El próximo día 27 de noviembre tendrá lugar en el Real Club Pineda de Sevilla la entrega del III Premio Cátedra AgroBank a la mejor Tesis Doctoral, que en esta edición ha recaido en el Dr. Rafael González Perea, por la tesis: “Optimización de la gestión de redes de riego a presión a diferentes escalas mediante Inteligencia Artificial”. El premio se concedido teniendo en cuenta la elevada calidad científica de la Tesis y el cumplimiento de los criterios para la evaluación de su excelencia científica descritos en las bases del premio. El ganador obtuvo su título de doctor por la Universidad de Córdoba, bajo la dirección del Dr. Emilio Camacho y del Dr. Juan Antonio Rodríguez, profesores de dicha Universidad.

El ganador, que ya obtuvo en 2014 un Premio al mejor Proyecto Final de Master en la Universidad de Córdoba y en 2016 el Premio Extraordinario Nacional al mejor Ingeniero Agrónomo, otorgado por el Ministerio de Educación y Cultura, realizó su tesis doctoral entre la Universidad de Córdoba y el prestigioso Cranfield Water Science Institute del Reino Unido. En la actualidad ocupa un puesto de Investigador Postdoctoral en la Universidad de Córdoba dentro del programa “Juan de la Cierva-Formación”, programa nacional creado para fomentar la contratación laboral por parte de organismos de investigación o centros de I+D españoles, con objeto de completar su formación investigadora.

La tesis doctoral premiada da un paso más en la gestión eficiente de las comunidades de regantes, integrando soluciones innovadoras basadas en las nuevas tecnologías tales como el Big Data y la Inteligencia Artificial (IA).

Los resultados obtenidos en la tesis muestran que se puede lograr un ahorro potencial de energía en las comunidades de regantes de alrededor del 20-27 % cuando se aplican técnicas avanzadas de sectorización y control de puntos críticos en la red de distribución de agua.

Los modelos predictivos desarrollados en esta tesis, mediante la aplicación de Big Data y técnicas de IA, permiten predecir tanto el consumo diario de agua de una comunidad de regantes (con un error inferior al 12 %), como reproducir a corto plazo el comportamiento de cada agricultor que compone dicha comunidad en cuanto a la programación del riego (cuándo y cuánto regar), acertando por completo en los eventos de riego producidos, con un error inferior al 10 % cuando se determina la cantidad de agua aplicada por riego.

Fruto del desarrollo de la tesis, y mediante la aplicación de Big Data, Inteligencia Artificial y haciendo uso de las nuevas Tecnologías de la Información y Comunicación (TICs), se está cambiando el paradigma de gestión de las comunidades de regantes. La predicción de la demanda de riego con días de antelación y la alta precisión que proporciona esta tesis facilita la contratación en tiempo real de la energía, la gestión óptima de las estaciones de bombeo, la organización del personal de la comunidad de regantes, la compra de materiales, la prevención de averías, etc., para así minimizar costes y maximizar el beneficio obtenido por los agricultores, junto con un claro beneficio ambiental derivado de un uso más eficiente del agua y la energía.