35 AGRICULTURA DE PRECISÃO cionária arquitetura de aprendizagem profunda Transformer ao campo da irrigação de precisão, que desde o seu aparecimento em 2017 tem sido implementada em vários sectores e está na base de marcos da Inteligência Artificial como o ChatGPT. A arquitetura “Transformer“destaca-se pela sua capacidade de estabelecer relações de longo prazo em dados sequenciais através dos chamados mecanismos de atenção”. No caso da rega, esta arquitetura de dados permite o tratamento simultâneo de muita informação, delegando na sua R. González Perea, E. Camacho Poyato, J.A. Rodríguez Díaz. “Atenção é tudo o que a água precisa: Multistep time series irrigation water demand forecasting in irrigation districts”. Computers and Electronics in Agriculture, 218. rede neuronal artificial a seleção e extração da informação necessária para uma previsão ótima. VALIDAÇÃO DOS RESULTADOS Para validar os resultados deste modelo, foram utilizados dados diários das campanhas de irrigação de 2015 a 2022 na Comunidade de Irrigação do Canal de Zújar em Don Benito (Badajoz). No total, foram utilizadas mais de 1800 medições de consumo de água para treinar o modelo, combinadas com dados de temperatura, precipitação, radiação solar, evapotranspiração, velocidade do vento, humidade, tipos de culturas, etc. Isto reduziu a margem de erro dos modelos anteriores de 20% para 2%, o que, quando aplicado a sistemas integrados de apoio à decisão, pode ser muito útil para os gestores de comunidades de regantes, fornecendo uma previsão exacta das necessidades diárias de água para rega para os próximos sete dias, em contextos de escassez de água e de preços elevados da energia, mas também no contexto de um compromisso com a gestão sustentável dos recursos. n Foram utilizadas mais de 1800 medições de consumo de água para treinar o modelo, combinadas com dados de temperatura, precipitação, radiação solar, evapotranspiração, velocidade do vento, humidade e tipos de culturas
RkJQdWJsaXNoZXIy Njg1MjYx