3 de abril de 2025
La agricultura de precisión permite adaptar el manejo de los cultivos a las necesidades específicas de cada parcela, optimizando el uso de recursos y aumentando la productividad. Con este objetivo, los grupos de investigación Smart Biosystems Laboratory y Agronomía de la Universidad de Sevilla han desarrollado el proyecto zoniA, una metodología basada en inteligencia artificial para delimitar zonas de manejo homogéneo en cultivos de maíz. El proyecto está coordinado por Manuel Pérez Ruiz, con la participación de Antonio Delgado García, Gregorio Egea Cegarra, Manuel Avilés Guerrero y Antonio Miguel Pérez Romero.
La principal innovación de zoniA consiste en combinar información procedente de múltiples fuentes, como imágenes de satélite, sensores IoT instalados en el campo y datos generados por la maquinaria agrícola, para crear mapas de alta precisión que identifican áreas del cultivo con características similares. A partir de esta información, el sistema genera mapas de prescripción que permiten aplicar fertilizantes y otros insumos únicamente donde son necesarios.
Para lograrlo, la plataforma utiliza técnicas de machine learning e inteligencia artificial capaces de procesar y fusionar grandes volúmenes de datos geoespaciales de forma automática. Este análisis multicapa permite detectar diferencias en el estado del cultivo que serían difíciles de identificar mediante métodos convencionales, facilitando una gestión mucho más precisa de las explotaciones agrícolas.
El proyecto surge de la necesidad de mejorar la toma de decisiones en agricultura mediante el aprovechamiento de las nuevas tecnologías digitales. Basándose en investigaciones previas sobre análisis de imágenes multiespectrales, sensores inteligentes y aprendizaje automático, el equipo ha desarrollado una metodología que supera las limitaciones de la zonificación manual y facilita la implantación de estrategias avanzadas de agricultura inteligente.
Los beneficios de esta innovación son tanto económicos como ambientales. La aplicación variable de fertilizantes permite reducir costes de producción, mejorar el rendimiento de los cultivos y disminuir el consumo de insumos agrícolas. Al mismo tiempo, una gestión más eficiente contribuye a reducir el impacto ambiental de la actividad agraria, favoreciendo una agricultura más sostenible y competitiva.
Además de su aplicación en el cultivo del maíz, la metodología desarrollada presenta un elevado potencial para adaptarse a otros cultivos y sistemas agrícolas, contribuyendo a acelerar la transformación digital del sector agroalimentario.
