En Argentina, existen 2,1 millones de hectáreas dedicadas a la agricultura que implementan sistemas de riego tecnificado. Estos sistemas tienen gran potencial de crecimiento en el país. Algunas proyecciones estiman que podrían extenderse hasta las 6,2 millones de hectáreas.
Una de las demandas más crecientes de ese sector productivo es la optimización en el uso del agua. Su escasez junto a los desafíos impuestos por el cambio climático impulsan el diseño de soluciones que reduzcan al mínimo el desperdicio de ese recurso y disminuyan la huella hídrica de la actividad.
La información de esta nota fue proporcionada por Andrés Fernández, colaborador de UNCiencia, quien explicó que a ese segmento del mercado apunta OPTIMACQUA, una aplicación que opera en la nube e integra relevamientos de la red de estaciones meteorológicas, imágenes satelitales actualizadas de plataformas como MODIS, Sentinel y Landsat, e información sobre el campo (tipo de cultivo, características del suelo y condición de la humedad, entre otros).
Todo ese volumen de datos es analizado para obtener un balance hídrico diario. A partir de ese diagnóstico, algoritmos entrenados con machine learning generan un reporte con recomendaciones sobre el momento más óptimo para regar y la cantidad exacta de agua que debe recibir el cultivo durante los días subsiguientes.
El proyecto logró el segundo premio en la categoría “Productos, procesos y servicios”, del concurso UNC Innova 2025, que organizó la Secretaría de Innovación y Vinculación Tecnológica de la UNC. Además, en 2024 obtuvo una mención especial en el “Concurso de Ideas Innovadoras” del Ministerio de Producción, Ciencia e Innovación Tecnológica del gobierno de la provincia de Córdoba.
Herramienta para la agricultura de precisión
Si bien el servicio aún no se comercializa, el modelo de negocio delineado por sus creadores prevé un esquema de suscripción con diferentes planes. En todos los casos, incluirá una serie de visitas al campo para registrar parámetros esenciales para el procesamiento futuro, como el cálculo de las constantes hídricas, la tasa de infiltración del terreno y el historial de manejo, entre otros.
“Inicialmente la idea es otorgar reportes quincenales o semanales. Y luego avanzar hacia una aplicación donde la persona se suscriba, cargue los datos sobre su campo y reciba la recomendación de riego, que deberá ser interpretada por el o la ingeniera agrónoma responsable”, explica Ignacio Pascual, uno de sus creadores.
Actualmente el software se encuentra en un estado avanzado de desarrollo y ya comenzaron las pruebas de campo. “Hace prácticamente un año que visitamos tres veces por mes un lote que tomamos como referencia para realizar un minucioso proceso de calibración y de ajuste de modelos, a partir de los cultivos más comunes, como soja, maíz y trigo”, apunta Ezequiel de Luca, otro integrante del equipo innovador.
Ambos especialistas son egresados de grado de la Facultad de Ciencias Agropecuarias y de posgrado en el Instituto de Altos Estudios Espaciales Mario Gulich de la UNC. “Estamos ajustando los algoritmos y próximamente comenzaremos a realizar testeos con datos reales, simulando casos concretos de aplicación”, completa Pascual.
Sobre el impacto de su desarrollo, ambos coinciden en que el recambio generacional que atraviesa la producción agrícola genera un terreno fértil para este tipo de soluciones. “Las camadas más jóvenes son más abiertas a la tecnología y a la agricultura de precisión”, sintetiza Pascual.
Construido sobre bases científicas
Entre los objetivos estratégicos que persigue OPTIMACQUA se cuentan el ahorro de agua y de la energía utilizada para alimentar los sistemas de riego, la reducción de costos, la minimización del impacto ambiental y la mejora del rendimiento, al evitar el estrés hídrico o anegamiento de los lotes.
El valor diferencial de la iniciativa radica en la puesta en diálogo de un abanico de campos disciplinares que operan bajo un estricto rigor científico. En este sentido, en la generación de los reportes con las recomendaciones convergen:
- Teledetección: Uso de imágenes satelitales multiespectrales (MODIS, Sentinel-2 y Landsat 8/9) para obtener índices de vegetación, indicadores del estado del cultivo y sus necesidades hídricas, a escala de parcela.
- Modelado agrometeorológico: Integración de datos meteorológicos como temperatura, humedad y precipitación, para calcular la evapotranspiración de referencia mediante métodos estandarizados.
- Modelado de cultivos y suelos: Estimación del coeficiente de cultivo para calcular la evapotranspiración real del cultivo, y la realización de un balance hídrico diario que considere tanto las precipitaciones como las propiedades hidráulicas del suelo.
- Algoritmos y machine learning: Aplicación de algoritmos avanzados para analizar la información integrada, las características del sistema de riego y las posibles estrategias del productor.
- Tecnologías de información geoespacial y clou: Uso de plataformas como Google Earth Engine para el procesamiento de datos geoespaciales a gran escala y el desarrollo de una aplicación en lenguajes como Python, desplegada en infraestructura de nube (Google Cloud) para garantizar escalabilidad y accesibilidad.
