Europa Otros productos marinos y agua dulce Pesca

Herramientas de precisión para cultivar mejillones y ostras de forma más sostenible

Herramientas de precisión para cultivar mejillones y ostras de forma más sostenible
Crédito: Ranko Maras, Shutterstock

La acuicultura es el sector productor de alimentos para animales de más rápido crecimiento en el mundo. Pero en el pasado, se ha quedado a la zaga de otros sectores alimentarios en la adopción de sistemas de información más eficientes. 


por CORDIS


Ahora, impulsado por la visión del desarrollo sostenible, el sector de la acuicultura está introduciendo rápidamente tecnologías que harán realidad una gestión más ecológica y eficiente de las piscifactorías.

Una de esas áreas de innovación es la acuicultura de precisión . Esta tecnología hace uso de una variedad de sensores interconectados para monitorear las condiciones de las piscifactorías y ayudar a los agricultores a tomar decisiones que optimizan la salud de los peces y los beneficios económicos, al tiempo que minimizan los impactos ambientales. En otras palabras, la acuicultura de precisión tiene el potencial de transformar la industria de la acuicultura.

Un artículo reciente publicado en el sitio web «Global Seafood Alliance» se centra en la producción sostenible de bivalvos cultivados (mejillones y ostras) utilizando esta tecnología. El artículo es el quinto de una serie publicada sobre agricultura de precisión con el apoyo del proyecto GAIN, financiado con fondos europeos. Siguiendo los pasos de cuatro artículos que presentan la acuicultura de precisión y su aplicación en el cultivo de truchas, la industria de la lubina y dorada del Mediterráneo y la industria del salmón, este último artículo trata sobre el cultivo de bivalvos.

Abordar los riesgos del cultivo de bivalvos

El artículo analiza las novedosas herramientas de acuicultura de precisión desarrolladas por el equipo de GAIN para ayudar a predecir los eventos de calidad del agua que afectan el cultivo de bivalvos y provocan el cierre de sitios. «La producción de bivalvos cultivados depende de condiciones óptimas de calidad del agua, a menudo más allá del control de los agricultores. Eventos específicos de calidad del agua, como floraciones de algas, afloramientos de nutrientes o escorrentías urbanas pueden llevar a cierres regulatorios de sitios de bivalvos para evitar que los bivalvos contaminados entren en los mercados , causando graves consecuencias económicas para los agricultores. La escala y la intensidad de estos eventos de calidad del agua son difíciles de predecir porque son causados ​​por combinaciones complejas de múltiples factores que interactúan «, explican los autores.

Para proporcionar a los productores de bivalvos un sistema de alerta temprana y promover mejores decisiones de predicción y gestión, el equipo utilizó herramientas basadas en aprendizaje automático para modelar las condiciones ambientales. Los datos utilizados para el modelado incluyeron sensores ambientales in situ, datos de satélites y mar abierto , datos meteorológicos y patrones actuales y de temperatura, todos los cuales se comparan con datos de cierres de sitios anteriores. Las fuentes de datos se integraron en una plataforma basada en la nube que permite el monitoreo en tiempo real de los sitios de acuicultura de bivalvos.

«El modelado y el aprendizaje automático también incorporaron los datos necesarios para los requisitos legales de la legislación estatal y de la UE, incluida la Directiva marco del agua (‘buen estado ecológico’) y la Directiva marco de estrategia marina (‘buen estado medioambiental’). La solución centralizada basada en la nube también ayudará a las granjas a obtener certificaciones de sostenibilidad «, afirma el artículo.

Los ensayos se llevaron a cabo en el sitio piloto de Sagres en la costa del Algarve en el suroeste de Portugal. Sin embargo, el uso del aprendizaje automático para formar modelos predictivos específicos del sitio hace que la tecnología se adapte fácilmente a las granjas de bivalvos en otras ubicaciones.

La investigación identificó enormes variaciones en las condiciones de cierre «entre sitios, destacando la necesidad de técnicas de modelado y aprendizaje automático que utilicen datos específicos de cada sitio y su historial para predecir las condiciones de cierre». Basado en el aprendizaje automático semiautomático , las herramientas de acuicultura de precisión del equipo «permiten este nivel de precisión». El equipo de GAIN (Green Aquaculture Intensification in Europe) ha llegado a la etapa de prueba del producto final para la industria.



WP Twitter Auto Publish Powered By : XYZScripts.com