La herramienta desarrolla un sistema de inteligencia artificial para evaluar el impacto ambiental de la ganadería extensiva, centrado en la relación entre comportamiento del ganado, estado de los pastizales y balance de carbono. Su principal desafío es modelizar procesos ambientales complejos a partir de datos heterogéneos, incompletos y espaciotemporales.
La solución integra una arquitectura de fusión de datos multifuente que combina información real procedente de collares GPS, imágenes satelitales, datos meteorológicos, modelos del terreno, muestras de suelo y conocimiento experto de ganaderos y técnicos. Sobre esta base se aplican modelos de aprendizaje automático supervisado y análisis espacial avanzado, adaptados a la autocorrelación y heterogeneidad propias de los ecosistemas de pastizal.
Los modelos permiten estimar el secuestro de carbono y mejorar el cálculo de emisiones, aprendiendo directamente de datos observados y reduciendo la dependencia de muestreos intensivos. La herramienta facilita la evaluación comparativa de estrategias de manejo, la simulación de escenarios de pastoreo y el apoyo a la toma de decisiones sostenibles, manteniendo la viabilidad productiva.
Validada con datos reales de múltiples explotaciones, la solución prioriza la interpretabilidad y se plantea como un apoyo práctico a la acción climática, transformando grandes volúmenes de datos ambientales en conocimiento útil para la gestión agroganadera sostenible.
Autoría
Digitanimal
Categoría
Agricultura y ganadería
Localización
Madrid
Tecnologías clave
Machine learning, Deep learning
Infraestructura
AWS
Nivel de madurez tecnológica (TRL)
TRL 6 — Demostración de prototipo en entorno relevante
Beneficiarios
Beneficiarios directos:
Los principales beneficiarios directos del proyecto son los ganaderos en sistemas extensivos (vacuno, ovino y caprino) que participan en el proyecto y aquellos que acceden a las herramientas y resultados desarrollados. La solución de IA proporciona evaluaciones objetivas del impacto ambiental de su manejo, permitiéndoles comprender cómo sus decisiones influyen en el balance de carbono, optimizar el uso de los pastizales y avanzar hacia prácticas más sostenibles sin comprometer la viabilidad productiva.
Pequeños ganaderos y asociaciones rurales
El proyecto ha puesto especial énfasis en la inclusión de pequeños ganaderos, que representan la mayor parte del sector extensivo y que tradicionalmente tienen un acceso limitado a tecnologías avanzadas. A través de colaboraciones con asociaciones sectoriales y del diseño de herramientas escalables, el proyecto facilita el acceso a capacidades de análisis ambiental basadas en IA para este colectivo.
Personal técnico e investigadores. Investigadores y técnicos especializados en ganadería, medio ambiente y cambio climático se benefician directamente de las bases de datos, modelos y metodologías generadas, que permiten avanzar en el estudio del secuestro de carbono, las emisiones y la relación animal – territorio en ecosistemas de pastizal.
Beneficiarios indirectos
Administraciones públicas y responsables de políticas
Las administraciones y organismos públicos se benefician de la disponibilidad de herramientas objetivas y basadas en datos para el diseño, seguimiento y evaluación de políticas agroambientales y climáticas. Los resultados del proyecto facilitan la monitorización de prácticas sostenibles y el desarrollo de instrumentos de apoyo vinculados a la acción climática y la gestión del territorio.
Sector agroalimentario y cadena de valor
El sector agroalimentario se beneficia indirectamente de una mejora en la trazabilidad ambiental y en la credibilidad de los productos procedentes de ganadería extensiva, reforzando su posicionamiento en mercados cada vez más sensibles a criterios de sostenibilidad y huella climática.
Comunidad científica y tecnológica
La comunidad científica y tecnológica accede a datos, enfoques metodológicos y resultados que contribuyen al avance del estado del arte en inteligencia artificial aplicada a sistemas socioambientales complejos, especialmente en el ámbito de la observación de la Tierra, la analítica espacial y la sostenibilidad.
Sociedad y territorios rurales
De forma indirecta, la sociedad en su conjunto se beneficia del refuerzo de la sostenibilidad ambiental y climática de la ganadería extensiva, así como de la preservación de los servicios ecosistémicos asociados a los pastizales (biodiversidad, regulación hídrica, prevención de incendios y mantenimiento del paisaje). Estos beneficios contribuyen a la resiliencia de los territorios rurales y a una mayor aceptación social de la actividad ganadera.
Indicadores o KPI de impacto
Ampliación progresiva del número de ganaderos y explotaciones participantes, incorporando nuevos perfiles que permitan validar la herramienta en distintos contextos territoriales y sistemas de manejo.
Incremento continuo del volumen y diversidad de datos analizados, mediante la incorporación de nuevas explotaciones, animales monitorizados y territorios, con el objetivo de reforzar la robustez y la capacidad de generalización de los modelos de inteligencia artificial.
Mejora progresiva del desempeño de los modelos, evaluada a través de sucesivas validaciones con datos reales y nuevas muestras de suelo, que permiten reducir la incertidumbre en la estimación de emisiones y secuestro de carbono.
Extensión del uso de la herramienta a nuevos territorios dentro del ámbito nacional, facilitando su adaptación a diferentes condiciones climáticas, sistemas de pastoreo y prácticas ganaderas sin necesidad de rediseños estructurales.
