cómo la IA apoya a los agricultores y ahorra agua – ELEDIA E-AIR

En el Informe 2017 “Agua para una alimentación y una agricultura sostenibles“, la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) ha señalado que, en promedio, la agricultura representa 70% de las extracciones mundiales de agua dulce. Solo el 0,003 % del agua del mundo son “recursos de agua dulce”, y una fracción aún menor es realmente accesible y se puede utilizar para beber, para la higiene, para la agricultura y la industria.

El agua es esencial para todas las formas de vida, para todos los aspectos del desarrollo socioeconómico y para el mantenimiento de ecosistemas saludables.

Organización de las Naciones Unidas para la Agricultura y la Alimentación, 2017

A medida que aumentan las necesidades alimentarias de la creciente población mundial, con una estimación de Se necesita un 60 % más de alimentos para 2050 en todo el mundolos agricultores luchan por mejorar las prácticas de riego e incrementar los rendimientos.

habilitado para IA agricultura inteligente y de precisión puede ayudar en varios niveles diferentes, y muchos de los problemas emergentes en la agricultura de previsión y el riego inteligente se han abordado en los últimos 15 años a través de metodologías avanzadas de Inteligencia Artificial en el Centro de Investigación ELEDIA.

Los miembros del equipo de ELEDIA están trabajando continuamente en las actualizaciones del sistema E-AIR Precision Farming llamado ESTACIÓN, que se lanzó inicialmente en 2010. SEASON ya está en uso en varios demostradores diferentes actualmente activos en Europa, África y China. La versión existente ha sido entrenada a través de aprendizaje automático para comprender el estado de salud de los cultivos e identificar posibles condiciones críticas y/o sugerir acciones y contramedidas al agricultor con respecto a las necesidades y decisiones de riego. Además, SEASON se puede personalizar para aprender las mejores prácticas y recomendarlas a los agricultores a través de metodologías de apoyo a la toma de decisiones. Para ello, combina y analiza datos de varias fuentes diferentes, incluidos sensores ambientales (temperaturas distribuidas, humedad, condiciones de luz), sensores del estado de salud de las plantas (como el parámetro vital de la planta, su evolución histórica de crecimiento), información de pronóstico del tiempo y datos contextuales (es decir, período de cultivo esperado, posibles infecciones estacionales causadas por parásitos) para proporcionar puntajes de salud en tiempo real para cultivos explotando también estrategias de Minería de Datos.

La versión mejorada de SEASON aún podrá proporcionar esos resultados, pero también permitirá determinar más localmente la posible necesidad de tratamientos específicos para garantizar la seguridad de todo el cultivo, así como para minimizar su impacto en el medio ambiente. El proyecto ha estado en marcha desde hace algunos años, pero el equipo ha acelerado el trabajo en los últimos meses tras el aumento de las condiciones climáticas extremas y la desertificación experimentada también en regiones (como el centro y el sur de Europa) normalmente consideradas templadas.

Pero ese no es el final de la historia. Sistemas activos de agricultura de precisión habilitados para IA han estado en funcionamiento dentro del marco de E-AIR desde la introducción de WATERS en 2012. La instancia más reciente de WATER se está ejecutando en un conjunto de sitios de Trentino dedicados al cultivo de uva para vino. Como es bien sabido, la viticultura es un sector socioeconómico clave en Europay la fuerte sensibilidad de la vid a los factores atmosféricos hacen del cambio climático un reto importante para este sector [Fraga, 2016].

WATERS aborda este desafío a través de un enfoque innovador y versátil. Mediante el autoaprendizaje de la correlación entre el estado de la uva (supervisado a través de tecnologías de seguimiento económicas y resistentes), las condiciones meteorológicas actuales y pronosticadas, y la respuesta de diferentes suelos y tipologías de uva a las condiciones de riego, y mediante la explotación de esquemas de decisión de lógica difusa, WATERS entiende el enfoque de riego óptimo y se puede implementar como un administrador de políticas sensible al agua completamente automatizado. Además, permite el control remoto y la supervisión por parte de los agricultores, que pueden corregir las acciones definidas, lo que permite que WATERS “aprender de sus errores” y así mejorar sus futuras decisiones a través del aprendizaje por refuerzo.

La FAO ha señalado recientemente que “Si bien existen suficientes recursos de agua dulce a nivel mundial para permitir un desarrollo agrícola e industrial continuo, el uso sostenible a largo plazo de los recursos hídricos es una preocupación creciente..” Mejorar la productividad agrícola mientras se conservan y mejoran los recursos naturales es un requisito esencial para aumentar los suministros mundiales de alimentos de manera sostenible, y Los sistemas basados ​​en IA pueden desempeñar un papel importante en cambiar la perspectiva de la escasez de agua a la eficiencia del agua.

Leer más

• El “Proyecto SEASON”, Centro de Investigación ELEDIA. Página web del proyecto.
• F. Viani, M. Bertolli, M. Salucci y A. Polo, “Monitoreo inalámbrico de bajo costo y soporte de decisiones para el ahorro de agua en la agricultura”, IEEE Sensors Journal, vol. 17, núm. 13, págs. 4299-4309, julio de 2017. doi: 10.1109/JSEN.2017.2705043.
• F. Viani, “Validación experimental de un sistema inalámbrico para la gestión del riego en aplicaciones agrícolas inteligentes”, Microwave and Optical Technology Letters, vol. 58, núm. 9, págs. 2186-2189, septiembre de 2016. doi: 10.1002/mopa.30000
• LG Paucar, AR Diaz, F. Viani, F. Robol, A. Polo y A. Massa, “Apoyo a la decisión para el riego inteligente mediante sensores distribuidos inalámbricos”, 2015 IEEE 15th Mediterranean Microwave Symposium (MMS), Lecce, 2015, págs. 1-4. hacer: 10.1109/MMS.2015.7375469
• F. Viani, F. Robol, A. Polo, P. Rocca, G. Oliveri y A. Massa, “Arquitecturas inalámbricas para la detección heterogénea en aplicaciones para el hogar inteligente: conceptos e implementación real”, en Actas del IEEE, vol. 101, núm. 11, págs. 2381-2396, noviembre de 2013. doi: 10.1109/JPROC.2013.2266858
• B. Majone, F. Viani, E. Filippi, A. Bellin, A. Massa, G. Toller, F. Robol y M. Salucci, “Despliegue de red de sensores inalámbricos para monitorear la dinámica de la humedad del suelo a escala de campo”, Procedia Ciencias Ambientales, vol. 19, págs. 426-235, 2013. doi: 10.1016/j.proenv.2013.06.049
• F. Viani, P. Rocca, G. Oliveri y A. Massa, “Pervasive remote sensing through WSNs,” 2012 6th European Conference on Antennas and Propagation (EUCAP), Praga, 2012, pp. 49-50. hacer: 10.1109/EuCAP.2012.6206049.
• Proyecto CLIMB del 7PM “Cambios inducidos por el clima en la hidrología de las cuencas mediterráneas: reducción de la incertidumbre y cuantificación del riesgo a través de un sistema integrado de seguimiento y modelado”, (2010-2014) Página web del proyecto