Irrigation intelligente
Apprentissage automatique et intégration IoT pour une gestion optimisée de l'irrigation dans les zones agricoles du Maroc.
Lire la publication
Présentation
Transformer le climat, les cultures et les signaux de terrain en décisions d'irrigation.
Cette recherche développe un système de recommandation d'irrigation évolutif pour les régions agricoles marocaines en stress hydrique. Des modèles Random Forest locaux utilisent les données météorologiques NASA POWER et des entrées IoT pour prédire l'évapotranspiration de référence (ET0), puis combinent les coefficients culturaux de la FAO pour estimer le besoin en eau de la culture (ETc) selon la culture, le stade de croissance et la zone la plus proche de l'agriculteur.
- 30 Zones agricoles modélisées
- 100+ Types de cultures pris en charge
- 0.0099 RMSE le plus bas rapporté
Concepts du système
Processus
Des signaux météorologiques locaux à une recommandation d'arrosage spécifique aux cultures
-
01
Collecte
La NASA POWER fournit des données quotidiennes sur la température, l'humidité, le vent, les précipitations et le rayonnement solaire dans 30 zones agricoles représentatives; les dispositifs IoT prolongent le système avec des signaux de champ en temps réel.
-
02
Préparer
Les valeurs manquantes sont traitées par interpolation et remplissage; les caractéristiques météorologiques sont normalisées et combinées avec les valeurs Coefficient des cultures de la FAO pour chaque étape des cultures.
-
03
Prédire
Un modèle Random Forest dédié de 100 arbres par zone estime l'ET0 à partir des caractéristiques météorologiques locales. L'ET0 est ensuite multiplié par le coefficient cultural pour calculer l'ETc.
-
04
Recommander
Une application Flutter recueille la ville, la culture, le stade de croissance et les données météorologiques, tandis qu'un point de terminaison Flask renvoie l'ET0 et l'ETc dans un parcours clair de recommandation d'irrigation.
L'irrigation efficace doit refléter le champ devant l'agriculteur : le climat local, la culture sélectionnée, son stade de croissance et un contexte d'eau changeant, et non un calendrier unique.
Agriculture de précision pour les régions en stress hydrique
Solution et résultat
Un système d'irrigation adapté localement
Le système intègre les données météorologiques historiques NASA POWER, des entrées environnementales compatibles IoT, les coefficients culturaux de la FAO, des modèles Random Forest entraînés localement et une application Flutter multiplateforme. Flask gère la sélection du modèle, la validation des entrées, la prédiction de l'ET0 et le calcul de l'ETc via un point de terminaison d'API dédié.
- Modèles ET0 propres à chaque zone, entraînés sur une découpe temporelle 80/20
- Calcul Penman-Monteith de la FAO et valeurs Kc de la culture pour ETc
- Interface Flutter pour saisir la ville, la culture, le stade de croissance et la météo
- API Flask avec validation, enregistrement, gestion des erreurs et support CORS
Recommandations précises et évolutives pour le terrain
Les 30 modèles locaux de la forêt aléatoire ont suivi de près les variations saisonnières, avec des valeurs RMSE rapportées de 0,0099 à 0,0180 et des valeurs MAE de 0,0064 à 0,0103. L'étude montre comment un système modulaire d'aide à la décision peut aider à conserver l'eau sans sacrifier les conseils propres aux cultures.
- 30 zones agricoles sélectionnées pour le climat et la diversité des cultures
- Plus de 100 cultures et coefficients de croissance initiaux, moyens et finaux
- Intégration IoT en temps réel conçue pour maintenir les recommandations à jour
- Travaux futurs : données à plus haute résolution et validation au sol
