Autor: rjcastillolopez

Ya es el momento para pensar en ambientar tu campo. Con un drone se puede hacer una altimetría de la forma más rápida y precisa. Hace falta que la cosecha esté levantada para obtener una buena precisión, ya que la vegetación es un obstáculo para calcular bien las alturas del terreno.

¿Cómo se hace?
El drone vuela una grilla y cada punto en el terreno se ve desde hasta 20 fotos diferentes. Por estereoscopía, se arma una nube de puntos en tres dimensiones. A partir de ésta información se calcula un modelo digital de elevación, donde cada pixel expresa el valor de altura sobre el nivel del mar. Ésto incluye edificios y vegetación, con lo cual es fundamental volar sobre suelo desnudo, o eliminar los objetos que no forman parte del terreno.

¿Cuál es la precisión?
La precisión es 2-3 veces el tamaño del pixel del modelo digital de la superficie. En general está entre 10 y 15 centímetros, dependiendo del desnivel del terreno. Esta precisión es relativa, con lo cual se puede medir con esta precisión dentro del mismo modelo. Para obtener una precisión absoluta, falta la colocación de puntos de control en el terreno, que deben de ser medidos con una estación total o con un GPS de precisión. De esta forma el resultado es compatible con otras fuentes de datos.

¿Y las curvas de nivel?
Las curvas de nivel son una generalización del modelo digital del terreno, donde ya queda eliminado el ruido causado por piedras o vegetación. Dependiendo del desnivel en el terreno, se puede hacer una cota cada 25cm para campos relativamente llanos, hasta 1 metro para canteras y minería a cielo abierto. Por su formato vectorial, se superpone a la ortofoto, facilitando así la interpretación.

¿Qué equipo necesito?
Un Phantom 4 Pro es ideal para cubrir hasta 200ha por día de trabajo. Para campos grandes ya hace falta un Asesor/5 y se puede cubrir hasta máximo 2000ha por día de trabajo. Para obtener precisión, falta un GNSS RTK o estación total en combinación con lonas, ya que a veces es difícil encontrar puntos de referencia en el campo.

Leer más

Tradicionalmente el control de las plantaciones agrícolas se lleva a cabo a pie de campo por agrónomos y personal cualificado que verifica el correcto desarrollo de las plantas, identifica anomalías en el cultivo y detecta la aparición de plagas. El tamaño de las fincas y este control tradicional de las plantaciones lleva en ocasiones a detectar anomalías en el cultivo o la aparición de plagas cuando estas ya se han extendido más de lo deseado y, por tanto, el problema ha alcanzado unas dimensiones de difícil solución. Esto ocasiona pérdidas muy importantes, y obliga a realizar tratamientos fitosanitarios en zonas más amplias de lo que sería necesario si fuéramos capaces de detectar estos problemas en una etapa más incipiente.

Otro aspecto relevante es que en la finca pueden aparecer deficiencias en el sistema de riego que pueden provocar una aportación inadecuada, por exceso o defecto, en determinadas zonas del cultivo. Los problemas son similares al caso anterior, es decir, se pueden generar pérdidas de plantas en una zona determinada más o menos amplia, o simplemente retrasos en la recolección que rompen el calendario de producción de la empresa.

Además, en la actualidad, los encargados de corte en las fincas deben hacer un seguimiento del estado de desarrollo del cultivo, informando diariamente al resto de la empresa acerca de la producción esperada para los próximos días. Esta es una labor tediosa que obliga a recorrer cada una de las fincas para calcular, a partir de una estimación visual, el momento idóneo en el que llevar a cabo el corte y la cantidad de producto que podrá ser recolectado en próximas fechas.

Para obtener las imágenes aéreas, se utiliza un dron de ala fija que puede volarse a 100 metros de altura sobre las fincas

Ante esta situación, Finca La Carretilla (situada en San Javier) se planteó abordar un proyecto para que estos factores pudieran ser minimizados partiendo de la detección temprana de las diferentes problemáticas que habitualmente surgen en la finca de cultivo, además de poder proporcionar información en tiempo real de la evolución del cultivo.

Para ello, confió en el grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia que dirige Félix Jesús García Clemente: «Se nos encargó la búsqueda de una solución que hiciera uso de las últimas tecnologías en el procesamiento de imágenes aéreas capturadas por vehículos aéreos autónomos (drones), y técnicas de visión artificial para el análisis automatizado de estas imágenes».

Los algoritmos desarrollados deben realizarse para cada tipo de cultivo, no pueden extrapolarse de unos a otros

El proyecto contó con financiación del Centro de Desarrollo Tecnológico e Industrial (CDTI) y la Unión Europea a través de cofinanciación de Fondos FEDER y finalizó en marzo de 2019, tras 27 meses de arduo trabajo.

Lechuga y apio
Como explica el profesor de la UMU, «el objetivo general del trabajo era definir y desarrollar un nuevo procedimiento agrícola para el cultivo de la lechuga y el apio para lograr la mejora de la calidad y el rendimiento de la producción. Este cambio metodológico se sustenta en la incorporación de nuevas tecnologías en cada una de las fases del cultivo que permiten una mejora significativa en la forma de cultivar lechuga y apio».

Para ello emplearon tecnologías como el uso de drones y de cámaras multiespectrales y térmicas, junto con nuevas técnicas software asociadas a la Visión Artificial. «Algunos de los cambios más significativos en los procedimientos fueron el control de plagas que podrán ser identificadas con mayor rapidez y permitirán actuar con mayor eficacia, o el control de la producción mediante las diferentes variables (métricas) del cultivo de manera visual y con un sistema de ayuda para la toma de decisiones», dice Félix J. García.

Entre los objetivos técnicos específicos que planteaba el proyecto destacan los siguientes: establecer métodos para la aplicación eficiente del agua y uso óptimo de fertilizantes; monitorización del estado del cultivo, calibres y estimación anticipada de la producción; y detección temprana de plagas, enfermedades o anomalías.

El investigador de la UMU indica que «la nueva metodología se sustenta en el uso de un panel de control accesible desde cualquier dispositivo, que permite al personal técnico de la Finca acceder a la gestión de las fincas, las imágenes capturadas por los drones, las métricas de cultivo, la detección de plagas o anomalías y, en general, a toda la información de la finca sin necesidad de desplazarse. De esta forma, el personal técnico puede tomar las decisiones sobre la producción de manera precisa, rápida y ágil».

Para obtener las imágenes aéreas se utiliza un dron de ala fija que, con los permisos adecuados, puede volarse a 100 metros de altura sobre las fincas.

El trabajo se centró en lechuga y apio porque su producción se realiza al aire libre y permite fácilmente la aplicación del tipo de tecnologías que han empleado: drones y visión artificial. Además, ambos son cultivos que se plantan en grandes extensiones y presentan los problemas sobre los que trabajaban.

En todo caso, «las técnicas aplicadas pueden ser adaptadas y llevadas a la práctica en otro tipo de cultivos similares (melón, coliflor, etc.)», en palabras de Félix Jesús García.

Estrategias de vuelo
Una vez finalizado el proyecto, los resultados más importantes a nivel técnico son destacados. Desde monitorización sistemática del cultivo mediante la definición de estrategias de vuelo sobre parcelas con cultivos de lechuga little-gem, lechuga romana y apio; al desarrollo de un módulo software para el alineamiento de imágenes a los patrones de cultivo. Este software permite la identificación de bancadas e hileras de cultivo y también el geoposicionamiento de las parcelas de cultivo; pasando por un módulo software para el cálculo de diversas métricas de cultivo. Entre las métricas destacan la estimación del calibre individual de cada lechuga, el número de lechugas por hilera y métricas similares para el apio; un módulo software para la detección de anomalías en el cultivo que pueden ser debidas a plagas, enfermedades, defectos en el sistema de riego, errores en el patrón de cultivo, etc.; hasta un panel de control para la planificación y toma de decisiones agrícolas en base a métricas y anomalías detectadas. Este panel integra los módulos software indicados anteriormente.

«El panel de control y los elementos de interfaz con los usuarios han sido desarrollados por la empresa AngelPlus. En nuestro grupo nos centramos en buscar soluciones a las partes que precisan de un know-how y conocimiento científico más avanzado de las tecnologías, en particular, las relativas a procesamiento de imágenes y la visión artificial», según el responsable del grupo de la Universidad de Murcia.

Asegura que «los algoritmos desarrollados deben realizarse específicamente para cada cultivo, es decir, no puede realizarse un sistema que sea solución para todo tipo de cultivos. Esto supone que las técnicas aplicadas deban adaptarse y desarrollarse en base a las características específicas del patrón de cultivo. Por ejemplo, en el proyecto las técnicas utilizadas para lechuga difieren de las de apio; incluso las aplicadas a lechuga little-gem difieren de las aplicadas a lechuga romana».

Competitividad
Ahora, con los resultados obtenidos los investigadores esperan que Finca La Carretilla mejore su rendimiento productivo, además de disminuir sus consumos de agua y fertilizantes. «Por otro lado, con el apoyo de AngelPlus esperamos que esta solución sea implantada en otras empresas agrícolas de la Región de Murcia y así conseguir unas empresas más competitivas y sostenibles en el sector agroalimentario».

Además de Finca La Carretilla, participa la empresa tecnológica AngelPlus y la empresa de servicios técnicos agronómicos Neurona Ingenieros.

Expertos en visión artificial
El grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia cuenta con una amplia experiencia en materia de visión artificial aplicada. De hecho, tiene proyectos donde aplica la visión artificial para el seguimiento de personas y activos móviles, control de producción en líneas manufactureras y seguimiento de cultivos en invernaderos.

Se trata de un grupo multidisciplinar formado por todos los profesores responsables de impartir docencia en visión artificial y procesamiento de imágenes en la Facultad de Informática de la Universidad de Murcia, pero también con profesores con experiencia en proyectos aplicados de inteligencia artificial, automatización industrial, localización en interiores y ciberseguridad.

