tv.um.es

Vale, vamos a empezar el taller. Bueno, ya hemos empezado la parte técnica del taller, vamos a empezar con ella. Aquí podemos ver la el programa que tenemos previsto en la. Hemos dividido en distintas sesiones o sesiones relacionadas con los distintos proyectos de los que vamos a ver hoy los resultados. Vamos a empezar con que es el proyecto prima, que está coordinado por, y luego pasaremos a otro proyecto de prima, que es que está coordinado por la Universidad de Murcia. En el caso de PREDIMED, la mitad de las presentaciones son remotas por zoom. Nuestros colegas ya están conectados, así que vamos a darles la bienvenida también a nuestra selección, y ahora voy a dar paso a María Fernanda para que gestione o coordine la sesión. Aquí por cierto. Todo lo turista, si se comparten. Lo único que lo único, cuando este contexto contexto aquí lo que tenga que estar muy pequeño para que se pueda transmitir, para que la vea, lo hacemos al. Laudista. Tiene para compartir, para que pueda compartir. Bueno, tías a todos ellos, siempre, Fernando Ortuño, pertenezco al departamento de riego de Tebas, y no voy a hacer la consola coordinadora del proyecto, voy a hacer una presentación así general de lo que es el proyecto para después pasar a los resultados donde mis compañeros, pues irán exponiendo por cada 1 de los resultados más relevantes del proyecto. Decir que este viene del título atrás no tienen Josep mediterránea del pabellón. Este es un proyecto que está financiado por la Fundación prima, concretamente de la sección 2, en él participan 5 socios, de los cuales con 4 países 2 europeos son España y Grecia 2 países del norte de África, que son Argelia y Túnez; 5 instituciones, una es una empresa que saudíes y 2 universidades, Universidad de Tass, Tesalia en Grecia y la Universidad de Stax. En Túnez también hay 2 centros de investigación de Investigaciones Científicas, agrarias, como son el en Argelia y el accésit. En España contextualizan un poquitín el proyecto. Pues como todos sabéis, pues efectivamente pasáis, serios problemas con la escasez de agua, por esto hay una necesidad, ya están haciendo grandes esfuerzos en la modernización de los sistemas de riego. Gracias a las tecnologías el avance de las tecnologías, pues se han hecho. Se han estado haciendo muchos estudios, sobre todo medidas en base a sensores, basados en aspectos fisiológicos de la planta, como pueden ser dentro o bien la temperatura también en base a sensores de suelo, de la humedad del suelo, como son las sondas, capacitiva, etc. Pero es hoy en día cuando el internet de las cosas en internet está teniendo una gran relevancia, esto es una serie de dispositivos que quieren y transmiten información y van a hacer datos. Perdón, y esto va a generar mucha información, es el llamado mediante una serie de procesos complejos. Esa información va a ser traducida para ser capaz de predecir situaciones y mejorar la toma de decisiones de los sistemas de toma de decisiones. Esto va a permitir tomar muchas soluciones o ampliar soluciones en lo que se refiere a la modernización del sistema de riego, lo cual adquiere mucha importancia, como digo, hoy en día. Por ello, el principal objetivo que nos planteamos que se planteó fue el desarrollo, validación y transferencia de un sistema de la toma de decisiones para mejorar, mejorar la eficiencia en el uso del agua y los nutrientes, integrando tanto el conocimiento de los fertilizantes como la eficiencia, como el manejo del agua del riego con tecnologías de la información y la comunicación, siempre siendo respetuosos con el medio ambiente y socio económicamente rentables. Con ello, el principal impacto previsto será mejorar la productividad de los cultivos a través de la reducción de costes e incrementar la rentabilidad de los cultivos, con una solución que minimiza el impacto medioambiental debido al uso sostenible de los recursos, y a la vez, se va a reducir las tareas de los agricultores, mientras también se va a ir generando un modelo de negocios para los diferentes escenarios de cultivo. Bueno, esto va a tener un gran impacto en los distintos grupos de interés dentro de la cadena agroalimentaria, como son los agricultores, consumidores, la sociedad, pero también medioambiente, importantísimo hoy en día, porque aquí se va a reducir el exceso de agua y fertilizantes y a la vez también se va a reducir el exiliado de esos contaminantes. De los fertilizantes a las aguas subterráneas. No en este proyecto se ha dividido en 5 paquetes de trabajo, el primero es el relacionado con las tareas de coordinación y gestión del proyecto y el último de comunicación, diseminación y explotación de los resultados, y nos vamos a centrar en lo que son las tareas propiamente científicas y técnicas, que son los 3 paquetes de trabajo que podéis ver en el centro. En primer lugar, lo que quisimos ver es