Percepciones de las tecnologías de agricultura de precisión en la industria de manzanas frescas de EE. UU.

Los avances en las tecnologías de agricultura de precisión brindan oportunidades para mejorar la eficiencia de los sistemas de producción agrícola, especialmente para cultivos especiales de alto valor como las manzanas frescas ( Malus domestica). Distribuimos una encuesta en línea a los productores de manzanas en Washington, Nueva York y Michigan para conocer las percepciones de las partes interesadas sobre las tecnologías de agricultura de precisión. Los resultados de este estudio demostraron que los productores están dispuestos a adoptar tecnologías de agricultura de precisión cuando reciben resultados de proyectos de investigación aplicada y participan en programas de extensión activos. La disponibilidad de servicios personalizados y opciones de compra y alquiler puede minimizar los efectos de las economías de tamaño que crean barreras para adoptar un mayor acceso a las tecnologías. Por último, los encuestados consideraron que los esfuerzos de colaboración entre la industria y las instituciones académicas son cruciales para adaptar la innovación para abordar mejor las necesidades de los productores.

Palabras llave : Malus domestica ; adopción de tecnología ; fruta de arbol
Las tecnologías de agricultura de precisión se han aplicado con éxito en varios sistemas de producción de cultivos de EE. UU. Durante las últimas décadas ( Gebbers y Adamchuk, 2010 ). Las primeras aplicaciones se centraron en monitores de rendimiento y tecnología satelital de posicionamiento global para cultivos en hileras anuales ( Schimmelpfennig y Ebel, 2011 ). Los avances recientes en la detección del suelo ( Rossel et al., 2011 ), la detección de cultivos ( Roberts et al., 2012 ; Zhang y Kovacs, 2012 ) y el análisis de datos ( Landrum et al., 2015 ; Tien, 2013 ) han sentado las bases para la próxima ola de aplicaciones de agricultura de precisión ( Lowenberg-DeBoer, 2015). Sin embargo, la adopción de tecnologías de agricultura de precisión más avanzadas generalmente se ha quedado rezagada con respecto a otros desarrollos de tecnología agrícola ( Schimmelpfennig y Ebel, 2011 ), con relativamente pocos productores que utilizan tecnologías de teledetección, detección del suelo o aplicaciones de tasa variable. La adopción rezagada se ha atribuido a varios factores, incluidos los requisitos de capital ( Pierpaoli et al., 2013 ; Schimmelpfennig y Ebel, 2011 ), la insuficiente investigación agronómica adaptada a la agricultura de precisión ( Bramley y Trengove, 2013 ; Cambouris et al., 2014 ), y falta de tiempo del agricultor y experiencia técnica para la gestión intensiva en información ( Aubert et al., 2012 ;Griffin y col., 2004 ; Pierpaoli y col., 2013 ; Schimmelpfennig y Ebel, 2011 ).

La adopción de tecnologías de agricultura de precisión ha sido particularmente lenta para muchos cultivos especiales, como la industria de árboles frutales de EE. UU. ( Schimmelpfennig y Ebel, 2011). Sin embargo, muchas empresas comerciales reconocen que estas tecnologías tienen el potencial de ser utilizadas en la producción de frutos de árboles. Hay una variedad de servicios de agricultura de precisión disponibles, que incluyen mapas de dosel de detección remota (Digital Harvest, Pendleton, OR), mapeo de suelos de precisión y manejo de nutrientes antes de la siembra (AgVerdict, San Francisco, CA) y manejo de riego basado en sensores (METER Group , Pullman, WA). Aunque las industrias de árboles frutales de alto valor invirtieron un capital sustancial en tecnologías costosas como plantaciones de huertos de alta densidad, sistemas de enrejados diseñados y equipos e instalaciones de clasificación y almacenamiento de alta capacidad, los productores no tienen confianza en las tecnologías de agricultura de precisión que no han demostrado mejoras hortícolas, mano de obra eficiencia, rendimiento de frutos, calidad o, en última instancia, beneficios.

A pesar del mayor valor de los frutos de los árboles en comparación con los cultivos en hileras anuales, existe poca investigación de agricultura de precisión para los sistemas de frutos de los árboles ( Aggelopoulou et al., 2013 ). La investigación de agricultura de precisión para cítricos de Florida ( Citrus sp.) Ha abordado la variabilidad espacial de nutrientes ( Mann et al., 2011c ; Schumann, 2010 ; Zaman et al., 2005 ; Zaman y Schumann, 2006 ), las propiedades físicas del suelo ( Mann et al. ., 2010 , 2011b ) y delimitación de la zona de manejo de cítricos ( Mann et al., 2011a ). El trabajo sobre frutas de árboles de hoja caduca como manzanas y huertos ha abordado la variabilidad espacial ( Turker et al., 2011; Vega et al., 2013 ) y la gestión por zonas en Grecia ( Aggelopoulou et al., 2011a ; Aggelopoulou et al., 2010 , 2011b , 2013 ; Papageorgiou et al., 2013 ). Existen estudios dispersos para otros cultivos perennes como el olivo [ Olea europaea ( Fountas et al., 2011 )], la pera [ Pyrus communis ( Perry et al., 2010 , 2018 )] y el kiwi [ Actinidia deliciosa ( Woodward y Clearwater, 2012 )].

