Πώς ένα πανεπιστημιακό σύστημα IoT συνδυάζει εικόνες και καιρό και μειώνει την άρδευση έως 32%.
Η εξοικονόμηση νερού αποτελεί σήμερα έναν από τους σημαντικότερους στόχους της σύγχρονης ελαιοκομίας, ειδικά στις μεσογειακές περιοχές όπου η λειψυδρία είναι πλέον ο κανόνας και όχι η εξαίρεση. Η τεχνολογία υπόσχεται λύσεις, όμως το κρίσιμο ερώτημα παραμένει: πώς μετατρέπουμε τα δεδομένα από αισθητήρες και μετεωρολογικούς σταθμούς σε πρακτικές αποφάσεις άρδευσης;
Μια πρόσφατη επιστημονική μελέτη του Πανεπιστημίου της Κόρδοβα (University of Córdoba, Ισπανία) και του Ινστιτούτου Βιώσιμης Γεωργίας του CSIC, που δημοσιεύθηκε το 2025 στο έγκριτο περιοδικό Computers and Electronics in Agriculture, δίνει μια ιδιαίτερα ενδιαφέρουσα απάντηση.
Οι ερευνητές ανέπτυξαν και δοκίμασαν ένα καινοτόμο σύστημα AquaCrop-IoT (Βασισμένο στο μοντέλο AquaCrop του FAO), το οποίο συνδυάζει:
- κάμερες στο χωράφι
- μετεωρολογικά δεδομένα σε πραγματικό χρόνο
- και ένα διεθνώς αναγνωρισμένο μοντέλο καλλιέργειας (FAO AquaCrop)
Κύριος στόχος του είναι η ακριβέστερη και πιο οικονομική άρδευση. Τα περισσότερα μοντέλα άρδευσης βασίζονται σε ιδανικές παραδοχές για την ανάπτυξη της καλλιέργειας. Στην πράξη όμως, η ανάπτυξη επηρεάζεται από παράγοντες οι οποίοι δεν καταγράφονται εύκολα, όπως καθυστερημένη βλάστηση, στρες από έλλειψη νερού, ασθένειες ή εχθρούς και την φυσική ανομοιογένεια του αγρού.
Το AquaCrop-IoT λειτουργεί με έναν ιδιαίτερα απλό αλλά έξυπνο τρόπο, συνδυάζοντας την πραγματική εικόνα της καλλιέργειας με τα δεδομένα καιρού και ένα επιστημονικό μοντέλο ανάπτυξης. Στο χωράφι τοποθετείται μια απλή και χαμηλού κόστους RGB κάμερα, η οποία τραβά μία φωτογραφία την ημέρα, πάντα στο ηλιακό μεσημέρι ώστε να αποφεύγονται οι σκιές. Μέσα από επεξεργασία της εικόνας, το σύστημα ξεχωρίζει το πράσινο φύλλωμα από το έδαφος και υπολογίζει την ποσοστιαία κάλυψη της καλλιέργειας, δηλαδή το canopy cover – στην ελαιοκομία αυτό θα αντιστοιχούσε ουσιαστικά στην πραγματική κόμη του ελαιώνα όπως αυτή εξελίσσεται στη διάρκεια της χρονιάς. Παράλληλα, το σύστημα συλλέγει αυτόματα δεδομένα από μετεωρολογικό σταθμό που βρίσκεται στο χωράφι (θερμοκρασία, ηλιακή ακτινοβολία, άνεμος, υγρασία κ.ά.), ενώ ενσωματώνει και ιστορικά στοιχεία καθώς και επταήμερη πρόγνωση καιρού από επίσημες βάσεις δεδομένων, ώστε να γνωρίζει όχι μόνο τις τρέχουσες συνθήκες αλλά και τι αναμένεται τις επόμενες ημέρες. Η πραγματική καινοτομία βρίσκεται στο επόμενο βήμα: το μοντέλο FAO AquaCrop εκτελείται καθημερινά, αλλά δεν εμπιστεύεται τυφλά τις θεωρητικές του προβλέψεις. Αντίθετα, διορθώνει συνεχώς την εκτίμηση της ανάπτυξης της καλλιέργειας με βάση αυτό που καταγράφει η κάμερα στο χωράφι. Με απλά λόγια, η πραγματική εικόνα του αγρού έρχεται να διορθώσει τη θεωρία, οδηγώντας σε πιο ρεαλιστικούς υπολογισμούς των αναγκών άρδευσης.
Τι έδειξαν τα αποτελέσματα της μελέτης
Το σύστημα δοκιμάστηκε σε σιτάρι στη νότια Ισπανία, σε μια ιδιαίτερα ξηρή χρονιά. Οι ερευνητές συνέκριναν δύο σενάρια:
- κλασική προσομοίωση χωρίς κάμερα,
- προσομοίωση με καθημερινή ενημέρωση από εικόνες.
Τα βασικά ευρήματα:
- το μοντέλο χωρίς εικόνες υπερεκτίμησε την ανάπτυξη της καλλιέργειας,
- αυτό οδήγησε σε υπερβολικές προτάσεις άρδευσης
- το AquaCrop-IoT μείωσε τις προτεινόμενες αρδεύσεις κατά περίπου 32% χωρίς αρνητική επίδραση στην παραγωγή
ΠΗΓΗ: olivenews.gr
