Autor: rjcastillolopez

La Facultad de Agronomía de la UBA (FAUBA) comenzó a realizar desde 2015 una serie de ensayos con drones y diferentes sensores sobre cultivos de trigo y maíz. El foco esta puesto en “pasar un tamiz a las tecnologías”, conocer realmente para qué sirven y cómo podrían contribuir a la producción de alimentos, y proyectar las ventajas podrían significar hacia el futuro.

“En el pasado, en la agricultura trabajábamos mayormente con implementos que se movían sobre la tierra. Ahora contamos con nuevas herramientas que están en el aire, los drones, que se vienen a posicionar como complementarios de las imágenes satelitales”, dijo Gabriel Tinghitella, docente de la cátedra de Cereales de la FAUBA y técnico de AACREA, quien lleva adelante los ensayos de la Facultad.

Tinghitella anticipó que encontraron buenas correlaciones de los niveles de protección con funguicidas y defoliación, así como las dosis de riego y las de fertilizantes, con los registros de NDVI y la producción de biomasa y el rendimiento de los cultivos. Foto: Gentileza CREA

El investigador consideró que existen usos potenciales de los drones que aún no fueron explorados y que podrían generar un fuerte impacto en el agro para los próximos años: “Podrían tener intervenciones directas sobre los cultivos”.

Tinghitella viene trabajando junto a otros docentes y tesistas de la FAUBA, técnicos de CREA, emprendedores y desarrolladores de tecnologías vinculadas con drones y sensores en ensayos que comenzaron a implementarse sobre lotes experimentales de la FAUBA el año pasado, con trigo, y que continuaron durante 2016 con maíz.

Al respecto, consideró que aún queda mucho por investigar para conocer los beneficios reales y potenciales de esta herramienta: “La utilidad depende de las características del dron, de los sensores que lleven montados y de lo que se busque sensar, así como del momento del ciclo del cultivo en el que se realiza el vuelo. A su vez, todo esta influido por cuestiones ópticas y agronómicas”.

Los ensayos en Agronomía
En 2015, Tinghitella y su equipo sembraron trigo en la FAUBA y luego utilizaron drones de tres empresas provistos de cámaras que permiten ver el índice de vegetación de diferencia normalizada (NDVI, por sus siglas en inglés). Este índice no mide directamente la productividad de los cultivos, pero tienen una estrecha relación con ella porque permite identificar la presencia de vegetación verde en la superficie, caracterizar su distribución espacial y la evolución de su estado a lo largo del tiempo respecto del valor histórico.

2015 SEP 17 Lectura NIR manual (3)
“Tenemos el seguimiento del NDVI relevado con cámaras multiespectrales a lo largo del ciclo del cultivo de trigo con diferentes resoluciones espaciales”.

En los ensayos se buscó generar heterogeneidad. Para ello se sembraron distintos genotipos, con diferentes dosis de fertilizantes y de fungicidas, e incluso de riego. Las parcelas se midieron con varios sensores: cámaras comunes y multiespectrales montadas en drones, radiómetros, sensores hiperespectrales, green seeker de mano y cámaras térmicas.

“Tenemos el seguimiento del NDVI relevado con cámaras multiespectrales a lo largo del ciclo del cultivo de trigo con diferentes resoluciones espaciales. Ahora estamos procesando las muestras para relacionar las lecturas del índice de vegetación capturadas por los drones con los parámetros agronómicos que relevó Maximiliano Fabre, tesista de la carrera de Agronomía. Queremos establecer las correlaciones entre lo que vieron las cámaras y la evolución de los cultivos”, afirmó.

Aun sin datos finales, Tinghitella anticipó que mediante estos estudios encontraron buenas correlaciones de los niveles de protección con funguicidas y defoliación, así como las dosis de riego y las de fertilizantes, con los registros de NDVI y la producción de biomasa y el rendimiento de los cultivos.

En 2016, sobre el mismo lote anteriormente ocupado por el trigo, los investigadores de la FAUBA sembraron maíz de segunda. Se midieron dosis y momentos de fertilización, densidades, tratamientos con funguicidas y riego, entre otros aspectos.

“Este es sólo es un ensayo en la FAUBA, pero para muestra basta un botón. Esperamos detectar los usos más robustos para explorarlos más exhaustivamente en la red CREA, en ensayos de grandes franjas a campo”, señaló, y destacó la ayuda del cuerpo docente de la cátedra de Cereales para realizar los ensayos, así como de Román Serrago, responsable del campo experimental, y de los técnicos Juan Fuente y Maximiliano Rodríguez.

Drones vs satélites
Tinghitella explicó que los drones son una tecnología complementaria a los satélites, porque ambos tienen aspectos a favor y en contra. En cuanto a los drones, destacó algunas ventajas: “Podés volar cuando querés, armás la geometría de la captura de la imagen como querés, le das más o menos resolución en función de la altura seleccionada. Además podés repasar el lugar las veces que quieras”. O sea, esta herramienta ofrece un grado de versatilidad que el satélite no posee.

No obstante, “con el dron no tenés una geometría de captura de imagen fija, que sí tenés con el satélite, que pasa todos los días por el mismo lugar, a la misma altura, con el mismo ángulo de inclinación cuando hace la captura y a la misma velocidad”.

Riego a distancia
Entre las tecnologías que vienen evaluando en la FAUBA hay algunas que permitirían, por ejemplo, automatizar equipos de riego y controlarlos a distancia.

2015 SEP 09 Controlador BIOBOT
Biobot desarrolló un controlador a distancia que, integrado con otros equipos, podría automatizar el riego de los cultivos.

En este sentido se viene trabajando con los equipos de tres empresas: Less (que desarrolla sensores para medir humedad edáfica), Kilimo (posee un sistema para auxiliar la toma de decisiones respecto del riego mediante el seguimiento de balances hídricos sencillos en función de las condiciones de oferta y demanda de agua) y Biobot (que desarrolló un controlador a distancia). Integrados, estos grupos tienen potencial para automatizar el riego y controlarlo a distancia.

“Imaginate estar tomando un café en el barrio de Caballito y que en un campo de la provincia San Luis los sensores de Less detecten que hay un 50% del agua útil en el suelo. Vos seteaste la alarma de Kilimo para que dispare la notificación cuando se llega a ese umbral y Biobot dispare el actuador que controla la electroválvula que permite el paso de agua para el pivot de riego que atiende ese lugar. En tu celular podría saltar un mensaje que diga: `¿Abrimos el pivot X?´ Le das Ok y arranca el riego. O directamente te llegue un mensaje que dice, `Mirá que se abrió el pivot X´”, se entusiasmó Tinghitella.

Equipos incubados
Los drones que sirvieron para hacer los ensayos de la FAUBA fueron provistos y volados por desarrolladores de la ciudad de Rosario, Santa Fe, y de Buenos Aires. Una de estas empresas, EIWA, fue incubada en AACREA, donde trabaja Tinghitella, con el objetivo de formar un área de innovación tecnológica aplicada.

“Cuando creemos que un tema es necesario estudiarlo más y la escala de lote a campo no sirve para un estadío inicial, es necesario hacer ensayos en situaciones más controladas, como las que ofrecen los campos experimentales de las universidades como la FAUBA”.

“El ensayo le sirve a los emprendedores porque contribuye a que desarrollen sus productos y servicios, al estudiante para hacer su tesis de grado en una nueva tecnología con aplicabilidad potencial en el sector agropecuario y a la FAUBA, CREA y el sector agropecuario en general porque nos pone a trabajar en la evaluación de una tecnología para pasarle el tamiz, para empezar a detectar para qué sirve y para qué no”, afirmó.

Leer más

Leer más

El cambio climático afectará la producción ganadera en las áreas agrícolas de Australia Occidental de diferentes maneras, beneficiándose algunas regiones y empresas y otras no.

El Departamento de Industrias Primarias y Desarrollo Regional proporciona esta información para ayudar a los administradores de empresas agrícolas y a los administradores de la industria ganadera en su respuesta al clima cambiante en Australia Occidental.

ovejas en pasto seco.jpg
oveja en paddock.jpg
Sesión de fotos de ganado albany 166.jpg
Y11_5677 Feedlot de ganado vacuno.jpg
1
2
3
4
Anterior
próximo
Pausa
¿Cómo se verá afectada la producción ganadera por el cambio climático?
Los modelos de producción ganadera y climática proporcionan proyecciones sobre los efectos del cambio climático: los efectos varían según la ubicación, el tipo de suelo y la gestión.

