Las máquinas de viento de Conner Duim se ponen en marcha automáticamente cuando las temperaturas se acercan al umbral que indica que el frio dañan los brotes, pero usar esta tecnología no significa que pueda dormir bien.
“Cuando yo era joven, mi padre miraba religiosamente el informe Clearwest (previsión de heladas) y la alarma de escarcha sonó aquí en casa. Le costó una hora poner en marcha todas las máquinas de viento”, recuerda Duim, quien cultiva con su padre en el valle de Yakima. “Ahora solo tengo que dormir con un ojo abierto. Oigo arrancar las máquinas de viento y doy una vuelta para asegurarme de que todas funcionan bien”.
Al igual que su padre y generaciones de agricultores anteriores, Duim confía en las pronosticaciones de heladas diarias para saber cuándo debe salir y asegurarse de que todo está preparado para la protección contra las heladas.
“Disponer de buenas previsiones es esencial para saber cuándo es necesario tener el equipo al día y que funcione bien”, afirma. “Pero si va a hacer calor, puedo dormir bien”.
Durante 101 años, las previsiones de heladas nocturnas han ayudado a los productores de Washington a proteger sus cultivos, desde encender a mano los calentadores de los huertos hasta poner en marcha las máquinas de viento y abrir el agua a través del teléfono inteligente, como se hacen hoy en día. Aunque la tecnología de la protección contra heladas ha avanzado, la base de la previsión de heladas sigue siendo la misma: comparar las condiciones meteorológicas existentes con patrones similares del pasado para predecir las temperaturas mínimas probables.
“Se trata de pequeños microclimas. Estamos tratando a una escala que está por debajo de lo que los modelos de previsión son capaces de hacer”, dijo Bud Graves, que se jubiló en el año 2020 de una carrera de meteorología que comenzó en 1970.
Durante años, Graves y su socio de muchos años Jim Holcomb esperaron que los modelos informáticos -que mejoraban enormemente las previsiones meteorológicas a medio plazo- les dejaran sin trabajo. Habían fundado Clearwest, una empresa privada de previsiones, para dar servicio al sector de la fruta de árbol cuando el Servicio Meteorológico Nacional interrumpió la práctica en 1996. En el año 2020 ambos querían jubilarse, pero el sector seguía necesitándolos así que durante unos meses se asociaron con AgWeatherNet, de la Universidad Estatal de Washington, para continuar el trabajo apoyado por el sector lo cual mantiene las previsiones a disposición gratuita de todos los productores.
Mientras que los meteorólogos jóvenes de la WSU aprendieron de Graves y Holcomb en 2020, los ingenieros de la misma universidad empezaron a entrenar un modelo informático para realizar el mismo proceso de predicción basado en datos.
“Si es posible vencer a un pronosticador humano, esa es la manera de hacerlo”, dijo el meteorólogo Craig Oswald, quien trabajó en la transición de Clearwest a AgWeatherNet.
Según Oswald, los modelos de predicción regionales que nos proporcionan a la mayoría de nosotros las previsiones meteorológicas semanales carecen de la capacidad informática necesaria para captar las influencias a microescala del terreno que marcan la diferencia en las heladas de los huertos. Pero con un enfoque de aprendizaje automático, un modelo informático puede aprender de todas las observaciones registradas durante los últimos 101 años, junto con todos los datos adicionales que proporciona ahora la creciente red de sensores de AgWeatherNet.
Este enfoque sustituye a las décadas de experiencia de Graves y Holcomb con la potencia computacional, dijo Oswald, “está haciendo básicamente lo mismo”.
“Aplicando un sencillo aprendizaje automático, estamos mejorando la previsión”, dijo Lav Khot, director de AgWeatherNet y profesor asociado de ingeniería de sistemas agrícolas. Espera que estos algoritmos se conviertan en la base de la predicción de heladas el año que viene.
Patrones de predicción
Cuando la Oficina Meteorológica de EE.UU., que ahora conocemos como Servicio Meteorológico Nacional (National Weather Service), estableció por primera vez distritos de heladas en Yakima en el año 1922 y en Wenatchee en 1923, instaló estaciones de observación por las regiones, y los colaboradores llamaban para comunicar las lecturas de los termómetros de temperatura mínima.
