Categoría: Uncategorized

Recientemente asistí al Iowa Power Farming Show y una de las tecnologías que presenté en una publicación en nuestro blog hermano Precision Pays fue la nueva tecnología SMS Mobile Technologies de Ag Leader . Como resultado, me pidieron que escribiera una publicación de invitado para Broadband for America . Me preguntaron si podía escribir un blog sobre cómo la tecnología de banda ancha realmente ha cambiado la forma en que la agricultura hace negocios. La agricultura de precisión no solo ha facilitado un poco la agricultura, sino que también la ha hecho un poco más rentable. Ahora, con Internet, la agricultura de precisión puede dar un paso más.

Con su permiso, estoy reimprimiendo el artículo aquí .

BfA_logoPara mi madre, que creció en una granja en Iowa, era difícil imaginar hasta qué punto la tecnología haría avanzar la agricultura en tan poco tiempo. Por ejemplo, la introducción de la banda ancha sería una grata sorpresa para muchos. Es difícil imaginar la vida sin acceso a Internet; sin embargo, en el pasado, los que vivían en las zonas rurales de Estados Unidos no tenían tanto acceso como los que vivían en las zonas urbanas. Afortunadamente, esto está cambiando. Según Pew Internet, los adultos que viven en las zonas rurales de Estados Unidos han visto crecer el uso de alta velocidad del 38% en 2008 al 46% en 2009. Muchos de estos adultos son agricultores.

Con la introducción de la banda ancha también vino la introducción de muchas tecnologías de agricultura de precisión. Por ejemplo, la nueva tecnología móvil SMS de Ag Leader ayuda a los agricultores a obtener información importante. La tecnología está diseñada para ejecutarse en su Mesa Rugged Notepad portátil y proporciona una plataforma para que los agricultores recopilen información como análisis de suelo, registros de exploración y documentación de ensayos de prueba. Con la ayuda de una red de banda ancha inalámbrica, los agricultores pueden transferir instantáneamente los datos a su software de escritorio SMS. Los datos se pueden combinar con datos anteriores y llevar su manejo de cultivos a otro nivel, un nivel que está diseñado para mejorar su rentabilidad.

Si bien esta tecnología se encuentra todavía algo en su infancia, el acceso a las comunicaciones inalámbricas ha ofrecido posibilidades que antes no se creían posibles. La agricultura de precisión está aprovechando al máximo esta tecnología. Cada año, la integración de datos y los programas son más efectivos y fáciles de usar a medida que aumenta la adopción entre los productores.

Según Tim Murphy, en un artículo de 2002, “ Máximos y mínimos de la conexión de banda ancha en las zonas rurales de América ”, el censo encontró que la mitad de las granjas del país estaban conectadas a Internet de alguna manera, ya sea a través de banda ancha o por discado. En 2007, el porcentaje de granjas conectadas aumentó al 56,5 por ciento. A medida que la agricultura de precisión alcance la mayoría de edad, espero ver un mayor crecimiento en la adopción de la banda ancha en las zonas rurales de Estados Unidos. ¿Por qué? Porque la banda ancha y la agricultura de precisión, juntas, están ayudando a cambiar el rostro de la agricultura de una manera positiva y rentable.

Leer más

Los mapas de prescripción son imprescindibles para aplicaciones de dosis variables. Y si el mapeo se torna más accesible en términos económicos con el uso de drones, su difusión será masiva.

Jorge Freites 80x80Los_drones_definen_el_futuro_del_control_de_malezas02Por Jorge Freites
El costo total de la lucha contra las malezas resistentes en Argentina se estima en U$S 1.300 millones anuales, según la compañía ADAMA. En el agro nacional ya se contabilizan 21 biotipos resistentes de 14 especies de malezas (9 gramíneas y 5 latifoliadas). El problema se agrava porque últimamente aparecieron biotipos resistentes a dos principios activos y modos de acción: glifosato y graminicidas FOP.

La lucha contra las malezas resistentes debe realizarse con herramientas ajustadas al desafío que se enfrenta. Una de ellas, combinada con las prácticas agronómicas, es la utilización de drones.

Costos del mapeo

La aplicación de herbicidas transita la era de las dosis variables. Son efectuadas por pulverizadoras que trabajan asistidas por mapas de prescripción. Para elaborarlos, la aparición de los drones y su empleo masivo será determinante. Ya se comercializan drones con el software específico para hacer los mapeos.

