Inteligencia artificial para las setas

Las setas silvestres comestibles son uno de los productos forestales no maderables que se han convertido en una base importante para la economía rural, tanto en lo que se refiere a la actividad de compra venta del producto de temporada como para el sector turístico, las campañas de recogida atraen cada vez a un mayor número de micoturistas que buscan salir al monte para recoger las especies que la generosa naturaleza ofrece.

Sin embargo, cuantificar y predecir la producción de hongos silvestres es algo difícil de estimar. La fructificación de los hongos está influenciada por factores como el clima, el suelo, la topografía y la estructura del bosque y de ahora en adelante también se van a tener en cuenta las sequías recurrentes en los bosques mediterráneos a causa del cambio climático, donde cada vez son más frecuentes. De ahí que hay grandes variabilidades de producciones de cosechas dependiendo de las campañas y por lo tanto resulta complicado establecer predicciones.

Estos cambios del clima y la recolección incontrolada son una amenaza para este recurso que cuenta con un importante potencial en Castilla y León y sobre todo en la provincia de Soria.

En este marco la predicción de la producción de setas cobra más valor, si cabe, para el mundo científico que busca fórmulas para acertar en el campo de las setas comestibles, tanto en lo que se refiere a la implantación de modelos de gestión sostenible, como en mediciones de la producción para ofrecer información válida a los recolectores.

Investigadores de la Fundación Cesefor de Soria han realizado un estudio para medir la eficacia de los modelos de aprendizaje automático, muy empleados ya en el sector forestal, para predecir y cuantificar el potencial micológico en pinares gestionados de manera sostenible.

Los resultados han permitido establecer que la inteligencia artificial es una herramienta útil para predecir la existencia de setas en los bosques, aunque todavía no se pueden precisar cantidades, «en esto último tenemos que seguir trabajando» , explica Raquel Martínez, investigadora principal de este estudio en el que también han participado Beatriz Águeda, Teresa Ágreda, José Miguel Altelarrea, Luz Marina Fernández y Francisco Rodríguez Puerta.

La investigación se planteó en dos fases. En la primera el trabajo se planteó para acreditar si había o no setas en las parcelas que se han estudiado y en la segunda para intentar conocer la cantidad de ellas (producción estimada en gramos).

El área de estudio fueron las parcelas de ensayo del centro tecnológico Cesefor, bosques de pinus pinaster, y la especie micológica elegida fue el lactarius deliciosus, conocido como níscalo, muy común en la provincia soriana. Estas parcelas se vienen utilizando por el Cesefor con un diseño estratificado para representar todas las estructuras forestales para llevar a cabo los estudios científicos.

Desde el año 1997, Cesefor recopila datos de producción de estas parcelas tras la recolección a pie de campo durante las semanas de otoño, principal periodo de fructificación. Esta base de datos anual ha sido de gran utilidad para el estudio liderado por Raquel Martínez.

El trabajo de los datos de campo se completó con un inventario de árboles de cada una de las parcelas estudiadas que incluyó el conteo de los árboles, la medición del diámetro y la altura de cada uno de ellos, con el objetivo de evaluar las variables dendométricas.

También se incluyeron mediciones climáticas mensuales, temperaturas medias, precipitaciones acumuladas y de humedad, con datos obtenido de la Agencia Estatal de Meteorología (AEMET). A ello se sumó la recopilación de datos satelitales con imágenes multiespectrales estacionales del programa Landsat, que permitieron calcular varios índices espectrales para determinar el estado de vigorosidad de la masa arbolada, entre otras variables.

Los investigadores realizaron un análisis estadístico para predecir la producción de níscalos con un modelo de inteligencia artificial. En primer lugar se trabajó para identificar la presencia o la ausencia de setas en cada parcela y en segundo término se buscó la predicción de los rendimiento de hongos en gramos utilizando modelos de regresión.

La muestra de datos se dividió de manera aleatoria para el entrenamiento y la posterior validación con inteligencia artificial. Se entrenaron cuatro modelos y una vez que se seleccionó el modelo de clasificación óptimo, las predicciones se extendieron a todo el conjunto de datos.

El principal resultado de estudio ha permitido determinar que las técnicas de aprendizaje automático son una herramienta útil para facilitar la toma de decisiones en materia de permisos de recolección de setas silvestres comestibles.

No obstante, tras este estudio, la precisión fue más acertada en la primera fase del trabajo, en la que se predijo, con una exactitud del 87%, la existencia de setas, que en la segunda, en la que se pretendía obtener información sobre datos de producción en gramos. «Esta segunda nos dio error y es lo que queremos limar», puntualiza Raquel Martínez.

A juicio de los investigadores, y de acuerdo a los datos obtenidos, la precisión de este índice se puede mejorar en el futuro con un conjunto de datos in situ de setas más amplio, pero también puede mejorar con la inclusión de nuevos de datos de teledetección, que permiten disponer de información sobre la evolución de los bosques.

Martínez pone en valor el paso que se ha dado con este estudio en el uso de la inteligencia artificial para conocer si en los bosques hay setas, además lo hace para un recurso cuya fructificación depende mucho de la temperatura y de las precipitaciones.

«Seguiremos trabajando para intentar predecir las cosechas con sensores remotos, eso sería lo ideal», concluye Raquel Martínez, y así aportar luz al mundo de la micología.