saber los requisitos para los cultivos agrícolas, llevar una eficiencia en el riego de los cultivos agrícolas. Para ello se estuvo manteniendo reuniones o se habló con los agricultores para saber la necesidad que obtenían, las si las incertidumbres que tenían, relaciones o lo que les interesaba y a la vez también se cogió bibliografía de otros trabajos y de proyectos de investigación previos. Una vez que supimos estos requerimientos necesarios seleccionamos los 5 pilotos en los 4 países participantes del proyecto, hay que decir que no solo se trabajó en campo abierto sino también en invernadero, y los cultivos, pues son los que podéis ver allí en las tablas que están en la parte superior, una vez que se seleccionaron. Estas fincas piloto, se pasó a la instalación de las redes de sensores en campo y esas redes de sensores. Fueron conectadas días, pasarela a la plataforma que desarrolló que es la que podéis ver. Aquí no me voy a meter en detalles con esta plataforma, pero simplemente decir que es una plataforma con una estructura modular en capas, que tiene 3 capas; una, una capa en la que están los dispositivos físicos y adquirirlo, datos una capa de información, y finalmente la capa de servicios a esta plataforma se elevan a integrarlo. Modelos que se han ido desarrollando y se han ido estudiando a lo largo del proyecto y que ahora, posteriormente de la Universidad de Stax, expondrá algunos de estos resultados y una vez con todo esto, se ha desarrollado un deseo, un sistema, la toma de decisiones. Este sistema de toma de decisiones recientemente ha sido validado en las fincas, bueno y está siendo en algunos sitios que estaban siendo validado en la finca pilotos del proyecto; ahora, a continuación también habrá tanto Sofía de la Universidad ETA; salí como Andrés y Mohamed de la Universidad de y en Argelia expondrán los resultados de esta validación de los meses que se han desarrollado en el marco del proyecto. A continuación, se va, se va a exponer y bueno, la finalidad es conseguir un software, las series, no una plataforma en la que una aplicación a la que el agricultor acceda a sus inputs y, por tanto, pues pueda gestionar el riego de la manera más sostenible posible. Con esto acabó la presentación, porque es importante pasar a los resultados, que ya son la parte fuerte del proyecto. Pero sí que me gustaría agradecer a la Fundación Prima y a los organismos financiadores de cada 1 de los países participantes de un proyecto, porque, gracias a ellos, se han podido desarrollar estas tareas de investigación del proyecto y, por supuesto, agradecer a la Universidad de Murcia, y, más, concretamente, a la Facultad de Informática, puedes poder acoger él acogernos con esta jornada. Muchas gracias. Aquí tenéis los datos para cualquier cosa. La página web y las redes sociales también nos podéis encontrar en cualquier cosa. Estamos a vuestra disposición y nada más. Ahora ya sí que vamos a pasar a la exposición de los resultados del proyecto. No hay ahora voy a dar la palabra arrima gratis. Rima viene de la universidades, fax. De Túnez y nos va a hablar de el enfoque basado en la humedad del suelo para la agricultura de precisión. Puedes comenzar cuando quieras, puedes compartir la pantalla exacto. Gracias. Buenos días a todos soy rima, miembro del grupo Chem, del equipo, obtiene en nombre de mis compañeros y de la doctora, que es la investigadora principal. Voy a presentar mi proyecto. El enfoque basado en la humedad del suelo para la agricultura de presión, para el sistema de soporte a decisiones. Voy a empezar. Mi presentación vuelve a presentar el contexto y el enfoque basado en la humedad del suelo. Luego voy a hablar de centrarme en el foco principal. Luego presentaré el enfoque de la humedad del suelo. Lo voy a explicar más en detalle y la interfaz de programación de aplicaciones. En cuanto a la planificación del riego, lo primero es la evapotranspiración del cultivo. También tenemos la humedad del suelo y el estrés vegetal. La etapa de todo transpiración del cultivo, depende del clima y utilizamos ecuaciones matemáticas para ello, para calcular la evapotranspiración, así que la fórmula que se utiliza la propone la FAO y la fórmula incluye mini parámetros. Por eso, tenemos errores acumulados al siguiente enfoque es el de la humedad del suelo. Este enfoque se basa. Miramos a un sistema más preciso y el tercero es el del estrés vegetal. Aquí nos centramos más en la planta en sí así que para eso resumir. Tenemos el enfoque de la transpiración del cultivo, depende del clima y se basa en una ecuación con distintos parámetros. El segundo o el tercero. La positiva es el estrés vegetal. Que está en desarrollo ahora mismo no es muy sólido todavía basado en la humedad del suelo y es el principal de nuestro trabajo el que hemos seguido. Tenemos varias estrategias que se basan en la predicción de