Severity: Warning
Message: fopen(C:\Websites\Macrofacultad\macrofacultad.cl\application\ci_sessions\dot_sessionuqr0p3qrh46f8fv5es9d8lq0vb): failed to open stream: Invalid argument
Filename: drivers/Session_files_driver.php
Line Number: 156
Backtrace:
File: C:\Websites\Macrofacultad\macrofacultad.cl\application\controllers\Articulo.php
Line: 9
Function: __construct
File: C:\Websites\Macrofacultad\macrofacultad.cl\index.php
Line: 312
Function: require_once
Severity: Warning
Message: session_start(): Failed to read session data: user (path: C:\Websites\Macrofacultad\macrofacultad.cl\application\ci_sessions)
Filename: Session/Session.php
Line Number: 140
Backtrace:
File: C:\Websites\Macrofacultad\macrofacultad.cl\application\controllers\Articulo.php
Line: 9
Function: __construct
File: C:\Websites\Macrofacultad\macrofacultad.cl\index.php
Line: 312
Function: require_once
Publicado el 28 de August del 2020
Compartir
Basado en técnicas de inteligencia artificial, entrega alertas con 12 horas de anticipación respecto a la ocurrencia de una helada, su duración e intensidad. Tecnología desarrollada desde el Data Science Lab de la Facultad de Ingeniería y que está adaptada a las condiciones climáticas de la zona.
Una eficiencia superior al 90% ha demostrado el sistema predictivo de pronóstico de heladas, desarrollado desde el Data Science Lab de la Facultad de Ingeniería de la Universidad de Talca. El sistema que es financiado a través del Fondo de Innovación para la Competitividad (FIC) del Gobierno Regional del Maule.
El director del Data Science Lab de la UTalca, José Antonio Reyes, explicó que la innovación basada en técnicas de inteligencia artificial busca entregar certezas a los productores a través del análisis de los registros climáticos históricos que entregan las estaciones meteorológicas públicas –más 50 en total– y otras estaciones instaladas para tal efecto, que les permite lograr predicciones con una alto nivel de eficiencia.
“Lo que hace es buscar relaciones complejas o patrones que se integran en un modelo matemático complejo. Con las condiciones climáticas de las últimas 12 horas alimentamos el modelo y este nos indica en cuál zona hay probabilidad de helada, si esta será de corta o larga duración y cuánto va a bajar el termómetro”, precisó Reyes.
En la página web alertfrost.cl los productores pueden elegir las zonas de las cuales quieren recibir alertas e indicar si desean que estas lleguen a su correo electrónico diariamente o solo cuando se pronostique una baja drástica de temperatura.
Uno de los usuarios del sistema, Hernán Burgos, de la Compañía Forestal Santa Inés en Teno, destacó las ventajas del mismo. “Lo tengo configurado para que me alerte diariamente y hasta el momento ha sido bien certero”, afirmó.
“Si viene una helada fuerte, por supuesto que podríamos tener algún daño, pero con una advertencia previa, podríamos implementar un sistema de turbinas móviles, ventiladores o, a la antigua, quemar neumáticos, aunque la idea no es contaminar. Gracias este sistema podemos implementar ciertos manejos”, detalló.
Proyecciones
Si bien, actualmente los pronósticos climáticos son accesibles a través de páginas web o smartphones, algunos huertos no siguen las tendencias de las estaciones públicas. El profesor José Antonio Reyes enfatizó que “lo que entregamos es confiabilidad, pues tenemos un sistema más robusto que el que entrega Meteorología de Chile. Hemos observado que una de cada tres ocasiones, los pronósticos no coinciden y hemos pronosticado heladas que ellos no han alertado, por tanto, entregamos certezas que los agricultores están buscando”.
Además de mantener de forma gratuita el sistema predictivo AlertFrost, desde el Data Sciencie Lab de la Facultad de Ingeniería, también están implementando alertas adaptadas a la realidad de huertos particulares.
“Es un sistema que, si bien no es gratuito, involucra el modelamiento dentro de un mismo huerto, esto porque hay zonas dentro de un mismo campo que se comportante de forma distinta, algunos sectores se congelan y otros no. Desarrollamos una metodología para poder evaluar, calibrar y optimizar modelos predictivos que nos entreguen una sectorización de heladas con una eficiencia superior al 90 por ciento”, indicó el investigador.
El académico agregó que “podemos entregar alertas respecto de otras condiciones climáticas particulares que requiere un productor, por ejemplo, otros niveles de temperaturas necesarias para un cultivo en un determinado período de tiempo”. Entre uno y dos meses, a través de la inteligencia artificial, pueden desarrollar un modelo predictivo para un terreno específico y plantación específica.
