Εισαγωγή
Ο παγκόσμιος αγροτικός τομέας αντιμετωπίζει μια άνευ προηγουμένου συρροή προκλήσεων. Ένας ταχέως αναπτυσσόμενος παγκόσμιος πληθυσμός απαιτεί μαζική αύξηση της παραγωγής τροφίμων, ωστόσο οι καλλιεργητές πρέπει να επιτύχουν αυτές τις υψηλότερες αποδόσεις υπό τις σύνθετες πιέσεις της έντονης κλιματικής αστάθειας, της επιτάχυνσης της υποβάθμισης του εδάφους και της μείωσης των αποθεμάτων γλυκού νερού. Για να ξεπεράσει αυτά τα εμπόδια, ο κλάδος γνώρισε μια βαθιά αλλαγή ψηφιακού παραδείγματος, απομακρύνοντας από τις υποκειμενικές, ημερολογιακές- μεθόδους καλλιέργειας προς εξαιρετικά ακριβή πλαίσια διαχείρισης{3}}με βάση τα δεδομένα. Στο απόλυτο κέντρο αυτής της τεχνολογικής επανάστασης βρίσκεται το Σύστημα Παρακολούθησης Γεωργίας.
Το Σύστημα Παρακολούθησης Γεωργίας είναι ένα διασυνδεδεμένο δίκτυο υλικού, πρωτοκόλλων επικοινωνίας, λογισμικού cloud και εργαλείων αυτοματισμού που έχουν σχεδιαστεί για συνεχή έλεγχο, ανάλυση και βελτιστοποίηση των συνθηκών του αγρού σε πραγματικό-χρόνο. Μετατρέποντας ένα εκτεταμένο αγρόκτημα σε ένα εξαιρετικά ορατό, μετρήσιμο ψηφιακό οικοσύστημα, αυτά τα συστήματα παρέχουν στους καλλιεργητές τις ακριβείς γνώσεις που απαιτούνται για την εφαρμογή του νερού, των λιπασμάτων και των παρεμβάσεων διαχείρισης παρασίτων με χειρουργική ακρίβεια. Για να κατανοήσουμε πραγματικά πώς λειτουργεί αυτό το οικοσύστημα, είναι απαραίτητο να εξεταστούν τα βασικά στρώματα που αποτελούν την αρχιτεκτονική του-που κυμαίνονται από τους φυσικούς αισθητήρες που είναι θαμμένοι βαθιά στο έδαφος έως τους πολύπλοκους κινητήρες τεχνητής νοημοσύνης που λειτουργούν στο σύννεφο.
Υλικό αισθητήρα: Τα αισθητήρια όργανα του πεδίου
Η βάση κάθε λειτουργικού συστήματος παρακολούθησης βρίσκεται στο φυσικό στρώμα αισθητήρων του. Αυτές οι συσκευές-που αναπτύσσονται στο πεδίο λειτουργούν ως αισθητήρια όργανα του αγροκτήματος, μετατρέποντας συνεχώς φυσικά, χημικά και βιολογικά φαινόμενα σε ακατέργαστα ηλεκτρικά σήματα. Χωρίς εξαιρετικά ακριβές και ανθεκτικό υλικό αισθητήρων, ολόκληρη η ψηφιακή υποδομή θα αποτύγχανε λόγω ελαττωμάτων ή ελλιπών δεδομένων. Στη σύγχρονη γεωπονία, αυτοί οι αισθητήρες κατανέμονται στρατηγικά σε τρεις κύριες ζώνες: κάτω από την επιφάνεια του εδάφους, σε όλο τον ατμοσφαιρικό θόλο και πάνω από την ίδια την καλλιέργεια.