En las zonas de mayor precipitación del suroeste, el aumento de la temperatura en invierno y principios de la primavera y la reducción del anegamiento podrían beneficiar a la producción ganadera al:
aumentar la producción de forrajes
reducir los requisitos de alimentación del ganado (menores costos de mantenimiento de energía)
aumentar la supervivencia de los animales jóvenes o de las ovejas esquiladas durante los períodos fríos y húmedos.
En las zonas norte y este y durante los meses de verano, el aumento de las temperaturas podría afectar negativamente a la producción ganadera al:
estrés por calor que reduce el crecimiento del forraje o la duración de la temporada de crecimiento
estrés por calor que reduce el crecimiento del ganado, el éxito reproductivo y la producción de leche
aumento de las necesidades de agua del ganado
disminución de la disponibilidad y calidad del agua
cambiar la exposición del ganado y la susceptibilidad a parásitos y enfermedades.
La reducción de las precipitaciones y las temperaturas más altas podrían reducir la producción de forrajes hasta en un 10% en las áreas agrícolas:
La disminución porcentual de la productividad y la rentabilidad del ganado será mayor que la disminución del crecimiento de los pastos.
Es probable que aumente la variabilidad interanual de la producción de pastos.
El aumento de las concentraciones de dióxido de carbono podría reducir la digestibilidad de los pastos y el contenido de proteínas si las plantas tropicales (C4) se vuelven más dominantes, pero esta reducción puede ser compensada por mayores tasas de crecimiento de las especies leguminosas.
Volver arriba

¿Cómo pueden los ganaderos adaptarse al cambio climático?
En el corto plazo, será necesario combinar nuevas tecnologías, operaciones y administración para compensar los efectos cada vez más negativos del cambio climático: esto en realidad puede mejorar la rentabilidad empresarial. Para 2050–70, es posible que se requiera un cambio completo de la base de piensos en áreas de menor precipitación a menos que haya mejoras sostenidas en los términos de intercambio.

Algunas adaptaciones se enumeran a continuación.

Mejorar la cría y la salud de los animales
Proporcionar sombra, refugio y sistemas de enfriamiento.
Las opciones incluyen:

árboles de refugio
cubierta de sombra sobre patios y caminos de rodadura
cubierta de sombra sobre comederos y fuentes de agua para mantener el agua fresca
cobertizos de refugio (por ejemplo, para el ganado lechero) .
Utilice razas de ganado o especies adaptadas a condiciones más cálidas.
Las opciones incluyen:

seleccione dentro de la raza para la tolerancia al calor, como ovejas de cuerpo simple en lugar de piel arrugada
seleccionar razas y cruces tolerantes al calor, como ganado Brahman y cruces
seleccionar especies más tolerantes al calor, como ovejas o cabras , en lugar de ganado
seleccionar para tolerancia a enfermedades y parásitos
Desarrollar protocolos de movimiento, manipulación y transporte durante los períodos cálidos.
Brindar acceso a agua fresca y limpia y sombra durante los períodos calurosos.
Volver arriba

Mantener la productividad y la calidad del forraje
Mejorar la eficiencia en el uso de las lluvias
El agua disponible para las plantas es el factor más limitante para la producción de forrajes en la mayoría de las áreas de Australia Occidental. En un clima más cálido y seco, la eficiencia del uso del agua suele disminuir. Existen tecnologías para mejorar el agua disponible para el crecimiento de las plantas:

Elimine las limitaciones físicas al crecimiento de las raíces mediante:

drenaje para reducir el encharcamiento , como desagües profundos , camas elevadas , drenaje superficial
rasgado profundo para eliminar sartenes duras
aplicar yeso para mejorar la estructura del suelo
utilizando agricultura de tráfico controlado para reducir la compactación
aumentar el contenido de carbono orgánico del suelo con pastos perennes.
Elimine las limitaciones químicas al crecimiento de las raíces mediante:
aplicando micronutrientes y macronutrientes
encalado para aumentar el pH del suelo
drenaje para reducir la sodicidad .
Utilice variedades / especies de pastos con mayor capacidad para explorar el perfil del suelo con mejor:
morfología de la raíz (raíces profundas versus laterales)
Tolerancia a las limitaciones químicas del suelo, como pH , boro , aluminio y sodicidad transitoria.
capacidad de crecer a través de las limitaciones físicas del suelo, como cacerolas duras o anegamiento transitorio.
Mejore la capacidad de retención de agua del suelo con:
aumento del contenido de carbono orgánico del suelo
profundo
yeso para mejorar la estructura del suelo
agricultura de tráfico controlado para reducir la compactación
arcilla (aplicación de superficie / excavación / arado) para reducir la no humectación.
Desgarro de la raíz a lo largo de las líneas de los árboles.
Reducir la evaporación del suelo aumentando la infiltración profunda de lluvia.
Reducir la escorrentía.
Volver arriba

Utilice las especies y variedades de pastos mejor adaptadas
Utilice variedades o especies con mayor resistencia a la sequía, como las variedades que se mantienen verdes que tienen:
tolerancia fisiológica a las condiciones cálidas
tolerancia fisiológica de condiciones secas con:
capacidad para mantener la turgencia celular
resistencia estomática.
Utilice variedades o especies que puedan aprovechar mejor el efecto fertilizante del aumento de dióxido de carbono atmosférico para mejorar la eficiencia del uso del agua.
Utilice variedades o especies cultivadas para resistir los riesgos actuales de enfermedades y los nuevos riesgos que presenta el cambio climático.
Utilice estrategias de grano y pasto
Utilice cultivos de doble propósito, como cultivos de pastoreo .
Siembre cultivos de invierno en forrajes perennes activos en verano.
Optimice los insumos utilizando tecnologías de agricultura de precisión
Utilice datos de detección remota para mapear la productividad.
Utilice pruebas de suelo.
Utilice la aplicación de fertilizante de tasa variable según el potencial de rendimiento y las pruebas del suelo.
Mejorar la conservación de forrajes
Usa heno .
Utilice ensilaje.
Utilice alimentación confinada
La suplementación de alimento en los corrales de engorde de verano / otoño puede mantener el número de animales para aprovechar una mayor producción invernal que ocurre con inviernos más cálidos.
Volver arriba

Utilice herramientas de decisión
Utilice herramientas , como modelos de producción de forrajes que incorporan tasas de utilización, pronósticos meteorológicos estacionales y de largo alcance, datos de producción de detección remota y calculadoras de agua del suelo, para estimar la capacidad de carga del ganado y los requisitos de alimentación y ayudar con las decisiones sobre:

lidiar con temperaturas extremas (las vacas lecheras tienen un alto riesgo )
programar la suplementación de alimentos y los suministros de alimentos de contratación futura
planificación anticipada para la agitación
valor de la mejora del suelo
hacer coincidir las tasas de almacenamiento con la capacidad de carga proyectada
modificar el momento del apareamiento y el destete según las condiciones estacionales.
Proporcionar agua para ganado de buena calidad
Diseñar presas y captaciones para hacer frente a las tasas de evaporación y lluvia actuales y proyectadas.
Trate las cuencas hidrográficas de carreteras con selladores químicos para reducir el umbral de escorrentía de lluvia a 4-6 milímetros.
Planifique una mayor inversión en almacenamiento de tanques y presas.
Volver arriba

Reducir el riesgo empresarial
Utilice una combinación de pastoreo rotativo , alimentación suplementaria y conservación de forraje para que el ganado se adapte a las estaciones secas y variables.
Utilizar sistemas que faciliten el comercio de ganado mediante alianzas entre empresas ganaderas y ganaderas del sur.
Cambiar la combinación empresarial:
ajustar la relación entre cultivos y ganado de acuerdo con los términos de intercambio, la capacidad de la tierra y las tendencias climáticas a largo plazo
utilizar nuevos mercados para los residuos agrícolas existentes, como la paja para biocombustible
diversificar mediante el cultivo de nuevos productos agrícolas:
cultivo de carbono.
Aumente el tamaño de la empresa para obtener ventajas:
eficiencias de escala
Reducción de los riesgos locales mediante la agricultura en una zona geográfica más amplia.
Utilice pólizas de seguro a todo riesgo.
Incrementar el acceso a ingresos no agrícolas.
Emprenda la formación.
Mantener redes y vínculos para compartir información e innovación.
Volver arriba

Reducir el riesgo de erosión del suelo
Manejar el pastoreo para mantener una cubierta vegetal mínima anclada.
Utilice cortavientos en sitios muy propensos a la erosión.
Utilice arcilla .
Utilice la agricultura de contorno, incluido el drenaje en regiones de alta precipitación.
Mantenga zonas de amortiguamiento con vegetación a lo largo de los cursos de agua.
Si bien muchas de estas adaptaciones se consideran buenas prácticas, su aplicabilidad varía a lo largo de la franja.

