässerung, Windkraftanlage) von entscheidender Bedeutung.
Wind wirkt sich direkt auf die Sprühentscheidung aus: Bei starkem Wind verweht das Pestizid, erreicht das Ziel nicht und schädigt die benachbarte Parzelle/Umgebung.
Variabel
abhängige Entscheidung
KI-Beitrag
GDD (Wärmespeicherung)
Phänologie, Schädlingsentstehung
Vorhersage des Stadiums/der Entstehungszeit
Niederschlag + Blattnässe
Krankheitsrisiko, Bewässerung
Warnung vor Risikofenster
Frost (Mindesttemperatur)
Frostschutzauslöser
Schild „Risante Nacht voraus“.
Wind
Sprühzeit
Passende Fensterempfehlung
Luftfeuchtigkeit + Temperatur
Krankheitsmodell
Kritische Zustandskombination
Unsicherheit der Leseprognose
Die wichtigste Idee dieser Einheit: Wettervorhersage ist eine Möglichkeit, kein Versprechen. Der Satz „70 % des Regens morgen“ bedeutet nicht „es wird definitiv regnen“; Dies bedeutet, dass es bei 7 von 10 ähnlichen Bedingungen zu Niederschlägen kommt. Die Zuverlässigkeit der Vorhersage nimmt mit der Zeit rapide ab: Die 1-2-Tage-Vorhersage ist recht zuverlässig, die 7-Tage-Vorhersage ist ein grober Trend, die 14-Tage-Vorhersage entspricht fast dem Klimadurchschnitt. Künstliche Intelligenz kann diese Mehrdeutigkeit mit schönen Sätzen verschleiern; Ihre Aufgabe ist es, dafür zu sorgen, dass es sichtbar bleibt.
Tipp: Wenn Sie die KI um eine wetterbasierte Entscheidung bitten, sagen Sie „Geben Sie Wahrscheinlichkeit und Konfidenzzeitraum ein, seien Sie nicht spezifisch.“ Anstatt „Spritzen auf morgen verschieben“ ist eine Ausgabe wie „Morgen ist der Wind wahrscheinlich um X % niedrig, aber es gibt 2 Tage Unsicherheit“ viel nützlicher.
Drei Mini-Hüllen: In Zahlen
Fall 1 – Timing mit GDD. Das Auftreten eines Schädlings in einer Apfelplantage wurde laut Kalender für „Mitte Mai“ erwartet. Bei der GDD-Überwachung konnte festgestellt werden, dass es in diesem Jahr erst spät zu einem Hitzestau kam; Die Veröffentlichung wurde um 11 Tage später verschoben. Überwachungsfallen bestätigten die GDD-Vorhersage und das Sprühen wurde nicht vorzeitig vergeudet, sondern erfolgte genau zum Zeitpunkt des Auftauchens.
Fall 2 – Fehlinterpretationswahrscheinlichkeit. Ein Produzent verließ sich auf die Vorhersage von „60 % Niederschlag“ und stellte die Bewässerung ein; Der Regen blieb aus und die Anlage litt zwei Tage lang unter Stress. Lektion: 60 % waren nicht „sicher“. Beim nächsten Mal wurde die Entscheidung durch Auswertung der Vorhersagewahrscheinlichkeit zusammen mit dem Bodenfeuchtesensor getroffen; Bei niedriger Luftfeuchtigkeit wurde leicht bewässert, ohne auf Regen zu warten.
Fall 3 – Frostschutz. Die KI zeigte für die nächsten drei Tage eine geringe Frostwahrscheinlichkeit an, aber der Ingenieur überwachte auch das Radar und die örtliche Station, da er die Unsicherheit der nächsten fünf Tage kannte. Als die kritische Nacht näher rückte, wurde die Vorhersage härter; Die Frostschutzbewässerung wurde rechtzeitig aktiviert und die Blumen gerettet. Wenn man einer fernen Vorhersage blind vertrauen würde, wäre man unvorbereitet.
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Wann sollte ich diese Woche sprühen?
Kraftvolle Aufforderung:
Ihre Rolle: Agronom zur Unterstützung der Agrarmeteorologie. Interpretieren Sie die 7-Tage-Vorhersage unten (Tag, minimale/maximale Temperatur, Niederschlagswahrscheinlichkeit, Wind, Luftfeuchtigkeit). Aufgabe: – Listen Sie GEEIGNETE Fenster zum Sprühen auf; Begründen Sie die Wind- und Niederschlagsbeschränkung. - Fügen Sie zu jedem Vorschlag die MÖGLICHKEIT der Prognose hinzu und wie viele Tage der Unsicherheit sie mit sich bringt. - Präzise Sprache verwenden; Drücken Sie es wie „höchstwahrscheinlich/unsicher“ aus. - Markieren Sie, ob eine Kombination aus Luftfeuchtigkeit und Temperatur ein Risiko für Pilzerkrankungen darstellt. - Beachten Sie, dass ich die Entscheidung gemeinsam mit dem Sensor/Feld treffen muss. Vorhersage: [7 Tage Daten]
Die starke Aufforderung erzwingt Wahrscheinlichkeit und Unsicherheit, verbietet eine präzise Sprache und schreibt die Entscheidung nicht einer einzigen Quelle zu.
