“Desenvolvemos un simulador que permitirá calcular o potencial resineiro de calquera piñeiral”

Abordamos co profesor da Escola Politécnica de Lugo e membro do grupo PROePLA Manuel Marey os avances que lograron para coñecer o potencial resineiro dos piñeiros. As súas análises tamén constatan a influencia dos métodos de extracción e do uso de pastas na produción da resina

“Desenvolvemos un simulador que permitirá calcular o potencial resineiro de calquera piñeiral”

Os investigadores Óscar López, Manuel Marey e Luís Franco, membros do grupo de investigación PROePLA que participaron no proxecto Acrema.

O grupo PROePLA é un dos integrantes do proxecto Go Acrema centrado na produción de resina. Abordamos co profesor da Escola Politécnica de Lugo, Manuel Marey, que é un dos destacados integrantes deste grupo, a súa participación no proxecto.

A análise de datos da produción de resina que realizaron amosa diferencias entre os métodos de extracción, a influencia das pastas e unha gran variabilidade entre as árbores unha vez sometidas a estes tratamentos. Coñecemos máis polo miúdo as súas conclusións iniciais e os avances prácticos que suporá para o sector, co desenvolvemento de ferramentas que axuden a coñecer a capacidade resineira dunha masa de piñeiros.

-Por que decidides comezar a traballar sobre a resina?
-Por unha banda hai unha compoñente persoal, xa que a impulsora do proxecto Érika Martínez, foi alumna miña na Escola Politécnica Superior de Enxeñería. Sempre foi unha alumna moi destacada e con moita iniciativa e que mantivo un vínculo con grupos de investigación da Universidade unha vez rematados os seus estudos. Ela coñecía a traxectoria de PROePLA na modelización e elaboración de sistemas de apoio á decisión, un ámbito no que estamos especializados e cando nos pediu colaboración decidimos ir adiante co estudo da resina.

-Foi a primeira vez que traballastes sobre a resina?
-Correcto. nós non eramos expertos na resina. Nós somos expertos no proceso de crear simuladores, é dicir creamos artefactos informático-matemáticos que permiten simular ou modelizar escenarios de comportamentos con determinadas variables. Neste caso centrámonos na produción de resina como antes fixéramos coa produción de leite, entre outros temas.

Apetecíanos tamén abrirnos a novos retos. Entendemos que na Universidade hai que estar saíndo constantemente da zona de confort e así o fixemos con este proxecto, foi un novo desafío. Tamén é interesante que fose un tema no que non eramos expertos porque achegarte por primeira vez a el ten a vantaxe de non caer nos apriorismos que teñen aqueles profesionais da materia.

“Buscábamos saber o potencial resineiro dunha masa de piñeiro en Galicia, Asturias e Castela e León, sometidos a diferentes prácticas de extracción de resina dacordo a un deseño experimental”

-En que consiste o traballo que levastes a cabo?
-Ocupámonos de formular o inventario de recollida de datos do proxecto Acrema, despois de facer todo o proceso de obtención do resultado do potencial resineiro das masas de piñeiro pinaster da zona do ámbito do proxecto, que abarca Galicia, Asturias e boa parte de Castela e León.

En primeiro lugar fixemos o deseño e localización desas posibles zonas nas cales interesaría ter unha parcela puntual de extracción de resina para poder ter unha caracterización da produción resineira no ámbito de actuación do proxecto.

Logo, centrámonos na modelización da produción de resina, é dicir, a partir dos datos obtidos en campo por outros membros do proxecto Acrema ser capaces de saber o potencial produtor do piñeiro pinaster para poder establecer unha mapificación e caracterización. En definitiva, buscábamos saber o potencial resineiro dunha masa de piñeiro en Galicia, Asturias e Castela e León, sometidos a diferentes prácticas de extracción de resina dacordo a un deseño experimental.

-Que datos se procesaron?
-Temos un set de datos moi rigoroso, pero non tan amplo como nos gustaría. Existen datos históricos de produción de resina, especialmente en Castela León, pero que teñen a dificultade de que foron tomados con criterios distintos,  o que facía que non puidesen ser utilizados para a construción de modelos, pois conducirían presumiblemente a erros nos resultados obtidos. No proxecto Acrema partíuse dunha recollida de datos seguindo premisas estadísticas e científicas, que supoñían unha recollida de mostras de forma controlada en todo momento e tendo individuos de control nas parcelas nas que se producía a medición.

