Tres científicas de Puerto Madryn, Ana Liberoff, Natalia Pessacg y Silvia Flaherty, utilizaron inteligencia artificial de Microsoft para crear un mapa de cultivos e identificar el tipo de prácticas que hay en cada parcela de la cuenca del río Chubut, que, con más de 57 mil metros cuadrados, es la segunda más extensa de la Patagonia. Nace en las zonas húmedas de las cordilleras de Río Negro y Chubut y desemboca en el Océano Atlántico. El cauce principal del río se extiende por 1.080 kilómetros, y en los últimos 100, se desarrolla el segundo valle irrigado en extensión de la Patagonia, alrededor del cual se erigen un complejo de ciudades y pueblos asociados históricamente con la actividad agrícola ganadera.

El proyecto

Ana Liberoff y Natalia Pessacg pertenecen al Instituto Patagónico para el Estudio de los Ecosistemas Continentales (IPEEC) del Cenpat y Silvia Flaherty, a la Universidad Nacional de la Patagonia San Juan Bosco. Desde hace seis años trabajan en la investigación de los servicios ecosistémicos.
En diciembre de 2018, a partir del programa “AI for Earth” de Microsoft, las científicas avanzaron un paso más en su investigación, formaron un grupo interdisciplinario integrado por expertas en biología, meteorología, sensores remotos, ingeniería electrónica y computación, con el propósito de crear un mapa de uso y cobertura del suelo para el Valle Inferior del Río Chubut.
Uno de los objetivos de este mapa es contar con tendencias de cambio de uso de suelo combinadas a cambio climático. Los efectos de este último, sumados a la transformación en la cobertura del suelo, pueden afectar la cantidad y calidad del agua del río. El 80% del agua del río se utiliza para el sistema agrícola ganadero, por eso, es muy importante la eficiencia del riego y estudiar qué se siembra y qué no en cada lugar.
Para lograrlo se necesita tener un mapa de cultivos e identificar el tipo de prácticas que hay en cada parcela. Eso solo ha sido posible, y mucho más preciso, a partir del uso de Inteligencia artificial e imágenes satelitales.
Los feedlots, lugares de engorde para vacas, son también un caso concreto donde la gestión de uso del territorio puede aplicarse. En vez de dejar que las vacas deambulen y coman por ahí, les entregan la comida concentrada; lo único que hacen es comer durante todo el día. Al estar ancladas en un lugar, crecen mucho más en menos tiempo. Los desechos que genera si no están bien controlados, confluyen en los canales y ríos. Contar con un mapa de este tipo permitirá definir cuáles son las zonas adecuadas y menos perjudiciales para ubicar el feedlot, lo que ayudará a controlar hacia dónde van esos desechos para no poner en riesgo el agua.

Único en la Patagonia

A su vez, Alexandra Trujillo, becaria doctoral del Instituto Patagónico de Ciencias Sociales y Humanas (IPCSH) también del Cenpat, es ingeniera electrónica, experta en Machine Learning/Deep Learning y se encargó de escribir una arquitectura nueva de modelo de deep learning para clasificar usos y coberturas a partir de imágenes satelitales. El modelo lo bautizaron como SatNet (por Satélite + Network) y se encuentra en proceso de registro académico. La aplicación de herramientas de inteligencia artificial vuelve al proyecto algo único en la Patagonia.
Si bien la clasificación de imágenes satelitales se puede hacer con distintas metodologías, la inteligencia artificial permite automatizar el proceso y repetirlo año con año de manera automática. Si se mira, por ejemplo, desde un satélite los cultivos se parecen mucho unos con otros y son muy difíciles de discriminar: cuáles son árboles, cuáles frutales, cuáles hortalizas o sólo pasturas.
Con herramientas de inteligencia artificial de Microsoft Azure lograron discriminar hortalizas -como la zanahoria, la lechuga y la cebolla-, los frutales -como la cereza y las manzanas- y algunas pasturas. Es aquí donde la inteligencia artificial ayuda a tomar la información de las imágenes, ya que para poder cuantificarlas es necesario saber qué hay en cada porción de tierra. Por eso, el mapa permite determinar áreas. Con deep learning y la creación de redes neuronales, al identificar ciertos patrones, se le enseña al modelo qué es cada cosa que ve para que después repita este ejercicio por su cuenta.

Cuidar nuestro recurso

Desde el glaciar Perito Moreno, los lagos de los Siete Colores hasta parques naturales como Los Alerces o ciudades como Puerto Madryn, el sur argentino está plagado de escenarios naturales donde conviven una importante diversidad de animales, especies vegetales, frutales y arbóreas y asentamientos humanos que despliegan sus necesidades y potencialidades urbanas.
La población total de la cuenca es de 300 mil habitantes, lo que representa la mitad de la población de la provincia de Chubut, concentrada en el Valle Inferior (95% de la población de la cuenca) distribuidos en un conjunto de siete ciudades y pueblos. El motor productivo y económico es la agricultura, la ganadería, la industria, el turismo y en menor medida, la generación de energía.
Estas actividades constituyen los principales usos del agua del Río Chubut. Sin embargo, el mayor consumidor de este recurso es el sector agrícola utilizado en específico para la producción de pasturas, alfalfa, hortalizas y frutales. El 91% de la superficie de cultivo bajo riego se encuentra en el Valle Inferior del Río Chubut.
En tiempos donde existe una creciente demanda del suelo, donde ciudades enteras aumentan su población y por tanto sus exigencias al medio ambiente, se vuelve clave contar con proyectos que tiendan a planificar de manera ordenada la distribución del territorio.
La gestión del territorio está asociada de manera directa a las prácticas de uso y cobertura del suelo y el cambio climático es un factor determinante en su implementación. Los modelos climáticos proyectan para la cabecera de la cuenca del Río Chubut un aumento de temperatura mayor a 1.5 °C y una disminución de la precipitación de entre 10 y 30%, lo que se traduce en una disminución de la producción de agua media anual de entre un 30 y un 40% para el periodo 2071-2100.