la humedad del suelo en los entornos de riego. Es muy importante tener en cuenta la humedad del suelo en la agricultura. El conocimiento de la solidez, la humedad del suelo futura, puede capturar distintas variaciones de la Tierra y del agua; de lo contrario es que sé de lo contrario sería muy difícil de capturar y por eso se evitarían decisiones de riego se evitan así decisiones no eficientes. La estrategia consiste en los siguientes pasos. Nutrir el clima, los datos de clima y del suelo en el modelo de Herning, el modelo basado en la humedad del suelo es importantes. Hay que prever el valor de la humedad del suelo futura y también hay que estimar la cantidad de riego basada en la humedad del suelo. Prevé prevista hemos aplicado distintas variaciones de la arquitectura de la humedad del suelo en el St de memoria a largo y corto plazo. Para todos los modelos los datos que se introducen se recuperan de medida mediciones del suelo y del clima, pero no de parámetros vegetales. Y por qué como he dicho anteriormente, es difícil y muy caro medir estos parámetros y también nos con no tenemos esos parámetros disponibles en nuestros conjuntos de datos, de así que lo que hicimos fue transparencia del aprendizaje, aquí se aplica para el modelo, ese teme, que es el de-y aquí no se considera que haya muchos datos. Por eso formamos el modelo a partir de los conjuntos de datos más amplios y luego se adaptó al precio, y eso es lo que eso es lo que nos referimos por la transferencia de aprendizaje. Lo que ha hecho el modelo es lo que hemos aprendido, lo hemos guardado en una capa, porque este las lecciones aprendidas están basadas en distintas capas. Hemos añadido una nueva capa en la base de datos de para poder tomar decisiones y hacer hacer previsiones, mejor dicho aquí se ve. La previsión de del modelo es el ST y tenemos aquí los marco temporal, los tenemos 30 minutos, 24 horas. Después, después de su, esperamos, lo hicimos durante 24 horas y cada 30 minutos. Teníamos nuevos datos aquí mencionamos: qué se mueve de Cosmos? Se pasa al cosmos. La línea naranja es el valor previsto y la línea azul es el valor real de humedad y, como decía el naranja, las previsiones. Aquí vimos el modelo de potenciación del gradiente extremo que presenta, una vez más en naranja esa previsión y el azul real, y vemos aquí la humedad del suelo. En 2019 hay ves Podemos que hay una pequeña diferencia entre las 2 líneas, la previsión y la real, y eso indica la gran capacidad de prepara, prever las resultados. Con este modelo. El siguiente enfoque es el hay explicable, está lo que se puede entender por parte de los un observador humano. La el ejemplo, la inteligencia artificial proporciona un modelo y dar a los seres humanos una forma de interpretar las predicciones realizadas por las máquinas o de forma automatizada. Según este ejemplo, el valor previsto de la humedad del suelo es este. Según este modelo, el valor previsto es de 17,28 por 100, así que la línea azul a la parte azul aquí es el parámetro de V WC, que es el contenido volumétricas de agua o la precipitación. Así que este tipo de parámetro hace que consiguiese consigan valores por debajo de las previstos en la franja roja, la humedad relativa y la radiación solar. Estos parámetros hacen que tengamos unas valores por encima de los previstos después de desarrollamos el resto a pie. El desarrollo de la interfaz de programación de aplicaciones Rees se basa en el desarrollo local. Como se muestra, vemos. Vemos aquí el desarrollo de la aplicación después de tener los valores previstos fuera. Tenemos que saber cómo calcular el resultado neto, cuál es la cantidad que tenemos que añadir al cultivo o a la planta. Aquí tenemos que ver el número de la cantidad de agua necesaria para rellenar el contenido de agua del suelo hasta la capacidad del terreno. La primera capacidad se considera parte de la gestión de riego. El límite superior de la gestión del riesgo es lo que se considera como el contenido de la capacidad del terreno. Tenemos aquí unos similares que dependen del tercer tipo. Por ejemplo, el FC es el capacidad del terreno que depende del tipo de suelo, menos la humedad del suelo actual. Así que de esta manera podemos ver cuál es la cantidad exacta que necesitamos, añadir a la planta. Tenemos que definir cuándo tengo que regar. Utilizamos esta fórmula, si la capacidad de agua disponible a WC es la cantidad total de agua disponible para la planta y tener, lo conseguimos con la capacidad del terreno, menos la el punto de permanente, y esto sólo está disponible por durante un período de tiempo muy breve, máximo 3 días, y luego se pierde el drenaje por debajo del las plantas. No pueden aplicar suficiente fuerza para extraer el agua que que queda y que. La desviación máxima permitida. Además, esa porción del agua total disponible -que se puede. Eliminar antes de