A recollida de datos ten a súa complexidade, xa que se trata dunha recollida repetida durante un ano no monte, nunhas 15 picas con condicións meteorolóxicas cambiantes, estado do matorral, etc. En concreto, tomáronse datos de macrorresinación en tres parcelas de Galicia, unha en Asturias e outra en Coca (Castela e León).

-Que marxe de erro ten este modelo?
-Estamos en disposición de construír modelos que permiten predecir a produción de resina cun marxe de erro que pode oscilar entre un 14% (nos mellores casos) e un 27% de erro (naqueles casos con peor axuste). Isto conseguiuse xa que fixemos un tratamento dos datos con criterios científicos e fíxose unha modelización con técnicas estadísticas das máis modernas, empregando Machine Learning ou algoritmos tipo Random Forest. É a primeira vez que temos constancia que se empregan estas técnicas neste ámbito.

-Estamos ante un feito que pode ter relevancia a nivel mundial para o sector?
-Neste proxecto, os investigadores Óscar López e Luis Franco fixeron unha revisión exhaustiva das publicacións científicas a nivel mundial sobre a produción de resina e cremos que a forma de modelizar que propoñemos pode resultar de moito interese para a comunidade científica. Estamos pendentes da publicación de varios artigos coas conclusións obtidas, pero nós estamos moi satisfeitos cos resultados.

“O emprego da pasta supón que a produción se incrementa en torno a un 700%”

-Analizastes tamén diferentes técnicas de extracción, o modelo tradicional e o circular, así como o uso das distintas pastas que favorecen a produción de resina. Que conclusións se poden sacar ó respecto?
-A pasta explica a produción de resina. En mediana, o emprego da pasta supón que a produción se incrementa en torno a un 700% en comparación á produción dos piñeiros de control, aqueles ós que non se lle aplicou ningunha pasta. A partir de aí detectamos comportamentos un pouco distintos.

Maioritariamente o método tradicional ía mellor que o circular, pese a que se aprecia que o método circular é máis rápido e a curva de aprendizaxe é máis curta, ademais de resultar unha recollida da resina máis limpa de impurezas. Mentres, o tradicional esixe certa pericia, esforzo e traballo por parte do resineiro. O mesmo que acontece coas pastas, tamén se observa certa variabilidade nas parcelas.

-A pesar desa variabilidade, é mellor un método de extracción que outro?
-A variabilidade dos resultados fai difícil escoller un como mellor, pero si se observa que o rendemento do método circular en termos de tempo de traballo é menor.

Resultados de produción (gramos) das árbores resinadas a oito picas nas parcelas de Galicia e Asturias no ano 2021.

Resultados de produción (gramos) das árbores resinadas a oito picas nas parcelas de Galicia e Asturias no ano 2021.

-No caso da pasta, hai variabilidade entre pastas ou entre a reacción dos piñeiros?
-Tivemos certa homoxeneidade cos exemplares de control, situándose en torno á media, o que nos indica que no potencial xenético e nas características dasométricas das árbores non se observa esa variabilidade. Así, unha vez que empregas as pastas as árbores reaccionan de forma moi variable, podendo dende multiplicar a produción, como antes indicaba sete veces en mediana, ata quedar en valores semellantes ás árbores de control.

-O propio proceso de extracción inflúe na produción de resina?
-Observamos diferencias entre as distintas picas, o que nos amosa que a produción non é homoxénea ó longo do ano. Tamén vimos que árbores que comezan producindo unha gran cantidade de resina tenden a producir menos a final de temporada e no caso doutras árbores prodúcese o fenómeno oposto. Así, ó longo do ano hai un comportamento bastante cambiante.

-Tivestes variación tamén entre as dúas campañas?
-Si. Observamos que en determinadas parcelas o ano 2021 e 2022 foron moi distintos en canto á produción obtida ó longo da campaña, aínda que de media teñen certas similitudes. Estamos traballando nunha función matemática que permita ver as variacións que se producen ó longo do ano para que o resineiro poida tomar decisións unha vez comezada a campaña, pero tamén neste senso as variacións antes sinaladas dificultan a modelización.

