فناوری پشت انقلاب جدید کشاورزی

هر روز ، جمعیت جهانی حدود 200000 نفر افزایش می یابد. بیشتر آنها در مناطق شهری زندگی می کنند ، بنابراین برای دیدگاه ، شهری را به اندازه سیاتل که هر چهار روز جوانه می زند یا هر ماه یک توکیوی جدید را تصور کنید. پیش بینی می شود تا سال 2050 زمین میزبان ده میلیارد نفر باشد. برای تغذیه آنها باید حداقل 60 درصد تولید محصولات را افزایش دهیم. با این حال تغییرات آب و هوایی ، کمبود آب و فرسایش خاک ما را مجبور می کند تا در مورد نحوه کاشت محصولات کشاورزی تجدید نظر کنیم. و شهرنشینی بی نظیر ، با زندگی بسیاری از مردم در مناطق دور از مناطق کشاورزی ، ما را مجبور خواهد کرد که روشهای کارآمدتری برای توزیع مواد غذایی پیدا کنیم.

اولین “انقلاب سبز” کشاورزی با دستیابی به موفقیت در سموم دفع آفات ، کودها و آبیاری ، با چالش های دوران پس از جنگ جهانی دوم روبرو شد. این روش ها به تغذیه جمعیت در حال رشد کمک می کردند ، اما تأثیرات زیست محیطی آنها آنها را پایدار نمی کرد. انقلاب سبز دوم عمدتا به حداکثر رساندن تولید با استفاده از انتخاب محصول و در نهایت اصلاح ژنتیکی مربوط بود.

در دهه 1980 روش جدیدی برای کشاورزی شکل گرفت که مبتنی بر ترکیبی از ورودی های بیولوژیکی و هوش مکانی بود. این نوآوری که به عنوان کشاورزی دقیق (PA) شناخته می شود ، مزرعه ها را در هر اندازه ای پیکربندی مجدد می کند. و اکنون ، فناوری های موقعیت یابی و نقشه برداری ، کشاورزان را قادر می سازد تا فقط به اندازه کافی از منابع ، درصورت نیاز ، استفاده کنند. این یک انقلاب جدید کشاورزی است – انقلابی که هدف آن تأمین سوخت و همچنین حفظ پایداری محیط زیست است.

یک انقلاب سبز سوم

سومین انقلاب سبز مبتنی بر رویه های مستقر در PA است ، در حالی که یک تصویر بزرگتر از کشاورزان چشم انداز کشاورزی که در آن کار می کنند ایجاد می کند. روش های کشاورزی پایدار دقیق (PSA) ترکیب PA و پیشرفت در تجزیه و تحلیل داده های بزرگ است. نتیجه یک رویکرد کل نگر به کشاورزی است که سایت های جدا شده کشاورزی را به یک کل پایدار جهانی متحد می کند.

همانطور که اولین انقلاب سبز به پیشرفت در چندین رشته و فناوری بستگی داشت ، PSA از پیشرفت در اتوماسیون ، هوش مصنوعی (AI) و شبکه های حسگرهای متصل به اینترنت اشیا (IoT) بهره می برد. سیستم های PSA این رویکرد فضایی را در تمام سطوح فرآیند کشاورزی – حتی در سطح مولکولی – برای درک بهتر سیستم های بیولوژیکی موجود اعمال می کنند.

PSA بر م componentلفه مکانی داده ها ، جمع آوری ، پردازش و ذخیره شده توسط یک سیستم اطلاعات جغرافیایی (GIS) – نرم افزاری که داده های خاص مکان را بر روی بوم آشنا نقشه کامپیوتر نشان می دهد ، تأکید می کند. داشبوردهای GIS به کاربر این امکان را می دهند که مجموعه داده ها را به لایه هایی تفکیک کند که با ترکیب و پیکربندی مجدد یک وضعیت را از منظرهای مختلف بررسی کند.

شبکه ای از شبکه ها

GIS برای پردازش اطلاعات بسیار ارزشمند است. از شرایط فعلی خاک گرفته تا سطح رطوبت می تواند در GIS ادغام شود ، در حالی که داده های تاریخی خاص سایت نیز می تواند برای زمینه های عمیق تر اضافه شود. مقدار زیادی از داده ها اغلب نیاز به استفاده از یادگیری ماشین ، زیرمجموعه ای از هوش مصنوعی دارد که به رایانه هایی یاد می گیرد که اشکال و الگوها را بشناسند و “نقاط داغ” را در مجموعه داده های عظیم شناسایی می کنند.

