Introduce tu búsqueda a continuación y presiona el botón para obtener resultados.
El proyecto GRAPEVINE pretende fomentar el uso de las infraestructuras de datos abiertos (Open Data en inglés) y de computación de alto rendimiento (High performance Computing o HPC) para el desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático (Machine Learning).
El proyecto pretende mejorar la prevención y el control de enfermedades de la vid, como por ejemplo: el Mildiu, con el objetivo de reducir la cantidad de fungicida usado en la prevención de estas enfermedades, así como el número de tratamientos preventivos realizados por los productores del sector vinícola; introduciendo, de este modo, el criterio de sostenibilidad en la producción agrícola y ofreciendo a los consumidores productos de mayor calidad y más seguros.
De esta forma el modelo que se ha desarrollado para controlar el Mildiu, así como otras enfermedades de la vid, permite:
Se utilizan distintos conjuntos de datos, desde imágenes multiespectrales de la Copernicus-Sentinel-2; hasta observaciones de evolución de la fenología de viñedo y de la presencia de enfermedades y plagas de Red FARA (Red de Vigilancia Fitosanitaria de Aragón), soportada por CSCV, y completado con datos facilitados por UNIZAR; pasando por las estaciones meteorológicas que gestiona SARGA de la red SIAR y las 14 estaciones que ha desplegado durante el proyecto del proyecto, así como, las de AEMET cercanas a o situadas en las denominaciones de origen. También, las predicciones meteorológicas basadas en los modelos de Agroapps.
ITA ha integrado los datos de las distintas fuentes y ha desarrollado modelos de predicción de fenología de la vid y de las enfermedades y plagas que le pueden afectar utilizando algoritmos de Machine Learning. Para el entrenamiento de los modelos ITA está utilizando recursos propios, así como los facilitados por CESGA.
