Modelo de predicción de riesgo en recursos hídricos para agricultura de precisión

Abstract

En los últimos años la agricultura de precisión a tomado mucha relevancia en la búsqueda de optimizar recursos y obtener mejores resultados, dia a dia se trabaja sobre nuevas tecnologías que permitan llegar al productor para obtener dichas mejoras. En los cultivos que requieren una alta demanda de agua, como es el de arroz, se aplican diferentes técnicas de riego para lograr bajar la demanda hídrica y seguir obteniendo altos rindes. No obstante, se siguen presentando dificultades para realizar un monitoreo óptimo y en tiempo real. El presente trabajo se desarrolla en el IDTILAB de la Facultad de Ciencia y Tecnología de UADER (Concepción del Uruguay, Entre Ríos), en conjunto con la seccional de INTA (Instituto Nacional de Tecnología Agropecuaria, Concepción del Uruguay), y presenta un modelo de comportamiento y prototipo innovador para monitorear cultivos de precisión en tiempo real. Fundado en lo más reciente de la minería de datos temporal, emplea una extensión de los conocidos Sistemas Armónicos (HS por sus siglas en inglés) (Lopez de Luise D. 2013) denominada Sistemas Armónicos difusos (Fuzzy Harmonic System, FHS) (Lopez de Luise D. 2013a , 2013b) (Bel W. 2018) que constituye un heurístico simple y liviano capaz de detectar y predecir los eventos críticos de estrés hídrico en los lotes de los cultivos de arroz. Se presenta el prototipo funcional de KRONOS.AgroData y KRONOS.AgroMonitor que implementa el modelo FHS adaptado para la predicción del nivel de riesgo de sequía en los lotes de riego en cultivos de arroz de la zona de San Salvador ubicada en (Entre Ríos) y en la zona de INTA, Concepción del Uruguay (Entre Ríos). Este prototipo está realizado con tecnología Arduino para la adquisición de datos y tecnologías web como React®, NextJS®, NodeJS® y MQTT®. El diseño permite evaluar el rendimiento y eficiencia del modelo propuesto en un entorno real de prueba de campo donde intervienen variables de diverso tipo (climatológicas, variaciones de humedad en suelo, nivel hídrico en suelo, PH, entre otras). De los estudio de campo y los análisis estadísticos que se muestran en este trabajo, se puede afirmar que el modelo derivado permite determinar intervalos de muestreo y riego mucho más adecuados que los tradicionales, y evaluar satisfactoriamente los rindes y condiciones de cultivo.