El valor de producción de manzanas frescas en los Estados Unidos fue de $ 3,1 mil millones en 2016.Los tres principales estados productores de manzanas fueron Washington, Nueva York y Michigan, con valores de producción anual de $ 2,26 mil millones, $ 0,26 mil millones y $ 0,21 mil millones, respectivamente ( EE.UU. Departamento de Agricultura, 2017). Las manzanas son un cultivo de alto valor, con cultivares mejorados que se venden a precios superiores. Las plantaciones de alta densidad requieren una inversión inicial sustancial y gastos de gestión continuos, con flujos de efectivo positivos a menudo diferidos 4 años o más después del establecimiento del huerto. Por ejemplo, establecer un nuevo huerto ‘Gala’ cuesta ≈ $ 9500 / acre (costo inicial único) y más de $ 3500 / acre para manejo hortícola (costo operativo recurrente que incluye actividades como poda, capacitación, raleo, riego y mano de obra) ; estos costos no incluyen los costos de cosecha o fijos de espaldera, riego, tierra, seguros y equipo ( Galinato et al., 2016). Los costos de establecimiento y manejo son igualmente altos para otros cultivos leñosos perennes. Además, la falta de disponibilidad de mano de obra estacional, que representa aproximadamente el 46% de los costos de producción, ejerce una mayor presión sobre la rentabilidad del huerto ( Galinato et al., 2016 ). Dados los altos costos de gestión y el valor de los productos de alta calidad, existe un potencial sustancial para que las tecnologías de agricultura de precisión mejoren la eficiencia de la mano de obra y los recursos, las prácticas hortícolas, la calidad de la fruta y las ganancias para las manzanas y cultivos relacionados (D. Brown, comunicación personal). De hecho, existen evidencias de estudios de otros cultivos de alto valor como la uva de vinificación ( Vitis vinifera) indicando que las aplicaciones de insumos a tasa variable implican mayores beneficios económicos y ambientales en comparación con un manejo uniforme ( Arno et al., 2009 ).

Este estudio investigó la perspectiva de la industria con respecto a la agricultura de precisión desde múltiples perspectivas, como dónde la agricultura de precisión podría tener más impacto, el estado de familiaridad y uso de la agricultura de precisión, el papel de las empresas de servicios agrícolas y los consultores para facilitar el acceso y los beneficios derivados de la agricultura de precisión. tecnología. Esperamos que dicha información sea útil para los investigadores y los educadores de extensión porque les permitirá planificar y realizar de manera más eficaz sus actividades para aumentar la adopción de la agricultura de precisión para la producción de árboles frutales.

materiales y métodos
En noviembre y diciembre de 2017, encuestamos a productores de manzanas en Washington, Michigan y Nueva York sobre la temporada de producción de manzanas de 2017. La encuesta se administró en línea a través de software de encuestas (Qualtrics, Provo, UT) utilizando listas de correo electrónico administradas por educadores de extensión en la Washington State University, la Michigan State University y la Cornell University. La aprobación de la Junta de Revisión Institucional (IRB) fue otorgada por la Oficina de Garantías de Investigación de la Universidad del Estado de Washington al proyecto “Evaluación de las Percepciones de las Tecnologías de Agricultura de Precisión por los Productores de Manzanas de los Estados Unidos” (IRB 16877). Las listas de correo electrónico constan de 350 contactos de operaciones de Apple en Nueva York, 1200 en Washington y 325 en Michigan. Obtuvimos un total de 119 respuestas: 49 de Nueva York, 43 de Washington y 27 de Michigan.

Diseñamos las preguntas de la encuesta utilizando los aportes de representantes de la industria y educadores de extensión. Se pidió a los encuestados que clasificaran los tres principales desafíos que encuentran en la producción de manzanas para el mercado fresco, que informen de su familiaridad con tres tecnologías de agricultura de precisión (detección remota para mapeo de copas, mapeo de suelos de precisión y manejo de nutrientes, y manejo de riego basado en sensores), y indicar si utilizaron alguna de las tecnologías. La encuesta también pidió a los encuestados que clasificaran los tres principales beneficios y las tres principales preocupaciones que perciben al adoptar tecnologías de agricultura de precisión. Además, se preguntó a los encuestados sobre la cantidad de años durante los cuales habían utilizado dichas tecnologías y si estaban considerando invertir en estas tecnologías. Finalmente, Se pidió a los encuestados que seleccionaran su fuente de información más confiable con respecto a la aplicación de tecnologías de agricultura de precisión y que indicaran el valor de la experiencia de las empresas de servicios agrícolas y los consultores para orientar e implementar tecnologías de agricultura de precisión. Los datos se analizaron mediante diferentes especificaciones empíricas según la variable dependiente del modelo o cuestión de interés.

Desafíos encontrados en la producción de manzanas frescas.
Elegimos un modelo probit ordenado para analizar los desafíos percibidos por los productores en la producción de manzanas porque la variable de respuesta que caracteriza la importancia de los desafíos era discreta y ordinal. Se pidió a los encuestados que seleccionaran sus tres principales de una lista de 11 desafíos. Al desafío más importante se le asignó un valor de 11, al segundo más importante se le asignó un valor de 10 y al tercero más importante se le asignó un valor de 9. A los desafíos no considerados entre los tres principales se les asignó un valor de 6 (la mediana de 1 y 11). Este método se ha utilizado en investigaciones anteriores para determinar el nivel de importancia de los atributos del producto ( Davis y Gillespie, 2004 ; Greene y Hensher, 2008). Se supone que la clasificación de desafío de un productor está asociada con un nivel de satisfacción o beneficios percibidos de utilidad subyacente. Los productores clasificaron los desafíos según el nivel de beneficios que recibirían si se les brindara una solución ( Yue et al., 2013 , 2014a , 2014b , 2014c ). La función de utilidad de los productores estuvo representada por lo siguiente:

