Agricultores expertos en Inglaterra contribuyen al desarrollo de una herramienta de predicción para reducir el uso de pesticidas.

Agricultores en Inglaterra están transformando la gestión de plagas mediante mapas de predicción computacional que permiten reducir significativamente el uso de pesticidas. En el marco del proyecto Slimers —acrónimo de Estrategias que Conducen a una Mejor Gestión y Mayor Resistencia a las Babosas—, un consorcio de productores y científicos desarrolló durante tres años un modelo algorítmico capaz de anticipar la distribución de babosas en campos de cultivo, con implicaciones directas sobre costos operativos e impacto ambiental. El proyecto contó con un financiamiento de £2.6 millones respaldado por el Departamento de Medio Ambiente, Alimentación y Asuntos Rurales del Reino Unido, y fue liderado por la Red Británica de Innovación en Granjas.

Babosas y otros gasterópodos generan pérdidas estimadas en £44 millones anuales en el Reino Unido, afectando principalmente cultivos de trigo, colza, cebada y avena. Su comportamiento no es aleatorio: según el Prof. Keith Walters, de la Universidad de Harper Adams, estas plagas forman parches específicos determinados por tipo de suelo y condiciones climáticas. Este hallazgo fue clave para diseñar un sistema de predicción basado en datos de campo. Un grupo de 28 agricultores, denominados internamente "detectives de babosas", instaló trampas en sus tierras y alimentó con esa información el modelo computacional desarrollado por Entorno, que combina análisis de suelo con algoritmos de localización de plagas.

Durante las temporadas de otoño e invierno, 16 productores probaron los mapas de predicción resultantes y lograron reducir a la mitad el volumen de pellets necesarios para el control de plagas. Este resultado cobra mayor relevancia en el contexto regulatorio actual: la prohibición del metaldehído en 2022 —un químico ampliamente utilizado en el sector— ha acelerado la búsqueda de alternativas sostenibles. Paralelamente, el proyecto avanza en el desarrollo de variedades de trigo con mayor resistencia natural a las babosas, lo que apunta hacia un modelo agrícola donde la prevención predictiva y la mejora genética de cultivos sustituyan progresivamente a los insumos químicos. Para estrategas del sector agroalimentario e inversores en tecnología agrícola, este tipo de iniciativas señala una dirección clara: la agricultura de precisión basada en datos está dejando de ser experimental para convertirse en práctica estándar.", "links_preserved": [] }