El modelo de crecimiento de la lechuga NICOLET: sus limitaciones en las granjas verticales

NICOLET aparece en casi todas las referencias académicas sobre la predicción del rendimiento de la lechuga y, cada vez más, en los módulos de predicción que se comercializan entre los operadores. Es un buen modelo. Sin embargo, también se aplica habitualmente de formas que garantizan que vaya a fallar, y el fallo rara vez radica en las matemáticas, sino en los parámetros, los datos de entrada y el paso de conversión final.

NICOLET B3 es un modelo dinámico no lineal para la lechuga que predice la materia seca y la materia fresca a partir de la luz, la temperatura y el CO₂. En la práctica, presenta desviaciones por tres motivos: los parámetros calibrados en el invernadero de otra persona nunca se reajustan a nivel local; el espectro de los LED no está representado en el modelo; y la conversión de peso seco a fresco se supone, en lugar de medirse comparándola con los datos de cosecha.

Qué es lo que realmente modela NICOLET B3

NICOLET pertenece a una familia de modelos mecanicistas de equilibrio del carbono. La formulación del linaje Seginet divide la planta en compartimentos virtuales —«estructura», «vacuola» y «exceso de carbono»—, en los que los compuestos orgánicos y minerales solubles presentes en el interior de la vacuola se complementan entre sí para mantener una presión osmótica total constante. Este último punto es más importante de lo que parece: es el mecanismo que permite al modelo aportar información sobre el contenido de nitrato, y no solo sobre la masa.

La formulación de Van Henten, estrechamente relacionada y que la mayoría de los programas de software implementan , realiza un seguimiento de dos variables de estado —el peso seco no estructural y el estructural—, que dependen de la radiación fotosintéticamente activa incidente, la temperatura y el CO₂. Tres variables de entrada, dos estados, unas pocas ecuaciones diferenciales ordinarias. Esa simplicidad es la razón por la que se ejecuta en un controlador en lugar de en un clúster de GPU.

Funciona una vez calibrado. Una evaluación de 2022 publicada en la Revista Española de Investigación Agraria informó de un R² de 0,9939 para la materia fresca y de 0,9858 para la materia seca tras la calibración con datos de invernadero; se constató que la temperatura era el factor que más influía en el rendimiento del modelo en comparación con la PAR y el CO₂, y se señaló que el modelo podía funcionar bien con solo dos variables de entrada.

Lee eso con atención, porque contiene la advertencia. Esos ajustes se realizaron tras la calibración de los parámetros con datos experimentales locales. El estudio de sensibilidad sobre NICOLET B3 publicado en Agrociencia identificó tres parámetros con un efecto significativo en el comportamiento del modelo: el coeficiente de respiración de mantenimiento, el coeficiente de extinción de la radiación a través del dosel y el coeficiente de tasa de crecimiento no inhibido de un dosel cerrado. Esos tres son precisamente los parámetros que cambian cuando se modifica la variedad, la densidad de plantación o la geometría de la estructura.

¿Por qué se desvía un modelo NICOLET calibrado en una granja vertical?

Dado que los conjuntos de parámetros publicados se ajustaron bajo la luz solar, en invernaderos y con una distancia entre plantas similar a la de campo, y una granja vertical incumple estas tres condiciones a la vez.

El espectro es invisible para el modelo. NICOLET considera el PAR como un escalar. Un grupo de la Universidad Estatal de Míchigan y de Virginia Tech, en colaboración con el laboratorio de Erik Runkle, demostró que, con un coeficiente de eficiencia en el uso de la luz constante, el modelo de crecimiento dinámico no predecía con precisión la masa seca en los distintos tratamientos de luz fuera de las condiciones típicas de un invernadero, y que ajustar un coeficiente dependiente del espectro reducía el error de predicción a aproximadamente un 6-8 % para formas simples de primer y segundo orden, y a un error medio de alrededor del 2 % para una forma de cuarto orden. Mismo modelo, mismo cultivo; la diferencia radicó en permitir que el término de eficiencia variara en función del espectro.

La geometría del dosel no es la misma que la de un invernadero. El coeficiente de extinción de la radiación describe cómo se atenúa la luz al atravesar el dosel. A las densidades propias de las granjas verticales, con una altura fija de las luminarias y sin componente difuso del cielo, la extinción se comporta de forma diferente. Mantener el valor indicado en la bibliografía introduce un sesgo sistemático en la segunda mitad del ciclo de cultivo, cuando predomina el cierre del dosel.

El microclima no es lo mismo que el clima de la sala. El modelo se basa en las condiciones del dosel. La mayoría de los operadores introducen en él los datos de un sensor situado en la sala, a dos metros de las plantas. En una estantería de ocho niveles, el nivel superior y el inferior no tienen la misma temperatura ni el mismo VPD, y la temperatura es el parámetro al que el modelo es más sensible.

El modelo no se pronuncia sobre el «tipburn». NICOLET predice la biomasa, no la comerciabilidad. El manual de lechuga de Cornell CEA combina su objetivo de DLI de 17 mol/m²/d con un flujo de aire descendente sobre las plantas, y señala que, sin ese flujo de aire, la lechuga debe cultivarse con una intensidad luminosa reducida —por ejemplo, 12 en lugar de 17 mol/m²/d—, lo que ralentiza el crecimiento. Un modelo puede pronosticar una hermosa cabeza de 160 g que tu línea de control de calidad acabe desclasificando.

