യൂണിറ്റുകൾ
1. അഗ്രികൾച്ചറൽ എഞ്ചിനീയറിംഗിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആൻഡ് വെരിഫിക്കേഷൻ ഡിസിപ്ലിനിലേക്കുള്ള ആമുഖം 2. കൃത്യമായ കൃഷിയും കാർഷിക വിവരങ്ങളുടെ ഘടനയും 3. സാറ്റലൈറ്റ്, ഡ്രോൺ എന്നിവ ഉപയോഗിച്ച് പ്ലാൻ്റ് ഹെൽത്ത് മോണിറ്ററിംഗ്: NDVI, വെജിറ്റേഷൻ സൂചികകൾ 4. സോയിൽ അനാലിസിസ് ഇൻ്റർപ്രെറ്റേഷനും ഫെർട്ടിലൈസേഷൻ ഒപ്റ്റിമൈസേഷനും 5. ഇറിഗേഷൻ ഒപ്റ്റിമൈസേഷനും വാട്ടർ മാനേജ്മെൻ്റും 6. രോഗവും കീട രോഗനിർണയവും: ഇമേജ് വിശകലനവും തീരുമാനവും 7. കാലാവസ്ഥയും കാലാവസ്ഥാ ഡാറ്റയും ഉപയോഗിച്ച് കാർഷിക തീരുമാന പിന്തുണ 8. വിളവ് കണക്കാക്കലും കാർഷിക മോഡലിംഗും 9. പൈത്തൺ ഉപയോഗിച്ചുള്ള അഗ്രികൾച്ചറൽ ഡാറ്റ അനാലിസിസ് 10. ട്രെയ്‌സിബിലിറ്റി, അഗ്രികൾച്ചറൽ രജിസ്‌ട്രേഷൻ, സപ്ലൈ ചെയിൻ 11. ധാർമ്മികത, സ്വകാര്യത, അതിരുകൾ, അവസാനം മുതൽ അവസാനം വരെ ഏകീകരണം
യൂണിറ്റ് 5 / 11

ഇറിഗേഷൻ ഒപ്റ്റിമൈസേഷനും വാട്ടർ മാനേജ്മെൻ്റും

നേട്ടങ്ങൾ:

  • സസ്യ ജല ഉപഭോഗം (ഇടി), മണ്ണിൻ്റെ ഈർപ്പം സെൻസർ, ജല സന്തുലിതാവസ്ഥ എന്നിവയുടെ ആശയങ്ങളെ ജലസേചന തീരുമാനങ്ങളുമായി ബന്ധിപ്പിക്കാനുള്ള കഴിവ്
  • ഡ്രാഫ്റ്റ് ഇറിഗേഷൻ പ്രോഗ്രാം നിർമ്മിക്കാനും റഫറൻസ് ET യിൽ നിന്ന് ജല ബജറ്റ് കണക്കാക്കാനും AI-യോടൊപ്പം വിള ഗുണകം കണക്കാക്കാനുമുള്ള കഴിവ്
  • സെൻസർ ഡാറ്റ, മണ്ണിൻ്റെ തരം, സിസ്റ്റം ഫ്ലോ റേറ്റ് എന്നിവ ഉപയോഗിച്ച് AI ജലസേചന ശുപാർശകൾ പരിശോധിച്ച് ജലവും ഊർജ്ജവും പാഴാക്കുന്നത് തടയാനുള്ള കഴിവ്

