El objetivo general del proyecto es el desarrollo de un sistema avanzado de soporte a la
decisión y emisión de recomendaciones en el ámbito agrícola para la dosificación de
bioestimulantes basados en microalgas, fertilizantes y correctores de suelo incorporados en
microalgas y en aguas procedentes de canales de riego, pozos, etc, con sus características
particulares. Para ello se propone la implementación de sensores y el desarrollo de nuevos
sistemas de generación y captación de datos que permitan la medición en tiempo real de
nuevas magnitudes hasta ahora no tenidas en cuenta en la producción agrícola como la
porosidad del suelo, temperatura a 10-15-20 cm de profundidad y capacidad de absorción de
CO2, así como de otras magnitudes ya bien conocidas como pH, NPK, la CE, etc., entre otras,
que favorezcan la optimización de los recursos antes citados y maximicen la producción y
calidad de los cultivos.
El proyecto RESIFIELD comprende el estudio de aquellas magnitudes que impactan en el
desarrollo fenológico del cultivo, y el suelo. A la vez que se estudiará el efecto de aplicar
productos biorremediadores y biofertilizantes, basados en microalgas, frente a los métodos
tradiciones de fertilización. Esto implicará el desarrollo e integración de nuevos sensores que
permitan la medición de aquellas magnitudes seleccionadas, con el fin de estudiar la
evolución de los cultivos. Para la visualización y emisión de recomendaciones al agricultor,
basadas en aprendizaje automático, se desarrollará una plataforma visual, sistema de apoyo a
la decisión, que permita monitorizar el estado de la plantación, así como, la visualización de
las recomendaciones generadas. Los resultados esperados para el proyecto son los siguientes:
* Red de sensores para generación de datos efectivos “in situ” de la calidad del suelo
agrario. Uno de los puntos críticos para una buena herramienta de soporte a la decisión
es basarse en un modelo de datos de calidad. Por este motivo en RESIFIELD es
mandatorio el poder mejorar la toma y calidad de datos en suelo agrario. Por esto
motivo, se añadir a los sensores actuales de suelo el desarrollo de un nuevo sensor NPK
cuantitativo que mediante técnicas fotónicas más parecidas a las técnicas analíticas de
laboratorio, se capaz de monitorizar con precisión los niveles de nitrógeno, fósforo y
potasio directamente “in situ” analizando las aguas de riego. En las medidas se
empleará una red de sensores distribuidas por el campo intercomunicada con un
concentrador (gateway) que recopilará los datos los categorizará y analizará su calidad
antes de mandarlos por banda de datos (NBIoT/LTE-CAT-M1) al servidor.
* Sistema de apoyo a la decisión (DSS). Se desarrollará una plataforma visual e intuitiva,
basada en el big data generado por la sensórica, con una doble funcionalidad. En
primer lugar, la monitorización en tiempo real de los cultivos. Y, la emisión de
recomendaciones basada en aprendizaje automático. Ambas, con el objetivo final de
ayudar a la toma de decisiones del agricultor, en cuanto a la aplicación de
fertilizantes, biofertilizantes, biorremediadores, y optimización del riego. Estas
decisiones estarán basadas en tener un impacto positivo sobre la sostenibilidad, a la
vez que se mantiene y/o mejora la cantidad y calidad de la producción.
* Predictor de recomendaciones basado en el bigdata generado. Tomando como base los
datos generados, y tratados, por los sensores desplegados en el campo, así como, la
información extraída de fuentes de información externas tales como imágenes
satelitales, se desarrollará un módulo para la emisión de recomendaciones, basado en
aprendizaje automático, que ayudará al agricultor en cuanto a la toma de decisión (momento y cantidad) de biofertilizantes, fertilizantes, biorremediadores, o cantidad
de agua a aplicar.
* Sistema de almacenamiento de datos procedentes de agricultura. Como resultado de este proyecto se generará una gran cantidad de información, obtenida no sólo de la
sensórica desplegada sino también de las imágenes satelitales empleadas, así como, de
las posibles correlaciones entre las magnitudes medidas y otras magnitudes tomadas de
fuentes externas (véase climatología). Esta información será puesta a disposición de los
usuarios a través de las correspondientes APIs (Application Programming Interfaces)
con el fin de poder ser utilizados por la comunidad investigadora, y otros agricultores,
con el fin de mejorar futuros desarrollos.
* Definición de modelos nutricionales. El conocimiento adquirido de los datos obtenidos
por la sensórica desplegada, junto con las recomendaciones emitidas por los algoritmos
de aprendizaje automático, todo ello a través del sistema de apoyo a la decisión va a
ser el sostén para la generación de nuevos modelos nutricionales que mejoraran la
producción en ecológico a través del uso de biofertilizantes, garantizando la gestión
más eficiente de los nutrientes.