Asimismo están comprometidos con la transferencia de nuestros conocimientos a la sociedad y, en particular, a las empresas de la Región de Murcia. Así lo demuestra el hecho de que hayan participado en siete proyectos financiados por el CDTI en los últimos años y la creación de una Empresa de Base Tecnológica (EBT) denominada Bleecker Technologies (bleecker.tech) a finales del año 2019.

En este momento se encuentra en proceso de creación de la Cátedra Universitaria en Industria Inteligente para impulsar la transferencia y los proyectos colaborativos Universidad-Empresa.

Leer más

Cuando se trata del manejo de plagas, el costo de oportunidad de renunciar a la agricultura de precisión es simplemente demasiado alto. A escala mundial, los patógenos y las plagas están reduciendo los rendimientos de los cinco cultivos alimentarios principales entre un 10% y un 40%. Además de las vastas consecuencias económicas, los daños causados ​​por las plagas también suelen tener un efecto dominó negativo en el medio ambiente, incluida la posible pérdida de hábitats de vida silvestre y la obstrucción de arroyos y vías fluviales. La gestión eficaz de plagas se basa en el uso de herramientas y estrategias que son posibles gracias al acceso a Big Data. La agricultura digital permite la toma de decisiones basada en datos que ayuda a integrar el manejo de plagas en el manejo diario de las granjas.

El manejo de plagas es cuando el manejo de la granja utiliza estrategias de prevención, evitación, monitoreo y supresión ambientalmente sensibles para manejar malezas, insectos, enfermedades, animales y otros organismos que directa o indirectamente causan daño o molestia. Hay una gran cantidad de factores y los agricultores emplean una variedad de estrategias de manejo de plagas que incluyen labrar el suelo, rotar cultivos, explorar campos, considerar cuidadosamente factores como la densidad de plantas y las fechas de siembra y, a menudo, aplicar pesticidas orgánicos o sintéticos.

Los sistemas agrícolas digitales de SaraniaSat ™ utilizan soluciones combinadas de hardware y software de detección remota para recopilar datos con mayor frecuencia y precisión. Cuando las mediciones de imágenes de detección remota de infrarrojos de onda larga (LWIR) se procesan con los algoritmos de detección de señales débiles no lineales de SaraniaSat ™, los datos resultantes demuestran ser un predictor eficaz del estrés de los cultivos y el rendimiento final de la cosecha. Además de LWIR, las imágenes de infrarrojos de onda media (MWIR) también contienen información procesable sobre el estrés de los cultivos que está ausente en el índice de vegetación de diferencia normalizada convencional (NDVI) que actualmente se utiliza ampliamente para la agricultura de precisión.

Los rangos espectrales difieren entre LWIR (banda de longitud de onda de 8-10 micrones) y MWIR (banda de longitud de onda de 3-5 micrones), y también lo hacen algunos otros factores. Por ejemplo, el componente de emisión terrestre en la banda MWIR es significativamente más bajo que en la banda LWIR, y se mezcla con la reflectancia solar, lo que dificulta la determinación precisa de las temperaturas del dosel y del suelo. Tanto las imágenes procesadas MWIR como LWIR son superiores a los mapas NDVI en su capacidad para detectar variaciones de humedad del suelo en suelos desnudos antes de la siembra. Además, las imágenes LWIR procesadas son más sensibles al mostrar variaciones más finas en un rango dinámico más amplio de estrés del cultivo.

Los datos que procesa SaraniaSat ™ a menudo se combinan con fuentes externas, como información meteorológica, y están sujetos a análisis e interpretación por parte de agrónomos expertos. La información de gestión agrícola procesable resultante permite a los agricultores tomar decisiones más informadas y apropiadas, de forma rápida y precisa, ahorrando tiempo y recursos valiosos como mano de obra, fertilizantes, riego y costos de protección de cultivos. Desde una perspectiva de gestión agrícola, la «alerta temprana» o el conocimiento de la salud de los cultivos antes de la manifestación visible de los efectos del estrés de los cultivos, es de gran valor.

Las plagas, enfermedades y malezas pueden resultar en daños costosos e irreparables para el ganado y los cultivos. El manejo integrado de plagas tiene como objetivo resolver los problemas de plagas y, al mismo tiempo, minimizar los riesgos para las personas y el medio ambiente. Es una estrategia basada en el ecosistema que se enfoca en la detección temprana y mitigación de la infestación de plagas y su daño a través de una combinación de técnicas que incluyen el control biológico, la manipulación del hábitat, la modificación de las prácticas agrícolas y el uso de variedades resistentes. La idea es utilizar la información procesable proporcionada por SaraniaSat ™ para maximizar los beneficios de las prácticas agrícolas que promueven la salud de las plantas y permiten que los cultivos escapen o toleren el daño de las plagas, y para mejorar el impacto de cualquier control natural beneficioso ya presente.

Si no se controlan, las plagas, las especies invasoras y las enfermedades de las plantas tienen el potencial de devastar industrias agrícolas enteras, eliminar empleos, amenazar nuestros suministros de alimentos y costar miles de millones. Afortunadamente, las soluciones de análisis y adquisición de datos de teledetección de SaraniaSat ™ proporcionan una manera eficiente y rentable de recopilar datos no solo a escala de campo o granja individual, sino que también permiten la agregación precisa de datos a escalas regionales y nacionales. Los algoritmos de fusión de sensores y detección de señales débiles no lineales de SaraniaSat ™ funcionan de manera eficiente en el «borde», en otras palabras, en el punto en el que se adquieren los datos digitales y, por lo tanto, reducen el tiempo de demora o latencia para proporcionar a nuestros clientes información procesable. información a pocas horas de la adquisición de datos brutos. Esto permite que los datos precisos lleguen a los agricultores más rápido que nunca.
La agricultura digital está preparada para provocar una revolución sin precedentes en la agricultura al iluminar, predecir e influir significativamente en la continuidad de los problemas de cultivo en la granja moderna. Con la progresión de los algoritmos predictivos, el análisis y las tecnologías de vanguardia, la agricultura moderna está buscando formas de tratar de manera precisa y científica las plagas y enfermedades de las plantas dañinas.

Leer más

ANUNCIO
La era de la agricultura digital está llegando a un momento ya cambiante en el estado de la agricultura, incluida la edad promedio de los operadores agrícolas, la cantidad de tecnología conectada en la granja, la fijación de precios en un mercado global de insumos y productos básicos, la consolidación en los negocios agrícolas y las granjas, y por supuesto, más opciones que nunca para conectar herramientas digitales en la granja. Los usuarios deben poder encontrar valor, romper las barreras del cambio y poder permitirse y beneficiarse de una nueva tecnología antes de que se adopte de forma significativa en la industria.

A medida que continuamos avanzando hacia esta era digital, todos hemos visto la curva de adopción de cualquier tecnología, pero ¿cómo seguimos acelerando eso para la tecnología agrícola? Consistentemente, hay tres pasos para romper la lenta adopción de nuevas tecnologías en todas las industrias. A continuación examinamos cómo aplicar estos pasos en el nuestro.

1) Encuentra las barreras
Uno de los mayores desafíos en la adopción de tecnología agrícola hoy en día es que puede haber muchas barreras para los cambios de paradigma y el cambio. Las barreras pueden ser funcionalidad, costo, beneficio real, tiempo para implementar un cambio, complejidad, y la lista continúa. Encontrar las barreras para una nueva tecnología es fundamental para hacer crecer el producto y escalar la herramienta digital a una gran base de usuarios. Si tiene la mejor herramienta tecnológica en agricultura, pero su mantenimiento, actualización y uso lleva 25 horas a la semana, la adopción será lenta.

Lo mismo ocurre con los precios. Ahora estamos viendo puntos de precios de entrada más bajos, lo que ayuda a ir más allá de los innovadores originales y los primeros usuarios que se aferraron primero a los productos. Estas herramientas ahora están comenzando a llegar a una base de usuarios más grande (consulte la Figura 1 a continuación). Ejemplos de esto son nuestros nuevos programas y precios para Climate FieldView. Encontrar las barreras y tomar medidas para eliminarlas es fundamental para acelerar la adopción de la tecnología agrícola a gran escala.

Tecnología-Adopción-Ciclo-de-vida-Cruzando-el-abismo
Figura 1: Ciclo de vida de la adopción de tecnología. Fuente: Business-to-You.com .

2) Identifique la verdadera oportunidad
¿Es el nuevo producto digital simplemente «genial» o hay una clara necesidad? Las luces del portavasos en mi camioneta son “geniales”, pero no las necesito y no justifican una compra. Cuando se desarrolla una nueva herramienta de tecnología agrícola o se ofrece una a los clientes, especialmente en la agricultura, es fundamental saber para quién es el producto y el problema que resuelve.

No todos los productos deben ser disruptivos, y los procesos no necesariamente deben interrumpirse solo porque pueden serlo. ¿De verdad resolvemos un problema que tiene una granja o estamos creando algo en busca de un problema? Tener mejores formas de hacer los procesos antiguos de forma digital puede cambiar las reglas del juego si ayuda a resolver un problema (productividad, ahorro de costos, mejora de las ganancias, ahorro de tiempo, etc.), y este tipo de mejoras no necesitan mejorar la industria completa. La ejecución y el tiempo adecuados también son cruciales. El iPod no fue el primer dispositivo de este tipo en el mercado, pero podría decirse que es el que la mayoría de nosotros pensamos cuando sacamos la música de los CD y la introdujimos en un mundo digital. Ser el primero no siempre es lo mejor, pero ser el mejor en conectarse con las bases de clientes es fundamental.

