Existen presiones económicas en curso en la agricultura de producción para aumentar el rendimiento de los cultivos. Sin embargo, la producción de alto rendimiento de grano tiene el costo de aplicar cantidades significativas de diversos insumos agrícolas, es decir, nutrientes, pesticidas e irrigación. En los sistemas agrícolas tradicionales, los productores intentan aplicar estos insumos a una tasa uniforme en un campo determinado. Sin embargo, debido a la variabilidad espacial inherente en los campos, no todas las áreas pueden requerir los mismos niveles de entrada. Aunque la variabilidad espacial y temporal de los factores limitantes del rendimiento discutidos anteriormente ha sido reconocida durante mucho tiempo (Rennie y Clayton, 1960; Malo y Worcester, 1975; Robert et al., 1990), los agricultores continuaron manejando sus campos de manera uniforme porque carecían de la tecnología para gestionar la variabilidad.
Presentación de la conferencia
Reproduce el video
Mostrar transcripción
Agricultura de precisión: una introducción y desafíos para la adopción
Existen presiones económicas en curso en la agricultura de producción para aumentar el rendimiento de los cultivos. Sin embargo, la producción de alto rendimiento de grano tiene el costo de aplicar cantidades significativas de diversos insumos agrícolas, es decir, nutrientes, pesticidas e irrigación. En los sistemas agrícolas tradicionales, los productores intentan aplicar estos insumos a una tasa uniforme en un campo determinado. Sin embargo, debido a la variabilidad espacial inherente en los campos, no todas las áreas pueden requerir los mismos niveles de entrada. Aunque la variabilidad espacial y temporal de los factores limitantes del rendimiento discutidos anteriormente se ha reconocido durante mucho tiempo ( Rennie y Clayton, 1960 ; Malo y Worcester, 1975; Robert et al., 1990), los agricultores continuaron manejando sus campos de manera uniforme porque carecían de la tecnología para manejar la variabilidad. Con la introducción de nuevas tecnologías de agricultura de precisión, como los sistemas de posicionamiento global (GPS), los sistemas de información geográfica (GIS), la teledetección y la tecnología de aplicación de tasa variable (VRT), los agricultores ahora tienen la capacidad de administrar el sitio de sus campos específicamente.
A medida que más productores conocen la tecnología de la agricultura de precisión, se preguntan cómo la agricultura de precisión puede mejorar su productividad y rentabilidad. La industria promueve la aplicación de fertilizantes de dosis variable como una forma de aumentar la eficiencia y mejorar la producción. Desde el punto de vista ambiental, parece correcto variar la cantidad de fertilizante en relación con las necesidades del cultivo ( Verhagen et al., 1995 ); sin embargo, esto no atraerá a los agricultores a menos que se pueda demostrar la ganancia económica de VRT.
Los productores tienen experiencia limitada con esta nueva tecnología y equipo y necesitan información imparcial para determinar si VRT es una opción factible para sus operaciones agrícolas individuales. Los objetivos de este Libro Blanco son revisar los desafíos que enfrenta la agricultura de precisión y presentar nuevas herramientas para abordar estos desafíos y permitir que los agricultores utilicen mejor estas soluciones efectivas para los altos costos de fertilizantes y los bajos precios de los productos básicos.
Aplicación de tasa variable: mapas de prescripción y muestreo de suelo en cuadrícula
Los estudios a nivel de campo han demostrado que el C orgánico, el N total y el NO 3 -N tienen dependencia y variación espacial ( Cambardella et al., 1994 ). Usando la relación de pepita a la semi varianza total para clasificar la dependencia espacial, el C orgánico, el N total y el NO 3 -N fueron fuertemente dependientes espacialmente. Otros estudios han concluido que la absorción de N y la respuesta de los cultivos al N varía espacialmente dentro de los campos ( Malzer, 1996 ; Dampney y Goodlass, 1997 ). Welsh y col. (1999) informaron aumentos significativos en el rendimiento en los que se aplicó un 30% más de N adicional a partes del campo históricamente más productivas. Kachanoski y col. (1996)demostraron que los niveles óptimos de fertilización con N tienen variabilidad espacial. El aumento de rendimiento máximo y el aumento de rendimiento económico sobre el rendimiento de control sin N aplicado se correlacionaron fuertemente con el rendimiento económico espacialmente óptimo de N (r = 0,70 a 0,88). Las tecnologías de aplicación de dosis variable permiten a los agricultores ajustar las dosis de N para reflejar estas variaciones.