U
C
h
una
l
l
mi
norte
gramo
mi
yo
j
=
α
0
+
α
1
L
una
segundo
o
r
h
una
r
v
mi
s
t
yo
+
α
2
L
una
segundo
o
r
pag
r
mi
h
una
r
v
mi
s
t
yo
+
α
3
L
una
segundo
o
r
s
tu
pag
mi
r
v
yo
s
o
r
yo
+
α
4
PAG
mi
s
t
re
yo
s
mi
una
s
mi
yo
+
α
5
W
mi
una
t
h
mi
r
yo
+
α
6
W
una
t
mi
r
yo
+
α
7
PAG
o
s
t
h
una
r
v
mi
s
t
yo
+
α
8
F
o
o
re
s
una
F
mi
t
y
yo
+
α
9
norte
mi
w
C
tu
l
t
yo
v
una
r
s
yo
+
α
10
METRO
una
r
k
mi
t
s
yo
+
α
11
O
t
h
mi
r
yo
+
β
12
S
yo
z
mi
yo
+
β
13
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
β
14
METRO
yo
C
h
yo
gramo
una
norte
yo
+
β
15
norte
mi
w
Y
o
r
k
yo
+
β
dieciséis
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
β
17
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
β
18
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
C
h
una
l
l
mi
norte
gramo
mi
yo
j
;
yo
=
1
,
…
,
119
(
norte
)
;
[1]
dónde
α
j
es la utilidad marginal del productor de las soluciones a los desafíos j ( j = disponibilidad / costo de mano de obra para las actividades de cosecha; disponibilidad / costo de mano de obra para las actividades de precosecha; disponibilidad / costo de la mano de obra de supervisión intermedia, tanto de cosecha como de precosecha; plagas y enfermedades; clima agua; manipulación poscosecha; seguridad alimentaria; productividad y rentabilidad de los cultivares de injertos y portainjertos disponibles; mercados competidores; y otros desafíos);
β
12
es la utilidad marginal del tamaño de la operación;
β
13
,

β
14
,

y

β
15
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
β
dieciséis
,

β
17
,

y

β
18
son la utilidad marginal de las fuentes más confiables (investigadores universitarios y educadores de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información para aplicar tecnologías de agricultura de precisión; y
ε
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
Al estimar los coeficientes del modelo con la ecuación. [1], seleccionamos la categoría de desafío «otros» como la variable base para la interpretación. En este tipo de modelo, para evitar una perfecta multicolinealidad, se debe utilizar una variable base para la comparación. Es decir, los coeficientes estimados de los desafíos son todos relativos a la variable base «otros». De manera similar, para las variables de estado binarias, se omitió Nueva York y se trató como la variable base. Los desafíos con coeficientes positivos estadísticamente significativos tenían más probabilidades de ser elegidos como los más importantes en comparación con la categoría «otros», y los desafíos con coeficientes negativos estadísticamente significativos eran menos importantes. Para predecir la probabilidad de que un desafío se clasifique en cada categoría de clasificación (es decir, primero, segundo y tercero más importantes), estimamos los efectos marginales. En otras palabras, un efecto marginal de 0.49 (como se presenta,La Tabla 2 ) sugirió que la categoría «disponibilidad / costo de mano de obra» para la cosecha tenía un 49% de posibilidades de ser elegida como el principal desafío en relación con la categoría «otros».

Familiaridad y uso de tecnologías de agricultura de precisión.
Usamos un modelo probit binario separado para analizar qué tan familiarizados estaban los productores con la agricultura de precisión y el uso de la agricultura de precisión. El objetivo era identificar factores que pudieran influir en la familiaridad y el uso de tecnologías de agricultura de precisión para la producción de manzanas frescas. Elegimos este modelo porque la variable de respuesta era discreta y binaria (por ejemplo, 1 = si estaban familiarizados con la tecnología o la usaban; 0 = en caso contrario). La probabilidad de que el encuestado estuviera familiarizado o utilizara una tecnología de agricultura de precisión se calculó de la siguiente manera:

PAG
r
o
segundo

(
Y
=
1
|
X
)
=
Φ
(
X
′
γ
)
[2]
dónde
Φ
es la distribución de probabilidad normal acumulada; x es un vector de variables, incluido el tamaño de la operación, el estado en el que se encuentra la operación de la manzana (por ejemplo, Washington, Michigan y Nueva York); la fuente de información sobre tecnologías de agricultura de precisión (por ejemplo, investigadores universitarios y educadores de extensión, proveedores de servicios agrícolas y otros productores); y
γ
es el vector de parámetros a estimar. Para el estado en el que se ubica la operación, se omitió la variable Nueva York y se consideró como la variable base. De manera similar, “otros productores” fue la variable omitida entre las fuentes de información. Como se explicó anteriormente, la significancia estadística debe interpretarse como relativa a la variable base. Para predecir la probabilidad con la que un factor afectará la familiaridad o el uso de tecnologías de agricultura de precisión, estimamos los efectos marginales.
Beneficios e inquietudes asociados con las tecnologías de agricultura de precisión.
Usamos un modelo probit ordenado por separado para analizar los factores que impactan los beneficios percibidos y otro modelo para analizar los factores que impactan las preocupaciones percibidas asociadas con el uso de la agricultura de precisión. La variable de respuesta (es decir, la importancia de los beneficios / preocupaciones) fue discreta y ordinal. La encuesta pidió a los encuestados que identificaran sus tres principales beneficios y preocupaciones percibidos de una lista de cinco beneficios y seis preocupaciones relacionadas con la adopción de tecnologías de agricultura de precisión. Al beneficio más importante se le asignó un valor de 5, y al segundo más importante se le asignó un valor de 4. A los beneficios no considerados entre los tres primeros se les asignó un valor de 3 (la mediana de 1 y 5). A las preocupaciones se les asignaron valores de manera similar. La función de beneficio del productor estuvo representada por lo siguiente:

