• Con la creciente demanda de alimentos, el mundo debe gestionar su consumo de agua.
• Los agricultores disponen ahora de una cantidad sin precedentes de datos históricos.
• El análisis con IA del comportamiento de las plantas es una herramienta poderosa que permite ajustar con precisión el riego.
El uso óptimo del agua mediante el riego ha estado siempre inextricablemente ligado a la evolución de la agricultura y al éxito de las explotaciones agrícolas. Sin embargo, gestionar de forma eficiente los recursos hídricos naturales, junto con un análisis convencional de coste-beneficio de los gastos de tecnología e infraestructura, es un delicado equilibrio.
La importancia de reducir el consumo de agua es primordial, sobre todo porque se calcula que la agricultura representa más del 70 % del uso mundial de agua. Con la demanda de alimentos en constante aumento, se prevé que el uso de agua crezca un 15 % adicional para satisfacer esta demanda.
La agricultura de precisión y la revolución de la IA
Las empresas tecnológicas, junto con los productores, han asumido el reto de resolver esta compleja cuestión mediante métodos de agricultura de precisión y herramientas de visibilidad. Un ámbito tecnológico que avanza hacia una mayor eficiencia hídrica tanto en el campo como en el invernadero es la inteligencia artificial (IA).
Las tecnologías, dispositivos y plataformas emergentes nos permiten recopilar y aprovechar cantidades sin precedentes de datos procedentes de múltiples fuentes: patrones históricos de precipitaciones, imágenes aéreas, registros de rendimiento, sensores en campo, etc. A su vez, los datos agregados pueden procesarse y combinarse con datos de previsión (desde la demanda del mercado hasta el clima) para ayudarnos a tomar decisiones «inteligentes» basadas en las predicciones más precisas a las que hemos tenido acceso.
Cómo crear una programación y distribución óptimas del riego
Identificar las zonas que reciben un exceso o un déficit de riego es clave. Una tarea diaria, difícil de evaluar para cualquier agricultor o agrónomo, es determinar la cantidad correcta de agua para obtener el rendimiento y la calidad óptimos. Según el tipo de planta, el exceso de riego también conlleva riesgos. Por ejemplo, un exceso de riego en los cultivos de algodón provocará el crecimiento de más hojas, en lugar de las flores de algodón que dan valor a la cosecha.
Los agricultores aspiran a crear una programación de riego óptima para sus cultivos que optimice el rendimiento y la calidad, al tiempo que controla los costes. La evapotranspiración es una métrica clave para diseñar un sistema de riego adaptado a las necesidades de cada planta. Representa la suma de la evaporación desde la superficie del suelo y la transpiración de las plantas. Las imágenes satelitales modernas y las previsiones meteorológicas ayudan a los agricultores a mejorar la estimación de la evapotranspiración. No obstante, los avances en la tecnología de sensores del internet de las cosas (IoT) permiten tomar decisiones de riego mucho más precisas al medir el comportamiento de las plantas, en lugar de (o además de) el suelo y el clima.
Los potentes motores de IA pueden procesar y analizar los flujos de datos procedentes de imágenes satelitales, aviones o drones. El aprendizaje automático, y en particular los algoritmos de aprendizaje profundo, pueden ayudarnos a interpretar los datos de las imágenes e identificar patrones que revelen problemas de riego (así como otros problemas, como las plagas). Si las imágenes se combinan con sensores de suelo y de planta, los datos pueden ofrecernos una lectura extremadamente precisa de las necesidades de riego en tiempo real, además de alertarnos sobre posibles problemas.
Detección de averías o fugas en el riego
El desperdicio de agua, especialmente en zonas donde es un recurso escaso, supone un enorme quebradero de cabeza (y un gasto) para los agricultores y productores de alimentos de todo el mundo. Si bien en un extremo del espectro existen tecnologías como el riego por goteo y entornos controlados sofisticados, como los invernaderos sin suelo, estas implican tecnologías y sistemas costosos y, por tanto, no son adecuados para la agricultura extensiva (ni para cultivos de menor valor). Un ámbito que puede mejorarse enormemente es la detección de averías, como las fugas en los sistemas de riego.
En el pasado, podría haber sido necesaria una inspección personal para encontrar una pieza de equipo averiada o identificar una fuga. Los dispositivos IoT permiten que el propio software avise cuando algo va mal o resulta sospechoso, y esto solo es posible cuando los dispositivos están interconectados. De este modo, un sensor de riego puede detectar una irregularidad y vincularla con el problema de fondo o la variable, sobre todo si está conectado a otros puntos de datos, como los datos meteorológicos, para descartar otras posibles causas.
Un productor con el que he trabajado gestiona 2.630 hectáreas de tierras de cultivo en el centro-este de Idaho, en una región donde las temperaturas pueden fluctuar drásticamente hasta 25 °C en dos días. Controlar el riego es su mayor desafío. Con 80 pivotes de riego que hay que activar cuando hace calor, cualquier problema puede convertirse en un gran inconveniente, ya que el suelo se seca rápidamente. Mediante herramientas basadas en IA, como Valley Insights, pueden acceder a imágenes aéreas y otros datos del campo, incluida la imagen térmica de cada planta. Las imágenes captadas y el análisis de campo mediante IA permiten emitir alertas precisas que localizan con exactitud las zonas problemáticas y determinan los problemas de riego que requieren atención inmediata. Esto les permite abordar problemas como las fugas relacionadas con los pivotes, que son difíciles de detectar a simple vista. El poder de la IA va más allá de señalar un problema. Ofrece información sobre cómo corregir una irregularidad en el riego.
Un futuro de la agricultura autónoma impulsada por la IA
De manera similar a como la introducción de los coches autónomos cambiará, sin duda, la forma en que conocemos la conducción, la agricultura y las explotaciones agrícolas se redefinirán en el plazo de una década con la adopción de herramientas autónomas impulsadas por IA. Mientras que hoy en día la función de la IA y de la analítica predictiva es, sobre todo, informar los procesos de toma de decisiones de los agricultores, en un futuro no muy lejano las máquinas podrán operar de forma autónoma.
¿Qué está haciendo el Foro Económico Mundial para ayudar a garantizar la seguridad alimentaria mundial?
Las máquinas autónomas en la agricultura no solo tendrán en cuenta los requisitos de los cultivos. Dispondrán de «inteligencia» para considerar factores como la calidad del rendimiento y las consideraciones financieras asociadas a los costes energéticos, además de otros parámetros. Si bien el riego y el consumo de agua en general son un punto de partida importante, esta tecnología también se convertirá en una piedra angular de otros procesos agronómicos, como la fertilización y la protección de los cultivos.
