Un modelo de inteligencia artificial ayuda a predecir el agua que usarán los regantes del Canal del Zújar en cada franja horaria
La precisión de los pronósticos se acerca al 80% para los cultivos de arroz, maíz y tomate
El regadío se ha convertido en la columna vertebral de la producción agraria en Extremadura. Y con él, el agua en su principal soporte. Con las cuencas hidrográficas muy por debajo de su media histórica, la búsqueda de mecanismos y sistemas para mejorar la eficiencia del regadío es vital. Extremadura contaba a finales del 2020 con un total de 285.000 hectáreas de regadío, de las que más de la mitad ya se realizan con riego localizado. La región concentra el 7,5% del total del regadío español, con planes de aumentar la superficie con los proyectos de Tierra de Barros y Monterrubio de la Serena.
Las nuevas tecnologías están ayudando a conocer mejor cómo funciona el regadío, para ahorrar agua y también para pagar menos por el uso de la energía, un coste muy importante para los regantes. Un modelo desarrollado por el Departamento de Agronomía de la Universidad de Córdoba (UCO), a partir de técnicas de inteligencia artificial anticipa el uso de agua de los regantes por periodos tarifarios con un día de antelación y permite optimizar el uso de la energía. Y lo ha hecho en base a los datos de los regantes extremeños del Canal del Zújar con datos de las campañas de riego de 2015, 2016, 2017 y 2018.
Demanda de agua
Si bien en trabajos anteriores se habían desarrollado herramientas que permitían conocer la cantidad de agua y el día que se aplicaría en comunidades de regantes, el modelo CANGENFIS creado por los investigadores de DAUCO Rafael González, Emilio Camacho y Juan Antonio Rodríguez afina más: revela cuánta agua se usará en un tramo de tiempo más corto como son los periodos tarifarios. Así, adelanta información sobre cuándo se produce la mayor demanda la red, si es necesaria o no la activación de todas las bombas en paralelo que tiene la comunidad de regantes y optimiza la contratación de la tarifa eléctrica más adecuada, permitiendo así el ahorro de costes energéticos. También se conoce con antelación qué tuberías podrían sobrecargarse o prever cómo afectaría una avería.
Energía consumida
“Permite integrar la gestión del agua y de la energía y hacer un uso óptimo también de esa energía. Si la comunidad de regantes tiene un sistema de energía fotovoltaica puede saber qué cantidad de energía tiene que reservar y vender el resto o cuánta energía tiene que comprar ya que hay comunidades que compran energía de un día a otro y con esto pueden adelantarse a esta compra con precisión”, resalta el Emilio Camacho.
Combinando técnicas de inteligencia artificial como lógica difusa, redes neuronales artificiales y algoritmos genéticos modela el comportamiento de los regantes y pronostica a corto plazo la distribución por período tarifario del agua usada tanto por los regantes como por la comunidad al completo.
Para Rafael González “el funcionamiento del modelo es sencillo. Recibe una serie de entradas de variables climáticas muy relacionadas con la sensación térmica del agricultor como humedad relativa o temperatura máxima”, además se incluyen “variables relacionadas con el estado fenológico del cultivo y variables relacionadas con el día a día del agricultor” ya que si es festivo o si es fin de semana puede influir en las decisiones de riego. Este conjunto de entradas “nos dice para cada uno de los periodos tarifarios qué cantidad de agua va a emplear el agricultor al día siguiente”, concluye González. Según los resultados, variables como el precio de las tarifas o el número de horas que hay en cada periodo tarifario toman más importancia en el comportamiento de los regantes que las variables agroclimáticas.
La precisión de los pronósticos fue en torno al 80% para los cultivos de arroz, maíz y tomate (márgenes de error de 19,9%, 22,9% y 19,5%), un margen de precisión bastante alto en este tipo de predicciones que “demuestra la importancia de tener en cuenta el comportamiento del regante en este tipo de predicciones”, señala Juan Antonio Rodríguez.
EXTREMADURA21 