കൃഷിയിലെ ഏറ്റവും ദുർലഭമായതും ചെലവേറിയതുമായ ഇൻപുട്ടാണ് വെള്ളം; പല പ്രദേശങ്ങളിലും, ഉൽപാദനക്ഷമത നിർണ്ണയിക്കുന്ന ഒരേയൊരു ഘടകം ജലമാണ്. എന്നാൽ ജലസേചനം ഇരുതല മൂർച്ചയുള്ള വാളാണ്: വളരെ കുറച്ച് വെള്ളം ചെടിയെ സമ്മർദ്ദത്തിലാക്കുകയും വിളവ് കുറയ്ക്കുകയും ചെയ്യുന്നു, അതേസമയം വളരെയധികം വെള്ളം വേരുകളെ ഞെരുക്കുന്നു, പോഷകങ്ങൾ കഴുകുന്നു, ഉപ്പുവെള്ളവും മണ്ണിൻ്റെ വന്ധ്യതയും സൃഷ്ടിക്കുന്നു, ഊർജ്ജവും പണവും പാഴാക്കുന്നു. ശരിയായ നനവ് എന്നാൽ ചെടിക്ക് ശരിക്കും എത്ര വെള്ളം ആവശ്യമാണെന്ന് അറിയുകയും അത് കൃത്യമായി നൽകുകയും ചെയ്യുക എന്നതാണ്. ഈ ആവശ്യം കണക്കാക്കുന്നതിനുള്ള ശാസ്ത്രീയ അടിസ്ഥാനം ഈ യൂണിറ്റ് പഠിപ്പിക്കുന്നു-ജല സന്തുലിതാവസ്ഥയും ബാഷ്പീകരണ പ്രചോദനവും - AI ഉപയോഗിച്ച് ജലസേചന ഷെഡ്യൂൾ എങ്ങനെ തയ്യാറാക്കാമെന്ന് കാണിക്കുന്നു, കൂടാതെ സെൻസറുകളും ഫീൽഡ് റിയാലിറ്റിയും ഉപയോഗിച്ച് ഇത് എങ്ങനെ പരിശോധിക്കാമെന്ന് നിങ്ങളോട് പറയുന്നു.

ജല സന്തുലിതാവസ്ഥയും ബാഷ്പീകരണ പ്രചോദനവും

ഒരു വയലിനെ ഒരു ജല അക്കൗണ്ടായി കരുതുക. ആമുഖം: മഴയും ജലസേചനവും. ഔട്ട്പുട്ട്: ബാഷ്പീകരണം (മണ്ണിൽ നിന്ന്), ട്രാൻസ്പിറേഷൻ (സസ്യത്തിൽ നിന്ന്). ഈ രണ്ട് ഔട്ട്പുട്ടുകളുടെയും ആകെത്തുകയെ ബാഷ്പീകരണ പ്രചോദനം (ഇംഗ്ലീഷ് Evapotranspiration, ET) എന്ന് വിളിക്കുന്നു; അതായത്, സസ്യ-മണ്ണ് വ്യവസ്ഥയിൽ നിന്ന് അന്തരീക്ഷത്തിലേക്കുള്ള മൊത്തം ജലനഷ്ടം. ജലസേചന തീരുമാനം ഇതാണ്: പുറത്തേക്ക് ഒഴുകാൻ (ET) എത്ര വെള്ളം പ്രവേശിക്കണം.

ET നേരിട്ട് അളക്കാൻ പ്രയാസമാണ്, അതിനാൽ ഇത് രണ്ട് ഘട്ടങ്ങളായി കണക്കാക്കുന്നു. ആദ്യം, റഫറൻസ് ET (ET0) കണക്കാക്കുന്നു: ആ ദിവസത്തെ കാലാവസ്ഥയിൽ (താപനില, ഈർപ്പം, കാറ്റ്, സൂര്യൻ) ഒരു സാധാരണ പുല്ലിൻ്റെ ഉപരിതലം നഷ്ടപ്പെടുന്ന വെള്ളം. ഇത് തികച്ചും കാലാവസ്ഥാശാസ്ത്രമാണ്. അപ്പോൾ ഈ മൂല്യം വിള ഗുണകം (Kc) കൊണ്ട് ഗുണിക്കുന്നു, അത് ആ വികസന ഘട്ടത്തിൽ ആ ഉൽപ്പന്നത്തിൻ്റെ ജല വിശപ്പ് പ്രതിഫലിപ്പിക്കുന്നു:

ETc = ET0 × Kc

ETc എന്നത് ഉൽപ്പന്നത്തിൻ്റെ യഥാർത്ഥ പ്രതിദിന ജല ആവശ്യകതയാണ് (മില്ലീമീറ്റർ/ദിവസം). Kc നടീൽ മുതൽ വിളവെടുപ്പ് വരെ വ്യത്യാസപ്പെടുന്നു: തൈകളുടെ ഘട്ടത്തിൽ ചെറുത് (0.3-0.5), പൂർണ്ണ വളർച്ചയിൽ ഏറ്റവും ഉയർന്നത് (1.0-1.2), പാകമാകുമ്പോൾ വീണ്ടും കുറയുന്നു. ജലസേചനത്തിൻ്റെ അളവ് ETc-യിൽ നിന്ന് ഫലപ്രദമായി കുറയ്ക്കുകയും സിസ്റ്റം കാര്യക്ഷമത കണക്കിലെടുത്ത് കണക്കാക്കുകയും ചെയ്യുന്നു.