Vier kopierbare Vorlagen
1) GDD-Rechner und Phänologie:
Produkt [..], Basistemperatur [..]°C. Aktueller Tagesdurchschnitt. Akkumulieren Sie GDD mit Temperaturen und prognostizieren Sie das mögliche Entwicklungsstadium basierend auf der aktuellen Akkumulation. Geben Sie die Unsicherheit an; Schreiben Sie, dass eine Bestätigung durch Feldbeobachtung erforderlich ist.
2) Sprühfenster:
Empfehlen Sie die beiden Fenster, die am besten zum Sprühen geeignet sind, basierend auf der 7-Tage-Wind-/Niederschlagsvorhersage. Notieren Sie jeweils die Windgeschwindigkeit, die Niederschlagswahrscheinlichkeit und das Abdriftrisiko. Wenn kein passendes Fenster vorhanden ist, sagen Sie es deutlich.
3) Frühwarnung vor Frostgefahr:
In den kommenden Nächten min. Bewerten Sie die Temperatur und die Frostwahrscheinlichkeit. Markieren Sie die Nächte, in denen das Risiko besteht, dass sie unter den kritischen Schwellenwert (~0°C zur Blütezeit) fallen, und notieren Sie die Unsicherheit der Prognose. Schlagen Sie außerdem vor, welche lokale Quelle ich mir ansehen sollte.
4) Krankheitsrisikofenster:
Markieren Sie Fenster, in denen das Risiko einer Pilzerkrankung steigt, basierend auf der Dauer der Blattnässe und den Feuchtigkeits-/Temperaturdaten für diese Kultur. Eine Diagnose stellen; Nur Alarm auf der Ebene „Bedingungen sind geeignet, Überwachung verstärken“.
Häufige Fehler
- Wahrscheinlichkeit mit Gewissheit verwechseln. „60 % Niederschlag“ ist keine Garantie; Basieren Sie Ihre Entscheidung nicht auf einer einzigen Vermutung.
- Verlassen Sie sich auf entfernte Vorhersagen. 7 Tage voraus ist der Trend; Treffen Sie die entscheidende Entscheidung mit der aktualisierten Prognose, je näher sie rückt.
- GDD-Mischbasistemperatur. Die Basis jedes Produkts ist unterschiedlich; Die falsche Basis wird die gesamte Akkumulation verschieben.
- Den Wind ignorieren. Sprühen bei starkem Wind bedeutet Abdrift und Umweltschäden.
- Vertrauen Sie einer einzigen Quelle. Satellit, Radar, lokale Station und Feld sind zusammen zuverlässiger.
Achtung: Blindes Vertrauen auf Fernprognosen bei zeitlichen Entscheidungen wie Frostschutz, Sprühen und Ernten ist kostspielig. Lesen Sie die Prognose als Wahrscheinlichkeitsverteilung und aktualisieren Sie die Entscheidung, wenn Sie sich dem kritischen Tag/der Nacht nähern.
Zusammenfassend
Meteorologische Daten sind die Zeitachse landwirtschaftlicher Entscheidungen: GDD bestimmt Phänologie und Schädlingsaufkommen, Feuchtigkeits-Temperatur-Krankheitsrisiko, min. Die Temperatur bestimmt das Frostrisiko, der Wind bestimmt das Sprühfenster. KI ist in der Lage, diese Daten zu kombinieren und Planungsentwürfe zu erstellen. Allerdings ist die Vorhersage probabilistisch und ihre Zuverlässigkeit nimmt mit der Zeit ab. Halten Sie die KI von präziser Sprache fern, machen Sie Wahrscheinlichkeit und Unsicherheit sichtbar, treffen Sie die Entscheidung mit dem Sensor und dem Feld und stützen Sie sich zu kritischen Zeitpunkten auf die aktuelle Prognose.
Anwendungsaufgabe
Bereiten Sie eine repräsentative 7-Tage-Wettervorhersagetabelle vor (Mindest-/Höchsttemperatur, Niederschlagswahrscheinlichkeit, Wind, Luftfeuchtigkeit). Geben Sie es der KI mit den Vorlagen „Sprühfenster“ und „Frostgefahr-Frühwarnung“ in dieser Einheit. Überlegen Sie bei der Ausgabe, ob die KI mit Sicherheit oder Wahrscheinlichkeit spricht, ob sie den Unsicherheitszeitraum angibt und ob sie dies ehrlich sagt, wenn kein Fenster verfügbar ist. Schreiben Sie auf, welche zusätzlichen Ressourcen Sie nutzen werden, um eine Entscheidung zu treffen, und nicht nur Vermutungen.
Checkliste
- [ ] Ich habe die Möglichkeit von Regen/Frost als eine Möglichkeit interpretiert, nicht als eine Gewissheit.
- [ ] Ich habe den Konfidenzzeitraum der Prognose berücksichtigt (Aktualisierung, je näher sie rückt).
- [ ] Ich habe die GDD-Basistemperatur entsprechend dem Produkt korrekt verwendet.
- [ ] Ich habe das Wind-/Abdriftrisiko bei der Sprühentscheidung geprüft.
- [ ] Ich habe die entscheidende Zeitentscheidung mit dem Urteil eines Ingenieurs getroffen, unterstützt durch viele Ressourcen und Fachgebiete.