Investigadores del ARS en Estados Unidos usan fotos tomadas por ciudadanos y un sistema de inteligencia artificial para analizar la floración del pasto varilla en condiciones reales
Redactor: Raúl Méndez C.
Editor: Karem Díaz S.
La combinación entre ciencia ciudadana e inteligencia artificial está abriendo una nueva vía para estudiar procesos agrícolas y ecológicos que antes eran difíciles de observar a gran escala. En Estados Unidos, investigadores del Servicio de Investigación Agrícola del Departamento de Agricultura de Estados Unidos (ARS-USDA) están utilizando datos aportados por ciudadanos para comprender mejor cómo responden algunas plantas perennes a distintos ambientes y condiciones climáticas.
El trabajo se centra en una idea práctica: las observaciones hechas por personas fuera de los laboratorios pueden convertirse en una fuente valiosa de información científica cuando se organizan, analizan y comparan con experimentos formales. Con el apoyo de herramientas de inteligencia artificial aplicada al campo, grandes volúmenes de imágenes tomadas en diferentes lugares y momentos pueden ayudar a detectar patrones útiles para la investigación agrícola.
Fotos ciudadanas para estudiar plantas en el mundo real
La ciencia ciudadana permite que investigadores profesionales reúnan datos procedentes de múltiples regiones y periodos de tiempo con la colaboración de personas particulares. En este caso, el ARS destaca su utilidad para trabajar con información obtenida fuera de estaciones experimentales, jardines comunes o parcelas diseñadas exclusivamente para investigación.
El estudio citado por el ARS fue publicado en la revista Cell y desarrollado por investigadores del propio servicio agrícola estadounidense junto con colaboradores universitarios. El equipo creó un sistema de visión por computadora basado en inteligencia artificial llamado Flowering Labeler for Open-source Research-grade Images via Self-supervised Transformer, conocido por sus siglas FLORIST.
Esta herramienta fue diseñada para revisar grandes cantidades de fotografías de gramíneas tomadas por ciudadanos. El objetivo fue identificar información sobre la floración del pasto varilla o switchgrass, una especie perenne de estación cálida de la pradera norteamericana. Su nombre científico es Panicum virgatum L. y forma parte de los principales pastos perennes de clima cálido de esa región.
FLORIST: una herramienta para leer imágenes agrícolas
El sistema FLORIST permite analizar imágenes abiertas de calidad científica mediante visión por computadora. La herramienta fue utilizada para examinar patrones de floración del switchgrass en condiciones reales, es decir, en los lugares donde la planta crece y se adapta a distintos ambientes.
Este tipo de análisis resulta especialmente importante porque la floración es una fase crítica del desarrollo vegetal. Saber cuándo florece una planta ayuda a comprender su adaptación a diferentes condiciones de temperatura, latitud y clima. En el caso del switchgrass, los investigadores analizaron cómo varía ese momento a lo largo de un gradiente geográfico.
Xianran Li, biólogo investigador de la ARS Wheat Health, Genetics, and Quality Research Unit en Pullman, Washington, explicó que las observaciones de ciencia ciudadana y los experimentos científicos formales funcionan bien en conjunto para comprender la naturaleza en distintos lugares y periodos.
Laura Tibbs-Cortes, investigadora posdoctoral en el laboratorio de Li, señaló que las observaciones en el mundo real y los experimentos diseñados se complementan porque permiten ver una historia más completa del switchgrass. Las imágenes ciudadanas ayudaron a analizar el gradiente latitudinal del tiempo de floración, algo que no puede observarse únicamente con ensayos de jardín común.
Por qué los experimentos tradicionales no bastan
Los experimentos diseñados son fundamentales para controlar variables y comparar respuestas vegetales bajo condiciones conocidas. Sin embargo, no siempre capturan toda la complejidad de los ambientes donde las plantas crecen de manera natural. En agricultura, esa diferencia puede ser decisiva, porque los cultivos y especies asociadas responden a factores que cambian entre regiones, estaciones y años.
Las observaciones tomadas por ciudadanos permiten ampliar la escala de análisis. Al reunir fotografías de diferentes lugares de Estados Unidos, los investigadores pueden observar señales que quizá no aparecen en un ensayo limitado a una parcela o estación experimental. Esta lógica se conecta con otros proyectos en los que la ciencia ciudadana aplicada al monitoreo ambiental ayuda a recopilar datos difíciles de obtener solo con equipos profesionales.
En el caso del switchgrass, la información sobre la floración permite estudiar mecanismos de adaptación. La planta puede enfrentar distintos desafíos dependiendo de si crece más al norte o más al sur. En algunas zonas, la floración se relaciona con la capacidad de evitar daños por frío invernal; en otras, con la respuesta a temperaturas altas de verano.
Datos abiertos, inteligencia artificial y adaptación vegetal
La contribución central del estudio está en mostrar cómo la inteligencia artificial puede hacer útil un volumen de datos que antes era difícil de manejar. Las imágenes ciudadanas existen en gran cantidad, pero requieren herramientas capaces de clasificarlas, analizarlas y extraer información relevante de manera consistente.
El avance de la visión por computadora facilita ese proceso. Al aplicar modelos de IA sobre fotografías de plantas, los investigadores pueden detectar etapas de desarrollo, comparar fechas de floración y relacionar esos datos con la ubicación geográfica. Esta aproximación se suma a la tendencia de usar automatización y grandes volúmenes de datos en investigación vegetal para responder preguntas que requieren escala y precisión.
El ARS subraya que esta metodología puede ir más allá de los pastos perennes. A medida que la tecnología de inteligencia artificial mejora y se reducen limitaciones computacionales anteriores, las observaciones aportadas por ciudadanos pueden servir para estudiar una gama más amplia de temas agrícolas y ambientales.
Una vía para investigar problemas agrícolas complejos
El valor de esta combinación no está solo en procesar imágenes. También está en conectar datos dispersos con preguntas concretas de investigación agrícola. La agricultura enfrenta problemas que cambian por región, clima y tiempo, por lo que contar con información de campo procedente de múltiples lugares puede mejorar la comprensión de esos procesos.
En este sentido, la ciencia ciudadana aporta presencia territorial y la inteligencia artificial aporta capacidad de análisis. Juntas pueden ayudar a detectar patrones de adaptación, desarrollo vegetal y respuesta ambiental. También pueden servir como complemento de experimentos controlados, no como sustituto.
La experiencia con FLORIST muestra que las imágenes tomadas por ciudadanos pueden tener valor científico cuando se integran con métodos rigurosos. Para la agricultura, esto abre una posibilidad relevante: aprovechar datos del mundo real para estudiar plantas, ambientes y sistemas productivos con una escala que sería muy difícil de alcanzar únicamente desde laboratorios o parcelas experimentales.
El caso del switchgrass también muestra que los datos agrícolas no siempre proceden de sensores especializados o plataformas comerciales. A veces pueden surgir de fotografías abiertas, observaciones ciudadanas y herramientas capaces de transformar esos registros en información útil. Esa visión se relaciona con el avance de la teledetección, el big data y la inteligencia artificial como recursos para comprender escenarios agrícolas reales.
Fuente(s) referenciales
