กำไร:
- ความสามารถในการเชื่อมต่อข้อมูลอุตุนิยมวิทยา (อุณหภูมิ ปริมาณน้ำฝน GDD ความเสี่ยงต่อการแข็งตัว ความชื้น) เข้ากับหน้าต่างการตัดสินใจทางการเกษตร
- ความสามารถในการรวมการพยากรณ์อากาศและปรากฏการณ์วิทยาเข้ากับ AI เพื่อสร้างร่างกำหนดการการฉีดพ่น/การเก็บเกี่ยว/การป้องกันน้ำค้างแข็ง
- ความสามารถในการตีความความไม่แน่นอนของการพยากรณ์และการแสดงออกถึงความน่าจะเป็นได้อย่างถูกต้อง และจัดการความเสี่ยงด้วยการตัดสินของนักปฐพีวิทยา
การตัดสินใจด้านเกษตรกรรมเกือบทุกอย่างเกี่ยวพันกับสภาพอากาศ: เมื่อใดควรปลูก, ควรฉีดพ่นเมื่อใด, ควรรดน้ำเมื่อใด, ควรเก็บเกี่ยวเมื่อใด, น้ำค้างแข็งจะเกิดขึ้นในเวลากลางคืนหรือไม่? ชาวนาที่มีประสบการณ์จะอ่านสิ่งต่างๆ มากมายจากการดูท้องฟ้า แต่ตอนนี้สามารถอ่านสภาพอากาศเป็นตัวเลขได้เช่นกัน เช่น อุณหภูมิ ปริมาณน้ำฝน ความชื้น ลม รังสีแสงอาทิตย์ และการพยากรณ์ หน่วยนี้จะสอนให้คุณเชื่อมต่อข้อมูลอุตุนิยมวิทยากับหน้าต่างการตัดสินใจทางการเกษตร ผสมผสานการพยากรณ์อากาศและการพัฒนาพืชเข้ากับปัญญาประดิษฐ์เพื่อสร้างร่างกำหนดเวลา และ - ปัญหาที่สำคัญที่สุด - อ่านความไม่แน่นอนของการพยากรณ์อย่างถูกต้อง เนื่องจากการพยากรณ์อากาศมีความน่าจะเป็น การใช้มันเพื่อความแน่นอนถือเป็นหนึ่งในความผิดพลาดที่แพงที่สุด
ตัวแปรอุตุนิยมวิทยาที่สำคัญเพื่อการเกษตร
อุณหภูมิไม่ใช่แค่ตัวเลข เป็นกลไกในการพัฒนาพืช ในการวัดสิ่งนี้ จะใช้ GDD (Growing Degree Days) โดยอุณหภูมิเฉลี่ยรายวันจะถูกลบออกจากอุณหภูมิฐานของผลิตภัณฑ์แล้วสะสมไว้ GDD เป็น "นาฬิกาชีวภาพ" ที่น่าเชื่อถือมากกว่าปฏิทิน โดยคาดการณ์ว่าพืชจะอยู่ในระยะใดและศัตรูพืชบางชนิดจะปรากฏขึ้นเมื่อใดโดยพิจารณาจากการสะสมความร้อน
ปริมาณน้ำฝนและความชื้นเป็นตัวกำหนดทั้งปริมาณน้ำและความเสี่ยงต่อโรค ความเปียกของใบเป็นเวลานานและความชื้นสูงเป็นสาเหตุของโรคเชื้อราหลายชนิด นั่นเป็นเหตุผลว่าทำไมระบบแจ้งเตือนโรคบางระบบจึงติดตามการรวมอุณหภูมิความชื้นและความชื้นโดยตรง
ความเสี่ยงต่อการเกิดน้ำค้างแข็งเป็นเรื่องของชีวิตและความตายสำหรับสวนผลไม้ โดยเฉพาะในช่วงออกดอก อุณหภูมิติดลบไม่กี่ชั่วโมงสามารถทำลายผลิตภัณฑ์ทั้งหมดได้ การคาดการณ์ฟรอสต์มีความสำคัญสำหรับการแนะนำมาตรการป้องกันอย่างทันท่วงที (การป้องกันฟรอสต์ด้วยการชลประทาน เครื่องทำลม)
ลมส่งผลโดยตรงต่อการตัดสินใจฉีดพ่น: ในลมแรง สารกำจัดศัตรูพืชจะลอยไปไม่ถึงเป้าหมาย และสร้างความเสียหายให้กับพัสดุ/สิ่งแวดล้อมที่อยู่ใกล้เคียง
ตัวแปร
ขึ้นอยู่กับการตัดสินใจ
การมีส่วนร่วมของ AI
GDD (การสะสมความร้อน)
ฟีโนโลยี การเกิดขึ้นของศัตรูพืช
