Knowledge-based and data-driven agriculture tools for irrigation of permanent crops

Las entidades que promueven el actual proyecto KODA-IPEC (Knowledge-based and data-driven Agriculture tools for Irrigation of Permanent Crops) proponen la construcción de una herramienta de agricultura inteligente y sostenible que ayude a los agricultores españoles dedicados a distintos cultivos leñosos (olivar, almendro, cítricos y aguacate) a realizar una gestión inteligente del riego y la ferti-irrigación, incluyendo el desarrollo de estrategias fitosanitarias eficientes. La herramienta estará basada, entre otras, en las tecnologías de Big Data, Internet de las Cosas (IoT) e Inteligencia Artificial (AI) y ayudará a estos agricultores en la gestión de diversos ámbitos relevantes de sus cultivos.

El proyecto KODA va a intentar responder a los principales retos que afectan al consumo del recurso hídrico y otros insumos agrícolas, tanto desde una perspectiva macro como microeconómica, optimizando tanto la cantidad de riego a emplear (una perspectiva macro adaptada al cambio climático) como el momento de riego (perspectiva micro que mejora la rentabilidad de las explotaciones).

El objetivo técnico global de KODA-IPEC es diseñar y construir una plataforma de monitorización inteligente de diferentes cultivos leñosos, que va a estar constituida por los siguientes componentes:

• Amplio espectro de sensores sobre el terreno capaces de describir con un excepcional nivel de detalle y exhaustividad el contexto clima-suelo-planta en que se desarrollan los cultivos leñosos seleccionados (olivar, cítricos, almendro y aguacate)
• Infraestructura de servicios Big Data que no sólo actuará como repositorio eficiente de la información relevante para el cultivo, tanto información de Teledetección como la obtenida a partir del anteriormente citado conjunto de sensores IoT, sino que permitirá la gobernanza del dato en todo su ciclo de vida: captura, almacenamiento, limpieza, análisis y explotación.
• Componentes basados en AI que permitan analizar eficientemente la información masiva generada y construir algoritmos descriptivos y predictivos con los que elaborar DSS de apoyo a la gestión optimizada del riego y la fertirrigación.