que la planta experimente estrés hídrico y aquí hay que ver y de receta es la profundidad de la zona. Muchas gracias. Esta es nuestra aportación a este proyecto. Muchas gracias. Todo y ahora pasamos al turno de Mohamed en Argelia iba a hablar de la evaluación de las prácticas de riego para cítricos a nivel de explotación en el área, so supo húmeda de Argelia el caso de la región de Mohamed. Cuando quieras puedes empezar. Buenos días. Gracias. Gracias a María. Voy a compartir mi presentación. Puedes puedes compartir la pantalla con la presentación Mohamed. Vienen. Veis la presentación? Se vale. Buenos días de nuevo a todos. Voy a intentar presentar la evolución que hemos realizado en nuestro proyecto 2 explotaciones seleccionadas. Para ello el título es evaluación de las prácticas de riego en cítricos a nivel de explotación en el área, en una zona, su, en un área húmeda de Argelia, el caso de la región de mitin, que está situada en el centro de Argelia, y que es muy conocida por la producción de frutales y de verdura. Su a modo de introducción, puedo decir que teniendo en cuenta las condiciones de escasez de agua en las regiones del Mediterráneo exacerbadas por el cambio climático, el crecimiento de la población y el desarrollo de las actividades económicas, es necesario aumentar la eficiencia del uso del agua y de los nutrientes para tener una mayor producción en nuestro país. En Argelia. Somos un país situado en el norte de África. La las precipitaciones son muy irregulares y están muy mal distribuidas y el uso del riego en estas condiciones es esencial. Para una agricultura sostenible y debido a la escasez de agua, tenemos que desarrollar un sistema, un calendario de riego adecuado para o una agricultura sostenible, y también hay que conservar las los recursos naturales. Y realizar una gestión sostenible? En este contexto hay básicamente 3 herramientas de gestión. La medición del estado hídrico del suelo, la medición del estado hídrico de la planta y el método de balance hídrico, así que nuestra actividad se desarrolló en el centro de Argelia porque hay que tener en cuenta que hay otra finca experimental en el oeste, y los objetivos fue caracterizar la gestión del agua de riego, cítricos a nivel de explotación utilizando sensores de suelo, especialmente de 2000, la sonda DRIL Android, y el segundo objetivo es desarrollar un calendario de riego para los cítricos, basado en el modelo de balance hídrico, la ubicación, las características de la ubicación. Hay que tener en cuenta que el experimento se llevó a cabo durante 2 campañas sucesivas. En 2021 2022. Qué que el suelo es un suelo muy arcilloso? . 380 00:26:54,530 --> 00:26:55,000 Con. O el porcentaje de 42, 28 53 por 100 respectivamente, en capacidad de campo en el punto de marchita, miento permanente y 53 por 100 de saturación, así que el contenido total de agua disponible en el suelo era de 140 milímetros, con una densidad, pariente, con una media de 1 punto 23. En cuanto al cultivo, como he dicho, consistía en cítricos la variedad de la variedad con un espaciado entre árboles de 5 por 5 metros, el sistema de riego que se utilizó fue el de riego por goteo, como podemos ver en esta gráfica. Cada fila de árboles incluye 2 goteras. Lateral, 2 líneas o tuberías con a los lados, y cada árbol contaba con 4 goteras. La distancia entre las entre las líneas laterales de Otero será de 2,5. La distancia entre de los árboles será de un metro y, como he dicho, la distancia entre árboles era de 5 por 5 metros. Instalamos 2 sensores, era explotación o no es el 2000 que se instaló entre las filas de los árboles y el? Se instaló a 0 con 5 metros the Otero? . 404 00:28:58,530 --> 00:29:00,470 En cuanto a las mediciones, los parámetros que medimos. Medimos las condiciones meteorológicas utilizando una estación meteorológica y métodos. Y esta estación ya estaba conectada a la plataforma. También controlamos el contenido de agua del suelo entre las filas de cítricos, utilizando el 2000 que se instaló a un metro de la línea de y las mediciones se realizaron cada 2 días. Para poder interpretar. La tendencia de la curva de datos, en tercer lugar, también controlamos el contenido de agua del suelo, utilizando una sonda que instalamos como he dicho, a 0,5 metros de Otero y las mediciones se registraron cada 30 minutos. En esta fotografía podemos ver la instalación del. Y esta es la instalación de Di Landro a cierta distancia de la línea de. Luego, realizamos un cálculo para definir. Para calcular el balance, utilizamos el método del balance hídrico. Os calculamos la evapotranspiración de referencia utilizando el método Hard. Qué es el mejor método adaptado a nuestra? Se adapta a nuestras condiciones. También calculamos el coeficiente de cultivo diario, utilizando un método sugerido por la FAO. También calculamos los las necesidades de agua