Färskvatten är inte obegränsat. Nederbörden är inte förutsägbar. Och växter är inte alltid törstiga.

Bara 3 procent av världens vatten är drickbart, och mer än 70 procent av det färskvattnet används för jordbruk. Onödig bevattning slösar bort enorma mängder vatten – vissa grödor vattnas dubbelt så mycket som de behöver – och bidrar till föroreningen av akviferer, sjöar och hav.

En prediktiv modell som kombinerar information om växtfysiologi, jordförhållanden och väderprognoser i realtid kan hjälpa till att fatta mer välgrundade beslut om när och hur mycket som ska bevattnas. Detta kan spara 40 procent av vattnet som förbrukas med mer traditionella metoder, enligt ny Cornell-forskning.

"Om du har ett ramverk för att ansluta alla dessa utmärkta källor till big data och maskininlärning, vi kan göra jordbruket smart, " sa Fengqi You, Roxanne E. och Michael J. Zak professor i energisystemteknik vid Smith School of Chemical and Biomolecular Engineering.

Du är senior författare till "Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics, " som publicerades online i maj i IEEE Transactions on Control Systems Technology. Tidningen skrevs tillsammans med Abraham Stroock, Gordon L. Dibble, Professor och William C. Hooey, chef för Smith School, som arbetar med vattenbesparingsstrategier med äppelbönder i delstaten New York och mandel, äppel- och druvodlare i torkadrabbade områden på västkusten.

"Dessa grödor, när den odlas i halvtornet, halvökenmiljö i Kaliforniens Central Valley, är enorma konsumenter av vatten - en liter vatten per mandel, "Så det finns en verklig möjlighet att förbättra hur vi hanterar vatten i dessa sammanhang."

Att kontrollera växtfuktigheten exakt kan också förbättra kvaliteten på känsliga specialgrödor som vindruvor, han sa.

Första författare av tidningen är Chao Shang, en tidigare postdoktor vid Smith School och nu biträdande professor i automation vid Tsinghua University.

Tidigare, Stroocks grupp utvecklade sensorer för att avgöra när växter är törstiga. Men enbart sensorer är otillräckliga, eftersom odlare inte behöver bevattna om regn är på väg. Med tanke på att väderprognosen är bättre men inte idealisk, Du sa, eftersom prognoser ofta är felaktiga, och osäkerheten i en prognos kan vara större än den förväntade nederbörden.

Forskarnas metod använder historisk väderdata och maskininlärning för att bedöma osäkerheten i realtidsväderprognosen, samt osäkerheten om hur mycket vatten som kommer att förloras till atmosfären från löv och jord. Detta kombineras med en fysisk modell som beskriver variationer i markfuktigheten.

Integrera dessa tillvägagångssätt, de hittade, gör vattningsbesluten mycket mer exakta.

"Vi måste köra dessa datadrivna metoder för att få historiska data och försöka förstå, historiskt sett, en prognos noggrannhet, och sedan försöker vi skydda oss mot den osäkerheten, " Sa du. Detta gäller både tidpunkten och exakt plats för nederbörden.

I tidningen, forskarna genomförde en fallstudie baserad på gräsgrödor i Iowa. De fann att deras prediktiva kontrollsystem använde betydligt mindre vatten än andra metoder.

Ett team av studenter installerar för närvarande ett nätverk av ventiler baserat på detta system på äppelväxter i krukväxter i Cornell Orchards för att testa det för framtida användning. Även om nederbörden i delstaten New York och nordost kan vara riklig, midsommartorkan blir allt vanligare och kan vara förödande. Till exempel, sommartorkan 2016 ledde till en förlust på nästan 50 procent av skörden för icke-bevattnade fruktodlingar i delstaten New York, enligt en undersökning gjord av Cornell och Nature Conservancy.

"Vår forskning om äpplen i New York är i samband med att förbereda sig för framtiden. I Washington State och Kalifornien, det är nuet, " sa Stroock. "De doserar ut vatten varje dag, varje sommar. Och att göra det på ett sätt som inte är optimalt. "

En del av utmaningen med forskningen är att identifiera den bästa metoden för varje gröda, och bestämma kostnaderna och fördelarna med att byta till ett automatiserat system från ett mänskligt styrt. Eftersom äppelträd är relativt små och reagerar snabbt på förändringar i nederbörd, de kanske inte kräver veckor eller månader av väderdata. Mandelträd, som tenderar att vara större och långsammare att anpassa sig, dra nytta av långsiktiga förutsägelser.

"Vi måste bedöma rätt komplexitetsnivå för en kontrollstrategi, och det snyggaste kanske inte är det mest vettigt, "Stroock sa. "Experterna med händerna på ventilerna är ganska bra. Vi måste se till att om vi ska föreslå att någon investerar i ny teknik, vi måste vara bättre än dessa experter."