🎯 Objetivos

• Desarrollar soluciones innovadoras para la gestión eficiente del agua en agricultura.
• Combinar datos abiertos, sensores IoT y técnicas de IA para mejorar la planificación del riego.
• Crear herramientas escalables y fáciles de aplicar en diferentes regiones agrícolas.

🔬 Principales Resultados

📊 Modelado de evapotranspiración ($ET_0$)

• Implementación de modelos de machine learning y deep learning.
• Uso exclusivo de datos abiertos de teledetección y clima.
• Precisión comparable o superior a métodos basados en estaciones meteorológicas.

💧 Predicción del consumo de agua

• Análisis de datos de contadores inteligentes.
• Modelos de series temporales que anticipan patrones de consumo.
• Capacidad de detectar anomalías en la red de riego.

🔗 Fusión de datos

• Integración de información de sensores físicos, satélites y registros históricos.
• Desarrollo de un marco conceptual de análisis y visualización.

🌿 Recomendaciones de riego

• Prototipo de sistema de apoyo a la decisión.
• Combina predicciones de $ET_0$ y consumo real.