¿Se puede predecir una repentina caída en la producción?

Algo tremendamente importante en un cultivo tan tecnificado como el #algodón

⚠️Entre la zafra de 2020-21 y la del 2021-22 la producción de nuestro cliente cayó desde casi 6 T/ha a unas 4, y en el caso de la zafrinha se produjo una disminución de 1,5 T/ha. Los rendimientos de zafras y zafrinhas oscilan entre 2 y 6 toneladas por hectárea, siendo generalmente la primera la más productiva.

A nuestro equipo se le asignó la tarea

👨‍💻 de generar un modelo de aprendizaje automático (#ml ) que tuviera en cuenta elementos como #clima, suelo y material vegetal. Aunque primeramente había que hacer un diagnóstico de los datos y entender las dinámicas específicas del cultivo de nuestro cliente.

El efecto de la genética de la planta tuvo poco peso en nuestro análisis, ya que el 90% de la producción procedía de sólo dos variedades, siendo la que representaba casi el 70% de la superficie la más productiva.

Aún más destacable era que la tercera variedad más utilizada (3,45% de la superficie cultivada) tenía rendimientos muy variables dependiendo del tipo de suelo donde se ubicase.

Además, aprovechamos el análisis de los datos para evaluar si el coeficiente de cultivo que utilizamos para la recomendación de riego, basado en los estudios desarrollados por #fao , se ajustaba a cómo se había comportado el cultivo del cliente históricamente, y descubrimos que para ser más eficientes debíamos desarrollar un coeficiente específico.

Lo identificado

A partir de las investigaciones iniciales, identificamos que la precipitación y la temperatura, así como la distribución temporal de las mismas, habían sido uno de los principales factores que habían contribuido a la disminución de la producción, y vimos cómo esas circunstancias se reflejaban en los índices espectrales que también introducimos en el modelo.

Resultado

⭐️Con toda esta información pudimos entrenar nuestro modelo e identificar la información que era realmente útil.
El fin último de nuestro trabajo es que toda esta información agronómica pueda transformarse en #predicciones de #cosecha muy precisas, que ayuden a tomar decisiones que protejan la cantidad y calidad de producción, con suficiente tiempo de maniobra para implementarlas.

En HEMAV construimos modelos a medida para cada cliente, dotando a nuestra machine learning con la mejor calidad de datos, impulsando producciones más responsables y #eficientes para el futuro del planeta.