Autor: rjcastillolopez

La mayoría de los agricultores obtienen buenos resultados como productores, pero no confían tanto en sus habilidades de gestión. Es por eso que pedimos a los lectores que compartan sus mejores consejos de gestión: las cosas que hacen que realmente marcan la diferencia en sus resultados. Esto es lo que dijeron:

Cambiar a contabilidad gerencial

La contabilidad gerencial integra información financiera y de producción con el fin de evaluar costos, gastos e ingresos en función de las unidades de producción adecuadas. Esta es la mejor manera de conocer realmente sus costos y dónde debe dedicar más tiempo a su negocio, dice Ron Swanson, agricultor de Iowa y reciente presidente del Farm Financial Standards Council.

“La mayoría de los beneficios de la contabilidad gerencial se acumularán en las operaciones más grandes, más complejas y multifacéticas”, dice. «Es un concepto de informes internos en el que el equipo de gestión utiliza la información para tomar decisiones operativas y estratégicas para la finca, así como para evaluar el desempeño de los empleados y los segmentos del negocio de los que son responsables».

La contabilidad se basa en centros de costos y ganancias, en lugar del enfoque empresarial tradicional basado en efectivo que la agricultura ha utilizado históricamente. Esto permite comprender mejor qué impulsa el costo de producción y poder vincular el análisis financiero con estrategias para mejorar el desempeño financiero.

“Aunque los precios del mercado se encuentran actualmente en niveles históricos, los gastos también están aumentando rápidamente”, dice Swanson. «Esto le brinda la capacidad de determinar los niveles de ganancias después de que se asignan todos los costos y evaluar las diferentes opciones rápidamente en este entorno incierto».

Haga que las reuniones de empleados den sus frutos

Las reuniones entre los empleados de muchas empresas pueden ser una pérdida de tiempo. Lo mismo puede ocurrir en la finca, ya que las operaciones más grandes contratan más trabajadores y gerentes. Al mismo tiempo, tener reuniones es una herramienta fundamental.

Jorgensen Land & Cattle, de Ideal, SD, mantiene las reuniones al día mediante el uso de agendas escritas para guiar la discusión. Greg, Cody y Bryan Jorgensen comienzan su semana con una reunión a las 6:30 am el lunes por la mañana, siguiendo una agenda que se mantiene en una hoja de cálculo. Alrededor de las 7, su director financiero revisa las cuentas por pagar y por cobrar y otros números. Luego, a las 8, el resto de los empleados de la finca se unen a la sesión.

La agenda siempre incluye repasar las minutas de la reunión de la semana anterior, dice Bryan, para verificar el estado de la lista de «cosas por hacer», que luego se actualiza. Por lo general, se habla de un tema de seguridad, junto con los horarios de las tareas del fin de semana.

Las reuniones semanales se complementan con el almuerzo que se sirve diariamente a todos los empleados y visitantes, como los compradores de los toros de la granja. “La reunión del lunes por la mañana pone en marcha todo el conjunto de actividades de la semana y les da a los empleados la oportunidad de establecer prioridades”, dice Bryan. «El almuerzo nos da a todos otra oportunidad de establecer contactos a diario».

Piensa como un CEO

La agricultura de producción es un negocio. Período. Y todas las empresas necesitan un director ejecutivo en el que pensar y tomar las decisiones más importantes correctamente. Lo más probable es que ese CEO sea usted. Así que empieza a pensar como uno.

“Siempre he sentido que es importante dirigir su negocio en la dirección correcta para mantenerse competitivo”, dice Kevin Green, DeWitt, Iowa. «A través de una buena gestión financiera y un marketing superior al promedio, se puede lograr el crecimiento».

Kip Tom, Leesburg, Ind., started thinking strategically back in 1985 when he was growing 1,500 acres of corn and soybeans. Profits were disappointing. He even considered getting out of farming altogether. Instead, the Toms decided to treat their farm like any other manufacturer to extract more dollars for their management time. Using specialty crops as his new ‘product line,’ Tom began to “seek out the best of the best procedures that we feel we can adjust to our business, from companies inside production agriculture and outside the industry,” he says. Today Tom is Pioneer’s largest seed grower with operations in Indiana and Argentina. His family business includes a trucking operation, identity preserved crops and other fresh vegetables like cucumbers and tomatoes.

En lugar de quedarse estancados en la rutina de las operaciones diarias, los agricultores como Tom y Green intentan ser directores ejecutivos, pensando estratégicamente en el futuro para asegurarse de que están posicionados para obtener ganancias.

Contrata a las personas adecuadas

Las buenas personas marcan la diferencia entre lo bueno y lo grandioso en cualquier negocio. La agricultura no es diferente.

“Siempre he seguido el principio de contratar a una“ buena ”persona para el trabajo: honesta, confiable, comprometida y dispuesta a trabajar”, ​​dice Harley Sietsema, quien cría pavos y granos en Allendale, MI. “Eso también significa alguien que tiene referencias excepcionalmente sólidas o tiene antecedentes familiares con los que estoy familiarizado personalmente. Si puedo encontrar a esos candidatos, les encontraré trabajo «.

Subcontratar roles clave a especialistas

A medida que las empresas siguen creciendo, los operadores deben identificar la necesidad de habilidades, información y análisis especializados. Debe darse cuenta de cuándo no es la persona adecuada para el trabajo y subcontratar ese trabajo a un especialista.

“Siempre hemos confiado en personas con habilidades especializadas como contadores para impuestos o veterinarios para ganado, pero a medida que nuestras operaciones crecen cada vez más, tendremos que hacerlo cada vez más”, dice Kevin Dhuyvetter, economista de administración de granjas de extensión de Kansas State.

Sin embargo, en algún momento, cuando estas operaciones alcanzan un cierto tamaño, algunas de estas funciones subcontratadas se recuperan «internamente». “Entonces, en lugar de contratar a un contador para hacer impuestos, algunas de estas grandes operaciones simplemente contratarán al contador como empleado, y tal vez parte del año realmente estarán haciendo trabajo de campo, quién sabe”, dice Dhuyvetter. «Los agricultores exitosos reconocerán cuándo microgestionar y cuándo no»

Leer más

Publicado por: Margaret Rouse
WhatIs.com

Colaborador (es): Ivy Wigmore

La agricultura de precisión (AP) es un enfoque de la gestión agrícola que utiliza tecnología de la información ( TI ) para garantizar que los cultivos y el suelo reciban exactamente lo que necesitan para una salud y productividad óptimas. El objetivo de la AP es garantizar la rentabilidad, la sostenibilidad y la protección del medio ambiente. La AP también se conoce como agricultura satélite , agricultura según sea necesario y manejo de cultivos específicos del sitio (SSCM).

La agricultura de precisión se basa en equipos, software y servicios de TI especializados. El enfoque incluye el acceso a datos en tiempo real sobre las condiciones de los cultivos, el suelo y el aire ambiental, junto con otra información relevante, como predicciones meteorológicas hiperlocales, costos laborales y disponibilidad de equipos. El software de análisis predictivo utiliza los datos para proporcionar a los agricultores orientación sobre la rotación de cultivos, los tiempos óptimos de siembra, los tiempos de cosecha y el manejo del suelo.

Los sensores en los campos miden el contenido de humedad y la temperatura del suelo y el aire circundante. Los satélites y drones robóticos proporcionan a los agricultores imágenes en tiempo real de plantas individuales. La información de esas imágenes puede procesarse e integrarse con sensores y otros datos para brindar orientación para decisiones inmediatas y futuras, como qué campos regar y cuándo o dónde plantar un cultivo en particular.

Los centros de control agrícola integran los datos de los sensores y la entrada de imágenes con otros datos, proporcionando a los agricultores la capacidad de identificar los campos que requieren tratamiento y determinar la cantidad óptima de agua, fertilizantes y pesticidas a aplicar. Esto ayuda al agricultor a evitar el desperdicio de recursos y la escorrentía, asegurando que el suelo tenga la cantidad justa de aditivos para una salud óptima, al tiempo que reduce los costos y controla el impacto ambiental de la granja.

En el pasado, la agricultura de precisión se limitaba a operaciones más grandes que podían respaldar la infraestructura de TI y otros recursos tecnológicos necesarios para implementar plenamente y beneficiarse de los beneficios de la agricultura de precisión. Hoy, sin embargo, las aplicaciones móviles, los sensores inteligentes, los drones y la computación en la nube hacen posible la agricultura de precisión para las cooperativas agrícolas e incluso las pequeñas granjas familiares.

Leer más

La recopilación de datos es un aspecto crucial de la gestión y el crecimiento de las explotaciones. En el pasado, los agricultores han empleado herramientas de recopilación de datos débiles que llevaron a malas decisiones y enormes pérdidas. Incluso para los productores a gran escala que contrataron a expertos en el campo para recopilar datos precisos, dicha recopilación de datos llevaría meses. Cuando los datos estuvieron listos para su uso, se habían vuelto irrelevantes.

Desde principios de los 80, cuando los primeros drones aéreos no tripulados se pusieron en uso comercial, ha habido un número creciente de agricultores que utilizan los drones para monitorear la producción de sus cultivos. Ahora, el vehículo aéreo no tripulado se ha convertido en una herramienta de recopilación de datos de elección en el sector de la agroindustria. En la discusión que sigue, analizaremos la efectividad del uso del vehículo aéreo no tripulado para recolectar datos de cultivos.

Importancia de los UAV en la recopilación de datos de cultivos

El agricultor de hoy en día enfrenta varios desafíos durante los ciclos de cultivo. Estos incluyen cambios climáticos, malezas y plagas resistentes y escasez de agua. En las pruebas agrícolas, las mediciones de rendimiento, la evaluación de la calidad del forraje, la eficacia del control de malezas y el estado de los nutrientes de las plantas son algunos de los métodos populares de recopilación de datos utilizados para medir estos riesgos. Estos métodos se basan en dispositivos como medidores portátiles, tiras reactivas, recuento manual de rodales, medidores de clorofila, muestreo de semillas y gráficos de colores para tejidos vegetales. Estos dispositivos tienen una precisión limitada, son engorrosos de operar, requieren una inversión en el experto humano necesario para operarlos y, por lo tanto, están sujetos a errores humanos.

