Research Articles De los píxeles a los pastos: Cómo la IA puede ayudar a los agricultores a predecir sus pastos
Investigadores de la Alianza de Bioversity International y el CIAT han allanado el camino para que los agricultores (desde pequeños propietarios hasta grandes ganaderos) dispongan de información sobre la cantidad y la calidad de sus pastos justo al alcance de su mano, en su teléfono inteligente.
Por: Andrew Wight
En 2020, las emisiones agrícolas mundiales fueron de 16.000 millones de toneladas equivalentes de dióxido de carbono, según la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). Otros datos de esta organización muestran que el ganado —incluyendo la carne y la leche— contribuye con 3.800 millones de toneladas equivalentes de dióxido de carbono aproximadamente. Aumentar la eficiencia y el rendimiento del pastoreo de ganado, así como aumentar la producción de leche o el número de animales, sin añadir una mayor huella medioambiental es un objetivo clave para reducir estas emisiones.
En el artículo de 2024 Pixels to pasture: Using machine learning and multispectral remote sensing to predict biomass and nutrient quality in tropical grasslands, publicado en la revista internacional Remote Sensing Applications: Society and Environment, investigadores de la Universidad de Glasgow y de la Alianza de Bioversity International y el CIAT exponen una guía práctica sobre cómo tomar información satelital y utilizar modelos predictivos para evaluar pastos en términos de cantidad (cuánta biomasa) y calidad (proteína bruta, digestibilidad y contenido de cenizas).
Juan Andrés Cardoso Arango, coautor del trabajo y ecofisiólogo vegetal especializado en forrajes tropicales en la Alianza de Bioversity International y el CIAT, explica que hoy en día analizar todos los factores que determinan la cantidad y la calidad es difícil a gran escala: con un pequeño dron sólo se pueden muestrear unas nueve hectáreas a la vez y menos aún con instrumentos manuales.
Foto: Isabela Salazar
"En algunas partes de Colombia existen propiedades de 3.000 hectáreas", dice, y añade que esta es una de las razones por las que los investigadores desarrollaron un sistema de "escala neutra", que puede recopilar datos vía satélite de varios kilómetros cuadrados a la vez, pero también ser igual de útil para un agricultor con una sola hectárea.
Cardoso explica que las bases de datos de imágenes por satélite de uso gratuito y los avances tecnológicos en el procesamiento impulsado por IA han "democratizado" este análisis.
"Cuando empecé en 2018 nadie conocía el aprendizaje automático, ahora se puede tener esta información más rápido que antes", afirma.
Predicción impulsada por la inteligencia artificial
Diana María Gutiérrez Zapata, asociada investigadora senior en la Alianza de Bioversity International y el CIAT, especialista en análisis de datos y coautora del trabajo, explica que predecir la productividad y calidad de los pastos mediante teledetección es un reto debido a los numerosos factores que influyen y a las limitaciones de los datos.
"Al caracterizar mejor los sistemas productivos y capturar datos más precisos sobre los factores de control y respuesta, existe un potencial significativo para desarrollar modelos predictivos de alto rendimiento", afirma. "Estos modelos pueden sustentar herramientas digitales para apoyar la toma de decisiones estratégicas, permitiendo a los agricultores optimizar la gestión de los pastos y gestionar mejor los riesgos (como la escasez de agua y el forraje de baja calidad) dentro de sus sistemas de producción."
Brian Barrett, profesor asociado de la Universidad de Glasgow en Escocia, Reino Unido, coautor del estudio y experto en sensores espaciales, explica que en 2017 él, Cardoso y sus colegas se reunieron a discutir el uso potencial de los datos de teledetección u observación de la superficie y los enfoques de aprendizaje automático para estimar las características del forraje a través de diferentes climas, incluidos los pastos intensivos y extensivos.
"Para nosotros era importante la conexión con los pequeños agricultores y cómo podíamos desarrollar algo que les proporcionara información útil y, en última instancia, condujera a una mejor toma de decisiones y gestión", afirma Barrett.
Foto: Anny Yedra
El futuro
Cardoso explica que el objetivo a largo plazo es desarrollar un modelo con una interfaz de usuario tan fácil de usar como Google Maps. "Queremos que un agricultor localice su finca en una plataforma y compruebe la cantidad y calidad de su forraje", afirma.
Gutiérrez explica que en un clima cambiante disponer de información puntual sobre la producción o la calidad esperada de los pastos es crucial para la gestión de riesgos.
"Al ser más conscientes de los riesgos asociados a las decisiones de gestión de los pastos, los agricultores pueden tomar decisiones mejor informadas con respecto a la producción, el uso y la conservación", afirma. "Esto no sólo beneficia a los agricultores al optimizar el uso de los recursos, sino que también tiene un impacto positivo en el medio ambiente al reducir las emisiones y los residuos, abordando diversas cuestiones alineadas con los Objetivos de Desarrollo Sostenible."
Barrett explica que en el futuro al equipo le gustaría desarrollar el enfoque para permitir hacerse una mejor idea no sólo de los recursos forrajeros disponibles, sino también de cómo reaccionarían los pastos ante diferentes escenarios climáticos y de gestión.
"Como la mayor parte de la pérdida de bosques a nivel mundial (~75%) ha sido impulsada por la conversión a la agricultura, además del aumento de la población mundial y los aumentos asociados en el consumo de alimentos y el uso de recursos, es fundamental que encontremos nuevas formas de incrementar la producción de alimentos al tiempo que preservamos los bosques que nos quedan", afirma, y añade que la incorporación de tecnologías como los datos de satélite y los enfoques avanzados de aprendizaje automático pueden conducir a una agricultura más eficiente y rentable, y a una mejor sostenibilidad del sistema alimentario.
Crédito: Rodrigo Camelo
El equipo de la Alianza
Juan Andres Cardoso
Plant ecologist and physiologist