Los mapas de prescripción precisos son esenciales para la aplicación efectiva de fertilizantes VRT N ( Sawyer, 1994 ; Ferguson et al., 1996 ). El muestreo de suelo en cuadrícula se ha utilizado con mayor frecuencia para desarrollar estos mapas de prescripción ( Mueller et al., 2001 ). Investigaciones anteriores han indicado varias limitaciones técnicas y económicas asociadas con este enfoque. Es necesario mantener el número de muestras al mínimo y, al mismo tiempo, permitir un nivel razonable de calidad del mapa.
Sin embargo, Gotway et al. (1996) encontraron que la densidad de red óptima puede depender del coeficiente de variación. En muchos casos, donde la distribución espacial es bastante compleja, se requieren densidades de cuadrícula mucho más finas que las que se utilizan actualmente comercialmente para producir mapas de prescripción precisos. Mueller y col. (2001) indicaron que una escala de muestreo de cuadrícula comercial común de 100 m era extremadamente inadecuada y que el muestreo a intensidades mayores solo mejoró modestamente la precisión de la predicción, lo que no justificaría el aumento en el costo de muestreo. Sus datos sugieren que el uso de los valores de fertilidad promedio de campo en su campo de investigación no fue sustancialmente peor que el muestreo de cuadrícula. Schloeder y col. (2001)demostraron que la interpolación espacial de datos muestreados en cuadrículas con un tamaño de muestra limitado (n = 46) era en su mayoría inapropiada. Para la mayoría de sus conjuntos de datos, la incapacidad de predecir podría atribuirse a datos espacialmente independientes, datos limitados, espaciado de muestra, valores extremos o comportamiento errático. Whelan y col. (1996) informaron que en campos con menos de 100 muestras solo son apropiados métodos geoestadísticos muy simples, como la distancia inversa. Se necesitan tamaños de muestra de 100 a 500 para métodos geoestadísticos como el kriging. Kravchenko y Bullock, (1998)estudió varias técnicas de interpolación, como kriging ordinario, kriging lognormal y ponderación de distancia inversa, y descubrió que los mejores métodos geoestadísticos a utilizar dependían de propiedades espaciales únicas en cada campo y no podían predecirse por adelantado. McBratney y Pringle, (1999) informaron que el muestreo en cuadrícula de 20 a 30 m generalmente es necesario cuando se aplica un manejo específico del sitio a una resolución de 20 por 20 m.
Como puede verse, ningún tamaño de cuadrícula o técnica de interpolación describe adecuadamente la variabilidad que existe en campos de una población diversa. Si no se toman muestras con una resolución lo suficientemente fina como para capturar la correlación espacial en los datos de nutrientes de los cultivos, los métodos de interpolación y los mapas de aplicación desarrollados a partir de esos métodos no serán válidos ni precisos ( Reich, 2000 ). Sin embargo, el costo asociado con el muestreo de cuadrícula a la intensidad requerida para mapas precisos será prohibitivo en muchos casos.