การทำนายระยะ/การเกิดขึ้น
การตกตะกอน + ความเปียกของใบ
ความเสี่ยงต่อโรค การชลประทาน
คำเตือนหน้าต่างความเสี่ยง
ฟรอสต์ (อุณหภูมิต่ำสุด)
ทริกเกอร์ป้องกันฟรอสต์
สัญญาณอันตรายข้างหน้า
ลม
เวลาฉีดพ่น
คำแนะนำหน้าต่างที่เหมาะสม
ความชื้น + อุณหภูมิ
แบบจำลองโรค
การรวมกันของเงื่อนไขที่สำคัญ
การอ่านความไม่แน่นอนของการพยากรณ์
แนวคิดที่สำคัญที่สุดของหน่วยนี้: การพยากรณ์อากาศเป็นไปได้ ไม่ใช่คำมั่นสัญญา ประโยค "พรุ่งนี้ฝน 70%" ไม่ได้หมายความว่า "ฝนจะตกแน่นอน"; ซึ่งหมายความว่า 7 ใน 10 ของสภาพอากาศที่คล้ายคลึงกันประสบกับฝนตก ความน่าเชื่อถือของการพยากรณ์ลดลงอย่างรวดเร็วตามเวลา: การพยากรณ์ 1-2 วันค่อนข้างเชื่อถือได้ การพยากรณ์ 7 วันเป็นแนวโน้มคร่าวๆ การพยากรณ์ 14 วันเกือบจะเป็นค่าเฉลี่ยสภาพภูมิอากาศ ปัญญาประดิษฐ์สามารถปกปิดความคลุมเครือนี้ด้วยประโยคที่สวยงาม งานของคุณคือทำให้มันมองเห็นได้
เคล็ดลับ: เมื่อถาม AI เกี่ยวกับการตัดสินใจตามสภาพอากาศ ให้พูดว่า "รวมความน่าจะเป็นและช่วงความเชื่อมั่น ไม่ต้องเจาะจง" แทนที่จะ "เลื่อนการฉีดพ่นไปจนถึงวันพรุ่งนี้" ผลลัพธ์ เช่น "ลมลมพรุ่งนี้มีค่า X% มีแนวโน้มว่าจะต่ำ แต่มีความไม่แน่นอน 2 วัน" มีประโยชน์มากกว่ามาก
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 - กำหนดเวลาด้วย GDD ตามปฏิทิน คาดว่าจะมีศัตรูพืชในสวนแอปเปิลเกิดขึ้นในช่วงกลางเดือนพฤษภาคม จากการติดตาม GDD พบว่าความร้อนสะสมเกิดขึ้นในช่วงปลายปีนั้น การเปิดตัวถูกเลื่อนออกไป 11 วันต่อมา กับดักตรวจสอบยืนยันการคาดการณ์ GDD และการฉีดพ่นไม่ได้สูญเปล่าก่อนเวลาอันควร แต่ทำถูกต้องในเวลาที่เกิด
กรณีที่ 2 - ความน่าจะเป็นที่อ่านผิด ผู้ผลิตรายหนึ่งอาศัยการคาดการณ์ "ปริมาณน้ำฝน 60%" และยกเลิกการชลประทาน ฝนไม่ตก ต้นไม้ต้องทนทุกข์ทรมานจากความเครียดเป็นเวลาสองวัน บทเรียน: 60% ไม่ใช่ "แน่นอน" ครั้งต่อไปตัดสินใจโดยการประเมินความน่าจะเป็นในการทำนายร่วมกับเซ็นเซอร์ความชื้นในดิน หากมีความชื้นต่ำ ให้รดน้ำแบบเบา ๆ โดยไม่ต้องรอให้ฝนตก
กรณีที่ 3 - การป้องกันน้ำค้างแข็ง AI แสดงความน่าจะเป็นต่ำที่จะเกิดน้ำค้างแข็งเป็นเวลาสามวันข้างหน้า แต่วิศวกรยังติดตามเรดาร์และสถานีท้องถิ่นด้วย โดยทราบถึงความไม่แน่นอนใน 5 วัน เมื่อค่ำคืนวิกฤติใกล้เข้ามา การคาดการณ์ก็รุนแรงขึ้น การชลประทานแบบป้องกันน้ำค้างแข็งถูกเปิดใช้งานทันเวลาและดอกไม้ก็ถูกบันทึกไว้ หากใครเชื่อคำทำนายอันห่างไกลโดยสุ่มสี่สุ่มห้า คนๆ หนึ่งจะถูกจับได้ว่าไม่ได้เตรียมตัวไว้
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
สัปดาห์นี้ฉันควรฉีดเมื่อไหร่?