diaria, también, la necesidad de riego neto, teniendo en cuenta la eficiencia del sistema de riego. En nuestro caso, tomamos 0. El valor de 0,9, también tuvimos en cuenta la lluvia eficiente, es decir, que cuando las precipitaciones son de menos de coma, 5 milímetros en verano no las tenemos en cuenta. Nuestros cálculos. Luego planificamos el riego teniendo en cuenta la disponibilidad de agua en el suelo, tomamos el umbral. Del inicio del riego. Un tercio del total del agua disponible para riego se trajo de la parcela. Luego calculamos también el cambio diario del balance hídrico. Estimamos la disponibilidad hídrica del suelo y, por último, calculamos las necesidades de riego. Este es un ejemplo de nuestro plan dani, con los distintos parámetros que se utilizaron para calcular o crear el calendario de riego con la copa, la evapotranspiración de referencia, el coeficiente de cultivo, la evapotranspiración de cultivo, las necesidades de riego, los cambios diarios en el balance hídrico, y el agua restante. La disponibilidad de agua restante en el suelo. Sí. Mohamed, te quedan 2, 2 minutos, 2 minutos sí porque nos estamos quedando sin tiempo y tenemos que pasar a la siguiente presentación. Vale. A qué muestro el programa de riego en 2021. Estos son los resultados del programa de riego de 2022 en general, el riego como he dicho. El riego se la OSE planea comenzar el riego cuando el agotamiento de la zona llega a un tercio del TEA Google doble que corresponde a 47 mm. Para el año 2021 los eventos de totales de irrigación se estimaron en 16 con 752. Mm. El primer año. Se estima en 160 metros cuadrados por hectárea y en el segundo año los requisitos fueron parecidos a los de 2021. La explotación experimental, el primer año, vemos que el riego vemos que el contenido hídrico. Globalmente, se sitúa entre el punto de estrés y el punto de capacidad total. Pero. Vemos que los valores se sitúan entre 110, 200 110 120, pero esto no afecta mucho. El riego. La evolución de contenido kilométrico de agua del suelo acumulado es lo que se representa en este gráfico. Aquí vemos las distintas estrategias de riego de los agricultores. Y vemos como en verano los agricultores comenzaron el riego cuando se llega al agotamiento del agua. Durante el desarrollo del fruto. Se comenzó el riego cuando había un tercio de disponibilidad de agua. El agotamiento del agua o cuando el agua del suelo llegaba a un agotamiento de un tercio de la disponibilidad total. Esto correspondía. A 2 A 340 Mm. Y el primer, el primer punto de relleno, era de 2 a 260. Mm, y el segundo punto de relleno se aplicó durante el desarrollo completo del fruto, y este punto de relleno se aplicó cuando el agotamiento del agua del suelo llegó a un tercio de la disponibilidad total, que correspondía a 340. Mm. Esta es la evaluación del riesgo del segundo año. A quién está gráfica vemos qué. Los costes, las colectivos. Se veían sometidos a ciertas condiciones de estrés en determinados momentos. Aquí vemos la evolución de la, del contenido de agua en el suelo a distintas profundidades. Y vemos las condiciones de estrés hídrico. Y las fases de expansión de las células. Estos son los resultados de para el año 2022, 2022 vemos la plena saturación, y esto quiere decir que el cultivo se realizó en el segundo año con plena saturación. Ella estaba hasta el final. La conclusión puedo decir que la gestión del agua, utilizando el método de balance hídrico, puede ser un enfoque útil para mejorar la gestión del agua y evitar el mal gasto de agua. Los resultados preliminares mostraron que los requisitos hídricos llegaron a 1.316. Mm. Por hectárea para la temporada de Rio, 2021 a nivel de explotación. La estrategia de riego de cítricos en el área, su humedad, se basa en 2 puntos de relleno, como los como explicado. El primero se sitúa a 2 tercios, cuando se llega a 2 tercios de la disponibilidad total; y durante el pleno, la plena maduración del fruto, se observó que una gran cantidad de agua se aplicaba, el cultivo se realiza apenas en plenas condiciones de saturación, y la cantidad total aplicadas es tima a través de la variación almacén de agua almacenada en el suelo acumulada, que fue de 1.516. Mm. Por hectárea, frente a los 1.316. De Riego, que fue la que se utilizó en el método del balance hídrico; y, por último, promover un calendario adecuado de riego. Para ello se necesita integrar los datos de riego para los distintos cultivos en distintas condiciones y da recomendaciones para los agricultores. Por lo tanto, la cuestión es sí si nosotros somos capaces de integrar los datos en nuestra plataforma de antes del final del proyecto. Muchas gracias. En Hubei, macho, Mohamed Muchas gracias, Mohamed. Ahora es el turno de Sofía sofía, de la Universidad de Grecia, para presentar la validación del deseo se para la gestión de la oferta irrigación en cultivos en invernadero