നുറുങ്ങ്: മിക്ക കാലാവസ്ഥാ സേവനങ്ങളും കാർഷിക പോർട്ടലുകളും ET0 ഡാറ്റ സൗജന്യമായി പ്രസിദ്ധീകരിക്കുന്നു. "ഈ ET0, Kc എന്നിവ ഉപയോഗിച്ച് ETc കണക്കാക്കുക" എന്ന് നിങ്ങൾക്ക് AI പറയാനാകും, എന്നാൽ ഉൽപ്പന്നവും ഘട്ടവും അനുസരിച്ച് പ്രാദേശിക ഉറവിടത്തിൽ നിന്ന് Kc മൂല്യം പരിശോധിക്കുക; തെറ്റായ Kc മുഴുവൻ ജല ബജറ്റും മാറ്റുന്നു.

മണ്ണിൻ്റെ ഈർപ്പവും സെൻസറുകളും

ET കണക്കുകൂട്ടൽ ജല ബജറ്റിൻ്റെ സൈദ്ധാന്തിക വശമാണ്; മണ്ണിൻ്റെ ഈർപ്പം സെൻസർ സത്യം അളക്കുന്നു. ഈ സെൻസറുകൾ പ്രത്യേക ആഴത്തിലുള്ള മണ്ണിൻ്റെ ഈർപ്പം തുടർച്ചയായി വായിക്കുകയും രണ്ട് നിർണായക പരിധികൾ നിരീക്ഷിക്കുകയും ചെയ്യുന്നു: ഫീൽഡ് കപ്പാസിറ്റി (മണ്ണിന് ഉൾക്കൊള്ളാൻ കഴിയുന്ന ഏറ്റവും കൂടുതൽ വെള്ളം), വാടിപ്പോകുന്ന പോയിൻ്റ് (പ്ലാൻ്റിന് ഇനി വെള്ളം എടുക്കാൻ കഴിയാത്ത താഴ്ന്ന പരിധി). അനുയോജ്യമായ ജലസേചനം ഇവ രണ്ടിനുമിടയിലുള്ള "ആഗിരണം ചെയ്യാവുന്ന വെള്ളം" ബാൻഡിൽ ഈർപ്പം നിലനിർത്തുന്നു. സെൻസർ ഡാറ്റയും ET കണക്കുകൂട്ടലും പരസ്‌പരം സ്ഥിരീകരിക്കുന്നു: "എത്രമാത്രം പോകണം" എന്ന് ET പറയുന്നു, "യഥാർത്ഥത്തിൽ എന്താണ് അവശേഷിക്കുന്നത്" എന്ന് സെൻസർ പറയുന്നു. രണ്ടും ഏറ്റുമുട്ടുമ്പോൾ, ഫീൽഡ് നിയന്ത്രണം അത്യാവശ്യമാണ് (സെൻസർ കാലിബ്രേഷൻ ഓഫായിരിക്കാം).

ജലസേചന സംവിധാനവും വിളവും

ഒരേ ജലത്തിൻ്റെ ആവശ്യം വ്യത്യസ്ത സംവിധാനങ്ങളാൽ വ്യത്യസ്ത കാര്യക്ഷമതയോടെ നിറവേറ്റുന്നു. ഡ്രിപ്പ് ഇറിഗേഷൻ വെള്ളം നേരിട്ട് റൂട്ട് സോണിലേക്ക് എത്തിക്കുന്നു, അതിൻ്റെ കാര്യക്ഷമത ഉയർന്നതാണ് (85-95%); സ്പ്രിംഗ്ളർ മീഡിയം (70-85%); വെള്ളപ്പൊക്കത്തിൽ ജലസേചനം കുറവാണ് (40-60%), ഉപ്പുവെള്ളത്തിന് സാധ്യതയുണ്ട്. സിസ്റ്റം ഫ്ലോ റേറ്റ് (മണിക്കൂറിൽ വിതരണം ചെയ്യുന്ന വെള്ളം), കാര്യക്ഷമത എന്നിവ അറിയാതെ ദൈർഘ്യം കണക്കാക്കാൻ കഴിയില്ല. AI ഉപയോഗിച്ച് സമയം കണക്കാക്കുമ്പോൾ, സിസ്റ്റം ഒഴുക്കും കാര്യക്ഷമതയും ഇൻപുട്ടായി നൽകുന്നത് ഉറപ്പാക്കുക; അല്ലെങ്കിൽ ഔട്ട്പുട്ട് അർത്ഥശൂന്യമാണ്.