De ahora en más, el costo comparativo entre aplicaciones con mapas de prescripción y las aplicaciones tradicionales será el factor decisivo. A medida que los sistemas de mapeo mediante drones se vuelvan más accesibles económicamente, su uso se difundirá ampliamente. Como ya publicó MaquiNAC, un estudio del Instituto de Ingeniería Rural (IIR) del INTA determinó la conveniencia económica de los drones en el control de malezas (ver informe).

Otros usos
Además de identificar malezas y producir prescripciones de aplicación de herbicidas, los drones se están utilizando en el mundo para:

Monitorear la calidad de siembra de un cultivos.
Evaluar la superficie afectada por vuelco.
Identificar efectos de plagas, enfermedades y estrés hídrico.
Un proyecto que se perfila en el ámbito internacional es identificar malezas en tiempo real e integrar el uso de drones con plataformas autónomas y robotizadas, para tratar los cultivos también en tiempo real.

Oferta
En el mercado argentino, varias empresas ofrecen los servicios que aportan los drones.

D&E
FotoAérea
Geosistemas
G&D
Ripear
Runco

Leer más

La agricultura en un sitio específico está haciendo lo correcto en el lugar correcto en el momento correcto. Los sistemas agrícolas específicos del sitio pueden ser tan simples o complejos como lo requiera el agricultor o el proveedor de insumos agrícolas.

Los beneficios económicos para el productor de las tecnologías específicas del sitio dependen de las herramientas utilizadas y la escala del sistema. Las herramientas de guía vinculadas al GPS y las ubicaciones con identidad preservada (IP) son escalas de campo completo. El uso de monitores de rendimiento, muestreo de suelo de zona, fertilizante de dosis variable o siembra de dosis variable se realiza dentro de la escala del campo.

Los efectos económicos y ambientales generalmente no están relacionados. Sin embargo, debido a las futuras políticas gubernamentales, la economía y los efectos ambientales de la agricultura están más conectados hoy que en el pasado.

Foto de Dave Franzen, NDSU

El agua superficial puede verse afectada negativamente por una gestión deficiente de los fertilizantes nitrogenados y fosfatados. (Dave Franzen, NDSU)

Guía de tractor / vehículo vinculado a GPS
Los sistemas de guía vinculados al GPS pueden reducir la superposición de fertilizantes / plaguicidas durante la aplicación, aumentar la velocidad de las operaciones, ofrecer una mayor flexibilidad en la calidad del trabajo, extender la jornada laboral y dar como resultado una ubicación de insumos más óptima (Griffin et al., 2008). En un estudio de caso de sistemas de orientación, Griffen et al. (2008) encontraron que una jornada laboral extendida de tres horas con un tractor guiado resultó en un retorno adicional de $ 1.63 / acre.

Los sistemas de guía también ayudaron a plantar los campos de la manera más eficiente con una superposición mínima, reduciendo el tiempo de la sembradora en un 30 por ciento, estimando una superposición del 10 por ciento con la sembradora, el aplicador de fertilizante o el aplicador de pesticidas en aerosol, pero la superposición se redujo al 0.5 por ciento utilizando el sistema de guía.

El tiempo ahorrado con el uso de la guía del tractor podría usarse para terminar la siembra antes, lo que en el maíz se ha demostrado que aumenta el rendimiento en un bushel / acre por día, o el tiempo adicional podría considerarse en la decisión de cultivar más acres.

La superposición es posible entre pasadas (22 pasadas en un campo cuadrado de 40 acres con un 10 por ciento de superposición en filas de 30 pulgadas de aproximadamente 0.5 acre superpuestas por campo) y también en cada extremo del campo (1,320 pies con 6 pies de superposición en los extremos da como resultado una superposición de aproximadamente 0.36 acres en un campo de 40 acres). La superposición total en un campo cuadrado es típicamente de aproximadamente 0,86 acres, o aproximadamente un 2 por ciento adicional de semillas, fertilizantes y pesticidas necesarios.

El uso de estos sistemas para reducir la superposición daría como resultado un ahorro de costos de insumos de $ 1 / acre para la soja, $ 2 / acre para frijoles secos, $ 2.50 / acre para trigo (Swenson y Haugen, 2009) y más de $ 4 / acre para maíz y azúcar. remolacha.

