Haciendo uso del aprendizaje automático o machine learning se entrenaron modelos, que teniendo en cuenta variables como temperatura, humedad, punto de rocío (momento a partir del cual se condensa el vapor de agua que hay en la atmósfera y se genera escarcha, neblina o rocío) y precipitación o lluvia, detectaron con un 91 % de eficacia las heladas que impactan los cultivos de flores de la sabana de Bogotá. El aporte ofrece un margen de acción de hasta por lo menos 10 horas para atender la alerta.
Los cultivos de flores ubicados en el altiplano
cundiboyacense -en altitudes superiores a 2.500 metros sobre el nivel del mar
(msnm)- son algunos de los más susceptibles a afrontar las heladas, fenómeno
meteorológico que ocurre cuando la temperatura ambiente disminuye a valores
iguales o inferiores a 0 °C (punto en el que se congela el agua), momento en el
que el frío intenso cubre con un manto de hielo o escarcha las plantas.
El Instituto de Hidrología, Meteorología y Estudios
Ambientales (Ideam) indica que, “desde la agrometereología, una helada es la
temperatura a la cual los tejidos de la planta comienzan a sufrir daño. En esta
definición entran en juego aspectos fisiológicos, como la resistencia o
susceptibilidad del cultivo a bajas temperaturas en sus diferentes estados de
desarrollo, altura de la planta sobre el nivel del suelo y la temperatura de la
hoja”.
Ante esta situación, Evelin Calderón Caro, estudiante de la
Maestría en Ingeniería – Analítica de la Facultad de Minas de la Universidad
Nacional de Colombia (UNAL) Sede Medellín, identificó que hacía falta entender más
el clima y su influencia dentro del ciclo de vida de las flores.
Lo anterior sumado a que las heladas se presentan con más
frecuencia entre noviembre y febrero, meses cruciales para la exportación de
flores en el país, debido a la demanda del mercado estadounidense por la
celebración del Día de San Valentín, el 14 de febrero.
Con el apoyo de Soluciones Wiga y Growers Hub Trading (GHT),
red de empresas dedicadas a la producción, exportación y comercialización de
flores con cultivos en Colombia, y en Ecuador, además de una red de
importadoras, comercializadoras, bouqueteras y distribuidoras en Estados
Unidos, se desarrolló un modelo de predicción temprana de heladas basado en la
relación entre estos eventos y las variables climáticas, a través de la implementación
de algoritmos de aprendizaje de máquinas.
“Para las flores la temperatura se mide por grados/día, que
es la acumulación de temperatura que necesitan estas especies para florecer.
Identificamos que para las heladas se tenían ciertas reglas: si para el medio
día la temperatura aumentaba a cierto valor, o si entre las 8:00 pm y las 9:00
am estaba por debajo de 10 °C, ya se tenía la idea de que iba a ocurrir una
helada”, menciona la ingeniera agrónoma.
Método de predicción
Temperatura, humedad relativa, punto de rocío, radiación
fotosintéticamente activa y precipitación, constituyeron las variables
explicativas de los eventos de heladas. Para la obtención de estas y el
entrenamiento de los modelos se utilizó información recopilada de 13 estaciones
meteorológicas ubicadas entre el norte y el occidente de la sabana de Bogotá
dentro de predios de cultivos de flores pertenecientes a GHT.
En el trabajo de campo se había identificado que en las
horas previas a la ocurrencia de una helada se presenta baja humedad, bajo
punto de rocío y alta radiación. Así, surgieron cinco modelos de aprendizaje de
máquinas.
El desempeño de cuatro de ellos fue satisfactorio y
ofrecieron métricas de evaluación superiores al 91 %. Las métricas utilizadas
para la evaluación del rendimiento de los cinco métodos fueron precisión,
sensibilidad (tasa de verdaderos positivos), especificidad (tasa de verdaderos
negativos), exactitud y puntuación.
“La validación cruzada y el análisis estadístico demostraron
que el modelo de potenciación del gradiente para la detección de heladas
presentó la mayor precisión”, explica la investigadora.
Otro resultado del trabajo es la predicción con una ventana
de tiempo más amplia que permite mayor rango de acción ante esta situación. “En
la revisión de la literatura de los modelos desarrollados en los últimos años
tenían apenas un lapso entre dos y tres horas, seguro porque en otros países
los invernaderos tienen un mayor nivel de automatización, mientras que acá
necesitábamos más de 10 horas desde que se emite la alerta de helada porque las
personas tienen que desplazarse al campo y hacer una activación manual de los
sistemas de riego”.
La primera versión del modelo se implementó en 2020, para la
temporada de heladas, con un monitoreo en tiempo real a través de las
estaciones que miden la temperatura, identificando cuando esta alcanzaba
valores iguales o inferiores a 0 °C y si el modelo efectuaba la predicción
(probabilidad de ocurrencia de helada superior al 50 %).
Entre 2020 y 2021 se hicieron ajustes y actualizaciones, y
la última temporada inició en noviembre de 2022 hasta febrero de 2023, el
monitoreo realizado a las 13 estaciones permitió la predicción de todas las
heladas que ocurrieron, lo cual evidencia su eficacia.
Aunque aún no se tienen cifras establecidas en términos
monetarios, esta implementación contribuye a mitigar el impacto de las heladas,
un mejor despliegue de las estrategias y un ahorro en recursos como el agua, el
transporte, el tiempo y toda la gestión que se requiere para atender una alerta
de helada, sumado al ahorro de los costos de producción al evitar que se
reduzca tanto la calidad como la cantidad de las flores.