Con el advenimiento de la tecnología de agronegocios, estos desafíos ahora se abordan y mitigan con precisión utilizando herramientas de recopilación de datos de alta tecnología como drones. Dichas herramientas utilizan tecnologías GPS y GNSS para zonificar y registrar datos en las grandes fincas. Esta recopilación de datos precisos garantiza el uso de datos precisos para mitigar los riesgos. Esto constituye la base del manejo de cultivos específico del sitio.

¿Por qué utilizar drones?

Los drones tienen sensores incorporados, sistemas de navegación y dispositivos de grabación que identifican los puntos problemáticos en las grandes granjas a vista de pájaro. Pueden detectar anomalías que son difíciles de ver en el suelo. A su vez, los agricultores mapean estas granjas de acuerdo con registros históricos como análisis de suelos, rotación de cultivos e infestación de plagas. Los datos recopilados son de alta resolución a un costo asequible. Los UAV son capaces de traducir los datos sin procesar utilizando fórmulas complejas y presentar estadísticas prácticas al agricultor.

Las capacidades de los drones no se limitan a identificar áreas problemáticas. Son útiles para monitorear planes de crecimiento ambiciosos emprendidos por los agricultores. Dichos planes incluyen la recopilación de datos sobre la relación simbiótica de la cría de abejas en una granja hortícola.

Recopilación de datos de cultivos en tiempo real

La ventaja competitiva en el uso de vehículos aéreos no tripulados para recopilar datos de cultivos radica en la espontaneidad de los drones. Los agricultores despliegan vehículos aéreos no tripulados a pedido. Transmiten datos en tiempo real directamente a las personas que toman las decisiones para una acción rápida. Alternativamente, los datos se guardan en un microchip dentro del dron. Estas son alternativas económicas en agricultura de precisión.

Conveniencia de los UAV

Estos equipos livianos pesan menos de 20 kg. Un agricultor opera el dron con un control remoto inalámbrico. Alternativamente, el agricultor puede programar el dron para recopilar datos en una ruta en particular. Cubren un gran terreno en un solo vuelo. Se necesita poca inversión de capital para adquirir los drones. Su precio varía desde tan solo $ 1,500 hasta más de $ 30,000, dependiendo de las características. Este gasto se puede reembolsar fácilmente en un ciclo de producción de cultivos. Son convenientes, seguras, confiables y fáciles de usar.

Aplicación de UAV en la recopilación de datos de cultivos

Las siguientes son algunas de las formas en que los vehículos aéreos no tripulados se utilizan en la recopilación de datos de cultivos: –

El grado de infestación de plagas y hongos;
Cifras relacionadas con anomalías de las plantas, cobertura de hojas, floración, impacto de la aplicación de insecticidas;
Vigilancia del crecimiento de las plantas: supervise las condiciones meteorológicas;
Riego: los drones son campos únicos donde los niveles de agua deben aumentarse o reducirse. Tras el crecimiento del cultivo, los drones recopilan datos relacionados con la densidad de las plantas, la salud y la emisión de calor.

Aplicación práctica de UAV en la recopilación de datos de cultivos

Droned se puede utilizar para determinar el impacto de la infestación de plagas en las plantas con flores de una granja. Para hacer esto, vuelan sobre una amplia finca para tomar fotografías aéreas del campo. Estas imágenes se transfieren a una computadora de la sala de control o se almacenan en un microchip para su posterior análisis. El análisis da como resultado un mapa de salud del cultivo con gráficos que muestran el impacto de la invasión de plagas.

Cuando el envío de un experto humano para inspeccionar el campo resulta arriesgado, los drones se convierten en la opción preferida para la recopilación de datos de cultivos. Por ejemplo, en caso de inundación, una presa que sostiene una gran granja puede desbordarse. Una presa así corre el riesgo de colapsar. Los agricultores envían drones para evaluar las áreas inundadas.

El futuro de la recopilación de datos de cultivos

Algunos agricultores, especialmente los de pequeña escala, se han mostrado escépticos sobre la adopción del uso de drones en la recopilación de datos de cultivos. Argumentaron que la incertidumbre en los precios de las materias primas junto con los márgenes ajustados hacen que esta opción sea descabellada. Los agricultores también han expresado su preocupación por la falta de privacidad en el uso de drones.

Sin embargo, las estadísticas del Estudio Technology in Ag de 2016 indican que al menos el 49% de los productores consideraría contratar un servicio de drones. Esto compensa el 38% de los productores que no planeaban comprar un dron. Por tanto, se espera que aumente el uso de vehículos aéreos no tripulados en la recopilación de datos sobre cultivos. Este aumento será a un ritmo mucho más lento debido a las difíciles condiciones económicas que prevalecen en la industria agroindustrial. La mecanización de granjas convierte a los drones en una opción económica. Ahora tienen funciones avanzadas de recopilación de datos y paquetes de software que se actualizan con regularidad.

Conclusión

Los sistemas inteligentes de manejo de cultivos exigen que los agricultores adopten nuevas tecnologías. En caso de emergencia, es mejor que un agricultor con conocimientos técnicos limitados utilice drones para mitigar los riesgos. La recopilación de datos científicos mediante drones facilita la agricultura de precisión para impulsar la producción de cultivos. Con las mejoras en las características, se espera que los drones sean asequibles incluso para el pequeño agricultor.

Leer más

Entendamos cómo se pueden realizar mapas y topografía con un dron.

La tecnología de drones es un disruptor líder del siglo XXI. Desde la entrega de paquetes hasta la puerta hasta salvar vidas en áreas remotas con suministros médicos; es una tecnología que no puede ser pasada por alto por ninguna industria, ni siquiera por la geoespacial. Los drones han hecho posible mapear un área muy rápidamente y de una manera muy rentable, haciendo retroceder aquellos días en que las imágenes de satélite eran una opción. Industrias como la construcción, la agricultura, la atención médica, el apoyo en casos de desastre, la minería, la inspección de infraestructura, etc., utilizan en gran medida el mapeo y la topografía con drones, ya que la imagen clara y precisa o el modelo 3D de un área de proyecto con mediciones precisas facilitan la toma de decisiones. La entrega rápida de resultados y el bajo costo añaden una razón adicional para hacerlo.

La cartografía y la topografía con un dron son muy simples. Ahora, en el mercado, los drones estándar profesionales están disponibles a precios asequibles que permiten que cualquiera pueda realizar este trabajo. Incluso puedes ser tú. Entonces, entendamos los pasos para saber cómo se pueden realizar mapas y levantamientos usando un dron.

Seleccione según el requisito
Seleccione el dron según sus necesidades. Si tiene una inspección de drones por hacer con fines agrícolas, DJI Agras MG-1 – Best 8 Rotor Drone, senseFly eBee SQ, Precision Hawk Lancaster 5 son algunos de los mejores. Si su propósito es la minería, entonces es mejor optar por Yuneec H520, DJI Matrice 200 Review, 3DR Solo Quadcopter 2.0, entre otros.

Lea también: Cómo los drones están brindando nuevas esperanzas en el sector de la salud

Elija software
Una vez que se ha elegido el dron según el propósito, el siguiente paso es la selección de una solución de mapeo que es una aplicación móvil y una plataforma web que ayuda a planificar el vuelo con precisión. La cartografía móvil automatiza la cartografía y los vuelos fotográficos, y el software crea mapas, informes y modelos 3D precisos y de alta resolución, así como mapas en vivo 2D en tiempo real para un análisis inmediato. Para el análisis de imágenes, transfiera la imagen de la tarjeta de almacenamiento a la computadora una vez que se hayan capturado los datos y cárguela al software que procesará los datos para dar el resultado final. Hay varias soluciones de software en el mercado como Pix4D, Drone Deploy y Precision Hawk, entre muchas.

Planificación de vuelos
Una vez que se ha seleccionado la solución de mapeo y drones, el siguiente paso es la planificación del vuelo. Seleccione el área donde desea hacer el mapeo de drones y asegúrese de que se especialice en seguridad. Después de finalizar el área, seleccione la altitud a la que desea volar el dron. Después de seleccionar el área, planifique el vuelo utilizando un software de mapeo. Para ello, inicie sesión en el software donde automáticamente le pedirá que planifique un vuelo. Te da la imagen satelital del área donde solo tienes que hacer clic en el cuadrado y seleccionarlo para el mapeo de drones.

Lea también: Principales compañías de drones a tener en cuenta en 2019

Compruebe la configuración de la cámara
Antes de volar el dron sobre el área seleccionada, verifique la configuración de la cámara. Cualquier mal ajuste de la cámara puede destruir completamente el trabajo. Si no es un profesional en la cámara, lo mejor es usarlo en modo automático y si ha dominado el arte de la fotografía, configúrelo manualmente para ajustar la configuración de la cámara, como la velocidad de obturación, el balance de blancos y el ISO manualmente para obtener una imagen más nítida y consistente. imágenes para tus mapas

Lea también: Drones para impulsar nuevas innovaciones en la industria de la construcción

Vuela y revisa
Ahora el trabajo está sobre el terreno. Después de todos los procesos de selección, lleve el dron al área donde ha planeado su vuelo y vuele. Para el propósito, conecte el dron al teléfono inteligente, vaya a la aplicación de mapeo de drones y toque sobre la marcha. Revise las imágenes capturadas por el dron en ese momento para asegurarse de que solo la imagen relevante se destina al análisis final.

Lea también: Principales tendencias de la industria de drones para 2019

Procesamiento de imágenes
Una vez capturadas las imágenes, cargue la imagen en el software. Para iniciar sesión en Data Mapper, busque la encuesta y haga clic en cargar encuesta. Aquí cargue todas las imágenes y luego seleccione la salida donde la imagen se procesará en forma de ortomosaico o nube de puntos 3D lista para ser utilizada para su propósito.