Se tardaron años en desarrollar la climatología de los riesgos de heladas, dijo Holcomb, quien llegó a conocer el comportamiento del aire frío en el paisaje. Desde el comienzo de su carrera en la década de los sesenta, hasta su jubilación en 2020, se basó en el mismo enfoque de previsión, llamado analogía.
“Recopilábamos registros de esas noches frías y de los patrones meteorológicos y luego observábamos las situaciones actuales y tratábamos de encontrar una coincidencia con lo ocurrido en el pasado”, explicó. “Se repite los mismos patrones”.
Mientras que hoy en día los modelos informáticos aprenden esos patrones rápidamente a partir de datos históricos, Holcomb y Graves recuerdan haber aprendido de los cultivadores durante muchas noches frías y oscuras.
“Si se quiere saber la verdad, los cultivadores saben más del tiempo que nosotros, los meteorólogos”, afirma Graves. Al principio de un mandato que tuvo en Hood River (Oregón), Graves oyó decir un agricultor que cuando el monte Hood se cubría de nubes, él sabía que éstas llegarían a los huertos y los aislarían.
Los sensores que registran el clima en tiempo real han cambiado la forma en que los agricultores observan el tiempo, pero no el porqué.
“Los agricultores vigilan las temperaturas porque su sustento está en juego”, afirma Oswald.
Los agricultores informan de los episodios de frío a la página web de heladas de AgWeatherNet, lo que ayuda a los meteorólogos a comprobar su trabajo y mejorarlo continuamente.
“Si se pronostican 40 grados y lluvia, y en realidad son 44 y llueve, eso no cambia nada para la persona típica quien de todas maneras necesita un chubasquero”, dijo Oswald. “Pero si se pronostican heladas, 4 grados de diferencia pueden causar un gran problema si se está cerca del umbral de daños en brotes o flores”.
El futuro de la protección contra las heladas
Las máquinas de viento necesitan inversiones -capas de aire más cálidas que flotan sobre el frío que se asienta- para hacer descender el calor protector hasta el huerto. Para documentar mejor las inversiones, AgWeatherNet ha instalado 30 torres, conocidas como torres mesonet, que tienen sensores a 2 y a 9 metros de altura. Está previsto instalar más este año.
“Esto seguirá ayudándonos a comprender los microclimas, seguro”, afirma Nathan Santo Domingo, el meteorólogo más reciente de AgWeatherNet.
En el frente de la investigación, el modelo de aprendizaje automático es sólo una pieza de un proyecto de “mitigación automatizada de las heladas en función de las condiciones meteorológicas específicas de cada campo” respaldado por un millón de dólares del Departamento de Agricultura de EE.UU. Dirigido por Khot, el proyecto incluye la cartografía de perfiles de inversión de huertos de cerezos y campos de arándanos, que se realiza mediante drones con sensores térmicos.
La idea es ver hasta qué punto las torres meteorológicas captan las condiciones de inversión en lugares comerciales situados a varios kilómetros de distancia y cuánta variabilidad de inversión existe entre los huertos.
Khot prevé que estos estudios ayudarán a los cultivadores a saber dónde colocar los sensores que activan las máquinas de viento y a identificar cuáles de los sensores mejor reflejan la temperatura exacta que experimentan los brotes frutales, lo cual puede diferir ligeramente de las temperaturas del aire.
“Los datos del dron le indicarán si su máquina de viento está haciendo lo que debe”, afirma. “Queremos que cada cultivador conozca bien sus emplazamientos y sepa también cómo se comportan las inversiones”.
Otra subvención del Departamento de Agricultura del Estado de Washington apoya a AgWeatherNet a través del aprendizaje automático para construir pronósticos de temperatura del aire y humedad específicos de cada estación en toda su red.
Santo Domingo animó a los agricultores a inscribirse -sin coste alguno- para poder utilizar las herramientas de AgWeatherNet y también enviar sus propios informes.
“Es una previsión hiperlocal. Al disponer tanto de datos biológicos como meteorológicos, nos ayuda a centrarnos en lo que los productores necesitan saber”, dijo. “Una de las cosas más interesantes es el circuito de retroalimentación constante. Es un gran esfuerzo de colaboración”.
—por Kate Prengaman
Este artículo ha sido traducido por Jean Dibble y revisado por Jutsely Rivera. Puede ponerse en contacto con Jean en jean@goodfruit.com.