U
segundo
mi
norte
mi
F
yo
t
s
yo
j
=
η
0
+
η
1
T
h
yo
norte
norte
yo
norte
gramo
yo
+
η
2
norte
tu
t
r
yo
mi
norte
t
yo
+
η
3
PAG
r
tu
norte
yo
norte
gramo
yo
+
η
4
yo
r
r
yo
gramo
una
t
yo
o
norte
yo
+
η
5
O
t
h
mi
r
yo
+
θ
1
S
yo
z
mi
yo
+
θ
2
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
θ
3
METRO
yo
C
h
yo
gramo
una
norte
yo
+
θ
4
norte
mi
w
Y
o
r
k
yo
+
θ
5
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
θ
6
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
θ
7
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
segundo
mi
norte
mi
F
yo
t
s
yo
j
;
yo
=
1
,
…
,
119
(
norte
)
;
dónde
η
j
es la utilidad marginal del productor de los beneficios j [ j = mejora en la efectividad (horas de mano de obra, costos químicos vs.calidad del aclareo) del aclareo de frutos verdes, aplicación de nutrientes basada en las necesidades en tiempo real de cada planta, mejora en la eficacia (horas de trabajo vs. .calidad de la poda) de la poda latente, programas de riego mejor focalizados y otros)];
θ
1
es la utilidad marginal del tamaño de la operación;
θ
2
,

θ
3
,

y

θ
4
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
θ
5
,

θ
6
,

y

θ
7
son la utilidad marginal de los proveedores más confiables (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información sobre la aplicación de tecnologías de agricultura de precisión; y
ε
segundo
mi
norte
mi
F
yo
t
s
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
La función de preocupación del productor estuvo representada por lo siguiente:

U
C
o
norte
C
mi
r
norte
yo
j
=
ϑ
0
+
ϑ
1
C
o
s
t
yo
+
ϑ
2
S
mi
r
v
yo
C
mi
yo
+
ϑ
3
T
mi
C
h
norte
yo
C
una
l
yo
+
ϑ
4
R
mi
s
tu
l
t
s
yo
+
ϑ
5
re
o
norte
o
t
s
mi
mi
yo
+
ϑ
6
O
t
h
mi
r
yo
+
κ
1
S
yo
z
mi
yo
+
κ
2
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
κ
3
METRO
yo
C
h
yo
gramo
una
norte
yo
+
κ
4
norte
mi
w
Y
o
r
k
yo
+
κ
5
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
κ
6
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
κ
7
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
C
o
norte
C
mi
r
norte
s
yo
j
yo
=
1
,
…
,
119
(
norte
)
,
dónde
ϑ
j
es la utilidad marginal del productor de posibles soluciones a preocupaciones relacionadas con la tecnología de agricultura de precisión j ( j = costo del servicio, servicio al cliente del proveedor, disponibilidad / costo de experiencia técnica, confiabilidad / calidad de los resultados para impulsar decisiones que mejoren la gestión, no ver un beneficio, y otros);
κ
1
es la utilidad marginal del tamaño de la operación;
κ
2
,

κ
3
,

y

κ
4
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
κ
5
,

κ
6
,

y

κ
7
son la utilidad marginal de los proveedores más confiables (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información sobre la aplicación de tecnologías de agricultura de precisión; y
ε
C
o
norte
C
mi
r
norte
s
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
Consideración de inversiones en tecnologías de agricultura de precisión.
Usamos un modelo probit binario para representar los factores que podrían influir en la consideración de inversión para tecnologías de agricultura de precisión. Se eligió el modelo porque la variable de respuesta era discreta y binaria (por ejemplo, 1 = si considerarían la inversión; 0 = en caso contrario). La función de probabilidad y el vector de variables explicativas fueron similares a la Ec. [2]: tamaño de la operación de la manzana; estado en el que se encuentra (Washington, Michigan y Nueva York); y fuente de información sobre tecnologías de agricultura de precisión (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores). Para predecir la probabilidad de que un factor impacte la consideración de la inversión, estimamos los efectos marginales. Se usó una prueba Z para todas las especificaciones econométricas para inferir si una estimación de coeficiente era estadísticamente significativa a P ≤ 0.1, 0.05 o 0.001. Las estimaciones de los parámetros para todas las especificaciones econométricas de este estudio se calcularon utilizando STATA (StataCorp, College Station, TX).

Resultados y discusión
Resumen estadístico.
Las granjas más grandes en términos de superficie se encontraban en Washington (tamaño medio de la explotación, 369 acres), seguidas de Michigan (255 acres) y Nueva York (176 acres). En todos los estados, el tamaño promedio de nuestra muestra de respuesta fue de 266 acres. Según el Censo de Agricultura de 2012, Washington tenía 2839 granjas de manzanas con un total de 174,152 acres, cada una con un tamaño promedio de 61 acres. Michigan tenía 1584 granjas de manzanas con un total de 43.240 acres, cada una con un tamaño promedio de 27 acres. Nueva York tenía 1365 granjas de manzanas con un total de 47,148 acres, cada una con un tamaño promedio de 35 acres ( Departamento de Agricultura de EE. UU., 2014). En cuanto a la cantidad de años de experiencia con tecnologías de agricultura de precisión, los productores de Washington fueron los que tuvieron la mayor experiencia (promedio, 9 años), seguidos de Michigan (7 años) y Nueva York (6 años). En general, los encuestados tenían un promedio de 7 años de experiencia.

El tamaño de nuestra muestra podría no haber sido representativo del número total de operaciones de manzana en cada uno de los tres estados encuestados. Sin embargo, es de destacar que el tamaño promedio de las operaciones fue mayor que los reportados por el censo. Esto significa que los productores que respondieron a nuestra encuesta probablemente fueron los primeros en adoptar tecnologías de agricultura de precisión. El trabajo fundamental realizado por Feder (1980) y Feder y O’Mara (1981)explicó que las operaciones agrícolas más grandes tenían más probabilidades de adoptar innovaciones. Las operaciones más grandes están mejor posicionadas para invertir en innovación, recopilación de información y aprendizaje. Además, la tasa de rendimiento de las innovaciones es mayor para las operaciones más grandes. Las operaciones más grandes tienden a exhibir una mejor capacidad para asumir riesgos dada su gestión más profesional y un mayor grado de división del trabajo ( Diederen et al., 2003 ). La mayoría de los estudios empíricos encontraron una relación positiva entre el tamaño de las operaciones de cultivo perenne y la adopción de innovaciones ( Gallardo y Brady, 2015 ; Gallardo y Sauer, 2018 ; Lu et al., 2016 ).

