Los investigadores de Stanford han diseñado una herramienta de optimización del riego que podría ayudar a los agricultores a reducir drásticamente el uso del agua.
por Adam Hadhazy, Universidad de Stanford
La herramienta estima rápidamente la pérdida de agua de los suelos debido a la “evapotranspiración”, un proceso que involucra la evaporación de agua a la atmósfera y la absorción de agua por parte de las plantas. En comparación con las formas más modernas de obtener dichas estimaciones de evapotranspiración, la nueva herramienta de modelado de Stanford funciona 100 veces más rápido y mantiene altos niveles de precisión.
En la práctica, la herramienta podría reducir drásticamente el tiempo necesario para diseñar programas de riego estratégicos y eficientes que posicionen mejor los equipos de riego y detección en fincas completas. En una base más estrecha, campo por campo, la herramienta podría incluso procesar datos lo suficientemente rápido como para ajustar el riego sobre la marcha, casi en tiempo real, a medida que cambian las condiciones climáticas.
“La evapotranspiración es una información crítica para diseñar sistemas de riego eficientes”, dijo Weiyu Li, Ph.D. candidato en ciencia e ingeniería energética y autor principal de un estudio que describe los hallazgos en Water Resources Research . Li es una becaria Siebel en la clase de 2023 y actualmente es la primera y única becaria en la Escuela de Sostenibilidad Stanford Doerr.
En general, la investigación es un paso adelante para la agricultura inteligente, que aprovecha el poder de las tecnologías y enfoques modernos, como los macrodatos y el Internet de las cosas, para aumentar el rendimiento de los cultivos y conservar los recursos naturales.
“Con este estudio, estamos ayudando a cumplir la promesa de una agricultura inteligente para continuar alimentando de manera sostenible a miles de millones de personas en todo el mundo y preservando nuestro planeta para las generaciones futuras “, dijo el autor principal del estudio, Daniel Tartakovsky, profesor de ciencia e ingeniería de la energía que es también asesor de Li.
Simple vertical, complejo horizontal
La contabilidad convencional de la evapotranspiración se ha basado en lo que los investigadores llaman la suposición de flujo vertical. En este enfoque de modelado, el agua aplicada durante el riego se trata como si solo se moviera directamente hacia el suelo. Se ignora el hecho de que el agua puede (y lo hace) fluir en direcciones horizontales. Dado que la agricultura inteligente requiere procesar cantidades significativas de datos, la suposición de flujo vertical se ha utilizado como una especie de atajo computacional. El enfoque es suficiente para algunas necesidades de modelado de riego, pero los resultados que brinda pueden mejorarse enormemente, dijo Li.
Para una agricultura verdaderamente inteligente, particularmente a través del ” riego por goteo “, la suposición de flujo vertical es inadecuada, explicó Li. Como su nombre lo indica, el riego por goteo consiste en administrar agua de forma lenta y precisa a las zonas de raíces de las plantas, donde el agua puede absorberse con una mínima pérdida por evaporación. El riego por goteo se implementa principalmente en regiones áridas , en gran parte de California, por ejemplo, donde las técnicas de riego convencionales que inundan los campos conducen a un consumo de agua atroz.
Los sistemas de agricultura inteligente también optimizan el tiempo. Ellos riegan una planta solo cuando es necesario, dependiendo de factores como el clima y la etapa de crecimiento de la planta. “Históricamente, el riego se ha divorciado en gran medida de las necesidades de la planta en un momento dado”, dijo Tartakovsky. “El riego por goteo, basado en prácticas agrícolas inteligentes, se opone a esa tendencia”.
Entonces, parte del desafío de la agricultura inteligente es saber dónde colocar mejor los sensores de humedad y los goteros. Si bien los diseños existentes dependen de aproximaciones y suposiciones, esta herramienta tiene como objetivo proporcionar esa orientación basada en condiciones del mundo real y casi en tiempo real.
Mejores algoritmos
Para desarrollar la herramienta, Li y Tartakovsky recurrieron a algoritmos para mejorar el procesamiento de datos y obtener resultados de calidad. Para el nuevo estudio, los investigadores reunieron dos algoritmos conocidos como filtro de Kalman mejorado y estimación de máxima verosimilitud. Los algoritmos comienzan con predicciones basadas en los datos medidos disponibles y luego reducen las incertidumbres en función de las mediciones posteriores.
“Conectamos mediciones de datos reales de la humedad del suelo y la absorción de agua de las raíces en nuestro modelo, lo que mejora nuestra comprensión del sistema físico general y el rendimiento del algoritmo”, dijo Li. “Nuestro estudio es el primero en combinar este tipo de enfoque algorítmico y aplicarlo al riego por goteo”.
Para probar la precisión y la eficiencia de su enfoque, los investigadores de Stanford simularon una parcela de tierra que medía aproximadamente 5 por 33 pies de ancho, aproximadamente el equivalente a una hilera corta de cultivos plantados.
Usando la nueva herramienta de modelado, calcular una estimación precisa de la tasa de evapotranspiración para el terreno de prueba solo tomó alrededor de 10 minutos. Si se hubiera utilizado solo un filtro de Kalman mejorado, como han demostrado otros estudios recientes, el tiempo de cálculo habría sido del orden de 100 veces más largo, o alrededor de 1000 minutos. Ese período de tiempo equivale a casi 17 horas y, por lo tanto, no es procesable para una agricultura inteligente oportuna. “En comparación, un sistema de optimización de riego basado en nuestra herramienta de modelado podría responder casi en tiempo real a las condiciones cambiantes”, dijo Li.
Cuando se considera el objetivo de optimizar el diseño inicial de los sistemas de riego por goteo para una granja completa, que puede abarcar miles de acres, el tiempo de cómputo requerido se vuelve francamente prohibitivo. “Se puede empezar a ver por qué los diseñadores de sistemas de riego han confiado en el método de flujo vertical simplificado cuando se enfrentan a grandes proyectos de instalación”, dijo Li.
Mirando hacia el futuro, los investigadores de Stanford planean ver qué tan bien funciona su herramienta de modelado en entornos del mundo real cuando se implementa en una granja en funcionamiento. “A continuación queremos realizar una prueba de ‘campo’, literalmente”, dijo Tartakovsky. “Esperamos perfeccionar aún más nuestro enfoque con todas las variables presentadas por sensores reales, goteros reales, cultivos reales y clima real”.
Más información: Weiyu Li et al, Estimación rápida y precisa de la evapotranspiración para la agricultura inteligente, Investigación de recursos hídricos (2023). DOI: 10.1029/2023WR034535
