Aplicación de sensores IoT e inteligencia artificial para la optimización del riego en cultivos agroecológicos.
DOI:
https://doi.org/10.64041/riidg.v3i2.23Palabras clave:
Agroecología, IoT (Internet de las Cosas), Inteligencia Artificial, Riego inteligente, Sostenibilidad agrícolaResumen
La presente investigación aborda de manera integral la implementación de tecnologías emergentes, específicamente los sensores del Internet de las Cosas (IoT) y los algoritmos de inteligencia artificial (IA), con el objetivo de mejorar la eficiencia y sostenibilidad del riego en cultivos agroecológicos. En un escenario marcado por el cambio climático, la escasez progresiva de recursos hídricos y la necesidad de prácticas agrícolas más sostenibles, la gestión inteligente del agua se convierte en una prioridad estratégica para la agricultura del futuro. Los sistemas agroecológicos, al centrarse en el equilibrio entre productividad y cuidado del medio ambiente, requieren soluciones tecnológicas que respeten sus principios ecológicos sin comprometer la rentabilidad y eficiencia productiva.
En este contexto, el estudio plantea el diseño e implementación de un sistema automatizado de monitoreo y análisis que integra sensores IoT para la recolección de datos agroclimáticos y edáficos en tiempo real. Entre las variables registradas se incluyen la humedad del suelo, la temperatura ambiente, la radiación solar, el nivel de luminosidad y otros factores clave para el desarrollo de los cultivos. Esta información es transmitida a una plataforma central donde se procesan mediante algoritmos de inteligencia artificial que emplean técnicas de aprendizaje automático para identificar patrones, prever necesidades hídricas y emitir recomendaciones precisas sobre cuándo y cuánto regar.
El enfoque propuesto permite no solo la toma de decisiones basada en datos, sino también una reducción considerable en el desperdicio de agua, lo que representa un aporte importante para la sostenibilidad ambiental. Asimismo, se mejora la eficiencia del proceso productivo, ya que los cultivos reciben la cantidad de agua necesaria en el momento oportuno, favoreciendo un crecimiento más saludable y homogéneo. Esto, a su vez, se traduce en mejores rendimientos agrícolas y una menor dependencia de recursos externos, alineándose con los principios de la agroecología.
Adicionalmente, el sistema puede ser adaptado y escalado a distintos tipos de cultivos y contextos geográficos, lo que lo convierte en una solución versátil para diversos escenarios agrícolas. Los resultados preliminares de la implementación piloto han demostrado una disminución significativa del consumo de agua —en algunos casos superior al 30%— y una mejora visible en la salud y uniformidad de las plantas, validando la efectividad y viabilidad del sistema desarrollado. En conclusión, esta propuesta representa un aporte innovador y de alto impacto para la agricultura sostenible, al integrar la tecnología con el respeto al medioambiente y la optimización de los recursos naturales.
Citas
Altieri, M., & Nicholls, C. I. (2000). AGROECOLOGÍA Teoría y práctica para una agricultura sustentable 1 a edición. https://www.icia.es/icia/download/Agroecología/Material/Teoria_agricultura_sustentable.pdf
FAO. (2017). El futuro de la alimentación y la agricultura Tendencias y desafíos. https://openknowledge.fao.org/server/api/core/bitstreams/f7ecc7f0-8b58-48b5-ae57-290d5f8808c1/content
Gliessman, S. R. (2015). Agroecology The Ecology of Sust ainable Food Systems. https://www2.hcmuaf.edu.vn/data/pvhien/Gliessman,%20Stephen%20R%20-%20Agroecology_%20The%20Ecology%20of%20Sustainable%20Food%20Systems,%20Third%20Edition-CRC%20Press%20(2014).pdf
Gutiérrez, C. J. G., Aguilera, G. L. I., & González, E. C. E. (2008). Redalyc.Agroecología y sustentabilidad. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-14352008000100004
Immaculate, H. J., Ebenanjar, P. E., Sivaranjani, K., & Terence, J. S. (2020). Applications of Machine Learning Algorithms in Agriculture. https://www.researchgate.net/publication/341179298
Jayaraman, P. P., Yavari, A., Georgakopoulos, D., Morshed, A., & Zaslavsky, A. (2016). Internet of things platform for smart farming: Experiences and lessons learnt. Sensors (Switzerland), 16(11). https://doi.org/10.3390/s16111884
Ojha, T., Misra, S., & Raghuwanshi, N. S. (2015). Wireless sensor networks for agriculture: The state-of-the-art in practice and future challenges. In Computers and Electronics in Agriculture (Vol. 118, pp. 66–84). Elsevier B.V. https://doi.org/10.1016/j.compag.2015.08.011
Pereira, L. S., Cordery, I., & Iacovides, I. (2012). Improved indicators of water use performance and productivity for sustainable water conservation and saving. Agricultural Water Management, 108, 39–51. https://doi.org/10.1016/j.agwat.2011.08.022
Pérez, O. F. (2020). out. https://www.proquest.com/openview/67e46d7d0156614165ddd0662963f871/1?cbl=2026366&diss=y&pq-origsite=gscholar
Van den Bossche, P. (2019). Farewell speech of Appellate Body member Peter Van den Bossche. https://www.wto.org/english/tratop_e/dispu_e/farwellspeech_peter_van_den_bossche_e.htm
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista internacional de Investigación y Desarrollo Global

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.