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - വാട്ടർ ബജറ്റ് ഉപയോഗിച്ച് ലാഭിക്കൽ. ഒരു തക്കാളി നിർമ്മാതാവ് ഒരു കലണ്ടറിൽ നനയ്ക്കുകയായിരുന്നു (ഓരോ 2 ദിവസത്തിലും നിശ്ചിത സമയം). ET അടിസ്ഥാനമാക്കിയുള്ള പ്രോഗ്രാമിലേക്ക് മാറുമ്പോൾ, തണുത്തതും ഈർപ്പമുള്ളതുമായ ദിവസങ്ങളിൽ ETc കുറയുന്നതായി കണ്ടെത്തി; സീസണിലുടനീളം ജലസേചനത്തിൻ്റെ എണ്ണം 22% കുറഞ്ഞു, പക്ഷേ വിളവ് മാറിയില്ല. വെള്ളം, പമ്പ് ഊർജ്ജം എന്നിവയായിരുന്നു നേട്ടം.

കേസ് 2 - കെസി പിശക്. ഒരു ചോളപ്പാടത്തിന്, സീസണിലുടനീളം AI Kc = 1.2 ഉപയോഗിച്ചു, തൈകൾ വളരുന്ന സമയത്ത് 3 മടങ്ങ് കൂടുതൽ വെള്ളം ശുപാർശ ചെയ്തു. തൈയുടെ ഘട്ടത്തിൽ Kc 0.4 ആയിരിക്കണമെന്ന് എഞ്ചിനീയർക്ക് അറിയാമായിരുന്നു; വളരെയധികം വെള്ളം റൂട്ട് ശ്വാസംമുട്ടലും നൈട്രജൻ ചോർച്ചയും സൃഷ്ടിക്കും. സ്റ്റേജിനനുസരിച്ച് Kc എന്ന് തിരുത്തിയപ്പോൾ പരിപാടി റിയലിസ്റ്റിക് ആയി.

കേസ് 3 - സെൻസർ-ഇടി വൈരുദ്ധ്യം. ET കണക്കുകൂട്ടൽ "മണ്ണ് ഉണങ്ങിപ്പോയിരിക്കണം" എന്ന് പറയുമ്പോൾ സെൻസർ അപ്പോഴും ഉയർന്ന ഈർപ്പം കാണിക്കുന്നു. ഞങ്ങൾ സൈറ്റിലേക്ക് പോയി: താഴത്തെ പാളിയിലെ അപര്യാപ്തമായ പാളി വെള്ളം നിലനിർത്തുന്നു, ഒരു ഡ്രെയിനേജ് പ്രശ്നം ഉണ്ടായിരുന്നു. ഇ.ടി.യുടെ അഭിപ്രായത്തിൽ, അത് നനച്ചാൽ, വെള്ളം കെട്ടിനിൽക്കുകയും വേരുചീയൽ സംഭവിക്കുകയും ചെയ്യും; സെൻസറും ഫീൽഡ് റിയാലിറ്റിയും പിശക് തടഞ്ഞു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ വയലിൽ എത്ര തവണ ഞാൻ നനയ്ക്കണം?