Recomendamos que:

los gerentes evalúan sus costos y beneficios específicos de la ubicación antes de realizar cambios significativos
los productores continúan haciendo cambios incrementales en el corto plazo
e investigar y planificar cambios más transicionales y transformadores a mediano y largo plazo.

Leer más

El término big data puede parecer a primera vista incongruente con la agricultura animal. Sin embargo, al capturar, analizar, informar y compartir los datos de la cadena de producción con los tomadores de decisiones, las organizaciones están mejor equipadas para tomar decisiones informadas. Un aspecto fundamental de este proceso es el tipo de datos, su relevancia, precisión e integridad.

No se puede subestimar la importancia de capturar datos relevantes y precisos que se informan en un tiempo y espacio significativos. Sin embargo, existen desafíos significativos con el big data para la producción avícola, sobre todo con los conceptos básicos de captura de datos, almacenamiento, seguridad, análisis y realización de cambios significativos basados ​​en los datos.

Introducción
Las industrias agrícolas se encuentran en la cúspide de una revolución digital. La creciente demanda de mayores rendimientos, combinada con las limitaciones de recursos finitos como la tierra y el agua, ha ejercido una mayor presión en el lado de los insumos de la agricultura. El aumento de la demanda de productos agrícolas de una población mundial en aumento y el crecimiento socioeconómico ha intensificado la presión sobre el sector agrícola para producir más con menos. Las proyecciones actuales para el crecimiento de la población estiman que la población mundial alcanzará los 9 mil millones de personas en 2050 y, para alimentar a esta cantidad de personas, la producción total de alimentos deberá aumentar aproximadamente un 70% entre 2007 y 2050 (FAO, 2009).
TTradicionalmente, para satisfacer este aumento de la demanda, el sector agrícola aplicaría en la mayoría de los casos el principio de «cuanto más grande es mejor» y ampliaría la producción despejando más tierras o aumentando la intensidad de la producción. Sin embargo, esta estrategia se está volviendo cada vez más difícil desde una perspectiva ambiental y, a menudo, entra en conflicto con la expansión de los centros de población que priorizan la tierra cultivable para el desarrollo urbano. A este dilema se suma la estimación de la Organización de las Naciones Unidas para la Agricultura y la Alimentación de que entre el 20 y el 40% de la producción anual mundial de cultivos se pierde debido a plagas y enfermedades.
Para contrarrestar esta ineficiencia, un enfoque simplista sería aplicar más fertilizantes y / o insecticidas, pero paradójicamente (desde el punto de vista del volumen de producción) los consumidores y los gobiernos exigen que se apliquen menos productos químicos. Esto en cierto modo es paralelo a la dirección actual de la producción avícola. Las tecnologías tradicionales, como los antibióticos promotores del crecimiento, se enfrentan a un mayor escrutinio y a la presión a nivel mundial para que se reduzcan o eliminen por completo.
Si bien la producción avícola puede expandirse agregando más galpones (dentro de los límites) para satisfacer la creciente demanda, el volumen de productos avícolas que se pueden producir en cada unidad por metro cuadrado también se ha enfrentado a una presión a la baja debido a la reducción de la densidad de población. Estos escenarios tienen el potencial de perjudicar el crecimiento del volumen de producción y provocar escasez en la producción de alimentos en el momento en que se necesita más. También es evidente que la industria avícola no puede depender únicamente de estrategias de expansión pasadas para satisfacer esta mayor demanda. Para ayudar a enfrentar este desafío, una clave propuesta para facilitar una mayor producción de alimentos en un momento de escasez de insumos radica en la Agricultura 4.0 y las tecnologías de big data.

a) Agricultura inteligente
El desarrollo y la aplicación de la agricultura inteligente comenzó a finales de la década de 1990 con la introducción de la agricultura de precisión, mediante la cual se aplicó la tecnología a la producción de productos agrícolas por primera vez. Sin embargo, la agricultura de precisión se centró principalmente en la maquinaria agrícola utilizada en la producción de cultivos con tecnologías de asistencia como los sistemas de posicionamiento global para reducir la superposición al girar en los extremos del campo y, por lo tanto, mejorar la siembra, la cosecha y la eficiencia del combustible. La próxima iteración de agricultura inteligente se denomina Agricultura 4.0, que es una continuación de la agricultura de precisión y es aclamada como la nueva era de la agricultura moderna. Los cimientos de la Agricultura 4.0 se basan en el uso cada vez mayor de procesos mecanizados (desde el paddock hasta el plato) que son compatibles con Internet of Things (IoT), big data, comunicaciones inalámbricas / móviles y computación en la nube. Agricultura 4.0 monitorea cada paso de la cadena de producción de alimentos desde el primer insumo hasta el último producto.
Internet de las cosas y big data son términos que se utilizan para describir tecnologías que están integradas en objetos cotidianos y están interconectadas a través de Internet y, en última instancia, producen grandes conjuntos de datos. Para la producción avícola, esto resultará en más sensores y entradas de datos en cada paso de la cadena de valor. Sin embargo, una consecuencia de esto será que los conjuntos de datos producidos serán tan grandes y vastos que el software de procesamiento de datos tradicional será insuficiente para manejar estos conjuntos de datos. Es importante destacar que el big data también se refiere al uso de análisis predictivo que va más allá de los conceptos básicos de la presentación de informes y analiza los datos en busca de correlaciones y patrones de los que las empresas pueden extraer valor.

b) Adquisición de
datos La adquisición de datos es quizás uno de los componentes más fáciles de big data para la producción avícola. Actualmente, existen numerosas fuentes de adquisición de datos que van desde las estadísticas de producción en la granja de reproductores hasta la cadena de valor hasta las preferencias del consumidor a nivel minorista. Sin embargo, no todos estos datos se recopilan y pueden analizarse en profundidad, con algunas fuentes de datos analizadas (en el mejor de los casos) o sin analizar de forma aislada (en el peor de los casos). Sin embargo, para lograr una mayor eficiencia, es importante que todos estos datos se capturen y analicen de manera integral.
A menudo se describe que las organizaciones construyen un lago de datos que es similar a la construcción de un depósito de agua artificial ( Figura 1). Primero se crea la presa, luego se llena con agua (datos) y una vez que el lago comienza a llenarse, el agua (datos) se utiliza para otros fines de valor agregado. Un lago de datos proporciona una plataforma para la acumulación rápida de datos y, potencialmente, su aplicación. Si bien esto representa un avance significativo, el análisis de transformación y la aplicación de los datos es más complejo y representa un gran desafío para las organizaciones. Después de que se crea un lago de datos, la propensión a medir y capturar datos aumenta significativamente y puede conducir a una sobrecarga de datos. Se debe evitar medir algo por el mero hecho de medirlo porque “a veces lo que cuenta, no se puede contar y lo que se puede contar, no cuenta (Cameron, 1963). Para cada nuevo flujo de datos, se debe aplicar un análisis de los beneficios propuestos antes de su creación, y una revisión después de que esté activo, para evaluar el valor de los datos. El valor de los flujos de datos puede estar subestimado o sobreestimado y es el análisis y la interpretación de estos datos donde se requiere experiencia para maximizar el valor y la aplicación de los macrodatos.

