Supercampo

Twitter

Facebook

G Plus

Suscribite

Ciencia y tecnología

29/11/2019

Mapas de cultivo para cuidar el agua en la Patagonia

En el Valle Inferior del Río Chubut, la agricultura es el motor productivo y el agua es un recurso fundamental para regar los cultivos utilizando inteligencia artificial.
INNOVACI√ďN. Tres cient√≠ficas de Puerto Madryn utilizaron inteligencia artificial de Microsoft para crear un mapa de cultivos e identificar el tipo de pr√°cticas que hay en cada parcela.

Microsoft Argentina presenta los resultados de la primera etapa de una investigaci√≥n realizada por¬†Ana Liberoff, Natalia Pessacg y Silvia Flaherty, tres cient√≠ficas argentinas beneficiaras del programa¬†AI for Earth¬†(para la tierra), que¬†durante un a√Īo entero utilizaron inteligencia artificial (IA) y redes neuronales¬†con el prop√≥sito de crear un mapa de uso y cobertura del suelo para el Valle Inferior del R√≠o Chubut, a partir de im√°genes satelitales,¬†para contribuir en la conservaci√≥n y gesti√≥n de los recursos h√≠dricos.¬†

Las sequ√≠as, los incendios forestales, la muerte de especies animales y vegetales, los desbordes de r√≠os y lagos, los pueblos enteros que deben escapar de sus tierras porque se vuelven invivibles, son algunas de las manifestaciones concretas que todos los d√≠as advierten que el cambio clim√°tico es una realidad urgente. De acuerdo con estudios previos realizados por las cient√≠ficas[1], se estima un aumento de temperatura mayor a 1.5 ¬įC y una disminuci√≥n de la precipitaci√≥n de entre 10 y 30% para la cabecera de la cuenca del R√≠o Chubut, esto se traduce en una disminuci√≥n de la producci√≥n de agua media anual de entre un 30 y un 40% para el periodo 2071-2100. Se trata de un √°rea clave en la provincia y en la Patagonia ya que la mitad de la poblaci√≥n de Chubut se concentra en la cuenca. Son 300.000 habitantes distribuidos mayormente en las ciudades de Trelew, Rawson, Gaiman, Dolavon y Puerto Madryn, que si bien est√° a 70km del Rio Chubut, toma agua de √©ste para el consumo humano e industrial. En el Valle Inferior del R√≠o Chubut (VIRCh), donde vive la mitad de la poblaci√≥n de la provincia, la agricultura es el motor productivo y el agua es un recurso fundamental para regar los cultivos.

Ana Liberoff, Natalia Pessacg y Silvia Flaherty son tres cient√≠ficas argentinas que viven en Puerto Madryn. Ana y Natalia pertenecen al equipo de investigaci√≥n del Centro Nacional Patag√≥nico (CENPAT) que depende del CONICET y Silvia a la Universidad Nacional de la Patagonia San Juan Bosco. Desde hace seis a√Īos trabajan en la investigaci√≥n de los servicios ecosist√©micos que son aquellos que la naturaleza le brinda a la sociedad (como por ejemplo el suministro de agua limpia), de gran relevancia e impacto en la calidad de vida de las personas. En diciembre de 2018, a partir del programa AI for Earth de Microsoft, que invierte en investigaci√≥n de IA y tecnolog√≠a en cuatro √°reas clave: cambio clim√°tico, agricultura, biodiversidad y agua, a trav√©s de contribuciones que brinden acceso a IA, ofertas de capacitaci√≥n y educaci√≥n e inversi√≥n en soluciones innovadoras, las cient√≠ficas avanzaron un paso m√°s en su investigaci√≥n. Formaron un grupo interdisciplinario integrado por expertas en biolog√≠a, meteorolog√≠a, sensores remotos, ingenier√≠a electr√≥nica y computaci√≥n. La pr√≥xima convocatoria cierra el 6 de enero de 2020 y para anotarse hay que ingresar ac√°: https://www.microsoft.com/en-us/ai/ai-for-earth-grants

Uno de los objetivos de este mapa es contar con tendencias de cambio de uso de suelo combinadas a cambio climático. Los efectos de éste sumados a la transformación en la cobertura del suelo pueden afectar la cantidad y calidad del agua del río. El 80% del agua del río se utiliza para el sistema agrícola ganadero, por eso, es muy importante la eficiencia del riego y estudiar qué se siembra y qué no en cada lugar. Para lograrlo se necesita tener un mapa de cultivos e identificar el tipo de prácticas que hay en cada parcela. Eso solo ha sido posible, y mucho más preciso, a partir del uso de Inteligencia artificial e imágenes satelitales.

Los feedlots, los lugares de engorde para vacas son tambi√©n un caso concreto donde la gesti√≥n de uso del territorio puede aplicarse. En vez de dejar que las vacas deambulen y coman por ah√≠, le entregan la comida concentrada; lo √ļnico que hacen es comer durante todo el d√≠a. Al estar ancladas en un lugar, crecen mucho m√°s en menos tiempo. Los desechos que genera si no est√°n bien controlados, confluyen en los canales y r√≠os. Contar con un mapa de este tipo, precisamente, permitir√° definir cu√°les son las zonas adecuadas y menos perjudiciales para ubicar el feedlot, esto ayudar√° a controlar hacia d√≥nde van esos desechos para no poner en riesgo el agua.

Alexandra Trujillo es ingeniera electr√≥nica, becaria doctoral en el CENPAT, experta en Machine Learning/Deep Learning y se encarg√≥ de escribir una arquitectura nueva de modelo de deeplearning para clasificar usos y coberturas a partir de im√°genes satelitales. El modelo lo bautizaron SatNet (por Sat√©lite + Network) y se encuentra en proceso de registro acad√©mico. La aplicaci√≥n de herramientas de inteligencia artificial vuelve al proyecto √ļnico en la Patagonia.