¿Qué modelo es compatible con los sensores que tienes?

La selección del modelo debe basarse en la instrumentación, no en el prestigio. Aplicar una formulación que tenga en cuenta los niveles de nitrato en una explotación agrícola en la que no se realizan análisis de tejidos da lugar a una precisión que no se puede verificar.

Los modelos mecanicistas extrapolan; los modelos estadísticos interpolan. Si vas a poner en marcha una nueva sala, necesitas los primeros. Se trata de la misma disyuntiva que se aborda en «Agricultura en entornos controlados con gemelos digitales: lo que realmente se necesita».

La conversión del peso en fresco es donde suele fracasar la previsión

La unidad de medida principal de NICOLET es el carbono. La unidad de medida de tu comprador es el peso fresco en una bandeja. La conversión entre ambas se basa en una estimación del contenido de materia seca, y es la cifra que menos se analiza en la mayoría de las implementaciones.

Utiliza el valor de referencia de Cornell como punto de partida: mantener 17 mol/m²/d produjo una cabeza comercializable de 150 g de peso fresco con casi 7 g de peso seco a los 35 días tras la siembra —aproximadamente un 4,7 % de materia seca—. Ahora haz los cálculos con un modelo que fija la masa seca en 7 g, pero que utiliza una conversión errónea. Con un 5,5 % de materia seca, la previsión es de 127 g; con un 4,0 %, es de 175 g. La biología se predijo correctamente, pero la previsión del rendimiento final se desvía en un tercio en ese rango. El contenido de materia seca no es una constante: varía en función del DLI, la temperatura, la variedad y la hora del día en que se realiza la cosecha.

El aspecto osmótico de NICOLET también tiene una ventaja comercial. Dado que el nitrato vacuolar y los hidratos de carbono se sustituyen entre sí, la producción con poca luz tiende a generar mayores niveles de nitrato. Si realizas envíos a la UE, el Reglamento (UE) n.º 1258/2011 de la Comisión limita el contenido de nitratos en la lechuga cultivada bajo cubierta a 5.000 mg de NO₃/kg para los productos cosechados entre el 1 de octubre y el 31 de marzo, y a 4.000 mg/kg entre el 1 de abril y el 30 de septiembre. Un modelo que realiza un seguimiento de la vacuola te proporciona información sobre el riesgo de incumplimiento normativo, no solo sobre el rendimiento.

La solución no tiene nada de glamurosa: pesar y secar una muestra en cada cosecha, registrarla comparándola con los datos climáticos reales del lote y volver a ajustar el modelo. Un modelo sin un ciclo de calibración no es más que una hoja de cálculo con ecuaciones diferenciales ordinarias.

Cómo aborda AGEYE esta cuestión

CultivAid Predict (predict.ageyetech.com) es el gemelo digital agrícola y motor de predicción de AGEYE, y cuenta con seis modelos ODE para cultivos en lugar de uno solo: lechuga NICOLET B3, lechuga Van Henten, lechuga Xu-Du con consideración del VPD, tomate TOMGRO, SIMPLE universal y hierba logística. La elección del modelo se gestiona mediante un enrutamiento basado en los sensores que clasifica los flujos de datos entrantes como «sensores completos», «sensores básicos» u «optimización climática», y a continuación selecciona el mejor modelo para cada cultivo; de este modo, una explotación agrícola que disponga de datos de VPD a nivel del dosel no se ve obligada a utilizar la misma formulación que una que solo registre la temperatura.

El punto final de calibración registra los datos reales de la cosecha y realiza un seguimiento del MAPE en comparación con las predicciones previas, lo que convierte un modelo teórico estático en uno que refleja las características de tu cámara. Las predicciones incluyen límites de confianza paramétricos y detección de anomalías, y un punto final de escenarios te permite simular cambios hipotéticos en las condiciones antes de aplicar una receta. La plataforma admite 16 variedades de cultivos, entre las que se incluyen lechugas, hierbas aromáticas, brassicas, tomates, fresas y microverduras, además de una simulación agrícola multiagente con 6 agentes y 18 tipos de acciones para la planificación operativa.

Qué significa esto

La modelización de la lechuga está convergiendo hacia diseños híbridos: núcleos mecanicistas para la extrapolación, con capas de corrección empíricas para el espectro, la humedad y el área foliar específica, aspectos que las formulaciones originales de la década de los noventa nunca tuvieron que abordar. Ya existen trabajos publicados que apuntan en esa dirección. Lo que les falta a la mayoría de las explotaciones no es una ecuación mejor, sino la disciplina de registrar los datos reales de cosecha que permite corregir cualquier ecuación. Los agricultores que midan las condiciones a nivel del dosel y registren la materia seca en cada cosecha obtendrán previsiones útiles incluso de un modelo de hace treinta años. Los que no lo hagan obtendrán cifras fiables de cualquier modelo que adquieran en el futuro, pero esas cifras seguirán siendo erróneas. La precisión de las previsiones es un factor directo en la planificación de la mano de obra y del empaquetado que se analiza en «Cómo reducir el coste por libra en la agricultura de interior: las cuatro palancas que importan».

Si quieres comprobar si tu entorno lumínico real se ajusta a lo que supone tu modelo de crecimiento, empieza por la calculadora de DLI gratuita de AGEYE.