Pesquisadores da Andaluzia desenvolvem ferramenta de IA para melhorar a eficiência da irrigação

Pesquisadores do departamento de agronomia da Universidade de Córdoba desenvolveram uma ferramenta de inteligência artificial que ajudará os agricultores a prever, com uma semana de antecedência, a quantidade de água necessária para a irrigação.

Os pesquisadores acrescentaram que essa nova ferramenta, chamada LSTMHybrid, faz parte de um esforço mais amplo para digitalizar a irrigação, o que, segundo eles, ajudará os agricultores a reduzir os custos de produção por meio da economia de água e energia.

A ferramenta mais recente é baseada no modelo Cangenfis, desenvolvido em 2021 e treinado com dados climáticos de quatro anos da cidade de Zújar, na província andaluza de Granada. Quando implementada, ela pode prever as necessidades de água para irrigação a longo prazo com 80% de precisão.

No entanto, a primeira versão da ferramenta alimentada por IA só conseguia prever as necessidades gerais de água para várias culturas, incluindo arroz, milho e tomate.

“A grande diferença em relação aos modelos anteriores é que esta é a primeira vez que isso foi feito em uma escala de sete dias”, disse Rafael González, um dos três pesquisadores principais envolvidos em ambos os projetos.

O LSTMHybrid permite que os agricultores planejem suas necessidades hídricas com mais precisão e combinem as necessidades de irrigação previstas com os diferentes períodos tarifários. A esperança dos pesquisadores é que esses dados mais precisos ajudem os agricultores a tomar decisões mais bem fundamentadas do ponto de vista econômico e agronômico para otimizar o uso de água e energia.

A necessidade de modernizar o sistema de irrigação da Espanha, que, segundo os pesquisadores, tem sido tradicionalmente orientado por experiência histórica e não por dados preditivos, tornou-se ainda mais urgente devido à seca prolongada e aos níveis perigosamente baixos dos reservatórios.

Enquanto o CANGENFIS utilizou centenas de redes neurais que levam em consideração meio milhão de fatores diferentes, o LSTMHybrid faz suas previsões com base na temperatura média, evapotranspiração de referência, umidade e registros de irrigação anteriores.

O novo modelo também pode salvar dados inseridos anteriormente para ajudar a melhorar sua capacidade de previsão ano a ano.

Essa simplificação permite que agricultores e gestores de irrigação insiram manualmente dados semanais no sistema por meio de um computador comum, prevendo a quantidade de água necessária para a irrigação na semana seguinte.

“Saber a demanda por água com vários dias de antecedência facilitará o gerenciamento do sistema e ajudará a otimizar o uso da água e os custos de energia”, disse Juan Antonio Rodríguez, outro pesquisador envolvido em ambos os projetos.

Além de melhorar a gestão da água, Antonio Rodríguez acrescentou que a nova capacidade de previsão ajudaria na transição da região para a energia renovável, fornecendo previsões mais precisas para a demanda energética agrícola.

“O conhecimento está aí, e a tecnologia foi testada e funciona”, disse o terceiro pesquisador-chefe, Emilio Camacho. “Agora temos que desenvolver a ferramenta que permita às comunidades usar essa tecnologia de maneira simples, para que as empresas que vão fornecer a solução tecnológica à comunidade de irrigação introduzam esses avanços.”