Sofía. Cuando quieras, si os. Son cambios? Veis mi pantalla. Si podemos ver la pantalla sí sí que voy a empezar. Si me acuerdo Buenos días. Soy sociedad y voy a presentar. Vamos a presentar voy a presentar nuestro trabajo de la Universidad de César, en el marco del programa validación de decisión del sistema de soporte, de decisiones para la gestión de la delegación en los cultivos de invernaderos. Voy a hablar de los principales problemas que nos encontramos, y es que la mayoría de los productores o cultivadores cambian las las recetas de solución de nutrientes 2 o 3 veces en cada período de cultivo y no tienen en cuenta la absorción de nutrientes del cultivo y tampoco las necesidades hídricas del cultivo, y, como resultado emite un gran canto en grandes cantidades de nutrientes, como nitrógeno, fósforo calcio, en el medio ambiente y contaminan el suelo, el agua, y esto es un gran problema. La agricultura. Lo que sugerimos con este proyecto es optimizar la sostenibilidad de la agricultura, utilizando riego de precisión, técnicas de riego de precisión, adoptando y aplicando nuevas prácticas de gestión del agua de los nutrientes, e integrar este conocimiento sobre fertilizantes y y y gestión del agua de riego con las TIC, lo que quiere decir que el cultivo fértil con los con el agua y los nutrientes apropiados. El objetivo del estudio, como estaba diciendo, era el desarrollo y evaluación de un sistema de soporte a decisiones en un cultivo hidropónico de pepino, en la zona del Mediterráneo, concretamente en Grecia, para un análisis masivo de cultivo en tiempo real y datos del estatus meteorológico, para mejorar la eficiencia del uso de agua y de los nutrientes en la región del Mediterráneo podéis ver ahora mi pantalla, la descripción del modelo. La inscripción del modelo, si es positiva, sí; si la vemos de acuerdo. Creamos un así un modelo de simulación dividido en 3 ecuaciones principales, que simulaban la fracción de la radiación sintéticamente activa, interceptada y luego simulado la producción de materia seca, y, finalmente la demanda final de concentración de nutrientes del cultivo, así que este es un modelo sencillo que requiere unos unos pequeños, unos pocos datos, para funcionar correctamente y es un modelo de simulación muy intuitivo tiene la predicción de varios elementos potasio calcio, fósforo y, nitrógeno, así que los tiempos que alguien necesita para utilizar estos datos y este modelo es la temperatura del aire, la radiación solar y el volumen de riego y drenaje y los pulso, la fracción del interceptado, la producción de materia seca y las necesidades diarias de nutrientes de los cultivos. Hicimos 2 experimentos. En un compartimento de invernadero 240 metros, y en un cultivo sin suelo de pepino; el primero fue de octubre a diciembre de 2021 el segundo de febrero a mayo de 2022 teníamos 2 tratamientos. El primero era el convencional. Qué es el de control, el tratamiento y control, que significa que todas nuestras plantas tenían la misma receta de riego. Durante todo el período de experimento quizá lo cambiamos una vez durante los 3 o 5 meses que duró el experimento, y el otro tratamiento fue el mejorado basado en las recomendaciones del modelo a a nivel diario semanal. Estas plantas se regalaban con soluciones de nutrientes que cuya receta cambiaba cada semana, y vemos aquí algunas diferencias. En cuanto a la conductividad eléctrica de estos nutrientes, y vemos que en el primer periodo la EC era más elevada que en el segundo. Hicimos algunas mediciones. Y dividimos las plantas de pepino, y determinamos distintas valores. Todo lo que recuperamos se analizaba en el laboratorio para el calcio, el potasio y el fósforo, para ver qué cantidad tenían todos estos elementos. Aquí podemos ver algunos resultados relacionados con la producción de materia seca. Podemos ver qué en ambos periodos el modelo simulaba muy bien, la producción de materia secan en cuanto a las mediciones reales, y aquí podemos ver que en el segundo experimento, que era el y que se realizó en primavera, el modelo, predijo estos valores mejor, mejor. Alcón con valores muy cercanos. Luego podemos ver la simulación de potasio y en ambos periodos el modelo, predijo de forma precisa la absorción de canción, pero en el caso de canción, en el caso del experimento, en diciembre, en invierno, eran aceptables resultados, pero no tan buenos como era hacerlo con 68, mientras que el cultivo de primavera tuvo una simulación con valores mejores de 0,93, finalmente, en cuanto al fósforo, podemos ver que éramos períodos, teníamos un buen rendimiento y ahora podemos mostrar a la izquierda, en el gráfico de la izquierda, representada la productividad en relación al primer experimento de invierno, y encontramos un 8 por 100, una reducción del 8 por 100 de la productividad, mientras que en el caso del segundo experimento