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ജലസേചന സ്പെഷ്യലിസ്റ്റ് കാർഷിക എഞ്ചിനീയർ. ഒരു ജലസേചന ഷെഡ്യൂൾ DRAFT കണക്കാക്കുക.ഇൻപുട്ടുകൾ:- ഉൽപ്പന്നം: [വിള], വികസന ഘട്ടം: [ഘട്ടം], Kc (പ്രാദേശിക ഉറവിടത്തിൽ നിന്ന്): [മൂല്യം]- കഴിഞ്ഞ 7 ദിവസം ET0 (മില്ലീമീറ്റർ/ദിവസം): [അറേ], ഫലപ്രദമായ മഴ (മില്ലീമീറ്റർ): [അറേ]- മണ്ണിൻ്റെ തരം: [മണൽ/പശിമരാശി/കളിമണ്ണ്], ഫ്ലോ റേറ്റ്:%, സിസ്റ്റം: [ഡ്രിപ്പ് നിരക്ക്: % [L/hour]ടാസ്‌ക്:- പ്രതിദിന ETc = ET0 × Kc, ടേബിൾ ഷോയ്‌ക്കൊപ്പം കണക്കാക്കുക.- 7-ദിവസത്തെ അറ്റജലത്തിൻ്റെ ആവശ്യകതയും (ETc - മഴ) സിസ്റ്റം കാര്യക്ഷമതയോടെയുള്ള മൊത്ത ജലവും കണ്ടെത്തുക.- ഫ്ലോ റേറ്റ് അടിസ്ഥാനമാക്കി ജലസേചന കാലയളവ് കുറയ്ക്കുക.- അത് പരിശോധിച്ചുറപ്പിച്ചിരിക്കണമെന്ന് ശ്രദ്ധിക്കുക- ഓരോ മണ്ണിലെ ഈർപ്പം സെൻസർ ഡാറ്റയുടെ കണക്കുകൂട്ടൽ കാണിക്കുക. നിങ്ങൾ ഒരു അനുമാനം എവിടെയാണെന്ന് അടയാളപ്പെടുത്തുക.

ശക്തമായ പ്രോംപ്റ്റ് എല്ലാ ഇൻപുട്ടുകളും ഫോർമുലയും വിളവ് തിരുത്തലും സെൻസർ പരിശോധന ആവശ്യകതയും വ്യക്തമാക്കുന്നു; മറഞ്ഞിരിക്കുന്ന അനുമാനങ്ങൾ ഉണ്ടാക്കുന്നതിൽ നിന്ന് ഇത് AI-യെ തടയുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ETc അക്കൗണ്ട്:

ഇനിപ്പറയുന്ന ET0 സീക്വൻസും Kc മൂല്യവും ഉപയോഗിച്ച് ദൈനംദിന ETc കണക്കാക്കി ചേർക്കുക. ഓരോ ഘട്ടവും കാണിക്കുക. ഉൽപ്പന്നം/ഘട്ടത്തിന് Kc ശരിയാണോ എന്ന് എനിക്ക് സ്ഥിരീകരിക്കേണ്ടതുണ്ടെന്ന് എഴുതുക. ET0: [...], Kc: [...]

2) അറ്റവും മൊത്തത്തിലുള്ളതുമായ ജലത്തിൻ്റെ ആവശ്യകത:

7-ദിവസത്തെ ആകെ ETc-ൽ നിന്ന് ഫലപ്രദമായ മഴ (അറ്റ ആവശ്യം) കുറയ്ക്കുക. സിസ്റ്റം കാര്യക്ഷമത% [..] കൊണ്ട് ഹരിച്ചുകൊണ്ട് മൊത്ത ജലം കണ്ടെത്തുക. ഫലം mm, m3/da എന്നിവയിൽ നൽകുക; യൂണിറ്റ് പരിവർത്തനം കാണിക്കുക.

3) സെൻസർ-ഇടി താരതമ്യം:

ET കണക്കുകൂട്ടൽ അനുസരിച്ച്, മണ്ണിലെ ഈർപ്പം എത്രത്തോളം കുറയുമെന്ന് പ്രതീക്ഷിക്കുന്നു? ഞാൻ നിങ്ങൾക്ക് നൽകിയ സെൻസർ റീഡിംഗുമായി ഇത് താരതമ്യം ചെയ്യുക. വ്യത്യാസം വലുതാണെങ്കിൽ, സാധ്യമായ കാരണങ്ങൾ പട്ടികപ്പെടുത്തുക (ഡ്രെയിനേജ്, കാലിബ്രേഷൻ, ചോർച്ച, മഴ). തീരുമാനമെടുക്കൽ; ചെക്ക്‌ലിസ്റ്റ് ദൃശ്യമാകുന്നു.

