La precisión obtenida con estos nuevos sensores permite la aplicación a otros ámbitos donde la detección de humedad es importante

La nueva generación de sensores agrícolas desarrollados por el grupo de investigación PRISMA de la Politécnica de Cartagena permite conocer parámetros del suelo que estimarían el estado energético del suelo y su capacidad de retención de agua para adaptar y optimizar los riegos, posibilitando también la automatización de estrategias de riego deficitario utilizando Inteligencia Artificial para predecir con precisión el estado hídrico de las parcelas de cultivo. 

Estos sensores son el objeto principal de la tesis doctoral que Juan Domingo González acaba de defender en la UPCT y que ha cosechado mención europea de calidad por sus estancias investigadoras en Reino Unido y Estados Unidos. Dirigida por los profesores de la Escuela de Industriales Roque Torres y Ana Toledo, la investigación ha generado equipos de medición del agua en el suelo más sofisticados que los que actualmente utiliza la agricultura de precisión. 

“Lo convencional es medir el volumen de agua en el suelo, pero con estos sensores podrían estimarse propiedades físicas de interés, como la densidad o la textura del suelo”, explica Roque Torres y pone como ejemplo las diferentes capacidades de retención hídrica de los terrenos arenosos frente a los arcillosos. “Saber si el suelo tiene mayor o menor capacidad de retención permite adaptar el riego para no derrochar ni una gota de agua”, remarca. 

“No hay sensores así en el mercado”, subraya el autor de la tesis, indicando que esta evolución tecnológica facilita la optimización del riego y tiene otros potenciales usos, como la detección de humedad en cargamentos de cereal para evitar el desperdicio alimentario. 

La tesis muestra también los resultados obtenidos por los investigadores de la UPCT en ensayos con cultivos de cerezos, logrando reducir hasta un 45% el riego en verano utilizando estrategias deficitarias sin afectar a la producción, y demuestra que el uso de algoritmos de Inteligencia Artificial junto con sensores de suelo e información sobre el clima permite automatizar estrategias de riego deficitario.