Digitalización de la toma de decisiones en el sector agrícola a través de un sistema de gestión de información basada en Internet de las Cosas

Abstract

En base al incremento de la población mundial y reducción de recursos alimentarios disponibles, es necesario que la optimización de los métodos agrícolas mejore con el fin de aprovechar los avances tecnológicos que facilitan la realización de las tareas agrícolas transformando las explotaciones agrarias en sistemas de producción eficientes que garanticen la sostenibilidad con el medioambiente.

A medida que la agricultura se vuelve más intensiva, tener acceso a información precisa adaptada a lugares y condiciones específicas es imprescindible para mejorar la eficiencia de las explotaciones agrícolas. Por ello, el sector tiene que estar preparado para capturar, almacenar y procesar grandes conjuntos de datos de diferentes orígenes y desarrollar aplicaciones capaces de responder de forma eficiente a las necesidades del sector. Las soluciones desarrolladas deben convertir la información en conocimiento y facilitar a los agricultores la toma de decisiones en las explotaciones agrícolas, evolucionando así desde una agricultura intuitiva a una agricultura científica e inteligente.

Son diversos los obstáculos que el sector agrícola tiene que superar para que el proceso de digitalización se generalice con el objeto de reducir los posibles inconvenientes, por ello, esta Tesis Doctoral tiene dos objetivos claros. Por una parte, dar sentido a la enorme cantidad de datos que genera el sector y a la ausencia de análisis que imposibilita su interpretación para mejorar el rendimiento de sus explotaciones. Y por otra parte, integrar toda la información en una plataforma abierta e interoperable, basada en Internet de las Cosas (IdC), capaz de mejorar la toma de decisiones basadas en datos para el sector agrícola. De acuerdo a estos requerimientos se han fijado los siguientes objetivos:

O1.Reconocer y agregar aquellos conjunto de datos relativos a la gestión de los recursos naturales de las explotaciones agrícolas. Desplegar arquitecturas estandarizadas que sean capaces de gestionarlos. O2. Analizar, adaptar y mejorar los modelos de información existentes y, si es necesario, introducir nuevos para el sector agroalimentario que faciliten el intercambio de datos y la interoperabilidad. O3. Uso de plataforma abierta siguiendo un modelo de capas para permitir, por un lado, la flexibilidad en su diseño y al tiempo la modularización de sus componentes que posibiliten diferentes tipos de despliegues en función de los escenarios de infraestructuras inteligentes que deseemos abordar. O4. Procesado inteligente de datos para la extracción de patrones y modelos del sistema bajo monitorización. Estos modelos servirán para proporcionar valores predictivos, y formarán parte del proceso de optimización del sector. O5.Implementar herramientas de ayuda a la toma de decisión sobre los cultivos, gestión del agua para riego y eficiencia energética, junto con la puesta en marcha de servicios asociados con la integración de datos en sus diferentes aspectos técnicos, institucionales, jurídicos y sociales.

El principal catalizador de esta Tesis son los datos reales utilizados en el sector agrícola. La capacidad de expresar en un modelo de información los conceptos y relaciones de los datos de una explotación agrícola resulta importante para que los técnicos responsables puedan manifestar de forma clara cuáles son las acciones permitidas y prohibidas para evitar un mal uso de la gestión de la información. No solo es útil para los técnicos agrícolas, sino para los proveedores de servicios u otras empresas agrícolas ya que les permite conocer con precisión qué recursos pueden obtener y reutilizar para evitar duplicidad de datos y generar mecanismos que permitan mejorar la interoperabilidad del sector agrícola. Por estos motivos, el uso de modelos de información se considera beneficioso para permitir la integración de cualquier servicio, dispositivo o elemento característico dentro del sector agroalimentario.

La arquitectura basada en IdC nos posibilita el despliegue de sistemas que permiten la fusión de datos y la integración de procedimientos de análisis de datos, con el objetivo de mejorar la digitalización de la agricultura mediante la creación de nuevos servicios que mejoren la toma de decisiones. Una arquitectura basada en IdC permite la integración de dispositivos de diferentes proveedores, instrumentar normas e interfaces abiertas y modelos de información para mejorar la toma de decisiones del sector agrícola que se han mapeado al modelo de datos basado en NGSI-LD. Adicionalmente, explota la información almacenada para analizar los factores asociados al proceso productivo, la evolución de los cultivos y el uso óptimo del agua de riego en las explotaciones agrícolas. El paso dado al adoptar NGSI-LD contribuye, activamente, al crecimiento de los modelos para la agricultura representando un paso importante para materializar la oportunidad de generar un mercado global de soluciones que dote de inteligencia al sector agroalimentario. Al hacer esto, las técnicas aplicables al sector agrícola pueden mejorar significativamente y permitir obtener rendimientos sociales, económicos y ambientales sostenibles más elevados. Además, la gama de servicios que puede llegar a ofrecer la arquitectura se puede ampliar, como resultado del nivel de interoperabilidad logrado.

