El último mapeo de los márgenes del valle inferior del río Chubut lo hizo hace seis años un funcionario… caminando. Una travesía a pie solitaria y casi heroica, en la que fue censando la finalidad productiva a la que se destinaba cada lote. El esfuerzo tiene su explicación: 300.000 habitantes, la mitad de la población de la provincia patagónica, se concentra allí en torno el agua, un recurso vital tanto para su consumo como para encender el motor agrícola ganadero que da vida a la región. Por eso, cada dato que revela una merma en su cantidad o calidad enciende una alarma.
El grupo de científicas argentinas que integran Ana Liberoff, Natalia Pessacg (del equipo de investigación del Centro Nacional Patagónico) y Silvia Flaherty (de la Universidad Nacional de la Patagonia San Juan Bosco), trabaja desde hace seis años en la elaboración de un mapa que anticipe las consecuencias de estas prácticas productivas, una suerte de predicción en base a modelos para tratar de prevenir efectos indeseados.
“Es una zona semidesértica y el agua es muy escasa. En el margen inferior del río Chubut se realizan muchas actividades sociales y económicas y, por ejemplo, el sistema agrícola ganadero utiliza el 80 por ciento del recurso”, explicó Liberoff, doctora en Ciencias Biológicas y especializada en conservación y manejo de ecosistemas de agua dulce.
“Los problemas son silenciosos, pero las consecuencias están a la vuelta de la esquina”, advirtió. Algunos de ellos fueron recientes, como las floraciones de algas –sospechan que por la actuación de los fertilizantes de los campos- que obstruyeron los filtros de las plantas potabilizadoras. O las lluvias que en 2017 provocaron que el río estuviera turbio durante dos semanas en las que prácticamente toda la región se quedó sin agua potable. Eventos que podrían volver a suceder en cualquier momento. A esto hay que sumarle desafíos complejos y urgentes, como los emprendimientos de engorde ganadero que suelen liberar sus desechos en el río o el crecimiento sin control de terrenos para la agricultura.
La tecnología, aliada clave
Las investigadoras se embarcaron en un largo trabajo para conocer el impacto de las actividades productivas. “Queríamos saber qué se realiza en cada porción de terreno y elaborar un mapa que sirviera para mejorar la planificación del uso del agua y la gestión para mantener la calidad, pero era complicado de generar”, recordó. Allí se dieron cuenta de que para lograrlo necesitaban tecnología.
En diciembre de 2018 aplicaron para el programa AI for Earth de la empresa Microsoft, que planea invertir u$s50 millones en cinco años a nivel global para desarrollar investigaciones de inteligencia artificial y entregar tecnología a proyectos sobre cambio climático, agricultura, biodiversidad y agua. El de las científicas de Puerto Madryn fue el único argentino elegido entre otros 38 de diversos países.
Entonces formaron un grupo interdisciplinario integrado por expertas en biología, meteorología, sensores remotos y computación. Y se sumó Alexandra Trujillo, ingeniera electrónica y experta en Machine Learning y Deep Learning, quien se encargó de escribir una arquitectura nueva de modelo para clasificar usos y coberturas a partir de imágenes satelitales. El modelo SatNet (Satélite + Network), registra, memoriza y asocia cada hectárea de terreno en pixels de 10 metros x 10 metros con un definición y agudeza excepcionales.
“El ojo humano tiene cuatro bandas de color, las imágenes satelitales tienen 10 y cada imagen es multitemporal, es decir que registra diferentes épocas del año y el modelo aprende lo que hay en cada porción de tierra en las diferentes temporadas, en tiempos de sequía y primavera. Además de diferenciar por colores, también lo hace por las formas de las hojas, así puede saber si lo que está en un píxel es alfalfa o pasto”, resumió Trujillo.
Si bien la clasificación de imágenes satelitales se puede hacer con distintas metodologías, la inteligencia artificial permite automatizar el proceso y repetirlo año a año automáticamente. Eso es lo que no pueden hacer los censos ni ningún hombre a pie, por esforzado que sea. La plataforma de IA discierne entre cultivos que se parecen mucho y discrimina cuáles son árboles, frutales, hortalizas o simplemente pasturas. Una vez que los datos están cargados, las herramientas crean “redes neuronales” que le enseñan al modelo qué es cada cosa. Luego, ya está en condiciones de repetir el ejercicio solo.
“Le enseñamos que un determinado color y forma es determinado cultivo, luego de varias veces lo empieza a reconocer y lo asocia a lo que aprendió. Es como enseñarle a un chico a reconocer una taza. ¿Qué hacemos? Le mostramos tazas de diferentes formas y colores, luego se va a dar cuenta que puede cambiar el color o algunas cosas de la forma, pero siempre seguirá siendo una taza”, graficó Liberoff.
Estos estudios son esenciales para planificar un mejor uso de los recursos naturales. En ese proceso de enseñanza, las nuevas tecnologías serán un pilar invaluable para acelerar y potenciar nuestro ingenio. “Tanto para la cura de enfermedades, la protección de especies de animales en extinción o la lucha contra el cambio climático, estos modelos de aprendizaje continuo vienen a resolver problemas y ampliar la capacidad humana. Esta revolución invisible está presente en todo lo que hacemos”, sostuvo Diego Bekerman, gerente general de Microsoft en Argentina.
Para organismos provinciales y nacionales contar con trabajos de estas características es esencial para planificar un mejor uso de los recursos naturales. Por eso, la idea es trabajar en conjunto con la Compañía de Riego del Valle Inferior del Río Chubut para generar una versión mejorada.
El mapa, además de predecir qué pasará en el futuro con las aguas del Chubut, será decisivo también para comprender una amenaza aún mayor: el contexto en el que tendrá lugar el impacto del cambio climático. Los modelos de proyección auguran que el río experimentará un aumento de temperatura mayor a 1.5° y una disminución de las precipitaciones de entre un 10 y un 30%, lo que se traducirá en una preocupante merma en la producción de agua media anual de entre un 30 y 40% para el período 2071-2100.