Knowledge-based and data-driven agriculture tools for irrigation of permanent crops: Herramientas agrícolas basadas en conocimiento y datos para el riego de cultivos permanentes.

Las entidades que promueven el actual proyecto KODA-IPEC (Knowledge-based and data-driven Agriculture tools for Irrigation of Permanent Crops) proponen la construcción de una herramienta de agricultura inteligente y sostenible que ayude a los agricultores españoles dedicados a distintos cultivos leñosos (olivar, almendro, cítricos y aguacate) a realizar una gestión inteligente del riego y la ferti-irrigación, incluyendo el desarrollo de estrategias fitosanitarias eficientes. La herramienta estará basada, entre otras, en las tecnologías de Big Data, Internet de las Cosas (IoT) e Inteligencia Artificial (AI) y ayudará a estos agricultores en la gestión de diversos ámbitos relevantes de sus cultivos.

El proyecto KODA va a intentar responder a los principales retos que afectan al consumo del recurso hídrico y otros insumos agrícolas, tanto desde una perspectiva macro como microeconómica, optimizando tanto la cantidad de riego a emplear (una perspectiva macro adaptada al cambio climático) como el momento de riego (perspectiva micro que mejora la rentabilidad de las explotaciones).

El objetivo técnico global de KODA-IPEC es diseñar y construir una plataforma de monitorización inteligente de diferentes cultivos leñosos, que va a estar constituida por los siguientes componentes:

• Amplio espectro de sensores sobre el terreno capaces de describir con un excepcional nivel de detalle y exhaustividad el contexto clima-suelo-planta en que se desarrollan los cultivos leñosos seleccionados (olivar, cítricos, almendro y aguacate)
• Infraestructura de servicios Big Data que no sólo actuará como repositorio eficiente de la información relevante para el cultivo, tanto información de Teledetección como la obtenida a partir del anteriormente citado conjunto de sensores IoT, sino que permitirá la gobernanza del dato en todo su ciclo de vida: captura, almacenamiento, limpieza, análisis y explotación.
• Componentes basados en AI que permitan analizar eficientemente la información masiva generada y construir algoritmos descriptivos y predictivos con los que elaborar DSS de apoyo a la gestión optimizada del riego y la fertirrigación.

El proyecto KODA está siendo muy fructífero en resultados, tanto en investigación básica como en aplicada, y en su transferencia de soluciones para agricultores. Estos son algunas de las comunicaciones presentadas en congresos realizadas por investigadores de la Universidad Rey Juan Carlos, el Instituto de Agricultura Sostenible y Drimay:

1. Comunicación presentada en el ITSE (https://itise.ugr.es/) celebrado del 16 al 18 de julio del 2025 en Gran Canaria, España: Generoso-Gutierrez, O., Simón de Blas, C., Torres-Martín, J.R., y Ana Elisabeth García Sipols (2025) Prediction of Evapotranspiration with Combined Models and Recurrent Neural Networks. 11th International conference on Time Series and Forecasting. Gran Canaria, Spain.

2. Dos comunicaciones aceptadas en el congreso Innocomp (https://innocomp.eu/) que se celebrará del 22 al 24 de octubre del 2025 en Cluj-Napoca, Rumanía:

• • Torres-Martín, J.R., Carrión-García Y., Velarde-Gestera, J.M., Mora-Jiménez, I. y Chidean, M.I. (2025). Applying L-Moments Statistical Theory to Analyze Real-World Sensor Data from Orchards.Innovative Perspectives on Computational Intelligence and Data Science, Cluj-Napoca, Rumanía.
  • Carrión-García Y., Torres-Martín, J.R., Mora-Jiménez, I., Velarde-Gestera, J.M.y Chidean, M.I. (2025). L-Moments for Robust Temporal Data Drift Monitoring in Agricultural IoT Systems. Innovative Perspectives on Computational Intelligence and Data Science, Cluj-Napoca, Rumanía.

3. Comunicación aceptada en el congreso CADAT (https://www.iaria.org/conferences2025/CADAT25.html) que se celebrará del 26 al 30 de octubre del 2025 en Barcelona, España: Martínez-Marquina, L.T., Torres-Martín, J.R., Velarde-Gestera, J.M., Román-Écija M., León-Ropero G., Trapero-Casas J.L., Navas-Cortés J.A., Chidean, M.I. y Mora-Jiménez, I. (2025) Advanced Statistical Analysis of Physiological and Spectral Traits for the Early Detection of Xylella fastidiosa in Almond Trees. The Second International Conference on Accessible Digital Agriculture Technologies, Barcelona, España.