Satélites
Varios satélites han estado fotografiando la Tierra durante más de 50 años. Nuestras principales fuentes de información son imágenes del Servicio Geológico de Estados Unidos y el satélite Sentinel-2 del programa Copernicus de la Unión Europea , tomadas en los rangos visible e infrarrojo. Estos datos son gratuitos y están disponibles para cualquier persona, pero las imágenes se almacenan en un tamaño de archivo grande y en un formato específico.
Para analizarlos, se requieren herramientas especiales. El equipo de OneSoil desarrolló sus propios algoritmos para buscar, descargar, procesar y almacenar imágenes de satélite en un formato conveniente en nuestros servidores. Gracias a ello, los agricultores reciben información sobre el estado de su campo de forma sencilla y accesible, a través de nuestras aplicaciones.
OneSoil_field del satélite
Visualización de un índice de vegetación para un campo en una imagen de satélite
Las dos principales limitaciones de este tipo de imágenes de satélite son la baja resolución y la dependencia del tiempo nublado. Para resolver el primer problema, utilizamos métodos modernos de aprendizaje automático. Para abordar el segundo, analizamos imágenes durante un largo período de tiempo. También utilizamos datos del satélite de radar Sentinel-1; su calidad no depende del tiempo nublado.
Los datos satelitales se pueden utilizar de diversas formas en la agricultura de precisión. Analizamos imágenes durante varios años para localizar campos en todo el mundo, determinar sus límites y definir cultivos y las etapas de su desarrollo. Además, las imágenes satelitales le permiten monitorear el estado del campo en tiempo real. Nuestra aplicación gratuita OneSoil Scouting se basa en este principio.
Sensores
En agricultura de precisión, se utilizan muchos sensores. Por ejemplo, las estaciones meteorológicas pueden medir una amplia gama de características: temperatura y humedad del aire, dirección y fuerza del viento, tasa de precipitación, densidad y acidez del suelo. A veces les pedimos a los agricultores estos datos, a veces los medimos nosotros mismos. Nuestro sensor OneSoil mide la humedad del aire y del suelo, su temperatura y también determina el nivel de intensidad de la luz para una parte específica de un campo.
OneSoil Sensor en un campo
OneSoil Sensor en un campo
Este tipo de datos ayuda a planificar el trabajo agrícola de manera más eficiente. Por ejemplo, le permite optimizar un programa de riego y su frecuencia, y determinar el momento óptimo para la aplicación de fertilizantes. Actualmente, estamos desarrollando una aplicación web que proporcionará a los agricultores un análisis profundo del estado de sus campos.
Los datos masivos nos permitirán hacer un pronóstico meteorológico local preciso, predecir enfermedades y plagas de las plantas y medir otros indicadores de campo.
Vehículos agrícolas
Los tractores, cosechadoras y sembradoras equipados con computadoras a bordo son una valiosa fuente de información. Los datos sobre el rendimiento de los cultivos son uno de los más interesantes para nosotros. En primer lugar, se trata de trigo, triticale, cebada, maíz, guisantes y soja.
Recopilamos uno de los conjuntos de datos más grandes sobre rendimiento en Europa del Este. En 2015, encuestamos 600 hectáreas; en 2016 – 8 mil hectáreas; y en 2017 – 11 mil hectáreas.
La información de las computadoras de a bordo nos permite analizar la ruta de un vehículo, los errores técnicos, la velocidad del motor, la cantidad de combustible, semillas y fertilizantes que se han utilizado. Por ejemplo, podemos analizar el seguimiento GPS de una sembradora que aplicó fertilizantes y luego comparar los datos sobre la tasa de entrada con el nivel de rendimiento. Además, los datos de la maquinaria agrícola nos permiten ver la frecuencia con la que se realizaron diversas operaciones agrícolas.
Harvesting_instagram OneSoil
Foto de Slava Mazai. Vea más fotos en Instagram @ onesoil.ai
Durante los últimos dos años, hemos estado trabajando en un módem inalámbrico que transmite datos desde las computadoras a bordo a nuestro sistema en línea. Ayudará a los agricultores a agilizar otro proceso: los datos de sus vehículos agrícolas se recopilarán y entregarán de forma remota. Además, el módem permitirá a los usuarios controlar el trabajo de los operadores de máquinas y analizar la implementación de procedimientos agrícolas sin salir de la oficina.
Ahora, nuestra plataforma gratuita OneSoil simplifica otro proceso importante: allí puede calcular las tasas variables de nitrógeno y crear una tarea para las computadoras de a bordo en un par de minutos.
Drones y fotografía aérea
La fotografía con drones se puede utilizar para ver áreas capturadas de imágenes de satélite con mayor claridad. El dron está en el aire durante 15 a 30 minutos y toma imágenes de alta resolución, que luego deben combinarse en un mapa de ortofoto (fotografías aéreas corregidas a escala para que las mediciones geográficas se puedan tomar directamente de las impresiones, OneSoil). Trabajando con él, puede detectar malezas y plagas, determinar la altura de los brotes, evaluar la salud de las plantas y analizar otros procesos de campo.
Al principio, usamos imágenes de drones para determinar el relieve del campo y sus límites, para analizar la hibernación de las plantas y su condición a lo largo de la temporada, y también para probar nuestras hipótesis sobre varios procesos de campo. El principal inconveniente de la filmación con drones es su localidad. No se puede escalar a todo el mundo, por lo que ahora rara vez usamos este método.
Team_instagram OneSoil
Equipo OneSoil. Vea más fotos en Instagram @ onesoil.ai
Análisis de laboratorio
El análisis agroquímico del suelo es uno de los métodos tradicionales de estimación para determinar las tasas de fertilizantes necesarias. Le permite detallar la composición química de un campo con una serie de indicadores; las claves son el contenido de humus, fósforo y potasio y la acidez del suelo.
Examinamos los campos de Bielorrusia para comprender si este método es adecuado para la aplicación diferenciada de fertilizantes. Nuestras pruebas mostraron que es ineficaz; este método no nos permite estimar la variabilidad del contenido de nutrientes con precisión en diferentes partes del campo.
Nuestra hipótesis establece que es necesario calcular la tasa nutricional a partir de indicadores de rendimiento. Si el área es de alto rendimiento, entonces el agotamiento de nutrientes es alto y es necesario aplicar más fertilizantes. Si el rendimiento es bajo, entonces el agotamiento de nutrientes también es bajo y la tasa de fertilizante debe reducirse.
Los estudios de campo validaron esta suposición. Usaremos este método cuando desarrollemos programas para la aplicación diferenciada de fertilizantes de fósforo y potasio.