Investigadores en Andalucía desarrollan herramienta de IA para mejorar la eficiencia del riego

Investigadores de la Facultad de Agronomía de la Universidad de Córdoba han desarrollado un herramienta de inteligencia artificial eso ayudará a los agricultores a predecir cuánta agua necesitan para el riego con una semana de anticipación.

Los investigadores agregaron que esta última herramienta, LSTMHybrid, es parte de un esfuerzo más amplio para digitalizar el riego, que según dijeron ayudará a los agricultores a reducir los costos de producción al ahorrar agua y energía.

La última herramienta se basa en el modelo Cangenfis, desarrollado en 2021 y entrenado con cuatro años de datos climáticos de Zújar en la provincia andaluza de Granada. Cuando se implementa, puede predecir las necesidades de agua a largo plazo para el riego con un 80 por ciento de precisión.

Sin embargo, la primera iteración de la herramienta impulsada por IA solo podía predecir las necesidades generales de agua para varios cultivos, incluidos el arroz, el maíz y los tomates.

"La gran diferencia con respecto a los modelos anteriores es que es la primera vez que se hace a escala de siete días”, explica Rafael González, uno de los tres investigadores principales implicados en ambos proyectos.

LSTMHybrid permite a los agricultores presupuestar sus necesidades de agua con mayor precisión y superponer los requisitos de riego esperados con los diferentes períodos tarifarios. La esperanza de los investigadores es que estos datos más precisos ayuden a los agricultores a tomar las decisiones más informadas desde el punto de vista económico y agronómico para optimizar el agua y la energía.

La necesidad de modernizar el sistema de riego de España, que según los investigadores se ha guiado tradicionalmente por la experiencia histórica y no por datos predictivos, ha sido hizo aún más necesario por la persistente sequía y niveles de embalse peligrosamente bajos.

Mientras que CANGENFIS usó cientos de redes neuronales que tienen en cuenta medio millón de factores diferentes, LSTMHybrid realiza sus predicciones en función de la temperatura promedio, la evapotranspiración de referencia, la humedad y los registros de riego anteriores.

El nuevo modelo también puede guardar datos ingresados ​​previamente para ayudar a mejorar su capacidad de predecir año tras año.

Esta simplificación permite a los agricultores y administradores de riego ingresar manualmente datos semanales en el sistema a través de una computadora común, prediciendo cuánta agua se necesita para el riego la semana siguiente.

"Conocer la demanda de agua con varios días de antelación facilitará la gestión del sistema y ayudará a optimizar el uso del agua y los costes energéticos”, afirma Juan Antonio Rodríguez, otro de los investigadores implicados en ambos proyectos.

Además de mejorar la gestión del agua, Antonio Rodríguez agregó que la nueva capacidad predictiva ayudaría a la transición de la región a la energía renovable al proporcionar pronósticos más precisos para la demanda de energía agrícola.

"El conocimiento está ahí, y la tecnología ha sido probada y funciona”, dijo el tercer investigador principal, Emilio Camacho. "Ahora tenemos que desarrollar la herramienta que permita a las comunidades utilizar esta tecnología de forma sencilla para que las empresas que van a dar la solución tecnológica a la comunidad de regantes introduzcan estos avances”.

• Universidad de cordoba
• Universidad de cordoba