La Universidad de Córdoba desarrolla un modelo de inteligencia artificial para predecir con alta precisión la demanda real de agua y energía en agricultura.

La ciencia de datos y la inteligencia artificial (IA) pueden ser importantes aliadas para las comunidades de regantes y su gestión del agua. Con el objetivo de aplicar esa tecnología puntera al ámbito de la agricultura de precisión trabajan investigadores del grupo de Hidráulica y Riegos de la Unidad de Excelencia ‘María de Maeztu’ del Departamento de Agronomía de la Universidad de Córdoba. Ejemplo de ello es el proyecto HOPE, centrado en el desarrollo de un modelo holístico de riego de precisión que involucra también la aplicación de la IA para orientar la toma de decisiones. En el marco de esta propuesta se han desarrollado modelos de predicción que permitirían a las comunidades de regantes tener una estimación rigurosa de la cantidad de agua que necesitarán los agricultores para satisfacer las necesidades de sus cultivos. El último modelo desarrollado, y el más preciso hasta la fecha, permite predecir la demanda real de agua de riego a una semana vista y con un margen de error inferior al 2%.

Los investigadores Rafael González, Emilio Camacho y Juan Antonio Rodríguez señalan que este avance representa un paso más en la línea de digitalización aplicada al regadío que desarrolla el grupo de investigación AGR 228 “Hidráulica y Riegos”. Ahora han aplicado al ámbito del riego de precisión la revolucionaria arquitectura de datos de deep learning Transformer, que desde su aparición en 2017 se ha implementado en diversos sectores y que está en la base de hitos de la IA como ChatGPT. Este sistema destaca por su capacidad para establecer relaciones a largo plazo en datos secuenciales mediante lo que se conoce como ‘mecanismos de atención’. En el caso del riego, permite tratar mucha información de manera simultánea, delegando en su red neuronal artificial la selección y extracción de la información necesaria para que la predicción sea óptima.

Para validar los resultados de este modelo se utilizaron datos diarios de las campañas de riego de 2015 a 2022 en la Comunidad de Regantes del Canal del Zújar, en Don Benito (Badajoz). En total, se usaron más de 1.800 medidas de consumo de agua para el entrenamiento del modelo, combinadas con datos de temperatura, precipitación, radiación solar, evapotranspiración, velocidad del viento, humedad, tipos de cultivo, etcétera. Esto ha permitido reducir el margen de error de modelos anteriores de un 20% a un 2%, lo que, aplicado a sistemas integrados de apoyo a la toma de decisiones, puede resultar muy útil para gerentes de comunidades de regantes al ofrecer un pronóstico preciso de la demanda diaria de agua de riego a siete días.