3) Apoya el cambio
Esto figura como el número 3, pero podría decirse que podría figurar como la razón número uno por la que la adopción de tecnología puede ser lenta. El cambio no siempre es fácil, especialmente cuando se trata de nuevas tecnologías. Cuando decido dar ese acto de fe, quiero tener acceso a un buen soporte técnico. Especialmente en la tecnología agrícola, la fórmula secreta para escalar y proporcionar una solución verdaderamente valiosa es emparejar la tecnología con personas que pueden ayudar a recorrer las formas de usar y crear valor a nivel de cliente individual.

Si bien el proceso de digitalización en la agricultura nunca será perfecto, estar preparado puede brindar inmensas oportunidades para crecer y brindar a los clientes una forma más fácil de hacer las cosas. Romper las barreras mientras encuentra oportunidades y apoya el cambio en cada paso del camino ayudará a garantizar el crecimiento y el valor para la base de usuarios.

Leer más

Las aplicaciones de imágenes de fotogrametría y lidares de UAV están aumentando rápidamente. Esto no es sorprendente, ya que el uso de vehículos aéreos no tripulados que incorporan GPS para la vigilancia aérea es muy rentable en comparación con el alquiler de una aeronave con equipo de fotogrametría.

Como los UAV son relativamente baratos, las organizaciones tendrán su propia flota de UAV, lo que permitirá realizar estudios rápidos en grandes zonas terrestres y proyectos de infraestructura cuando sea necesario.

Con aviones teledirigidos equipados con GPS, cámaras digitales y potentes ordenadores, los estudios tienen una precisión de hasta 1 centímetro.

Este post da una mirada general a esta tecnología de mapeo de drones. También echamos un vistazo rápido a los sectores que se benefician del uso de los UAVs para fotogrametría y cartografía lidar. También miramos algunos de los mejores drones cartográficos del mercado junto con el software compatible.

Otro sector estrechamente relacionado es el uso de sensores LiDAR montados en los drones. Es otro sector en crecimiento y puedes leer más sobre el uso de los drones LiDAR aquí.

El uso de quadcopters y multirotores en fotogrametría y mapeo con lidar está todavía en sus primeras etapas pero está creciendo muy rápidamente. Hay grandes oportunidades en varios sectores. Ahora es el mejor momento para aprender sobre los UAVs, fotogrametría, 3D y cartografía lidar.

Si estás interesado en seguir un negocio de fotogrametría de UAVs o similar, compra el mejor quadcopter y sensores que puedas. Hay tremendas oportunidades para los propietarios con equipos de calidad de fotogrametría y lidares de UAV.

¿Qué es exactamente la fotogrametría de los UAV?
La fotogrametría es la ciencia de hacer mediciones a partir de fotografías. La salida de la fotogrametría es típicamente un mapa, un dibujo o un modelo 3D de algún objeto del mundo real o de la masa terrestre.

Mapas y modelos 3D
Para crear mapas 3D a partir de la fotogrametría aérea, la cámara está montada en el dron y suele apuntar verticalmente hacia el suelo.

Usando la fotogrametría para crear modelos 3D de monumentos o estatuas, la cámara se monta horizontalmente en el UAV.

Se toman múltiples fotos superpuestas (80 a 90% de superposición) del suelo o del modelo a medida que el UAV vuela a lo largo de una trayectoria de vuelo programada autónoma llamada waypoint.

Superponer fotos de un objeto o del suelo en un 80 a 90% sería imposible de completar con precisión por la navegación del piloto. Es esencial tener un UAV que tenga tecnología de navegación por puntos de ruta.

La cartografía de los drones y el Lidar explicados
El lidar de los UAV consiste en montar un escáner láser en un UAV para medir la altura de los puntos del paisaje debajo del UAV. Lidar significa en realidad (Detección de Luz y Alcance).3DR X8-M UAV para fotogrametría y mapeo con lidar.

Los escáneres Lidar pueden capturar cientos de kilómetros cuadrados en un solo día.

Midiendo de 10 a 80 puntos por metro cuadrado, se puede crear un modelo digital muy detallado de un paisaje.

La precisión de las mediciones, permite que los modelos 3D creados con el dron lidar se utilicen en procesos de planificación, diseño y toma de decisiones en varios sectores.

Los sensores del LIDAR también pueden perforar el denso dosel y la vegetación, lo que permite capturar la estructura de la tierra desnuda que los satélites no pueden ver, así como la cubierta terrestre con suficiente detalle para permitir la categorización de la vegetación y la vigilancia de los cambios.

La fotogrametría y los usos del Lidar
Mediante el uso de la fotogrametría de los vehículos aéreos no tripulados y la cartografía con lidar, existe una amplia gama de productos que pueden extraerse de las imágenes aéreas. Estos productos incluyen;

DEM / DTM / DSM (modelos de superficie).
Ortofotos (imágenes aéreas corregidas geoespacialmente).
Modelos de construcción en 3D.
Mapas de contorno.
Características planimétricas (bordes de carreteras, alturas, señales, huellas de edificios, etc.).
Levantamientos volumétricos.
Estos son algunos de los mejores usos del LIDAR y la fotogrametría. Todos estos sectores se benefician por tener imágenes 3D de precisión de sus proyectos. También se benefician con el aumento de la eficiencia y la reducción de los costos en comparación con el uso de aeronaves tradicionales.

Gestión y planificación forestal.
Modelación de inundaciones.
Modelación de la contaminación.
Mapeo y cartografía.
Planificación urbana.
Ordenación del litoral.
Planificación del transporte.
Exploración de petróleo y gas.
Canteras y minerales (volumetría y exploración).
Arqueología.
Planificación de redes celulares.
Modelación de la vegetación en 3D
NOTA: La modelación de la vegetación utiliza sensores multiespectrales y sensores lidar en lugar de sensores de fotogrametría.

Cámaras de fotogrametría y cartografía 3D de los drones
Hay varios aviones teledirigidos con cámaras, que están listos para el mapeo en 3D. En realidad, cualquier dron equipado con un intervalómetro en la cámara sería adecuado. Un intervalómetro dispara el obturador de la cámara. Una captura fotográfica mínima sería una foto cada 2 segundos. Las siguientes cámaras funcionan bien para la fotogrametría y la cartografía.

Cámaras Canon – S110, SX260.
Cámaras Sony – QX1,DSC-RX100 A7R, A7, A7S, NEX-6, NEX-5R, NEX-5T, A5100.
Cámaras Panasonic – GH3.
Las lentes de las cámaras GoPro no son buenas para crear mapas aéreos. Para obtener algún tipo de resultados decentes, tendrías que estar volando a más de 400 pies (aprox. 120 metros).

Además, las cámaras integradas en los aviones teledirigidos DJI como la Phantom 3, Phantom 4 e Inspire 1 te permitirán capturar imágenes de fotogrametría.

La mejor práctica de fotogrametría
Si las fotos no son buenas, entonces será difícil conseguir una calidad real en tus modelos 3D, no importa lo bueno que sea el software. Las fotos deben ser tan claras como sea posible. Si tienes un dron con una cámara de zoom y haces zoom en tus fotos aéreas, las pequeñas características son borrosas. Si es así, trata de averiguar la razón de la borrosidad y tus imágenes 3D mejorarán enormemente.

Elimina todo lo que se interponga en el camino de la máxima nitidez. Aquí es donde más megapíxeles realmente importa. Disparar en RAW definitivamente ayuda.

La iluminación siempre es importante en la fotografía. Una iluminación brillante y uniforme te permitirá tener una pequeña abertura para reducir la profundidad de campo de la imagen. La poca profundidad de campo es en realidad algo malo para la fotogrametría, porque los detalles borrosos confunden al software.

El objetivo es tener imágenes de alto detalle, nítidas y planas, lo que requiere cerrar la apertura, dando más luz. Una buena iluminación también le permitirá bajar el ISO, lo que reducirá el grano, y le permitirá tener una alta velocidad de obturación que también reduce el desenfoque por movimiento.

Dale al software de fotogrametría 3D sólo información de alta resolución. Si estás trazando un mapa de una escultura o edificio y no necesitas el fondo, entonces enmascáralo.

Si una imagen está apagada o no está alineada correctamente con las imágenes antes y después de ella, entonces borra esta imagen. Los humanos siguen siendo más inteligentes que el software, que se encargará de unir las imágenes. Filtrar las fotos malas o fuera de línea antes de que el software se ponga a trabajar, hará el trabajo del software de fotogrametría 3D más fácil dando una mayor precisión de la imagen.

Si no está en la imagen, entonces no está en su malla e imagen 3D. Asegúrate de que tienes la cobertura que necesitas para obtener todos los detalles que deseas, porque es difícil volver atrás y volver a fotografiar en las mismas condiciones exactas.

Si eres nuevo en el mundo de la fotografía, aquí tienes un artículo estupendo con consejos sobre fotografía aérea.

UAVs para fotogrametría y cartografía en 3D
Los drones de fotogrametría de DJI
DroneDeploy es una de las principales compañías que producen software de fotogrametría. Sus soluciones son compatibles con todos los DJI Drones, incluyendo el último Mavic 2 fold up drone.

DroneDeploy tiene una aplicación móvil para programar el vuelo autónomo y capturar fotos, que luego se pueden subir a la plataforma DroneDeploy en la nube. Esta plataforma DroneDeploy creará entonces los mapas y modelos 3D.

La última solución 3D de DroneDeploy se llama Live Map que crea el mapa 3D en tiempo real mientras vuelas. Puedes verlo durante el vuelo automatizado.

DJI Mavic 2 y Mavic Pro
El Mavic 2 y los anteriores Mavic Pro son perfectos para aplicaciones de fotogrametría y cartografía lidar. Todos estos quadcopters utilizan la última tecnología de IMU y de estabilización de control de vuelo para volar de forma súper suave. También tienen un cardán y una cámara integrados y estabilizados de 4k.

El DJI Mavic creará nubes de puntos muy precisas y mapas 3D perfectos unidos entre sí. Los Mavic son todos drones compatibles con los mejores programas de mapas 3D de compañías como DroneDeploy o Pix4D.