พรอมต์อันทรงพลัง:
บทบาทของคุณ: นักปฐพีวิทยาสนับสนุนอุตุนิยมวิทยาการเกษตร ตีความการคาดการณ์ 7 วันด้านล่าง (วัน อุณหภูมิต่ำสุด/สูงสุด ความน่าจะเป็นที่ฝน ลม ความชื้น) งาน:- จัดทำรายการหน้าต่างที่เหมาะสมสำหรับการฉีดพ่น ปรับข้อจำกัดลมและการตกตะกอน - เพิ่มความเป็นไปได้ของการคาดการณ์และจำนวนวันที่มีความไม่แน่นอนให้กับข้อเสนอแนะแต่ละข้อ - การใช้ภาษาที่ชัดเจน แสดงออกว่า "มีแนวโน้มมากที่สุด/ไม่แน่นอน" - ทำเครื่องหมายว่ามีความชื้น+อุณหภูมิรวมกันที่เสี่ยงต่อโรคเชื้อราหรือไม่ - โปรดทราบว่าฉันต้องตัดสินใจร่วมกับเซ็นเซอร์/สนาม การคาดการณ์: [ข้อมูล 7 วัน]
ข้อความแจ้งที่ชัดเจนบังคับใช้ความน่าจะเป็นและความไม่แน่นอน ห้ามใช้ภาษาที่ชัดเจน และไม่ถือว่าการตัดสินใจมาจากแหล่งข้อมูลเดียว
เทมเพลตที่คัดลอกได้สี่แบบ
1) เครื่องคิดเลข GDD และปรากฏการณ์วิทยา:
สินค้า [..] อุณหภูมิฐาน [..]°C ค่าเฉลี่ยรายวันในปัจจุบัน สะสม GDD ด้วยอุณหภูมิและทำนายระยะการพัฒนาที่เป็นไปได้ตามการสะสมในปัจจุบัน ระบุความไม่แน่นอน; เขียนว่าต้องมีการยืนยันโดยการสังเกตภาคสนาม
2) หน้าต่างฉีดพ่น:
แนะนำ 2 หน้าต่างที่เหมาะสมที่สุดในการฉีดพ่นตามพยากรณ์ลม/ฝน 7 วัน เขียนความเร็วลม ความน่าจะเป็นของการตกตะกอน และความเสี่ยงต่อการเคลื่อนตัวของแต่ละรายการ หากไม่มีหน้าต่างที่เหมาะสมก็พูดให้ชัดเจน
3) การเตือนล่วงหน้าถึงความเสี่ยงต่อการเกิดน้ำค้างแข็ง:
ในคืนที่กำลังจะมาถึง นาที. ประเมินอุณหภูมิและความเป็นไปได้ที่จะเกิดน้ำค้างแข็ง ทำเครื่องหมายคืนที่มีความเสี่ยงที่จะตกลงมาต่ำกว่าเกณฑ์วิกฤติ (~0°C ในช่วงออกดอก) และจดบันทึกความไม่แน่นอนของการพยากรณ์ นอกจากนี้ แนะนำแหล่งที่มาในท้องถิ่นที่ฉันควรดู
4) ช่วงความเสี่ยงต่อการเกิดโรค:
ทำเครื่องหมายหน้าต่างที่ความเสี่ยงต่อโรคเชื้อราเพิ่มขึ้นโดยพิจารณาจากระยะเวลาความเปียกของใบและข้อมูลความชื้น/อุณหภูมิสำหรับพืชผลนี้ ทำการวินิจฉัย แจ้งเตือนเฉพาะที่ระดับ "สภาวะเหมาะสม เพิ่มการตรวจติดตาม"
ข้อผิดพลาดทั่วไป
- ความน่าจะเป็นที่ผิดพลาดเพื่อความแน่นอน “ปริมาณน้ำฝน 60%” ไม่รับประกัน อย่ายึดการตัดสินใจของคุณด้วยการเดาเพียงครั้งเดียว
