Um dos maiores desafios da humanidade neste século é garantir segurança alimentar para todas as pessoas. O Brasil é um dos poucos países do mundo capaz de expandir sua produção de alimentos de forma sustentável, com destaque para a região do Cerrado, que tem função estratégica no alcance do aumento da produção de alimentos esperada. O desenvolvimento sustentável da agricultura irrigada, por sua vez, dependendo da disponibilidade hídrica oriunda de pequenos reservatórios. Diversas pequenas barragens foram construídas nas últimas décadas na região com o intuito de armazenar água excedente das chuvas e disponibilizá-la no período de estiagem. Neste contexto, a evaporação é uma perda efetiva de água que deve ser melhor quantificada para que se possa desenvolver estratégias e políticas de gestão hídrica mais eficientes. O objetivo desta dissertação foi avaliar e propor métodos de estimativa de evaporação de água em pequenas barragens, bem como simular os impactos provenientes de mudanças climáticas nas perdas por evaporação. Avaliaram-se 14 métodos de estimativa de evaporação difundidos na literatura, além de ajustes de modelos empíricos baseados em Tanque Classe A (TCA), regressões lineares múltiplas e técnicas de aprendizado de máquina. A partir de um TCA instalado próximo ao reservatório, foram obtidos coeficientes de correção da evaporação do tanque considerando base mensal, sazonal e anual. Os modelos de regressão Cubist, Random Forest, Redes Neurais com Regularização Bayesiana e regressões lineares múltiplas foram ajustados utilizando dados climáticos coletados por uma estação meteorológica próxima ao reservatório. Dentre os métodos avaliados, o de Kohler, Nordenson e Fox (1955) e Linacre (1993) tiveram desempenho adequado, bem como os coeficientes de correção, duas equações lineares e os modelos de aprendizado de máquina. A evaporação apresentou tendências significativas de aumento, tanto para uma forçante de saldo de radiação de 4,5 W m-2, como para 8,5 W m-2. Estimou-se um aumento médio da evaporação na bacia do Rio Preto até o ano de 2100 de 18,4% e, quanto menor o reservatório, maior o risco de falta de água ao fim da estação seca. | Food safety is one of the century’s major challenges for humanity. Brazil is one of the few countries capable of increasing sustainable food production, highlighting the savanna region (Cerrado), which plays a key role in achieving this expected raise in production. However, the sustainable development of irrigated agriculture depends on small reservoirs water availability. A large number of small dams have been built during the last decades in the region. The objectives of these structures are to store runoff water and to supply water demands during drought periods, however small reservoirs evaporation is an effective water loss and should be better quantified in order to develop efficient management strategies and policies. The objective of this dissertation was to assess and propose methods for estimating small reservoir water evaporation, as well as to simulate the impacts advent from climatic changes on evaporation. Fourteen widespread in literature methods were assessed for estimating evaporation. Empirical models based on Class A pan, multiple linear regressions and machine learning techniques were also adjusted to estimate small reservoir evaporation. Monthly, seasonal and annual pan coefficients were calibrated for Class A pan installed near the reservoir. The Cubist regression, Random Forest, Bayesian regularized neural networks and multiple linear regressions were adjusted using climatic data observed near the reservoir. Among the assessed methods, Kohler, Nordenson and Fox (1955) and Linacre (1993) presented adequate performance, as did the pan coefficients, two linear regressions and the machine learning models. Evaporation showed significant increase trends for both representative concentration pathways of 4.5 W m-2 and 8.5 W m-2. Considering an increase of up to 18.4% estimated until 2100 for the Rio Preto basin, higher will be the risk of failure in water supply on the end of the drought period for smaller reservoirs.