La navegación por puntos es muy importante para crear imágenes de fotogrametría 3D precisas. Los drones Mavic utilizan las balizas para su vuelo programado autónomo.

Sin embargo, todos los mejores programas de fotogrametría incluyen la navegación por balizas.

Con un alcance de transmisión de 7 km y un tiempo de vuelo de hasta 27 minutos, puede cubrir mucho terreno.

Mapeo de drones con DJI Matrice 600
La Matrice 600 (M600) es la nueva plataforma multirotor voladora de DJI diseñada para la fotografía aérea profesional y las aplicaciones industriales. Está construida para integrarse estrechamente con una serie de potentes tecnologías de DJI, incluyendo el controlador de vuelo A3, el sistema de transmisión Lightbridge 2, las baterías inteligentes y el sistema de gestión de baterías, para un máximo rendimiento y una rápida configuración.

El diseño modular del M600 hace que sea rápido y fácil de configurar. Todas las cámaras y cardanes Zenmuse son compatibles con la Matrice 600, con una carga útil máxima de 6 kg le permite volar el cardán Ronin-MX y una gama de cámaras desde los sistemas Micro Cuatro Tercios hasta el RED Epic. Cámaras de alta calidad junto con un multirotor súper estable le darán siempre mapas 3D perfectos.

El M600 cuenta con un tiempo de vuelo prolongado y una transmisión de imágenes HD de largo alcance y latencia ultra baja de 5 km para una composición y captura de imágenes precisas.

Este multirotor utiliza 6 pequeñas baterías inteligentes DJI con un sistema de gestión de baterías personalizado y un tablero de distribución de energía que permite que las seis baterías se enciendan con sólo pulsar un botón, y mantiene el sistema en vuelo en caso de que falle una sola batería, y permite a los usuarios comprobar el estado de la batería en tiempo real durante el vuelo.

La Matrice 600 tiene un GPS mejorado que permite una fotogrametría de alta precisión. El GPS mejorado también permite rastrear la posición de la Matrice 100 en tiempo real, a la vez que permite una adquisición más rápida de los satélites, una conservación más precisa de la posición y la planificación del vuelo.

DJI Phantom 4 Pro para fotogrametría
El DJI Phantom 4 Pro lanzado puede usar la edición DJI de malla Pix4Dmapper. La Phantom 4 también funciona con el software de Despliegue de Drones y Escaneo de Sitio mencionado más adelante en este post. El Phantom 4 vuela perfectamente suave, utiliza sistemas de navegación dual, utiliza la detección de obstáculos y sensores de evasión de colisiones. Tiene una cámara 4k. Y lo que es muy importante, también utiliza la navegación por puntos de ruta.

Es uno de los cuadricópteros más populares para ser usado en imágenes 3D.

DJI Phantom 3 e Inspire 1 Photogrammetry

En septiembre de 2015, una actualización de firmware y software dio a los modelos DJI Inspire 1 y Phantom 3 una navegación por puntos de ruta y ahora pueden ser utilizados para la fotogrametría.

El mejor software para usar con los drones DJI es quizás el DroneDeploy y las soluciones Pix4DModel y Pix4DMapper. También la aplicación Altizure es bastante buena para la fotogrametría.

Estación terrestre DJI con fotogrametría
En diciembre de 2015, Google dejó de apoyar a Google Earth y al software de la Estación Terrestre de DJI que se basaba en la API de Google Earth. Esto significa que DJI ha dejado de dar soporte a su propia PC Ground Station. Sin embargo, hay una gama de soluciones de estaciones terrestres de software de terceros, incluyendo algunas que están incorporadas en el software de cartografía 3D real.

Otros UAVS para fotogrametría
SenseFly eBee X Mapping UAV
El eBee X de Sensefly es el dron de ala fija diseñado específicamente para todas sus necesidades de mapeo. Fue diseñado para aumentar la calidad, eficiencia y seguridad de su recolección de datos.

Tiene una cámara que se adapta a cada trabajo con una precisión y cobertura excepcionales para satisfacer los requisitos de cada proyecto, y puede trabajar con prácticamente cualquier tipo de sitio.

El eBee X tiene un tiempo de vuelo máximo de 90 minutos y tiene una amplia cobertura de hasta 500 hectáreas (1.235 acres) a 400 pies, mientras que su alta precisión le ayuda a lograr una precisión absoluta de hasta 3 cm (1,2 pulgadas), sin GCP (puntos de control en tierra).

El eBee X se adapta a cualquier trabajo gracias a su gama de cámaras innovadoras. Entre ellas se encuentran las siguientes;

SenseFly S.O.D.A. 3D, para impresionantes reconstrucciones en 3D de entornos verticales.
Cámara de fotogrametría aérea SenseFly X RGB.
Dúo T de SenseFly para crear mapas térmicos geo-preciso.
Parrot Sequoia+ para capturar imágenes a través de 4 bandas espectrales definidas, visibles y no visibles, además de imágenes RGB.
SenseFly Corridor simplifica el mapeo de los drones de la infraestructura lineal y los sitios.

Software de la Estación Terrestre SenseFly eMotion
El software de gestión de vuelo de un dron (o estación de tierra) es avanzado, escalable y muy fácil de usar para cualquiera.

eMotion le ayuda a poner su dron en el aire rápidamente, mientras que incluye toda la funcionalidad que necesita para recoger y gestionar exactamente los datos geoespaciales que requiere. Soporta tanto aviones teledirigidos de ala fija como multirotor.

La compatibilidad de la salida incluye;

Raster ortomosaico.
Mapa de índice.
Nube de puntos 3D.
Modelos digitales de superficie (DSM).
Malla 3D con textura.
Líneas de contorno.
Baldosas de Google Maps / Mapbox.
Imágenes no distorsionadas.
La salida compatible puede ser llevada a los mejores productos de software como ESRI ArcGIS, GlobalMapper, Autodesk, Google Earth, DraftSight, QGIS, GeoMedia, AgPixel, SMS Ag, Trimble RealWorks, Bentley MicroStation, 3DReshaper y muchos más.

WingtraOne 3D Mapping Drone
El WingtraOne es un VTOL (avión teledirigido de despegue y aterrizaje vertical) diseñado específicamente para la construcción de mapas en 3D.

La capacidad de despegue y aterrizaje vertical permite al WingtraOne ascender y moverse como un helicóptero. Para una misión cartográfica, despega directamente en el aire y luego pasa a un vuelo de crucero hacia adelante y se ajusta a la resistencia y la velocidad de los aviones de ala fija. Para aterrizar, el WingtraOne cambia de nuevo al vuelo en el aire y desciende verticalmente.

Cámara Wingtra One para fotogrametría
El WingtraOne aumenta la precisión y el éxito de la misión de reconocimiento al llevar una cámara de 42 megapíxeles de grado fotogramétrico y una lente de distorsión ultra baja.

El WingtraOne cubre 100 hectáreas con una resolución de 0,7 centímetros por píxel en un solo vuelo o 400 hectáreas con una resolución de 3 centímetros por píxel. Esto hace que las misiones del WingtraOne sean excepcionales en comparación con otros aviones teledirigidos de reconocimiento y cartografía. El WingtraOne es;

2 veces más preciso que los vuelos con una cámara de 20 MP.
Cubre 10 veces más área que los multicópteros.
5 veces más rápido que las mediciones terrestres.
Software del Piloto Wingtra
WingtraPilot es la interfaz de usuario intuitiva para gestionar el proceso de adquisición de datos de WingtraOne. Incluye formas de planificar las misiones, supervisar y revisar la misión durante el vuelo e inspeccionar la salida de datos sobre el terreno.

Todas las imágenes aéreas y la información de geo-localización se almacenan en una sola tarjeta SD y pueden ser inspeccionadas sobre el terreno en la tableta WingtraPilot para realizar controles de calidad tempranos. WingtraPilot ofrece la posibilidad de georeferenciar las imágenes de múltiples vuelos al final del día para reducir al mínimo el tiempo de inactividad en el lugar.

Software de fotogrametría compatible con WingtraOne
Los resultados son compatibles con todas las principales herramientas de ajuste y análisis como Pix4D (recomendado), DroneDeploy, PhotoScan y Precision Mapper.

Aeryon Scout Map Edition Quadcopter
El Aeryon sUAS está diseñado para cualquier aplicación que requiera ortomosaicos de precisión de grado topográfico, DSMs y nubes de puntos de imágenes aéreas u oblicuas – y una integración perfecta con GIS, CAD, y software de fotogrametría tradicional.

La Aeryon Map Edition incluye el Aeryon SkyRanger sUAS, la carga útil de imágenes integrada para la captura de imágenes y el software Pix4Dmapper para permitir el procesamiento de imágenes de campo y de oficina, incluyendo herramientas integradas para la visualización y edición de salidas en 3D.

Software de fotogrametría de mapeo y modelado de aviones teledirigidos
A continuación, hemos destacado algunos de los paquetes de software de fotogrametría en el mercado. Hemos publicado otro artículo, que cubre el mejor software de fotogrametría para la creación de mapas 3D en el mercado.

Software Pix4Dmodel
El software de malla Pix4Dmodel hace que la creación de modelos 3D a partir de imágenes sea automática y muy fácil. Todo lo que necesitas es una cámara y el software Pix4Dmodel. Esta Pix4Dmodel Mesh funciona con cualquier avión teledirigido. Abajo están algunos de los drones más populares en el mercado con los que podrías usar el software Pix4Dmodel.

DJI Mavic 2 (los últimos drones de DJI).
DJI Phantom 4 (todos los modelos).
DJI Mavic Air.
DJI Phantom 3 Advanced and Professional.
DJI Mavic Pro.
DJI Inspire 1 (Cámaras X3, X5).
DJI Inspire 2.
3DR SOLO.
Parrot Bebop 2.
Software de fotogrametría Pix4DMapper
El software de fotogrametría Pix4Dmapper permite generar modelos y mapas 3D profesionales a partir de imágenes. Este software Pix4Dmapper convierte sus imágenes en mapas 2D y modelos 3D altamente precisos y georeferenciados. Los mapas en 3D son personalizables y complementan una amplia gama de aplicaciones y software.