4) വരൾച്ച/പരിമിതമായ ജല സാഹചര്യം:

വെള്ളം പരിമിതമാണെങ്കിൽ (ലഭ്യം: [m3]), ഈ വിളയുടെ ഏത് വികസന ഘട്ടമാണ് ജലത്തോട് ഏറ്റവും സെൻസിറ്റീവ് എന്ന് സൂചിപ്പിക്കുകയും ആ നിർണായക ഘട്ടത്തിൽ ജലത്തിന് മുൻഗണന നൽകുന്ന ഒരു രൂപരേഖ നിർദ്ദേശിക്കുകയും ചെയ്യുക. വിളവ് അപകടസാധ്യത ഉൾപ്പെടുത്തുക.

സിസ്റ്റം

സാധാരണ വിളവ്

അനുയോജ്യമായ സാഹചര്യം

റിസ്ക്

ഡ്രോപ്പ്

85-95%

വരി വിള, പരിമിതമായ വെള്ളം

തടസ്സം, നിക്ഷേപം

സ്പ്രിംഗളർ

70-85%

ധാന്യം, കാലിത്തീറ്റ ചെടി

കാറ്റ് നഷ്ടം, രോഗം ഈർപ്പം

കീൽ

40-60%

ധാരാളം വെള്ളം, പരന്ന ഭൂമി

ഉപ്പിടൽ, കഴുകൽ

ഫെർട്ടിഗേഷൻ

85-95%

വളം + വെള്ളം ഒരുമിച്ച്

ഡോസ്/കാലിബ്രേഷൻ കൃത്യത

സാധാരണ തെറ്റുകൾ

  • കലണ്ടർ പ്രകാരം നനവ്. നിശ്ചിത ദിവസ പരിധി കാലാവസ്ഥയെ അവഗണിക്കുന്നു; ഇത് തണുത്ത ദിവസങ്ങളിൽ കൂടുതൽ വെള്ളവും ചൂടുള്ള ദിവസങ്ങളിൽ കുറച്ച് വെള്ളവും നൽകുന്നു.
  • സ്ഥിരമായ കെസി ഉപയോഗിക്കുന്നു. വികസന ഘട്ടത്തിനനുസരിച്ച് കെസി വ്യത്യാസപ്പെടുന്നു; ഒരേയൊരു മൂല്യം തൈകളിലോ പക്വതയിലോ വലിയ തെറ്റ് വരുത്തുന്നു.
  • സിസ്റ്റം കാര്യക്ഷമതയെ മറികടക്കുന്നു. നിങ്ങൾ മൊത്തം ആവശ്യകതയെ മൊത്തമായി പരിവർത്തനം ചെയ്യുന്നില്ലെങ്കിൽ, കുറഞ്ഞ ജലം യഥാർത്ഥത്തിൽ റൂട്ട് സോണിൽ എത്തും.
  • ET യിൽ അന്ധമായ വിശ്വാസം. ഡ്രെയിനേജ്, ചോർച്ച, കാലിബ്രേഷൻ എന്നിവ ET കണക്കുകൂട്ടലിനെ വികലമാക്കുന്നു; സെൻസറും ഫീൽഡും ഉപയോഗിച്ച് ക്രോസ് ചെക്ക് ചെയ്യുന്നത് നിർബന്ധമാണ്.
  • അധിക ജലം സുരക്ഷിതമാണെന്ന് കരുതുന്നു. അമിതമായ ജലം റൂട്ട് ശ്വാസം മുട്ടൽ, ലവണാംശം, പോഷകങ്ങളുടെ ചോർച്ച, ഊർജ്ജ മാലിന്യങ്ങൾ എന്നിവയ്ക്ക് കാരണമാകുന്നു.
ശ്രദ്ധിക്കുക: ജലസേചന തീരുമാനം വിളവ് മാത്രമല്ല, മണ്ണിൻ്റെ ദീർഘകാല ആരോഗ്യത്തെയും ജലവിതരണത്തിൻ്റെ സുസ്ഥിരതയെയും കുറിച്ചാണ്. ഓവർ ഡ്രാഫ്റ്റ് ഭൂഗർഭജലം കുറയ്ക്കുന്നു; അമിതമായ നനവ് മണ്ണിനെ വന്ധ്യമാക്കുന്നു. AI ജല ബജറ്റ് കണക്കാക്കുന്നു, എന്നാൽ സുസ്ഥിരതയുടെ വിധി എഞ്ചിനീയറാണ്.