c) Cuando la buena información sale mal: el costo de los errores de datos
La producción avícola eficiente depende de datos precisos. Actualmente existen objetivos de rendimiento para cada paso de la cadena de producción, desde las granjas de reproductoras hasta el criadero, para el crecimiento en la granja, la eficiencia alimentaria y el procesamiento. Para la mayoría de los integradores, estos valores se pueden resumir como centavos / kg de productos de carne de ave o centavos / docena de huevos para los productores de huevos de mesa. Si aceptamos el punto de referencia promedio de una tasa de error del 1% en la entrada manual de datos y lo multiplicamos por los casos de entrada manual de datos, las consecuencias de estos errores pueden ser profundas. La capacidad humana para detectar o evitar errores es inherentemente defectuosa y si los datos deben ingresarse varias veces, esto solo agrava el problema. Un concepto comercial común es la regla 1-10-100 que ilustra la importancia de corregir los errores de entrada de datos en la fuente. De acuerdo con la regla 1-10-100, cuesta $ 1 verificar la precisión de los datos en el punto de entrada, $ 10 para corregir o limpiar los datos en forma de lote y $ 100 (o más) por registro si no hay acción correctiva es interpretado. Si bien el valor absoluto de los errores de datos individuales y acumulativos para las empresas puede diferir, el principio sigue siendo el mismo. Los datos confiables y oportunos son esenciales. El uso de las tecnologías subyacentes de Agriculture 4.0 para capturar y reportar estos datos automáticamente usando sensores conectados y plataformas en línea conducirá a una mayor precisión y facilitará la toma de decisiones oportuna. Si bien el valor absoluto de los errores de datos individuales y acumulativos para las empresas puede diferir, el principio sigue siendo el mismo. Los datos confiables y oportunos son esenciales. El uso de las tecnologías subyacentes de Agriculture 4.0 para capturar y reportar estos datos automáticamente usando sensores conectados y plataformas en línea conducirá a una mayor precisión y facilitará la toma de decisiones oportuna. Si bien el valor absoluto de los errores de datos individuales y acumulativos para las empresas puede diferir, el principio sigue siendo el mismo. Los datos confiables y oportunos son esenciales. El uso de las tecnologías subyacentes de Agricultura 4.0 para capturar e informar estos datos automáticamente mediante sensores conectados y plataformas en línea conducirá a una mayor precisión y facilitará la toma de decisiones oportuna.
Las siguientes categorías de datos descritas en este documento representan algunos flujos de datos sugeridos para big data en la producción avícola con un enfoque en los flujos que tienen el potencial de ser transformadores.

Leer más

En todo el mundo en los últimos años, ha habido un aumento en el nivel de interés de la industria agrícola en el desarrollo y despliegue de tractores sin conductor, reconocimiento aéreo de tierras de cultivo, recopilación de datos, manejo de campo y sistemas de ordeño de vacas. Además, la demanda de robots involucrados en diversos procesos agrícolas como cosecha, poda, deshierbe, recolección y colocación, clasificación, siembra, fumigación y manipulación de materiales ha aumentado significativamente.

Según un nuevo informe de Tractica, los envíos anuales de robots agrícolas llegarán a 992.000 en todo el mundo para 2024, frente a solo 33.000 en 2015. La firma de inteligencia de mercado prevé que algunos de los segmentos de aplicaciones más grandes incluirán vehículos aéreos no tripulados (UAV) con fines agrícolas. , robots de manejo de suelos, robots de manejo de materiales, tractores sin conductor y robots de manejo de lácteos.

“La demanda de robots agrícolas está impulsada por una serie de tendencias globales”, dice el analista de investigación Manoj Sahi. “Los factores económicos y demográficos clave que influyen en el desarrollo del mercado incluyen el crecimiento de la población, el aumento de la presión sobre el suministro de alimentos, la disponibilidad de trabajadores agrícolas, los desafíos y complejidades de la mano de obra agrícola, el costo de los trabajadores agrícolas, la reducción de las tierras agrícolas, el cambio climático, el crecimiento de la agricultura de interior y la automatización de la industria agrícola «.

El informe de Tractica, «Robots agrícolas», examina las tendencias del mercado global para los robots agrícolas y proporciona el dimensionamiento del mercado a 10 años y los pronósticos para los envíos e ingresos de robots agrícolas durante el período de tiempo de 2015 a 2024. El informe se centra en los impulsores del mercado y los desafíos del mercado, además de evaluar los problemas tecnológicos clave que influirán en el desarrollo del mercado. En total, se perfilan 42 actores clave y emergentes de la industria. Los pronósticos de mercado están segmentados por región mundial y tipo de aplicación.

Leer más

La implementación del marco de las 4R en el campo a menudo da como resultado la pregunta «¿Qué prácticas específicas de las 4R debo hacer?» Las prácticas agrícolas de precisión como el mapeo GPS, el muestreo de suelo en cuadrículas o zonas, los monitores de rendimiento, las aplicaciones de nutrientes de tasa variable y las aplicaciones de nutrientes divididos, son todas reconocidas como prácticas 4R (Snyder, 2016 y Bruulsema, 2017). Seleccionar el conjunto correcto de prácticas 4R para las características específicas del sitio puede resultar en una mayor absorción de nutrientes por parte de los cultivos para una mayor productividad y retorno de la inversión y una disminución en la pérdida de nutrientes en el aire y el agua, escribe Melinda Sposari y Sally Flis de The Fertilizer Institute en NutrientStewardship.com .

ANUNCIO

Comprender las tendencias en la adopción práctica por parte de agricultores y distribuidores agrícolas ayuda a las CCA a saber dónde existen oportunidades para aumentar la implementación y qué información es clave al interactuar con los productores. Recientemente, se realizaron encuestas para evaluar la tasa de adopción y la economía relacionada con la adopción de prácticas agrícolas de precisión. Dos encuestas se centraron en la adopción por parte de los agricultores y dos en los comerciantes agrícolas.

Adopción de agricultores
En 2016, el Servicio de Investigación Económica (ERS) del Departamento de Agricultura de los Estados Unidos (USDA) publicó un informe utilizando datos de la Encuesta de gestión de recursos agrícolas del USDA de productores de cultivos de campo que evaluaban las tendencias de adopción y la rentabilidad de las granjas para tecnologías agrícolas de precisión específicas (Schminelpfennig, 2016) . El informe se centró en el uso de sistemas de mapeo GPS (incluidos monitores de rendimiento y mapeo de suelo o rendimiento), sistemas de guía o dirección automática y tecnología de velocidad variable (VRT). Los monitores de rendimiento tuvieron la tasa más alta de adopción en las fincas de maíz y soja, aunque la creación de mapas de rendimiento fue solo la mitad de ese valor (Tabla 1). Señalando una brecha en el uso de herramientas de recolección y análisis de datos en la finca. El uso de mapas de suelo GPS y VRT tuvo la tasa más baja de adopción por finca (Tabla 1).

Implementación del marco 4R: Adopción de agricultura de precisión por agricultores y distribuidores
Cuando los resultados se evaluaron en función de los acres cultivados, el nivel de implementación aumentó con el tamaño de la finca. En las granjas de maíz de más de 3800 acres, los sistemas de mapas GPS tuvieron una tasa de adopción del 84 por ciento, seguidos de los sistemas de guía (80 por ciento) y VRT (40 por ciento) (Schminelpfennig, 2016). Sin embargo, la tasa de adopción de cada práctica a medida que aumentaba el tamaño de la finca fue diferente. El uso de mapas GPS aumentó más entre los tamaños de fincas de menos de 600 acres a entre 600 y 1,000 acres, 22 por ciento (Schminelpfennig, 2016). La adopción del sistema de orientación aumentó más entre el rango de acres de 1,300 a 1,700 acres y de 1,700 a 2,200 acres, 20 por ciento (Schminelpfennig, 2016). Si bien el uso de VRT no experimentó el mayor aumento en la adopción hasta los rangos de superficie más altos, de 2,900 a 3,800 acres a más de 3,800 acres de granjas, cuando aumentó al 40 por ciento (Schminelpfennig, 2016). Estas tendencias de adopción reflejan el impacto del gasto y la disponibilidad de tecnologías agrícolas de precisión para las fincas más pequeñas. Por ejemplo, la adopción de VRT para la aplicación de nutrientes requiere la compra de equipo especializado por parte del productor o un cargo adicional de un aplicador y el tiempo para compilar e interpretar los datos recopilados.

Leer más

La comunidad agrícola ha pasado varios años sintetizando una descripción operativa para la agricultura digital. En varios casos, también se han presentado soluciones que afirman ser agricultura digital, pero ahora, más que nunca, hay tanta ambigüedad sobre la agricultura digital como cuando la comunidad la etiquetó y nombró. La agricultura es uno de los sistemas más complejos que se pueden analizar, y la mayor parte de lo que se ha propuesto son soluciones como el clima , las imágenes y el NDVI, incluidas muchas soluciones puntuales patentadas. Éstas son piezas de la solución y son partes del concepto operativo. Este artículo definirá este concepto.