Desafíos enfrentados en la producción de manzanas frescas.
La disponibilidad de mano de obra para las actividades de cosecha fue el desafío más importante para los productores de manzanas de EE. UU. En comparación con las otras categorías de desafíos (demandas regulatorias, nuevos cultivares comercializables disponibles de manera no exclusiva para todos los productores, fuego bacteriano, sucesión de granjas e intervención del gobierno) ( Tabla 1 ). La disminución en el número de trabajadores agrícolas inmigrantes, especialmente de México ( Charlton y Taylor, 2016 ; Taylor et al., 2012 ), ha llevado a una disminución en la mano de obra disponible para tareas específicas del huerto que requieren masas críticas de mano de obra, como cosecha. Si no fuera por los programas de trabajadores temporales para inmigrantes como H2A, una escasez generalizada de mano de obra afectaría negativamente la rentabilidad económica de la producción de manzanas con uso intensivo de mano de obra (Brady y col., 2016 ; Zahniser et al., 2012 ). H2A es un programa de trabajadores agrícolas temporales que permite a los empleadores estadounidenses de agentes que cumplen con requisitos reglamentarios específicos traer extranjeros a los EE. UU. Para ocupar puestos agrícolas temporales ( Departamento de Seguridad Nacional de EE. UU., 2018). Otros desafíos relacionados con la mano de obra que tuvieron una alta importancia fueron la disponibilidad / costo de la mano de obra para las actividades previas a la cosecha (cuarto en importancia) y la mano de obra de supervisión intermedia (sexto en importancia). Esto es relevante para nuestro problema de investigación porque es probable que una combinación de tecnologías innovadoras de diferentes disciplinas (por ejemplo, fitomejoramiento, manejo hortícola, ingeniería mecánica, sistemas informáticos, robótica y otros) facilitará la implementación exitosa de alternativas automatizadas para un variedad de actividades de la huerta ( Gallardo y Sauer, 2018). Por ejemplo, tecnologías como la teledetección contribuirían al desarrollo de copas de árboles y colocación de frutas más uniformes dentro de la copa, lo que mejoraría enormemente la eficiencia de las máquinas recolectoras automatizadas (D. Brown, comunicación personal).

Tabla 1.
Estimaciones de coeficientes del modelo probit ordenado de la clasificación de desafíos para la producción de manzanas frescas basadas en las respuestas de una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 1.
El clima ocupó el segundo lugar en importancia, seguido de las plagas y enfermedades ( Cuadro 1 ). Ambos son desafíos diarios importantes durante todo el año para los productores de árboles frutales perennes. Los cambios climáticos a corto plazo pueden afectar muchos aspectos bióticos y abióticos de la producción de manzanas. Por ejemplo, cambios a más largo plazo como temperaturas más cálidas en verano, patrones de precipitación erráticos y temporadas de crecimiento prolongadas podrían favorecer generaciones adicionales por temporada de plagas de insectos y vectores de enfermedades de insectos y alterar los ciclos de vida de los patógenos. Los inviernos más cálidos podrían aumentar la supervivencia de las poblaciones de insectos de primavera. Las primaveras más tempranas podrían provocar la llegada más temprana de insectos migratorios ( Autoridad de Investigación y Desarrollo de Energía del Estado de Nueva York, 2011). En 2012, la cosecha de manzanas de Michigan se redujo en un 90% como resultado del desarrollo floral avanzado de la acumulación temprana de calor seguida de episodios de heladas primaverales, lo que resultó en la mayor pérdida de cosecha de manzanas desde la década de 1940 ( Michigan Apple News, 2012 ).

Los mercados competidores ocuparon el quinto lugar en importancia ( Tabla 1 ). La demanda interna per cápita de manzanas frescas de EE. UU. Se ha estancado desde la década de 1980 en 16 a 19 lb / año ( Pérez, 2016). Por el contrario, las exportaciones de manzanas frescas aumentaron de un promedio de 607 millones de libras durante la década de 1980 a 2.300 millones de libras durante la temporada de comercialización 2014-15. Los mercados de exportación son cada vez más importantes para la industria de la manzana de EE. UU. Porque el mercado de procesamiento ha disminuido y la producción nacional de manzanas frescas ha superado la demanda interna (Pérez, 2016). Con grandes volúmenes, una amplia gama de cultivares y fruta de alta calidad, Estados Unidos ha establecido una fuerte presencia en los mercados internacionales (Pérez, 2016). En términos de valor de exportación, Estados Unidos es el principal exportador de manzanas frescas del mundo, superando a China y Polonia, aunque esos países tienen volúmenes de exportación superiores al de Estados Unidos. Debido a que se espera que aumente la producción de manzanas de EE. UU., Particularmente en Washington,

La productividad / rentabilidad de los cultivares de vástagos y portainjertos disponibles ocupó el séptimo lugar en importancia. Para revertir el estancamiento de la demanda interna estadounidense de manzanas frescas, la industria optó por producir una amplia gama de cultivares con atributos de calidad de fruta mejorados para satisfacer las expectativas y preferencias de los consumidores ( Gallardo et al., 2018 ). Ofrecer una amplia selección de cultivares con calidad superior también podría mejorar la presencia de productos frescos de EE. UU. En los mercados internacionales (Pérez, 2016).

La seguridad alimentaria ocupó el octavo lugar en importancia. En 2011, el Congreso de los EE. UU. Aprobó la Ley de Modernización de la Seguridad Alimentaria para salvaguardar la salud pública al garantizar que el suministro de alimentos esté a salvo de la contaminación microbiana, física y química ( Administración de Alimentos y Medicamentos de EE . UU., 2018 ). Como resultado, los productores de manzanas a escala comercial deben cumplir con una serie de regulaciones, incluido el seguimiento de sus productos desde las granjas hasta las tiendas minoristas e implementar y documentar una gran cantidad de procedimientos de seguridad durante cada paso de la operación ( Washington State University, 2018 ).

