Un nuevo algoritmo simplifica y mejora los cálculos para predecir las necesidades hídricas de los cultivos
Un equipo de investigación de la Universidad de Córdoba 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.
Fuente: Universidad de Córdoba
La evapotranspiración se define como la cantidad de agua que pierden los cultivos por evaporación desde el suelo y transpiración de la cubierta vegetal. Su estimación es fundamental para calcular las necesidades hídricas de las plantas, permitiendo establecer un programa de riego eficiente con el que minimizar el consumo de agua. Tradicionalmente, los valores de referencia de este parámetro se calculan a través de un complejo algoritmo, una función matemática basada en un balance de energía y que requiere un gran conjunto de datos climáticos. Pero, ¿sería posible simplificar este proceso para hallar el mismo resultado? ¿Y si se encuentra un camino más corto que conduzca al mismo sitio?
Esto es precisamente lo que ha conseguido un grupo de investigación del área de Proyectos de Ingeniería de la Universidad de Córdoba en un nuevo estudio cuyos resultados han sido publicados en la revista Agronomy. El equipo 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.

Los investigadores Amanda García, Juan Antonio Bellido y Javier Estévez, en el campus universitario de Rabanales.
Concretamente, se nutre de hasta 9 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», explica 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», concluye 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», subraya 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 5 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 destaca 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.
Referencia bibliográfica:
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
Últimas publicaciones
El modelo de control, ideado por un equipo de la Universidad de Córdoba, permite reducir el desperdicio de un recurso esencial y limitado y alargar la vida útil de las tuberías. El modelo predictivo resultante, escalable a otras redes similares, permite superar una gran limitación que encuentran las empresas gestoras de redes de distribución de agua, como es la ausencia de datos en tiempo real que las orienten a la hora de realizar ajustes dinámicos de la presión.
Sigue leyendoEl bienestar animal así como un mayor rendimiento en cantidad y calidad han sido parte de los objetivos de este proyecto que ha contado como socios a COVAP, CETEMET, Keyter, Universidad de Córdoba y Cooperativas Agro-alimentarias de Andalucía.
Sigue leyendoEl grupo operativo INNOFINO, formado por el Consorcio ceiA3 junto a las universidades de Cádiz y de Córdoba, varios consejos reguladores andaluces así como distintas bodegas del marco de Jerez, acaban de presentar los resultados finales del proyecto en la Consejería de Agricultura, Pesca y Desarrollo Rural de la Junta de Andalucía en Sevilla.
Sigue leyendo