[论文解读] Intelligent Infrastructure for Smart Agriculture: An Integrated Food, Energy and Water System

Shashi Shekhar, Joe P. Colletti+5 more|arXiv (Cornell University)|May 4, 2017

Smart Agriculture and AI被引用 29

一句话总结

本文提出了一种集成智能基础设施，用于智慧农业，通过物联网传感器、小型卫星、宽带连接、机器人技术和数据分析等先进技术，统一管理食物、能源和水系统。通过实现自我管理、数据驱动的精准农业，该框架提升了农业的可持续性、韧性以及美国在全球农业领域的竞争力，同时支持农村经济发展和粮食安全。

ABSTRACT

Agriculture provides economic opportunity through innovation; helps rural America to thrive; promotes agricultural production that better nourishes Americans; and aims to preserve natural resources through healthy private working lands, conservation, improved watersheds, and restored forests. From agricultural production to food supply, agriculture supports rural and urban economies across the U.S. It accounts for 10% of U.S. jobs and is currently creating new jobs in the growing field of data-driven farming. However, U.S. global competitiveness associated with food and nutrition security is at risk because of accelerated investments by many other countries in agriculture, food, energy, and resource management. To ensure U.S. global competitiveness and long-term food security, it is imperative that we build sustainable physical and cyber infrastructures to enable self-managing and sustainable farming. Such infrastructures should enable next generation precision-farms by harnessing modern and emerging technologies such as small satellites, broadband Internet, tele-operation, augmented reality, advanced data analytics, sensors, and robotics.

研究动机与目标

• 为应对国际投资增加导致的美国在全球农业、食物和资源管理领域竞争力下降的问题。
• 通过先进技术集成，支持数据驱动、精准农业，推动可持续农村发展。
• 构建一个自我管理、具有韧性的基础设施，以优化农业中相互依存的食物、能源和水系统。
• 通过网络物理农业系统的创新，加强美国的粮食和营养安全。
• 通过构建可扩展的智能基础设施，使美国成为下一代农业技术的领导者。

提出的方法

• 设计统一的网络物理基础设施，整合来自物联网传感器、小型卫星和宽带网络的实时数据。
• 利用先进的数据分析和机器学习技术，对作物产量、用水量和能源需求进行预测建模。
• 结合远程操作和机器人技术，实现播种、监测和收获等田间作业的自动化。
• 利用增强现实技术，为农民提供远程专家指导和精准农业技术培训。
• 将能源和水资源系统与农业生产整合，以优化资源利用并减少环境影响。
• 建立田间数据、决策系统和自主控制之间的反馈回路，实现农场的自我管理。

实验结果

研究问题

• RQ1 如何通过集成基础设施统一农业中的食物、能源和水系统，以提升可持续性和韧性？
• RQ2 哪些新兴技术的组合能够实现规模化、自我管理的精准农业？
• RQ3 如何融合小型卫星、传感器和宽带网络的数据，以支持实时农业决策？
• RQ4 先进分析和机器人技术在提升农业生产力和资源效率方面发挥什么作用？
• RQ5 此类基础设施如何确保美国农业部门的长期粮食安全和全球竞争力？

主要发现

• 所提出的基础设施实现了对食物、能源和水系统的实时、数据驱动决策，提升了运营效率。
• 小型卫星与宽带连接的整合确保了对农业景观的高分辨率、连续监测。
• 机器人和远程操作的应用减少了对人力的依赖，并提高了田间作业的精度。
• 增强现实工具改善了远程专家支持和农民培训，加速了技术采纳。
• 该框架通过优化资源利用和减少环境退化，支持可持续农业。
• 该系统通过推动创新驱动、具有韧性且可扩展的农业生态系统，增强了美国农业的竞争力。