El agua se clasificó como menos importante que las otras categorías de desafíos. Aunque la producción de manzanas en los valles interiores semiáridos de Washington requiere riego, los huertos en Michigan y Nueva York, que se encuentran en climas más fríos que históricamente han recibido mayores precipitaciones durante la temporada de crecimiento, no recibieron agua suplementaria. Sin embargo, esta situación está cambiando rápidamente debido a los efectos nocivos de la sequía periódica sobre el crecimiento de la fruta, la presión del mercado para producir fruta de alta calidad y los costos significativamente más altos para establecer huertos de alta densidad. Posteriormente, se requieren rendimientos tempranos y significativos durante los años 3, 4 y 5 para reembolsar la inversión del establecimiento ( Robinson et al., 2013). Otro beneficio de un suministro de agua adecuado es una mejor absorción de calcio y otros nutrientes del suelo, lo que beneficia la salud de los árboles y potencialmente mejora el control de trastornos fisiológicos como el hueso amargo ( Robinson et al., 2013 ).

El “manejo poscosecha” no fue significativamente diferente en importancia de la categoría “otros”, lo cual no es particularmente sorprendente dado que nuestros encuestados se enfocaron en aspectos de producción, aunque la calidad de la fruta poscosecha puede verse muy afectada por las prácticas y condiciones previas a la cosecha. El manejo poscosecha abarca una amplia gama de prácticas que se originan en el huerto y continúan a lo largo de toda la cadena de suministro poscosecha, incluidas evaluaciones de calidad, regímenes de almacenamiento, prácticas de saneamiento, seguridad alimentaria, patología, prácticas de manejo y empaque, transporte y mercadeo / exportación. Los avances en las tecnologías de almacenamiento han aumentado en gran medida la cantidad de tiempo que las manzanas pueden almacenarse y aún así mantienen las características deseables de calidad de la fruta ( Red de información poscosecha, 2016 ).

El tamaño (en acres) de la operación de manzanas, el estado en el que se encuentra y los proveedores de información no fueron estadísticamente significativos, lo que indica que estos factores no afectaron la clasificación de desafíos de los encuestados. Tabla 2informa los efectos marginales de cada desafío. La «disponibilidad / costo de la mano de obra» para las actividades de cosecha tenía un 49% más de probabilidades de ser clasificado como el desafío más importante en comparación con la categoría de «otros» desafíos. De manera similar, «clima» fue un 38% más probable, «plagas y enfermedades» fue un 28% más probable, «disponibilidad / costo de mano de obra para las actividades previas a la cosecha» fue un 23% más probable, «mercados competidores» fue un 23% más probable, «disponibilidad / costo de mano de obra ”para la mano de obra de supervisión intermedia era un 18% más probable, y la“ productividad / rentabilidad ”de los cultivares de vástagos y portainjertos disponibles tenía un 10% más de probabilidades de clasificarse como el desafío más importante en comparación con la categoría de desafíos“ otros ”. “Agua” tenía un 8% menos de probabilidades de ser clasificado como el más importante en comparación con la categoría de desafío “otros”;

Tabla 2.
Efectos marginales del modelo probit ordenado con respecto a la clasificación de los desafíos encontrados en la producción de manzana fresca según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 2.
Familiaridad y uso de tecnologías de agricultura de precisión.
El tamaño de la operación fue estadísticamente significativo y positivo para la familiaridad y el uso de tecnologías de agricultura de precisión ( Cuadro 3). Los principales operadores de huertos con al menos 266 acres estaban un 20% más familiarizados con las tecnologías de agricultura de precisión y un 31% más de probabilidades de haber utilizado una tecnología de agricultura de precisión en su huerto al menos una vez en comparación con los huertos con menos de 266 acres. La ubicación de una operación fue estadísticamente significativa y positiva para el uso de tecnologías de agricultura de precisión. En comparación con los productores de Nueva York, los productores de Washington (Michigan) tenían un 27% (21%) más de probabilidades de haber utilizado tecnologías de agricultura de precisión. En general, los resultados de la encuesta sugirieron que la escala de una operación tuvo un impacto positivo en la familiaridad y el uso de tecnologías de agricultura de precisión.

Tabla 3.
Estimaciones de coeficientes y efectos marginales para los modelos probit que muestran la familiaridad y el uso de tecnologías de agricultura de precisión para la producción de manzanas frescas basadas en las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 3.
Beneficios e inquietudes asociados con las tecnologías de agricultura de precisión .
La eficacia del raleo de frutos verdes fue el beneficio percibido más importante del uso de tecnologías de agricultura de precisión en comparación con las otras categorías (cosecha robótica, base de datos mejorada para la gestión de decisiones, falta de equipo autónomo, fumigación precisa dirigida, mejores rendimientos, plagas y enfermedades más confiables información de manejo, detección de estrés por alimentación de ácaros / pulgones, actividades de horticultura asistida por plataformas e imágenes de brotes para estimar la floración de retorno) ( Tabla 4 ). La «efectividad del aclareo de frutos verdes» tenía un 56% más de probabilidades de ser clasificada como el beneficio principal en comparación con la categoría de «otros» beneficios ( Tabla 4 ). Actualmente, el método de aclareo de precisión para estimar la respuesta de abscisión de la fruta a los diluyentes químicos (Greene et al., 2005 ) depende de tediosas mediciones de calibre de cientos de frutos marcados individualmente. Este método es muy informativo pero requiere mucho tiempo, lo que limita la adopción y caracterización de la diversidad de efectos localizados en el cuajado. Los resultados de la encuesta sugieren que la industria de la manzana de EE. UU. Valoraría la tecnología que proporcione mediciones rápidas y automatizadas del crecimiento de los frutos y estimaciones del cuajado.

