Los miembros del Grupo Operativo HIDRONUT_SAT, en el que participa el Campus de Excelencia Internacional Agroalimentario ceiA3, se reúnen con los técnicos de campo del grupo García Carrión en un taller de transferencia para mostrarles el funcionamiento de la plataforma que han desarrollado durante el proyecto. Todos los resultados de este proyecto se presentarán en la Jornada final el próximo 17 de junio en Villanueva de los Castillejos (Huelva).
Tras más de un año de trabajo, el Grupo Operativo HIDRONUT_SAT llega a su etapa final con unos resultados que han superado el alcance previsto de los objetivos iniciales y que abren puertas a seguir avanzando en nuevas líneas de aplicación. El objetivo de crear una herramienta digital, basada en el uso de imágenes satélites del Programa Copernicus y satélites de alta resolución, para mejorar el manejo de la nutrición y riego en el cultivo de cítricos ha sido ejecutada con éxito y presentada en un taller de transferencia del conocimiento de esta aplicación a los técnicos de campo del grupo García Carrión.
La plataforma web se ha desarrollado para su uso por dos perfiles de trabajo. Por una parte, los investigadores y especialistas tienen acceso tanto a la información completa de los datos empleados para generar modelos predictivos, como a los propios entrenamientos realizados con diferentes algoritmos.
Por otra parte, con el perfil de usuario de la plataforma, cualquier técnico de campo o productor puede acceder de forma sencilla a los mapas de predicción de humedad y nutrientes, atendiendo a las imágenes satélites empleadas y que se procesan de forma automática en los servidores LINUX. Para ello se ha automatizado el proceso de graficado, lo que permite una visualización rápida e intuitiva de la información en formato de mapas, lo que facilita el seguimiento en la evolución de las variables. En concreto, esta componente temporal es muy interesante para la toma de decisiones por parte de los técnicos responsables de las empresas agrícolas.
Los resultados obtenidos, que se presentarán en la jornada final en Villanueva de los Castillejos (Huelva), han permitido hacer predicciones precisas de humedad en el suelo y nutrientes en hoja. El formulario de inscripción para acudir a ese encuentro final se encuentra a través de este enlace.
Aunque durante el proyecto los algoritmos se han ajustado para las parcelas de ensayo, la plataforma permite incorporar nuevas parcelas, cultivos, variables y datos, y adaptar los modelos desarrollados de una forma ágil, e incluso intuitiva, para obtener resultados más precisos en los nuevos escenarios.
La plataforma, instalada en servidores de la Universidad de Huelva, permite escalar y adaptar las predicciones a nuevos usos en un período corto de tiempo, a partir de las imágenes satélite y la información de sensores de campo de humedad y análisis foliares de unos dos meses.
En las últimas reuniones realizadas entre miembros del equipo y del sector agroalimentario se han detectado nuevas aplicaciones y cultivos para los que resulta interesante adaptar la plataforma, con lo que se amplían las perspectivas de uso. Un ejemplo de ello es la posibilidad de incorporar nuevas parcelas de cultivos del grupo García Carrión dedicadas al cultivo de aguacate en la zona de Huelva y de olivar superintensivo en Portugal. Otro caso para destacar es su posible aplicación en el cultivo de vid, para realizar el seguimiento del riego antes de vendimia, aspecto interesante de cara a la trazabilidad de la uva antes de su entrada en bodega.
La divulgación del proyecto hasta el momento ha permitido ir detectando estos nuevos usos y durante las jornadas previstas para la difusión de resultados se prevé recabar nuevas aportaciones que puedan concretarse en más aplicaciones de la plataforma. Su funcionamiento depende en gran medida de la información y datos que se le vayan sumando, lo que la hace más eficaz.
Adicionalmente, durante la ejecución del proyecto se han identificado nuevos satélites que aportan imágenes hiperespectrales, como las ofrecidas por EnMAP, que se han utilizado para el entrenamiento de los modelos, aportando resultados muy interesantes y abriendo nuevos campos de aplicación.