ANUNCIO
La agricultura digital está aplicando métodos de ubicación de precisión e información agronómica de calidad de decisión para iluminar, predecir y afectar la continuidad de los problemas de cultivo en toda la granja. Aquí hay un vistazo a cada parte de la definición:

Precision se trata de servicios de geolocalización asociados con el Sistema de posicionamiento global y sus extensiones. Es la superposición de estos servicios de geolocalización en un mapa digital para detección de precisión, identificación, toma de decisiones predictiva y acción.
La información sobre la calidad de las decisiones es oportuna y está dentro del ciclo de decisiones del evento. Se entrega mediante sensores avanzados, modelos descriptivos y algoritmos predictivos que brindan la información necesaria sobre el problema agronómico.
El cultivo es un proceso de decisión de principio a fin, de principio a fin, continuo y en tiempo real que requiere decisiones y acciones oportunas. Se extiende aguas arriba de la siembra y aguas abajo de la cosecha. Hoy en día, la cultivación se trata de los poderes de observación subjetivos pero informados del individuo. Mañana se tratará del poder predictivo, objetivo y sensorial y la precisión del ecosistema digital.
La agricultura digital también debe tratarse de un sistema operativo. Por esta razón, los siguientes requisitos garantizan que el sistema se escale a millones de acres, se implemente en múltiples cultivos, proporcione una solución de extremo a extremo, exista dentro de un ecosistema y respalde las diversas necesidades agronómicas y económicas de cientos, incluso miles, de las partes interesadas al mismo tiempo. En un resumen bastante tosco, debe ser más que una curiosidad para el friki sofisticado y debe servir constantemente al pequeño productor hasta el más grande.

La agricultura digital, en el siguiente nivel más bajo, debe organizar, analizary orquestar la entrega oportuna de información de los cuerpos de datos que constituyen un campo. Debe tratarse de dividir el campo en unidades de activos productivos diferenciables, geolocalizadas e individualmente homogéneas. Este requisito se refiere a cada unidad como activo productivo. La ubicación precisa asegura que la información recopilada sobre esa unidad se mida, recopile, analice y procese para la misma ubicación y se diferencie de todos los demás activos circundantes. Se trata de ser individualmente homogéneo e idéntico en tamaño, huella y profundidad, para que el sistema pueda analizar repetidamente la misma unidad. Esto significa que a lo largo de la huella y en profundidad, cada variable de una unidad productiva tendrá el mismo valor de variable.

MÁS DE MICHAEL R. COLLINS
Agricultura digital
2 de noviembre de 2020
Fomento de una cultura de innovación en la agricultura
Por Michael R. Collins
Agricultura digital
1 de junio de 2020
Conócete a ti mismo: la autoconciencia es fundamental al adoptar una nueva tecnología agrícola
Por Michael R. Collins
Agricultura digital
11 de noviembre de 2019
Agilidad en la agricultura digital
Por Michael R. Collins
Se pueden generar predicciones y prescripciones y la producción se puede monitorear individualmente para cada activo productivo. Cada unidad productiva del activo puede identificarse, analizarse y activarse por separado y con precisión para producir un resultado previsto. La suma de los resultados de todas estas unidades homogéneas constituye un campo, y la suma de todas las predicciones, prescripciones, costos y rendimientos son la economía del campo. Al tratar el campo como una suma de activos productivos, la agricultura digital puede aplicar quirúrgicamente datos avanzados y algoritmos analíticos, en tiempo real, a la gestión de cada activo y, en resumen, a todo el campo.

La agricultura digital también se trata de lo que no es. La agricultura digital no se trata de genética, predicción del tiempo, etc. Estos factores son extremadamente importantes para las predicciones, pero se generan externamente y se aplican como insumos. Por lo tanto, por ejemplo, el proceso de selección de semillas examinaría la selección de semillas en función de los perfiles de semillas desarrollados y producidos por las empresas agrícolas. Las condiciones del suelo, la hidratación y otra información conocida se desarrollan a partir de los sensores o de los registros históricos de la región y el campo. Los datos de la región y el campo son históricos y medidos, y estos datos se utilizan para establecer una base predictiva. La agricultura digital consiste en utilizar información conocida sobre el campo, los cultivos, los nutrientes, la protección y la hidratación para predecir los resultados en función de la información detectada, procesada y agregada.

La agricultura digital se trata de describir el activo en el dominio digital; sobre la creación de un gemelo digital que pueda evaluarse repetidamente con muchas variables. Cada unidad tiene medidas definibles y consistentes de las variables agronómicas clave en todo el activo productivo, y se trata de separar los datos que cambian de los que no cambian. Esto significa que existen variables sobre el activo productivo que se pueden ordenar y analizar para predecir el desempeño del activo productivo. Por ejemplo, y con solo mirar una descripción del campo, las siguientes capas de información se presentan en el orden de su variabilidad. Son:

Topografía: contornos y pendientes, inclinación al sol, escorrentía de precipitaciones, etc.
Artefactos enterrados u ocultos: baldosas de drenaje, zonas de compactación, rocas o formaciones geológicas enterradas.
Mapeo de conductividad eléctrica: una indicación de los tipos de suelo y la capacidad de carga de hidratación.
Muestreo de suelo: validación de tipos de suelo, horizontes y composición, un mapa de relleno de las características tridimensionales del activo.
Ubicaciones históricas de estrés: ubicaciones geográficas de escapes de malezas anteriores, infestaciones de insectos, brotes de hongos, nematodos, etc.
Suplementos y tratamientos históricos: aplicaciones anteriores de protección de cultivos o campos, aplicaciones de nutrientes, etc.
Todas estas son adiciones permanentes o semipermanentes a la descripción de los activos productivos que cambian lentamente con el tiempo. La información descriptiva más permanente se presenta primero y, a medida que se examina cada nueva variable, cada iterativa se vuelve más variable con el tiempo. El ejemplo anterior trata sobre el suelo; el activo productivo, pero cada uno de los dominios de la granja digital maneja información en escalas masivas y pasa de lo invariante a lo variante.

El atributo más importante en esta discusión es que las cantidades masivas de datos representan las propiedades de cada dominio que influyen en el cultivo y se describen hasta la ubicación geográfica exacta del activo. Todos estos datos se pueden analizar por separado y resumir para un campo, finca, región, etc. Estos son los datos que deben ser geolocalizados, medidos con precisión y descritos digitalmente. Estos datos son la base de todos los esfuerzos posteriores. Establece las bases para la geolocalización de entradas en tiempo real y la aplicación de tecnología de precisión.

Finalmente, para aplicar estos datos, el productor necesita recolectar, comunicar, almacenar / archivar, recuperar, orquestar y analizar estos datos. El cultivador necesita entrar y adelantarse a sus ciclos de decisión; los circuitos de decisión que componen el ciclo de cultivo. Esto no puede suceder sin información oportuna. Es necesario predecir el momento y la ubicación requeridos de la detección y el análisis de la identificación debe ser en tiempo real para lograr un cambio positivo. La entrega de información un día, una semana o un mes después no es agricultura digital. Esto también significa que el uso de datos que tengan días de antigüedad o de sensores que detecten demasiado tarde en el ciclo de estrés para influir en el estrés no es agricultura digital. En este caso, la actualidad de la detección del evento sobre el que se requiere acción no solo es oportuna sino también crítica. Si la información de la decisión se presenta demasiado tarde, el problema ya está invertido en los activos y, a menudo, cualquier acción correctiva es demasiado tarde. La agricultura digital consiste en proporcionar información oportuna al productor cuando la necesita, en tiempo real.

En resumen, entonces, la agricultura digital se trata de ubicación de precisión, detección y procesos en tiempo real, y la generación de información agronómica de calidad de decisión en todo el ciclo de cultivo. También se trata de escalabilidad, procesos de extremo a extremo y entrega operativa generalizada a la comunidad agrícola.

Leer más

A medida que nos dirigimos a Agosto, los cultivadores están ocupados monitoreando el crecimiento de sus cultivos, aplicando nutrientes, fertilizantes y pesticidas, y empezando a estimar sus rendimientos para la temporada. Cada vez más de ellos están utilizando drones para ayudarles a recopilar información, y cuando hablamos con estos productores, hay ciertas preguntas que escuchamos mucho.

