Su operación de 12,000 acres emparejó DroneDeploy con el Centro de Operaciones John Deere para rastrear su cosecha de algodón posfoliante y generar un mapa de tasa variable para una nueva pulverización dirigida. El especialista en integración de tecnología Justin Metz comparte la historia de cómo esta decisión minimizó los costos de equipos y suministros mientras maximizaba el rendimiento del algodón.
Justin importó el mapa VARI al Centro de operaciones John Deere sin problemas desde su panel de DroneDeploy mediante la aplicación My John Deere Export.
Los drones ayudan a crear prescripciones precisas de tasa variable en el centro de operaciones John Deere
Antes de una cosecha de algodón, se rocía con un defoliante (para secar la planta y abrir las cápsulas que contienen las fibras de algodón). Si se cosecha antes de que se seque por completo, quedan fibras valiosas, lo que hace que el equipo trabaje más y agote las piezas caras.
El especialista en integración de tecnología Justin Metz mapeando un campo en Bowles Farm.
Sin información completa sobre un campo completo, es difícil saber si el defoliante está secando el algodón de manera uniforme y exactamente cuándo estará listo para cosechar. Para resolver este problema, Justin mapeó cerca de 3200 acres de campos de algodón con un DJI Inspire 1 Pro y una cámara X3.
Objetivos del proyecto Drone
Cree un mapa de tasa variable para una nueva pulverización dirigida de las áreas que no se secaron tan rápido.
Evalúe los mapas de campo y elija la mejor fecha de cosecha.
Proceso de recopilación de datos
Primer vuelo de un dron: diez días antes de la fecha estimada de cosecha, Justin volaría por el campo de algodón y aplicaría el índice VARI al nuevo mapa. Usó esta información para asegurarse de que el algodón se secara de manera uniforme en los campos y para ajustar el orden en que se cosecharon los campos, según su disponibilidad.
Índice VARI: Justin utilizó las herramientas de sanidad vegetal integradas de DroneDeploy para aplicar un índice VARI al mapa de drones.
Exportar al Centro de operaciones John Deere: Justin importó el mapa VARI al Centro de operaciones John Deere sin problemas desde su panel de DroneDeploy mediante la aplicación My John Deere Export .
Genere un mapa de tasa variable: Justin importó información de salud vegetal en el Centro de operaciones de John Deere y luego pudo crear un mapa de tasa variable para volver a rociar con precisión solo las áreas que lo necesitaban. La tasa por acre para el mapa de variables se asignó de acuerdo con el producto utilizado. También pueden elegir el material apropiado que necesitan aplicar en función de qué tan verdes están las plantas y el tiempo que queda hasta la fecha de cosecha prevista. Los diferentes productos tienen diferentes concentraciones y se requieren días para lograr un efecto completo. Con esas diferentes fortalezas, vienen diferentes precios. Utilizando el índice VARI y la verificación del terreno , pueden determinar el producto más económico para aplicar teniendo en cuenta qué tan verdes son las plantas y cuánto tiempo queda hasta la cosecha anticipada.
Segundo vuelo con drones: Justin pudo compartir el mapa con su asesor de cultivos y, si se lo solicitaba, realizar un segundo vuelo para verificar que el plan de remediación se cumpliera.
Imágenes satelitales NDVI Sentinel 2 de una sección de los campos de algodón de Bowles Farming Company. Justin cargó las imágenes en DroneDeploy y también usó la aplicación Side by Side de la plataforma para visualizar cómo progresaba toda la cosecha de algodón.
Con datos de drones, la cosecha de algodón es menos costosa y más productiva
Justin prefiere usar drones para generar información aérea de alta precisión con precisión de centímetros por píxel. En el pasado, el uso de métodos de recopilación tradicionales, como las imágenes de aviones tripulados, para este propósito no se había detallado tanto, pero le brindaba una instantánea general. “Con las imágenes de aviones tripulados, tienes que hacer suposiciones a partir de imágenes bonitas”, dice Justin.
El preciso mapa de tasa variable que Justin creó utilizando datos de drones le permitió aplicar con precisión la segunda ronda de defoliación.
La fumigación defoliante cuesta otros $ 11-15 por acre, por lo que por cada acre que no tenemos que fumigar, aumentamos nuestra ganancia neta para la cosecha.
Foto de Justin Metz Justin Metz, especialista en integración de tecnología, Bowles Farming Company
Con datos aéreos oportunos sobre la salud de las plantas, Bowles Farming Company entró en la cosecha con la confianza de haber estimado correctamente la mejor fecha para recolectar algodón. Esta estrategia ahorró dinero al minimizar la tensión en el recolector de algodón y maximizó el rendimiento al recolectar la mayor cantidad de fibras de algodón de las plantas.
Bowles Farming Company utiliza mapas de drones para detectar fugas de riego por goteo de pretemporada.
Los drones mejoran el programa de agricultura de precisión de Farm
En Bowles Farming Company, la agricultura de precisión no termina con datos de drones. Recopilan datos sobre la eficiencia de la siembra, el tractor y el conductor, y las tasas reales aplicadas a los fertilizantes. También registran información sobre la velocidad y la cobertura de su pulverizador y analizan los datos de su camión cisterna. Justin combina mapas de drones con todos estos datos en el Centro de Operaciones John Deere. “Proporciona otra capa de información y la organiza todo en un solo lugar”, dice Justin.
La finca utiliza drones en casi todos los aspectos de sus operaciones, desde la evaluación de las fugas de riego por goteo hasta el monitoreo de la emergencia de los cultivos. Justin incluso envía capturas de pantalla de sus planes de vuelo DroneDeploy, que incluyen el mapa del área, la altitud y el tiempo de vuelo estimado, a los fumigadores locales para evitar conflictos en el espacio aéreo. Aprecia los drones y herramientas como DroneDeploy por los flujos de trabajo simples y los datos procesables que puede producir un solo vuelo.
En los primeros días de los drones, era: «Aquí está tu dron y una bonita imagen que muestra un mal lugar». Pero un agricultor ya sabe dónde están sus áreas malas. Lo que no sabe es cuándo van a aparecer durante la temporada. Ahora, podemos ver exactamente cuándo comienza el problema y qué tan grande es, y luego crear un plan para solucionarlo.