Research Articles Fertilizantes inteligentes: Las recomendaciones de la IA aumentan el rendimiento del trigo en Etiopía

Para hacer frente a este reto, investigadores de la Alianza de Bioversity International y el CIAT, junto con socios como la cooperación alemana "Digital Green", el Instituto Etíope de Investigación Agrícola y el Ministerio de Agricultura, se embarcaron en un estudio pionero. Su objetivo era aprovechar el poder del aprendizaje automático (Machine Learning) para crear recomendaciones de fertilizantes específicas para cada lugar (SSFR) para los agricultores de trigo etíopes.

Los investigadores comenzaron reuniendo un conjunto masivo de datos sobre la respuesta de los cultivos a los nutrientes aplicados a través de Coalition of the Willings. Se recopilaron unas 20.000 observaciones sobre la respuesta del trigo a distintos tipos y dosis de nutrientes en diversos suelos, climas y sistemas de cultivo. Este conjunto de datos se utilizó, junto con covariables de suelo y clima procedentes de fuentes de datos espaciales, para adaptar un algoritmo de aprendizaje automático que pudiera predecir recomendaciones de fertilizantes específicas para cada lugar. Este algoritmo —un sofisticado programa informático— se entrenó para identificar patrones y relaciones entre el rendimiento del trigo, el nitrógeno, el fósforo, el azufre y diversos factores edafoclimáticos. Las características climáticas estacionales se obtuvieron a partir de modelos climáticos y se utilizaron para desarrollar recomendaciones de fertilizantes estacionales inteligentes y específicas para cada sitio (SSFR).

Las recomendaciones de fertilizantes están disponibles —junto con otras soluciones agronómicas— en una herramienta en línea llamada NextGen Agroadvisory. Gracias a esta potente herramienta, los investigadores pudieron desarrollar 65 dosis de fertilizante personalizadas para 277 lugares de prueba en tres distritos de Etiopía. Las SSFR se validaron con recomendaciones generales nacionales y locales utilizando enfoques de investigación participativa con los agricultores.

Los resultados han sido impresionantes. En comparación con las fincas que utilizaban las recomendaciones tradicionales de fertilización general, las que utilizaban SSFR mostraron rendimientos significativamente superiores en más del 75 % de los casos. Los SSFR produjeron un aumento medio del rendimiento en grano del 16n % y el 25 % con respecto a los NBFR y LBFR, respectivamente. La eficiencia en el uso del azufre y del fósforo fue baja con SSFR en comparación con las recomendaciones generales. Además, el SSFR generó una ganancia de 580 dólares estadounidenses por hectárea por temporada por encima de las recomendaciones locales y 412 dólares estadounidenses por encima de las recomendaciones generales nacionales. Esto se traduce en un aumento de la producción de alimentos, que podría alimentar a más etíopes, y en posibles beneficios económicos para los agricultores. Aplicando la cantidad correcta de fertilizante en el lugar y la estación adecuados, se puede mejorar la eficiencia de los recursos y reducir el impacto ambiental negativo. Los agricultores pueden ahorrar dinero evitando compras innecesarias de fertilizantes, y pueden minimizar la contaminación del agua y del aire asociada al uso excesivo de fertilizantes. Además, al utilizar la cantidad adecuada de fertilizantes, pueden ayudar a reducir las emisiones de gases de efecto invernadero que contribuyen al cambio climático.

La belleza de este enfoque de aprendizaje automático es que se vuelve más inteligente con más datos. A medida que los investigadores recopilan información más precisa e histórica sobre el rendimiento e incorporan datos de diversos entornos de cultivo, las recomendaciones de fertilizantes pueden ser aún más precisas. Esta investigación en curso también es prometedora para mejorar la capacidad de predicción del modelo, especialmente para nutrientes como el fósforo y el azufre, que pueden ser particularmente difíciles de gestionar con eficacia.

Este estudio demuestra el apasionante potencial de la inteligencia artificial (IA) para transformar el uso de fertilizantes por parte de los agricultores de trigo en Etiopía. Al proporcionar recomendaciones específicas para cada lugar, los investigadores están allanando el camino para aumentar el rendimiento, mejorar la eficiencia de los recursos y lograr un futuro más sostenible para la agricultura etíope. Este enfoque no solo beneficia a los agricultores y al medio ambiente, sino que también tiene el potencial de adaptarse para ayudar a otras regiones de todo el mundo a optimizar el uso de fertilizantes y lograr una mayor seguridad alimentaria.

Esta investigación recibió el apoyo de la Iniciativa de Investigación "Excelencia en Agronomía" de CGIAR (EiA), y del proyecto "Supporting Soil Health Interventions in Ethiopia", financiado por la Fundación Bill y Melinda Gates y gestionado por la Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ).

Blog editado por José Luis Urrea-Benítez con aportes de Feyera Merga Liben, jefa de equipo y autora correspondiente del estudio.