Los agricultores de la región colombiana de Córdoba, productora de maíz, lo habían visto todo: demasiada lluvia un año, una sequía abrasadora al siguiente. Los rendimientos disminuyeron y sus medios de subsistencia estaban en juego.
La situación requería un nuevo enfoque. Necesitaban servicios de información que los ayudaran a decidir qué variedades plantar, cuándo deberían sembrar y cómo deberían manejar sus cultivos. Se formó un consorcio con el gobierno, la Federación Nacional de Cereales y Legumbres de Colombia FENALCE y científicos de big data en el Centro Internacional de Agricultura Tropical CIAT. Los investigadores utilizaron herramientas de big data, basadas en los datos que los agricultores ayudaron a recopilar, y los rendimientos aumentaron sustancialmente.
El estudio, publicado en septiembre en Seguridad alimentaria mundial muestra cómo el aprendizaje automático de datos de múltiples fuentes puede ayudar a que la agricultura sea más eficiente y productiva incluso a medida que cambia el clima.
"Hoy podemos recopilar grandes cantidades de datos, pero no se puede simplemente agruparlos, procesarlos en una máquina y tomar una decisión", dijo Daniel Jiménez, científico de datos del CIAT y autor principal del estudio.
"Con instituciones, expertos y agricultores trabajando juntos, superamos las dificultades y alcanzamos nuestros objetivos"
Durante el estudio de cuatro años, Jiménez y sus colegas analizaron los datos y verificaron las pautas desarrolladas para aumentar la producción. Algunos agricultores siguieron inmediatamente las pautas, mientras que otros esperaron hasta que fueran verificados en ensayos de campo. Los agricultores que adoptaron el conjunto completo de máquinas-Las directrices generadas aumentaron sus rendimientos de un promedio de 3.5 toneladas por hectárea a más de 6 toneladas por hectárea. Este es un rendimiento excelente para el maíz de secano en la región.
Las pautas también redujeron sustancialmente los costos de fertilizantes y brindaron asesoramiento sobre cómo reducir los riesgos relacionados con la variación en los patrones climáticos, con énfasis en la reducción de los impactos negativos de las fuertes lluvias.
Los investigadores de FENALCE son coautores del estudio, que es parte de un programa del gobierno colombiano destinado a proporcionar a los agricultores opciones para manejar tanto la variabilidad climática como el cambio climático.
"Si un agricultor proporciona datos a un investigador, es casi imposible obtener muchas ideas sobre cómo mejorar la gestión", dijo James Cock, un científico coautor emérito del CIAT. "Por otro lado, si muchos agricultores, cada uno conLas distintas experiencias, las condiciones de crecimiento y las prácticas de gestión proporcionan información, con la ayuda del aprendizaje automático es posible deducir dónde y cuándo funcionarán las prácticas de gestión específicas ".
Año tras año, los rendimientos de maíz en la región de estudio varían hasta en un 39 por ciento debido al clima. En el pasado, los pequeños agricultores tuvieron que depender de su propio conocimiento de sus cultivos y aceptar recomendaciones generales a menudo desarrolladas por investigadores lejosEl estudio muestra que, combinando el conocimiento de los agricultores con los datos sobre el clima, los suelos y la respuesta de los cultivos a las variables, los agricultores pueden, al menos parcialmente, proteger sus cultivos contra la variabilidad climática y estabilizar sus rendimientos a un nivel superior.
De la granja al algoritmo
En Córdoba, FENALCE, que recopila información sobre plantaciones de maíz, cosechas, rendimientos y costos, estableció una plataforma basada en la web para recopilar y mantener datos de granjas individuales. Los expertos locales cargaron información sobre los suelos después de visitar las granjas en varias etapas de laEl desarrollo de cultivos, mientras que IDEAM, la agencia meteorológica de Colombia, proporcionó información meteorológica de seis estaciones en la región. Esto permitió a los investigadores comparar la información diaria de la estación meteorológica con los campos individuales y las diversas etapas de la temporada de crecimiento.
Los investigadores utilizaron algoritmos de aprendizaje automático y análisis de expertos para medir el impacto del clima, las condiciones del suelo y las prácticas agrícolas en los rendimientos. Por ejemplo, notaron que mejorar el drenaje del suelo para reducir la escorrentía probablemente reduce los rendimientos cuando la lluvia es menor, mientras quehacer lo mismo en áreas con mucha lluvia aumenta los rendimientos. Esto muestra que el asesoramiento sobre los cultivos debe ser específico para el sitio.
El estudio demostró que la cantidad de fósforo aplicado, la tasa de semillas y la capacidad de escorrentía en el campo tuvieron un impacto importante en los niveles de rendimiento. La comprensión de los efectos de los insumos en los cultivos permitió a los expertos guiar a los pequeños agricultores hacia las mejores prácticas parautilizar para producir rendimientos altos y estables.
El resultado para los agricultores es que la mayoría de las prácticas de manejo que recomienda el estudio no requieren grandes inversiones, lo que demuestra que la seguridad alimentaria y los medios de vida pueden mejorarse, al menos en este caso, sin mayores gastos.
Aprendizaje humano, también
Inicialmente, el CIAT y FENALCE diseñaron una aplicación de teléfono inteligente para que los agricultores registraran el suelo y otros datos en el campo, pero los productores de maíz no adoptaron la aplicación. Aunque la plataforma basada en la web se utilizó para recopilar la información, los investigadores y los asistentes técnicos tuvieron quevisite las granjas para ayudar a los agricultores a recopilar los datos. Esto presenta desafíos para ampliar este tipo de ejercicio.
Sin embargo, los investigadores ven oportunidades para una mayor recopilación de datos por parte de los pequeños productores, tanto trabajando directamente con los agricultores como a través de la tecnología. Los proyectos futuros podrían incorporar aplicaciones ya desarrolladas y utilizadas por los agricultores. Además, la recopilación de datos mediante una amplia gama de tecnologías que van desde satélites,drones y sensores de bajo costo, desplegados en los campos, junto con cosechadoras combinadas que registran con precisión el rendimiento de grano a microescala, se están convirtiendo en realidad en el mundo en desarrollo.
"Gran parte del hardware y software para la recopilación de datos en el futuro puede venir cuando el sector privado se involucre en el desarrollo de sistemas sostenibles para capturar, analizar y distribuir información", dijo Jiménez. "En el futuro, podemos prever que cada campo seacuidadosamente caracterizado y monitoreado, convirtiendo el paisaje en toda una serie de experimentos que proporcionan datos que el aprendizaje automático puede interpretar para ayudar a los agricultores a manejar mejor sus cultivos ".
Fuente de la historia :
Materiales proporcionados por Centro Internacional de Agricultura Tropical CIAT . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :