La Revolución Verde trajo consigo la introducción de agroquímicos en el campo agrícola y una sobredimensión del regadío. Esto ha llevado a que se triplique el consumo de recursos naturales en apenas cincuenta años en el sector agrícola, con el coste que implica, además de afectar considerablemente a la sostenibilidad.
Los sistemas de inteligencia artificial han llegado al sector agrícola, integrado algoritmos capaces de calcular la demanda hídrica de los cultivos, que se determina a través de la evapotranspiración de la especie vegetal. Mediante este método, es posible conocer las necesidades reales de agua de los cultivos, y su capacidad para consumirla.
Además, toda la información complementaria necesaria se pueden obtener a partir de bases de datos preestablecidas, estaciones meteorológicas, dendrómetros, sensores de suelo o imágenes híper-espectrales. La unión de todas estas fuentes, permite generar modelos predictivos que, entrenados de la manera adecuada, pueden dar solución a los problemas a los que se enfrenta la agricultura de esta era digital.
El empleo de una fuente de datos u otra depende del grado de sofisticación del modelo empleado. El uso de datos recolectados in situ incrementa la precisión de los valores ofrecidos, pues se adaptan a cada caso concreto y zona del campo, y no se basa en una extrapolación de datos, si no en catas reales.
Los sistemas de inteligencia artificial necesitan de la integración de todas las tecnologías citadas en esta Revolución Tecnológica, para aumentar la precisión de los valores.
Estos sistemas también tienen la capacidad de determinar las necesidades nutricionales de las plantaciones. A partir de los nutrientes del suelo, del agua y la composición del propio terreno, las herramientas pueden recomendar al agricultor qué productos aplicar, en qué zonas y en qué cantidades.
Estos sistemas pueden descender la demanda de insumos en hasta un 65 %, generando ahorros considerables y un aumento de la calidad y supervivencia del cultivo en cada fase de crecimiento.
descarga aquí -> Datos Sensor
La variables a tener en cuenta en el estudio se presentan en la siguiente tabla, donde se establecen los rangos de valores aceptables para cada tipología de dato. Este modelo de datos es el que debe aplicarse a la muestra de datos a descargar.
El objetivo de este reto se divide en tres cometidos clave:
- Generar un modelo de clasificación sectorizada de la tierra según sus valores nutricionales
- Crear una plataforma de visualización que delimite los sectores en base a los criterios más adecuados para su estudio
- Prescribir el tratamiento por sectores, conforme a los resultados obtenidos
La clave es desarrollar la mejor solución posible, planteando hipótesis realistas y pensando cómo dar una solución al agricultor medio.
La solución será evaluada y se medirá de acuerdo a:
- Haber completado los tres objetivos con una solución efectiva, aplicable al mundo real y viable en cuanto a su desarrollo
- Ser innovadora y funcionalmente atractiva
- Las conclusiones que se obtengan sean concluyentes y el tratamiento de los datos haya sido correcto
- La interfaz ofrezca soluciones reales para la toma de decisiones
La Revolución Verde trajo consigo la introducción de agroquímicos en el campo agrícola y una expansión del regadío. Esto ha llevado a que se triplique el consumo de recursos naturales en apenas cincuenta años.
Los sistemas de inteligencia artificial han integrado algoritmos capaces de calcular la demanda hídrica de los cultivos, que se determina a través de la evapotranspiración de la
Los valores empleados se pueden obtener a partir de bases de datos preestablecidas, estaciones meteorológicas, dendrómetros, sensores de suelo o imágenes hiperespectrales.
El empleo de una fuente de datos u otra depende del grado de sofisticación del modelo empleado. El uso de datos recolectados in situ incrementa la precisión de los valores ofrecidos, pues se adaptan a los requerimientos de cada campo agrícola.
Los sistemas de inteligencia artificial necesitan de la integración de todas las tecnologías generadas en esta Revolución Tecnológica para aumentar la precisión de los valores
Es común que estos sistemas también determinen las necesidades nutricionales de los vegetales. A partir de los nutrientes del suelo, del agua y de las enmiendas aplicadas en el perfil edáfico, las herramientas, ofrecen a los agricultores la cantidad de abono a aplicar al
Estos sistemas pueden descender la demanda de insumos en hasta un 65 %cultivo en cada fase de crecimiento.
Por otro lado, la aplicación de los modelos se ha extrapolado hacia las redes de regantes para dar solución a la gestión integral y sostenible del ciclo del agua.
Los sistemas de trazabilidad inteligentes pueden detectar las fugas de agua, y permiten aminorar en un 30 % perdidas hídricas y energéticas.
Los datos serán publicados una vez se comience la entrega de resultados, publicándose el ranking de inscritos y la puntuación de las soluciones.
Ánimo a todos los participantes, y a por el reto!!
