Los drones que monitorean los campos en busca de malezas y los robots que atacan y tratan enfermedades de los cultivos pueden parecer ciencia ficción, pero en realidad ya están sucediendo, al menos en algunas granjas experimentales.
por Katrin Piecha, Universidad de Bonn
Investigadores del Grupo de Excelencia PhenoRob de la Universidad de Bonn están trabajando para impulsar la digitalización inteligente de la agricultura y ahora han publicado una lista de las preguntas de investigación que deberán abordarse como prioridad en el futuro. Su artículo aparece en el European Journal of Agronomy .
Que la Tierra alimente hoy en día a más de 8 mil millones de personas se debe, entre otras cosas, a la agricultura moderna de alto rendimiento. Sin embargo, este éxito tiene un alto costo. Los métodos de cultivo actuales amenazan la biodiversidad, mientras que la producción de fertilizantes sintéticos genera gases de efecto invernadero y los productos químicos agrícolas contaminan las masas de agua y el medio ambiente.
Muchos de estos problemas pueden mitigarse mediante el uso de métodos más específicos, por ejemplo, aplicando herbicidas sólo en aquellas zonas del campo donde las malezas se están convirtiendo realmente en un problema, en lugar de tratar toda el área. Otras posibilidades son tratar los cultivos enfermos individualmente y aplicar fertilizante sólo donde realmente sea necesario. Sin embargo, estrategias como estas son extremadamente complicadas y prácticamente imposibles de gestionar a escala por medios convencionales.
Aprovechar la alta tecnología y la inteligencia artificial para ser más sostenibles y eficientes
«Una respuesta podría ser utilizar tecnologías digitales inteligentes», explica Hugo Storm, miembro del Grupo de Excelencia PhenoRob. La Universidad de Bonn se ha asociado con el Forschungszentrum Jülich, el Instituto Fraunhofer de Algoritmos e Informática Científica de Sankt Augustin, el Centro Leibniz de Investigación del Paisaje Agrícola de Müncheberg y el Instituto de Investigación de la Remolacha Azucarera de Göttingen en un proyecto a gran escala destinado a hacer que la agricultura más eficientes y más respetuosos con el medio ambiente utilizando nuevas tecnologías e inteligencia artificial (IA).
Los investigadores provienen de todo tipo de campos diferentes, incluida la ecología, las ciencias vegetales, las ciencias del suelo, la informática, la robótica, la geodesia y la economía agrícola. En su documento de posición publicado recientemente, establecen los pasos que creen que deben abordarse como prioridad a corto plazo.
«Hemos identificado algunas preguntas de investigación clave», dice Storm. Uno de ellos se relaciona con el monitoreo de las tierras de cultivo para detectar cualquier deficiencia de nutrientes, crecimiento de malezas o infestaciones de plagas en tiempo real. Las imágenes de satélite proporcionan una visión general, mientras que los drones o robots permiten un seguimiento mucho más detallado. Este último puede cubrir sistemáticamente todo un campo e incluso registrar el estado de cada planta durante el proceso.
«Una dificultad reside en relacionar toda esta información», dice la colega de Storm, Sabine Seidel, que coordinó la publicación con él: «Por ejemplo, ¿cuándo será suficiente una resolución baja? ¿Cuándo será necesario profundizar más? ¿Cómo? ¿Es necesario que los drones vuelen para lograr la máxima eficiencia a la hora de observar todos los cultivos, especialmente los que están en riesgo?
Los datos obtenidos proporcionan una imagen de la situación actual. Sin embargo, lo que más interesa a los agricultores es sopesar varias estrategias potenciales y sus posibles implicaciones: ¿cuántas malezas puede soportar mi cultivo y cuándo debo intervenir? ¿Dónde necesito aplicar fertilizante y cuánto debo poner? ¿Qué pasaría si usara menos pesticidas?
«Para responder a preguntas como estas, es necesario crear copias digitales de sus tierras de cultivo», explica Seidel. «Hay varias maneras de hacer esto. Algo que los investigadores aún necesitan descubrir es cómo combinar los diversos enfoques para obtener modelos más precisos». También es necesario desarrollar métodos adecuados para formular recomendaciones de acción basadas en estos modelos. Las técnicas tomadas del aprendizaje automático y la inteligencia artificial desempeñan un papel importante en ambas áreas.
Los agricultores deben participar
Sin embargo, para que la producción agrícola realmente adopte esta revolución digital, las personas que realmente la pondrán en práctica (los agricultores) también tendrán que estar convencidas de sus beneficios. «En el futuro, tendremos que centrarnos más en la cuestión de qué condiciones subyacentes son necesarias para garantizar esta aceptación», afirma el profesor Heiner Kuhlmann, geodesta y uno de los dos ponentes del Clúster de Excelencia junto con el jefe de su grupo de robótica, el profesor Cyril Stachniss.
«Se podrían ofrecer incentivos financieros o establecer límites legales al uso de fertilizantes, por ejemplo». La eficacia de herramientas como estas, solas o combinadas, también se puede medir hoy en día mediante modelos informáticos.
En su artículo, los investigadores de PhenoRob también utilizan ejemplos para demostrar lo que las tecnologías actuales ya son capaces de hacer. Por ejemplo, se puede crear un «gemelo digital» de áreas cultivadas y alimentarlo con un flujo constante de diversos tipos de datos con la ayuda de sensores, por ejemplo, para detectar el crecimiento de raíces o la liberación de compuestos de nitrógeno gaseosos del suelo.
«A medio plazo, esto permitirá que los niveles de fertilizantes nitrogenados aplicados se adapten a las necesidades de los cultivos en tiempo real, dependiendo de cuán rico en nutrientes sea un lugar en particular», añade el profesor Stachniss. Por lo tanto, en algunos lugares la revolución digital en la agricultura ya está más cerca de lo que podría pensarse.
Más información: Hugo Storm et al, Prioridades de investigación para aprovechar las tecnologías digitales inteligentes para la producción de cultivos sostenibles, European Journal of Agronomy (2024). DOI: 10.1016/j.eja.2024.127178