Cuadro 4.
Estimaciones de coeficientes y efectos marginales del modelo probit ordenado en la clasificación de los beneficios de adoptar tecnologías de agricultura de precisión para la producción de manzanas frescas según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 4.
La aplicación de nutrientes basada en las necesidades en tiempo real se clasificó como el segundo beneficio más importante. En comparación con la categoría de beneficios “otros”, esta variable tenía un 53% más de probabilidades de clasificarse como el beneficio más importante ( Tabla 4 ). Para asegurar un rendimiento alto y constante de fruta de alta calidad, los árboles deben mantener proporciones óptimas de nutrientes; por lo tanto, la aplicación prescriptiva de nutrientes es importante (D. Brown, comunicación personal).

La «eficacia de la poda inactiva» ocupó el tercer lugar en importancia y tenía un 43% más de probabilidades que la categoría «otros» de clasificarse como el beneficio más importante. Las copas de los sistemas modernos de huertos de alta densidad se han cambiado a copas planas estrechas y accesibles con alta intercepción de luz para mejorar el tamaño, el color y las características de sabor de la fruta, como la dulzura. La disminución de la disponibilidad de mano de obra en todo Estados Unidos ha fomentado el uso de podas mecánicas (Robinson et al., 2013) basadas en técnicas y equipos utilizados en Europa ( Miranda Sazo et al., 2010).). Tradicionalmente, la poda se realizaba durante el período de inactividad por razones fisiológicas y eficiencia laboral; sin embargo, la relativa facilidad y rapidez de la poda mecánica amplía las alternativas. La poda mecánica a fines de la primavera, cuando han emergido de 10 a 12 hojas en los brotes de extensión, promueve un menor rebrote, una mayor formación de botones florales, brotes herbáceos que se pueden cortar fácilmente y una disminución de las infecciones fúngicas (S. Musacchi, comunicación personal). El momento apropiado y la aplicación de la poda también reducen o previenen el desarrollo de madera ciega y aseguran una penetración de luz suficiente para dar color a la fruta y mejorar la calidad (S. Musacchi, comunicación personal), pero se requiere investigación adicional para optimizar los protocolos de manejo.

El “riego dirigido” ocupó el cuarto lugar en importancia y tenía un 32% más de probabilidades que la categoría de “otros” beneficios de ser clasificado como el beneficio percibido más importante de la tecnología de agricultura de precisión. El riego, como se explicó anteriormente, es fundamental para el establecimiento y la productividad de los manzanos, especialmente en huertos de alta densidad. El manejo del riego comúnmente se basa en modelos de evapotranspiración basados ​​en la meteorología, humedad volumétrica del suelo y sensores de potencial hídrico del suelo ( Arbat et al., 2008 ). Se ha demostrado que los modelos de evapotranspiración desarrollados para cultivos en hileras estiman incorrectamente el uso de agua de los manzanos ( Dragoni et al., 2005 ; Dragoni y Lakso, 2011). Las mediciones directas convencionales del estado fisiológico de los árboles pueden llevar mucho tiempo y ser costosas de implementar ( Masseroni et al., 2016 ; Osroosh et al., 2016 ).

La superficie de la operación de la manzana, el estado en el que se encuentra y las fuentes de información no fueron estadísticamente significativas, lo que indica que estos factores no afectaron la clasificación de los beneficios percibidos por los encuestados.

Con respecto a las preocupaciones sobre la adopción de tecnologías de agricultura de precisión, la confiabilidad / calidad de los resultados se clasificó como la más importante en comparación con las otras categorías de inquietudes (administración del tiempo, dependencia de la conexión a Internet de alta velocidad, falta de equipo autónomo, tarifas anuales, tiempo necesario para lograr gestión de precisión) ( Tabla 5 ). La “confiabilidad / calidad” de los resultados tenía un 40% más de probabilidades de ser clasificada como la preocupación más importante en comparación con la categoría de “otras” preocupaciones. Esto corrobora el problema mencionado anteriormente: la investigación de campo insuficiente para la agricultura de precisión desalienta la adopción de tecnologías de agricultura de precisión para frutos de árbol ( Bramley y Trengove, 2013 ; Cambouris et al., 2014). Una mayor inversión en proyectos de investigación de campo aplicada que prueben y demuestren los beneficios de las tecnologías de agricultura de precisión, junto con programas de extensión activos para difundir adecuadamente los hallazgos de la investigación, podría reducir las preocupaciones de los productores y acelerar la adopción.

Cuadro 5.
Estimaciones de coeficientes y efectos marginales del modelo probit ordenado en la clasificación de preocupaciones de la adopción de tecnologías de agricultura de precisión para la producción de manzanas frescas según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 5.
El “costo del servicio” ocupó el segundo lugar en importancia entre las preocupaciones y fue un 39% más probable que se clasificara como la preocupación más importante en comparación con la categoría de “otras” preocupaciones ( Tabla 5 ). Como lo observaron Pierpaoli et al. (2013) y Schimmelpfennig y Ebel (2011), la adopción retrasada de tecnologías de agricultura de precisión podría ser el resultado de la considerable inversión de capital en equipo y personal calificado requerido para interpretar e implementar los datos. Los proyectos de investigación que centran los esfuerzos en industrias de alto valor con un capital sustancial para inversiones en tecnología podrían ser una vía positiva para avanzar y ampliar el conocimiento de las tecnologías de agricultura de precisión a los frutos de los árboles. La barrera de escala aparente para la adopción de innovaciones como la agricultura de precisión podría superarse introduciendo opciones de compra y alquiler y proporcionando servicios personalizados ( Lu et al., 2016 ).

La “disponibilidad / costo de la experiencia técnica” se clasificó como la tercera preocupación y era un 28% más probable que se clasificara como la preocupación más importante en comparación con la categoría “otros” ( Tabla 5 ). La literatura sobre la economía de la adopción de tecnología indicó que los servicios personalizados, así como los esfuerzos de colaboración entre la industria y las instituciones locales, son cruciales para adaptar la innovación a las necesidades de los productores locales ( Gordon et al., 2018 ; Lu et al., 2016 ; Taylor y Zilberman , 2016 ).