Salidas y características principales del Pix4DMapper
Aquí hay algunas características del software de fotogrametría de Pix4D;

Nube de puntos 3D densificada – Es un conjunto de puntos 3D que reconstruyen el modelo. La posición X, Y, Z y la información de color se almacena para cada punto de la Nube de Puntos Densificada.
Modelo Digital de Superficie y Terreno – Obtenga el valor de elevación de cada píxel, con o sin objetos sobre el terreno, listo para su flujo de trabajo SIG preferido.
Ortomosaico – Un mapa geolocalizado de alta resolución con cada píxel de las imágenes originales proyectadas en el modo de superficie digital.
Cálculo de volumen – Cálculos exactos de volumen en una representación perfecta de sus reservas, con una altura de base totalmente ajustable.
Líneas de contorno – Una representación simplificada de la topografía con contornos cerrados que muestran la elevación.
Modelo con textura 3D – Malla triangular con textura foto realista.
Mapas de reflectancia – Evaluar la reflectancia en base al valor de los píxeles en imágenes multiespectrales o térmicas.
Mapas de índices (NDVI, NDRE) – Trabaje con índices conocidos como NDVI y NDRE utilizados por los drones agrícolas o cree índices personalizados.
Mapas de aplicación – Agregue y visualice los valores derivados de sus mapas de índice.
Termografía – Un mapa de precisión radiométrica con un valor de temperatura de cada píxel.
Trimble Inpho UASMaster
El Trimble Inpho UASMaster es una completa estación de trabajo fotogramétrica para el UAS y las imágenes terrestres de corto alcance. Trimble tiene más de 30 años de experiencia en la fotogrametría aérea digital.

Su nuevo UASMaster combina los modernos algoritmos de visión por ordenador, con técnicas fotogramétricas de última generación comprobadas, para producir resultados precisos de forma automática, con una interacción manual mínima.

Algunos de los aspectos más destacados del UASMaster de Trimble Inpho son los siguientes;

Abierto para cualquier cámara de ala fija, multirotor o de marco manual.
Soporte especial para datos GNSS / IMU de alta calidad para un procesamiento estable en condiciones difíciles o para eliminar la necesidad de control en tierra.
Flujo de trabajo racionalizado para la extracción automática de características con eCognition y una integración perfecta en Trimble Business Center para la aplicación topográfica clásica.
Concepto de flujo de trabajo guiado intuitivo para el principiante en fotogrametría.
Totalmente compatible con los módulos de fotogrametría Inpho de Trimble.
Software gratuito de fotogrametría Altizure
La aplicación Altizure permite el mapeo tridimensional totalmente automatizado de un área. Usted esboza un área en el mapa y la aplicación calculará la mejor ruta para tomar imágenes del área.

Estas imágenes pueden ser subidas a la página web de Altizure, donde son analizadas por su software para crear un renderizado 3D de su ubicación (también puede animar su creación).

Los drones compatibles son el DJI Mavic, Phantom 3, 4, Inspire 1 e Inspire 2. Altizure tiene una versión gratuita y también un servicio de pago.

Aquí hay una muestra de la calidad de salida usando un dron y la aplicación Altizure.

Altizure Software For 3D Models And Maps
Aplicación de despliegue de drones
La aplicación de software DroneDeploy automatiza el vuelo de los drones y hace que sea muy fácil capturar imágenes aéreas. La plataforma DroneDeploy procesa las imágenes de los UAV usando visión por computador convirtiéndolas en mapas y modelos en 2D y 3D.

Todo lo que necesita es un avión teledirigido y un dispositivo móvil con la aplicación móvil DroneDeploy instalada.

Las imágenes capturadas por el dron están geo-etiquetadas, lo que ayuda a crear los mapas. Mientras el avión no tripulado vuela, un mapa en 2D aparecerá en su aplicación DroneDeploy. Cuando termine, suba las fotos a la página web de DroneDeploy. Después de unas pocas horas las fotos se mezclan en un mapa o modelo 3D.

Características de la aplicación móvil Drone Deploy;

Hacer fácilmente planes de vuelo en cualquier dispositivo.
Automatiza el despegue, el vuelo, la captura de imágenes y el aterrizaje.
Transmisión en vivo de la vista en primera persona (FPV).
Deshabilitar el vuelo automático y reanudar el control con un solo toque.
Continuar fácilmente los vuelos ininterrumpidos para trazar mapas de grandes áreas.
Explore los mapas interactivos de Ortomosaico, NDVI, Elevación Digital y modelos 3D.
Mida el área y el volumen instantáneamente.
Colabore con un equipo a través de mapas compartidos y comentarios.
Obtenga ayuda cuando la necesite con el soporte de la aplicación.
Software de Fotogrametría Precision Mapper & Viewer
PrecisionMapper trabaja en línea para procesar automáticamente los datos aéreos en productos 2D o 3D. Cuenta con una biblioteca en continua expansión de herramientas de análisis bajo demanda, y hace que compartir o colaborar sea muy fácil.

Así es como funciona este software de fotogrametría PrecisionMapper;

Recoge datos aéreos con el dron.
Cargue los datos a su cuenta y procese los productos 2D o 3D.
Gestione, colabore y comparta datos con cualquiera.
Analice los datos con una biblioteca de herramientas de análisis bajo demanda.
Resultados clave de Precision Mapper
Ortomosaicos.
Modelos 3D.
Herramientas de análisis de la salud de los cultivos.
Medición de volumen.
Visor de precisión
PrecisionViewer es un software de escritorio que permite a los usuarios ver fácilmente la cobertura de la trayectoria de vuelo, añadir puntos de control en tierra y adjuntar registros de vuelo y límites de vuelo a los estudios.

Leer más

La expansión de la digitalización de la agricultura en Brasil es el propósito de InCeres, una empresa con sede en la localidad de Piracicaba (en el estado de São Paulo, Brasil), que utiliza la inteligencia artificial para prever la fertilidad del suelo con base en la entrada y la salida de nutrientes.

Por Suzel Tunes | FAPESP Investigación para la Innovación

“Partiendo de un punto de comienzo –la base de datos con la cual el productor alimenta al software– el algoritmo calcula todo lo que entra y sale como si fuera una cuenta bancaria”, dijo el ingeniero agrónomo Leonardo Afonso Angeli Menegatti, científico responsable de un proyecto de investigación que cuenta con el apoyo de la FAPESP y de la Financiadora de Estudios y Proyectos (Finep) en el marco del Programa PIPE/ PAPPE Subvención.

El suelo requiere de nutrientes para producir: necesita fundamentalmente calcio, magnesio, fósforo y potasio. Y al producir le “exporta” esos nutrientes a la planta. Cultivos distintos absorben diferentes cantidades de nutrientes del suelo. La productividad del suelo también depende de la frecuencia de lluvias, pues el agua de lluvia también se lleva los nutrientes. “Y dependiendo del tipo de suelo, esa pérdida puede ser mayor o menor”, dijo Menegatti.

Y como los nutrientes son retirados del suelo durante la cosecha, o bien se dispersan debido a la acción del agua de las lluvias, es necesario reponerlos mediante el abono. Es incumbencia entonces del ingeniero agrónomo recomendarle al agricultor los insumos y las cantidades necesarias de los mismos para reponer las pérdidas. “El proceso de recomendación es análogo a una consulta médica. Luego del diagnóstico, el agrónomo receta insumos”, dijo.

En el caso de la agricultura tradicional, ese diagnóstico suele efectuarse con base en análisis químicos del suelo. Con todo, una misma propiedad puede ter necesidades distintas según el sitio del cual se trate. Y la realización de análisis químicos encarece la producción: el análisis del suelo, que suele efectuarse cada dos años, cuesta alrededor de 40 reales por hectárea en Brasil.

Inteligencia artificial para controlar la fertilidad del suelo Una aplicación de la empresa InCeres utiliza datos referentes a nutrientes obtenidos en estudios del suelo, de las condiciones climáticas y de tipos de cultivos e imágenes satelitales (foto: InCeres)
El uso de esta aplicación actualmente en desarrollo podrá representar una drástica reducción de costos, de acuerdo con Menegatti. “Los agricultores podrán permanecer hasta 10 años sin efectuar análisis del suelo. Si durante un período de 10 años gastarían 200 reales por hectárea (para la realización de recolecciones por valor de 40 reales cada dos años), con el nuevo sistema podrán gastar sólo 40 reales, lo que representa un ahorro del 80% en la producción durante ese período”, dijo.

La aplicación que se encuentra en desarrollo InCeres analizará la fertilidad del suelo con base en datos de entradas y salidas de nutrientes recabados en estudios del suelo, en las condiciones climáticas, en el tipo de cultivo y también en imágenes satelitales. “Con las imágenes captadas vía satélite es posible visualizar donde se están desarrollando más o dónde se están desarrollando menos las plantas, pues esto afecta a la extracción de nutrientes”, dijo Menegatti.

Según el investigador, la evaluación de estos datos permitirá utilizar el software para prever a fertilidad en distintas áreas de la propiedad con un alto grado de precisión. “En resultados preliminares obtuvimos un 77% de correlación, pero nuestra meta es llegar al 95%”, dijo.

La revolución digital

La aplicación desarrollada por InCeres constituye un ejemplo de agricultura digital, una evolución de la llamada “agricultura de precisión” que llegó a Brasil a comienzos de la década de 1990. Y Menegatti fue uno de sus precursores en el país.

La agricultura de precisión, basada en la gestión de la información recolectada en el campo, experimentó un gran avance con la introducción de los sistemas de navegación vía satélite y el uso de imágenes georreferenciadas, que hicieron posible la generación de mapas de productividad.

