MODELIZACIÓN Y TOMA DE DECISIONES EN AGRICULTURA: PROBLEMÁTICAS EN SU
APLICABILIDAD
Joaquín Romero Rodríguez. Jefe de Desarrollo Científico Técnico de ECONATUR
Profesor de M. DigitalAgri y colaborador de ETSIAM
g32roroj@uco.es
El estudio de herramientas predictivas para la toma de decisiones en agricultura está aumentando durante los últimos años de forma exponencial, suponiendo una oportunidad para alinearse con una agricultura sostenible. El uso de sistemas de apoyo a la toma de decisiones en fincas comerciales ha sido un reto histórico en la digitalización de sistemas agroganaderos. Son varios los factores que explican la dificultad de este proceso, vital para que los trabajos realizados tengan una repercusión aplicada en el mundo agrícola.
En primer lugar, la elaboración de modelos predictivos con una finalidad meramente académica y sin trabajo complementario para su implementación en empresas agrícolas (cooperativas, empresas productoras, empresas de insumos agrícolas,…) puede ser una de las causas. A su vez, las necesidades diarias del sector no facilitan la empleabilidad de sistemas de apoyo a la toma de decisiones que no sean fácilmente comprensibles y rápidamente explicables. Para conseguir el apoyo del usuario final de este tipo de herramientas es vital la confianza que estas generen y el acompañamiento en su uso. En este sentido, resulta necesaria la conexión del mundo público (generador de conocimiento y de muchos de estos sistemas) y privado. La construcción de modelos fiables (alta probabilidad de acierto) y robustos (acierto en un amplio rango de condiciones) debe estar justificada con trabajos agronómicos de validación en campo de cara a fortalecer su uso aplicado. La validación de modelos es particularmente importante cuando estos son construidos con una metodología empírica. Los modelos empíricos están basados en ecuaciones matemáticas que realizan una predicción final desde multitud de datos iniciales, no resultando explicativos de los entresijos del proceso de predicción. Esto explica la importancia de justificar su validez, sobre todo si quieren ser empleados en unas condiciones diferentes para las cuales fueron creados (e.g. realizar predicciones en la Comunidad Valenciana, pese a ser generado con datos de Andalucía).
Otro reto en la digitalización de la agricultura es el uso de datos agronómicamente válidos. El uso de estadística avanzada y de técnicas de aprendizaje automático reduce el riesgo en su uso, pero ralentiza el proceso de modelización de sistemas. Por ello, se acentúa la necesaria colaboración entre el sector público y privado y diferentes ramas de conocimiento (agronómico y matemático) para el empleo de datos de alta calidad. Mientras tanto, y hasta la generación de grandes bases de datos, el uso de modelos mecanísticos basados en el conocimiento generado por la comunidad científica (frecuentemente desconocido) representa una vía de digitalización que ya ha sido empleada con éxito (e.g. Horta srl, una spin-off de la Università Cattolica del Sacro Cuore).
Como conclusión, la usabilidad de modelos en el día a día del mundo agrario representa un eslabón necesario en el proceso de digitalización. Si bien este representa un avance a nivel investigador (y en ocasiones un ejercicio de imagen y modernidad), la traducción a la economía real será el mayor indicador del éxito de las nuevas tecnologías en el mundo agrario.
Fuente: Rossi et al., 2012. Phytopathologia Mediterranea, 3: 457-479