Investigadores de la Alianza de Bioversity International y CIAT han allanado el camino para que los agricultores (desde pequeños productores hasta grandes ganaderos) tengan información sobre la cantidad y calidad de sus pasturas de pastoreo, directamente en su teléfono inteligente.
En 2020, las emisiones agrícolas mundiales fueron de 16 mil millones de toneladas de dióxido de carbono equivalente, según la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), y otros datos de la FAO muestran que el ganado, incluida la carne y la leche , contribuye con alrededor de 3.800 millones de toneladas de dióxido de carbono equivalente. Aumentar la eficiencia y la producción del pastoreo de ganado (como aumentar la producción de leche o un mayor número de animales) sin agregar una mayor huella ambiental es un objetivo clave para reducir estas emisiones.
En un artículo de 2024 Pixels to pasture: Using machine learning and multispectral remote sensing to predict biomass and nutrient quality in tropical pastures publicado en la revista internacional Remote Sensing Applications: Society and Environment, investigadores de la Universidad de Glasgow y la Alianza de Bioversity International y el CIAT presentan una guía práctica sobre cómo tomar información de los satélites y usar modelos predictivos para evaluar los pastos de pastoreo en términos de cantidad (cuánta biomasa) y calidad (proteína cruda, digestibilidad y contenido de cenizas).
Juan Andrés Cardoso Arango , coautor del artículo y ecofisiólogo vegetal especializado en forrajes tropicales de la Alianza de Bioversity International y el CIAT, explica que hoy en día, analizar todos los factores que determinan la cantidad y la calidad es difícil de escalar: usando un dron pequeño, solo se pueden muestrear unas nueve hectáreas a la vez y aún menos con instrumentos manuales.
De los píxeles a los pastos: cómo la IA puede ayudar a los agricultores a predecir sus pastos
Crédito de la foto: Isabela Salazar
“En algunas partes de Colombia, se pueden tener propiedades de 3.000 hectáreas”, dice, y agrega que esta es una de las razones por las que los investigadores desarrollaron un sistema “neutral en cuanto a escala”, que puede recopilar datos vía satélite, kilómetros cuadrados a la vez, pero también puede ser igual de útil para un agricultor con solo una hectárea.
Cardoso explica que las bases de datos de imágenes satelitales de uso gratuito y los avances tecnológicos en el procesamiento impulsado por IA han “democratizado” este análisis.
“Cuando comencé en 2018, nadie sabía sobre el aprendizaje automático, ahora puedes tener esta información más rápido que antes”, afirma.
Predicción basada en IA
Diana María Gutiérrez Zapata , investigadora asociada senior de la Alianza de Bioversity International y CIAT, especialista en análisis de datos y coautora del artículo, explica que predecir la productividad y la calidad de los pastos mediante teledetección es un desafío debido a los muchos factores influyentes y las limitaciones de los datos.
“Al caracterizar mejor los sistemas productivos y capturar datos más precisos sobre los factores de control y respuesta, existe un potencial significativo para desarrollar modelos predictivos de alto rendimiento”, afirma. “Estos modelos pueden respaldar herramientas digitales para respaldar la toma de decisiones estratégicas, lo que permite a los agricultores optimizar la gestión de los pastos y gestionar mejor los riesgos (como la escasez de agua y el forraje de baja calidad) dentro de sus sistemas de producción”.
Brian Barrett , profesor asociado de la Universidad de Glasgow, Escocia, Reino Unido, coautor del estudio y experto en sensores espaciales, explica que en 2017 él, Cardoso y sus colegas se conocieron y comenzaron a discutir el uso potencial de datos de teledetección u observación de la Tierra y enfoques de aprendizaje automático para estimar las características de los forrajes en diferentes climas, incluidos los pastos intensivos y extensivos.
“Para nosotros fue importante la conexión con los pequeños agricultores y cómo podíamos desarrollar algo que les brindara información útil y, en última instancia, condujera a una mejor toma de decisiones y gestión”, dice Barrett.
El futuro
Cardoso explica que el objetivo a largo plazo es desarrollar un modelo con una interfaz de usuario tan fácil de usar como Google Maps. “Queremos que el agricultor localice su finca en una plataforma y compruebe la cantidad y calidad de su forraje”, afirma.
Gutiérrez explica que en un clima cambiante, tener información oportuna sobre la producción o calidad esperada de los pastos es crucial para la gestión de riesgos.
“Al ser más conscientes de los riesgos asociados con las decisiones de gestión de pasturas, los agricultores pueden tomar decisiones mejor informadas con respecto a la producción, el uso y la conservación”, afirma, “Esto no solo beneficia a los agricultores al optimizar el uso de los recursos, sino que también impacta positivamente en el medio ambiente al reducir las emisiones y los desechos, abordando varios problemas alineados con los Objetivos de Desarrollo Sostenible ”.
Barrett explica que en el futuro al equipo le gustaría desarrollar el enfoque para permitir no sólo una mejor idea de los recursos forrajeros disponibles sino también cómo reaccionarían los pastizales a diferentes escenarios de gestión y clima.
“Dado que la mayor parte de la pérdida de bosques a nivel mundial (~75%) ha sido impulsada por la conversión a la agricultura, y dado el aumento de la población mundial y los aumentos asociados en el consumo de alimentos y el uso de recursos, es fundamental que encontremos nuevas formas de aumentar la producción de alimentos y, al mismo tiempo, preservar nuestros bosques restantes”, dice, y agrega que la incorporación de tecnologías como datos satelitales y enfoques avanzados de aprendizaje automático puede conducir a una agricultura más eficiente y rentable y a una mejor sostenibilidad del sistema alimentario.