Τα αναλυτικά στοιχεία υπο{0}}επιφανειών εστιάζουν σε μεγάλο βαθμό στην κατανόηση του περιβάλλοντος της άμεσης ρίζας-ζώνης. Οι αισθητήρες αντανακλαστικής τομής χρόνου (TDR) και ανακλαστικότητας τομέα συχνότητας (FDR) θάβονται σε πολλαπλά βάθη για την παρακολούθηση της ογκομετρικής περιεκτικότητας σε νερό του εδάφους. Μετρώντας τον τρόπο με τον οποίο οι ηλεκτρικοί παλμοί ταξιδεύουν μέσα από τη βρωμιά, αυτοί οι ανιχνευτές αποκαλύπτουν ακριβώς πόσο μακριά έχει διεισδύσει η υγρασία. Μαζί με αυτούς τους ανιχνευτές υγρασίας είναι μετρητές ηλεκτρικής αγωγιμότητας (EC) και ηλεκτροχημικοί αισθητήρες που μετρούν τις συγκεντρώσεις ιόντων για την εκτίμηση των επιπέδων αζώτου, φωσφόρου και καλίου (NPK). Αυτά τα δεδομένα υπο-επιφανείας αποτρέπουν το υποβρύχιο, το υπερβολικό πότισμα και την έκπλυση, διασφαλίζοντας ότι οι ρίζες των φυτών κατοικούν πάντα σε μια βέλτιστη διατροφική ζώνη.
Ταυτόχρονα, ατμοσφαιρικοί αισθητήρες και αισθητήρες θόλου παρακολουθούν το μικροκλίμα που περιβάλλει αμέσως τις καλλιέργειες. Οι παραδοσιακοί, μακρινοί μετεωρολογικοί σταθμοί είναι συχνά πολύ γενικευμένοι για να λάβουν υπόψη τις μοναδικές τοπογραφικές παραλλαγές μιας μεγάλης φάρμας. Ως εκ τούτου, εγκαθίστανται τοπικοί σταθμοί μικροκλίματος για τη μέτρηση της θερμοκρασίας του αέρα περιβάλλοντος, της σχετικής υγρασίας, της βαρομετρικής πίεσης, των μετρικών διανυσμάτων ανέμου και της φωτοσυνθετικά ενεργής ακτινοβολίας (PAR). Αυτές οι μετρήσεις είναι ζωτικής σημασίας. Η υψηλή υγρασία σε συνδυασμό με συγκεκριμένα παράθυρα θερμοκρασίας μπορεί να ενεργοποιήσει αλγόριθμους πρόβλεψης για εστίες μυκήτων, επιτρέποντας στους καλλιεργητές να εφαρμόζουν προληπτικά μέτρα πριν εκδηλωθούν σωματικά συμπτώματα στην καλλιέργεια.
Τέλος, το στρώμα του αισθητήρα επεκτείνεται σε προηγμένη όραση υπολογιστή και οπτική διάγνωση. Πολυφασματικές και υπερφασματικές κάμερες που είναι τοποθετημένες σε στύλους πεδίου, drones ή αυτόνομους ελκυστήρες καταγράφουν μήκη κύματος φωτός που είναι αόρατα στο ανθρώπινο μάτι, όπως το κοντινό- υπέρυθρο φως. Με την επεξεργασία αυτών των αντανακλάσεων, το σύστημα παρακολούθησης υπολογίζει τον Δείκτη Κανονικής Διαφοράς Βλάστησης (NDVI). Αυτός ο δείκτης λειτουργεί ως πρώιμος-προειδοποιητικός δείκτης για την πυκνότητα της χλωροφύλλης και το κυτταρικό στρες, τονίζοντας περιοχές ενός αγρού που υποφέρουν από προσβολές από παράσιτα πρώιμου-σταδίου, ανεπάρκειες θρεπτικών ουσιών ή στρες στο νερό πολύ πριν η ζημιά γίνει ορατή σε ένα ανιχνευτικό ανθρώπινο μάτι.