Creciente utilización de la información generada para la toma de decisiones, tanto a nivel de explotación como en el apoyo a técnicos, investigadores y entidades públicas interesadas en la sostenibilidad de la ganadería extensiva.
Capacidad tecnológica del proyecto
El proyecto se apoya en una capacidad tecnológica integral que combina IoT en campo, observación de la Tierra, analítica de datos geoespaciales e inteligencia artificial, desplegada sobre una infraestructura cloud interoperable y escalable.
Computación y arquitectura cloud
La solución se implementa sobre una infraestructura cloud distribuida orientada a asegurar disponibilidad y resiliencia frente a fallos, diseñada para el procesado y almacenamiento continuado de información procedente de múltiples fuentes. Como base de interoperabilidad, la plataforma se fundamenta en FIWARE, un framework open-source promovido en la UE para gestión de datos contextuales, que utiliza modelos de datos, conectores y un componente central (Context Broker) para integrar y servir información. El intercambio se realiza mediante formatos estándar (p. ej., JSON) y APIs que facilitan la integración de fuentes de datos de terceros.
Frameworks y componentes software
FIWARE como marco principal de la plataforma cloud interoperable (Context Broker, conectores, modelos de datos, APIs).
Módulos software específicos para integración de datos multifuente, procesamiento a gran escala y generación de resultados; además, se contempla un paquete software capaz de integrarse en una solución cloud y procesar gran cantidad de datos para generar recomendaciones de manejo.
Modelos de IA
El proyecto utiliza modelos especializados de Machine Learning. El enfoque incluye:
Modelos supervisados donde variables del suelo (p. ej., carbono orgánico y otros parámetros de salud del suelo) actúan como variables dependientes y los datos IoT/satelitales/meteorológicos como predictores.
Modelos no supervisados para analizar información satelital, incluyendo detección y agrupamiento de zonas (clustering) y estrategias de etiquetado priorizadas por incertidumbre, minimizando la intervención humana.
Un modelo semiautomático para estimación de emisiones, partiendo de métodos teóricos y automatizando la incorporación de los datos que alimentan dichos modelos, complementando con datos de literatura cuando se aplica.
En el desarrollo se han empleado diferentes modelos de ML, siendo Random Forest el que ofrece mejores resultados en todas las métricas, por lo que es el que se ha elegido y el que se utiliza en las posibles mejoras.
Datos (sensores IoT, datos satelitales de observación de la Tierra (EO) y datos de campo)
El proyecto integra datos reales de alta resolución procedentes de:
Collares IoT para ganado: módulo GPS, acelerómetro, sensor de temperatura exterior, memoria interna, módulo de comunicaciones IoT, microcontrolador, batería de litio y carcasa IP67.
Imágenes satelitales Copernicus (Sentinel-1 radar y Sentinel-2 multiespectral) para seguimiento remoto de recursos y estado del pasto.
Estaciones meteorológicas IoT (termómetro de superficie, pluviómetro) y otras fuentes climáticas.
Modelos digitales del terreno derivados de LiDAR (PNOA) y muestras de suelo/vegetación analizadas en laboratorio para entrenamiento/validación.
Datos registrados por los ganaderos, técnicos y otros agentes involucrados en el día a día de las explotaciones ganaderas.
Interfaces e integraciones
La plataforma habilita APIs para intercambio de información e integración de fuentes externas sobre FIWARE.
Para trazabilidad y certificación, se incorpora un componente blockchain basado en Hyperledger Fabric (con mención de Alastria como red de referencia), orientado a registrar de forma inalterable evidencias asociadas a emisiones y secuestro de carbono.
Se contempla, además, una aplicación pública de gamificación/simulación para facilitar la interacción de ganaderos sin necesidad de sensores en todos los casos.
Sostenibilidad, huella ambiental y licencia social
El proyecto incorpora la sostenibilidad ambiental como eje central tanto en su finalidad como en su diseño tecnológico, orientando el uso de la inteligencia artificial a la reducción del impacto ambiental de la ganadería extensiva y a la mejora de la gestión de los recursos naturales.
Desde el punto de vista de la huella ambiental, la solución desarrollada permite evaluar y comparar distintas estrategias de manejo ganadero en función de su impacto sobre el balance de carbono, contribuyendo a identificar prácticas que favorecen el secuestro de carbono en suelos de pastizal y reducen el riesgo de degradación del ecosistema. Al facilitar una gestión más ajustada del pastoreo, el proyecto ayuda a prevenir situaciones de sobrepastoreo e infrapastoreo, con efectos positivos sobre la biodiversidad, la estructura del suelo y la resiliencia frente al cambio climático.
En términos de eficiencia y sostenibilidad energética, se apoya en el uso de datos de observación de la Tierra y sensores IoT de bajo consumo, reduciendo la necesidad de desplazamientos frecuentes y campañas intensivas de muestreo en campo. La utilización de imágenes satelitales y de infraestructuras cloud compartidas permite optimizar el uso de recursos tecnológicos y minimizar el impacto energético asociado a la recogida y procesamiento de datos.
El proyecto contribuye asimismo a la conciencia social de la ganadería extensiva, al aportar evidencia objetiva y basada en datos sobre su desempeño ambiental y su potencial como aliada en la acción climática.