Desarrollo de un sistema de alerta temprana para la gestión inteligente del riego y la fertilización con predicción del rendimiento del cultivo de palto basado en sensores remotos, IA e IoT

El cultivo de palto constituye una de las principales agroexportaciones del Perú; sin embargo, su productividad y sostenibilidad se ven limitadas por decisiones de riego y fertilización basadas en criterios empíricos, el uso ineficiente del agua y la ausencia de herramientas tecnológicas que permitan detectar tempranamente el estrés hídrico y nutricional. Esta situación incrementa los costos de producción, reduce la eficiencia en el uso de insumos y afecta la competitividad del sector. La ausencia de un sistema inteligente para la detección temprana del estrés hídrico y nutricional optimice el riego, la fertilización y la predicción del rendimiento del cultivo de palto. La hipótesis sostiene que el sistema de alerta temprana basado en sensores remotos, IoT e inteligencia artificial incrementa significativamente la precisión en la predicción del rendimiento y en la detección del estrés hídrico y nutricional del cultivo de palto, en comparación con los métodos convencionales de monitoreo y manejo agronómico. La investigación comprende la adquisición e integración de información multifuente, el desarrollo y entrenamiento de modelos predictivos de inteligencia artificial, el desarrollo de una plataforma web para la visualización y gestión de información, la validación tecnológica en parcelas comerciales de la empresa Silvestre Perú S.A.C. hasta alcanzar un TRL 6 y la transferencia de capacidades a productores y actores del sector. El objetivo general es desarrollar y validar una herramienta tecnológica para el monitoreo de estrés hídrico y nutricional y la predicción del rendimiento del cultivo del Palto, (Persea americana), mediante la integración de sensores remotos multiespectrales y térmicos, plataformas UAV, sensores IoT in situ, Sistemas de Información Geográfica y modelos de aprendizaje automático, aplicado a condiciones agroclimáticas de la costa peruana. Los objetivos específicos incluyen:(i) Validar una herramienta basada en sensores remotos y modelos de aprendizaje automático para la gestión inteligente del riego. (ii) Validar una herramienta basado en sensores remotos y modelos de aprendizaje automático para la gestión inteligente de fertilización con predicción de rendimiento. (iii) Evaluar el desempeño del paquete tecnológico mediante pruebas de aseguramiento de calidad que incluya validación instrumental, verificación algorítmica y pruebas de integración del sistema en entorno controlado. (iv) Fortalecer capacidades del equipo técnico y actores sociales clave del cultivo de palto. Como resultados se obtendrá un sistema validado en condiciones reales de operación, un paquete tecnológico, una plataforma web funcional, modelos predictivos de libre acceso, protocolos de validación, publicaciones técnicas y actividades de transferencia tecnológica dirigidas a productores y profesionales del sector. Impacto ambiental: Optimizar el uso de recursos críticos, principalmente agua y fertilizantes en sistemas agrícolas intensivos como el cultivo de palto. La incorporación de sensores remotos, monitoreo térmico y modelos predictivos permite ajustar las decisiones agronómicas a la demanda real del cultivo, reduciendo significativamente estos impactos. Impacto social: Mejora en la gestión del agua en territorios con estrés hídrico. Al optimizar el uso del recurso, se reduce la presión sobre fuentes compartidas, disminuyendo potenciales conflictos entre usuarios agrícolas, urbanos y ambientales. Impacto económico: Reducción de costos y mejora de rendimiento, impacto indirecto a través del fortalecimiento de competitividad exportadora, y efecto estructural al impulsar la transformación tecnológica del sector agrícola. En el ámbito de la unidad productiva: la optimización del riego y la fertilización permite disminuir gastos asociados al uso excesivo de agua, energía e insumos químicos. En cultivos de alta inversión por hectárea como el palto, estos componentes representan una proporción significativa del costo total de producción.