Es importante señalar aquí que la ciencia de la fotogrametría se aplica en el mapeo con drones, donde las mediciones se realizan a partir de fotografías que dan como resultado un mapa, medición o modelo 3D de un objeto o escena del mundo real.

Leer más

Un grupo de agricultores de Tennessee indicó que se beneficiarían de los mapas de suelos digitalizados descargables y los programas universitarios de capacitación en agricultura de precisión para ellos, los trabajadores agrícolas y el personal de la agroindustria. El Instituto de Agricultura de la Universidad de Tennessee está interesado en saber en qué parte de Tennessee asignar sus escasos recursos para mejorar los programas de agricultura de precisión. Los datos de una encuesta de Agentes de Extensión y el Censo de Agricultura se utilizaron para desarrollar cinco modelos de regresión Logit para estimar las probabilidades de uso de tecnología de agricultura de precisión en los 95 condados de Tennessee. Los condados con probabilidades estimadas superiores a 0,5 serían buenos candidatos para programas de agricultura de precisión.
Roland K. Roberts
Profesor
Dirección de Internet: rrobert3@utk.edu

Burton C. Inglés
Profesor
de Direcciones de Internet: benglish@utk.edu

James A. Larson
Profesor asociado
Dirección de Internet: jlarson2@utk.edu

La Universidad de Tennessee
Knoxville, Tennessee

Introducción
La agricultura de precisión utiliza información sobre las diferencias en el suelo y otras características dentro de un campo agrícola para tomar decisiones de manejo. A menudo utiliza computadoras y otras tecnologías digitales para ayudar en la toma de decisiones y la aplicación de insumos agrícolas como semillas, fertilizantes, cal y productos químicos con mayor precisión (Khanna, Epouhe y Hornbaker, 1999; Swinton y Lowenberg-DeBoer, 1998). La colocación más precisa de insumos con agricultura de precisión puede aumentar las ganancias agrícolas y reducir las consecuencias ambientales adversas de la producción de cultivos (Watkins, Lu y Huang, 1998). Sin embargo, la clave para que los agricultores adopten la agricultura en un lugar específico es la rentabilidad de la tecnología (Roberts, English y Mahajanashetti, 2000).

La información disponible sobre dónde se han adoptado prácticas de agricultura de precisión es principalmente para algunos cultivos de mayor valor y para varios cultivos que se cultivan en el medio oeste de los Estados Unidos (Khanna, Epouhe y Hornbaker, 1999). Actualmente existe poca información sobre dónde se han adoptado prácticas de agricultura de precisión en el sur de los Estados Unidos.

Una encuesta de marzo de 1999 de los agentes de extensión agrícola de Tennessee ayudó a superar esta falta de información para Tennessee. Esa encuesta identificó a 284 productores que utilizan al menos una tecnología de agricultura de precisión en 38 de los 95 condados de Tennessee (English, Roberts y Sleigh, 2000). Una encuesta complementaria de abril-mayo de 1999 encontró que las empresas que brindan servicios de agricultura de precisión a los agricultores de Tennessee esperaban que la demanda de sus servicios creciera rápidamente durante los próximos 5 años (Roberts, English y Sleigh, 2000).

En julio de 1999 se llevó a cabo un grupo de enfoque de 18 agricultores de Tennessee que habían adoptado al menos una tecnología de agricultura de precisión. Uno de los objetivos de la reunión fue mejorar la comprensión de cómo los agricultores de Tennessee podrían beneficiarse del uso de estas tecnologías y cómo la Universidad de Tennessee puede ayudarlos tomar mejores decisiones sobre estas tecnologías. La discusión indicó que los agricultores se beneficiarían de:

Una fuerza laboral agrícola mejorada, bien capacitada e informada capaz de calibrar, operar y mantener su equipo,
Personal de agronegocios bien capacitado e informado capaz de calibrar, operar y mantener el equipo de sus empresas y brindar asesoramiento técnico preciso,
Equipo y software estandarizados,
Capacitación periódica para trabajadores agrícolas, personal de agronegocios y propietarios-operadores en el uso de estas tecnologías, y
Mapas de suelos digitalizados disponibles en Internet para que los agricultores los descarguen y superpongan en otros mapas de campo.
Con el crecimiento anticipado en la demanda de tecnologías de agricultura de precisión, la pregunta de interés es, «¿Dónde en Tennessee deberíamos enfocar nuestros escasos recursos?» Por ejemplo, ¿qué condados deberían tener prioridad en la creación de mapas de suelos descargables y en recibir programas de capacitación en agricultura de precisión? El objetivo de la investigación informada aquí fue identificar los factores que influyen en la ubicación geográfica de la adopción de tecnología de agricultura de precisión en Tennessee y, dados esos factores, estimar las probabilidades de adopción de tecnología de agricultura de precisión para los 95 condados de Tennessee. La estimación de estas probabilidades podría ayudar a establecer las prioridades del condado para los programas de agricultura de precisión.

Métodos
Otros estudios han identificado características de los agricultores asociadas con la adopción (Daberkow y McBride, 1998; Khanna, 2001). En este estudio, sin embargo, la atención se centró en dónde se han utilizado las tecnologías de agricultura de precisión y cómo las características de la ubicación influyen en las probabilidades de adopción entre los condados. Los datos de la encuesta simple de marzo de 1999 de los agentes de extensión agrícola y el censo de agricultura se utilizaron para analizar los efectos de las características de la ubicación sobre la probabilidad de que los agricultores de los condados de Tennessee adopten tecnologías de agricultura de precisión.

La decisión de un agricultor de invertir en tecnología de agricultura de precisión está relacionada con su potencial de generar beneficios para el agricultor. Suponga que la probabilidad de que los agricultores adopten tecnología de agricultura de precisión depende de las características de la ubicación que afectan la rentabilidad del cultivo de acuerdo con una función de probabilidad logística acumulativa (Pindyck y Rubinfeld, 1998, págs. 307-308). Los impactos de las características de la ubicación sobre la probabilidad de adopción se pueden estimar a partir de un modelo de regresión Logit (Pindyck y Rubinfeld, 1998, págs. 309-317). La probabilidad de adopción para un condado se puede estimar usando esos impactos estimados junto con las características de ubicación del condado en particular (Pindyck y Rubinfeld, 1998, págs. 309-317).

Se estimaron cinco modelos de regresión Logit. Cada modelo tenía una variable dependiente con un valor de 1 para los condados de Tennessee con al menos un agricultor que usaba un monitor de rendimiento con GPS (Sistemas de posicionamiento global), un monitor de rendimiento sin GPS, muestreo de suelo de cuadrícula, aplicación de fertilizante o cal de dosis variable, o cualquier tecnología de agricultura de precisión, y un valor de 0 para los condados sin agricultores que utilizan las tecnologías respectivas (Tabla 1). Los datos necesarios para formar las variables dependientes se obtuvieron de la encuesta antes mencionada de los agentes de extensión agrícola de Tennessee. Dos semanas antes de la encuesta telefónica, los agentes de extensión fueron informados por correo sobre las preguntas que se formularían y sobre el apoyo de la administración de extensión para la encuesta. La tasa de respuesta fue del 100%.

Los datos para las variables explicativas se obtuvieron del Censo de Agricultura de 1997 (Departamento de Agricultura de los Estados Unidos, 1999). Estas características de ubicación se informan en la Tabla 1. Los condados de Gibson y Knox se eligieron como ejemplos para ilustrar los extremos de la adopción de tecnología de agricultura de precisión en Tennessee. El condado de Gibson tenía varios agricultores que usaban la mayoría de las tecnologías analizadas, mientras que el condado de Knox no tenía agricultores que usaran estas tecnologías.

Tabla 1.
Definiciones de variables y otra información para los condados de Tennessee y Gibson y Knox

Variable

Definición

Hipótesis

Media de 95 condados

St. Dev.

Gibson Co.

Knox Co.

Monitor de rendimiento / GPS

1 si al menos un agricultor del condado utilizó un monitor de rendimiento con GPS; 0 de lo contrario

0,22

0,42

1

0

Monitor de rendimiento / GPS de salida

1 si al menos un agricultor del condado utilizó un monitor de rendimiento sin GPS; 0 de lo contrario

0,25

0,44

1

0

Muestreo de suelo en cuadrícula

1 si al menos un agricultor del condado utilizó muestreo de suelo en cuadrícula; 0 de lo contrario

0,29

0.46

1

0

Aplicación de tarifa variable

1 si al menos un agricultor del condado utilizó fertilizante de dosis variable o cal; 0 de lo contrario

0,19

0,39

0

0

Cualquier tecnología de agricultura de precisión

1 si al menos un agricultor del condado utilizó alguna tecnología de agricultura de precisión; 0 de lo contrario

0,39

0,49

1

0

Porcentaje de tierras del condado en granjas

Terreno en granjas como porcentaje del área de terreno del condado (%)

_

42,57

19.20

72,10

27.00

Total de tierras de cultivo

Total de tierras de cultivo (1000 acres)

_

74,42

53.11

249.10

53.03

Ventas de ganado y aves de corral

Ventas de ganado, aves de corral y sus productos ($ 1,000,000)

una

10,71

11.52

8,92

6.57

Porcentaje de tierras agrícolas en cultivos

Tierras de cultivo como porcentaje de la tierra total en fincas (%)

_

60.04

11,94

89,58

60,39

Porcentaje de tierras agrícolas en granjas grandes

Terreno en fincas de más de 259 acres como porcentaje del total de tierra en fincas (%)

_

49,72

18.21

83.30

24,48

Valor de las ventas de cultivos / acre

Valor de las ventas de cultivos por acre cosechado ($ 100)

_

2.52

1,81

2,78

3,90

Agricultores propietarios

Número de agricultores que cosechan tierras de cultivo que son propietarios completos (agricultores)

_

382.18

270.05

321,00

546,00

Agricultores copropietarios

Número de agricultores que cosechan tierras de cultivo que son copropietarios (agricultores)

una

173,46

103.11

232,00

258,00

Granjeros arrendatarios

Número de agricultores que cosechan tierras de cultivo que son arrendatarios (agricultores)

una

34,00

24,42

57,00

40,00

Terreno de propiedad menos terreno alquilado

Acres en fincas de propietarios parciales que son de propiedad menos acres alquilados (1000 acres)

_

1,73

17.51

-57,88

1,81

Se incluyeron seis variables de ubicación en los modelos Logit para capturar las diferencias de recursos entre los condados y, por lo tanto, el potencial relativo de los agricultores para obtener mayores ganancias al adoptar tecnología de agricultura de precisión (Tabla 1). El porcentaje de tierras del condado en granjas intentó captar la importancia general de la agricultura dentro de un condado y se planteó la hipótesis de que influía positivamente en la probabilidad de adopción. Se planteó la hipótesis de que Total Cropland influye positivamente en las probabilidades de adopción dentro de un condado, mientras que las ventas de ganado y aves de corral tienen un impacto negativo en la adopción. Se formuló la hipótesis de que el porcentaje de tierras agrícolas en cultivos influye positivamente en la adopción. Se planteó la hipótesis de que el porcentaje de tierras agrícolas en granjas grandes tendría un impacto positivo en la adopción porque es más probable que los agricultores más grandes tengan los recursos para usar estas tecnologías de manera rentable y es más probable que estén en condiciones de asumir el riesgo. Finalmente, se formuló la hipótesis del valor de las ventas de cultivos / acre para influir positivamente en la adopción.