vimos más una, un incremento del 9,3 por 100 de la productividad, al utilizar el modelo, el mismo patrón, se siguió en. En cuanto a la eficiencia del uso de agua, esto quiere decir que cuando teníamos menores valores el ahorro de agua era menor, mientras que en el caso del cultivo de primavera eso era en el de otoño -invierno. Había un 3,5 por 100 de incremento en el ahorro del agua. Andar. Si había, cada vez se ahorraba más nutrientes, eso quiere decir que en el cultivo de otoño e invierno había un 66 por 100 de ahorro de nutrientes, mientras que en el segundo experimento invierno -primavera casi 30 por 100. Este resultado está asociado. Modelo de la radiación solar. Esto quiere decir que en el cultivo de invierno teníamos menos radiación solar y, por tanto, el modelo predijo, que se necesitaban menos nutrientes, así que por eso teníamos un ahorro de nutrientes elevado, mientras que en primavera también se predijo, que necesitábamos menos, pero no tan pocos en relación con el otro cultivo, y, por último, aquí voy a presentar los valores, medios de riego y drenaje utilizados en todo el experimento. Estos valores se utilizaron para calcular. Y la acción de nutrientes, y podemos ver. Podemos ver aquí. Y que en torno al 20 por 100 de la reducción de la liquidación de nutrientes nitrato, tipo de canción, el primer periodo y en torno al 15 por 100 durante el segundo período y lo mismo para Bósforo y sodio durante el experimento conseguimos entorno al 19 por 100 de la aviación al entorno y en mi opinión si vemos podríamos ver algún error si lo y quizá en el futuro pudiéramos conseguir resultados o valores en porcentajes más elevados de reducción de la oxidación. Disculpas hacia esta conclusión. La absorción de nutrientes depende de la radiación solar, así que los resultados del cultivo de otoño e invierno tenía una eficiencia del uso de nutrientes del 66 por 100 menor producción del 8 por 100, mientras que el cultivo de Invierno Primavera teníamos una eficiencia del uso de nutrientes mayor del 28 por 100 una mayor producción del 9 por 100. Así que el modelo simulaba muy de forma muy precisa el potasio, potasio, calcio y fósforo, la absorción de estos 3 la producción de materia seca, así que muchas gracias por su atención y siento los problemas que he tenido con la presentación. No pasa nada, muchas gracias, Sofía. Ahora vamos a pasar a Andrés Parra, del Instituto Tebas que va a hablar del desarrollo y validación de un sistema basado en soporte de decisiones basado en sensores de humedad del suelo, para mejorar la eficiencia de la certificación. Pues bueno, gracias a la presentación, como decía, voy a presentar el trabajo que hemos realizado en el marco del proyecto para el desarrollo de esta herramienta de SMS para cultivos de campo abierto. En este caso nos hemos centrado en el Granada. Bueno, como como ya se ha dicho, 1 de los de los retos en lo que nos enfrentamos, la con la agricultura en el Mediterráneo, pues la escasez de agua. Entonces, los sistemas, la tendencia es que la los sistemas de regadío vayan encaminado hacia una, hacia una, un riego de precisión que utiliza indicadores del cultivo, por lo que es necesario para el buen y la buena recogida e interpretación de los datos, para trasladarlo a los agricultores. Bueno, 1 de los principales objetivos del ese, ese traspaso de conocimiento y una hoja o herramientas, no como para dársela a los agricultores, para hacer que hagan más eficientes su su sistema de río. No solo, como decía, no centrado en el cultivo del Granado, un cultivo que está bastante extendido en el área mediterránea. Se sabe que la estrategia de riego deficitario puede jugar un papel importante en este cultivo, pero esta tienen que ser bueno en la planificación del riego, tiene que estar bien diseñada para obtener un resultado óptimo y una fruta de calidad. Entonces, a través de la DSS, no de esta herramienta, lo que se pretende combinar la experiencia de los agricultores con con la ciencia y el lo la tecnología que ofrece el internet de la cosa para ofrecer mejoras y optimizar rendimiento y consumo de agua, en este caso. La plataforma, como se comentaba, pretende integrar un modelo predictivo para basado en ciertos parámetros que se recogen en la, en que se recogen en 5 con el Big Data más para o dar unos, unas recomendaciones de riego al usuario. Bueno, está simplemente por encima por mostrar una captura de la de la plataforma, donde vemos, desde donde programamos el riego, luego está nuestra finca, que se encuentra en la finca experimental del en Santomera, y nada está en la buena. Esta ha sido la segunda campaña de de cultivo, porque, bueno, debería haber sido la tercera, pero debido a la pandemia el primer año, pues no pudimos salir al campo. La finca tiene una estaria, y los tratamientos lo hemos, bueno son sean. Se diseña de forma aleatoria, tenemos