RESUMENLos metadatos hacen referencia a información descriptiva (como ubicación del sensor, unidad de medida, rango de medida, fecha de calibración, fecha de limpieza, si ocurrió algún evento como episodio de lluvia/fallo operativo/vertido tóxico …) que es esencial para convertir los grandes volúmenes de datos que se recogen actualmente en las instalaciones de tratamiento de agua y que están sin procesar en información y recursos útiles. Con el avance de la digitalización en el sector del agua, es fundamental evitar los cementerios de datos y, por otro lado, utilizar los datos almacenados para resolver problemas actuales y futuros. Este artículo se centra en el papel crucial que tienen los metadatos para responder a desafíos futuros y posiblemente impredecibles. El objetivo de este documento es presentar el ‘reto de los metadatos’ y destacar la necesidad de tener en cuenta los metadatos cuando se recoge información como parte de las buenas prácticas de digitalización.

[SPA] Este documento muestra una visión general del estado del arte de la inteligencia artificial aplicada a la agricultura de precisión. Además, describe el plan de trabajo propuesto para conseguir uno de los objetivos relacionados con el manejo eficiente del agua en la agricultura que pretenden ser abordados en la tesis doctoral y muestra algunos de los avances conseguidos hasta ahora. [ENG] This document gives an overview of the state of the art of artificial intelligence applied to precision agriculture. In addition, it describes the proposed work schedule in order to achieve the one of the objectives related to the efficient water management in agriculture that are aimed within this PhD and shows some of the advances that are fulfilled until now. | Este trabajo ha sido financiado por el Ministerio de Investigación e Innovación del Gobierno de España (PCIN-2017-091, WaterWorks2015 ERA-NET) y Manuel Forcen agradece la financiación del contrato predoctoral recibida de la Fundación Séneca (20767/FPI/18).

"El cultivo de especies acuícolas es una actividad comúnmente practicada alrededor del mundo. En México, el cultivo de camarón es una de las principales fuentes de ingresos en el área de la acuicultura. La calidad del agua es un factor relevante en el éxito del cultivo en granjas camaronícolas, por lo que su monitoreo resulta ser de vital importancia. Este estudio presenta un nuevo modelo computacional para la evaluación de la calidad del agua en granjas de cultivo extensivo para camarón Litopenaeus vannamei. Mediante el uso de las redes neuronales artificiales se creó un indicador de la calidad del agua, mismo que permite establecer una relación entre la dinámica de los parámetros del ecosistema y diferentes estados para el cultivo de la especie (excelente, bueno, regular y deficiente). Se seleccionaron cuatro parámetros medioambientales debido a su importancia en el hábitat: temperatura del agua, pH, oxígeno disuelto y salinidad. Los resultados obtenidos muestran un buen funcionamiento y eficiencia por parte del sistema propuesto, al compararlo con otros modelos de evaluación empleados para este fin. Las evaluaciones muestran a las RNA como una buena opción para la evaluación y detección de estados óptimos o no deseados para un buen manejo del agua en este tipo de cultivos." | "Aquaculture is a commonly practiced activity worldwide. In Mexico, shrimp represents a signifcant source of the income generated by aquaculture. Since the success of shrimp farming depends on good water quality, its monitoring is essential. This for work presents a new computational model to assess the water quality of large shrimp ponds (Litopenaeus vannamei). An artifcial neural network (ANN) was used to create a water quality index, with which a mathematical relationship can be established between the dynamics of environmental parameters and diferent water quality conditions (excellent, good, average, and poor). Four parameters that were important for the habitat were selected: temperature, dissolved oxygen, salinity, and pH. The results show that the proposed model performs well and efciently, as compared to other evaluation models used for this purpose. The evaluations demonstrate that ANN is a good option for evaluating and detecting optimal and undesirable conditions, contributing to good water management for this type of warming."