Se especificaron cuatro variables de tenencia. Se consideró que la adopción era más probable en tierras de cultivo propias que en tierras de cultivo alquiladas. Por lo tanto, se planteó la hipótesis de que los agricultores propietarios totales influían positivamente en la adopción en un condado, mientras que los agricultores propietarios parciales y los agricultores arrendatarios influían negativamente en la adopción. Por último, se consideró que los agricultores copropietarios que alquilaban pequeñas cantidades de tierra en comparación con las cantidades de tierra que poseían tenían más probabilidades de adoptar tecnologías de agricultura de precisión. Por lo tanto, se planteó la hipótesis de que la propiedad de la tierra menos la tierra arrendada influye positivamente en la probabilidad de adopción.

Todas las regresiones fueron altamente significativas y los porcentajes de predicciones concordantes fueron todos superiores al 91% (Tabla 2). Los modelos Logit tenían de dos a seis variables de ubicación significativas. Solo el valor de las ventas de cultivos / acre tuvo coeficientes significativos con signos inesperados. Los cultivos de mayor valor como el tabaco, los cultivos de vivero, las frutas y las verduras se producen típicamente en campos más pequeños en comparación con los cultivos en hileras y en los condados de Tennessee, donde los cultivos en hileras son relativamente poco importantes. Las tecnologías evaluadas no se usaron normalmente en campos pequeños en condados donde estos cultivos de mayor valor son importantes.

Tabla 2.
Regresiones logit para la ubicación de la adopción de tecnología de agricultura de precisión en Tennessee

Explicativo

Variable dependiente A

Variables

Monitor de rendimiento / GPS

Monitor de rendimiento / GPS de salida

Muestreo de suelo en cuadrícula

Aplicación de tarifa variable

Cualquier tecnología de agricultura de precisión

Interceptar

-16.025 b

(0,00) c

-21.443 b

(0,00)

-17,738 b

(0,00)

-21.991 b

(0,00)

-19.207 b

(0,00)

Porcentaje de tierras del condado en granjas

-0,037

(0,26)

-0,015

(0,67)

-0,052

(0,15)

0,046

(0,20)

-0,051

(0,14)

Total de tierras de cultivo

0,042 b

(0.03)

-0,001

(0,95)

0,069 b

(0,00)

0,004

(0,85)

0,020

(0,39)

Ventas de ganado y aves de corral

-0.010

(0,75)

0,011

(0,74)

-0,056

(0,14)

-0,064

(0,20)

-0,035

(0,27)

Porcentaje de tierras agrícolas en cultivos

0,221 b

(0,00)

0.072

(0,33)

0,248 b

(0,00)

0,162 b

(0.03)

0,187 b

(0,01)

Porcentaje de tierras agrícolas en grandes fincas

0,036

(0,46)

0,286 b

(0,00)

0,058

(0,30)

0,185 b

(0,01)

0,179 b

(0,01)

Valor de las ventas de cultivos / acre

-0,102

(0,61)

-0,842

(0,15)

-0,419 b

(0,09)

-0,454

(0,14)

-0,602 b

(0,05)

Agricultores propietarios

0,019 b

(0.02)

0,006

(0,43)

0,009

(0,22)

0,013 b

(0,10)

0,016 b

(0.02)

Agricultores copropietarios

-0,049 b

(0,01)

0,002

(0,90)

-0,032 b

(0,06)

-0,029

(0,11)

-0,030 b

(0,05)

Granjeros arrendatarios

-0,023

(0,45)

0,017

(0,62)

0,004

(0,92)

0,017

(0,62)

0,010

(0,79)

Terreno de propiedad menos terreno alquilado

0,082 b

(0,06)

0,127 b

(0.02)

0,156 b

(0,01)

0,137 b

(0,01)

0,114 b

(0.03)

Índice de probabilidad

42.087 b

(0,00)

52,953 b

(0,00)

64.021 b

(0,00)

38.562 b

(0,00)

64.299 b

(0,00)

Concordante (%)

91,4

92,8

94,8

91,2

92,7

Discordante (%)

8,6

7.2

5,0

8.7

7.2

Atado (%)

0.0

0.0

0,2

0,1

0,1

a Las variables se definen en la Tabla 1.
b Significativamente diferente de cero ([1] = 0.1).
c Probabilidad de Chi cuadrado mayor que Chi cuadrado estimado.

Las probabilidades de adopción estimadas, evaluadas según la media de los datos del condado de Tennessee y para los condados de Gibson y Knox, se presentan en la Tabla 3. Cuando se evaluaron según las medias de los datos del condado, las probabilidades de que los agricultores del condado de Tennessee promedio adoptaran estas tecnologías oscilaron entre 0,093 para Monitor de rendimiento / GPS de salida a 0.431 para cualquier tecnología de agricultura de precisión. Las probabilidades estimadas para el condado de Gibson variaron de 0,703 para la aplicación de tasa variable a 0,999 para el muestreo de suelo en red. El condado de Knox tenía probabilidades de adopción estimadas muy bajas, que van desde casi cero para Yield Monitor / Out GPS hasta 0.015 para Yield Monitor / GPS. Las probabilidades de adopción estimadas para los condados de Gibson y Knox siguieron los patrones esperados, dadas las diferencias en las características de ubicación del condado (Tabla 1).

Tabla 3.
Probabilidades de adopción estimadas en la media de 95 condados para Tennessee y para los condados de Gibson y Knox

Tecnología de agricultura de precisión a

Estimado para

Monitor de rendimiento / GPS

Monitor de rendimiento / GPS de salida

Muestreo de suelo en cuadrícula

Aplicación de tarifa variable

Cualquier tecnología de agricultura de precisión

Probabilidad estimada de adopción de tecnología

Media de 95 condados

0,155

0.093

0.380

0,140

0.431

Condado de Gibson

0,950

0,763

0,999

0,703

0,979

Condado de Knox

0,015

0,0001

0,012

0,0004

0,008

a Las variables se definen en la Tabla 1.

El mapa de la Figura 1 muestra dónde se predijo que la adopción de tecnología de agricultura de precisión sería más o menos probable en Tennessee. Los condados con altas probabilidades estimadas de adopción (mayores de 0.5) se ubicaron principalmente en las partes occidental y central del estado. Se estimó que la adopción era menos probable en la parte oriental más montañosa del estado, aunque algunos condados en esa área tenían altas probabilidades de adopción estimadas.

Figura 1.
Probabilidades estimadas de adopción de la agricultura de precisión para los condados de Tennessee

Caja de texto:

Es posible que la Universidad de Tennessee desee orientar sus programas hacia los condados con probabilidades de adopción estimadas superiores a 0,5, donde probablemente beneficiarían a los agricultores, el personal de agronegocios y la fuerza laboral agrícola en general. Condados con estimaciones La Universidad de Tennessee puede querer orientar sus programas hacia condados con probabilidades de adopción estimadas superiores a 0.5, donde probablemente beneficiarían a los agricultores, al personal de agronegocios y a la fuerza laboral agrícola en general. Los condados con probabilidades de adopción estimadas inferiores a 0,25 probablemente no serían áreas fructíferas a las que apuntar en un futuro próximo. Aquellos condados con probabilidades estimadas entre 0.25 y 0.

