El equipo de Data Science de Sima presentó “un nuevo modelo de predicción de fenología”, que desarrolló en conjunto con la Sede de Rosario de la Facultad de Ciencias Empresariales de la Universidad Austral.
Nuevo modelo de predicción de fenología para optimizar la toma de decisiones
La agtech Sima presentó una innovación que desarrolló junto a la sede rosarina de la Universidad Austral
14 de septiembre 2023 · 06:00hs
El equipo de Data Science de Sima está liderado por Pedro Lafluf, y cuenta con la participación de Bruno Cocitto, Ligia Tantucci y Ana Laura Cardoso.
La actividad tuvo lugar en el Congreso Argentino de Agroinformática, que se llevó a cabo en el marco de las 52° Jornadas Argentinas de Informática (Jaiio), que se realizó en la Sede Posgrado de la Universidad Nacional de Tres de Febrero (UNTREF), de la Ciudad de Buenos Aires.
Se trató de una charla a cargo de Guillermo Leale, consultor de Sima y parte del equipo de la Austral, frente a expertos y referentes del área agtech, donde compartieron con la comunidad el método y los resultados de la investigación.
La innovación, que añade como característica destacada su simplicidad, se enfoca en la predicción de fenología con un enfoque simple, utilizando la “regresión logística”.
Por parte de SIMA, el equipo de Data Science está liderado por Pedro Lafluf, y cuenta con la participación de Bruno Cocitto, Ligia Tantucci y Ana Laura Cardoso.
En representación de la Austral, participaron Fernanda Méndez y Guillermo Leale, como primer autor.
El aporte de este nuevo desarrollo
“La Regresión Logística es un método clásico de la Ciencia de Datos, que emplea una fórmula matemática con la que, a partir de una serie de variables de entrada, puede predecirse una salida. Todo ello con un bajo costo computacional: no son necesarios recursos de alta velocidad de procesamiento o almacenamiento en computadora”, describió Leale.
Con este enfoque, y utilizando una cantidad mínima de variables simples, en contraposición a los métodos que se venían aplicando con información compleja, el especialista explicó que “Simalogró una excelente tasa de aciertos, superior al 90%, para predecir todos los estadios fenológicos, tanto en maíz como en trigo”.
Para llegar a estos resultados, se utilizaron cuatro variables de entrada, todas ellas registradas con la aplicación de la agtech, sin necesidad de datos complejos como por ejemplo aquellos provenientes de satélites.
“La fenología como característica se refiere al grado de madurez fisiológica de las plantas. Es de particular interés conocer la fenología de los principales cultivos, especialmente de aquellos que tienen importancia económica en Argentina. La razón de este interés está fundado en muchas ventajas que pueden obtenerse de este conocimiento, entre ellos una determinación del estadio reproductivo de la planta, y una gran ayuda a la predicción del rendimiento de la misma, ambas tareas fundamentales para la toma de decisiones por parte del productor agropecuario”, resaltó Leale.
La ventaja de utilizar datos simples se apoya en el gran volumen de información y cobertura regional que posee la aplicación de Sima con datos reales, que permite por primera vez realizar un estudio de este tipo, por fuera de los estudios tradicionales, que se apoyan en datos generalmente escasos y experimentales.
Para tener una validación de este método en comparación con otros conocidos, el predictor basado en “Regresión logística” logra resultados similares a los modelos computacionales complejos, con mínima pérdida de performance, a la vez que utiliza muchos menos recursos, destacándose “su eficiencia con mínimos tiempos y costos”.
“La importancia de tener este modelo es el de presentar a la comunidad de agtech una propuesta para ayudar a mejorar la toma de decisiones y la planificación de la producción agropecuaria”, agregó Leale.
Por último, cabe destacar que el trabajo es el resultado de dos años de investigación y trabajo conjunto entre las partes en un proyecto todavía vigente que pretende estudiar, entre otros, los problemas abiertos de predicción de rendimiento, identificación de cultivos y anticipación de adversidades de las plantas.
Los resultados de esta investigación serán de interés tanto para la comunidad científica como para el mejoramiento de productos, servicios y procesos de Sima, la agtech rosarina nacida en 2015 con el objetivo de ofrecer a los productores una plataforma simple, completa e inteligente para monitorear, controlar y analizar datos y hoy la empresa está presente en 8 países de América latina y cuenta con más de 7,3 millones de hectáreas monitoreadas pagas.