Un modelo desarrollado por el Departamento de AgronomĂa de la Universidad de CĂ³rdoba (UCO) a partir de tĂ©cnicas de inteligencia artificial anticipa el uso de agua de los regantes por periodos tarifarios con un dĂa de antelaciĂ³n y permite optimizar el uso de la energĂa.
AsĂ lo ha señalado la instituciĂ³n universitaria en una nota en la que ha detallado que en un contexto de escasez de agua y crecimiento de la demanda de energĂa para poner en marcha los sistemas de riego a presiĂ³n (con los costes asociados que esto implica), tomar las decisiones de riego mĂ¡s adecuadas en las comunidades de regantes implica un menor gasto de agua, pero tambiĂ©n un menor gasto de energĂa y una reducciĂ³n de los costes.
Para realizar una gestiĂ³n Ă³ptima de los recursos hĂdricos es necesario predecir cuĂ¡nta agua usarĂ¡n los regantes en cada momento, de manera que los gestores puedan estimar los requerimientos de agua y de energĂa en tiempo real. Para tener predicciones certeras es necesario incluir una variable determinante a la vez que complicada de medir: el comportamiento del agricultor.
En la creaciĂ³n de modelos que permitan anticipar el comportamiento de los regantes llevan años trabajando en el grupo de HidrĂ¡ulica y Riegos de la Unidad de Excelencia MarĂa de Maeztu-Departamento de AgronomĂa de la Universidad de CĂ³rdoba (Dauco) que, ahora, ha conseguido predecir quĂ© cantidad de agua usarĂ¡ cada regante de una comunidad separada por periodos tarifarios.
Si bien en trabajos anteriores se habĂan desarrollado herramientas que permitĂan conocer la cantidad de agua y el dĂa que se aplicarĂa en comunidades de regantes, el modelo ‘Cangenfis’, creado por los investigadores de Dauco Rafael GonzĂ¡lez, Emilio Camacho y Juan Antonio RodrĂguez afina mĂ¡s, ya que revela cuĂ¡nta agua se usarĂ¡ en un tramo de tiempo mĂ¡s corto como son los periodos tarifarios.
AsĂ, adelanta informaciĂ³n sobre cuĂ¡ndo se produce la mayor demanda la red, si es necesaria o no la activaciĂ³n de todas las bombas en paralelo que tiene la comunidad de regantes y optimiza la contrataciĂ³n de la tarifa elĂ©ctrica mĂ¡s adecuada, permitiendo asĂ el ahorro de costes energĂ©ticos. TambiĂ©n se conoce con antelaciĂ³n quĂ© tuberĂas podrĂan sobrecargarse o prever cĂ³mo afectarĂa una averĂa.
«Permite integrar la gestiĂ³n del agua y de la energĂa y hacer un uso Ă³ptimo tambiĂ©n de esa energĂa. Si la comunidad de regantes tiene un sistema de energĂa fotovoltaica puede saber quĂ© cantidad de energĂa tiene que reservar y vender el resto o cuĂ¡nta energĂa tiene que comprar ya que hay comunidades que compran energĂa de un dĂa a otro y con esto pueden adelantarse a esta compra con precisiĂ³n», ha resaltado Emilio Camacho.
MODELO ‘CANGENFIS’
Este nuevo modelo ‘Cangenfis’ ha sido entrenado y probado en la Comunidad de Regantes del Canal del ZĂºjar (Extremadura) con datos de las campañas de riego de 2015, 2016, 2017 y 2018.
Combinando tĂ©cnicas de inteligencia artificial como lĂ³gica difusa, redes neuronales artificiales y algoritmos genĂ©ticos modela el comportamiento de los regantes y pronostica a corto plazo la distribuciĂ³n por perĂodo tarifario del agua usada tanto por los regantes como por la comunidad al completo.
Para Rafael GonzĂ¡lez, «el funcionamiento del modelo es sencillo. Recibe una serie de entradas de variables climĂ¡ticas muy relacionadas con la sensaciĂ³n tĂ©rmica del agricultor como humedad relativa o temperatura mĂ¡xima», ademĂ¡s se incluyen «variables relacionadas con el estado fenolĂ³gico del cultivo y variables relacionadas con el dĂa a dĂa del agricultor» ya que si es festivo o si es fin de semana puede influir en las decisiones de riego.
PERIODOS TARIFARIOS
Este conjunto de entradas, con el modelo calibrado, «nos dice para cada uno de los periodos tarifarios quĂ© cantidad de agua va a emplear el agricultor al dĂa siguiente», ha concluido GonzĂ¡lez. SegĂºn los resultados, variables como el precio de las tarifas o el nĂºmero de horas que hay en cada periodo tarifario toman mĂ¡s importancia en el comportamiento de los regantes que las variables agroclimĂ¡ticas.
La precisiĂ³n de los pronĂ³sticos fue en torno al 80 por ciento para los cultivos de arroz, maĂz y tomate (mĂ¡rgenes de error de 19,9%, 22,9% y 19,5%), un margen de precisiĂ³n bastante alto en este tipo de predicciones que «demuestra la importancia de tener en cuenta el comportamiento del regante en este tipo de predicciones», ha señalado Juan Antonio RodrĂguez. El reto, ahora, es realizar predicciones con mĂ¡s antelaciĂ³n, que vayan mĂ¡s allĂ¡ del dĂa de antelaciĂ³n para tener mĂ¡s margen de actuaciĂ³n.
Este modelo se ha desarrollado y probado de manera previa a la entrada en vigor de los nuevos periodos tarifarios de la energĂa el pasado 1 de junio de 2021. Sin embargo, el modelo se puede ajustar a estos nuevos tramos y tambiĂ©n puede revelar si los regantes cambian su comportamiento en relaciĂ³n a los nuevos precios.