Entre 11 y 18 condados con probabilidades de adopción estimadas superiores a 0,5 no tenían agricultores que utilizaran tecnologías de agricultura de precisión (Cuadro 4 y Figura 1). Las altas probabilidades de adopción estimadas para estos condados, junto con la aparente falta de disponibilidad de empresas que brindan servicios de agricultura de precisión o agricultores que usan su propio equipo, sugieren que estos condados pueden ser áreas rentables para la expansión de la agricultura de precisión. En lugar de enfatizar los programas de capacitación o los mapas de suelos digitalizados descargables en estos condados, tal vez los programas orientados a la información para ayudar a los agricultores y las empresas de agronegocios a tomar decisiones sobre la adopción serían más importantes desde el principio. Por ejemplo, programas de educación que enfatizan los costos y beneficios de la tecnología de monitoreo de rendimiento, muestreo de suelos en redes o zonas de manejo,

Tabla 4.
Probabilidades de adopción estimadas comparadas con los resultados de la encuesta del agente de extensión

Variables de tecnología de agricultura de precisión

Probabilidad de adopción estimada > 0,5 y
variables tecnológicas = 0

Probabilidad de adopción estimada <0,5 y variables tecnológicas = 1 Número de condados en cada categoría Monitor de rendimiento / GPS 11 3 Monitor de rendimiento / GPS de salida dieciséis 2 Muestreo de suelo en cuadrícula 14 3 Aplicación de tarifa variable 18 4 Cualquier tecnología de agricultura de precisión 15 2 una Variable de tecnología se refiere a la variable en la columna de la izquierda de esta tabla. Las variables se definen en la Tabla 1. Para satisfacer el crecimiento anticipado en la demanda de tecnologías de agricultura de precisión revelado por una encuesta de abril-mayo de 1999 de firmas de agronegocios, la Universidad de Tennessee está interesada en saber dónde concentrar sus recursos de información y capacitación. Los datos de una encuesta de marzo de 1999 de agentes de extensión agrícola y el censo de agricultura de 1997 se utilizaron para desarrollar cinco modelos de regresión Logit para estimar las probabilidades de que los condados de Tennessee tengan agricultores que adopten diversas tecnologías de agricultura de precisión. Las probabilidades estimadas a partir de estos modelos pueden ayudar a identificar las regiones del estado donde existen factores favorables para la adopción de tecnologías de agricultura de precisión. Las probabilidades de adopción estimadas podrían usarse para decidir dónde apuntar los programas de capacitación e información sobre agricultura de precisión. De acuerdo con las predicciones del modelo, los condados seleccionados serían aquellos con suficiente superficie de cultivo, tierras en grandes fincas y agricultores propietarios de la tierra que cultivan. Los métodos de encuesta simples y el análisis Logit presentados en este artículo podrían ser utilizados por otros estados para ayudar a priorizar la asignación geográfica de los recursos de sus programas de agricultura de precisión.

Leer más

La agricultura es la columna vertebral de la India. Es el principal apoyo a la economía india. El flujo de dinero comienza en la mano del agricultor, ya que es allí donde entran los productos alimenticios esenciales. Casi el 70% de la población vive en cuencas rurales y más del 50% de toda la población india toma la agricultura como su trabajo principal.

India es el segundo mayor productor de frutas y verduras del mundo. Aún así, el sector adolece de una serie de problemas, entre los que se incluyen el desconocimiento y el no reconocimiento. El cambio climático, los monzones impredecibles, la sequía, las inundaciones, la migración de agricultores hacia las ciudades en busca de mejores empleos son algunos de los principales problemas que atraviesa la industria agrícola.

Incluso las plataformas más reconocidas como los medios de comunicación no cubren la agricultura de campo y persiguen a los ministros de agricultura del país para cubrir los problemas que carecen de la parte de los agricultores. Dado que las instituciones no proporcionaron préstamos ni planes de bienestar para los agricultores, es hora de que las tecnologías de ciencia de datos se apoderen de los últimos del sector.

La agricultura está al lado de TI, banca, manufactura, finanzas, salud en Data Science haciendo su entrada. La plataforma presenta varias aplicaciones en las que la industria agrícola podría reducir aún más sus alas.

Algunas aplicaciones de la ciencia de datos en el sector agrícola

Encuentra el tipo de suelo y presenta el mapeo de cultivos

Cada vez que se cosecha un cultivo de la tierra, la estructura del suelo cambia. Es difícil encontrar el cultivo que luego se adapte al tipo de suelo. Algunas personas en la industria agrícola mantienen acres de tierra que dificultan la penetración de los problemas potenciales en la otra esquina de su terreno. La ciencia de datos tiene una solución para todo esto.

La construcción de mapas digitales para tipos de suelos y propiedades podría facilitar las cosas. Los países desarrollados como Irlanda utilizan esta tecnología para monitorear el suelo y la tierra con la ayuda de un satélite. Esto ayuda a encontrar una solución rápidamente, ya que escanea y da una respuesta sobre qué tipo de cultivo podría caber en el suelo y obtener la mayor cantidad de ingresos.

Previsión meteorológica para controlar la salud de los cultivos

Una lluvia intensa podría empapar toda la granja y ganar cero centavos, mientras que una señal de no lluvia durante demasiado tiempo podría producir lo mismo. Por lo tanto, el clima juega un papel vital en el crecimiento agrícola, el desarrollo y el rendimiento de los cultivos. Incluso después de la cosecha, la condición en la que se transporta y almacena es fundamental. La calidad de los cultivos depende negativamente del clima. Es por eso que los expertos en datos han ideado una solución para utilizar herramientas para identificar el escenario meteorológico . Los hallazgos produjeron cambios notables al examinar la base de datos y los estudios para concluir cosas como el clima en el proceso agrícola.

Los principales elementos que caracterizan el pronóstico agrícola son,

• Lluvias y nieve

• Velocidad y dirección del viento

• Nivel de humedad

• Cantidad y tipo de cobertura de nubes en el cielo

• Temperatura

• Zonas de baja presión, ciclones, tornados y depresión

• Cambios catastróficos repentinos como niebla, heladas, granizo, tormentas y ráfagas de viento

Una empresa con sede en Canadá llamada Farmers Edge toma imágenes de satélite diarias de las granjas y las combina con datos relevantes que incluyen más de 4000 estaciones meteorológicas interconectadas.

Sugerencias de fertilizantes a través de un diagnóstico agudo

Mantener un campo es como un arte. El fertilizante es un color importante que debe agregarse a la obra de arte para que se vea bien. Pero a menudo, los agricultores terminan eligiendo fertilizantes inadecuados para sus cultivos, lo que conduce a productos dañados o poco saludables. Conocer la tasa exacta de fertilizante es una ciencia y requiere un análisis exhaustivo de múltiples factores. Los parámetros en los que se detecta el cultivo incluyen tasas de absorción de nutrientes del cultivo, datos de investigación, propiedades químicas, físicas y biológicas del suelo, clima, composición del agua, tipo de tierra, métodos de prueba del suelo, técnicas de riego, características de fertilizantes, interacciones entre fertilizantes y muchos más.

El uso indebido y la predicción incorrecta del uso de fertilizantes es un fenómeno mundial. Pero con las tecnologías emergentes, los profesionales de la ciencia de datos ahora pueden asesorar a los agricultores sobre qué fertilizante se adapta a sus tierras y cultivos.

Sugiere pesticidas y detecta enfermedades de cultivos.

Las plagas y enfermedades son una amenaza para los cultivos. La ignorancia de estos problemas o el tratamiento incorrecto pueden hacer que el cultivo sea insalubre y estropeado. Analytics proporciona algoritmos avanzados que podrían identificar el patrón y el comportamiento de la naturaleza que ayudan a pronosticar la invasión de plagas y la propagación de enfermedades microscópicas.

La ciencia de datos está informando a los agricultores sobre cómo manejar las plagas. Se están utilizando herramientas digitales y análisis de datos en la agricultura para tratar científicamente los insectos dañinos. Algunas empresas han organizado a profesionales de la ciencia de datos para sensibilizar a los agricultores sobre el uso de plaguicidas a través de plataformas orientadas al usuario.

Las imágenes capturadas a través de drones ayudan a encontrar la diferencia entre plagas buenas y malas. La solución proporcionada por los profesionales de la ciencia de datos da paso a matar solo las plagas malas, dejando que los insectos buenos enriquezcan el estado del cultivo.

Sistema de riego automatizado para minimizar el uso de agua.

Según un estudio de WWF, el agua es cada vez más escasa en todo el mundo. Se predice que un tercio de la población total terminará enfrentando escasez de agua en 2025. Los cuerpos de agua podrían cubrir el 70% del área total del planeta, pero solo el 3% es fresco y está disponible para su uso. En un momento en el que cada gota de agua importa, la industria agrícola también debería tomar la iniciativa de utilizar un mínimo de agua de una manera muy útil.

La solución tecnológica que proporciona la ciencia de datos para el problema es el sistema de riego automatizado . Un tipo de sistema de riego automatizado funciona basado en granjas de pequeña escala, mientras que el otro utiliza predicciones meteorológicas. Mediante el proceso de riego por goteo, el uso de agua podría minimizarse a escala global.

DATOS , una aplicación de reducción de riesgos, funciona con los avances actuales de la tecnología informática y se aplica en los campos de la geografía (GIS), la teledetección (RS), la inteligencia artificial (AI) y la ciencia de datos. El proyecto DATOS ha desarrollado un mapa utilizando imágenes de satélite y extrae la firma temporal de los cultivos. Es capaz de detectar la situación de inundaciones en áreas a través de la ayuda de IA.

Actualmente, la maniobra de la ciencia de datos y las investigaciones sobre su uso diverso en el sector agrícola es menor; se prevé que las oportunidades se multiplicarán pronto. La tecnología ha avanzado a gran escala en el sector agrícola. No es de extrañar incluso si en un desierto se cultivan alimentos útiles en el futuro.

Leer más

El uso de datos precisos y granulares recopilados a través de sensores remotos y terrestres tiene un enorme potencial para mejorar los resultados agrícolas. En el mundo industrializado, los aspectos más maduros de la aplicación de estas herramientas tienden a estar vinculados con el monitoreo de cultivos basado en GPS, como el que utiliza Climate Corporation, que brinda a los agricultores acceso a datos a nivel de campo en tiempo real.

Sin embargo, aún se está explorando la aplicación de estas herramientas en un contexto en desarrollo. Esta publicación detalla el resultado de una convocatoria de USAID que explora el potencial de las tecnologías de agricultura de precisión en los países en desarrollo.

Trabajando con otras 10 agencias federales, USAID lidera Feed the Future , la iniciativa global de hambre y seguridad alimentaria del gobierno de los Estados Unidos. Muchos de los 19 países de enfoque de Feed the Future están lidiando con una variedad de desafíos que afectan la producción agrícola, incluida la escasez de recursos y las condiciones ambientales cambiantes como resultado del cambio climático.