Por último, se ha comprobado que gracias a la integración de datos dispares mediante la arquitectura propuesta se han desarrollado servicios que permiten mejorar la realización de las tareas agrícolas diarias. Dado que uno de los principales consumidores de energía de las explotaciones agrícolas son los pozos de riego se monitoriza el bombeo agrícola. Por ello, se han integrado indicadores energéticos que previenen el consumo en periodos de tarificación elevados y mejoran el mantenimiento de las instalaciones; teniendo en cuenta los cambios que se van a producir en la facturación eléctrica agrícola estos mecanismos de monitorización avanzados van a permitir abaratar los gastos de las explotaciones agrícolas. Otro elemento a tener en cuenta viene marcado por la variabilidad climática en la que nos encontramos y que nos obliga a calcular las condiciones actuales que determinan el comportamiento de las variedades de cultivo en zonas geográficamente distintas, concretamente de los frutales de hueso. El diseño de un sistema que determine estas condiciones mejora la toma de decisiones sobre el grado de adaptación climática de las variedades a cada zona; lo que conlleva un aumento de la productividad de los árboles y anticipa escenarios para la alerta temprana sobre la conveniencia de ubicar variedades en zonas en función de sus requerimientos de frío y del riesgo de heladas.

Based on the increase in world population and on the reduction in the available food resources, the optimization of farming methods needs to be improved in order to make better use of technological developments. These advances facilitate the execution of agricultural practices by transforming farms into efficient production systems that guarantee environmental sustainability.

As farming becomes more intensive, having access to accurate information tailored to specific locations and conditions is essential to improve farm efficiency. Therefore, the sector needs to be prepared to capture, store and process large data sets from different sources and develop applications capable of responding efficiently to the sector's needs. The solutions developed must convert information into knowledge and facilitate farmers' on-farm decision-making, thus evolving from intuitive farming to scientific and intelligent farming.

There are several obstacles that the agricultural sector has to overcome for the digitalization process to become widespread in order to reduce the potential drawbacks, so this doctoral Thesis has two clear objectives. On the one hand, to make sense of the enormous amount of data generated by the sector and the lack of analysis that makes it impossible to interpret it to improve its farms' performance. Furthermore, on the other hand, integrating all the information into an open and interoperable platform based on the Internet of Things (IoT) can improve data-driven decision-making for the agricultural sector. According to these requirements, the following objectives have been set:

O1.To recognize and aggregate those datasets related to the management of natural resources of agricultural holdings. Deploy standardized architectures capable of managing them. O2. To analyze, adapt and improve existing information models and, if necessary, introduce new ones for the agri-food sector that facilitate data exchange and interoperability. O3. Use of an open platform following a layered model to allow, on the one hand, flexibility in its design and, at the same time, the modularisation of its components to enable different types of deployments depending on the smart infrastructure scenarios we wish to address. O4. Intelligent data processing for the extraction of patterns and models of the system under monitoring. These models will serve to provide predictive values and will form part of the sector optimization process. O5.Implement decision support tools for crops, irrigation water management, and energy efficiency, and the implementation of services associated with integrating data in its different technical, institutional, legal, and social aspects.

The primary catalyst for this Thesis is the actual data used in the agricultural sector. The ability to express in an information model the concepts and relationships of the data of a farm is essential for the responsible technicians to clearly state what actions are allowed and forbidden to avoid misuse of information management. This is essential for agricultural technicians and service providers or other agricultural companies as it allows them to know which resources they can obtain and reuse to avoid duplication of data and generate mechanisms to improve the interoperability of the agricultural sector. For these reasons, the use of information models is considered beneficial to enable integrating any service, device, or characteristic element within the agri-food sector.

The IoT-based architecture enables us to deploy systems that allow the fusion of data and the integration of data analysis procedures to improve the digitization of agriculture by creating new services that improve decision-making. An IoT-based architecture allows the integration of devices from different vendors, implementing open standards and interfaces and information models to improve decision making in the agricultural sector mapped to the NGSI-LD-based data model. In addition, it exploits the stored information to analyze factors associated with the production process, crop evolution, and optimal use of irrigation water on farms. The move to adopt NGSI-LD actively contributes to the growth of models for agriculture and represents an important step towards realizing the opportunity to generate a global market for solutions that provide intelligence to the agri-food sector. In doing so, the techniques applicable to the agricultural sector can be significantly improved and enable higher sustainable social, economic, and environmental returns. In addition, the range of services that the architecture can offer can be extended as a result of the level of interoperability achieved.

Finally, it has been found that by integrating disparate data through the proposed architecture, services have been developed to improve the performance of daily agricultural tasks. As one of the primary energy consumers on farms are irrigation wells, agricultural pumping is monitored. For this reason, energy indicators have been integrated to prevent consumption in high tariff periods and improve the maintenance of the installations, taking into account the changes that are going to take place in agricultural electricity billing; these advanced monitoring mechanisms will enable farms to reduce their costs. Another element to be taken into account is marked by the climatic variability in which we find ourselves, which forces us to calculate the current conditions that determine the behavior of crop varieties in geographically different areas, specifically stone fruit trees. The design of a system that determines these conditions improves decision-making on the degree of climatic adaptation of the varieties to each area; this leads to an increase in the productivity of the trees and anticipates scenarios for early warning on the convenience of locating varieties in areas according to their cold requirements and the risk of frost.