“As pastas provocan unha estimulación na produción de resina moi variable ó longo do ano”

-Esta variabilidade supuxo unha dificultade para desenvolver este modelo?
-Témonos atopado con procesos difíciles, pero o proceso de modelizar a produción de resina resultou un dos máis complexos pola gran variabilidade que detectamos. O modelo non se pode adaptar a unha media por parcela ou zona, hai que traballar con árbores individuais. Ese foi o motivo polo que traballamos con técnicas como o Machine Learning, que che permiten individualizar. O valor medio por parcela non resulta o mellor indicador unha vez que se aplican pastas, xa que provoca unha reacción de estimulación na produción moi variable nas diferentes árbores da parcela e tamén ó longo da campaña. Ábrese un camiño moi interesante para seguir investigando e así coñecer por que  se producen esas variacións.

-Que perspectivas hai de que os resultados logrados por vós no marco deste proxecto teñan unha aplicación práctica e directa polo sector da resina?
-Ademais do modelo produtivo, desenvolvemos unha páxina web cun simulador, que presentaremos o próximo mes na xornada final de exposición de resultados que se vai celebrar o 14 de marzo na Escola Politécnica Superior de Enxeñaría de Lugo. Este simulador é unha ferramenta que ten acceso á información catastral, o que permite seleccionar unha parcela, unha vez feito isto debe introducirse o tipo de tratamento (circular ou tradicional) e o tipo de pasta que se emprega, así como os datos dasométricos dos piñeiros (diámetro normal, altura total e número de árbores…).

Unha vez introducidos estes datos calcúlase o potencial resineiro, o volume de resina que se pode extraer, desa masa de piñeiros. Esa páxina web e o simulador serán de acceso libre, polo que calquera persoa poderá empregala. É unha ferramenta moi semellante a outras xa empregadas como o visor SigPac.

Simulador de produción de resina elaborado por PROePLA dentro do proxecto GO ACREMA.

Simulador de produción de resina elaborado por PROePLA dentro do proxecto GO ACREMA.

-Esta iniciativa forma parte do proxecto Go Acrema, como o valoras?
-É un proxecto moi ambicioso e amplo e estanse logrando resultados interesantes. Por parte da impulsora do proxecto houbo un esforzo importante tanto para conseguir fondos como logo para a súa xestión. No noso caso estamos moi satisfeitos cos resultados e ter colaborado neste proxecto.

-E resúmenos, por último, o que é PROePLA, o voso grupo de investigación.
-PROePLA e o acrónimo de Proxectos e Planificación. É un grupo de investigación da Universidade de Compostela, con 25 anos de historia e que leva acumulados éxitos como é ser o grupo de referencia competitiva. Nestes anos leva feito un labor de investigación e de transferencia nos sectores agrícolas, forestais e gandeiros. É un grupo transversal que conta con profesionais cunha alta actividade tanto investigadora como de transferencia. É un grupo cun gran apego ó rural.

Proyecto financiado por el Ministerio de Agricultura, Pesca y Alimentación en el marco del Programa Nacional de Desarrollo Rural 2014-2020 con un importe de 558.710,55 euros. El importe del proyecto es cofinanciado al 80% por el Fondo Europeo Agrícola de Desarrollo Rural (FEADER) y al 20% por fondos de la Administración General del Estado (AGE), tal como se establece en el Real Decreto 169/2018, de 23 de marzo.

El organismo responsable del contenido es el GO-ACREMA y la Dirección General de Desarrollo Rural, Innovación y Formación Agroalimentaria (DGDRIFA) como autoridad de gestión encargada de la aplicación de la ayuda FEADER y nacional correspondiente.

Logo Acrema 660

Logos asociados grupo Acrema

 

Deixa unha resposta

O teu enderezo electrónico non se publicará Os campos obrigatorios están marcados con *

Solicitamos o seu permiso para obter datos estadísticos da súa navegación nesta esta web, en cumprimiento do Real Decreto-ley 13/2012. Si continúa navegando consideramos que acepta o uso das cookies. OK | Máis información