Reunimos este post para consolidar consejos e información útiles en un solo lugar y abordar estas preguntas frecuentes:

¿Qué tan alto debo volar y qué superposición debo usar?
¿Cómo puedo mapear áreas más grandes y volar sin conexión con DroneDeploy?
¿Cómo puedo ver los datos de salud de la planta? ¿Necesito una cámara especial?
¿Qué debería saber?
¿Cómo puedo exportar mis datos para compararlos con mapas de rendimiento, mapas de suelo y otros datos?
imagen tomada con un dron de un cultivo
¿Qué tan alto debo volar y qué superposición debo usar?
No hay una fórmula que le diga exactamente qué tan alto volar y cuánta superposición usar. Dicho esto, tener una comprensión de cómo la altitud del vuelo y la superposición contribuyen a la calidad de su mapa puede ayudarle a elegir mejores ajustes, y hay algunas pautas generales que puede utilizar.

En primer lugar, vamos a hablar de la altitud del vuelo. En el nivel más básico, volar más alto le permite cubrir más terreno en un período más corto de tiempo con menos uso de la batería. Dado que muchos campos son bastante grandes, muchos operadores de drones en AGP vuelan tan alto como pueden. En los Chile, eso significa poco menos de 400 pies, la altura máxima permitida por la DGAC.

La desventaja de volar alto es que las imágenes capturadas son de menor resolución que si volabas más bajo. Es por eso que lo alto que debe volar depende de cómo desea utilizar el mapa. Si usted está analizando un cultivo relativamente maduro y simplemente buscando áreas de variabilidad, probablemente no necesita imágenes de muy alta resolución. Sin embargo, si usted está mirando la aparición de plantas jóvenes, es posible que tenga que volar más bajo (150-200 pies) para ser capaz de hacer las plantas contra el suelo en su mapa completado.

Superposición (overlap) se refiere a la cantidad de superposición entre las fotos que el dron captura. Cuando realizamos el plan de vuelo se procesa un mapa, nuestro software busca entidades que aparecen en varias fotos y utiliza el reconocimiento de esas entidades para unir las imágenes en un mapa. En general, cuanto mayor sea la superposición, más fácil será para el software identificar entidades en varias fotos, y mayor será la probabilidad de que genere un mapa exitoso y de alta calidad.

Como habrás adivinado, hay una compensación. Cuanto mayor sea la superposición, más cerca estarán las grillas de las rutas de vuelo del dron, más tiempo tardará el vuelo, más batería consumirá el dron y más imágenes capturará el dron para cubrir la misma área.

La Academia de Drones de Chile (HDRONES®), recomienda comenzar con una superposición del 65%. Si tiene dificultades para procesar el mapa o si el cultivo es muy homogéneo cuando se ve desde arriba, entonces debe experimentar con una superposición más alta.

¿Cómo puedo mapear áreas más grandes y volar sin conexión?
No es raro que los operadores de drones en la agricultura quieran mapear campos grandes, muchos de los cuales se encuentran en áreas con wifi deficiente y servicio celular. Afortunadamente, puede mitigar ambos problemas potenciales planificando con antelación.

Planifique sus vuelos en su computadora. Si le preocupan los problemas de conectividad, es una gran idea hacer sus planes de vuelo con anticipación, cuando esté de vuelta en su computadora. A continuación, mientras todavía tiene conectividad, abra la aplicación DroneDeploy en su dispositivo móvil para sincronizar los planes. Después de que los planes se sincronicen, puede salir al campo y volar, sin necesidad de conexión celular o wifi.

Traiga baterías adicionales. Si está mapeando grandes áreas (más de 40 hectáreas), las baterías son el factor limitante en la cantidad de terreno que puede cubrir. Afortunadamente, cuando la batería se agota, es muy fácil traer el dron de vuelta, intercambiar una batería nueva y seguir mapeando. Si estás en medio de una misión y ves que la batería se agota, simplemente haz clic en el botón “Inicio” para llevar el dron a casa. A continuación, cambie la batería nueva y vuelva a abrir el plan que estaba volando. El plan debe saber automáticamente dónde reiniciar la misión, pero incluso si no lo hace, puede seleccionar manualmente el punto de reinicio.

Consejo profesional: Para maximizar la eficiencia de la batería al mapear grandes áreas, haga clic en el botón “Inicio” cuando el dron esté más cerca de usted en su camino, lo que minimizará la cantidad de tiempo y la duración de la batería que pasa volando de un lado a otro para el intercambio.

¿Cómo puedo ver los datos de salud de la planta? ¿Necesito una cámara especial?
Ejemplo de un mapa NDVI

Si estás leyendo este post, lo más probable es que hayas visto uno de estos mapas rojos y verdes y hayas escuchado el término NDVI, pero es posible que tengas muchas preguntas sobre cómo usarlo.

Empecemos con lo básico. Las plantas sanas reflejan una gran cantidad de infrarrojo cercano (NIR) y luz verde y absorben una gran cantidad de luz roja. Los índices de vegetación interpretan la cantidad de luz capturada a través de diferentes longitudes de onda con el fin de aumentar el contraste en el mapa y resaltar la variabilidad de una manera que corresponde a la salud o el estrés de la planta. Diferentes índices de vegetación fueron desarrollados con diferentes propósitos y para diferentes tipos de cámaras o sensores. NDVI (Normalized Difference Vegetation Index, Rouse et al., 1973) es uno de los índices más antiguos y conocidos, y está destinado a ser utilizado con imágenes NIR.

Lo que esto significa es que si desea utilizar el índice NDVI para NDVI verdadero, necesita una cámara NIR. Sin embargo, si no tiene una cámara NIR, todavía puede utilizar un índice de vegetación para resaltar la variabilidad. De hecho, uno de los índices que encontrará en DroneDeploy, el índice VARI (Visible Atmospherically Resistant Index, Gitelson et al., 2002), está diseñado explícitamente para su uso con imágenes de espectro visible (Azul Rojo Rojo o RGB).

¿Qué hay de nuevo que debería saber?
Gestión de zonas

El mapa de Estado de la planta mostrará un alto grado de detalle, pero a veces resulta útil agregar los datos del mapa en regiones similares aplicando zonas o una cuadrícula. Esto no solo puede ayudarle a detectar visualmente las diferencias de estado entre áreas más grandes, sino que también hace que el conjunto de datos sea más fácil de usar fuera de DroneDeploy, ya sea para analizar en otro software o para introducir en equipos de ag de precisión. Obtenga más información sobre las zonas de administración.

Herramientas de recuento de plantas y recuento de soportes

La estimación de los recuentos de plantas utilizando métodos convencionales es un proceso manual que consume mucho tiempo y, dado que solo se cuentan las áreas de muestra, no le da una vista completa de su planta o conteo de soportes.

Esto es sólo una pequeña porción de un mapa con más de 400.000 plantas de tomate.

¿Cómo puedo exportar mi mapa para compararlo con mapas de rendimiento, mapas de suelo y otros datos?
Un mapa de drones puede ayudarte a decir que un área de tu cultivo está estresada, pero para entender por qué está estresado o qué significa para tu rendimiento, necesitas más información. La verdad básica es una forma importante de obtenerlo, pero también puede combinar su mapa de drones con otros conjuntos de datos, como los datos de muestra de suelo o el mapa de rendimiento del año pasado para obtener información más detallada.

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 agricultura de precisión es un sistema de gestión basado en información y tecnología para una óptima rentabilidad, sostenibilidad y protección del medio ambiente.

Hay tres elementos principales que se consideran la columna vertebral de los datos y la información, la tecnología y la gestión de decisiones de la agricultura de precisión.

Existen varias herramientas tecnológicas que se utilizan en la agricultura de precisión, como la tecnología de orientación, el sistema de posicionamiento global, los sistemas de información geográfica, el sistema de navegación por satélite global, hardware, software, muestreo de cuadrícula y sensores remotos.

Existen diferentes amenazas que atacan al sistema de agricultura de precisión debido a su conexión permanente a internet y las amenazas potenciales incluyen Robo de información, robo de recursos, pérdida de reputación y Destrucción de máquinas, por lo tanto, la agricultura de precisión requería de personas innovadoras bien calificadas y con capacidad para proporcionar soluciones prácticas a través de la información disponible.