Al hacer frente a estos desafíos, el uso de nuevas tecnologías para la agricultura de precisión promete una variedad de beneficios que incluyen:

Recopilación de información específica en tiempo real : los datos recopilados de sensores terrestres, sensores remotos, datos satelitales de alta resolución y otras herramientas equiparán mejor a los pequeños agricultores, trabajadores de extensión y otras partes interesadas con información específica y actualizada sobre sus cultivos para ayudar a mejorar la productividad local.
Conservación de los recursos : la mejora de los datos y la información conducirá a optimizar los insumos agrícolas y el tiempo dedicado por los trabajadores de extensión agrícola y otros actores sobre el terreno, lo que en última instancia contribuirá a un mejor uso de los recursos y ahorros de costos.
Habilitación de otros productos y servicios: Por último, se necesitan buenos datos para que el sector privado y otros intermediarios creen herramientas de toma de decisiones que puedan beneficiar a los pequeños agricultores, incluidos los productos financieros y de seguros.
Durante un productivo día y medio en junio de 2016, USAID, en una posición única como organización donante para reunir a actores de los sectores público y privado, convocó un taller que incluyó a innovadores que han desarrollado sensores, grandes empresas de Silicon Valley como Cisco y Facebook, financiadores y ONG como la Fundación Gates y el Fondo One Acre, y académicos de Berkeley, Stanford y UC Davis.

Cuatro ideas sobre Sensors4Ag
USAID-Sensores4agLos participantes del taller exploraron tecnologías de sensores actuales y aplicaciones de agricultura de precisión de IDEO.org , Arable , GSMA mAgri , Granular y otros; aprendió sobre el trabajo de Feed the Future y el Laboratorio de Desarrollo Global de Estados Unidos ; y participó en una serie de actividades interactivas para identificar los desafíos y oportunidades para la aplicación de estas tecnologías. Los participantes obtuvieron cuatro puntos clave :

“La tecnología es la parte fácil”: ya existen muchas tecnologías de agricultura de precisión habilitadas por sensores, que van desde estaciones meteorológicas y sensores de humedad dedicados hasta espectrómetros y herramientas de detección remota. Para muchas de estas aplicaciones, el mercado ya está impulsando la tecnología física para que sea mejor y más barata. Por lo tanto, el enfoque de la comunidad de práctica no debería estar en el desarrollo de nuevas tecnologías, sino en determinar cómo se pueden aplicar las tecnologías existentes a la agricultura en los mercados en desarrollo.
Diseñar teniendo en cuenta el contexto local: Al aplicar estas tecnologías, y de acuerdo con el espíritu de los Principios para el desarrollo digital , comprender las condiciones locales es clave. La forma en que se empaquetan los sensores, la forma en que se transmiten los datos, la experiencia del usuario y la frecuencia con la que los sensores deben recargarse o reemplazarse son factores clave para determinar su éxito, y deben adaptarse de manera única al contexto local específico, ya sea enfocarse en una región en particular, un cultivo en particular o una necesidad del mercado. Estos procesos suelen ser mucho más complejos que la propia tecnología.
Necesidades complejas de transmisión de datos: los sensores agrícolas están recopilando una cantidad significativa de datos, pero particularmente cuando se aplican en el mundo en desarrollo, a menudo deben operar en entornos de baja conectividad. Por lo tanto, requerirán soluciones de bajo consumo y largo alcance para garantizar que los datos continúen transmitiéndose de manera eficaz y a bajo costo.
Los datos deben ser interoperables: los datos agrícolas se recopilan simultáneamente a través de satélites, estaciones meteorológicas y sensores terrestres. Sin embargo, estos sistemas no se comunican entre sí y no existe una forma centralizada de agrupar los datos. Para que los datos sean realmente útiles en la toma de decisiones, los proveedores de tecnología deben trabajar hacia la interoperabilidad y encontrar formas productivas de integrar los datos.
En última instancia, los datos proporcionados tienen el potencial de ayudar a múltiples audiencias (el trabajador de extensión, el banco que está desarrollando el producto de seguro y / o los agricultores mismos) a tomar mejores decisiones. Por lo tanto, los innovadores, proveedores de tecnología, organizaciones agrícolas, académicos y financiadores deben comprometerse a unirse y explorar el potencial de estas tecnologías.

Leer más

Un pequeño agricultor de caña de azúcar en el oeste de Maharashtra posee aproximadamente 4 hectáreas de tierra, tiene dos hijos que se graduaron y trabajan en Pune. Cuando se le preguntó por qué no alentaba a su hijo a tomar la agricultura como profesión, respondió que la agricultura requiere trabajo duro, no remunerativo y es difícil conseguir mano de obra para diversas operaciones agrícolas. Además, también piensa que el hijo de un granjero es un bien que no se puede casar y que su hijo puede tener una vida mejor en Pune. Está envejeciendo y con la edad planea vender su tierra al mejor postor.

Pueblo tras pueblo y estado tras estado, esta es la historia de la mayoría de los agricultores de la India. Quieren vender su tierra y dejar la agricultura. La agricultura india está en crisis. “No importa cuán avanzados o ricos seamos, todos tenemos que comer. No podemos sobrevivir con software / tuercas y / o tornillos «.

La riqueza y la seguridad del país provienen de su tierra y, por lo tanto, lo que se necesita es una agricultura sostenible, de alta tecnología y alta productividad, que sea remunerativa y proporcione alimentos y seguridad al país. En este contexto, la agricultura de precisión ayudará a introducir la próxima revolución verde en la agricultura india.

Un sistema de producción agrícola es el resultado de una interacción compleja de semillas, agua y agroquímicos, incluidos fertilizantes y pesticidas. Por lo tanto, la gestión cuidadosa de todos los insumos es esencial para la sostenibilidad de un sistema tan complejo. El enfoque en mejorar la productividad sin considerar los impactos ecológicos de los recursos de entrada ha resultado en la degradación ambiental. El aumento de la conciencia ambiental del público en general nos obliga a modificar las prácticas de gestión agrícola para la conservación sostenible de los recursos naturales como el agua, el aire y la calidad del suelo, sin dejar de ser económicamente rentables. La productividad se puede aumentar sin ningún efecto adverso maximizando la eficiencia de la entrada de recursos. También es cierto que la disponibilidad de mano de obra para la actividad agrícola será escasa en el futuro. Ha llegado el momento de unir la tecnología de la información y la ciencia agrícola para mejorar la producción agrícola económica y ambientalmente sostenible. Esto da origen a la agricultura de precisión o la agricultura de precisión.

El concepto de agricultura de precisión se basa estrictamente en el Sistema de Posicionamiento Global (GPS), que fue inicialmente desarrollado por científicos de defensa de Estados Unidos (Estados Unidos de América) para uso exclusivo del Departamento de Defensa de Estados Unidos. El carácter único del GPS es la precisión en el tiempo y el espacio. La agricultura de precisión (AP), como su nombre lo indica, se refiere a la aplicación de cantidades precisas y correctas de insumos como agua, fertilizantes, pesticidas, etc. en el momento adecuado al cultivo para aumentar su productividad y maximizar sus rendimientos. El uso de insumos (es decir, fertilizantes químicos y pesticidas) en base a la cantidad correcta, en el momento adecuado y en el lugar adecuado. Este tipo de gestión se conoce comúnmente como «Gestión específica del sitio».

La agricultura de precisión o agricultura de precisión se define generalmente como un sistema de gestión agrícola basado en información y tecnología para identificar, analizar y gestionar la variabilidad espacial y temporal dentro de los campos para una productividad y rentabilidad óptimas, sostenibilidad y protección de los recursos de la tierra minimizando los costos de producción. El aumento de la productividad en el suministro mundial de alimentos se ha basado cada vez más en la expansión de los planes de riego durante las últimas décadas, y más de un tercio de los alimentos del mundo ahora requieren riego para la producción. Los rápidos cambios socioeconómicos en algunos países en desarrollo, incluida la India, están creando nuevos alcances para la aplicación de la agricultura de precisión (AP). La competencia global de productos agrícolas basada en el mercado en conjunto está desafiando la viabilidad económica de los sistemas agrícolas tradicionales,

HERRAMIENTAS Y EQUIPO
La agricultura de precisión es una combinación de aplicación de diferentes tecnologías. Todas estas combinaciones están mutuamente interrelacionadas y son responsables de los desarrollos. Los mismos se discuten a continuación:

1. Sistema de posicionamiento global (GPS): Es un conjunto de 24 satélites en la órbita terrestre. Envía señales de radio que pueden ser procesadas por un receptor terrestre para determinar la posición geográfica en la tierra. Tiene un 95% de probabilidad de que la posición dada en la tierra esté dentro de los 10-15 metros de la posición real. El GPS permite un mapeo preciso de las fincas y junto con el software apropiado informa al agricultor sobre el estado de su cultivo y qué parte de la finca requiere qué insumos, como agua o fertilizantes y / o pesticidas, etc.

2. Sistema de Información Geográfica (SIG): Es un software que importa, exporta y procesa datos distribuidos espacial y temporalmente geográficamente.

3. Muestreo de cuadrículas: es un método de dividir un campo en cuadrículas de aproximadamente 0,5 a 5 hectáreas. El muestreo del suelo dentro de las rejillas es útil para determinar la tasa apropiada de aplicación de fertilizantes. Se toman varias muestras de cada cuadrícula, se mezclan y se envían al laboratorio para su análisis.

4. Tecnología de velocidad variable (VRT): la maquinaria de campo existente con la unidad de control electrónico (ECU) y el GPS integrado pueden cumplir con el requisito de entrada de velocidad variable. Las barras de pulverización, el aplicador de disco giratorio con ECU y GPS se han utilizado eficazmente para la pulverización de parches. Durante la creación del mapa de requerimientos de nutrientes para VRT, se debe considerar más la tasa de fertilizante que maximiza las ganancias que la tasa de fertilizante que maximiza el rendimiento.

5. Mapas de rendimiento: Los mapas de rendimiento se producen procesando datos de una cosechadora combinada adaptada que está equipada con un GPS, es decir, integrado con un sistema de registro de rendimiento. El mapeo de rendimiento implica el registro del flujo de grano a través de la cosechadora, mientras se registra la ubicación real en el campo al mismo tiempo.

