La tecnología 4.0 es parte indispensable de nuestras vidas, facilitando nuestro día a día casi sin darnos cuenta. Este término engloba todos los procesos de digitalización y automatización que estamos viviendo en la industria y en nuestras vidas cotidianas, destacando entre ellos el Big Data, la inteligencia artificial, la robótica, el internet de las cosas y la realidad virtual y aumentada. Todo ello está cambiando tan profundamente nuestras vidas que se ha denominado la cuarta revolución digital, como explicábamos hace ya dos años en este mismo blog (ver la entrada aquí).
Para mí, que he dedicado casi toda mi carrera a la investigación en fisiología vegetal e ingeniería agronómica, una de las aplicaciones más fascinantes y prometedoras que la revolución digital ofrece a este campo es la agricultura de precisión, también llamada agricultura 4.0. Sin duda, comer es una de las actividades cotidianas de las que no podemos prescindir, pero pocos somos conscientes de su enorme importancia. En la reciente situación de emergencia sanitaria por la expansión del coronavirus, el sector agroalimentario ha demostrado su fuerza y su carácter estratégico a lo largo de toda la cadena de producción: desde agricultores, ganaderos y pescadores hasta los supermercados y tiendas de alimentación. El sector lleva apostando por la digitalización desde hace años, aunque ahora más que nunca para mantener su competitividad en esta crisis global que ha seguido a la pandemia.
La agricultura de precisión se basa en la toma de datos que influyen en la productividad de los cultivos, como factores ambientales, de suelo, orientación y orografía del terreno, etc. Todos estos datos son posteriormente integrados con software avanzado para desarrollar modelos predictivos que permiten determinar la dosis óptima de riego y fertilizantes y predecir con exactitud el peligro de plagas y enfermedades. Esto supone un gran ahorro y a la vez un gran beneficio medioambiental, ya que se reduce drásticamente la cantidad de agua y de productos químicos aplicados. Pero, ¿cómo se toman y se registran todos estos datos?
Existen diferentes dispositivos y tecnologías, entre los cuales encontramos los drones que captan imágenes de los cultivos con diferentes tipos de cámaras. Las cámaras RGB (siglas en inglés de rojo, verde y azul) captan imágenes visibles a simple vista y permiten detectar zonas con poca vegetación, encharcamientos, etc. Las cámaras multiespectrales captan imágenes de espectros de luz que el ojo humano no capta, pudiendo, entre otros, medir la cantidad de luz que absorben y reflejan las plantas dentro del espectro visible y no visible, la cantidad de clorofila activa y la radiación infrarroja emitida por las plantas. Todas estas imágenes son procesadas tras el vuelo del dron, o más comúnmente, enviadas a una plataforma informática en tiempo real gracias a una placa Arduino que llevan incorporada. Una placa Arduino [1] es una especie de placa de ordenador en miniatura programable en código abierto que, entre otros usos, puede conectar dispositivos a una red WiFi y enviar datos a la nube [2] o a una plataforma informática que los registra (esto es a lo que se llama internet de las cosas o Internet of Things [3]). El procesamiento de imágenes de drones permite, mediante fórmulas matemáticas, conocer el vigor de las plantas, medir la cantidad de clorofila activa y la fotosíntesis, saber si una planta está bien hidratada o sufre estrés hídrico, si sufre alguna enfermedad, etc. Además de los drones, también se utilizan estaciones climatológicas y sensores de humedad del suelo, conectados a la nube mediante Arduino o un sistema IoT similar, que registran datos y los envían a un sistema informático centralizado. En la figura 1 se muestra un sensor de humedad sencillo, que transmite los datos de humedad de la maceta con la orquídea a una aplicación móvil mediante una placa Arduino. En este video se entiende mejor el funcionamiento:
Dependiendo del tamaño de parcela y de las necesidades de cada agricultor, se utilizan distintas combinaciones de dispositivos, tecnología y software. Para grandes extensiones, como las de algunas bodegas de vino o productores de aceite, este método es una herramienta de optimización indispensable para gestionar con eficacia todas las zonas de cultivo, sobre todo usando los drones. Por ejemplo, puede ocurrir que una parcela o zona de la parcela tenga menos horas de sol y acumule más agua de lluvia, y esto es captado mediante las cámaras del dron y por la estación meteorológica. La figura 2 muestra tres tipos de imágenes tomadas en un mismo campo en Al correlacionar estos datos climáticos con datos históricos de aparición de plagas y enfermedades, se desarrollan modelos matemáticos basados en inteligencia artificial que permiten predecir que en esa zona, con esas condiciones, hay mayor incidencia de determinados hongos y enfermedades, y que aparecen siempre en una determinada época del año. Son algoritmos de “machine learning” o aprendizaje automático: el sistema aprende a través de los datos. El software de predicción que engloba estos algoritmos monitoriza en tiempo real todos los parámetros que pueden comprometer la productividad del cultivo o la calidad del producto final. Este software es accesible a través de la web o dispositivos móviles. Gracias a esta información el agricultor puede tomar medidas preventivas para que las enfermedades no afecten al cultivo, o aplicar mayor dosis de fitosanitarios en esa zona concreta. También se puede predecir con exactitud la demanda de riego, el momento óptimo de siembra y recolección y la productividad; permitiendo al agricultor una actuación rápida, eficaz y respetuosa con el medio ambiente.
En parcelas pequeñas en las que el uso de drones no es viable, también se pueden desarrollar modelos predictivos mediante la combinación de estaciones meteorológicas y sensores ambientales y de suelo (por ejemplo, midiendo humedad, pH, contenido de nutrientes, etc.).No obstante, debemos tener en cuenta que la agricultura de precisión aún está poco implantada en pequeñas explotaciones, bien por el precio, por desconocimiento o por la poca conectividad que aún hay en algunas zonas rurales de España. La startup en la que trabajo ahora, UpIntelligence [4], pretende acercar esta tecnología a pequeños agricultores y pequeñas industrias alimentarias, escuchando las necesidades de cada uno y proponiendo soluciones sencillas y a medida.
Se calcula que para el 2050 la población mundial llegará hasta los 9800 millones de personas [5]. Para alimentar a toda esta población, la industria agrícola tendrá que producir un 70 % más de alimentos, pudiendo utilizar sólo un 5 % más de tierra cultivable de la que hay en la actualidad. Esto, unido al drástico contexto actual del cambio climático, supone un reto casi imposible para la agricultura mundial actual, y ya existen normativas europeas que regulan el uso de fitosanitarios para reducir sus efectos tóxicos sobre el medio ambiente. Por todo ello, la implantación de la agricultura de precisión, incluyendo el uso de tecnologías digitales y BigData, pasará a convertirse en una obligación [6].
En definitiva, la transformación digital del campo a todas las escalas y en toda la cadena de producción será cada vez más necesaria si queremos asegurar que lo que comemos cada día es suficiente para todos, sostenible y, sobre todo, de buena calidad
* * *
Por Olaya Muñoz Azcárate (@OlayinaBio), doctora en Biología. Project manager for agrifood sector. Up Intelligence. Gijón (España).
Más información:
- Información sobre Arduino. Fuente: Arduino.
- Información sobre la nube. Fuente: Cloudflare.
- Información sobre el Internet de las cosas. Fuente: Wired.
- Startup UpIntelligence.
- Entrada sobre «World population prospects: the 2017 revision». Fuente: United Nations.
- Crédito de imagen para la imagen de portada: extraída de un reporte GAO de los EEUU. Disponible en Wikipedia.
- Información sobre agricultura de precisión. Fuente: Wikipedia.
