Una personalización que será posible gracias a la Inteligencia Artificial y a imágenes por satélite, integrando datos de instrumentos dedicados y de múltiples fuentes —Copernicus, AEMET, etc. — y desarrollando una nueva generación de instrumentos espaciales miniaturizados y compactos para la teledetección.

El proyecto está formado por un consorcio que cubre toda la cadena de valor, liderado por Thales Alenia Space, compañía especializada en sistemas basados en satélites, y compuesto por socios tecnológicos como LIDAX y ASEOPTICS, empresas que garantizan la llegada a usuarios finales agrícolas, como TEPRO, y organismos e instituciones como el Instituto Nacional de Técnica Aeroespacial (INTA), el Instituto de Agricultura Sostenible (IAS-CSIC) y la Universidad de Valencia (UV).

Sistema de riego personalizado

El sistema integral que propone este proyecto garantizará que los datos aporten valor al usuario final, cubriendo desde el sensor al cultivo gracias a nuevas técnicas de Inteligencia Artificial aplicadas a teledetección y otras fuentes de datos y propone una nueva generación de instrumentos miniaturizados para la teledetección en todas las bandas, comenzando por el infrarrojo térmico. El despliegue completo de estas soluciones demostrará el potencial de la tecnología para reducir el uso de agua en cultivos anuales y perennes y la capacidad para hacer predicciones de cosecha más precisas a lo largo del ciclo de los cultivos.

“MORERA es el primer proyecto de sistema de recomendaciones por parcela (no solo mapas) basado en nuevos instrumentos de teledetección y en datos de los satélites del programa Copernicus procesados mediante algoritmos de Inteligencia Artificial. También es un proyecto pionero en Europa en utilizar el infrarrojo térmico para calcular la evapotranspiración y el estrés hídrico, lo que permitirá gestionar el riego deficitario”, aseguran desde Thales Alenia Space.

De este modo, los agricultores podrán aplicar la agricultura de precisión a bajo coste con un sistema que les proporcionará una medida periódica del estado de los cultivos y les dará recomendaciones personalizadas de fertirrigación, así como previsiones de rendimiento basadas en algoritmos de Inteligencia Artificial y Big Data. Este concepto integrado supone un avance respecto a las opciones actualmente disponibles en el mercado, que da respuesta a las necesidades del sector en materia de gestión de recursos en el contexto de cambio climático. En esta misma línea se investigarán también nuevos algoritmos para el procesado de imágenes de teledetección con aprendizaje automático para optimizar las decisiones de los agricultores: recomendaciones en escenarios de riego deficitario y predicción de rendimientos de cosecha.