Th

TROPICAL-PREDICT: Modelos predictivos de cultivos tropicales basados en imágenes de satélite

Instituto de Tecnologías e Ingeniería del Software (ITIS)

Investigador: José Francisco Aldana Montes y José Manuel García Nieto

Descripción de la innovación

El objetivo de TROPICAL-PREDICT es avanzar en la generación de servicios de predicción de producción basados en análisis de series temporales y otros modelos predictivos supervisados, de soporte a la toma de decisiones, con especial orientación a los profesionales del sector agrario. Para ello, además de la integración de datos históricos y meteorológicos, se adopta un enfoque totalmente innovador mediante la incorporación de series a partir de índices satelitales calculados sobre las zonas de interés. La obtención de estos índices se realiza mediante el análisis de imágenes multi-espectrales captadas por satélites, en concreto, se utilizan los datos proporcionados por los satélites Sentinel-1/2 del programa Copernicus EU. Se han generado mapas de cultivos centrados en mango y aguacate a partir del estudio de firmas espectrales, por lo que se han caracterizado en tiempo quasi-real la superficie de cada uno de estos cultivos y su geoposición. De esta forma, se obtienen índices de vegetación NDVI, EVI, SAVI, etc., precisos para estos cultivos, que alimentarán la base de conocimiento de los modelos predictivos. Como resultado innovador, se ha generado un servicio de predicción de cosecha actualmente utilizado por TROPS , cooperativa líder en el sector del subtropical en Europa.  

Antecedentes

TROPICAL-PREDICT tiene como antecedente principal los desarrollos de un proyecto previo llamado TROPICAL-IA, en el que se generó un servicio inicial de integración de datos e Inteligencia Artificial, mediante algoritmos de proyección de series temporales (autorregresivos y de Deep Learning), para el soporte a la monitorización de cultivos Tropicales, realizándose junto a la organización TROPS. TROPICAL-PREDICT supone un paso adelante, lógico, sobre estos antecedentes pues pretende la utilización de imágenes multiespectrales de manera muy localizada sobre los píxeles exactos de los cultivos (Mango y Aguacate) que serán utilizados como variables avanzadas de cara a alimentar los algoritmos predictivos.  

Impacto Económico y Social

Impacto significativo en la comunidad agrícola de la Axarquía y sur de Granada, donde se ha utilizado esta nueva herramienta para la monitorización avanzada de los cultivos tropicales. Se ha comprobado la importancia de la transformación digital del sector agrario y la aplicación de técnicas avanzadas de Inteligencia Artificial. 

Colectivos de interés: Administración pública, Ciudadania, Empresas

CNAE a 2 dígitos: 62 - Programación, consultoría y otras actividades relacionadas con la informática

Comunidad Autónoma: Andalucía

Rama: Ingeniería y Arquitectura

Año: 2023

Palabras clave: agricultura de precisión, Agroalimentación, inteligencia artificial, Modelos Predictivos, Observación de la Tierra