Durante su maestría, realizada entre 2000 y 2002 en la localidad de Piracicaba, en la Escuela Superior de Agricultura Luiz de Queiroz de la Universidad de São Paulo (Esalq-USP/ Brasil), con beca de la FAPESP, el investigador definió protocolos para el análisis y la interpretación de la información contenida en mapas de variabilidad del suelo. Poco después fundó una consultora agronómica llamada Apagri para aplicar en el mercado los conocimientos de la agricultura de precisión, que operaba aún con pocos recursos tecnológicos. “Fue difícil. Soy agrónomo y carecía de información para resolver asuntos técnicos”, dijo.

Menegatti comenta que por entonces enfrentaba diversos problemas, tales como la demora en el procesamiento de los mapas y en la generación de informes, la inseguridad de los bancos de datos y la pérdida de información. “Y aún no existía la computación en la nube. Trabajábamos en programas instalados en las computadoras. En la actualidad se puede trabajar con un simple teléfono inteligente”, dijo.

A partir de 2007 y hasta 2013, y “resolviendo un problema tras otro” con la ayuda de profesionales del área de tecnología, el investigador fue desarrollando nuevas soluciones para el manejo de los cultivos. En ese contexto nació InCeres, en busca de lograr una mayor agilidad y exactitud en el análisis de los datos.

A finales del año 2014, InCeres se había afianzado como una empresa de desarrollo de software para el manejo de la agricultura, con oferta de soluciones tecnológicas para la implementación de la agricultura de precisión. Incubada en la EsalqTec, InCeres forma parte del grupo de empresas de la zona de Vale do Piracicaba conocido como AgTech Valley, un polo brasileño de tecnología orientado a la innovación agrícola.

Sostenida en ese proyecto, la empresa se expande hacia el campo más amplio de la agricultura digital –en el cual se inserta la agricultura de precisión– mediante la aplicación de tecnologías que permiten la creación de simulaciones computacionales con base en el análisis de los datos almacenados en la nube.

Más que gestionar información con base en la cual el ingeniero agrónomo atiende las demandas del trabajo cotidiano, la tecnología actualmente en desarrollo puede prever de qué manera se comportará el suelo en el futuro. A juicio de Menegatti, la misma tiene potencial como para revolucionar la agricultura brasileña.

Según el investigador, la agricultura es actualmente el sector menos digitalizado de la economía: tan sólo el 20% de la agricultura brasileña emplea recursos informáticos. “Pretendo acelerar la curva de implementación de la tecnología mediante la disminución del costo de digitalización de la agricultura”, dijo.

Con la perspectiva reducción de las recolecciones para análisis de suelo y la consiguiente (y significativa) baja de costos, Menegatti estima que es posible vencer eventuales resistencias. “Los agricultores tienden a ser reacios a los cambios: no les gusta afrontar riesgos. Pero el riesgo está relacionado con el costo. Al reducir el costo, disminuyo el riesgo”, dijo.

En poco menos de tres años, InCeres atiende a unas 60 empresas agrícolas y a mil agricultores de todo Brasil. Y se encuentra abocada a la búsqueda de proyección internacional mediante la participación en competencias de startups.

En agosto de 2017 participó en la Agro Innovation Lab, en Alemania, y entre 350 startups de todo el mundo se ubicó entre las 15 mejores empresas del segmento agrícola. Y enseguida después, en septiembre, participó en la etapa regional del Startup World Cup, el “Mundial” de las startups, que tuvo lugar en São Paulo, quedando entre las empresas 11 finalistas.

Leer más

En la última década, la conciencia y el uso del concepto de administración de nutrientes 4R (4RNS) ha aumentado drásticamente entre los profesionales e investigadores centrados en el manejo de nutrientes. El término “4R” se refiere al uso de la fuente correcta, la dosis correcta, el momento correcto y el lugar correcto en el manejo de nutrientes. Estos cuatro factores han sido reconocidos como los pilares principales de las mejores prácticas de manejo de nutrientes durante al menos 30 años. Sin embargo, el marco de las 4RNS (que integra las 4R en un sistema de cultivo y un paisaje que respalda las dimensiones ambiental, económica y social de la sostenibilidad) es un desarrollo reciente. El marco global evolucionó a través de múltiples versiones durante la última década en un esfuerzo de colaboración multisectorial para crear un concepto basado en la ciencia para guiar a todos los involucrados en la práctica, la investigación y la comunicación del manejo de nutrientes. Sin embargo, Las 4RNS basadas en evidencias siguen desarrollándose en gran medida, ya que los conjuntos de datos medidos que respaldan los efectos simultáneos de conjuntos de prácticas sobre los indicadores de desempeño de la sostenibilidad son escasos. Los indicadores incluyen categorías como productividad de las tierras agrícolas, salud del suelo, eficiencia en el uso de nutrientes, calidad del agua, calidad del aire, emisiones de gases de efecto invernadero, seguridad alimentaria y nutricional, biodiversidad y valor económico. Esta investigación colaborativa y multidisciplinaria está en marcha y tiene como objetivo fomentar la evolución continua de nuestra comprensión de lo que es «correcto» para un conjunto específico de condiciones. Se ha avanzado en el reconocimiento de los objetivos compartidos de los sectores público y privado y el valor de la verdadera colaboración en el avance de la administración de nutrientes basada en la ciencia.

Abreviaturas
4RNS
Administración de nutrientes 4R
BMP
mejores prácticas de gestión.
1. INTRODUCCIÓN
La mayordomía es un término antiguo que se define generalmente como “la gestión cuidadosa y responsable de algo que se confía al cuidado de uno” (Merriam ‐ Webster, 2019 ). Para algunos, su origen temprano evoca un concepto anticuado que puede no tener relevancia contemporánea. Sin embargo, en la última década, el término de administración utilizado con respecto al manejo de nutrientes se ha popularizado como un componente de la “administración de nutrientes 4R” (4RNS; Bruulsema et al., 2008 ; Bruulsema, Lemunyon y Herz, 2009 ). Una búsqueda de Google Scholar de la literatura científica muestra un crecimiento exponencial en el uso de “4R Nutrient Stewardship” sin artículos que lo mencionen antes de 2009 a más de 120 artículos por año en 2018 (Figura 1 ).

imagen
FIGURA 1
Abrir en visor de figuras
Menciones anuales de Google Académico por «4R Nutrient Stewardship»
Hoy en día se ha convertido en un componente común en el léxico de la gestión de nutrientes entre los profesionales y sus asesores tanto en el sector público como en el privado a escala mundial. Donde se han llevado a cabo esfuerzos específicos para la adopción, como en los programas de certificación 4R, 4RNS ha tenido un impacto sustancial en el proceso de toma de decisiones de manejo de nutrientes (Vollmer ‐ Sanders, Allman, Busdeker, Beal Moody y Stanley, 2016 ). Este artículo es un relato de la génesis del concepto 4RNS.

2 4RS
La “4R” hace referencia a los cuatro derechos de las prácticas de manejo de nutrientes: fuente correcta, dosis correcta, momento correcto y lugar correcto. Estos cuatro factores han servido durante décadas como la base tradicional de las mejores prácticas de manejo de fertilizantes y han sido abordados por muchos autores. Un ejemplo especialmente relevante es un artículo de Thorup y Stewart ( 1988 ) presentado en el Simposio del 25 Aniversario de la División S-8 de la Soil Science Society of America. Su relevancia se debe en parte a la membresía de la S-8, que en el momento del simposio consistía en una combinación de científicos de manejo de nutrientes del sector público y privado, una audiencia clave para construir lo que se convertiría en el marco de 4RNS. Además, su artículo enfatizó la importancia del sistema en el manejo de nutrientes. Ellos escribieron:
“Todas las prácticas de producción deben manejarse de la mejor manera posible del agricultor. Debe utilizar semillas de alta calidad, controlar malezas, insectos y enfermedades, minimizar las actividades de cultivo, etc. Además de estas prácticas, el agricultor debe optimizar su programa de fertilizantes basándose en objetivos de rendimiento realistas para su finca. Esto significa usar el tipo correcto de fertilizante, en la cantidad correcta, en el lugar correcto, en el momento correcto. Los fertilizantes son fuentes suplementarias de nutrientes. Su uso debe equilibrarse con el conocimiento del ciclo de los nutrientes y la sostenibilidad del suelo para la producción futura ”(Thorup y Stewart, 1988 ).

En este párrafo, los autores enfatizan el aspecto del manejo de nutrientes a nivel de sistema, la necesidad de considerar el ciclo de nutrientes en el sistema y la sustentabilidad del suelo, que hoy llamamos salud del suelo. Estos conceptos son comunes hoy en día, pero fueron de vanguardia en la década de 1980.

Un segundo párrafo fue igualmente crítico en el desarrollo de 4RNS.
“Las prácticas de conservación influyen en el destino de los nutrientes de las plantas en los sistemas de cultivo. El grado de influencia de las prácticas de conservación sobre las cantidades de nutrientes de las plantas removidas en el cultivo cosechado, perdidas al medio ambiente o que permanecen en el suelo para el uso posterior del cultivo debe evaluarse para tipos de suelo y ubicaciones particulares. La clave para gran parte de esta discusión es el conocimiento de cómo el sistema de manejo influye en el ciclo natural de los elementos nutritivos. En particular, la sincronización de los insumos de fertilizantes necesarios y la eficiencia se verán muy afectados por el tipo de enfoque del sistema de conservación y gestión del suelo «. (Thorup y Stewart, 1988 ).

Este párrafo aborda la interacción entre las prácticas de conservación y las prácticas de manejo de nutrientes. Se introduce la necesidad de considerar la pérdida de nutrientes al medio ambiente, así como la naturaleza específica del sitio de lo que constituye las mejores prácticas de manejo para lograr múltiples objetivos a nivel del sistema. Estos dos párrafos sentaron gran parte de los cimientos de lo que se convertiría en 4RNS 20 años después.