Introducción

El concepto de Agricultura de Precisión (AP) comenzó a utilizarse a principios de los años 90 en el siglo pasado y el concepto principal fue el manejo de la variabilidad espacial en la producción de cultivos, posteriormente, incluye estudiar el papel de otros componentes de variabilidad y diferentes sectores de la agricultura. producción relacionada con el concepto de manera debida. Según la Sociedad Internacional de Agricultura de Precisión, “la agricultura de precisión es una estrategia de gestión que recopila, procesa y analiza datos temporales, espaciales e individuales y los combina con otra información para respaldar las decisiones de gestión de acuerdo con la variabilidad estimada para mejorar la eficiencia del uso de recursos, la productividad y la calidad , rentabilidad y sostenibilidad de la producción agrícola ” [ 1].

El término agricultura de precisión o agricultura ha surgido en la era reciente, lo que significa el desarrollo de redes inalámbricas y la miniaturización de los sensores para monitorear, evaluar y controlar las prácticas agrícolas.

La agricultura de precisión está más relacionada con la gestión de sitios específicos con una amplia gama de aspectos diferentes antes del cultivo hasta la cosecha, e incluye todos los cultivares de plantas como cultivos de campo y cultivos hortícolas [2]

La agricultura de precisión es un sistema de gestión basado en información y tecnología para una óptima rentabilidad, sostenibilidad y protección del medio ambiente. La agricultura de precisión o agricultura de precisión incluyen tecnologías de gestión mejoradas como detección y mapeo del suelo, monitoreo y mapeo de rendimiento, posicionamiento basado en satélites, detección remota, exploración de campos y cultivos, sistemas de información geográfica (GIS), aplicación de tasa variable (VRA) y automática. dirección [3]. Este trabajo tiene como objetivo enfocar la adopción de tecnologías de AP y su papel en la mejora de la producción agrícola.

Materiales y métodos

Se llevó a cabo una revisión sistemática de la literatura, buscando en las plataformas Web of Science, Google Scholar, AGRIS, Research Gate, Academia y Egyptian Knowledge Bank para una combinación de las siguientes palabras clave: «Agricultura de precisión», «Sensores remotos», «Tecnología de orientación», y «tecnología de tasa variable». Para esta revisión se seleccionaron los artículos más recientes que tratan de la agricultura de precisión.

Agricultura de precisión: el objetivo principal de la agricultura de precisión es ayudar a los agricultores al proporcionar información y servicios personalizados que aumentan la productividad, la rentabilidad y protegen el medio ambiente [4]. La agricultura de precisión juega un papel directo en las plataformas inteligentes desarrolladas específicas de cada país que brindan a los agricultores recomendaciones agrícolas personalizadas y relevantes para el contexto a través de sus teléfonos móviles, mientras que el sistema agrícola existente mejora a través de la agricultura de precisión, lo que ayuda a que estos servicios de asesoramiento sean más personalizables e inteligentes con el tiempo , por evalúa y mejora los sistemas actuales [5].La agricultura de precisión se está convirtiendo en un ámbito interesante para la gestión de recursos naturales como el agua, el suelo y las semillas y, al aplicar el desarrollo agrícola sostenible moderno, está llevando la agricultura a la era de la información digital. Tecnología agrícola de precisión utilizada para mejorar el rendimiento de los cultivos y proteger el medio ambiente, disminuir la lixiviación de nutrientes y, además, mejorar la incorporación de nutrientes a largo plazo por los microorganismos del suelo [6]. Además, la agricultura de precisión incluye el sector ganadero, se utiliza para mejorar la productividad de la carne y la leche [7].

¿Cuál es la importancia de la agricultura de precisión ?:

Hay diferentes problemas que enfrenta el sector agrícola y afectan la productividad de los cultivos, como enfermedades, plagas, falta de manejo del agua, manejo de productos químicos, escasez de manejo de almacenamiento y manejo de malezas, estos problemas se pueden resolver utilizando una tecnología de agricultura de precisión [8].Hoy en día, las tecnologías agrícolas de precisión tienen más interés para los agricultores de todo el mundo, especialmente en los países desarrollados, los productores de cultivos tienen más confianza en la tecnología del sector agrícola, los agricultores están aumentando su dependencia de las tecnologías de la era de la información y las industrias agrícolas están haciendo inversiones estratégicas para aprovechar las nuevas ventajas. oportunidades económicas, además, actualmente muchos agricultores están comprando tecnologías de precisión pero se enfrentan al desafío de implementar completamente tratamientos de tasa variable, por lo que, las crecientes inversiones para obtener el nuevo privilegio económico, actualmente, hay más demandas de tecnología de precisión para implementar la producción agrícola [9 ] .

Importante de la agricultura de precisión: la agricultura de precisión desempeña funciones importantes en el aumento de la productividad de los cultivos y la mejora de la calidad de la producción [10], que incluyen :

AP ofrece una contribución significativa a la producción de más cultivos para mejorar la seguridad alimentaria.
Proporcionar nuevas soluciones para mejorar la seguridad alimentaria.
Las AP apoyan el uso de impacto sostenible de diferentes recursos en el sector agrícola.
La Autoridad Palestina ha influido en las prácticas laborales y las condiciones de vida de la comunidad de agricultores y ha aumentado los nuevos modelos de agronegocios.
El sistema de megafonía permite una aplicación más precisa de insumos para el manejo de cultivos y ganado, como fertilizantes, semillas y plaguicidas, lo que reduce los costos y mejora los productos (rendimiento de los cultivos y producción de carne o leche) [11].

Hay tres factores principales que se consideran la columna vertebral de la agricultura de precisión:

Datos e información.
Tecnología.
Apoyo a las decisiones.
Por lo tanto, en el sistema de AP se combinan los tres factores para reducir los insumos, aumentar la producción de cultivos, mejorar la calidad del producto y reducir los riesgos del medio ambiente.

Hay varios impactos de la agricultura de precisión como:

Mejorar el sistema operativo de las fincas.
Protección del medio ambiente.
Seguridad social para la agricultura en riesgo.
La información realmente precisa sobre la fertilidad del suelo, la productividad de los cultivos, el suministro de agua, el cambio climático y la propagación de enfermedades y plagas es un insumo importante para el modelado, que es útil para los agricultores en la toma de decisiones para establecer las políticas adecuadas [12].

Las técnicas de AP ayudan a los agricultores en diferentes operaciones agrícolas, desde la labranza hasta la cosecha para reducir los insumos, aumentar las ganancias y proteger el medio ambiente [13], los agricultores obtienen varias ventajas mediante el uso de tecnologías de AP, que incluyen:

Aumentar la precisión de los trabajos de campo,
Velocidades de operación más altas,
Fácil manejo
Trabajando 24 h (día y noche),
Menos afectado por el clima desequilibrado,
Reducción de la fatiga del operador,
Menos tiempo de configuración,
Disminuir la superposición,
Reducir saltos,
Trabajando sin marcadores de espuma,
Costos de producción reducidos (combustible, fertilizantes, pesticidas, semillas, etc.).
En la próxima década, la guía automática podría considerarse una característica estándar para los nuevos tractores agrícolas de alta potencia; Además, en la actualidad, los tractores autónomos sin conductor se someten a pruebas insuficientes en algunos países desarrollados, especialmente en los EE.

Sin embargo, la aplicación de tecnologías de agricultura de precisión en países subsaharianos como Ruanda, Etiopía y Kenia se encuentra actualmente en una etapa incipiente debido a varias razones [14]. La práctica se ha extendido de manera eficiente a algunos países desarrollados como EE. UU., Canadá, Australia y algunos países de la UE como Alemania, Finlandia, Dinamarca y Suecia tienen cierto nivel de adopción de tecnologías de AP, el principio básico de gestión de la variabilidad del suelo y los cultivos dentro de un campo. Ciertamente no es nuevo, se informó que alrededor del 90% de los monitores de rendimiento en todo el mundo se operaron en los EE. UU. debido a que existen muchas tecnologías innovadoras.

Tecnologías de agricultura de precisión: en la actualidad, existe una tendencia creciente en los países desarrollados y en algunos países en desarrollo para aumentar la tasa de adopción de tecnologías de agricultura de precisión.

