El colombiano Sebastián Álvarez Montoya, ingeniero de sistemas y computación de la Universidad Nacional de Colombia (UNAL), desarrolló un sistema de IA con imágenes satelitales de alta resolución proporcionadas por la misión de observación por la Agencia Espacial Europea (ESA), que permite identificar áreas aptas para la agricultura en el país.
Dichas imágenes satelitales del departamento de Santander se usaron para entrenar la inteligencia artificial a través de una técnica de redes neuronales, la cual predice en qué zonas de Barichara, El Socorro y sus alrededores se puede practicar la ganadería y la pesca.
De acuerdo con la agencia de noticias UNAL, esta herramienta se podría utilizar en todo el país para mejorar la identificación de zonas agrícolas, un proceso que con métodos convencionales suele ser lento y costoso.
El investigador asegura que el desarrollo se enfocó en la integración de estas imágenes con el mapa de planificación rural agropecuaria del Sipra, para luego emplear el aprendizaje de máquina, o machine learning, que le permite al sistema aprender de manera autónoma a partir de los datos.
Te puede interesar: Laura, la joven payanesa que creó una plataforma que financia la construcción colombiana sin ser un banco
Además asegura que al trabajar sobre el mapa Sipra, consideran factores climáticos y otros aspectos que afectan las actividades agrícolas. «A partir de esa información el sistema identificó patrones en las imágenes que le permitieron determinar con gran precisión si la zona era apta o no para la agricultura».
Álvarez explica que “el área de prueba del modelo fue específicamente hacia el sureste de Barrancabermeja, en Santander, en donde el modelo predijo que Barichara, El Socorro y sus alrededores son zonas aptas para realizar actividades agrícolas, lo cual concuerda con lo reportado antes”.
Te puede interesar: Will Lemus, el colombiano que está detrás de la startup que desarrolla plantas de energía virtual
Así mismo identificó áreas que no se pueden intervenir, como el Parque Nacional Natural Serranía de los Yariguíes. Aunque estos ejemplos parezcan muy evidentes, estos ejercicios permiten verificar que el sistema funciona y luego aumentar el nivel de dificultad en otras tareas.
“El modelo mostró un ‘comportamiento correcto’, y esto representa alrededor del 85 % de rendimiento en la tarea de identificar bien las zonas agrícolas y las no agrícolas. Este avance nos permite optimizar significativamente el tiempo necesario para estos procesos, los cuales tradicionalmente podrían llevar años”, explica el magíster.
Con esto, el potencial de esta tecnología es significativo, especialmente para el Gobierno colombiano, ya que la podría utilizar para actualizar y agilizar la identificación de zonas aptas para la agricultura. Además, los agricultores y campesinos se podrían beneficiar al saber si un terreno es adecuado para sus cultivos antes de adquirirlo o realizar actividades agrícolas.
El paso siguiente a esta investigación es caracterizar las zonas para cultivos específicos, es decir que a través de este sistema se pueda saber si determinada zona es apta para cultivar papa, por ejemplo.
Imagen: Sebastián Álvarez/UNAL
