La ET incluye la evaporación del suelo y de charcas de agua abiertas como lagos, ríos y estanques, así como la transpiración de las hojas de las plantas. La diferencia entre precipitación y ET indica el balance hídrico disponible para las necesidades de la sociedad, incluida la producción agrícola e industrial. Sin embargo, medir la ET es un desafío. Un nuevo estudio de la Universidad de Illinois Urbana-Champaign presenta un modelo informático que utiliza inteligencia artificial (IA) para la predicción de extraterrestres basada en estimaciones de teledetección.

"Las estimaciones de ET terrestres capturan los flujos locales de agua transferidos a la atmósfera, pero tienen una escala limitada. Por el contrario, los datos satelitales proporcionan información ET a escala global. Aún así, a menudo están incompletos debido a las nubes o al mal funcionamiento de los sensores, y la El ciclo del satélite sobre un área puede requerir varios días."

"Llevamos a cabo esta investigación para predecir los datos faltantes y generar datos ET continuos diarios que tengan en cuenta la dinámica del uso de la tierra y el movimiento del aire atmosférico", dijo el autor principal Jeongho Han, estudiante de doctorado en el Departamento de Ingeniería Agrícola y Biológica (ABE). , parte de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales y de la Facultad de Ingeniería Grainger de Illinois.

Los investigadores crearon el "Algoritmo modelo de evapotranspiración dinámica de la cobertura terrestre" (DyLEMa) basado en modelos de aprendizaje automático de árboles de decisión. Este algoritmo está destinado a predecir datos ET espaciales y temporales faltantes utilizando modelos de aprendizaje automático estacionales entrenados. DyLEMa fue evaluado a la escala de Illinois en una cuadrícula diaria de 30 x 30 metros durante 20 años utilizando datos de la NASA, el Servicio Geológico de EE. UU. y la Administración Nacional Oceánica y Atmosférica.

"DyLEMa es mucho más detallado y complejo que otros modelos. Distingue entre diferentes usos de la tierra, incluidos bosques, urbanos y agrícolas, y diferentes cultivos, como maíz y soja. El modelo incluye precipitación, temperatura, humedad, radiación solar y vegetación. etapa y propiedades del suelo."

"Esto nos permite capturar la dinámica de la superficie con precisión y predecir la ET en función de múltiples variables. Esto es especialmente importante para los paisajes agrícolas donde los cultivos cambian rápidamente", dijo el coautor Jorge Guzmán, profesor asistente de investigación en ABE.

Los investigadores probaron la precisión del modelo comparando sus resultados con los datos existentes. Para la validación a lo largo del tiempo, utilizaron mediciones terrestres de 2009 a 2016 en cuatro sitios en Illinois. Además, para probar la precisión espacial, crearon escenarios artificiales en los que insertaron una nube sintética en una imagen sin nubes, luego aplicaron su algoritmo y compararon los resultados con los datos originales.

En general, DyLEMA redujo la incertidumbre de la predicción de ET en las estimaciones de ET acumuladas de un promedio de +30 % (sobrepredicho) a alrededor de -7 % (subpredicho) en comparación con las mediciones existentes, lo que indica una precisión mucho mayor.

El estudio forma parte de un proyecto más amplio sobre la erosión del suelo. Maria Chu, profesora asociada en ABE, es la investigadora principal de ese proyecto y coautora del nuevo artículo.

"La ET controla el contenido de humedad del suelo y viceversa, lo que afecta los procesos superficiales como la escorrentía y la erosión hídrica. Nuestro próximo paso es integrar nuestros datos en un modelo hidrológico distribuido para una mejor estimación de la erosión del suelo", dijo Chu.

"Uno de los desafíos con las prácticas de gestión de la tierra es que la gente puede no ver el beneficio de implementar cambios de inmediato. Pero con este modelo, podemos demostrar que lo que se está haciendo ahora tendrá un impacto a largo plazo, por ejemplo, dentro de 10 o 20 años. Dentro de 20 años y en lugares alejados de su granja, este es el poder de utilizar los datos y la capacidad informática para involucrar a las comunidades e informar las medidas políticas", añadió Chu.

La investigación se publica en la revista Computers and Electronics in Agriculture .