Los beneficios de los datos de abiertos en el sector agrícola y forestal: el caso de Fruktia y Arbaria

Al igual que en otras industrias, la transformación digital está ayudando a cambiar las bases de funcionamiento del sector agrícola y forestal. Combinar tecnologías como la geolocalización o la inteligencia artificial y emplear conjuntos de datos abiertos para desarrollar nuevas herramientas de precisión está transformando la agricultura en una actividad cada vez más tecnológica y analítica.

En esta línea, desde las administraciones también se está avanzando para mejorar la gestión y la toma de decisiones ante los retos a los que nos enfrentamos. Así, el Ministerio de Agricultura, Pesca y Alimentación y el Ministerio para la Transición Ecológica y el Reto Demográfico han diseñado dos herramientas digitales que utilizan datos abiertos: Fruktia (previsión de cosechas en frutales) y Arbaria (gestión de incendios), respectivamente.

Predecir las cosechas para gestionar mejor las crisis

Fruktia es una herramienta predictiva desarrollada por el Ministerio de Agricultura para prever situaciones de sobreoferta en el sector de fruta de hueso y cítricos antes que los sistemas tradicionales de conocimiento de previsiones o aforos. Tras las crisis de precios sufridas en 2017 en fruta de hueso y en 2019 en cítricos debido a un exceso de oferta sobrevenida, se vio que la toma de decisiones para gestionar estas crisis basándose en sistemas de predicción tradicionales llegaron tarde y que era necesario adelantarse para adoptar medidas por parte de la administración e incluso por el propio sector más efectivas y que evitaran la caída de precios.

Como respuesta a esta crítica situación, desde el Ministerio de Agricultura decidieron elaborar una herramienta que fuese capaz de predecir las cosechas en función de la meteorología y los datos de producción de años anteriores. Una herramienta de uso interno del Ministerio y cuyo análisis se vería en las mesas de trabajo con el sector, pero que en ningún caso sería pública, evitando así su posible influencia en los mercados de una manera no controlable.

Fruktia existe gracias a que desde dicho ministerio han conseguido aunar la información procedente de dos vías principales: los datos abiertos y el conocimiento de expertos sectoriales. Estas fuentes de datos son recogidas por una Inteligencia Artificial que mediante tecnología Machine Learning y Deep Learning analiza la información para realizar previsiones concretas.

Los conjuntos de datos abiertos utilizados provienen de:

• Información de las estaciones meteorológicas de la Agencia Española de Meteorología (AEMET).
• Información procedente de estaciones agroclimáticas.

Con los datos anteriores y los datos estadísticos de estimaciones de cosecha de campañas pasadas (Avances de Producción y Anuarios del Ministerio de Agricultura, Pesca y Alimentación) junto con información específica del sector, Fruktia realiza dos tipos de predicciones de cosecha: a nivel regional (modelo de provincias) y a nivel explotación agrícola (modelo de recintos).

El modelo de provincias sirve para elaborar predicciones a nivel provincial (como indica su nombre) y analizar los resultados de cosechas anteriores con el objetivo de:

• Anticipar los excesos de producción.
• Prever las crisis del sector mejorando la toma de decisiones para gestionarlas.
• Estudiar la evolución de cada producto por provincias.

Dicho modelo, si bien ya está desarrollado, sigue mejorándose para lograr la mejor adaptación a la realidad independientemente de las condiciones meteorológicas que se den.

Por otra parte, el modelo de recintos (aún en desarrollo) tiene como finalidad:

• Previsiones de producción con un mayor nivel de detalle y para más productos (por ejemplo, se podrá conocer previsiones de producciones de cultivos de fruta de hueso como paraguayo o platerina de los que actualmente por fuentes estadísticas aún no tenemos información).
• Saber cómo afectan a las cosechas fenómenos meteorológicos concretos en distintas regiones.

El modelo de recintos aún se está diseñando, y cuando esté en pleno funcionamiento también contribuirá a:

• Mejorar la planificación de la comercialización.
• Anticipar los excesos de producción a un nivel más local o para una tipología de producto concreta.
• Predecir crisis antes de que se produzcan para anticiparse a sus efectos y no ir a una situación de caída de precios.
• Localizar zonas o recintos con problemas en campañas concretas.

En otras palabras, la finalidad última de Fruktia es lograr la simulación de distintos tipos de escenarios que sirvan para adelantarse a los problemas de cada cosecha mucho antes de que esta se produzca para adoptar las decisiones adecuadas desde las administraciones.

Arbaria: ciencia de datos para prevenir incendios forestales

Un año antes del nacimiento de Fruktia, en 2019, el Ministerio de Agricultura, Pesca y Alimentación diseñó una herramienta digital para la predicción de incendios forestales que, a su vez, es coordinada desde el punto de vista forestal por el Ministerio para la Transición Ecológica y el Reto Demográfico.

Bajo el nombre de Arbaria, esta iniciativa del Ejecutivo busca analizar y predecir el riesgo de ocurrencia de incendios en ámbitos temporales y territoriales concretos del territorio español. En particular, gracias al análisis de los datos utilizados, es capaz de analizar la influencia socioeconómica en la ocurrencia de incendios forestales a escala municipal y anticipar el riesgo de incendio en campaña de verano a nivel provincial, mejorando así el acceso a los recursos necesarios para atajarlo.

La herramienta utiliza el histórico de datos de fuentes de información abierta como la AEMET o el INE, y los registros de la Estadística General de Incendios Forestales (EGIF). Para ello, se utilizan técnicas de Inteligencia Artificial relacionadas con el Deep y el Machine Learning, así como la tecnología en la nube de Amazon Web Services.

Sin embargo, el nivel de precisión que ofrece una herramienta como Arbaria no se debe solamente a la tecnología con la que ha sido diseñada, sino a la calidad de los datos abiertos seleccionados.

Considerar la realidad demográfica de cada municipio como una variable más a tener en cuenta es importante a la hora de determinar el riesgo de incendio. Es decir, conocer el número de empresas asentadas en una localidad, la actividad económica desarrollada en la misma, los habitantes censados o la cantidad de explotaciones agrícolas o ganaderas presentes es relevante para poder anticiparse al riesgo y crear campañas preventivas orientadas a sectores específicos.

Además, el histórico de datos de incendios forestales aglutinado en la Estadística General de Incendios Forestales es uno de los más completos del mundo. Existe un registro general de incendios desde el año 1968 y otro especialmente exhaustivo desde la década de los 90 hasta la actualidad, que incluye datos como la localización y características de la superficie del incendio, medios utilizados en la extinción, tiempo de extinción, causas del incendio o daños y perjuicios en la zona, entre otros.

Iniciativas como Fruktia o Arbaria sirven para demostrar cuál es el potencial económico y social que puede extraerse de los conjuntos de datos abiertos. Ser capaces de predecir, por ejemplo, la cantidad de melocotones que darán los frutales de un municipio de Almería ayuda no solo a planificar la creación de empleo en una zona, sino también a garantizar que las ventas y el consumo en una zona se mantienen estables.

Igualmente, ser capaces de predecir el riesgo de incendios amplia las herramientas para poder realizar una planificación más adecuada de su prevención y extinción.