权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

INFEW/T2:WaterSmart: A Cyberinfrastructure-Based Integrated Agro-Geoinformatic Decision-Support Web Service System to Facilitate Informed Irrigation Decision-Making

INFEW/T2：WaterSmart：基于网络基础设施的综合农业地理信息决策支持网络服务系统，促进知情灌溉决策

基本信息

批准号：
1739705
负责人：
Liping Di
金额：
$ 234.22万
依托单位：
George Mason University
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2017
资助国家：
美国
起止时间：
2017-10-01 至 2023-09-30
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1739705&HistoricalAwards=false
关键词：
INFEW T2 WaterSmart Cyberinfrastructure Based

项目摘要

Irrigation significantly increases crop yields but consumes approximately 80% of consumptive water and 23-48% of all energy used in crop production in U.S. Therefore, developing low-cost efficient irrigation technologies, applicable at the state or even national level, will have significant impact in enhancing agricultural profitability and competitivity and environmental and economical health. Data-driven irrigation scheduling approaches, based on timely and reliable measures of crop, soil, and weather conditions, have demonstrated significant water and energy savings and economic and environmental benefits, but require farmers to have knowledge of the approaches and timely and reliable measures, which they don't normally possess. The project will strengthen food and energy security and environmental health of our nation, bring immense economic benefits to farmers, and help the US Department of Agriculture reach its 2030 sustainable agriculture goals. The goals are to save ~10% of overall irrigation water and energy usage, maximize irrigation returns on food and energy, and reduce farmer's required time and investment in irrigation management. WaterSmart, if successfully demonstrated in Nebraska, can be scaled to national level, resulting in a potential direct saving of 8.85 million acre-feet of water and $270 million in irrigation energy cost per year. WaterSmart will be built through maturing and systematically integrating recent advances in data-driven irrigation management, remote sensing, agro-geoinformatics, ontology-driven decision-making, modeling, Web service, and CI technologies. This project will automate data-driven approaches by developing a cyberinfrastructure (CI)-based integrated agro-geoinformatic decision-support Web service system, WaterSmart, and demonstrating its real-time operational capability for Nebraska at virtually no cost to farmers.

灌溉显著提高了作物产量，但消耗了美国作物生产中约80%的耗水量和23-48%的能源。因此，开发适用于州甚至国家一级的低成本高效灌溉技术，将对提高农业盈利能力和竞争力以及环境和经济健康产生重大影响。数据驱动的灌溉调度方法基于对作物、土壤和天气条件的及时和可靠的测量，已经证明了显著的节水和节能以及经济和环境效益，但要求农民了解这些方法以及及时和可靠的措施，而他们通常不具备这些知识。该项目将加强我国的粮食和能源安全以及环境健康，为农民带来巨大的经济效益，并帮助美国农业部实现其2030年可持续农业目标。其目标是节省约10%的总灌溉水和能源的使用，最大限度地提高粮食和能源的灌溉回报，并减少农民在灌溉管理方面所需的时间和投资。如果在内布拉斯加州成功示范，WaterSmart可以扩展到国家一级，每年可能直接节省885万英亩英尺的水和2.7亿美元的灌溉能源成本。将通过成熟和系统地整合数据驱动的灌溉管理，遥感，农业地理信息学，本体驱动的决策，建模，Web服务和CI技术的最新进展来建立水智能。该项目将通过开发一个基于网络基础设施（CI）的综合农业地理信息决策支持网络服务系统（WaterSmart），并在几乎不给农民带来任何成本的情况下，为内布拉斯加州展示其实时操作能力，从而实现数据驱动方法的自动化。

项目成果

期刊论文数量（40）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Deriving High Spatiotemporal Remote Sensing Images Using Deep Convolutional Network

DOI：
10.3390/rs10071066
发表时间：
2018-07
期刊：
Remote. Sens.
影响因子：
0
作者：
Zhenyu Tan;P. Yue;L. Di;Junmei Tang
通讯作者：
Zhenyu Tan;P. Yue;L. Di;Junmei Tang

Estimation of crop evapotranspiration from MODIS data by combining random forest and trapezoidal models

DOI：
10.1016/j.agwat.2021.107249
发表时间：
2022-01
期刊：
Agricultural Water Management
影响因子：
6.7
作者：
Pengyu Hao;L. Di;Liying Guo
通讯作者：
Pengyu Hao;L. Di;Liying Guo

Advanced cyberinfrastructure for intercomparison and validation of climate models

DOI：
10.1016/j.envsoft.2019.104559
发表时间：
2020
期刊：
Environ. Model. Softw.
影响因子：
0
作者：
Ziheng Sun;L. Di;B. Cash;Juozas Gaigalas
通讯作者：
Ziheng Sun;L. Di;B. Cash;Juozas Gaigalas

In-Season Major Crop-Type Identification for US Cropland from Landsat Images Using Crop-Rotation Pattern and Progressive Data Classification

DOI：
10.3390/agriculture9010017
发表时间：
2019-01-01
期刊：
AGRICULTURE-BASEL
影响因子：
3.6
作者：
Rahman, Md. Shahinoor;Di, Liping;Mohiuddin, Hossain
通讯作者：
Mohiuddin, Hossain

An Enhanced Deep Convolutional Model for Spatiotemporal Image Fusion

DOI：
10.3390/rs11242898
发表时间：
2019-12
期刊：
Remote. Sens.
影响因子：
0
作者：
Zhenyu Tan;L. Di;Mingda Zhang;Liying Guo;Meiling Gao
通讯作者：
Zhenyu Tan;L. Di;Mingda Zhang;Liying Guo;Meiling Gao

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Liping Di其他文献

Estimating Crop LAI Using Spectral Feature Extraction and the Hybrid Inversion Method

DOI：
https://doi.org/10.3390/rs12213534
发表时间：
2020
期刊：
Remote Sensing
影响因子：
5
作者：
Liang Liang;Di Geng;Juan Yan;Siyi Qiu;Liping Di;Shuguo Wang;Lu Xu;Lijuan Wang;Jianrong Kang;Li Li
通讯作者：
Li Li

Grid computing enhances standards-compatible geospatial catalogue service

DOI：
10.1016/j.cageo.2009.09.006
发表时间：
2010-04-01
期刊：
Research article
影响因子：
作者：
Aijun Chen;Liping Di;Yuqi Bai;Yaxing Wei;Yang Liu
通讯作者：
Yang Liu

Deriving Non-Cloud Contaminated Sentinel-2 Images with RGB and Near-Infrared Bands from Sentinel-1 Images Based on a Conditional Generative Adversarial Network

基于条件生成对抗网络从 Sentinel-1 图像中导出具有 RGB 和近红外波段的非云污染 Sentinel-2 图像

DOI：
10.3390/rs13081512
发表时间：
2021-04
期刊：
Remote. Sens.
影响因子：
0
作者：
Quan Xiong;Liping Di;Quanlong Feng;Diyou Liu;Wei Liu;Xuli Zan;Lin Zhang;Zhe Liu;Xiaochuang Yao;Xiaodong Zhang
通讯作者：
Xiaodong Zhang