Ideas centrales
Las 4R de la gestión de nutrientes se refieren a la fuente correcta, la dosis correcta, el momento correcto y el lugar correcto.
4R Nutrient Stewardship (4RNS) integra las 4R en un sistema de cultivo y paisaje.
El sistema y su entorno conectan las prácticas con el desempeño.
4RNS basado en evidencia está hoy en versión beta, a la espera de conjuntos de datos de rendimiento.
Las 4RNS son el resultado de la colaboración intersectorial y se necesitarán aún más en el futuro.
Es significativo que la autoría fuera una asociación público-privada. JT Thorup era un agrónomo empleado por Chevron Chemical y JWB Stewart estaba en la Universidad de Saskatchewan. Así como una asociación público-privada generó este documento fundamental, la evolución gradual del marco de las 4RNS fue un esfuerzo de colaboración entre múltiples organizaciones y sectores. Entonces, ¿por qué tomó 20 años para que 4RNS se afianzara si gran parte de la fundación existía en 1988? Y, ¿cómo se manifestó finalmente en la agricultura del siglo XXI?

3 TRANSICIÓN A UN PARADIGMA DE MANEJO DE NUTRIENTES MÁS EQUILIBRADO
La demora de 20 años en la aparición de 4RNS estuvo, al menos en parte, incrustada en las prioridades agronómicas del manejo de nutrientes y cultivos comunes en las décadas de 1980 y 1990. El enfoque principal en la primera parte de este período fue el rendimiento y la economía a corto plazo, es decir, alimentar al mundo y aumentar la rentabilidad a nivel de las granjas. Los programas de la industria enfatizaron la investigación de rendimiento máximo (MYR) y el manejo del rendimiento económico máximo (MEY) (Griffith & Dibb, 1985 ). Los investigadores intentaron definir lo que se requiere para producir niveles de rendimiento en el límite de la genética de la época (Flannery, 1986 ; Karlen, Flannery y Sadler, 1988 ; Olsen, 1986). Se reconoció que la eficiencia en el uso de nutrientes y la pérdida de nutrientes al medio ambiente eran cuestiones preocupantes, pero el impacto económico inmediato era a menudo un motivador mayor que el potencial de efectos ambientales negativos.

Sin embargo, aumentaban las presiones para dar mayor prioridad a los impactos ambientales y otros impactos no deseados de la agricultura a medida que la ciencia crecía y mostraba que estaban ocurriendo efectos negativos. Un contribuyente significativo a estas presiones fue un controvertido informe del National Research Council (NRC, 1989 ) que argumentó que las prácticas agrícolas convencionales, incluidas las prácticas de fertilizantes, eran insostenibles y debían ser reemplazadas por alternativas que fueran más benignas para el medio ambiente y produjeran alimentos más seguros. . A solicitud del Congreso de los Estados Unidos, el Consejo de Ciencia y Tecnología Agrícola (CAST) preparó una revisión del informe de la NRC (CAST, 1990). Si bien la revisión de CAST señaló muchas debilidades en los informes de la NRC, todo el proceso demostró a la industria y a la comunidad científica que apoya la agricultura problemas graves, tanto reales como percibidos, con prácticas de manejo comunes. Esto alimentó un consenso creciente para un conjunto más amplio de objetivos de gestión iniciales y para una mejor comunicación con los formuladores de políticas y el público consumidor sobre lo que estaba ocurriendo en las granjas del país.

Uno de los cambios resultantes fue un mayor énfasis en las mejores prácticas de gestión (BMP) por parte de las universidades (Cook, Hunt, Stone y Canterberry, 1996 ; Lamb, Randall, Rehm y Rosen, 2008 ; Logan, 1993 ; Shepard, 2000 ) y la industria. (PPI, 1991). Estas prácticas se presentaron como una solución al menos parcial para continuar avanzando en la producción y la rentabilidad mientras se minimizan los efectos ambientales. Aproximadamente al mismo tiempo, una mayor conciencia de la variabilidad entre campos y áreas dentro de los campos provocó la aparición de una gestión específica del sitio y los principales avances en la aplicación y la tecnología de detección dieron como resultado el advenimiento de la agricultura de precisión. Las BMP específicas del sitio parecían ser una respuesta viable para equilibrar los múltiples objetivos de la producción agrícola sostenible.

Los múltiples objetivos centrados en el campo de la producción de cultivos sostenibles se modificaron una vez más a medida que las preocupaciones se expandieron de la escala principalmente local de BMP para incluir los efectos globales del uso de nitrógeno (N) en la agricultura. El énfasis aquí estaba en la creciente cantidad de N reactivo en el planeta y la tendencia de un solo átomo de N a caer en cascada a través de múltiples ecosistemas resultando en múltiples efectos ambientales negativos (Galloway & Cowling, 2002 ). Incluidos en la cascada de múltiples formas de N que tienen consecuencias ambientales estaban los gases de efecto invernadero, un aspecto crítico ya que la preocupación por el cambio climático y el papel de la agricultura se estaba intensificando. Unos años más tarde, en algunas regiones, la reducción de las emisiones de gases de efecto invernadero asociadas con el uso de fertilizantes nitrogenados se convirtió en un factor importante para la adopción de 4RNS (Amiro et al.,2017 ). Todo esto aumentó aún más la atención a la reducción de las pérdidas de N. Quedó claro para la industria de fertilizantes, las asociaciones comerciales y las organizaciones científicas centradas en el manejo de nutrientes que se necesitaba un nuevo enfoque para las decisiones sobre el uso de nutrientes que se centrara en un conjunto de objetivos más equilibrado. Además, tenía que ser un enfoque que no solo condujera a una mayor sostenibilidad, sino que también se comunicara fácilmente a un conjunto diverso de partes interesadas, algunas de las cuales tenían un conocimiento limitado de los sistemas agrícolas.

4 EXPLORANDO LA «R» EN 4RS
El tema de la aplicación de la fuente de nutrientes correcta a la tasa correcta, en el momento correcto y en el lugar correcto tiene una larga historia de uso en materiales educativos sobre BMP (Bruulsema, 2004). Sin embargo, de 2005 a 2006, surgió la visión de que esta simple frase tenía mucha más profundidad de lo que se había explorado anteriormente y podría aportar el equilibrio y la facilidad de comunicación que se buscaba para los intereses de la gestión de nutrientes. El Canadian Fertilizer Institute (ahora Fertilizer Canada), el Potash & Phosphate Institute (más tarde el International Plant Nutrition Institute) y el Fertilizer Institute, se reunieron varias veces en 2005 en Canadá o en los Estados Unidos con el propósito de conectar BMP con la sostenibilidad en folletos simplificados. El primer folleto fue elaborado por el Instituto Canadiense de Fertilizantes y se tituló «Fertilizantes: el camino hacia la sostenibilidad». Presentó tres derechos (tarifa, tiempo y lugar). El segundo folleto fue publicado unos meses después por The Fertilizer Institute y Potash & Phosphate Institute y era muy similar al folleto canadiense, excepto que incluía la cuarta fuente derecha. Estas organizaciones colaboraron para crear un concepto que conectara pilares de sostenibilidad previamente establecidos (WCED,1987 ) a lo que define «derecho» en las 4R. Para que un conjunto de prácticas sea verdaderamente BMP, las cuatro consideraciones deben ser correctas y apropiadas para la finca y el campo específicos, y respaldar los objetivos ambientales, económicos y sociales de las partes interesadas. El concepto incluye la medición del rendimiento del sistema para demostrar el éxito e indicar dónde se necesitan mejoras.

El siguiente gran avance en la exploración del “derecho” se produjo a escala internacional a través de una conferencia sobre fertilizantes BMP en Bruselas, organizada por la Asociación Internacional de Fertilizantes (IFA). En esta conferencia se presentaron dos artículos clave que definieron colectivamente la primera versión de un marco global básico para 4RNS (Fixen, 2007 ; Roberts, 2007 ). El marco propuesto tenía cinco partes (Figura 2 ).

imagen
FIGURA 2
Abrir en visor de figuras
Marco de las mejores prácticas de gestión de fertilizantes (BMP) presentado en el taller BMP de la Asociación internacional de fertilizantes en Bruselas en 2007 (Fixen, 2007 )
A escala global:
Metas de administración de fertilizantes: Las metas de administración de fertilizantes se propusieron como punto de partida, no como algo que deba considerarse cerca del final del proceso de planificación. Las metas económicas, ambientales y sociales se habían convertido en los pilares reconocidos de la sostenibilidad, pero debido al impacto de los factores agronómicos en el desempeño de los nutrientes, los autores agregaron la agronomía como la cuarta meta. Finalmente, los factores agronómicos se reposicionaron en un nivel diferente del marco.
Objetivos de manejo de fertilizantes: Los cuatro derechos aparecen en este nivel, representados con flechas horizontales que los conectan para ilustrar la considerable interacción que existe entre ellos. Los cuatro objetivos se cumplen o no se cumplen como un conjunto y deben respaldar las metas de mayordomía para tener la razón. Un tipo de homeostasis de prácticas en el sistema es el objetivo.
Principios científicos fundamentales: Estos principios sirven como conducto entre la sección global del marco y las BMP de fertilizantes específicas para el sitio y el productor. Se percibió valor al vincular las prácticas recomendadas con los principios científicos detrás de ellas, ya que estos principios proporcionan la base que los asesores locales utilizan para perfeccionar las BPM generalizadas para las condiciones locales. Esta flexibilidad es esencial para crear BMP verdaderamente específicas para el sitio y el productor.
A escala local:
BMP de fertilizantes específicos para el sitio y el productor: se trata de un conjunto de acciones específicas que los agricultores y sus proveedores de servicios o asesores pueden practicar para cumplir con los objetivos de las 4R que respaldan las metas.
Evaluación: La evidencia local de desempeño se consideró fundamental para el refinamiento de las BMP específicas del sitio y del productor. Dado que las metas de sostenibilidad y los indicadores de desempeño incorporados operan a nivel de sistemas, la evaluación se propuso a ese nivel en lugar de a un nivel de práctica. Se reconoció que en muchas regiones era necesario trabajar en una metodología de evaluación del sistema adecuada para evaluar el progreso en el logro de las metas de administración.
El marco anterior se presentó como punto de partida. Los autores creían que habría un valor significativo generado por la inteligencia colectiva de múltiples expertos técnicos de diversos orígenes que trabajan en un marco globalmente aceptado para el desarrollo y la implementación de BMP de fertilizantes específicos para el sitio. Vieron valor en toda una industria que hablaba el mismo idioma con respecto a las BMP de fertilizantes y que permitiría una comunicación más efectiva internamente dentro de la industria y externamente con el público sobre temas de sostenibilidad. También vieron potencial para aumentar el uso eficaz de la ciencia y la tecnología. Los principios científicos de la administración de nutrientes se consideraron universales, aunque su manifestación en prácticas de manejo específicas varían según el clima, los suelos, el acceso a la tecnología, las condiciones económicas locales y la cultura. Sin embargo, Existe un orden predecible en los suelos que permite la definición del espacio de inferencia global asociado con hallazgos de investigación específicos y la adaptación y refinamiento de BMP de acuerdo con las condiciones locales. Los autores creían que un marco común podría, en el «mundo plano» descrito por Friedman (2005 ), «permitir que la industria mundial de nutrientes para las plantas esté conectada a la ciencia de la nutrición vegetal mundial … en tiempo real».