6. Sensores remotos: generalmente son categorías de sensores aéreos o satelitales. Pueden indicar variaciones en los colores del campo que corresponden a cambios en el tipo de suelo, desarrollo del cultivo, límites del campo, caminos, agua, etc. Se pueden procesar imágenes ariales y satelitales para proporcionar índices vegetativos, que reflejan la salud de la planta.

7. Sensores próximos: Estos sensores se pueden usar para medir parámetros del suelo como el estado de N y el pH del suelo y las propiedades del cultivo a medida que el tractor conectado al sensor pasa sobre el campo.

8. Hardware y software de computadora: Para analizar los datos recopilados por otros componentes de la tecnología de agricultura de precisión y hacerlos disponibles en formatos utilizables como mapas, gráficos, cuadros o informes, el soporte de computadora es esencial junto con el soporte de software específico.

9. Sistemas de riego de precisión: Se están lanzando desarrollos recientes para uso comercial en riego por aspersión mediante el control del movimiento de las máquinas de riego con controladores basados ​​en GPS. Se están desarrollando tecnologías de sensores y comunicación inalámbrica para monitorear las condiciones ambientales y del suelo, junto con los parámetros de operación de las máquinas de riego (es decir, flujo y presión) para lograr una mayor eficiencia en el uso del agua.

10. Agricultura de precisión en tierras arables: El uso de técnicas de AP en tierras arables es el más utilizado y más avanzado entre los agricultores. CTF (agricultura de tráfico controlado) es un enfoque de toda la granja que tiene como objetivo evitar daños innecesarios a los cultivos y la compactación del suelo por maquinaria pesada, reduciendo los costos impuestos por los métodos estándar. Los métodos de tráfico controlado implican confinar todos los vehículos de campo al área mínima de carriles de tráfico permanentes con la ayuda de sistemas de apoyo a la toma de decisiones. Otra aplicación importante de la agricultura de precisión en tierras cultivables es optimizar el uso de fertilizantes especialmente, Nitrógeno, Fósforo y Potasio.

Necesidad de agricultura de precisión en la India: para satisfacer la enorme necesidad de cereales alimentarios de 480 millones de toneladas (Mt) para el año 2050, con los crecientes desafíos de estrés biótico y abiótico que experimentan los cultivos, la introducción y adopción de tecnología moderna en la agricultura india es inevitable. .

El sistema alimentario mundial se enfrenta a desafíos formidables y eso aumentará en los próximos 40 años. Se requieren cambios más radicales en el sistema alimentario y la inversión en investigación para hacer frente a los desafíos futuros y sus soluciones. La disminución de la productividad total, la disminución y degradación de los recursos naturales, el estancamiento de los ingresos agrícolas, la falta de un enfoque ecorregional, la disminución y fragmentación de la propiedad de la tierra, la liberalización del comercio agrícola, las limitadas oportunidades de empleo en el sector no agrícola y la variación climática global se han convertido en preocupaciones importantes en el crecimiento y desarrollo agrícola. Por lo tanto, el uso de la adopción de tecnología de reciente aparición se considera una clave para aumentar la productividad agrícola en el futuro.

Se espera que la aplicación de tecnologías de AP blandas y duras equilibradas basadas en la necesidad de la condición socioeconómica específica de un país haga que las AP sean adecuadas también para los países en desarrollo. La AP ‘blanda’ depende principalmente de la observación visual del cultivo y del suelo y de la decisión de manejo basada en la experiencia y la intuición, más que en análisis estadístico y científico. El PA ‘duro’ utiliza todas las tecnologías modernas, como GPS, RS y VRT. Se han identificado tres componentes, a saber, ‘tecnología de AP única’, ‘paquete de tecnología de AP’ (para que el usuario seleccione uno o una combinación) y ‘tecnología de AP integrada’, como parte de las estrategias de adopción de AP en los países en desarrollo como India .

La agricultura de precisión en la agricultura de caña de azúcar es inevitable, ya que India es el segundo mayor productor de azúcar y caña de azúcar. La caña de azúcar se cultiva en aproximadamente 4.09 millones de hectáreas, produciendo alrededor de 283 millones de toneladas de caña con una productividad promedio de 69.19 TM / ha. De los diversos cultivos agrícolas, la caña de azúcar es el más remunerativo, su requerimiento de agua y fertilizantes también es muy alto.

Agricultura de precisión dentro de los sectores de frutas y verduras y viticultura: En la agricultura de frutas y verduras, la reciente adopción rápida de sistemas de automatización para registrar parámetros relacionados con la calidad del producto, permite a los productores clasificar los productos y monitorear la calidad y seguridad de los alimentos, incluido el color, el tamaño, forma, defectos externos, contenido de azúcar, acidez y otras cualidades internas. Además, el seguimiento de las operaciones de campo, como la pulverización de productos químicos y el uso de fertilizantes, puede ser posible para proporcionar métodos completos de procesamiento de frutas y verduras.

Alcance y adopción de la agricultura de precisión en India:
La AP para pequeñas granjas puede utilizar maquinaria y robots para pequeñas granjas que no compactan el suelo y también pueden funcionar con combustibles renovables como bioaceite, biogás comprimido y electricidad producida en granjas por residuos agrícolas. Para las granjas pequeñas, la agricultura de precisión puede incluir riego por goteo subterráneo para la aplicación precisa de agua y fertilizantes, eliminación de malezas, cosecha y otras operaciones culturales. Algunos de estos robots ya se están utilizando en pequeñas granjas en los EE. UU. Y Europa y se espera que puedan implementarse a gran escala en un futuro próximo. Para las granjas pequeñas, la agricultura de precisión puede ayudar en el riego por goteo subterráneo para una aplicación precisa de agua y fertilizantes y robots para el control de malezas, la cosecha y otras operaciones. De manera similar, también se han introducido drones en Japón y los EE. UU. Para mapear las granjas, identificar enfermedades y así sucesivamente. La mayoría de las máquinas robóticas y los drones son compactos y, por lo tanto, adecuados para pequeñas granjas. Las pequeñas granjas de la India, por lo tanto, son ideales para la aplicación a gran escala de la agricultura de precisión.

El camino a seguir
El componente más importante para hacer avanzar la AP será la creación de un enorme recurso de ingenieros, científicos y agricultores para desarrollar varios componentes de la tecnología. Sin una mano de obra excelente y, en consecuencia, una buena I + D, la AP no tendrá éxito. Desafortunadamente, la mayoría de los buenos estudiantes quieren ingresar a las corrientes de ingeniería y medicina e ignorantemente, la agricultura se convierte en una ocurrencia tardía. También existe la necesidad de excelentes ingenieros de instituciones como IIT, NIT, etc. para diseñar maquinaria como robots y drones para PA. Esto puede facilitarse mediante el establecimiento de una nueva rama de la ingeniería denominada mecanotécnica agrícola o robótica, donde profesores y estudiantes de institutos ICAR, IIT, industrias y agricultores trabajan juntos, interactúan y colaboran para desarrollar sistemas inteligentes para AP.

Conclusión:La agricultura de precisión en muchos países en desarrollo, incluida la India, ofrece numerosas oportunidades para que los agricultores identifiquen cultivos específicos de mejor rendimiento de alto rendimiento e infectar que un agricultor recurra a un obtentor para producir variedades mejores y de mayor rendimiento mediante el uso del sistema de AP. Se han identificado tres componentes, a saber, ‘tecnología de AP única’, ‘paquete de tecnología de AP’ y ‘tecnología de AP integrada’, como parte de las estrategias de adopción general de AP en los países en desarrollo. Se han destacado los sectores de aplicación adecuados de estos componentes estratégicos. La AP puede proporcionar una plataforma para la actividad de responsabilidad social empresarial (RSE) industrial ayudando a los pobres de las zonas rurales a mejorar sus medios de vida mediante la agricultura de alta tecnología. El gobierno de la India puede facilitar este proceso otorgando préstamos blandos a la industria para que se animen y se involucren en la agricultura y las actividades de la AP. Por lo tanto, la AP de alta tecnología puede ayudar a lograr la próxima revolución verde en la India y puede producir una enorme riqueza rural de una manera sostenible y ecológica. A la luz de la necesidad urgente de hoy, debería haber un esfuerzo total para utilizar nuevos insumos tecnológicos para hacer de la ‘Revolución Verde’ como una ‘Revolución Evergreen’.

Leer más

Investigadores de Israel y Texas han desarrollado un sistema que abre y cierra automáticamente la emisión del agua de riego según la temperatura de las hojas del cultivo, controlando la eficacia del uso del agua y la uniformidad, para conseguir los rendimientos máximos en las cosechas con cada gota.

Para determinar cuándo regar, hay que tener en cuenta variables tales como la calidad del suelo, el tipo de cosecha y la temperatura.

Esta nueva tecnología se conoce como «umbral de tiempo y temperatura» (TTT son sus siglas en inglés). Se basa en que las plantas crecen mejor en una gama reducida de temperaturas, y esta gama podrá variar dependiendo de la especie de cultivo. Para el algodón, el método del umbral de tiempo y temperatura ordena el riego cuando la temperatura de la hoja supera los 28ºC durante más de 4 horas y media. Se tiene en cuenta la temperatura de la hoja y el índice de tensión de agua en las cosechas para predecir la presión de agua en las hojas, una medida de deficiencia de agua o de tensión en la planta, además de un sistema manual basado en la humedad del suelo.

Cada cosecha tiene su propia temperatura óptima para llegar a producir los rendimientos más altos (para el algodón es de 23ºC – 32ºC). Si la temperatura de la planta sube por encima del punto óptimo, se activa de forma automática el riego de precisión.

El suelo, la topografía y las necesidades de agua varían dentro de cada parcela. Con el riego de precisión se trata de equilibrar la aplicación de agua según esas variaciones de suelo y de cosechas. La aplicación más precisa de agua, de nutrientes y pesticidas lleva a rendimientos más altos y a notables beneficios ambientales.

La disponibilidad de agua es clave para la agricultura. Los sistemas automatizados de riego son una pieza fundamental para reducir el uso de agua, haciendo un uso sostenible y aumentando la rentabilidad de la explotación, gracias a que se reducen los costes que supone el bombeo del agua.

