Investigadores de Hidráulica y Riegos de la Universidad de Córdoba han desarrollado un modelo basado en la arquitectura Transformer para orientar la toma de decisiones de las comunidades de regantes. Gracias a esto, se podrá predecir con alta precisión la demanda real de agua y energía en agricultura.
Conocer cuándo y con cuánta agua se van a regar los cultivos permitiría a las comunidades de regantes librarse de esa incertidumbre a la hora de tomar decisiones y, por tanto, orientarlas hacia objetivos como el ahorro económico, la sostenibilidad medioambiental y la eficiencia. Para ello, la ciencia de datos y la inteligencia artificial (IA) son importantes aliadas.
Modelo para la toma de decisiones en comunidades de regantes
Investigadores del grupo de Hidráulica y Riegos de la Unidad de Excelencia ‘María de Maeztu’ del Departamento de Agronomía de la Universidad de Córdoba (DAUCO) trabajan para aplicar esta tecnología puntera al ámbito de la agricultura de precisión. 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. Este modelo permite predecir la demanda real de agua de riego a una semana vista y con un margen de error inferior al 2%.
Los investigadores han aplicado al ámbito del riego de precisión la revolucionaria arquitectura de ‘deep learning’ Transformer. La arquitectura Transformer 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, esta arquitectura de datos 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, etc.
Gracias a esto se ha reducido 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, resulta muy útil para gerentes de comunidades de regantes al ofrecer un pronóstico preciso de la demanda diaria de agua de riego para los próximos siete días, en contextos de escasez de agua y altos precios de la energía, pero también en el marco de una apuesta por la gestión sostenible de los recursos.