一项新拨款汇集了来自内布拉斯加州，伊利诺斯州而且普林斯顿大学旨在弥补数据收集、建模和决策之间的差距，使作物生产者能够更容易地决定是否灌溉。该项目的资金来自于美国农业部国家食品和农业研究所的项目，可以潜在地节约财政和水资源。

通过无人驾驶飞行器、飞机或卫星收集的天气、土壤和灌溉数据存在某些问题:云层覆盖不适当、地球间隔时间、尺度——直径数百米而不是所需的10米，所有这些都阻碍了做出明智决策的能力。

农民有他们自己的一套障碍。随着农场逐渐变大——有些农场直径达50到60英里——要同时检查整个农场的降雨量就变得不可能了。考虑到一个中心支点灌溉系统需要三到四天的时间来完成一个农田的循环，最终的结果是农民根据5天的时间做出决策，而这些时间的信息是不准确或缺失的。

“我们都曾开车经过别人家的草坪或农田，当时正在下雨，我们会问，‘为什么不在下雨的时候关掉洒水器或中心轴?’”弗朗茨说。“(对农民来说)实际的决定并不简单。最重要的是，如果你关掉了洒水车，但没有下雨，而且这是一年中错误的时间，你会损失很多钱。”作物得不到足够的水分，产量就会下降，导致收入下降。

他补充说，农民想要节约用水，但除非能迅速做出合理的决定，否则他们会做出安全的决定，给田地浇水。

研究人员将在未来三年致力于改进卫星收集的数据，以便将其纳入数学建模，以准确地表示每日天气、作物和灌溉信息;然后通过字段级监视验证这些组件。

UNL团队的成员信噪比和生物系统工程部该公司将与内布拉斯加州的利益相关者合作，安装地面作物传感器，测量40个变量，包括降雨、太阳辐射和植物健康。这些变量结合起来将提供一个水和能源预算，这是农民做决定所需的信息，研究人员希望将这些信息开发成一个应用程序或其他容易获得的产品。

“一旦我们通过我们的网络传播，我们希望通过用户的反馈和更多的本地化数据使它变得更好，”Franz说，“因为项目负责人可以查看应用程序，但如果只有我们，它就没有用了。”

自然保护协会,内布拉斯加州水平衡联盟，内布拉斯加州自然资源区,内布拉斯加州的扩展将与伊利诺伊大学和普林斯顿大学合作开展数据分析和建模方法。

美国国家科学基金会和美国国家科学基金会正在通过信息物理系统程序．