La categoría de «no ve beneficios significativos» se clasificó en menor importancia en comparación con la categoría «otros», y tenía un 93% menos de probabilidades de ser la preocupación más importante. Esto demostró que la industria de la manzana reconoce los beneficios asociados con la agricultura de precisión, pero aún requiere investigación aplicada para demostrar el alcance de dichos beneficios.

Consideración de inversión para tecnologías de agricultura de precisión.
El tamaño de la operación tuvo un efecto positivo en la consideración de la inversión en tecnologías de agricultura de precisión ( Cuadro 6 ). Las operaciones con 266 acres o más tenían un 18% más de probabilidades de considerar invertir en dichas tecnologías. Aunque los datos sugieren que es menos probable que las operaciones más pequeñas inviertan, la diferencia relativa no fue grande. Además, como se mencionó, la literatura económica sobre la adopción de nuevas tecnologías demostró que las barreras de escala pueden superarse introduciendo opciones de compra y alquiler, proporcionando servicios personalizados ( Lu et al., 2016 ) y proporcionando a los productores de menor escala acceso rápido.

Cuadro 6.
Estimaciones de coeficientes y efectos marginales del modelo probit que representan el factor que afecta la consideración de la inversión en tecnologías de agricultura de precisión en la producción de manzanas frescas, según las respuestas a una encuesta de 2017 de productores de manzanas en Washington, Nueva York y Michigan.

Cuadro 6.
Importancia de la experiencia de una empresa de servicios agrícolas o de un consultor para la orientación e implementación.
Los resultados de la distribución de frecuencias mostraron que la mayoría de los productores (43; 35% de los encuestados) citan la experiencia de su servicio o consultor agrícola como extremadamente importante, seguida de muy importante (42; 34%) e importante (26; 21%) ( Cuadro 7). Diez productores fueron neutrales sobre el tema, uno consideró que la experiencia no era importante y otro no respondió. No hubo diferencias destacadas entre los estados con respecto a la calificación de importancia promedio basada en una escala del 1 al 7 (1 = extremadamente poco importante; 7 = extremadamente importante). La calificación promedio de importancia osciló entre 5,74 y 5,96. En promedio, los productores calificaron altamente la experiencia que reciben, con una importancia promedio de 5.9. Esto indica que los productores confían en las empresas de servicios para compartir información que facilitaría la adopción de nuevas tecnologías, corroborando así que la colaboración entre la industria y las instituciones académicas es crucial para adaptar la innovación a las necesidades de los productores ( Gordon et al., 2018 ; Lu et al. , 2016 ; Taylor y Zilberman, 2016 ).

Cuadro 7.
Distribución de frecuencia de la importancia de la experiencia de las empresas de servicios agrícolas o consultores para la orientación e implementación por región según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 7.
Resumen y conclusiones
Los avances en las tecnologías de agricultura de precisión, especialmente en las áreas de hardware y software de computadoras, sensores y análisis de datos, han creado nuevas oportunidades para su aplicación en la producción de cultivos. Aunque las tecnologías de agricultura de precisión se han aplicado ampliamente a los cultivos en hileras, su uso se ha retrasado en los cultivos de árboles frutales. Dado el alto valor de estos cultivos y los crecientes desafíos relacionados con el manejo de la mano de obra y la horticultura, las actividades de investigación aplicada y extensión tienen el potencial de aumentar la rentabilidad.

En nuestra encuesta en línea realizada en tres estados con la mayor producción de manzanas por volumen (Washington, Nueva York y Michigan), encontramos que los principales desafíos que afectan a la industria de la manzana estaban relacionados con el trabajo y el clima. Las tecnologías de agricultura de precisión ofrecen soluciones a estos desafíos en una amplia gama de actividades de producción, desde el establecimiento de huertos hasta la producción de cultivos y la protección contra plagas y enfermedades. Estas tecnologías permiten mejoras simultáneas en la consistencia del rendimiento y la calidad de la fruta. A pesar del bajo nivel de adopción actual, los productores apoyaron firmemente las actividades de investigación y extensión que abordan los desafíos relacionados con el trabajo y el clima. Tales actividades también abordarían sus principales preocupaciones sobre la confiabilidad o calidad de los resultados y los costos del servicio.

Una limitación de este estudio fue el pequeño tamaño de muestra de las operaciones de manzana encuestadas. Sin embargo, nuestra muestra de encuestados exhibió operaciones mayores que el promedio, según lo informado por el Censo de EE. UU. Esto implica que obtuvimos respuestas de los primeros en adoptar tecnologías agrícolas de precisión. Un trabajo fundamental en economía agrícola concluyó que la adopción de innovaciones sigue una curva en forma de S ( Griliches, 1957). En las primeras etapas de difusión de una innovación, es probable que un pequeño porcentaje de la población total de adoptantes («adoptadores tempranos») inviertan en la nueva tecnología. Para que una innovación sea adoptada masivamente, es crucial que los profesionales de extensión y las partes interesadas compartan información basada en la investigación sobre los beneficios y el uso de la innovación con los primeros usuarios. Este grupo difundirá la información, lo que impulsará y potenciará la propagación de la información. Además, este grupo será imitado, es decir, los beneficios de la innovación se comunicarán inadvertidamente a otros, impulsando así el comportamiento imitativo y la adopción ( Frattini et al., 2013 ).

Las barreras de adopción aparentes asociadas con las economías de tamaño podrían minimizarse si las opciones de compra y alquiler (junto con los servicios personalizados) pudieran aumentar el acceso a la tecnología. Finalmente, los productores de manzana son conscientes de la importancia de colaborar con empresas de servicios agrícolas e instituciones académicas para adaptar las tecnologías a sus necesidades específicas.