برنامه های GIS مبتنی بر ابر یک چارچوب مشترک برای جمع آوری و به اشتراک گذاری داده ها فراهم می کنند. از همه مهمتر ، محاسبات ابری به کاربران امکان دسترسی ، استفاده و تجزیه و تحلیل این داده ها را در هر مکان ، هر زمان و از هر دستگاهی می دهد. برخی از این برنامه ها حتی امکان کار آفلاین را نیز دارند. این یک ویژگی مهم است ، زیرا هدف PSA به طور کلی جمع آوری اطلاعات و نتیجه گیری است که فراتر از هر مزرعه است.

یک مشکل بزرگتر با رویکردهای تکنولوژیکی قبلی در زمینه کشاورزی ، تمایل به سیل شدن فرمهای داده و فناوری اطلاعات است. این مانع توسعه “شبکه های شبکه” می شود که دید وسیعی از شیوه های کشاورزی را ارائه می دهند. سیستم عامل های GIS برای کشاورزی نه تنها به کشاورزان ، کشاورزان و دانشمندان اجازه می دهد تا داده ها را در یک مرکز مرکزی به اشتراک بگذارند ، بلکه توصیه های تولید را براساس مکان و تعداد زیادی از داده های کیفی به طور خودکار انجام می دهند.

ایجاد “مزارع هوشمند”

کشاورزانی که از تکنیک های PA استفاده کرده اند ، در حال حاضر از پیچیده ترین فن آوری فضایی استفاده می کنند. PSA با استفاده از این دانش ، به کشاورزان اجازه می دهد تا در توسعه سیستم ها و روش های کشاورزی شرکت کننده فعال باشند. با استفاده از GIS مبتنی بر ابر ، PSA توسعه و کاربرد رویکردهای تحلیلی جدید را برای کشاورزی تقویت می کند.

وزارت کشاورزی ایالات متحده PSA را با یک برنامه آزمایشی در مریلند آزمایش می کند که تمرکز آن بر جامعه ای از کشاورزان است که “گیاهان پوششی” را می کارند ، گیاهانی که برای محافظت از خاک در خارج از فصل کشت می شوند. اجزای اصلی یک شبکه حسگر و نرم افزار سیستم اطلاعات جغرافیایی (GIS) است. شبکه حسگر متغیرهایی مانند رطوبت ، دمای خاک و سطح آب را ردیابی می کند. تراکتورهای مجهز به سنسور ، ارتفاع ، سرسبزی و زیست توده محصولات را اندازه گیری می کنند. و یک ایستگاه هواشناسی داده های مربوط به باد ، باران و دما را جمع آوری می کند.

مایک بوزر ، رئیس USDA’s Partnerships for Data Innovations (PDI) و National می گوید: “هدف ما این است که حداقل 80 درصد از داده های مانیتورینگ مداوم را که در این زمینه جمع آوری می کنیم ، به ابر و زیرساخت های مبتنی بر GIS منتقل کنیم.” رهبر برنامه برای مهندسی. “ما می توانیم داده های تقریباً واقعی را جمع آوری کنیم ، داده ها را از طریق یک نرم افزار تضمین کیفیت و کنترل کیفیت نیمه خودکار پردازش کنیم. این سیستم اطلاعات را با سرعت بیشتری در دسترس جامعه کشاورزی قرار می دهد ، در حالی که به طور خودکار محققان را در هنگام بروز مشکلات احتمالی در زمینه حسگر مطلع می کند. ”

فناوری بارگذاری و پردازش این داده ها FarmBeats ، یک پلتفرم مبتنی بر ابر مایکروسافت و نرم افزار GIS را ادغام می کند. GIS ستون فقرات را برای سیستم نتایج تحقیقاتی مشترک کشاورزی (AGCROS) سرویس تحقیقات کشاورزی USDA فراهم می کند ، یک مرکز دیجیتال که از داده های خاص مکان از منابع مختلف استقبال می کند. این مکانی برای اشتراک اطلاعات در مورد همه چیز است ، از بازده محصول گرفته تا اکسید نیتروژن در خاک. GIS متمرکز راهی را برای ذخیره داده ها و تجسم آنها روی نقشه فراهم می کند. کشاورزان می توانند از این داده های پراکندگی مکانی برای کسب اطلاعات بیشتر در مورد محصولات زراعی در مناطق خاص خود استفاده کنند.

