IA predice humedad del suelo para optimizar riego en cultivos tropicales
Un nuevo modelo de inteligencia artificial desarrollado por investigadores permite predecir con precisión la humedad del suelo en múltiples capas dentro de la zona de raíces. Este avance es especialmente relevante para cultivos como el cacao, pero sus aplicaciones se extienden a otros rubros agrícolas. El sistema utiliza redes neuronales convolucionales (CNN) combinadas con LSTM para capturar la variabilidad climática típica de sistemas tropicales. Para el agro argentino, esta tecnología abre posibilidades en cultivos de zonas subtropicales y en la optimización del riego, permitiendo decisiones más precisas sobre cuándo y cuánto regar, reduciendo costos y mejorando la disponibilidad de agua para las plantas.
Puntos clave
Predicción precisa en múltiples capas
El modelo CNN-LSTM analiza la humedad en diferentes profundidades del suelo, mejorando la toma de decisiones sobre riego.
Adaptable a climas variables
Diseñado para tropicales, funciona en zonas con lluvia irregular como varias regiones de Argentina, especialmente en Misiones y Corrientes.
Optimiza recursos hídricos
Permite riego más eficiente, ahorrando agua y reduciendo costos operativos en temporada de sequía.
Más rendimiento y menos pérdidas
Al mejorar la disponibilidad de agua en raíces, se potencia el desarrollo de plantas y se estabiliza la producción.
📰 Fuente original: Nature.com ↗
Contenido adaptado y curado por Agro Parallel para el campo argentino.