En la creación de modelos que permitan anticipar el comportamiento de los regantes llevan años trabajando en el grupo de Hidráulica y Riegos de la Unidad de Excelencia María de Maeztu – Departamento de Agronomía de la Universidad de Córdoba (Dauco) que, ahora, ha conseguido predecir qué cantidad de agua usará cada regante de una comunidad separada por periodos tarifarios, con el modelo Cangenfis creado por los investigadores de Dauco Rafael González, Emilio Camacho y Juan Antonio Rodríguez. 

Esta nueva herramienta adelanta información sobre cuándo se produce la mayor demanda la red, si es necesaria o no la activación de todas las bombas en paralelo que tiene la comunidad de regantes y optimiza la contratación de la tarifa eléctrica más adecuada, permitiendo así el ahorro de costes energéticos. También se conoce con antelación qué tuberías podrían sobrecargarse o prever cómo afectaría una avería.

“Permite integrar la gestión del agua y de la energía y hacer un uso óptimo también de esa energía. Si la comunidad de regantes tiene un sistema de energía fotovoltaica puede saber qué cantidad de energía tiene que reservar y vender el resto o cuánta energía tiene que comprar ya que hay comunidades que compran energía de un día a otro y con esto pueden adelantarse a esta compra con precisión”, ha resaltado Emilio Camacho, uno de los investigadores del proyecto.

Modelo Cangenfis: inteligencia artificial para conocer a los regantes

Este nuevo modelo ha sido entrenado y probado en la Comunidad de Regantes del Canal del Zújar (Extremadura) con datos de las campañas de riego de 2015, 2016, 2017 y 2018.

“El funcionamiento del modelo es sencillo. Recibe una serie de entradas de variables climáticas muy relacionadas con la sensación térmica del agricultor como humedad relativa o temperatura máxima, además se incluyen variables relacionadas con el estado fenológico del cultivo y variables relacionadas con el día a día del agricultor, ya que si es festivo o si es fin de semana puede influir en las decisiones de riego. Este conjunto de entradas, con el modelo calibrado, nos dice para cada uno de los periodos tarifarios qué cantidad de agua va a emplear el agricultor al día siguiente”, ha apuntado González.

Según los resultados, variables como el precio de las tarifas o el número de horas que hay en cada periodo tarifario toman más importancia en el comportamiento de los regantes que las variables agroclimáticas.

«La precisión de los pronósticos fue en torno al 80% para los cultivos de arroz, maíz y tomate (márgenes de error de 19,9%, 22,9% y 19,5%), un margen de precisión bastante alto en este tipo de predicciones que demuestra la importancia de tener en cuenta el comportamiento del regante en este tipo de predicciones”, ha señalado Juan Antonio Rodríguez.

El reto, ahora, es realizar predicciones con más antelación, que vayan más allá del día de antelación para tener más margen de actuación.

Nuevos periodos tarifarios de la energía

Este modelo se ha desarrollado y probado de manera previa a la entrada en vigor de los nuevos periodos tarifarios de la energía el pasado 1 de junio de 2021. Sin embargo, el modelo se puede ajustar a estos nuevos tramos y también puede revelar si los regantes cambian su comportamiento en relación a los nuevos precios.

González Perea, R., Camacho Poyato, E. &Rodríguez Díaz, JA. (2021)Forecasting of applied irrigation depths at farm level for energy tariff periods using Coactive neuro-genetic fuzzy system,Agricultural Water Management,Vol. 256,107068, https://doi.org/10.1016/j.agwat.2021.107068