Machine Learning, satélites y drones contra “plagas bíblicas”

Paloma Recuero de los Santos    8 abril, 2020

Los datos y los “insights” que podemos extraer de ellos gracias a la inteligencia artificial, son herramientas clave en la lucha contra algunos de los problemas más graves que tiene que enfrentar la Humanidad. Lo hemos visto estos días difíciles en los que el COVID-19 ha infectado a más de 534.000 personas en 188 países del mundo (datos del 27/3/20). Pero vamos a ver que también nos pueden ayudar a combatir un grave problema que nos viene azotando desde la antigüedad: las plagas de langostas.

Un problema desde la antigüedad

En el Antiguo Testamento, la plaga de langostas era una de las ocho “plagas bíblicas” que Jehová envió para “ablandar el corazón del faraón” y que permitiera al pueblo elegido, dirigido por Moisés, huir de la esclavitud en Egipto. Hay muchas teorías que intentan explicar si las plagas bíblicas están basados en hechos reales o no. Pero, sin duda, la plaga de langostas es, de todas ellas, la más sencilla de explicar. Por dos motivos muy sencillos.

  • El primero, porque es sabido que, aunque este tipo de insectos suele actuar de forma individual, hay épocas en su vida en las que tienden a unirse en grupos gigantescos.
  • El segundo y principal, porque estas plagas han seguido apareciendo de forma recurrente durante siglos, afectando amplias zonas de África y otros países.

La última plaga de langostas en África, entre los años 2003 y 2004, abarcó dos o tres generaciones de insectos, llegó a veintitrés países africanos, y tardó dos años en ser controlada.

El problema hoy

Aunque la crisis del COVID19 ha relegado a un segundo lugar las noticias referentes a este tema, extensas zonas África oriental y el Yemen, así como en los Estados del Golfo, el Irán, el Pakistán y la India se están enfrentando a la peor plaga de langostas (Schistocerca gregaria) de los últimos 70 años. Las condiciones meteorológicas y climáticas inusuales, incluidas las lluvias generalizadas y fuertes desde octubre de 2019, están detrás de este nuevo brote.

La langosta del desierto es la plaga migratoria más peligrosa del mundo. Según datos de la FAO, un enjambre de langostas de 1 kilómetro cuadrado puede devorar la misma cantidad de alimentos en un día que 35 mil personas. Por ello, su reciente reaparición supone una grave amenaza para la seguridad alimentaria y los medios de subsistencia en muchos países son economías, ya de por sí, extremadamente frágiles.

Mapa de distribución plaga (Observatorio de langostas de la FAO)
Figura 1: Mapa de distribución plaga (Observatorio de langostas de la FAO)

¿Cómo combatirlo?

Las estrategias más eficaces contra las plagas de langostas, se basan en la combinación de armas biológicas, como la fumigación aérea y terrestre, y armas tecnológicas, como el uso de drones, satélites y técnicas de machine learning para el control de los enjambres

Armas biológicas

Hasta mediados del siglo XX no se comprendió que el insecto solitario de color marrón claro que vive en el desierto es de la misma especie que las langostas rojas y amarillas de las plagas. Ya conocidas sus características biológicas, se empezó a usar la fumigación aérea para luchar contra esta plaga. Sin embargo, el uso de pesticidas a gran escala también suponía un riesgo para la salud humana y el medio ambiente.

Ciclo de vida de las langostas (Ministerio de Agricultura de Uganda)
Figura 2: Ciclo de vida de las langostas (Ministerio de Agricultura de Uganda)

Por ello, se han llevado a cabo diferentes investigaciones en pesticidas biológicos, que han supuesto importantes avances. Por poner algunos ejemplos:

  • El Phenylacetonitrilo -o PAN  es una feromona que, con menos de 10 milímetros por hectárea, hace que los insectos se disgreguen y vuelvan a un comportamiento solitario.
  • Green Muscle ® es un biopesticida cuyo principio activo son las esporas del hongo natural Metarhizium anisopliae varacridum. Este hongo germina en la piel de las langostas jóvenes, perfora su dermatoesqueleto, y destruye sus tejidos desde dentro. Se utiliza con éxito en Australia, pero presenta algunos problemas de usabilidad y coste que hasta ahora han limitado su uso en otras áreas.
  • Los Reguladores del Crecimiento de Insectos (IGR), que regulan la habilidad de los insectos jóvenes para mudar de piel y crecer y carecen de efectos tóxicos sobre los vertebrados. Son efectivos durante varias semanas después de su aplicación y se utilizan en los denominados tratamientos de “barrera”, que se aplican en forma perpendicular a la dirección de marcha de los insectos.

Pero para que estas “armas biológicas” sean efectivas, es fundamente hacer una monitorización continua de distintos parámetros en las posibles zonas de cría, y un seguimiento de los enjambres. A partir de estos datos, se crean modelos de machine learning que permiten la detección temprana de los brotes, clave para luchar contra esta plaga y minimizar su impacto sobre la población y el medio ambiente.

Armas tecnológicas: Machine learning, drones y satélites

Uno de los principales problemas en la obtención de datos fiables sobre el terreno es que las zonas de cría de las langostas se encuentran en los lugares más remotos y hostiles del mundo. Por ello, el uso de satélites, aviones o drones de reconocimiento, puede ser de gran ayuda.

Captación de datos

El eLocust2 es un dispositivo desarrollado por la Agencia Espacial Francesa que, en tan solo unos minutos, envía información  sobre condiciones ambientales y datos vitales de la langosta a los centros nacionales de lucha contra la plaga en los países afectados.  

Modelado de los datos

Existen distintos modelos de predicción de brotes basados en machine learning. Los primeros usaban como variables predictoras datos sobre precipitaciones o el índice de cubierta vegetal obtenidos por satélite. Modelos más recientes, que incorporan otros parámetros como el grado de humedad del suelo, y valores de temperatura en superficie y de humedad en la cubierta vegetal; han conseguido excelentes resultados en países como Mauritania.

Figura 3: Resultados del modelo predictivo
Figura 3: Resultados del modelo predictivo

Tareas de reconocimiento sobre el terreno

También en Mauritania, la ONU está poniendo a prueba el uso de drones en las tareas de vigilancia contra plagas. El uso de drones permite dedicar los aviones que antes se destinaban a tareas de reconocimiento y vigilancia de enjambres, a las tareas de fumigación. Dados que los aviones son bienes escasos en muchos de estos países, el poder dedicar un mayor número de ellos a las tareas de fumigación representa un gran avance.

Otras armas biológicas más “familiares”: gallinas y patos

Distintos medios, como la BBCBloombergTime y Daily Mail con cita al medio chino Ningbo Evening News— han divulgado la noticia del supuesto envío de un ejército de 100.000 patos de China a Pakistán para ayudar a combatir la peor plaga de langostas en décadas en ese país. Sin embargo, según expertos de la FAO, esta nueva “arma biológica” resulta del todo insuficiente, como podemos ver en este artículo de la agencia Reuters.

No obstante, dada la importancia de este problema, es interesante explorar nuevos enfoques a la hora de combatirlo.

Conclusión

Como hemos visto en tantas ocasiones, siempre que hay un problema que se puede resolver con datos, la inteligencia artificial, y como en este caso, el aprendizaje automático, se convierten en nuestros mejores aliados.

Para mantenerte al día con LUCA visita nuestra página web suscríbete a LUCA Data Speaks o síguenos en TwitterLinkedIn YouTube.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *