Investigadores del grupo de Hidráulica y Riegos de la Unidad de Excelencia 'María de Maeztu' del Departamento de Agronomía de la Universidad de Córdoba (DAUCO) han desarrollado un modelo basado en la arquitectura 'Transformer' de 'Deep Learning' para predecir con alta precisión la demanda real de agua y energía en agricultura, ofreciendo una herramienta valiosa para las comunidades de regantes en la toma de decisiones.

El proyecto HOPE, centrado en el desarrollo de un modelo holístico de riego de precisión, incorpora la Inteligencia Artificial para proporcionar estimaciones rigurosas de la cantidad de agua necesaria para satisfacer las necesidades de los cultivos. El último modelo creado permite predecir la demanda real de agua de riego con un margen de error inferior al 2% a una semana vista, lo que facilita una gestión eficiente de los recursos y empodera a los usuarios en la toma de decisiones.

Los investigadores destacan que este avance representa un paso significativo en la digitalización del regadío, aplicando la arquitectura revolucionaria 'Transformer' de 'Deep Learning', conocida por su capacidad para establecer relaciones a largo plazo en datos secuenciales. Este modelo permite el tratamiento simultáneo de gran cantidad de información, optimizando la predicción mediante mecanismos de atención.

La validación del modelo se realizó con datos diarios de las campañas de riego de 2015 a 2022 en la Comunidad de Regantes del Canal del Zújar, en Don Benito (Badajoz), utilizando más de 1.800 medidas de consumo de agua combinadas con datos meteorológicos y de cultivo. Esto ha resultado en una reducción significativa del margen de error, pasando del 20% al 2%, lo que ofrece un pronóstico preciso de la demanda diaria de agua de riego para los próximos siete días, fundamental en contextos de escasez de agua y altos precios de la energía, así como para una gestión sostenible de los recursos.