La implementación de una gestión agrícola y ambiental sostenible requiere una mejor comprensión del suelo a escalas cada vez más finas para la agricultura de precisión (Adamchuk et al. 2010). El muestreo de suelo convencional y los análisis de laboratorio no pueden proporcionar esta información porque requieren mucho tiempo y son costosos. La teledetección del suelo puede superar estas deficiencias porque las técnicas facilitan la recopilación de grandes cantidades de datos espaciales utilizando técnicas más baratas, sencillas y menos laboriosas. La espectroscopia de reflectancia difusa que utiliza energías del infrarrojo cercano visible (vis-NIR) y del infrarrojo medio (IR medio) puede utilizarse para estimar el carbono orgánico del suelo (OC) y la composición de nutrientes del suelo (Stenberg et al. 2010). Estos sensores miden la cantidad de luz que se refleja difusamente del suelo después de que la radiación que contiene todas las frecuencias correspondientes lo ilumina. Los valores de los parámetros no se pueden descifrar directamente de los espectros vis-NIR o mid-IR. Para que sean útiles cuantitativamente, los espectros deben estar relacionados exactamente con un conjunto de muestras de referencia conocidas mediante la calibración de un modelo de predicción, y estas muestras de referencia deben ser representativas del rango de suelos para el que está destinado el modelo. Algunas de las inexactitudes de las calibraciones pueden deberse a la falta de características de absorción suficientes, particularmente en el vis-NIR, y a la gran diversidad de tipos de suelo en los conjuntos de calibración. Al explicarlos e identificarlos, lograremos la máxima capacidad de generalización para la calibración de una propiedad particular del suelo.
Mejores herramientas para VRT: detección remota del suelo
Debido a las limitaciones técnicas y económicas asociadas con el muestreo del suelo de la red descritas anteriormente, se necesitan mejores herramientas para realizar plenamente el potencial que las tecnologías VRT pueden proporcionar. El programa de Persistence Data Mining utiliza sensores remotos del suelo para proporcionar las nuevas y poderosas herramientas necesarias para mejorar la adopción de la agricultura de precisión en la actualidad.
La teledetección es una tecnología que se puede utilizar para obtener varias capas espaciales de información sobre las condiciones del suelo y los cultivos (Adamchuk et al., 2003). Permite la detección y / o caracterización de un objeto, serie de objetos o paisaje sin contacto físico. Normalmente, la detección remota se lleva a cabo colocando un sensor sobre el objeto (objetivo) que se está observando. Las plataformas que soportan los sensores varían, dependiendo de la altitud sobre el objetivo. Hoy en día se utilizan tres plataformas de observación principales para recopilar datos de teledetección: basados en UAV, basados en aviones y basados en satélites. Los sensores terrestres también se han utilizado para determinadas aplicaciones y estudios de investigación específicos.
Los sensores comúnmente utilizados para la teledetección son parte de sistemas pasivos o activos. Los sistemas activos, como el radar, suministran su propia fuente de energía para iluminar las superficies de los objetivos. Los sistemas pasivos, como una cámara fotográfica común, detectan la energía solar reflejada. Aunque se han desarrollado varios conceptos que involucran sistemas activos a nivel de investigación, principalmente los sistemas pasivos se utilizan en aplicaciones comerciales relacionadas con la gestión de sitios específicos.
Durante la última mitad del siglo, la instrumentación de teledetección pasó de sistemas ópticos simples a sensores digitales complejos, lo que permitió un escaneo rápido y de alta calidad de la superficie de la Tierra. Se han desarrollado algoritmos de computación para procesar datos de teledetección y producir diferentes tipos de imágenes. Las resoluciones espaciales, espectrales y temporales son las principales características de cualquier sistema de teledetección.
La resolución espacial se refiere al área más pequeña (píxel) que se puede distinguir en la imagen. Cada píxel se convierte en un punto de datos. Al igual que con la fotografía, la distancia entre el sensor y el objetivo, así como el ángulo de visión, define el campo de visión (es decir, el tamaño del área representada por una sola imagen o escaneo). La mayoría de las imágenes y los conjuntos de datos utilizados en la gestión de un sitio específico tienen resoluciones espaciales que van desde menos de 1 metro hasta 20 metros o más. El tamaño de píxel más pequeño suele ser más caro y requiere más espacio de almacenamiento y potencia de cálculo.
