La inteligencia artificial podría ayudar a cerrar el ciclo del nitrógeno, que actualmente está roto, en la agricultura
Un nuevo marco combina datos de satélite, sensores para animales y modelos lingüísticos en un sistema unificado de toma de decisiones
La inteligencia artificial podría ayudar a transformar la forma en que las explotaciones agrícolas gestionan el nitrógeno, al integrar la producción de cultivos, la alimentación del ganado, el reciclaje del estiércol y la vigilancia medioambiental en un único sistema de toma de decisiones, según un nuevo artículo publicado en la revista *Nitrogen Cycling*.
Los fertilizantes nitrogenados han desempeñado un papel fundamental en el aumento de la producción alimentaria mundial, pero un uso ineficiente del nitrógeno puede contribuir a la contaminación atmosférica, la acidificación del suelo, la contaminación de las aguas subterráneas y las emisiones de óxido nitroso, un potente gas de efecto invernadero. Una de las principales causas de este problema es la separación entre la producción vegetal y la ganadera. El estiércol suele acumularse cerca de las explotaciones ganaderas intensivas, mientras que las explotaciones de otras regiones siguen dependiendo en gran medida de los fertilizantes sintéticos.
Los autores proponen que la IA puede ayudar a reconstruir este ciclo de nutrientes alterado mediante el seguimiento de los flujos de nitrógeno, la mejora de los modelos científicos y la transformación de información compleja en recomendaciones prácticas para los agricultores.
«La inteligencia artificial nos brinda la oportunidad de considerar el nitrógeno agrícola como un sistema interconectado, en lugar de como un conjunto de problemas aislados», afirmó el autor correspondiente, Xiuming Zhang. «Al vincular los cultivos, los animales, el estiércol y los procesos medioambientales, la IA podría ayudar a los agricultores a producir más alimentos y, al mismo tiempo, reducir las pérdidas de nitrógeno».
El marco propuesto consta de tres componentes principales. En primer lugar, los sistemas de observación basados en la IA pueden recopilar información procedente de satélites, drones, sensores de suelo, dispositivos portátiles para animales, visión artificial y monitores de las instalaciones ganaderas. Estas tecnologías podrían revelar cómo se desplaza el nitrógeno a través de los campos, los animales, los almacenes de estiércol y el entorno en general.
En segundo lugar, los investigadores hacen hincapié en combinar la IA basada en datos con modelos basados en procesos físicos, biológicos y químicos. Enfoques como las redes neuronales basadas en la física y el aprendizaje automático guiado por el conocimiento pueden mejorar las predicciones al tiempo que mantienen reglas esenciales, como el balance de masa de nitrógeno. Estos sistemas híbridos podrían permitir estimaciones más precisas de la demanda de fertilizantes, las emisiones de óxido nitroso, la retención de nitrógeno por parte de los animales y las pérdidas relacionadas con el estiércol.
En tercer lugar, los grandes modelos de lenguaje aplicados a la agricultura podrían traducir los resultados científicos en orientaciones claras a nivel de explotación. Estos sistemas podrían ayudar a recomendar la fuente, la dosis, el momento y la ubicación adecuados del fertilizante, al tiempo que optimizan la alimentación animal e identifican oportunidades para trasladar el estiércol desde regiones ganaderas con excedentes de nitrógeno a tierras de cultivo que necesitan nutrientes.
El objetivo a largo plazo es un agente inteligente para toda la explotación capaz de coordinar simultáneamente la fertilización de los cultivos, la nutrición del ganado y el reciclaje del estiércol. El artículo destaca los primeros ejemplos de sistemas especializados de IA agrícola que han registrado reducciones en el uso de fertilizantes o de nitrógeno en la alimentación animal, al tiempo que mantienen o aumentan la productividad.
Sin embargo, los autores advierten de que siguen existiendo importantes retos. Los datos agrícolas suelen estar fragmentados entre distintas instituciones, los modelos de IA pueden resultar difíciles de explicar y las tecnologías avanzadas pueden resultar demasiado caras para los pequeños agricultores. El aprendizaje federado, la computación en el borde y las herramientas de menor coste podrían ayudar a mejorar la privacidad, la accesibilidad y la inclusión.
Los investigadores concluyen que la IA podría convertirse en el sistema de coordinación central de la agricultura circular, pero que el éxito requerirá una estrecha colaboración entre agrónomos, zoótecnos, biogeoquímicos, informáticos, agricultores y responsables políticos.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
