En el contexto del Congreso de Aapresid, se presentó Soil Data Fusion, una innovadora plataforma desarrollada por Syngenta que fusiona inteligencia artificial con datos agronómicos para mejorar la productividad de los cultivos. Esta herramienta busca resolver el desafío de la interpretación de datos provenientes de análisis de suelo, mapas de rendimiento y registros históricos.
La plataforma, creada en colaboración con el INTA, Aapresid y la Secretaría de Agricultura, permite integrar diversas fuentes de información para identificar limitaciones en el rendimiento de cada lote y ofrecer recomendaciones específicas de manejo. Durante la presentación, Catriel Pedernera y Doron Gal de Syngenta, junto con Hernán René Sainz Rozas del INTA, explicaron cómo funciona el sistema.
Pedernera destacó que el sistema agrega toda la información disponible de un lote, procesándola mediante algoritmos de machine learning. «Todos los datos que tenga el productor a disposición los ponemos en un solo lugar, los analizamos, hacemos el diagnóstico y entregamos la recomendación», afirmó.
Uno de los aspectos innovadores de la plataforma es su método de muestreo de suelo. En lugar de utilizar un enfoque uniforme, primero se analiza la variabilidad del lote y se determina estratégicamente dónde realizar las muestras. Esto permite obtener datos más precisos y relevantes.
La plataforma se ha entrenado durante tres años utilizando información de aproximadamente 15.000 hectáreas en diferentes regiones, mejorando continuamente la precisión de los modelos a medida que se incorporan nuevos datos. Sin embargo, Pedernera también advirtió sobre la importancia de la maquinaria disponible en el campo como un posible cuello de botella para la implementación de las recomendaciones.
Doron Gal añadió que el sistema examina miles de imágenes satelitales de alta resolución para clasificar áreas con características similares, creando así “clases de suelo” que son fundamentales para el análisis. A partir de esta información, se evalúan las interacciones entre diferentes variables del suelo para identificar qué factores limitan la productividad.
El caso práctico presentado por Sainz Rozas, correspondiente a un lote en el norte de Santa Fe, ilustró cómo la plataforma identifica los principales limitantes de nutrientes, destacando el fósforo, el zinc y el boro. Por ejemplo, el análisis del fósforo mostró áreas con niveles por debajo de lo óptimo, sugiriendo que una fertilización variable podría ser beneficiosa.
En relación al zinc, se identificaron sectores que justificaban aplicaciones diferenciadas, mientras que con el boro, aunque se detectaron bajos niveles, la recomendación fue aplicar fertilización uniforme debido a la precisión del mapa.
Al final, Sainz Rozas enfatizó que la clave de estas herramientas radica en su capacidad para organizar e interpretar grandes volúmenes de información, resaltando la necesidad de validar las recomendaciones en el campo. Propuso realizar franjas con diferentes dosis de fertilización para medir y ajustar las respuestas de los cultivos, mejorando así los modelos con datos reales.
Fuente: La Nación