هر چه کشاورزان به داده های بیشتری دسترسی داشته باشند ، خود کشاورزی نزدیکتر می تواند به آنچه تکنسین ها دوقلوی دیجیتال می نامند برسد. همانطور که از این اصطلاح پیداست ، این بدان معنی است که هر تحول در جهان فیزیکی – از سطح مولکولی تا برداشت زیاد – به عنوان تغییری در یک مدل پویا و مجازی ثبت خواهد شد. دوقلوهای دیجیتال می توانند شبیه سازی ایده های جدیدی را که می توانند برای تعیین تأثیرات زیست محیطی آنها قبل از اجرای بالقوه در دنیای واقعی آزمایش شوند ، فراهم کنند.

در نهایت ، این یکپارچه سازی به کشاورزان یک مدل پویا و مجازی را شامل می شود که شامل هر یک از اجزای اکوسیستم کشاورزی است. و از آنجا که این سیستم شامل قابلیت های پیش بینی کننده ای است که الگوهای هوا ، رشد و ترکیب زمین را درک می کند ، می تواند اطلاعات معتبری را در مورد بهترین روش های کاشت ، کشت و برداشت محصولات فراهم کند.

“کشاورزی دانش محور است،” استیون میرسکی، یک بوم شناس تحقیقات وزارت کشاورزی ایالات متحده به تازگی گفت . “بنابراین ، ما باید درک کنیم که چگونه آب و هوا ، خاک و توپوگرافی برهم کنش مکانی دارند. ما این کار را با تصور مجدد منظره مزرعه به عنوان یک آزمایشگاه زنده انجام می دهیم. AgCROS نوعی سیستم زیرساخت سایبری است که دانشمندانی مانند من برای دستیابی به چنین اهدافی نیاز دارند. ”

تبدیل دیجیتالی اقتصاد ارضی

هنوز روزهای آغازین پروژه است ، اما USDA برنامه های بزرگی برای ساخت بر اساس چارچوب های PDI و PSA خود دارد. بر اساس نتایج حاصل از مزرعه مریلند ، شبکه محصولات زراعی تحت پوشش به حدود 200 مزرعه تحقیقاتی در سراسر ایالات متحده گسترش خواهد یافت. این شبکه یکی از مفاهیم اولیه PSA ، به اشتراک گذاری اطلاعات ، با ترکیب اشکال مختلف دانش محلی در مخزن اطلاعات را آزمایش خواهد کرد. این طرح استفاده از مزارع در اندازه های مختلف ، از توطئه های کوچک خانوادگی گرفته تا مشاغل بزرگ کشاورزی است.

نتیجه مطلوب این است که برنامه PDI و FarmBeats از برنامه های PSA مشابه و همه چیز متصل الهام بگیرند. ساخت شیوه های جدید در دنیای مجازی باعث کاهش زمان لازم برای استقرار شیوه های ابتکاری می شود که منجر به نتایج بهتر زیست محیطی می شود. اگر قرار باشد کشاورزان با حفظ محیط زیست تا سال 2100 به ده میلیارد نفر غذا بدهند ، انقلاب سبز بعدی باید در دوقلوهای دیجیتال آزمایش شود. شبکه محصولات پوششی امیدوار است که بتواند به عنوان یک کاتالیزور برای این نوع تغییرات گسترده در کشاورزی ، زمین را به وجود آورد تا اقدامات PSA در سراسر جهان گسترش یابد. با این حال ، این وسیله ای خواهد بود ، نه پایانی برای پاسخگویی به چالش های جدید رشد جمعیت جهانی و تغییرات آب و هوایی. باسر می گوید ، یک پلت فرم مانند FarmBeats “یکی از ابزارهای جعبه ابزار ما است.” تغذیه میلیاردها نفر بدون گسترش گسترده منابع کار کمی نیست.با استفاده از فناوری هایی مانند GIS ، نمایندگی هایی مانند USDA به معنای واقعی کلمه می توانندببینید که چگونه آن را به انجام برسانید.