La Universidad de Córdoba desarrolla un modelo de riego para predecir con precisión la demanda de agua agrícola

Investigación

Investigadores de Hidráulica y Riegos desarrollan un modelo basado en la arquitectura 'Transformer' para orientar la toma de decisiones de las comunidades de regantes

El Premio Nobel de Fisiología o Medicina Paul Nurse ofrecerá una conferencia en la UCO

'Historia y Genealogía', el podcast divulgativo de la Universidad de Córdoba

Los investigadores de la UCO Emilio Camacho, Juan Antonio Rodríguez y Rafael González. / El Día
E. D. C.

02 de abril 2024 - 11:26

Investigadores de la Universidad de Córdoba (UCO) 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 ha informado la UCO, 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.

En concreto, 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.

Según la misma información, 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".

Los investigadores de la UCO responsables de este trabajo son Rafael González, Emilio Camacho y Juan Antonio Rodríguez, que han señalado 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.

No hay comentarios

Ver los Comentarios

También te puede interesar

Lo último