Поскольку доступность и объем данных, которые помогают нам понять, что происходит или будет происходить на сельскохозяйственном поле или в саду, продолжает расти в геометрической прогрессии, проблема, с которой мы сейчас сталкиваемся, заключается в том, как собирать, синтезировать и использовать эти данные для обеспечения простого и действенного понимания и рекомендации для пользователя.
Хорошо известно, что окружающая среда оказывает значительное влияние на сельскохозяйственное производство. Мало того, что количество солнечного света и воды, которые получает культура, напрямую влияют на конечную урожайность этой культуры, но и факторы окружающей среды также влияют на эффективность продуктов, которые используются для получения урожая. Понимание окружающей среды помогает производителям управлять критически важными ресурсами, включая воду. Это также позволяет агробизнесу совершенствовать разработку продуктов и лучше позиционировать свои продукты после того, как они будут выпущены на рынок.
Например, для эффективных решений по планированию поливов требуются данные об окружающей среде о типе и текстуре почвы на поле, органических веществах, присутствующих в почве, и топографии, а также исторических, текущих и прогнозируемых погодных переменных. Агрегирование данных из нескольких разрозненных источников является сложной задачей, а точные рекомендации также требуют, чтобы данные были хорошего качества. После того, как соответствующие данные были агрегированы и обеспечено качество, необходимо применить физические процессы, которые объединяют эти данные.
Пример орошения
Моделирование земной поверхности можно использовать для интеграции этих переменных погоды, почвы и сельскохозяйственных культур в продукты, которые позволяют пользователю понять наличие и движение воды в почве и сельскохозяйственных культурах. Модели поверхности земли (LSM) ClearAg, например, специально разработаны для поддержки сельскохозяйственных приложений с учетом типа выращиваемой культуры и соответствующей глубины почвы, на которой корни этой культуры впитывают воду. В конце концов, пшеница и кукуруза имеют совершенно разные потребности в воде и глубину корней.
Эту модель, ориентированную на сельское хозяйство, затем можно использовать для выработки точных рекомендаций по поливу без необходимости в дорогостоящих полевых датчиках. Сбор и обработка всех необходимых входных данных из различных источников информации о состоянии дел выполняется для пользователя. Затем модель запускается специально для культуры - и правильного выбора времени стадий роста культуры - чтобы обеспечить наилучший результат. Для целей планирования орошения этот результат представлен в виде простых и понятных рекомендаций о том, когда и в каком объеме проводить полив, чтобы эффективность использования воды была оптимизирована. Дополнительные вспомогательные данные также отображаются на диаграмме для просмотра пользователем.
Извлечение информации из данных
Концепция преобразования сложных данных в простые для понимания идеи или рекомендации имеет ценность далеко не только при составлении расписания полива. Возможно, у вас есть цель понять риск потери урожая из-за стресса во время периода налива зерновых культур или риск неблагоприятных условий при всходе, которые могут повлиять на укоренение древостоя. Или, может быть, вы могли бы дать своим клиентам более совершенные рекомендации по использованию продукта, если бы знали о риске развития определенного заболевания. Может быть, вам нужно знать, на какие поля отправлять технику для обработки почвы, посева, сбора урожая или других операций. Возможно, ваша группа исследований и разработок или управления продуктом хочет понять, являются ли условия в течение одного сезона тестирования репрезентативными для средних условий в районе, когда они оценивают продукт для запуска. Чтобы удовлетворить такие потребности мы применяем индексный подход для улучшения принятия решений с использованием экологической информации.
Как и в случае с ирригацией, понимание воздействия на окружающую среду на вопросы такого рода требует анализа множества переменных из разных источников, а также знания поля, культуры и стадии ее роста. ClearAg Indices может предоставить вам оценку от 1 до 100, которая количественно определяет влияние окружающей среды на критически важные решения для фермеров или агробизнеса, будь то на одном поле или на нескольких полях или в местах проведения испытаний.