III. Συνδεσιμότητα και Τηλεμετρία: Δημιουργία του αγροκτήματος-Ευρύ δίκτυο επικοινωνίας
Η συλλογή-περιβαλλοντικών δεδομένων υψηλής πιστότητας είναι μόνο η μισή μάχη. ότι οι πληροφορίες πρέπει να μεταφέρονται αξιόπιστα από απομακρυσμένα, συχνά εχθρικά περιβάλλοντα πεδίου σε μια κεντρική υπολογιστική πλατφόρμα. Αυτή είναι η ευθύνη του επιπέδου συνδεσιμότητας και τηλεμετρίας. Η ανάπτυξη ενός ισχυρού δικτύου επικοινωνίας σε εκατοντάδες ή χιλιάδες στρέμματα αγροτικής γης εισάγει μοναδικές μηχανολογικές προκλήσεις, συμπεριλαμβανομένων των πυκνών κουβούκλων καλλιέργειας που εμποδίζουν τα σήματα, τις παραλλαγές του εδάφους και την πλήρη έλλειψη παραδοσιακής ισχύος δικτύου.
Για πολύ τοπικές εφαρμογές, όπως εμπορικά θερμοκήπια ή συγκεντρωμένες κάθετες φάρμες εσωτερικών χώρων, χρησιμοποιούνται σε μεγάλο βαθμό ασύρματες τοπολογίες μικρής-εμβέλειας όπως Bluetooth Low Energy (BLE), Zigbee και Wi-υψηλής παροχής. Αυτά τα πρωτόκολλα είναι εξαιρετικά για το χειρισμό πυκνών συστάδων αισθητήρων σε μικρές αποστάσεις. Ωστόσο, για επεκτατική, ανοιχτή γεωργία,-οι επιλογές μικρής-εμβέλειας δεν είναι καθόλου πρακτικές λόγω της υψηλής κατανάλωσης ενέργειας και του περιορισμένου εύρους.
Για να λυθεί αυτό, τα συστήματα ανοικτού{0}}πεδίου βασίζονται σε μεγάλο βαθμό στα δίκτυα χαμηλής-ευρείας περιοχής-Ενέργειας (LPWAN), με το LoRaWAN (Δίκτυο ευρείας περιοχής μεγάλης εμβέλειας) και το NB-IoT (Διαδίκτυο των πραγμάτων στενής ζώνης) να ηγούνται του κλάδου. Το LoRaWAN λειτουργεί σε μη αδειοδοτημένες ραδιοσυχνότητες, επιτρέποντας σε έναν αγρότη να δημιουργήσει μια ενιαία ιδιωτική πύλη που μπορεί να συλλέγει δεδομένα από χιλιάδες κόμβους αισθητήρων-που τροφοδοτούνται από μπαταρίες διασκορπισμένους σε ακτίνα πέντε{-έως δέκα-μίλια. Αυτοί οι κόμβοι αισθητήρων απαιτούν τόσο λίγη ενέργεια για τη μετάδοση των μικρών τους πακέτων δεδομένων που οι εσωτερικές μπαταρίες τους μπορούν εύκολα να διαρκέσουν για πέντε έως δέκα χρόνια χωρίς αντικατάσταση. Σημείωση-Το IoT λειτουργεί παρόμοια, αλλά χρησιμοποιεί υπάρχοντες εμπορικούς πύργους κινητής τηλεφωνίας, καθιστώντας το μια εξαιρετική επιλογή για αγροκτήματα που βρίσκονται σε περιοχές ισχυρής κάλυψης κινητής τηλεφωνίας.