Resumen: El cultivo de especies acuícolas es una actividad comúnmente practicada alrededor del mundo. En México, el cultivo de camarón es una de las principales fuentes de ingresos en el área de la acuicultura. La calidad del agua es un factor relevante en el éxito del cultivo en granjas camaronícolas, por lo que su monitoreo resulta ser de vital importancia. Este estudio presenta un nuevo modelo computacional para la evaluación de la calidad del agua en granjas de cultivo extensivo para camarón Litopenaeus vannamei. Mediante el uso de las redes neuronales artificiales se creó un indicador de la calidad del agua, mismo que permite establecer una relación entre la dinámica de los parámetros del ecosistema y diferentes estados para el cultivo de la especie (excelente, bueno, regular y deficiente). Se seleccionaron cuatro parámetros medioambientales debido a su importancia en el hábitat: temperatura del agua, pH, oxígeno disuelto y salinidad. Los resultados obtenidos muestran un buen funcionamiento y eficiencia por parte del sistema propuesto, al compararlo con otros modelos de evaluación empleados para este fin. Las evaluaciones muestran a las RNA como una buena opción para la evaluación y detección de estados óptimos o no deseados para un buen manejo del agua en este tipo de cultivos. | Abstract: Aquaculture is a commonly practiced activity worldwide. In Mexico, shrimp represents a significant source of the income generated by aquaculture. Since the success of shrimp farming depends on good water quality, its monitoring is essential. This work presents a new computational model to assess the water quality of large shrimp ponds (Litopenaeus vannamei). An artificial neural network (ANN) was used to create a water quality index, with which a mathematical relationship can be established between the dynamics of environmental parameters and different water quality conditions (excellent, good, average, and poor). Four parameters that were important for the habitat were selected: temperature, dissolved oxygen, salinity, and pH. The results show that the proposed model performs well and efficiently, as compared to other evaluation models used for this purpose. The evaluations demonstrate that ANN is a good option for evaluating and detecting optimal and undesirable conditions, contributing to good water management for this type of farming.

El cultivo de especies acuícolas es una actividad comúnmente practicada alrededor del mundo. En México, el cultivo de camarón es una de las principales fuentes de ingresos en el área de la acuicultura. La calidad del agua es un factor relevante en el éxito del cultivo en granjas camaronícolas, por lo que su monitoreo resulta ser de vital importancia. Este estudio presenta un nuevo modelo computacional para la evaluación de la calidad del agua en granjas de cultivo extensivo para camarón Litopenaeus vannamei. Mediante el uso de las redes neuronales artificiales se creó un indicador de la calidad del agua, mismo que permite establecer una relación entre la dinámica de los parámetros del ecosistema y diferentes estados para el cultivo de la especie (excelente, bueno, regular y deficiente). Se seleccionaron cuatro parámetros medioambientales debido a su importancia en el hábitat: temperatura del agua, pH, oxígeno disuelto y salinidad. Los resultados obtenidos muestran un buen funcionamiento y eficiencia por parte del sistema propuesto, al compararlo con otros modelos de evaluación empleados para este fin. Las evaluaciones muestran a las RNA como una buena opción para la evaluación y detección de estados óptimos o no deseados para un buen manejo del agua en este tipo de cultivos.

La acuacultura de precisión es una nueva herramienta desarrollada en el campo de la tecnología de la información (TI) que permite al acuicultor tener un mejor control sobre los procesos de la granja, facilitar la toma de decisiones y mejorarla eficiencia de la actividad. El desarrollo de sistemas de monitoreo continuo son importantes para los cultivos acuícolas ya que estos pueden detectar condiciones no deseadas que puedan perjudicar los organismos. En este estudio, se valoran las plataformas de hardware abierto e inteligencia artificial como alternativa para desarrollar nuevos sistemas de monitoreo. El sistema que se propone registra de manera automática las variables fisicoquímicas del agua (oxígeno disuelto, temperatura y pH) y las procesa mediante lógica difusa (inteligencia artificial) para la determinación del índice de calidad de agua. El sistema fue probado mediante un cultivo de camarón (Litopenaeus vannamei) con una talla de 1.67±0.23g en un periodo de 84 días. Los resultados demuestran que el sistema analiza las variables fisicoquímicos más importantes de un cultivo de camarón y fue capaz de calificar el índice de calidad de agua como: pobre, regular, buena y excelente en función de los umbrales óptimos requeridos por el cultivo. Esto indica que es posible el uso del sistema de hardware abierto y lógica difusa para el monitoreo del índice de calidad de agua y su aplicación en la acuacultura.