Lợi nhuận:
- Khả năng kết nối dữ liệu khí tượng (nhiệt độ, lượng mưa, GDD, nguy cơ sương giá, độ ẩm) với cửa sổ quyết định nông nghiệp
- Khả năng kết hợp dự báo thời tiết và hiện tượng học với AI để tạo ra dự thảo lịch trình phun thuốc/thu hoạch/chống sương giá
- Khả năng diễn giải chính xác sự không chắc chắn trong dự báo và các biểu thức xác suất cũng như quản lý rủi ro bằng phán đoán của nhà nông học
Hầu như mọi quyết định trong nông nghiệp đều gắn liền với thời tiết: khi nào trồng, khi nào phun thuốc, khi nào tưới nước, khi nào thu hoạch, sương giá có đến vào ban đêm không? Một người nông dân có kinh nghiệm đọc rất nhiều bằng cách nhìn lên bầu trời, nhưng thời tiết giờ đây cũng có thể được đọc bằng số: nhiệt độ, lượng mưa, độ ẩm, gió, bức xạ mặt trời và dự báo của họ. Đơn vị này dạy bạn cách kết nối dữ liệu khí tượng với cửa sổ quyết định nông nghiệp, kết hợp dự báo thời tiết và phát triển nhà máy với trí tuệ nhân tạo để tạo ra bản dự thảo về thời gian và - vấn đề quan trọng nhất - đọc chính xác sự không chắc chắn của dự báo. Bởi vì dự báo thời tiết mang tính xác suất; Sử dụng nó như một sự chắc chắn là một trong những sai lầm đắt giá nhất.
Các biến khí tượng quan trọng cho nông nghiệp
Nhiệt độ không chỉ là một con số; Nó là động lực phát triển của nhà máy. Để đo lường điều này, GDD (Ngày tăng trưởng) được sử dụng: nhiệt độ trung bình hàng ngày được trừ vào nhiệt độ cơ bản của sản phẩm và được tích lũy. GDD là “đồng hồ sinh học” đáng tin cậy hơn lịch; Nó dự đoán cây sẽ ở giai đoạn nào và khi nào một số loài gây hại sẽ xuất hiện dựa trên sự tích tụ nhiệt.
Lượng mưa và độ ẩm quyết định cả nguồn nước và nguy cơ bệnh tật. Độ ẩm lá kéo dài và độ ẩm cao là tác nhân gây ra nhiều bệnh nấm; Đó là lý do tại sao một số hệ thống cảnh báo bệnh tật theo dõi trực tiếp sự kết hợp giữa độ ẩm và nhiệt độ.
Nguy cơ sương giá là vấn đề sống còn đối với vườn cây ăn trái, đặc biệt là trong thời kỳ ra hoa; Một vài giờ nhiệt độ âm có thể phá hủy toàn bộ sản phẩm. Dự báo sương giá là rất quan trọng để đưa ra kịp thời các biện pháp bảo vệ (chống sương giá bằng tưới tiêu, máy gió).
Gió ảnh hưởng trực tiếp đến quyết định phun thuốc: khi có gió lớn, thuốc trừ sâu trôi đi, không đến được mục tiêu và làm hư hại lô đất/môi trường lân cận.
Biến
quyết định phụ thuộc
Đóng góp của AI
GDD (tích tụ nhiệt)
Hiện tượng học, sự xuất hiện sâu bệnh
Dự đoán giai đoạn/thời gian xuất hiện
Lượng mưa + độ ẩm của lá
Nguy cơ dịch bệnh, tưới tiêu
Cảnh báo cửa sổ rủi ro
Sương giá (nhiệt độ tối thiểu)
Kích hoạt bảo vệ sương giá
Dấu hiệu đêm đầy rủi ro phía trước
gió
Thời gian phun
Đề xuất cửa sổ phù hợp
độ ẩm + nhiệt độ
mô hình bệnh tật
Sự kết hợp tình trạng quan trọng
Đọc dự báo không chắc chắn
Ý tưởng quan trọng nhất của đơn vị này: dự báo thời tiết là một khả năng chứ không phải một lời hứa. Câu “ngày mai 70% mưa” không có nghĩa là “chắc chắn trời sẽ mưa”; Điều này có nghĩa là 7 trong số 10 điều kiện tương tự đều có mưa. Độ tin cậy của dự báo giảm nhanh theo thời gian: dự báo 1-2 ngày khá đáng tin cậy, dự báo 7 ngày là xu hướng thô, dự báo 14 ngày gần như là trung bình khí hậu. Trí tuệ nhân tạo có thể che giấu sự mơ hồ này bằng những câu văn hay; công việc của bạn là giữ cho nó hiển thị.