La tecnología de seguimiento del rendimiento y la tecnología de tasa variable dominaron antes tanto en los países desarrollados como en los países en desarrollo.
Mientras que los sistemas de autoguiado tuvieron más popularidad en la última década.
La nueva tecnología ha ofrecido nuevas oportunidades para brindar información adecuada para que los agricultores tomen la decisión correcta en el momento adecuado para mejorar la producción agrícola [15], estas tecnologías están ayudando a los propietarios a adaptarse a las condiciones locales y reducir los insumos, además, hay varios objetivos para estas tecnologías se incluyen la medición de parámetros específicos, sistemas globales de navegación por satélite (GNSS), recopilación de información y análisis, sistemas de asesoramiento, robótica y navegación autónoma [16]. La agricultura de precisión maximiza el rendimiento de los cultivos mediante el uso de insumos mínimos y aumenta la ganancia neta al disminuir los costos de operación, además, a través del mapeo de campos y el uso de sensores, los agricultores podrían reconocer sus cultivos durante varias etapas de crecimiento., Preservar los recursos naturales como (agua, suelo y semillas),

Los principales pasos necesarios para promover la agricultura de precisión a nivel de los agricultores:

Identificar los sitios adecuados para la promoción de la agricultura de precisión de cultivos específicos.
Conformación de grupos de trabajo que involucren a científicos agrícolas de diferentes campos, ingenieros, fabricantes y economistas para estudiar todos los objetivos de la agricultura de precisión.
Comience con un pequeño piloto de agricultura de precisión y brinde soporte técnico completo para el agricultor.
El modelo o piloto debe estar en el campo dentro de la comunidad de agricultores para mostrar el efecto positivo de las tecnologías de agricultura de precisión.
Aumentar la conciencia de los agricultores sobre los peligros de la aplicación continua de diferentes dosis de diversos insumos como fertilizantes, riego y pesticidas.
Todos estos componentes están correlacionados y son responsables del desarrollo de la agricultura de precisión a nivel del agricultor.

Herramientas de agricultura de precisión: existen diferentes tecnologías que se utilizan en PA como la tecnología de orientación, el sistema global de navegación por satélite (GNSS), los sistemas de información geográfica (GIS), el sistema de posicionamiento global (GPS) y la tecnología de reacción (RT). Además de recopilar datos precisos sobre las granjas y los componentes anteriores, la agricultura de precisión utiliza una amplia gama de herramientas tecnológicas que incluyen hardware, software y varias herramientas que incluyen:

Sistema de posicionamiento global (GPS)
Sistema de información geográfica (SIG)
Muestreo de cuadrícula
Sensores remotos (satélites y drones)
Tecnología de tasa variable (VRT)
Dispositivos móviles
Robótica
Internet de las cosas (IOT)
Modelado del tiempo
Sistemas de riego
Modelado de nitrógeno
Mapas de rendimiento
Estandarización.
Nanotecnología y agricultura de precisión: existe una correlación entre la nanotecnología y la agricultura de precisión, debido a las aplicaciones directas de la nanotecnología en la agricultura de precisión, existe una aplicación diferente prevista como nanosensores, nano fertilizantes, nanopesicidas y nanotools que apoyan la gestión precisa del sector agrícola. [18].

Existen diferentes aplicaciones de la nanotecnología en la agricultura de precisión que incluyen:

Nanobiosensores para vigilar la fertilidad del suelo.
Fertilizantes y pesticidas de liberación lenta.
Descubrimiento de la contaminación del suelo y el agua.
Manejo de enfermedades de las plantas.
Mejora de la vida útil de los productos agrícolas.
Utilice nanomateriales como reguladores del crecimiento como nanopartículas de plata.
Produce nanozeolitas para aumentar la capacidad de retención del suelo.
Sistema de suministro de agua / nutrientes mediante localización selectiva.
Incrementar la calidad de los cultivos mediante nano nutrientes.
Ventajas de la agricultura de precisión:

Mejorará la productividad agrícola y evitará la degradación del suelo en tierras cultivables, lo que dará como resultado un desarrollo agrícola sostenido.
Reducir el uso excesivo de productos químicos en la producción de cultivos.
Incrementar la eficiencia del uso de los recursos hídricos; se utilizará de manera eficiente bajo la agricultura de precisión
El GPS permite sobrevivir a los campos agrícolas con facilidad. Además, el rendimiento y las características del suelo también se pueden mapear.
Los campos no uniformes se pueden subdividir en pequeñas parcelas según sus requisitos únicos
Desventajas

Existen algunas desventajas para el sistema de megafonía por diferentes razones [19], que incluyen:

Los altos costos de capital pueden disuadir a los agricultores de no adoptar este método de cultivo [20].
Las técnicas de agricultura de precisión aún están en desarrollo y requieren el asesoramiento de expertos antes de su implementación real.
Es posible que se necesiten varios años para recopilar datos suficientes para aplicar plenamente el sistema, especialmente en los países en desarrollo [21].
Es una tarea extremadamente difícil, especialmente la recopilación y el análisis de los datos [22].
Desafíos para la agricultura de precisión

La falta de una fuerza laboral creativa representa el principal desafío de la agricultura de precisión que requería personas innovadoras bien calificadas, adaptadas con conocimientos de tecnología, capaces de utilizar e interpretar los datos y la información obtenida de las tecnologías de la era de la información para tomar decisiones de gestión inteligentes y tener la capacidad para ofrecer soluciones prácticas a través de la información recopilada disponible [23].

Hay diferentes factores que afectan la agricultura de precisión incluyen:

Conciencia,
Características de las fincas,
Personalidad y estructura familiar del agricultor.
Características del equipo,
Características de la tecnología,
Asuntos legales,
Interacción social [24].
Uno de los factores más importantes a favor de la adopción de las tecnologías de AP es el tamaño de la finca, por lo que los países con granjas amplias como Estados Unidos, Australia, Canadá, Brasil y Argentina tienden a adoptar estas tecnologías en áreas más grandes.

En los países en desarrollo, los principales desafíos para la agricultura de precisión son que la mayoría de las fincas son pequeñas y la dificultad de recopilar datos adecuados para extraer el conocimiento requerido, por lo tanto, en las condiciones de los países en desarrollo con un tamaño de finca pequeño, los agricultores deben formar grandes entidades para poder tomar ventaja de las aplicaciones de agricultura de precisión [25]. Por otro lado, diferentes países en desarrollo como India, China, Kenia, Egipto, Etiopía y Bangladesh, están comenzando desde la última década preparándose para seguir la experiencia del mundo desarrollado en agricultura de precisión y están comenzando a investigar la nueva tecnología [26]. . Actualmente,

Las amenazas para la agricultura de precisión

En el sistema de agricultura de precisión existen diferentes amenazas que atacan al sector agrícola [27], debido a:

PA conectado en línea permanentemente
PA considerada una industria intensiva en mecánica,
Hasta ahora no hay una comprensión completa de las amenazas potenciales a la agricultura de precisión, o tal vez no se trate con seriedad [28].

Las amenazas potenciales para la AP incluyen

Robo de información.
Robar recursos.
Perdiendo reputación
Destrucción de máquinas.
Unidades de memoria USB, spear-phishing, consideradas puntos débiles que permiten ciberataques maliciosos, por lo que se requiere más atención para evitar la amenaza y detener cualquier ataque rápidamente, además, las amenazas para PA incluyen cualquier elemento que tenga efectos negativos en la productividad como desastres naturales. que afectan la productividad agrícola y ganadera, ataques terroristas, avería de equipos.

Conclusión

La agricultura de precisión es un sistema de gestión planificado para reducir los insumos y maximizar la producción, mejorar la calidad del producto, aumentar la eficiencia de la energía, mantener varios recursos y proteger el medio ambiente.

Hay varias técnicas utilizadas en agricultura de precisión como sensores remotos, control de tasa variable, mapeo de rendimiento, mientras que los datos y la información, la tecnología y la gestión de decisiones se consideran la columna vertebral del sistema de agricultura de precisión. Por otro lado, existen diversas amenazas que atacan el sistema de megafonía porque la conexión permanente a Internet ofrece la posibilidad de atacar el sistema de megafonía mediante diversas amenazas como robo de información, robo de recursos, pérdida de reputación y destrucción de máquinas, además, el desastres naturales, ataques terroristas, averías de máquinas que consideradas amenazas afectan negativamente al sistema de megafonía.

Leer más