Σε εξαιρετικά απομονωμένες γεωγραφικές περιοχές όπου τα επίγεια κυψελωτά δίκτυα απουσιάζουν εντελώς, το σύστημα παρακολούθησης βασίζεται σε προηγμένες λύσεις backhaul. Οι πύλες LoRaWAN που βρίσκονται στα πεδία μπορούν να συνδυαστούν με τερματικά δορυφορικής επικοινωνίας, όπως δορυφορικούς αστερισμούς χαμηλής-Γης τροχιάς (LEO). Αυτό διασφαλίζει ότι ακόμη και ένα αγρόκτημα που λειτουργεί στη μέση μιας απομακρυσμένης κοιλάδας μπορεί να μεταδίδει συνεχώς το μικροκλίμα και την τηλεμετρία του εδάφους στο διάστημα και να επιστρέψει στο σύννεφο, διατηρώντας ένα αδιάκοπο ρεύμα ευφυΐας πεδίου.
Cloud Data Processing and Artificial Intelligence: The Central Intelligence Unit
Μόλις το επίπεδο τηλεμετρίας παραδώσει με επιτυχία τις ακατέργαστες ροές δεδομένων από τα πεδία, οι πληροφορίες εισέρχονται στο επίπεδο επεξεργασίας δεδομένων cloud. Αυτή είναι η κεντρική μονάδα πληροφοριών ολόκληρου του Συστήματος Παρακολούθησης Γεωργίας. Οι ακατέργαστοι αριθμοί-όπως η ένδειξη υγρασίας του εδάφους 22% ή η ταχύτητα ανέμου 15 κόμβων-έχουν πολύ μικρή αξία για έναν πολυάσχολο καλλιεργητή, εκτός εάν συγκεντρωθούν, διασταυρωθούν-και μεταφραστούν σε ξεκάθαρη αγρονομική ευφυΐα.
Η αρχική φάση αυτού του επιπέδου περιλαμβάνει μηχανές απορρόφησης μεγάλων δεδομένων που τυποποιούν και καθαρίζουν την εισερχόμενη τηλεμετρία από διάφορους κατασκευαστές υλικού. Μόλις συγκεντρωθούν, τα μοντέλα τεχνητής νοημοσύνης (AI) και μηχανικής μάθησης (ML) αναλαμβάνουν τη σκυτάλη. Αυτά τα μοντέλα δεν εξετάζουν τα σημεία δεδομένων μεμονωμένα. Αντίθετα, αναλύουν τις περίπλοκες, ιστορικές σχέσεις μεταξύ της υγρασίας του εδάφους, των σταδίων ανάπτυξης των καλλιεργειών και των καιρικών προγνώσεων. Για παράδειγμα, εκτελώντας μοντέλα πρόβλεψης εξατμισοδιαπνοής, η μηχανή νέφους μπορεί να υπολογίσει ακριβώς πόσο νερό θα διαρρεύσει μια καλλιέργεια τις επόμενες σαράντα-οκτώ ώρες, επιτρέποντάς της να δημιουργήσει ένα βελτιστοποιημένο πρόγραμμα άρδευσης προσαρμοσμένο στον τύπο εδάφους και την ποικιλία καλλιεργειών του συγκεκριμένου αγρού.
Επιπλέον, αυτές οι πλατφόρμες cloud ενσωματώνουν μοντέλα φαινολογίας παρασίτων και ασθενειών. Συνδυάζοντας δεδομένα υγρασίας και θερμοκρασίας σε πραγματικό χρόνο των φύλλων-με εντοπισμένες ιστορικές τάσεις, το σύστημα μπορεί να ειδοποιήσει έναν γεωπόνο ότι οι συνθήκες βρίσκονται επί του παρόντος σε όριο κινδύνου 90% για μια συγκεκριμένη μυκητιακή ασθένεια, όπως η όψιμη προσβολή. Αυτό μετατρέπει τη διαχείριση της εκμετάλλευσης από μια αντιδραστική πρακτική σε μια εξαιρετικά προορατική στρατηγική.