ചുരുക്കത്തിൽ

ജലസേചനത്തിൻ്റെ ശാസ്ത്രം ജല സന്തുലിതാവസ്ഥയാണ്: പുറത്തേക്ക് ഒഴുകാൻ എത്ര വെള്ളം പോകണം (ബാഷ്പീകരണം). ETc = ET0 × Kc എന്ന ഫോർമുല ഉൽപ്പന്നത്തിൻ്റെ യഥാർത്ഥ ആവശ്യം നൽകുന്നു; സിസ്റ്റം കാര്യക്ഷമത മൊത്ത ജലത്തെ നിർണ്ണയിക്കുന്നു, സെൻസർ ഡാറ്റ യാഥാർത്ഥ്യത്തെ നിർണ്ണയിക്കുന്നു. AI ഈ കണക്കുകൂട്ടൽ വേഗത്തിൽ തയ്യാറാക്കുന്നു, എന്നാൽ കെസി പ്രാദേശികമായി പരിശോധിച്ചുറപ്പിക്കുകയും സിസ്റ്റം കാര്യക്ഷമത നൽകുകയും സെൻസർ/ഫീൽഡ് ഉപയോഗിച്ച് ഫലം ക്രോസ്-ചെക്ക് ചെയ്യുകയും ചെയ്യേണ്ടത് ആവശ്യമാണ്. വളരെ കുറവും അമിതമായ വെള്ളവും ദോഷകരമാണ്; ശരിയായ ജലസേചനം കൃത്യമായി ആവശ്യമുള്ള വെള്ളത്തിൻ്റെ അളവാണ്, അന്തിമ തീരുമാനം എടുക്കുന്നത് എഞ്ചിനീയറുടെ സുസ്ഥിരതയുടെ വിധിയാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ഉൽപ്പന്നവും വികസന ഘട്ടവും തിരഞ്ഞെടുക്കുക; 7 ദിവസത്തെ ET0 ഉം മഴയുടെ ഡാറ്റയും (യഥാർത്ഥ അല്ലെങ്കിൽ പ്രതിനിധി) ഉള്ള ഒരു Kc മൂല്യം കണ്ടെത്തുക. ഈ യൂണിറ്റിലെ "ETc കണക്കുകൂട്ടൽ", "നെറ്റ്, ഗ്രോസ് വാട്ടർ ആവശ്യകത" എന്നീ ടെംപ്ലേറ്റുകൾ ഉപയോഗിച്ച് AI-യ്‌ക്കായി പ്രതിവാര ജല ബജറ്റ് സൃഷ്‌ടിക്കുക. തുടർന്ന് അതേ കണക്കുകൂട്ടൽ ആവർത്തിക്കുക, മനഃപൂർവ്വം Kc തെറ്റായി (ഘട്ടത്തിന് പുറത്ത്) നൽകി, രണ്ട് ഫലങ്ങളും താരതമ്യം ചെയ്യുക: തെറ്റായ Kc ജലത്തിൻ്റെ ആവശ്യകതയെ എത്രത്തോളം മാറ്റി? സെൻസർ ഉപയോഗിച്ച് സ്ഥിരീകരണ ഘട്ടം എങ്ങനെ സജ്ജീകരിക്കുമെന്ന് എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] ഞാൻ ETc ET0 × Kc കണക്കാക്കി, ഉൽപ്പന്നം/ഘട്ടം അനുസരിച്ച് Kc പരിശോധിച്ചു.
  • [ ] ഞാൻ നെറ്റ് ആവശ്യത്തിൽ നിന്ന് സിസ്റ്റം കാര്യക്ഷമതയോടെ മൊത്ത ജലത്തിലേക്ക് നീങ്ങി; ഞാൻ യൂണിറ്റുകൾ പരിശോധിച്ചു.
  • [ ] സിസ്റ്റം ഫ്ലോ റേറ്റ് അനുസരിച്ച് ഞാൻ ജലസേചന സമയം കണക്കാക്കി.
  • [ ] ഞാൻ മണ്ണിൻ്റെ ഈർപ്പം സെൻസറും ഫീൽഡും ഉപയോഗിച്ച് ET കണക്കുകൂട്ടൽ ക്രോസ്-ചെക്ക് ചെയ്തു.
  • [ ] അധിക ജലത്തിൻ്റെ അപകടസാധ്യതയും സുസ്ഥിരതയും ഞാൻ വിലയിരുത്തി, അന്തിമ തീരുമാനം എഞ്ചിനീയർക്ക് വിട്ടു.