IA pode reduzir a margem de erro na previsão da irrigação para 2%

A escassez de água e o elevado custo da energia representam os principais problemas das comunidades de regantes, que gerem a água para irrigação, colocando-a à disposição da agricultura em qualquer altura.

Num contexto de seca e com a incerteza no mercado de eletricidade, saber quando e com que quantidade de água as culturas vão ser irrigadas permitiria aos gestores libertarem-se desta incerteza na tomada de decisões e, portanto, orientá-las para objetivos como a poupança económica, a sustentabilidade ambiental e a eficiência. Para o efeito, a ciência dos dados e a Inteligência Artificial são importantes aliados.

Com o objetivo de aplicar esta tecnologia de ponta no campo da agricultura de precisão, os investigadores do grupo de Hidráulica e Irrigação da Unidade de Excelência “María de Maeztu” do Departamento de Agronomia da Universidade de Córdoba (DAUCO) estão a trabalhar neste projeto. Um exemplo disso é o projeto HOPE, que se centra no desenvolvimento de um sistema de controlo holístico para a agricultura de precisão.

No âmbito desta proposta, foram desenvolvidos modelos de previsão que permitirão às comunidades de regantes ter uma estimativa rigorosa da quantidade de água que os agricultores necessitarão para satisfazer as necessidades das suas culturas. O último modelo desenvolvido, e o mais preciso até à data, consegue prever a procura real de água de rega com uma semana de antecedência e com uma margem de erro inferior a 2%, permitindo assim uma gestão eficiente dos recursos e sem reduzir a autonomia dos seus utilizadores.

É o que explicam os investigadores Rafael González, Emilio Camacho e Juan Antonio Rodríguez, que salientam que este avanço representa mais um passo na linha de digitalização aplicada à irrigação desenvolvida pelo grupo de investigação “Hidráulica e Irrigação” do AGR 228. Aplicaram agora a revolucionária arquitetura de aprendizagem profunda Transformer ao campo da irrigação de precisão, que desde o seu aparecimento em 2017 tem sido implementada em vários sectores e está na base de marcos da Inteligência Artificial como o ChatGPT.

A arquitetura “Transformer“destaca-se pela sua capacidade de estabelecer relações de longo prazo em dados sequenciais através dos chamados”mecanismos de atenção”. No caso da rega, esta arquitetura de dados permite o tratamento simultâneo de muita informação, delegando na sua rede neuronal artificial a seleção e extração da informação necessária para uma previsão ótima.

Para validar os resultados deste modelo, foram utilizados dados diários das campanhas de irrigação de 2015 a 2022 na Comunidade de Irrigação do Canal de Zújar em Don Benito (Badajoz). No total, foram utilizadas mais de 1800 medições de consumo de água para treinar o modelo, combinadas com dados de temperatura, precipitação, radiação solar, evapotranspiração, velocidade do vento, humidade, tipos de culturas, etc.

Isto reduziu a margem de erro dos modelos anteriores de 20% para 2%, o que, quando aplicado a sistemas integrados de apoio à decisão, pode ser muito útil para os gestores de comunidades de regantes, fornecendo uma previsão exacta das necessidades diárias de água para rega para os próximos sete dias, em contextos de escassez de água e de preços elevados da energia, mas também no contexto de um compromisso com a gestão sustentável dos recursos.

R. González Perea, E. Camacho Poyato, J.A. Rodríguez Díaz. “Atenção é tudo o que a água precisa: Multistep time series irrigation water demand forecasting in irrigation districts” Computers and Electronics in Agriculture, 218. Recebido em 19 de outubro de 2023; recebido em formato revisto em 22 de dezembro de 2023; Aceite em 4 de fevereiro de 2024.