Για να καταστήσει αυτούς τους σύνθετους υπολογισμούς υποστήριξης προσβάσιμους σε ανθρώπινους χειριστές, το επίπεδο cloud εξάγει δεδομένα σε{0}}φιλικούς προς τον χρήστη γραφικούς πίνακες εργαλείων. Προσβάσιμες μέσω εφαρμογών για κινητά ή λογισμικού επιτραπέζιου υπολογιστή, αυτές οι διεπαφές χρησιμοποιούν χωρικούς χάρτες, έγχρωμες-κωδικοποιημένες ζώνες κινδύνου και αυτοματοποιημένες ειδοποιήσεις push. Ένας καλλιεργητής δεν χρειάζεται να διαβάσει ακατέργαστα δεδομένα τάσης. Αντίθετα, λαμβάνουν μια απλή ειδοποίηση smartphone που δηλώνει: "Η ζώνη 4 Western Vineyard πλησιάζει στο σημείο μαρασμού. Ξεκινήστε τον κύκλο άρδευσης 20 λεπτών."
Ενεργοποιητές άκρων και αυτοματισμός: Μετατρέποντας την τηλεμετρία σε φυσική παρέμβαση
Η τελική ωριμότητα ενός Συστήματος Παρακολούθησης Γεωργίας πραγματοποιείται όταν μεταβαίνει από ένα καθαρά παθητικό εργαλείο παρατήρησης σε ένα ενεργητικό οικοσύστημα αυτοματισμού κλειστού-βρόχου. Αυτό επιτυγχάνεται με τη σύνδεση των πληροφοριών cloud με τους ενεργοποιητές άκρων-τα φυσικά μηχανικά εξαρτήματα που εκτελούν δομικές αλλαγές στο πεδίο χωρίς να απαιτούν ανθρώπινη εργασία.
Στα αυτοματοποιημένα συστήματα άρδευσης και υδρολίπανσης ακριβείας, το σύστημα παρακολούθησης συνδέεται απευθείας με ηλεκτρονικές ηλεκτρομαγνητικές βαλβίδες και αντλίες εφαρμογής μεταβλητού ρυθμού (VRA). Όταν η πλατφόρμα νοημοσύνης cloud προσδιορίσει ότι μια συγκεκριμένη ζώνη έχει πέσει κάτω από το κατώτερο επιτρεπόμενο όριο διαχείρισης, στέλνει μια εντολή πίσω προς τα κάτω μέσω του δικτύου τηλεμετρίας στο πεδίο. Ο τοπικός ενεργοποιητής ανοίγει τη συγκεκριμένη βαλβίδα νερού, παρέχει τον ακριβή όγκο νερού που απαιτείται και κλείνει τη βαλβίδα μόλις οι αισθητήρες υπο-επιφανείας επιβεβαιώσουν ότι η ριζική ζώνη έχει επιστρέψει στην χωρητικότητα του πεδίου. Αυτός ο αυτοματισμός κλειστού-βρόχου εξαλείφει το ανθρώπινο λάθος, σταματά τη σπατάλη νερού και διασφαλίζει ότι οι καλλιέργειες δεν υπόκεινται ποτέ σε παρατεταμένη ξηρασία.
Στην προστατευμένη γεωργία, όπως τα αυτοματοποιημένα θερμοκήπια-μεγάλης κλίμακας, οι ενεργοποιητές άκρων είναι ακόμη πιο ενσωματωμένοι. Εάν οι εσωτερικοί αισθητήρες υποδεικνύουν ότι η ηλιακή ακτινοβολία έχει προκαλέσει τις θερμοκρασίες να υπερβούν τα βέλτιστα βιολογικά κατώφλια, το σύστημα παρακολούθησης ενεργοποιεί αμέσως μηχανικούς ενεργοποιητές για να ανοίξει τα ανοίγματα της οροφής, να τυλιχτεί πλαϊνές κουρτίνες, να ενεργοποιήσει τα μαξιλαράκια ψύξης με εξάτμιση ή να αναπτύξει πανιά σκίασης. Μόλις οι αισθητήρες ανιχνεύσουν ότι το εσωτερικό περιβάλλον έχει σταθεροποιηθεί, οι ενεργοποιητές προσαρμόζονται για να εξοικονομούν ενέργεια.