La resolución espectral define la capacidad del sistema para diferenciar entre niveles de radiación electromagnética en diferentes longitudes de onda (porciones del espectro). El número de porciones detectadas del espectro (bandas) y su ancho también caracterizan la resolución espectral del sistema. Algunos sensores (especialmente fotográficos) producen solo imágenes infrarrojas en color, en blanco y negro o en color, mientras que otros permiten registrar respuestas multiespectrales (normalmente menos de 10) o hiperespectrales (pueden ser más de cien). Las imágenes pancromáticas también se pueden utilizar para representar la reflectancia total combinada de bandas visuales e infrarrojas cercanas
Especificaciones de detección remota del suelo
La plataforma Persistence Data Minings utiliza imágenes hiperespectrales de detección remota para mapear nitrógeno, fósforo, potasio, materia orgánica y pH con un sensor remoto constantemente calibrado. La tecnología crea inicialmente un mapa de índice elemental de diferencia normalizada (NDEI) a partir de las imágenes. El NDEI relaciona la reflectancia en la región del infrarrojo cercano (NIR) y
infrarrojo de onda corta (SWIR) para determinar la concentración de nitrógeno total, fósforo, potasio, materia orgánica y pH. Luego, se desarrolla un mapa de potencial de rendimiento espacial a partir de los datos del NDEI. Las imágenes del suelo obtenidas por teledetección pueden ofrecer una alternativa atractiva al uso de métodos estándar de muestreo del suelo. Los mapas de prescripción de detección remota no se ven afectados por las imprecisiones inherentes al procesamiento de laboratorio químico húmedo. En las pruebas de campo, reduce la respiración del suelo, lo que cambia la composición química en el transporte y procesamiento. El análisis de correlación muestra una reducción significativa en el error del usuario en relación con el cuidado de las muestras y la metodología de toma de muestras. Los datos de imágenes permiten la uniformidad del muestreo en todos los tipos de suelo y texturas en un proceso de labranza posterior. Las ecuaciones de regresión derivadas que se utilizan para estimar las concentraciones de nutrientes del suelo también tendrán el potencial de predecir los micronutrientes para aplicaciones de fertilizantes más precisas. Ferguson y col. (2004) sugieren que caracterizar con precisión el potencial de rendimiento dentro de un campo y, por lo tanto, la demanda espacial de N es necesaria para el manejo de N específico del sitio.
Minería de datos de persistencia, recomendaciones espaciales de N, P, K y el futuro
A partir de los datos de sensores remotos del suelo, Persistence Data Mining desarrolla mapas de aplicación de nitrógeno (N), fósforo (P) y potasio (K) de tasa variable. El usuario ingresa las ecuaciones de recomendación N, P y K apropiadas para su área.
Se pueden lograr ahorros en fertilizantes de $ 15.00 a $ 40.00 + por acre utilizando este sistema, así como aumentos de rendimiento del 10 al 13 por ciento. El sistema también es ambientalmente efectivo para reducir la aplicación excesiva de fertilizantes que conduce a la escorrentía y la lixiviación al agua subterránea. Mediante la combinación de un conjunto eficaz de procedimientos bien investigados y documentados, Persistence Data Mining ha desarrollado un sistema de gestión de fertilizantes líder en la industria que puede comenzar a utilizar plenamente el vasto potencial de VRT.
La mercantilización en el sector minorista agrícola está creando un entorno cada vez más plano, la oportunidad de reemplazar los débiles márgenes netos que generan las materias primas con sistemas creativos de valor agregado como Persistence Data Mining con sólidos márgenes netos es prometedora. Una forma en que las empresas pueden tener éxito en un entorno plano es capacitando a sus clientes con tecnologías eficaces. Aquellos que pueden crear valor a través del liderazgo, la colaboración y la creatividad transformarán la industria y fortalecerán sus relaciones con sus clientes existentes. Los últimos veinticinco años en tecnología han sido solo el acto de calentamiento, ahora vamos a entrar en el evento principal, una era en la que la tecnología transformará todos los aspectos de los negocios, todos los aspectos de la vida y todos los aspectos de la sociedad (TL Friedman , 2015).