Después de la conferencia de Bruselas, el Instituto Internacional de Nutrición Vegetal (IPNI) encargó a un grupo de trabajo global de su personal la tarea de desarrollar este marco global de 4R-BMP vinculado a los sistemas de cultivo y los pilares de la sostenibilidad (IPNI, 2008 ). Parte del esfuerzo consistió en detallar los principios científicos primarios de cada uno de los objetivos de las 4R. Este informe sirvió como información de antecedentes para un grupo de trabajo más amplio establecido por la IFA para refinar aún más el marco (IFA, 2009 ).

Este grupo de trabajo generó un esquema que capturó gran parte de lo que se convertiría en el marco perdurable de 4RNS (Figura 3 ). Los aspectos de la fuente, la velocidad, el tiempo y el lugar de la administración de nutrientes estaban en el centro del círculo y se representaban como piezas entrelazadas de un rompecabezas para mostrar su naturaleza interdependiente, de acuerdo con el concepto de Bruselas. Los principios científicos fundamentales del marco de Bruselas formaron el pegamento que mantiene unidas las piezas. Una característica desafortunada de esta versión simplificada del marco fue que el papel crítico de la investigación científica y el avance no era obvio y tuvo que ser explicado en la documentación de respaldo (Bruulsema, Fixen y Sulewski, 2012 ).

imagen
FIGURA 3
Abrir en visor de figuras
Un marco global para las mejores prácticas de manejo de fertilizantes dentro de los sistemas de cultivo (IFA, 2009 )
En el anillo exterior del círculo había indicadores de desempeño de la administración de nutrientes superpuestos sobre los tres pilares o dimensiones de la sostenibilidad. El éxito de la rectoría se determinó dentro de estos indicadores, tomados colectivamente y con una priorización adecuada para la región y, a menudo, para el momento. La priorización se vería influida por los aportes de las partes interesadas, incluidos agricultores, consumidores, residentes rurales, ciudadanos y otros.

Entre este anillo exterior y el círculo central había un anillo que representaba el sistema de cultivo. Se colocó allí porque era el sistema que conecta la práctica de nutrientes (aspectos de fuente, velocidad, tiempo y lugar) con el rendimiento de los nutrientes en relación con los objetivos originales del uso de nutrientes. Esta influencia del sistema sobre el efecto de las decisiones sobre el uso de nutrientes estuvo detrás de la inclusión de “agronómico” como un cuarto objetivo de administración en el marco de Bruselas discutido anteriormente. Este esquema actual coloca estos factores del sistema en un nivel más apropiado en el marco. El reposicionamiento también facilita la introducción de objetivos prácticos de manejo del sistema de cultivo que impulsan más directamente las decisiones a nivel de campo o finca y se explican por sí mismos para los administradores de esos sistemas. Dichos objetivos incluyen productividad, rentabilidad,2009 ).

Una versión más reciente del esquema del marco (Bruulsema, Fixen y Sulewski, 2016 ) es muy similar pero con una apariencia menos desordenada y una expresión más amplia del anillo del sistema (Figura 4 ). La expresión pictórica ampliada incluye la agronomía de los sistemas de cultivo a nivel de campo como lo hizo IFA ( 2009 ), pero va más allá de los límites del campo o de la finca para incluir paisajes y ecosistemas completos. Como tal, incorpora todos los factores que afectan la influencia de los nutrientes de los cultivos en las dimensiones ambientales, económicas y sociales de la sostenibilidad (Bruulsema, Peterson y Prochnow, 2019 ). Al hacerlo, este cambio devuelve el círculo completo de 4RNS a los conceptos descritos por Thorup y Stewart ( 1988) donde las prácticas de conservación, el ciclo y el destino de los nutrientes de los cultivos, y su pérdida al medio ambiente, son todos elementos de la gestión de nutrientes.

imagen
FIGURA 4
Abrir en visor de figuras
Un marco global para las mejores prácticas de manejo de fertilizantes dentro de los sistemas de cultivo y paisajes (Bruulsema et al., 2016 )
A medida que la adopción de 4RNS creció en la industria mundial de fertilizantes, el énfasis en los primeros años estuvo en los factores más controlables por la industria y sus clientes, las 4R. Con el tiempo, la importante influencia potencial de factores más allá de las 4R y más allá de los límites del campo en la gestión sostenible de nutrientes se hizo más evidente. La incorporación de prácticas que promueven la salud del suelo dentro de los sistemas de cultivo y el ciclo y la retención de nutrientes en paisajes y cuencas hidrográficas recibió una mayor atención como elementos del marco de administración de nutrientes. Esta expansión en la amplitud del sistema que conecta las 4R con el efecto o el rendimiento de los nutrientes estuvo acompañada de la necesidad de una mayor colaboración entre los sectores industriales y las disciplinas académicas. En algunas regiones de los Estados Unidos,2020 ), aunque en muchos aspectos formaba parte del concepto 4RNS original. El esfuerzo de Iowa 4R Plus ahora cuenta con más de 50 organizaciones de apoyo que representan una amplia diversidad de partes interesadas, sectores y grupos de interés.

5 4RNS BASADAS EN EVIDENCIA – VERSIÓN BETA
Los principios científicos siempre han sido la base de 4RNS, entonces, ¿qué justifica referirse a 4RNS basado en evidencia como una versión beta? La terminología de la versión beta generalmente se refiere al software que contiene la mayoría de las características principales pero que no está del todo completo, que es lanzado para que lo prueben usuarios externos a la entidad que lo desarrolló. Es probable que se acerque al estado actual de 4RNS. Por consenso general, los expertos técnicos han generado conjuntos de prácticas que se cree que tienen el potencial de ser «correctas» para un conjunto específico de condiciones del sitio (Bruulsema, 2017 ; Snyder, 2016). Como se explicó anteriormente, para que un conjunto de prácticas sea realmente BMP, las cuatro consideraciones deben ser correctas y apropiadas para la finca y el campo específicos, y apoyar las metas ambientales, económicas y sociales de las partes interesadas. El concepto incluye la medición del rendimiento del sistema para demostrar el éxito e indicar dónde se necesitan mejoras.

La analogía beta parece encajar porque hasta la fecha, la definición de 4RNS se ha basado principalmente en la práctica más que en el desempeño. Las 4RNS basadas en evidencia requieren datos medidos sobre el progreso hacia los objetivos de administración. Es fundamental evaluar el efecto que tienen conjuntos específicos de prácticas sobre conjuntos predefinidos de indicadores de desempeño en condiciones específicas del sitio. El Fondo de Investigación 4R se lanzó en 2013 para identificar conjuntos de datos 4RNS y brechas de datos y respaldar la investigación necesaria para llenar esas brechas (Fixen, 2016 ; TFI, 2020). La primera ronda de proyectos financiados incluyó una serie de revisiones bibliográficas intensivas. Estos equipos de revisión multidisciplinarios concluyeron que los conjuntos de datos completos que evalúan conjuntos de prácticas para los principales sistemas de cultivo agronómico en los ecosistemas y los sistemas de cultivos hortícolas más específicos de la ubicación son actualmente muy escasos (Christianson, Harmel, Smith, Williams y King, 2016 ; Eagle et al. ., 2017a ; Eagle, Olander, Locklier, Heffernan y Bernhardt, 2017b ). En el pasado, otros han pedido una investigación de sistemas más completa y a largo plazo (Robertson et al., 2008), pero sigue habiendo escasez de esos datos. Se están realizando esfuerzos para generar tales conjuntos de datos de manera transparente y creíble. Nutri ‐ net es uno de esos proyectos con el objetivo de cuantificar el efecto del manejo de 4R N en el rendimiento de los cultivos, la salud del suelo, las emisiones de gases de efecto invernadero y la calidad del agua de drenaje en ocho sitios de campo coordinados en el medio oeste de los Estados Unidos y Ontario (Foundation for Agronomic Research , 2020 ).

4RNS continuará evolucionando a medida que se acumulen pruebas sobre el rendimiento y los cambios necesarios para definir mejor lo que es correcto para conjuntos de condiciones específicos. Se ha avanzado en el reconocimiento de los objetivos compartidos de los sectores público y privado y la necesidad crítica de una verdadera colaboración entre esos sectores en el avance de la administración de nutrientes basada en la ciencia para el bien de todos.

Leer más