Il dottor Santos Gracia Villar, presidente della Fundación Universitaria Iberoamericana (Fondazione Universitaria Iberoamericana, FUNIBER), insieme al Dr. Luis Dzul López, rettore dell’Universidad Internacional Iberoamericana de México (Università Internazionale Iberoamericana del Messico, UNINI México), istituzione che fa parte della rete universitaria della Fondazione, partecipa a uno studio innovativo che combina dati sulle caratteristiche del suolo con tecniche di apprendimento automatico per ottimizzare la selezione delle colture e migliorare la produzione agricola.
L’agricoltura è un pilastro fondamentale dell’economia e del sostentamento di numerose regioni. La scelta adeguata delle colture è essenziale per massimizzare la produttività e la redditività delle aziende agricole. Tuttavia, gli agricoltori devono affrontare sfide significative nella selezione delle colture più appropriate per i loro terreni, poiché una scelta inadeguata può ridurre i raccolti e causare carenze alimentari.
Tradizionalmente, la selezione delle colture si è basata sull’esperienza empirica degli agricoltori e sulla consulenza di esperti. Tuttavia, questo approccio può essere soggettivo e non sempre tiene conto di tutte le variabili ambientali e del suolo che influenzano la crescita delle colture.
Lo studio in questione introduce un approccio innovativo che integra informazioni dettagliate sul suolo con modelli di apprendimento automatico per raccomandare le colture più adatte. È stato sviluppato un modello di apprendimento automatico denominato RFXG, che combina gli algoritmi Random Forest ed Extreme Gradient Boosting, per analizzare parametri quali umidità, livelli di azoto, potassio, fosforo, pH, precipitazioni e temperatura del suolo.
Per convalidare l’efficacia del modello RFXG, sono stati raccolti e pre-elaborati dati rilevanti e le sue prestazioni sono state confrontate con altri modelli di apprendimento automatico, tra cui classificatori come Extra Trees, Perceptron Multilayer, Random Forest, Decision Trees, Logistic Regression ed Extreme Gradient Boosting. Sono state applicate tecniche di ottimizzazione degli iperparametri e di validazione incrociata K-fold per garantire la robustezza del modello.
I risultati dello studio sono promettenti. Il modello RFXG ha raggiunto una precisione del 98% nella raccomandazione delle colture, superando i modelli di confronto. Questo alto livello di precisione indica che il modello è in grado di fornire raccomandazioni immediate e accurate, facilitando agli agricoltori il processo decisionale informato su quali colture piantare in base alle caratteristiche specifiche del loro terreno e alle condizioni ambientali.
L’implementazione di questo approccio ha implicazioni significative per l’agricoltura. Utilizzando modelli di apprendimento automatico che prendono in considerazione molteplici variabili del suolo e ambientali, gli agricoltori possono ottimizzare la selezione delle colture, aumentare i rendimenti e migliorare la sostenibilità delle loro pratiche agricole. Inoltre, questo metodo può contribuire alla sicurezza alimentare riducendo la probabilità di carenze alimentari derivanti da scelte colturali inadeguate.
Se desideri saperne di più su questo studio, clicca qui.
Per leggere altre ricerche, consulta l’archivio UNEATLANTICO.
La Fundación Universitaria Iberoamericana (FUNIBER) promuove diversi programmi di studio di master nel settore ambientale, come il Master in Ingegneria e Tecnologia Ambientale. Questo programma è ideale per coloro che desiderano contribuire attivamente alla protezione dell’ambiente e allo sviluppo sostenibile, acquisendo competenze pratiche e conoscenze aggiornate nel campo della gestione ambientale.
Non perdete l’opportunità di avanzare nella vostra carriera professionale e fare la differenza nel campo ambientale. Iscrivetevi subito a questo master e diventate leader nella sostenibilità.