El ITA y Sarga pondrán al servicio de los agricultores modelos que beben de múltiples fuentes de datos, además de los meteorológicos.
Tercer Milenio
NOTICIA
La toma de datos en entornos naturales, como un campo de cultivo, es un reto añadido.
Desde el área de tecnologías digitales del Instituto de Tecnológico de Aragón, Gorka Labata, nos cuenta una de las utilidades en las que están usando la IA
El sector de la agricultura tiene un peso importante en Aragón y de su digitalización se espera un aumento de la productividad, ahorro de costes y mayor sostenibilidad. Actualmente, "la tecnología asociada al sector primario ha avanzado de forma exponencial, pero en muchos casos las herramientas están infrautilizadas", indica Javier Sancho, jefe de proyectos en Sarga (Sociedad Aragonesa de Gestión Agroambiental), que pone un ejemplo: un tractor nuevo genera mucha información que, en este momento, no se está utilizando.
Para fortalecer las capacidades de la agricultura inteligente y la competitividad, está en marcha el proyecto europeo Agridatavalue , que va a desarrollar un espacio de datos ('data-space') para el sector agrícola y ganadero en el que se puedan compartir datos y servicios que utilizan esos datos de manera segura. En él participan Sarga y el Instituto Tecnológico de Aragón (ITA).
Los retos no son pequeños, ya que la mayor parte de las actividades agrícolas y ganaderas se desarrollan "en entornos naturales, menos controlables que una instalación industrial y definidos por muchos factores que se nos escapan" , destaca desde el ITA Francisco José Lacueva, técnico de IA, Sistemas Cognitivos y Big Data. Sin embargo "ser capaces de medir y buscar relaciones entre acciones y consecuencias es una forma de mejorar el rendimiento de las explotaciones, de reducir el impacto de determinadas actividades y, en definitiva, de hacerlas sostenibles".
Te puede interesar
Innoidea: tecnología aplicada a la cría de insectos, los radares que salvan aves y la gestión agrícola
Evidentemente, no se van a poder controlar, ni tan siquiera medir, todos los factores que influyen en el desarrollo de una campaña agraria, pero tomar datos de las labores realizadas, de las condiciones climáticas, de las plagas que afectan a un cultivo, de la cosecha y su calidad "va a permitir realizar análisis más certeros y tomar decisiones más apropiadas que las basadas únicamente en la experiencia, que seguirá siendo importante, pero que por sí misma no siempre lleva a las mejores soluciones", argumenta Lacueva.
'Smart-farming' y agricultura de precisión
Si aumenta el nivel de detalle de los datos (granularidad), una explotación podrá tomar mejores decisiones. "Cuando son lo suficientemente precisos y se cuenta con las herramientas de actuación adecuadas, se podrán tomar decisiones aplicables a una determinada zona de cultivo dentro de una parcela, a una planta concreta o a un animal específico ", señala. Será entonces cuando, "una vez capturados los datos, hablemos de 'smart-farming', es decir, agricultura inteligente, si los algoritmos de IA para predecir plagas o detectarlas se aplican en una parcela o área; y se denomina agricultura 4.0 o agricultura de precisión si lo aplicamos a zonas pequeñas, una planta o un animal concretos".
Los modelos basados en algoritmos de inteligencia artificial "pueden suponer una mejora sustancial para apoyar las decisiones de los agricultores", asegura Lacueva. "Los beneficios pueden ser múltiples", dice. En primer lugar, "estamos intentando crear una herramienta que permita visualizar los datos de las predicciones de riesgos de plagas de manera clara y concisa -explica-, pero que también permita ver detalles de en qué contexto (condiciones meteorológicas, previsión meteorológica, observaciones de campo, etc.) el modelo está dando un valor de riesgo estimado para que el agricultor o técnico agrónomo implicado pueda investigar y mejorar su conocimiento y, así, tomar las mejores decisiones en cuanto a la aplicación o no de un tratamiento fitosanitario". Esto supone, enfatiza, "una evidente mejora económica, pero también medioambiental". Por otra parte, "si mostramos un ejemplo de uso seguro de los datos, en este caso de procedencia pública, se abre la puerta a que los agricultores confíen en los espacios de datos y puedan animarse a sacar beneficio económico de los datos que ellos capturan en sus explotaciones".
Desde Sarga, se espera que "la aplicación de esta tecnología supondrá una mejora de la productividad y un importante ahorro de costes. Además de un aumento de la capacidad de prevención de futuras plagas, un aumento de la capacidad de anticipación ante problemas en los diferentes cultivos y, por tanto, un mayor beneficio tanto económico como laboral en el sector primario".
Predicción del riesgo de desarrollo de polilla oriental
Esta campaña, a causa de las condiciones meteorológicas -otoño, invierno y primavera húmedos y con temperaturas suaves-, se está presentando especialmente problemática por la presencia de hongos en los cultivos. ¿Cuándo realizar un tratamiento fitosanitario para que sea lo más efectivo posible? Contar con modelos de predicción del riesgo de desarrollo de estos hongos va a permitir que agricultores y técnicos agrónomos tomen esta decisión con más posibilidades de éxito.
Como en otros proyectos, el ITA colabora con el Gobierno de Aragón, en concreto con el Centro de Salud y Certificación Vegetal (CSCV) del Departamento de Agricultura, Ganadería y Alimentación, a través de Sarga. Se encuentra en marcha un piloto "en el que desarrollamos modelos de fenología (cambios según las estaciones) de árboles frutales de hueso (melocotonero, albaricoquero, etc.) y de pepita (manzano, peral) y de predicción del desarrollo de polilla oriental basándose en datos meteorológicos, observaciones de campo provenientes de Red Fitosanitaria de Aragón (FARA) que gestiona del CSCV e imágenes multiespectrales de los satélites de la constelación Copernicus Sentinel 2. Sarga facilita los datos de los diferentes sensores de los que disponen los programas del Gobierno de Aragón para el desarrollo de las soluciones previstas en los casos del uso del proyecto Agridatavalue.
Además de desarrollar los modelos, el ITA integrará los módulos de transformación de datos y los conjuntos de datos gestionados , así como los servicios para usar los modelos dentro del espacio de datos ('data-space') que se está desarrollando en el proyecto.
A lo largo de tres años, se desplegarán 33 pilotos para probar el 'data-space' y demostrar sus capacidades; agrupan distintos escenarios de utilización de datos e inteligencia artificial (IA) en el sector: cultivos extensivos, hortalizas (invernaderos), leñosos y viñedo, ganadería, transectoriales, implementación de la PAC y monitorización climática.
Inteligencia artificial
Los modelos clásicos se basan en reglas sencillas que se aplican únicamente a datos meteorológicos, mientras que los modelos basados en algoritmos de inteligencia artificial (IA) pueden considerar, además, observaciones de campo (tanto de técnicos como de máquinas, por ejemplo fotos), las labores realizadas, datos de campañas anteriores, imágenes multiespectrales de dron o de satélite, etc. Los modelos obtenidos con algoritmos de IA suelen ser más precisos que los clásicos, pero requieren de un histórico de datos. El problema viene cuando estos datos no están presentes o no tienen una calidad adecuada para que los algoritmos funcionen de manera óptima.
-Ir al suplemento de ciencia Tercer Milenio
Conforme a los criterios de