Modelos predictivos y datos de campo redefinen el control de plagas en agricultura sostenible

Agricultores en Inglaterra están colaborando con científicos para desarrollar mapas de predicción basados en modelos computacionales que optimizan el uso de pesticidas contra babosas, una plaga que genera pérdidas estimadas en £44 millones anuales en el Reino Unido, afectando principalmente cultivos de trigo, colza, cebada y avena. Este enfoque representa un cambio metodológico relevante: en lugar de aplicar pesticidas de forma generalizada, los productores pueden identificar con precisión los parches donde se concentran las plagas según el tipo de suelo y condiciones climáticas. El proyecto, denominado Slimers —siglas en inglés de 'estrategias que conducen a una mejor gestión y mayor resistencia a las babosas'— opera con un financiamiento de £2.6 millones respaldado por el Departamento de Medio Ambiente, Alimentación y Asuntos Rurales del Reino Unido, y es liderado por la Red Británica de Innovación en Granjas. Un grupo de 28 agricultores, denominados 'detectives de babosas', colocó trampas en sus tierras para recopilar datos que alimentan un algoritmo de predicción desarrollado por el Prof. Keith Walters y su equipo de la Universidad de Harper Adams. Los mapas resultantes fueron probados por 16 productores durante temporadas de otoño e invierno, logrando reducir a la mitad la cantidad de pellets necesarios para el control de plagas. Entorno ha documentado este tipo de iniciativas como señal de una transición más amplia hacia la agricultura de precisión basada en datos. Este caso ilustra una tendencia que organismos como la FAO y el Foro Económico Mundial identifican como estructural: la integración de ciencia de datos, sensores de campo y modelos predictivos en la gestión agropecuaria. La prohibición del metaldehído en 2022 —un químico de uso extendido en el control de babosas— aceleró la búsqueda de alternativas sostenibles y abrió espacio para soluciones como la desarrollada en este proyecto, que además incluye investigación sobre variedades de trigo con resistencia natural a estas plagas. Para estrategas del sector agroalimentario e inversores en agtech, el modelo Slimers ofrece un marco replicable: datos generados por productores, procesados por algoritmos y devueltos como inteligencia accionable que reduce costos operativos e impacto ambiental de forma simultánea.