Estimación del nivel de estrés hídrico en frutales mediante técnicas machine learning para aplicación en sistemas de riego inteligentes
- Juan D. González-Teruel 1
- Victor Blanco 2
- Pedro José Blaya-Ros 1
- Rafael Domingo Miguel 1
- Fulgencio Soto Vallés 1
- R. Torres Sánchez 1
-
1
Universidad Politécnica de Cartagena
info
-
2
Washington State University
info
Editorial: Universitat Jaume I ; Servizo de Publicacións ; Universidade da Coruña ; Comité Español de Automática
ISBN: 978-84-9749-804-3
Año de publicación: 2021
Páginas: 477-484
Congreso: Jornadas de Automática (42. 2021. Castellón)
Tipo: Aportación congreso
Resumen
El agua es un bien escaso, especialmente en las regiones áridas y semiáridas. Este es el caso de la Cuenca Mediterránea, donde sus condiciones demográficas y climáticas la hacen idónea para el cultivo de frutas y hortalizas, demandando un volumen mayor de recursos hídricos. Las estrategias de riego deficitario se han mostrado exitosas, pero resulta primordial el control del estrés hídrico de los cultivos. La medida directa del mismo se encuentra actualmente asociada al potencial hídrico de tallo a mediodía, cuya medida es costosa en tiempo y labores asociadas. A nivel agrario sería interesante definir unos niveles cualitativos del estrés hídrico del cultivo y poder estimarlos a partir de variables cuya medida sea automatizable, de manera que se puedan implementar sistemas de riego inteligente basados en las necesidades hídricas del cultivo. En este trabajo se presenta un estudio preliminar para la obtención de un modelo capaz de predecir cinco niveles de estrés del cultivo a partir de los datos temporales de potencial matricial y contenido volumétrico de agua en el suelo y de diferentes variables agro-climáticas. Se han evaluado múltiples algoritmos de Machine Learning, obteniéndose una precisión máxima en la estimación del 72,4 %.