Mediante sensores infrarrojos montados a intervalos regulares en los tramos del sistema de riego de pivote central, se puede medir la temperatura de las cosechas. Utilizando otros sensores infrarrojos estacionarios dispuestos en el campo, se verifican estas mediciones. Los datos son transferidos a un ordenador que transmite las instrucciones al pivote central, pudiendo variar las aplicaciones de agua en un mismo campo, donde hay diferentes tipos de suelos, o donde se están cultivando dos o tres cosechas diferentes.

Este estudio concluye que estos sistemas de riego de precisión por temperatura de las hojas, funciona muy bien para maíz y semilla de soja. Se obtienen rendimientos más altos para la soja y un uso más eficaz del agua para el maíz.

Leer más

La instalación de sensores inalámbricos entre los cultivos y la colocación de crotales «inteligentes» en las orejas del ganado podría ayudar a los agricultores a producir más alimentos con menos impacto en el medio ambiente.

La abundancia de alimentos que podemos encontrar en los estantes de los supermercados de toda Europa es el resultado del conocimiento acumulado durante miles de años por generaciones de agricultores.

Pero con la probabilidad de que la población humana mundial aumente en 2.200 millones en los próximos 30 años para llegar a los 9.800 millones, habrá muchas más bocas que alimentar. Al mismo tiempo, los agricultores se enfrentan a cultivar este alimento adicional utilizando menos agua, tierra, fertilizantes y pesticidas.

La agricultura por sí sola es responsable de algo más del 10% de las emisiones de gases de efecto invernadero y del 44% del uso de agua en Europa, mientras que el uso de pesticidas tiene un impacto importante en los polinizadores y el ecosistema en general.

Para hacer frente a estos desafíos, los agricultores de toda Europa se han asociado con investigadores e ingenieros para desarrollar nuevas tecnologías que esperan marcarán el comienzo de una era de «agricultura de precisión». Con redes de sensores instalados en los campos o conectados a los animales, pueden recopilar datos reales. Datos de tiempo sobre la salud de sus cultivos y rebaños, lo que les permite tomar mejores decisiones sobre cómo gestionarlos.

«Necesitamos resolver la huella ambiental del sistema agrícola haciendo más con los mismos recursos o incluso con menos», dijo Francois Lienard, gerente de comunicaciones del proyecto Internet of Food and Farm 2020 (IoF2020). El proyecto ha estado coordinando una serie de experimentos en los que sensores, maquinaria agrícola y equipos automatizados se unen para formar una «Internet de las cosas» agrícola.

Vacas lecheras

En un ejemplo, a 2.200 vacas lecheras en seis granjas en Dinamarca, Alemania, Letonia y Lituania se les han colocado crotales con una antena de identificación por radiofrecuencia inalámbrica para identificar a cada animal cuando visitan un alimentador robótico inteligente. El comedero puede detectar cuando la vaca mete la cabeza en el comedero y registra el tiempo que cada vaca visita , junto con la dosis exacta de suplementos minerales que le dieron.

La dieta de las vacas lecheras antes del parto y durante los 100 días posteriores al parto es particularmente importante para mantenerlas saludables y garantizar la calidad de la leche que producen, que es donde los suplementos minerales pueden ayudar.

La mala salud de las vacas lecheras puede afectar su fertilidad y, por lo tanto, reducir la cantidad de animales capaces de producir leche y afectar la calidad de la leche misma.

Los resultados preliminares, que aún no se han publicado, muestran que la producción de leche en los rebaños que utilizan crotales inteligentes y comederos aumentó en un 1%, pero también mejoró la calidad de la leche en un 20% . Al mismo tiempo, el número de animales enfermos disminuyó en un 6% en comparación con un hato sin las marcas y el número de vacas sacrificadas por problemas de salud fue un 24% menor.

El control de los minerales que comen las vacas también puede reducir la cantidad de amoníaco y fosfato que se desprenden del estiércol, lo que puede afectar la calidad del agua que corre por los campos.

Poder monitorear las visitas de una vaca a un comedero permite a los agricultores detectar cualquier animal que no esté comiendo lo suficiente. El comedero está conectado a un sistema basado en la nube que luego puede adaptar automáticamente la cantidad de suplementos y alimento que recibe cada animal. También proporciona más información sobre el comportamiento y la salud de las vacas al observar los cambios en su actividad. Algunos de los socios del proyecto en la Universidad de Strathclyde, Reino Unido, y el Instituto de Tecnología de Waterford en Irlanda están utilizando acelómetros y contadores de pasos montados en collar junto con inteligencia artificial para monitorear aún más la salud animal de sus movimientos y buscar signos tempranos de enfermedad como cojera en vacas individuales .

«Sabemos que el nivel de actividad de una vaca lechera aumenta sustancialmente durante el celo (durante el celo), mientras que la actividad disminuida es causada por una enfermedad», dijo Henning Lyngsø Foged, director ejecutivo del Instituto Organe, una consultora de investigación agrícola en Skødstrup, Dinamarca. , y coordinador de un experimento de suplementación mineral de precisión bajo IoF2020.

Los datos recopilados de acelerómetros montados en collar pueden indicar signos tempranos de enfermedad, como cojera, en vacas individuales. Crédito de la imagen: Ivan Andonovic

Los datos recopilados de acelerómetros montados en collar pueden indicar signos tempranos de enfermedad, como cojera, en vacas individuales. Crédito: Ivan Andonovic
Cosecha

Pero Internet de las cosas también podría ayudar a los agricultores que intentan cultivar cultivos herbáceos. Entre los 33 experimentos de IoF2020 se encuentran sensores inalámbricos alimentados por energía solar que monitorean la humedad del suelo, el contenido de nutrientes, la humedad y las condiciones climáticas en diferentes ‘zonas’ de un campo para que los agricultores puedan ajustar con precisión cómo crece su cultivo.

«Si en la esquina superior noroeste de un campo, la humedad del suelo o la humedad no es óptima, el agricultor sabrá que solo necesita regar esa parte específica en lugar de todo el campo», dijo Lienard. «Puede ahorrarles mucha agua y tiempo».

El mismo enfoque puede ayudar a reducir la cantidad de fertilizantes y pesticidas necesarios en los campos. Se pueden utilizar cámaras de imágenes térmicas y espectroscópicas especializadas para detectar los primeros signos de plagas o enfermedades y ayudar a revelar la tasa de crecimiento de las plantas .

«Por ejemplo, en un viñedo tenemos una cámara espectrográfica conectada a un tractor que toma fotografías de cada planta de vid», dijo Lienard. «Al analizar la imagen es posible detectar diferentes tonos de verde que muestran si las plantas carecen de nutrientes o agua. También puede detectar los niveles de insectos en la hoja». Luego, la máquina crea un mapa que muestra los niveles de insectos para ayudar al agricultor a comprender dónde actuar, dice.

Otro desafío al que se enfrentan los viñedos es el crecimiento de hierba y malas hierbas entre las vides, lo que puede privarles de agua y nutrientes. Un enfoque consiste en utilizar cortacéspedes robóticos que puedan rodar por las hileras para recortar el césped lo más cerca posible de las enredaderas sin dañarlas.

Esta tecnología se está desarrollando como parte de otro proyecto europeo llamado SmartAgriHubs , que se considera el sucesor de IoF2020 cuando el proyecto de cuatro años finalice en diciembre. Ha reunido a un consorcio de 160 institutos de investigación y socios de la agricultura y la industria alimentaria para trabajar juntos en 206 centros de innovación digital en toda Europa. Juntos han estado trabajando en 28 experimentos destinados a probar nuevas tecnologías en situaciones agrícolas reales para que finalmente puedan comercializarse.

Granjas de cerdos

Entre estos se encuentran los proyectos destinados a reducir el uso de antibióticos en las granjas de cerdos mediante el uso de sensores portátiles en los animales para controlar su salud. Otros utilizan sensores en miniatura que miden los movimientos de las abejas en las colmenas de miel comerciales.

«Usando inteligencia artificial, es posible hacer predicciones sobre este comportamiento, que se pueden combinar con la temperatura y la humedad para buscar cualquier problema», dijo Lorena van de Kolk, gerente de comunicaciones de SmartAgriHubs . Armados con esta información, los apicultores pueden ser alertados sobre enfermedades como el ácaro varroa o problemas causados ​​por la exposición de sus abejas a pesticidas.

Un proyecto en Andalucía, en el sur de España, está desarrollando drones y robots terrestres que pueden obtener imágenes del follaje de olivos y vides, que cuando se analizan con algoritmos de inteligencia artificial pueden detectar los primeros signos de enfermedades de los cultivos . Otro tiene como objetivo reducir la cantidad de agua necesaria para regar los cultivos en esta parte de Europa propensa a la sequía.

Pero si bien toda esta tecnología digital conectada tiene el potencial de hacer que la agricultura sea más eficiente y menos dañina para el medio ambiente, existen una serie de barreras que se interponen en el camino de su implementación. «En este momento, la inversión necesaria es bastante alta y una vez que se compromete con una tecnología en particular, debe seguir con esa, ya que no suelen ser intercambiables», dijo Lienard.

Parte del proyecto IoF2020 ha sido establecer estándares que puedan aplicarse a toda la tecnología digital desarrollada para la industria agrícola para que los agricultores puedan intercambiar libremente entre diferentes productos fácilmente.

Más allá de mejorar la capacidad de los agricultores para producir alimentos, este enfoque de agricultura digital podría proporcionarles una nueva fuente de ingresos al vender los datos que recopilan a otras organizaciones o empresas.

«Por supuesto, es necesario que haya seguridad de datos y un marco legal en torno a esos datos», dijo Lienard.

«Pero nuestra esperanza es que, en última instancia, los agricultores tengan un catálogo de soluciones que puedan utilizar para aumentar sus rendimientos, reducir su huella medioambiental y ahorrarles tiempo».

Leer más