Ricercatori andalusi sviluppano uno strumento basato sull'intelligenza artificiale per migliorare l'efficienza dell'irrigazione

I ricercatori del dipartimento di agronomia dell’Università di Córdoba hanno sviluppato uno strumento basato sull’intelligenza artificiale che aiuterà gli agricoltori a prevedere con una settimana di anticipo il fabbisogno idrico per l’irrigazione.

I ricercatori hanno aggiunto che questo nuovo strumento, LSTMHybrid, fa parte di un più ampio progetto di digitalizzazione dell'irrigazione, che, secondo loro, aiuterà gli agricoltori a ridurre i costi di produzione grazie al risparmio di acqua ed energia.

L'ultimo strumento si basa sul modello Cangenfis, sviluppato nel 2021 e addestrato utilizzando quattro anni di dati climatici provenienti da Zújar, nella provincia andalusa di Granada. Una volta implementato, potrebbe prevedere il fabbisogno idrico a lungo termine per l'irrigazione con un'accuratezza dell'80%.

Tuttavia, la prima versione dello strumento basato sull'intelligenza artificiale era in grado di prevedere solo il fabbisogno idrico complessivo per varie colture, tra cui riso, mais e pomodori.

"La grande differenza rispetto ai modelli precedenti è che è la prima volta che viene fatto su una scala di sette giorni", ha detto Rafael González, uno dei tre ricercatori principali coinvolti in entrambi i progetti.

LSTMHybrid consente agli agricoltori di pianificare il proprio fabbisogno idrico in modo più preciso e di sovrapporre i requisiti di irrigazione previsti ai diversi periodi tariffari. La speranza dei ricercatori è che questi dati più precisi aiutino gli agricoltori a prendere le decisioni più informate dal punto di vista economico e agronomico per ottimizzare l’uso di acqua ed energia.

La necessità di modernizzare il sistema di irrigazione spagnolo, che secondo i ricercatori è stato tradizionalmente guidato dall’esperienza storica e non da dati predittivi, è stata resa ancora più urgente dalla siccità persistente e dai livelli pericolosamente bassi dei bacini idrici.

Mentre CANGENFIS utilizzava centinaia di reti neurali che prendevano in considerazione mezzo milione di fattori diversi, LSTMHybrid effettua le sue previsioni sulla base della temperatura media, dell’evapotraspirazione di riferimento, dell’umidità e dei dati di irrigazione precedenti.

Il nuovo modello è inoltre in grado di salvare i dati inseriti in precedenza per migliorare la propria capacità di previsione su base annua.

Questa semplificazione consente agli agricoltori e ai responsabili dell'irrigazione di inserire manualmente i dati settimanali nel sistema tramite un normale computer, prevedendo la quantità d'acqua necessaria per l'irrigazione della settimana successiva.

"Conoscere la domanda di acqua con diversi giorni di anticipo faciliterà la gestione del sistema e contribuirà a ottimizzare l'uso dell'acqua e i costi energetici", ha affermato Juan Antonio Rodríguez, un altro ricercatore coinvolto in entrambi i progetti.

Oltre a migliorare la gestione idrica, Antonio Rodríguez ha aggiunto che la nuova capacità predittiva aiuterebbe la transizione della regione verso le energie rinnovabili, fornendo previsioni più accurate sulla domanda energetica agricola.

"Le conoscenze ci sono, la tecnologia è stata testata e funziona", ha affermato il terzo ricercatore capo, Emilio Camacho. "Ora dobbiamo sviluppare lo strumento che consenta alle comunità di utilizzare questa tecnologia in modo semplice, in modo che le aziende che forniranno la soluzione tecnologica alla comunità di irrigatori possano introdurre questi progressi".