Mẹo: Khi yêu cầu AI đưa ra quyết định dựa trên thời tiết, hãy nói "bao gồm xác suất và khoảng thời gian tin cậy, đừng cụ thể". Thay vì "hoãn phun thuốc đến ngày mai", một kết quả như "gió gió ngày mai có thể thấp X%, nhưng có 2 ngày không chắc chắn" sẽ hữu ích hơn nhiều.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Tính thời gian với GDD. Theo lịch, sự xuất hiện của sâu bệnh trong vườn táo được dự đoán là vào "giữa tháng 5". Theo dõi GDD thì thấy năm đó nhiệt tích tụ muộn; Việc phát hành đã bị hoãn lại 11 ngày sau đó. Bẫy giám sát đã khẳng định dự đoán GDD và việc phun thuốc không bị lãng phí sớm mà được thực hiện ngay vào thời điểm xuất hiện.
Trường hợp 2 - Xác suất đọc sai. Một nhà sản xuất dựa vào dự báo "lượng mưa 60%" và hủy bỏ việc tưới tiêu; Mưa không đến và nhà máy phải chịu đựng căng thẳng suốt hai ngày. Bài học: 60% không "chắc chắn". Lần tiếp theo, quyết định được đưa ra bằng cách đánh giá xác suất dự đoán cùng với cảm biến độ ẩm của đất; Nếu độ ẩm thấp nên tưới nhẹ mà không cần chờ mưa.
Trường hợp 3 - Chống băng giá. AI cho thấy khả năng xảy ra sương giá thấp trong ba ngày tới, nhưng kỹ sư cũng theo dõi radar và trạm địa phương, biết được sự không chắc chắn trong 5 ngày. Khi đêm quan trọng đến gần, dự báo trở nên khắc nghiệt hơn; Hệ thống tưới chống sương giá được kích hoạt kịp thời và hoa đã được cứu. Nếu một người mù quáng tin tưởng vào một lời tiên đoán xa vời, người đó sẽ bị mắc kẹt trong tình trạng không chuẩn bị trước.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Tuần này nên phun khi nào?
Lời nhắc mạnh mẽ:
Vai trò của bạn: Nhà nông học hỗ trợ khí tượng nông nghiệp. Giải thích dự báo 7 ngày bên dưới (ngày, nhiệt độ tối thiểu/tối đa, khả năng có mưa, gió, độ ẩm). Nhiệm vụ:- Liệt kê các cửa sổ PHÙ HỢP để phun thuốc; biện minh cho hạn chế về gió và lượng mưa. - Thêm vào mỗi đề xuất KHẢ NĂNG của dự báo và số ngày không chắc chắn mà nó mang lại. - Sử dụng ngôn ngữ chính xác; Hãy diễn đạt nó như "rất có thể/không chắc chắn". - Đánh dấu nếu có sự kết hợp giữa độ ẩm và nhiệt độ có nguy cơ gây bệnh nấm. - Lưu ý rằng tôi cần đưa ra quyết định cùng với cảm biến/trường. Dự đoán: [dữ liệu 7 ngày]
Lời nhắc mạnh mẽ áp đặt xác suất và sự không chắc chắn, cấm ngôn ngữ chính xác và không quy quyết định cho một nguồn duy nhất.
Bốn mẫu có thể sao chép
1) Máy tính GDD và hiện tượng học:
Sản phẩm [..], nhiệt độ cơ bản [..]°C. Trung bình hàng ngày hiện tại. tích lũy GDD theo nhiệt độ và dự đoán giai đoạn phát triển có thể dựa trên sự tích lũy hiện tại. Nêu rõ độ không đảm bảo; viết rằng cần phải xác nhận bằng quan sát hiện trường.
2) Cửa sổ phun:
Đề xuất 2 cửa sổ thích hợp nhất để phun dựa trên dự báo lượng gió/mưa trong 7 ngày. Viết tốc độ gió, xác suất mưa và nguy cơ trôi dạt cho từng loại. Nếu không có cửa sổ phù hợp thì hãy nói rõ ràng như vậy.
