Inteligencia Artificial (IA) como tecnología complementaria a la Teledetección (RS) agrícola en la enseñanza de la fisiología vegetal

Ali Ahmad – Universidad de Granada - 0000-0001-5530-7374Shab E Noor – Universidad de Granada - 0000-0003-0345-4692Pedro Cartujo Cassinello – Universidad de Granada - 0000-0001-6072-3137Vanessa Martos Núñez – Universidad de Granada - 0000-0001-6442-7968Recepción: 28.10.2022 | Aceptado: 31.10.2022Correspondencia a través de ORCID: Ali Ahmad - 0000-0001-5530-7374Financiación: This work was supported by the projects: “VIRTUOUS” funded from the European Union’s Horizon 2020 Project H2020-MSCA-RISE-2019. Ref. 872181, “SUSTAINABLE” funded from the European Union’s Horizon 2020 Project H2020-MSCA-RISE-2020. Ref. 101007702, and the “Project of Excellence” from FEDER (Fondo Europeo de Desarrollo Regional)- Junta de Andalucía 2018. Ref. P18-H0-4700.Área o categoría del conocimiento: Fisiología Vegetal – DocenciaAbstract: Agriculture is facing several challenges such as climate change, drought, and loss of fertile land, which could compromise global food safety and security. In this scenario, integration of novel technologies into agriculture could be the possible solution to address these concerns. There are several modern technology tools that can be integrated into agriculture for this purpose. Agricultural remote sensing (RS) technology, being one of the promising tools, has long been used for agriculture, but its potential has not been explored fully. RS involves monitoring and analysis of various crop growth parameters generating huge datasets. But management and interpretation of RS generated data is a complex and costly process. Therefore, artificial intelligence (AI), another promising tool of 5th industrial era, could be used to complement agricultural RS technology to improve data processing and generating visualizing results. Machine learning, a subset of AI, methods have been efficiently employed for disease detection, yield predictions, and biomass estimations. Yet, there remains a huge possibility to develop crop growth and yield simulations, and machine training models from the freely available satellite data. Hence, indicating and instilling this knowledge into young students would result in the novel initiatives in agricultural plant physiology, since most of the parameters analyzed through RS are physiological.Resumen: La agricultura se enfrenta a varios retos, como el cambio climático, la sequía y la pérdida de tierras fértiles, que podrían comprometer la seguridad alimentaria mundial. En este escenario, la integración de tecnologías novedosas en la agricultura podría ser la posible solución para hacer frente a estos problemas. Existen varias herramientas tecnológicas modernas que pueden integrarse en la agricultura con este fin. La tecnología de teledetección agrícola (RS), que es una de las herramientas más prometedoras, se utiliza desde hace tiempo en la agricultura, pero su potencial no se ha explorado plenamente. La teledetección implica el seguimiento y el análisis de diversos parámetros de crecimiento de los cultivos, lo que genera enormes conjuntos de datos. Pero la gestión e interpretación de los datos generados por la RS es un proceso complejo y costoso. Por lo tanto, la inteligencia artificial (IA), otra herramienta prometedora de la quinta era industrial, podría utilizarse para complementar la tecnología de RS agrícola con el fin de mejorar el procesamiento de los datos y generar resultados de visualización. Los métodos de aprendizaje automático, un subconjunto de la IA, se han empleado eficazmente para la detección de enfermedades, la predicción del rendimiento y la estimación de la biomasa. Sin embargo, sigue existiendo una enorme posibilidad de desarrollar simulaciones de crecimiento y rendimiento de los cultivos, así como modelos de entrenamiento de máquinas a partir de los datos satelitales disponibles de forma gratuita. Por lo tanto, indicar e inculcar estos conocimientos a los jóvenes estudiantes daría lugar a iniciativas novedosas en la fisiología de las plantas agrícolas, ya que la mayoría de los parámetros analizados mediante RS son fisiológicos.Universidad de GranadaEuropean Union’s Horizon 2020 Project H2020-MSCA-RISE-2019. Ref. 872181European Union’s Horizon 2020 Project H2020-MSCA-RISE-2020. Ref. 101007702“Project of Excellence” from FEDER (Fondo Europeo de Desarrollo Regional)- Junta de Andalucía 2018. Ref. P18-H0-470