El tiempo en: Córdoba
Miércoles 17/04/2024
 

Córdoba

Desarrollan un modelo de riego para predecir con precisión la demanda de agua agrícola

El modelo desarrollado, y el más preciso hasta la fecha, según un comunicado de la Universidad de Córdoba, permite predecir la demanda real de agua

Publicidad AiPublicidad Ai Publicidad Ai
  • Cultivos de riego. -

Desarrollan un modelo de riego para predecir con precisión la demanda de agua Investigadores de la Universidad de Córdoba han desarrollado un modelo de riego con el que pueden predecir con precisión la demanda real de agua y energía para la agricultura.

El modelo desarrollado, y el más preciso hasta la fecha, según un comunicado de la Universidad de Córdoba, permite predecir la demanda real de agua de riego a una semana vista y con un margen de error inferior al 2 %, permitiendo así una gestión eficaz de los recursos y sin restar autonomía a sus usuarios.

Los investigadores han aplicado al ámbito del riego de precisión la "revolucionaria" arquitectura 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 Inteligencia Artificial como ChatGPT.

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 y tipos de cultivo.

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 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. 

TE RECOMENDAMOS

ÚNETE A NUESTRO BOLETÍN