Please wait...

Nombre
Servicio Andaluz de Monitorización del Arroz basado en imágenes satelitales y de drones, IoT e inteligencia artificial (-SAMA-) GOPC-SE-20-0003, “AgrarIA: Inteligencia Artificial Aplicada a la Cadena de Valor de la Producción Agraria 2050” y “Earth Observation for Cereal Stress (-EO4CerealStress-)”
Fecha de fin
Fecha de inicio
Rodríguez Galiano, Victor Francisco
Institución
Universidad de Sevilla
Código
GOPC-SE-20-0003; ESA AO/1-11144/22/I-EF
Código de acceso
2023/26
Entidad financiera
Consejería de Agricultura, Pesca, Agua y desarrollo Rural de la Junta de Andalucía
Resumen
El objetivo de esta investigación es llevar a cabo los trabajos de “Servicio Andaluz de Monitorización del Arroz basado en imágenes satelitales, de drones, lot e inteligencia artificial (SAMA)”. Dicho proyecto basado en tecnologías IoT (internet de las cosas), IA (inteligencia artificial), BigData y Análisis Geoespacial, integrará datos de programas de Observación de la Tierra (imágenes satelitales) de diferentes resoluciones (10, 20 y 250 m) cada 5 días y datos diarios in situ de sensores inteligentes, en una Plataforma Unificada que proporcionará dos servicios de monitorización (downstream service), dirigidos a la Federación de Arroceros de Sevilla (FAS). Para ello se partirá de una innovadora Plataforma IoT basada en Fiware (estándar europeo de IoT), sobre la que se desarrollarán módulos específicos de visualización y explotación de datos agronómicos, BigData, Motor de inteligencia artificial con algoritmos específicos y Análisis Geoespacial. SAMA aprovecha el servicio de la Agencia Espacial Europea (ESA) “Copernicus Land” y propone un enfoque innovador para la integración de datos ópticos de las misiones Sentinel y MODIS. Estos productos satelitales de alta resolución temporal (5 días) y espacial (10-20 m), junto con las mediciones in situ adquiridas mediante tecnologías inteligentes IoT (smart agro), son transformados mediante Inteligencia Artificial en información en tiempo real para el manejo de los cultivos.

En relación al proyecto AgrarIA, se pretende llevar a cabo el desarrollo de una plataforma de IA que permita integrar, en una única entidad, todos los componentes necesarios para llevar a cabo el desarrollo y ejecución de modelos y algoritmos de IA para su aplicación en ciertos casos de uso concretos que se consideran estratégicos para la transformación del sector. Además, la plataforma cuenta con un claro enfoque hacia el uso de estándares como elemento vertebrador, con el objetivo de sentar una base sólida de prácticas y herramientas que aceleren e impulsen el desarrollo de nuevos verticales de IA o incluso que puedan transferir resultados hacia otros sectores de la sociedad de una forma ágil y sencilla.

Con respecto al proyecto EO4CerealStress; por un lado, evaluar el uso sinérgico de la Observación de la Tierra (EO) multifuente y los datos in situ, aprovechando su complementariedad, para comprender los efectos de múltiples factores de estrés y sus efectos acumulativos en los cultivos. Las misiones satelitales europeas nuevas y previstas están proporcionando datos de alta resolución espacial, espectral y temporal, que brindan la oportunidad no sólo de comprender y supervisar los efectos de un único factor de estrés en los cultivos, sino también de múltiples factores de estrés. Por otro lado, desarrollar productos que puedan utilizarse para vigilar estos factores de estrés y proporcionar una hoja de ruta científica para el futuro desarrollo de productos y técnicas de observación de la Tierra para vigilar múltiples factores de estrés de los cultivos.

En el marco de estos proyectos, se realizarán también vuelos con dron y cámara hiperespectral, tratándose éstos de vuelos periódicos, aproximadamente cada 15 días, sobre recintos dentro de las tablas que se cultivarán en cada campaña en la zona de Hato Blanco, así como en zonas del área de vuelo restringido LER154, para llevar a cabo un seguimiento de la planta en las etapas de macollaje, etapa crítica de macollaje productivo (N-n), empalme, arranque, descabezado y llenado