3) Cảnh báo sớm nguy cơ băng giá:
Trong những đêm tới, phút. Đánh giá nhiệt độ và khả năng xảy ra sương giá. Đánh dấu những đêm có nguy cơ giảm xuống dưới ngưỡng tới hạn (~0°C khi hoa nở) và ghi lại mức độ không chắc chắn của dự báo. Ngoài ra, hãy đề xuất nguồn địa phương nào tôi nên xem.
4) Cửa sổ rủi ro bệnh tật:
Đánh dấu các cửa sổ nơi nguy cơ bệnh nấm tăng lên dựa trên thời gian ẩm ướt của lá và dữ liệu về độ ẩm/nhiệt độ đối với loại cây trồng này. Thực hiện chẩn đoán; chỉ cảnh báo ở mức “điều kiện phù hợp, tăng cường giám sát”.
Những lỗi thường gặp
- Xác suất nhầm lẫn cho sự chắc chắn. “Lượng mưa 60%” không phải là sự đảm bảo; Đừng đưa ra quyết định của bạn chỉ dựa trên một lần đoán.
- Dựa vào tiên đoán xa xôi. 7 ngày tới là xu hướng; Đưa ra quyết định quan trọng với dự báo được cập nhật khi thời điểm đó đến gần hơn.
- Nhiệt độ cơ sở trộn GDD. Cơ sở của mỗi sản phẩm là khác nhau; cơ sở sai sẽ chuyển tất cả sự tích lũy.
- Phớt lờ gió. Phun khi gió lớn có nghĩa là trôi dạt và hủy hoại môi trường.
- Tin cậy một nguồn duy nhất. Vệ tinh, radar, trạm địa phương và hiện trường kết hợp với nhau sẽ đáng tin cậy hơn.
Thận trọng: Sự phụ thuộc mù quáng vào dự báo từ xa trong các quyết định về thời gian như chống sương giá, phun thuốc và thu hoạch là rất tốn kém. Đọc dự báo dưới dạng phân bố xác suất và cập nhật quyết định khi bạn đến gần hơn với ngày/đêm quan trọng.
Tóm lại
Dữ liệu khí tượng là trục thời gian của các quyết định nông nghiệp: GDD xác định hiện tượng học và sự xuất hiện sâu bệnh, nguy cơ bệnh nhiệt độ-độ ẩm, tối thiểu. Nhiệt độ quyết định nguy cơ sương giá, gió quyết định thời điểm phun thuốc. AI rất mạnh trong việc kết hợp dữ liệu này và tạo ra các phác thảo lịch trình, nhưng dự đoán chỉ mang tính xác suất và độ tin cậy của nó giảm dần theo thời gian. Giúp AI tránh xa ngôn ngữ chính xác, hiển thị xác suất và sự không chắc chắn, đưa ra quyết định bằng cảm biến và hiện trường, đồng thời dựa vào dự báo hiện tại vào những thời điểm quan trọng.
Nhiệm vụ ứng dụng
Chuẩn bị bảng dự báo thời tiết tiêu biểu cho 7 ngày (nhiệt độ tối thiểu/tối đa, khả năng có mưa, gió, độ ẩm). Cung cấp nó cho AI với các mẫu "cửa sổ phun" và "cảnh báo sớm nguy cơ sương giá" trong đơn vị này. Ở đầu ra, hãy xem xét liệu AI nói một cách chắc chắn hay xác suất, liệu nó có chỉ định khoảng thời gian không chắc chắn hay không và liệu nó có nói một cách trung thực hay không nếu không có cửa sổ. Viết ra những nguồn lực bổ sung mà bạn sẽ sử dụng để đưa ra quyết định chứ không chỉ là phỏng đoán.
danh sách kiểm tra
- [ ] Tôi hiểu khả năng có mưa/sương giá là có thể xảy ra chứ không phải là điều chắc chắn.
- [ ] Tôi đã tính đến khoảng thời gian tin cậy của dự báo (cập nhật khi thời điểm đó đến gần hơn).
- [ ] Tôi đã sử dụng nhiệt độ cơ bản GDD đúng theo sản phẩm.
- [ ] Tôi đã kiểm tra nguy cơ gió/trôi dạt trong quyết định phun thuốc.
- [ ] Tôi đã đưa ra quyết định quan trọng về thời điểm với sự phán đoán của một kỹ sư, được hỗ trợ bởi nhiều nguồn lực và lĩnh vực.