- อาศัยการพยากรณ์อันห่างไกล 7 วันข้างหน้าคือแนวโน้ม ทำการตัดสินใจที่สำคัญโดยอัปเดตการคาดการณ์เมื่อใกล้เข้ามา
- อุณหภูมิฐานผสม GDD ฐานของแต่ละผลิตภัณฑ์มีความแตกต่างกัน ฐานผิดจะเลื่อนการสะสมทั้งหมด
- โดยไม่สนใจลม การฉีดพ่นในลมแรงหมายถึงการล่องลอยและความเสียหายต่อสิ่งแวดล้อม
- เชื่อถือแหล่งเดียว ดาวเทียม เรดาร์ สถานีท้องถิ่น และภาคสนามรวมกันมีความน่าเชื่อถือมากกว่า
ข้อควรระวัง: การพึ่งพาการคาดการณ์ระยะไกลในการตัดสินใจเรื่องเวลา เช่น การป้องกันน้ำค้างแข็ง การฉีดพ่น และการเก็บเกี่ยวมีค่าใช้จ่ายสูง อ่านการคาดการณ์เป็นการแจกแจงความน่าจะเป็น และอัปเดตการตัดสินใจเมื่อคุณเข้าใกล้คืน/วันวิกฤติ
โดยสรุป
ข้อมูลอุตุนิยมวิทยาเป็นแกนเวลาของการตัดสินใจทางการเกษตร: GDD กำหนดลักษณะทางฟีโนโลยีและการเกิดขึ้นของศัตรูพืช ความเสี่ยงต่อโรคที่อุณหภูมิความชื้น นาที อุณหภูมิกำหนดความเสี่ยงต่อการเกิดน้ำค้างแข็ง ลมกำหนดหน้าต่างการฉีดพ่น AI มีประสิทธิภาพในการรวมข้อมูลนี้และสร้างโครงร่างกำหนดการ แต่การคาดการณ์มีความน่าจะเป็นและความเชื่อมั่นจะลดลงเมื่อเวลาผ่านไป ป้องกัน AI ให้ห่างจากภาษาที่แม่นยำ ทำให้มองเห็นความน่าจะเป็นและความไม่แน่นอน ทำการตัดสินใจด้วยเซ็นเซอร์และสนาม และอาศัยการคาดการณ์ปัจจุบันในช่วงเวลาที่สำคัญ
งานสมัคร
เตรียมตารางพยากรณ์อากาศ 7 วัน (อุณหภูมิต่ำสุด/สูงสุด ความน่าจะเป็นที่ฝน ลม ความชื้น) มอบให้กับ AI ด้วยเทมเพลต "หน้าต่างสเปรย์" และ "การเตือนล่วงหน้าความเสี่ยงน้ำค้างแข็ง" ในหน่วยนี้ ในผลลัพธ์ ให้พิจารณาว่า AI พูดด้วยความแน่นอนหรือความน่าจะเป็น ระบุระยะเวลาความไม่แน่นอนหรือไม่ และพูดอย่างตรงไปตรงมาหรือไม่หากไม่มีหน้าต่างว่าง เขียนแหล่งข้อมูลเพิ่มเติมที่คุณจะใช้ในการตัดสินใจ ไม่ใช่แค่การคาดเดา
รายการตรวจสอบ
- [ ] ฉันตีความความเป็นไปได้ของฝน/น้ำค้างแข็งว่าเป็นไปได้ ไม่ใช่ความแน่นอน
- [ ] ฉันคำนึงถึงช่วงความเชื่อมั่นของการคาดการณ์ (อัปเดตเมื่อใกล้เข้ามา)
- [ ] ฉันใช้อุณหภูมิฐาน GDD อย่างถูกต้องตามผลิตภัณฑ์
- [ ] ฉันตรวจสอบความเสี่ยงลม/การดริฟท์ในการตัดสินใจฉีดพ่น
- [ ] ฉันตัดสินใจเรื่องเวลาที่สำคัญโดยอาศัยวิจารณญาณของวิศวกร ซึ่งได้รับการสนับสนุนจากทรัพยากรและสาขาต่างๆ มากมาย