La ciencia de datos, una disciplina basada en metodología estadística y ciencias de la computación para realizar predicciones (ataque de plagas, por ejemplo), es “la nueva bola de cristal” que usan los agricultores para reducir pérdidas en los cultivos. Curiosas herramientas como “tatuajes" para las plantas y ayudantes eficientes como los robots, también forman parte de este equipo de bolas de cristal.

En los parques de diversiones, las adivinas predicen el futuro usando bolas de cristal, en la agricultura usamos la ciencia de datos. Nuestras actividades diarias generan datos de manera voluntaria (uso de redes sociales, por ejemplo) o automática (uso del GPS o la tarjeta de crédito). Los sensores de los monitores de siembra y rendimiento, los satélites y la ciencia misma generan datos. Este aumento en la cantidad y disponibilidad de datos generó la necesidad de nuevas formas de gestionarlos y aprovecharlos. Así nació la ciencia de datos, que es una disciplina basada en metodología estadística y ciencias de la computación para crear predicciones (ataque de plagas, por ejemplo) destinadas a la toma de decisiones.

Esta ciencia de datos se plasma, generalmente, en diferentes aplicaciones para smartphones o tablets que permiten seleccionar el tipo de semilla a sembrar, además de obtener información sobre malezas, plagas y enfermedades de los cultivos. Para que estas aplicaciones sean posibles es necesario combinar los datos abiertos (disponibles en bases de datos) con los datos recogidos en el cultivo o de las imágenes aéreas procedentes de drones o satélites.

La aplicación de origen argentino Auravant es una marca registrada en el Instituto Nacional de la Propiedad Industrial (INPI) en las categorías 42 y 44 que se refieren a la prestación de servicios de profesionales relacionados con los sectores de la agricultura, horticultura y silvicultura. Esta app usa imágenes satelitales y datos de monitoreo de plagas a campo realizados por la Asociación Argentina de Protección Profesional de Cultivos (AAPPCE) para poder predecir ataques y realizar controles en el momento óptimo. Además puede delimitar ambientes, procesar registros de los cultivos, elaborar mapas de rendimientos y determinar condiciones del suelo para realizar el tipo de agricultura más adecuado para cada ambiente del campo.

Sensores, sensores y más sensores

Para predecir el ataque de plagas, el rendimiento del cultivo o el posible daño por caída de granizo se necesita la información de sensores.

Los sensores remotos como los satélites y los radares meteorológicos generan información sobre variables de interés agroclimático. Los datos de campo de redes de estaciones meteorológicas y del Servicio Meteorológico Nacional se comparan con los datos satelitales para conocer, por ejemplo, como será el patrón de lluvias y de evapotranspiración (agua que se evapora del suelo + agua transpirada por la planta) de un determinado cultivo. Si la cobertura espacial y temporal es amplia, la información puede usarse para generar modelos de rendimiento. Otra aplicación es la predicción de granizadas utilizando datos de radares meteorológicos y datos de lotes con daño de granizo. 

Para evitar la erosión de los suelos, una de las herramientas para la toma de decisiones sobre qué tipo de labranza realizar en función de la humedad es la toma de muestras de suelo. Este proceso es lento e insume muchos recursos humanos en campo. Sensores ubicados en dos satélites argentinos (Misión SAOCOM) envían datos para la elaboración del “Mapa de Humedad del Suelo” de la Región Pampeana. Miden la humedad con alta resolución cada 8 días, proveyendo información importantísima para la gestión de tierras y brindando datos para modelizar rendimientos de cultivos. También se usa este sistema para alertar sobre el riesgo de inundaciones o de incendios en suelos muy secos.

Un tatuaje para los cultivos

Los sensores ópticos y las cámaras térmicas (similares a las de las lentes de visión nocturna) monitorean la superficie de los cultivos y alertan al productor cuando la planta está en estado de estrés. Así es posible manejar eficientemente el riego.

La Universidad de Iowa ha desarrollado sensores de grafeno, los cuales se imprimen en 3D en una cinta adhesiva y se pegan en las hojas, como si fuera un tatuaje. Recogen información sobre la cantidad y el tiempo que tarda una planta en absorber y distribuir el agua que tiene disponible. Así, estos sensores son capaces de colaborar con el uso eficiente del recurso hídrico y garantizar los niveles necesarios de agua que necesitan los cultivos.

Sensores de grafeno pegados en una hoja de maíz

Los sensores ubicados en la maquinaria agrícola son los pilares fundamentales de la agricultura de precisión para determinar sitio de aplicación de herbicidas, elaborar mapas de siembra y rendimiento o medir la humedad del grano cosechado, entre muchas aplicaciones.

Agricultura inteligente

Dentro de la ciencia de datos, las dos tecnologías de las que más se está hablando son el aprendizaje automático (machine learning) y el aprendizaje profundo (deep learning), ambas englobadas en el campo de la inteligencia artificial. En ambos casos se busca la construcción de sistemas que sean capaces de resolver problemas sin la intervención humana.

Los programadores no colocan una función específica, sino que entrenan a la computadora para reconocer patrones. Por ejemplo, aprenden del comportamiento de hojas sanas y enfermas para determinar en dónde aplicar un fitosanitario y en dónde no. Gracias a estos algoritmos las máquinas también pueden determinar cuándo se trata de una planta del cultivo y cuándo de una maleza.

En nuestro país, INTA utiliza deep learning para evaluar diferentes aspectos del cultivo de girasol. Para ello, el insumo básico consiste en miles de imágenes previamente clasificadas por un experto. Las imágenes clasificadas sirven para que el modelo "aprenda" y posteriormente pueda clasificar de forma correcta imágenes nuevas, distintas a las que se utilizaron para entrenarlo. Los expertos usan fotografías de hoja y de la planta completa para generar un modelo de estimación del índice de área foliar (superficie efectiva de fotosíntesis) o de estimación del rendimiento precosecha a partir de una serie de fotografías de la flor.

Un robot, muchas máquinas

En el mundo existen equipamientos agrícolas robotizados que trabajan con diferentes tipos de energías: combustión, batería de litio precargada con electricidad o los que se cargan con paneles solares. Estos equipos pueden ser controlados en tiempo real desde un celular o cualquier dispositivo alternativo. Una empresa nacional ha desarrollado un robot eléctrico multipropósito con un módulo intercambiable para diferentes labores: siembra, pulverización y fertilización. Es decir, con un solo chasis se tienen tres maquinarias diferentes. Por su parte, INTA presentó, hace algunos años, una plataforma con inteligencia artificial que puede desplazarse, hacer monitoreo 3D, fertilizar y aplicar fitosanitarios en invernáculos. Este robot puede ir una y otra vez al lugar asignado a realizar distintas tareas y recordar posteriormente lo que ya hizo para aplicar “esos aprendizajes” en otras situaciones.

La captación y análisis de datos con el objetivo de predecir el comportamiento de los cultivos y su entorno permiten ahorrar los recursos escasos de nuestro planeta, fundamentalmente el agua. También disminuir las pérdidas en todas las partes del proceso: durante el cultivo, en la cosecha y después (postcosecha). Estas innovaciones son sumamente eficientes para predecir el fututo verde de la agricultura mundial.

---

¿Sabías que…?

- Usando las predicciones basadas en ciencia de datos se pueden reducir a la mitad las pérdidas de los cultivos causadas por enfermedades, plagas o factores climáticos.

- El uso de sensores en la aplicación de herbicidas disminuye la cantidad de producto utilizado y, por lo tanto, expone menos al operario y reduce notablemente la cantidad de envases a desechar.

---