cuadro, tratamiento, los 2 años, derramamiento de riego siempre teniendo un control combinándolo con riego deficitario, riego deficitario sostenido o controlado, controlado dependiendo del estado, fenología del cultivo, y en el campo. Bueno, se se han distribuido una serie de dispositivos que están conectados a la plataforma, donde se están recogiendo datos continuamente para, al final, puede hacer la programación del Riego y también puede alimentar ese modelo en el que se está trabajando. Como bueno el este último año, esta última campaña, hubiéramos incluido el modelo, parada para validar la herramienta como tal, pero al final estaba todavía en desarrollo, por lo que decidimos optar por otra estrategia de riego, presentó ahora, después que de humedad, también con la idea de obtener un mayor abanico de datos para alimentar la la modelo que con el que funcionará el DSS. Luego, para relacionar todo esto, bueno, dado que se están recogiendo y saber, del estado hídrico de la planta, porque hacemos mediciones, bueno, de forma periódica en campo aparte, también tenemos una data lover con otro sensor de humedad, y también tenemos radiómetro para ver la temperatura y, al final, pues todo lo estamos correlación con los datos que se se están registrando en la plataforma, aparte también de hacer análisis de producción y calidad, el protocolo que comentaba, que hemos aplicado este año, 1 de ellos no tenemos cuadros de tratamiento, y 1 de ellos ha sido basado en las ondas de humedad. Nos hemos centrado, bueno, tenemos una sonda, una sonda que registran la humedad de los 10 centímetros hasta los 60 de profundidad, y con un rango de 10 centímetros. No? Entonces tenemos 6 puntos de medición, pero estamos centrado en el nivel 4, los 40 centímetros y los 60 centímetros, donde, bueno, consideramos el nivel cuadro como donde hay más actividad y el nivel sea como una zona ya de drenaje. Entonces, pues dependiendo de las de las fluctuaciones de la dinámica de esta humedad, que Podemos, como se puede observar en esta gráfica, se programa el riego del día siguiente, no? Entonces tenemos una serie de premisas que no hacen incrementar o disminuir el riesgo diariamente. Como decía, bueno, hasta ahora lo estábamos haciendo manual. Pero la idea también. Está en proceso de automatización y él. El local culo que hacemos cada día, al final se editan en este panel, que pertenece a la plataforma. Bueno, por mostrar algunos resultados, aquí tenemos el contenido de humedad del suelo que repasamos en la geográfico más grande, son los buenos cuadro enterramiento, donde se hallan la diferencia, no como el tratamiento, control está como más bueno, tiene un mayor nivel de humedad, y los deficitarios se vean más, bueno, con un nivel de humedad más bajo y igual, bueno, tenemos una misma tendencia, va con lo el contenido lírico, con el contenido y con el potencial de hídrico de la planta que estoy, no, bueno, el potencial detalló y el control, pues nos dicen que el tratamiento bancos sigan como esta misma dependencia no. Lo deficitario nos muestran cómo una, un peor nivel hídrico de la planta o más estresado. Algunos de los hechos, por mostrar simplemente cómo ha funcionado, lo que observamos en la gráfica del, de la humedad del suelo, del del protocolo de este crimen, que simplemente cuando vemos que hay como una extracción, como ocurre aquí en este día, pues se incrementa el tiempo de riego en un 15 por 100, lo que tratamos de mantener la humedad de forma constante en la zona más supere si la zona más superficial, sin que a la zona de drenaje, ese agua tratando de optimizar el riego y que toda el agua que se aplica pues sea aprovechada por la blanca respecto a la cosecha, no hemos visto diferencia significativa entre tratamiento. Lo que sí que hemos apreciado que lo tratamiento de riego deficitario hay una fruta, al final, una fruta o a menor tamaño, sale aparece más entonces, la no, no nos muestra cómo la obligación de un riego deficitario de forma controlada en una época en la que el la planta no esté puesta una estre, pues puede ser como una, una solución bastante recomendable para el agricultor. Y bueno, voy a ir concluyendo, que a pesar de que la plataforma está todavía en desarrollo, hay falta por integrar algún bueno, el modelo que presentaba ante nuestra compañera. Bueno, ya se pueden hacer una serie de tareas a través de la plataforma que ya ofrecen cierta ventaja al usuario, al agricultor. En este caso. La idea es que al concluir el, bueno ahí y tratar de validar el la plataforma, el DSS en otro escenario con otros cultivos de los tipos de suelo, agua, y esperamos que cuando finalice el proyecto tengamos la oportunidad de seguir o desarrollándolo junto con agricultores, otro en otro tipo de escenario, y eso es todo por mi parte. Muchas gracias a Andrés es la bloque de da comienzo. Entonces el bloque de 4.000.