Αυτή η ικανότητα αυτοματισμού επεκτείνεται επίσης σε αυτόνομα μηχανήματα και αποστολή drone. Για παράδειγμα, όταν μια σταθερή συστοιχία πολυφασματικής κάμερας ή μια δορυφορική τροφοδοσία επισημαίνει μια εντοπισμένη ανωμαλία που υποδεικνύει ξαφνικό ξέσπασμα παρασίτων σε μια απομακρυσμένη γωνία ενός πεδίου, το σύστημα παρακολούθησης μπορεί αυτόματα να δημιουργήσει μια γεωγραφική διαδρομή πτήσης και να στείλει ένα αυτόνομο μη επανδρωμένο αεροσκάφος ψεκασμού. Το drone πετά απευθείας στις συντεταγμένες της προσβολής, εφαρμόζει μια στοχευμένη βιολογική θεραπεία στο προσβεβλημένο έμπλαστρο και επιστρέφει στον σταθμό σύνδεσης. Αυτό το επίπεδο αυτοματισμού εμποδίζει τα τοπικά ζητήματα να εκραγούν σε επιδημίες{3}} σε ευρεία κλίμακα, ελαχιστοποιώντας παράλληλα δραστικά τη χρήση χημικών.
Σύναψη
Η οικοδόμηση και η διατήρηση ενός αποτελεσματικού συστήματος παρακολούθησης της γεωργίας απαιτεί μια συνεκτική ενοποίηση πολλαπλών τεχνολογικών κλάδων. Όπως εξερευνήθηκε, το σύστημα λειτουργεί ως ενοποιημένη ροή εργασίας: εξειδικευμένοι αισθητήρες υπο-επιφάνειας, θόλου και οπτικοί αισθητήρες συλλέγουν περιβαλλοντικά δεδομένα υψηλής-πιστότητας. Τα δίκτυα τηλεμετρίας χαμηλής-ισχύουν αξιόπιστα αυτά τα δεδομένα σε τεράστιες αποστάσεις. Οι μηχανές τεχνητής νοημοσύνης που βασίζονται στο σύννεφο{4}}αναλύουν τις πληροφορίες για να δημιουργήσουν προγνωστικές πληροφορίες. και οι ενεργοποιητές άκρων μετατρέπουν αυτές τις ψηφιακές πληροφορίες σε ακριβείς, αυτοματοποιημένες φυσικές ενέργειες στο πεδίο.
Κοιτάζοντας προς το μέλλον, οι δυνατότητες των αρχιτεκτονικών παρακολούθησης της γεωργίας θα συνεχίσουν να επεκτείνονται. Η εμπορική ανάπτυξη δικτύων εξαιρετικά{1}}πυκνών 6G, παράλληλα με την ανάπτυξη τσιπ υπολογιστών αιχμής-, θα επιτρέψει σύντομα στους αισθητήρες να επεξεργάζονται σύνθετους αλγόριθμους τεχνητής νοημοσύνης απευθείας στο πεδίο, μειώνοντας την εξάρτηση από τη συνδεσιμότητα στο cloud. Επιπλέον, οι εξελίξεις στον κβαντικό υπολογισμό θα επιτρέψουν την υπερ-τοπική μοντελοποίηση καιρού και μοριακών καλλιεργειών με άνευ προηγουμένου ακρίβεια. Αγκαλιάζοντας αυτά τα ολοκληρωμένα ψηφιακά συστήματα, η παγκόσμια γεωργική βιομηχανία μπορεί να αποσυνδέσει επιτυχώς τη φυτική παραγωγή από την υποβάθμιση του περιβάλλοντος-διασφαλίζοντας ένα ανθεκτικό, βιώσιμο και διατροφικό-ασφαλές μέλλον για τις επόμενες γενιές.