Si bien la clasificaci√≥n de im√°genes satelitales se puede hacer con distintas metodolog√≠as, la inteligencia artificial permite automatizar el proceso y repetirlo a√Īo a a√Īo autom√°ticamente. Si se mira, por ejemplo, desde un sat√©lite los cultivos se parecen mucho unos con otros y son muy dif√≠ciles de discriminar: cu√°les son √°rboles, cu√°les frutales, cu√°les hortalizas o simplemente pasturas. Con herramientas de inteligencia artificial de Microsoft Azure lograron discriminar hortalizas -como la zanahoria, la lechuga y la cebolla-, los frutales -como la cereza y las manzanas- y algunas pasturas. Es aqu√≠ donde la inteligencia artificial ayuda a tomar la informaci√≥n de las im√°genes, ya que para poder cuantificarlas es necesario saber qu√© hay en cada porci√≥n de tierra. Por eso, el mapa permite determinar √°reas. Con Deep Learning y la creaci√≥n de redes neuronales, al identificar ciertos patrones, se le ense√Īa al modelo qu√© es cada cosa que ve para que despu√©s repita este ejercicio solo.

Durante estos meses de trabajo se atravesaron distintas etapas que incluyeron mapear los cultivos, la utilizaci√≥n y decodificaci√≥n de im√°genes satelitales y la creaci√≥n de distintas redes neuronales, se generaron varias versiones de mapas para el Valle Inferior del R√≠o Chubut. Aunque se sigue trabajando para mejorar el mapa final, hasta ahora hay 9 clases diferentes que son los usos de suelo principales que se encuentran en el valle, con buenos niveles de precisi√≥n que llegan al 83%. Tanto para organismos provinciales y nacionales, proyectos similares en otros puntos del pa√≠s, como para aquellos encargados de administrar el agua, contar con mapas de estas caracter√≠sticas es esencial ya que ayuden a detectar tendencias y a planificar un mejor uso de los recursos naturales. Por eso, la idea es trabajar en conjunto con la Compa√Ī√≠a de Riego del Valle Inferior del R√≠o Chubut para generar una versi√≥n mejorada del mapa.

‚ÄúHablar de cambio clim√°tico es, ante todo, una oportunidad para generar conciencia sobre c√≥mo debe actuarse para reducir el impacto negativo sobre el medio ambiente‚ÄĚ, sostiene¬†Diego Bekerman, gerente general de Microsoft Argentina. ‚ÄúSer un nexo entre la mejor ciencia de nuestro pa√≠s y la √ļltima tecnolog√≠a de Microsoft es actuar en el presente pensando en el futuro‚ÄĚ.

Procesos de Reentrenamiento: aprender es hacer algo nuevo en equipos interdisciplinarios

Producir conocimiento y ponerlo a disposición de la sociedad es trabajar sobre el presente, pero también sobre el futuro. Planificar, proyectar y mejorar la relación de los seres humanos con su entorno se vuelve fundamental en tiempos de cambio climático.

Detr√°s de un a√Īo en√©rgico de investigaci√≥n, las historias de Ana, Silvia y Natalia condensan las transformaciones que vive cualquier investigador cuando se cruzan modos tradicionales de investigar y nuevas tecnolog√≠as: emerge la oportunidad y necesidad de aprender y desarrollar nuevas habilidades, adem√°s de entrar en contacto con expertos de otras √°reas.

¬ęAI forEarth te obliga a reunirte, a armar equipos interdisciplinarios para aprender entre pares. No es que una persona sola tiene que aprender y detentar el conocimiento, sino que es compartido. Cada uno aporta desde su capacidad y experiencia¬ę, expresa Ana Liberoff, doctora en Biolog√≠a especializada en Conservaci√≥n y manejo de ecosistemas de agua dulce, quien hasta el momento conoc√≠a muy poco sobre inteligencia artificial. En este sentido, las tres coinciden que esta experiencia ha empezado a cambiar la manera de entender los modos de hacer investigaci√≥n: pasar de grupos cerrados e individualistas a equipos en el que convergen especialistas de distintas √°reas. ‚ÄúM√°s que enriquecernos es potenciar el trabajo en equipo y si bien aprendimos todos de todos cada una aport√≥ su conocimiento. En equipo se lograron hacer cosas que individualmente no se podr√≠an haber hecho‚ÄĚ, concluyen Silvia Flaherty y Natalia Pessacg.

A fuerza de peque√Īas capacitaciones entre todo el equipo, lograron sistematizar y distribuir el trabajo de investigaci√≥n. Tambi√©n, generaron espacios de transmisi√≥n de saberes. Por ejemplo, Silvia Flaherty dio una clase sobre im√°genes satelitales, mientras que Alexandra Trujillo aport√≥ otra sobre redes neuronales. A su vez, Cristian Pacheco (CENPAT), experto en computaci√≥n y colaborador en el proyecto, explic√≥ de manera muy pr√°ctica c√≥mo trabajar con phyton y ahora pueden leer, modificar y ejecutar este lenguaje de programaci√≥n.

En tiempos de intensidad tecnológica, donde los modos de hacer ciencia no pueden pensarse apartados de la tecnología, se afianza una tendencia que va hacia equipos interdisciplinarios y transdisciplinarios, donde el conocimiento se construye en equipo y es preciso reinventarse, incorporar habilidades técnicas (como pensamiento computacional, programación, etcétera).

Fuente: Microsoft Argentina

Archivado en: , , , , , , , , ,

 

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *