Un grupo de investigación desarrolla nuevos modelos basados en aprendizaje automático para predecir con una semana de antelación estimaciones que permiten conocer las necesidades hídricas de los cultivos, a través de un nuevo algoritmo que a diferencia de otros desarrollados hasta la fecha necesita menos variables meteorológicas.
Un grupo de investigación del área de Proyectos de Ingeniería de la Universidad de Córdoba (UCO) en un nuevo estudio cuyos resultados han sido publicados en la revista Agronomy, ha desarrollado nuevos modelos basados en inteligencia artificial que predicen con una semana de antelación las estimaciones que permiten conocer las necesidades hídricas de los cultivos, a través de un nuevo algoritmo que, a diferencia de otros desarrollados hasta la fecha, necesita menos variables meteorológicas para realizar dichas estimaciones.
Concretamente, se nutre de hasta nueve variables, todas relacionadas con parámetros térmicos, como, por ejemplo, hora de la temperatura mínima y máxima o la energía térmica. «La gran ventaja de este algoritmo», ha explicado el investigador Javier Estévez, es que «prácticamente con un termómetro se puede predecir con precisión la evapotranspiración de referencia, y posteriormente la demanda de agua de un cultivo».
Para calcular exactamente lo mismo, los sistemas tradicionales necesitan disponer de una serie de variables meteorológicas como la velocidad del viento, la humedad o la radiación solar, «parámetros más costosos de medir y que, a diferencia de la temperatura, no están disponibles en todas las estaciones meteorológicas», ha destacado el profesor Estévez.
Estos modelos desarrollados permiten estimar con gran fiabilidad la cantidad de agua que necesitaría un determinado cultivo con una semana de antelación, aunque se comporta de forma más eficiente en zonas de interior, en el que la temperatura no se ve afectada por grandes masas de agua. Además, durante los tres primeros días, las predicciones ofrecen una mayor precisión, «alcanzando unos resultados mejores a otros modelos publicados en la literatura científica», ha subrayado Juan Antonio Bellido, otro de los autores que ha participado en el estudio.
El algoritmo, desarrollado dentro del proyecto de investigación SMARITY, ha sido validado en cinco localidades de Andalucía sujetas a distintas condiciones de aridez climática, desde zonas más húmedas cercanas a Cádiz y Huelva hasta zonas desérticas en Almería. Por otro lado, según ha destacado la investigadora Amanda García, tanto el modelo como el código fuente están disponibles en formato abierto, «lo que supone que cualquier persona que lo desee pueda usarlo, mejorarlo y adaptarlo a cualquier tipo de cultivo».
De esta forma, el nuevo trabajo ayuda a mejorar la gestión de los recursos hídricos y establecer programaciones de riego que optimicen al máximo el uso del agua, algo trascendental en zonas que sufren escasez de precipitaciones y que contribuye a luchar contra la sequía, uno de los grandes objetivos marcados en rojo en la hoja de ruta de la Organización de las Naciones Unidas (ONU).
Referencia
J Bellido-Jiménez J.A., Estévez J., Vanschoren J., García-Marín A.P. AgroML: An Open-SourceRepositorytoForecast Reference Evapotranspiration in Different Geo-ClimaticConditionsUsing Machine Learning and Transformer-BasedModels. Agronomy .10.3390/agronomy12030656
