Comprender dónde se crían los animales de granja es fundamental para gestionar su impacto ambiental y desarrollar soluciones tecnológicas, pero la falta de datos a menudo dificulta obtener una visión completa.
por la Universidad de Arkansas
Becca Muenich, investigadora de ingeniería biológica y agrícola, se propuso llenar el vacío con una nueva técnica para mapear las operaciones de alimentación animal.
Sin estrategias de control adecuadas, los desechos generados por estas operaciones pueden causar daños ecológicos importantes, dijo Muenich, como la contaminación de las aguas superficiales con exceso de fósforo y nitrógeno. Las operaciones de alimentación animal se definen como instalaciones que alimentan a los animales durante al menos 45 días al año en un área confinada en la que no crece pasto ni forraje. Para Muenich, una ingeniera de calidad del agua que se centra en cómo se mueve el agua a través de los paisajes y cómo puede contaminar áreas al recoger y mover materiales tóxicos, este tema despertó su interés.
«No podemos realmente abordar algo si no sabemos dónde está el problema», dijo Muenich, profesor asociado de la Facultad de Ingeniería de la Universidad de Arkansas e investigador de la Estación Experimental Agrícola de Arkansas, el brazo de investigación de la División de Agricultura del Sistema Universitario de Arkansas.
«No tenemos un buen conocimiento a nivel nacional, ni siquiera en muchos niveles estatales, de dónde se encuentra el ganado en el paisaje, lo que realmente dificulta nuestra capacidad de realizar algunos de los estudios que me interesaban», dijo.
Muenich dijo que ha habido un aumento en estas operaciones de alimentación en respuesta al creciente tamaño de la población y la demanda mundial de productos ganaderos .
Teniendo en cuenta los factores clave que predicen la presencia de operaciones de alimentación, como la temperatura de la superficie, los niveles de fósforo y la vegetación circundante, el equipo de Muenich construyó un modelo de aprendizaje automático que puede predecir la ubicación de las operaciones de alimentación sin utilizar imágenes aéreas. Los modelos de aprendizaje automático son un tipo de programa informático que puede utilizar algoritmos para realizar predicciones basadas en patrones de datos.
El modelo se desarrolló a partir de datos que abarcan 18 estados de EE. UU. Los datos se dividieron en parcelas individuales según la propiedad. Al realizar pruebas con un conjunto de datos de operaciones conocidas de alimentación de animales, el modelo predijo su ubicación con un 87 por ciento de precisión.
El estudio, «Identificación basada en aprendizaje automático de operaciones de alimentación animal en Estados Unidos a escala de parcela», se publicó en Science of the Total Environment en enero.
Rellenando los huecos
Los intentos anteriores de identificar operaciones de alimentación animal a menudo se han basado en imágenes aéreas, dijo Muenich, pero las instalaciones ganaderas a menudo lucen diferentes entre estados y por animal, por lo que ella y su equipo buscaron emplear estrategias adicionales.
Explicó que la falta de conocimiento sobre las zonas de cría de ganado a menudo se debe a las diferencias en la interpretación que los estados hacen de la Ley de Agua Limpia, que exige que las granjas clasificadas como «operaciones concentradas de alimentación de animales» obtengan permisos a través del Sistema Nacional de Eliminación de Descargas Contaminantes. Estas instalaciones son un tipo de operación de alimentación de animales con más de 1.000 unidades de animales.
A pesar de la regulación nacional, los estados administran estos permisos de manera diferente, lo que genera diferencias en los datos disponibles.
Por ejemplo, Muenich construyó un modelo de cuenca hidrográfica en un área de Michigan y Ohio que incluía múltiples operaciones de alimentación. Los datos estaban fácilmente disponibles a través del sistema de eliminación de contaminantes de Michigan debido a los requisitos de permisos del estado. Sin embargo, los mismos datos no estaban disponibles para las mismas operaciones en Ohio, lo que llevó a Muenich a emprender este camino de investigación.
Muenich afirmó que avanzar hacia una mejor contabilidad del ganado puede ayudar a desarrollar estrategias que puedan mejorar los resultados ambientales de la gestión del ganado y, al mismo tiempo, crear oportunidades económicas para los agricultores mediante la ampliación de las tecnologías destinadas a combatir los desechos animales. Para ampliar estas tecnologías de manera económicamente viable es necesario saber dónde es más frecuente el ganado y dónde están conectados espacialmente, explicó.
Más información: Arghajeet Saha et al, Identificación basada en aprendizaje automático de operaciones de alimentación animal en los Estados Unidos a escala de parcelas, Science of The Total Environment (2025). DOI: 10.1016/j.scitotenv.2024.178312