En los campos que no son cuadrados o tienen características internas que obligan a los agricultores a cultivar a su alrededor, como pilas de rocas, baches de agua y cursos de agua, la superposición puede aumentar los insumos hasta en un 15 por ciento. Una encuesta reciente de granjas estadounidenses realizada por el Departamento de Agricultura de EE. UU. Indica un 2,5 por ciento más de ganancias para los agricultores que utilizan sistemas de guía GPS, en comparación con los agricultores que no utilizan la guía GPS (Schimmelpfennig, 2016).

Desde el punto de vista medioambiental, la reducción de la superposición tiene la ventaja de reducir la carga total de fertilizantes y pesticidas en aproximadamente un 2 por ciento en campos cuadrados y más en campos de formas irregulares, campos con hileras de puntos y campos con baches u otras características internas que requieren conducir.

Hay disponibles cierres de pulverizadores individuales controlados por GPS. Eliminan la superposición en áreas de formas extrañas al rociar pesticidas o fertilizantes líquidos.

El control de franjas (Shockley et al., 2008) redujo los costos de insumos mucho más que los sistemas de guía por sí solos en campos de límites irregulares. Los ahorros en fertilizante solo debido a los cierres de boquillas individuales oscilaron entre $ 24 y $ 32 / acre.

Identidad preservada (IP)
Los mapas GPS y GIS se utilizan en la contratación y comercialización de granos de propiedad intelectual (North Dakota State Seed, 2008). Debido a que las operaciones de campo guiadas por GPS también están vinculadas con las ubicaciones de GPS dentro de cada límite de campo, GIS brinda la oportunidad de crear un registro de operaciones de campo para cada campo de IP.

Las primas para ciertos cultivos se otorgan a través de contratos que oscilan entre $ 1 y $ 2 / bushel para la soja no transgénica. Dahl y Wilson (2002) ofrecen un análisis de la propiedad intelectual en Dakota del Norte.

Desde el punto de vista medioambiental, mantener registros GPS de la aplicación de pulverización ayuda a verificar la aplicación. Esta información es particularmente importante cuando se aplican plaguicidas de uso restringido.

Además, la información del GPS con respecto a una aplicación de rociado puede ser extremadamente útil en litigios por deriva de rociado o volatilidad de rociado (a favor y en contra de un demandante), así como para dirigir el rociador a la ubicación correcta del campo y evitar la aplicación en el campo y cultivo incorrectos. Evitar una sola carga de pesticida o fertilizante aplicado en el campo equivocado puede resultar en ahorros para el aplicador de unos pocos a muchos miles de dólares.

Fertilizante de tasa variable
El propósito del fertilizante de dosis variable es colocar el fertilizante donde se necesita. Uno pensaría que existirían muchos ejemplos de rentabilidad con el uso de fertilizantes de dosis variable.

En un proyecto de tres estados realizado en Dakota del Norte, Montana y Minnesota entre 2000 y 2003, los campos se dividieron en parcelas de dosis variable y uniforme con respecto al fertilizante de nitrógeno (N). Un análisis económico de los campos encontró que al utilizar las recomendaciones de fertilizantes disponibles en ese momento en un enfoque de zona, el N de dosis variable no proporcionó ninguna ventaja económica, en comparación con el N de dosis uniforme dirigido por una prueba de suelo compuesta (Haugen y Aakre, 2005) .

Estos resultados estimularon la investigación para actualizar las recomendaciones de N basadas en nuestra capacidad actual para variar las tasas dentro de los campos. En Montana, la investigación mostró rápidamente que las áreas con mayor materia orgánica en pendientes más bajas no respondieron al N; esto significaba que se requería un mínimo de N suplementario, incluso si los niveles de N del suelo eran bajos. En contraste, las áreas de menor rendimiento en las cimas de las colinas y las laderas erosionadas requerían más N por bushel productivo de lo que se esperaba anteriormente.

Las recomendaciones actuales de fertilizantes en Dakota del Norte no son fórmulas basadas en el rendimiento porque la investigación indica que se requieren tasas similares de nutrientes tanto si un cultivo se cultiva en un ambiente de bajo rendimiento como en un ambiente de alto rendimiento. Esto se debe a la baja eficiencia de absorción de nutrientes y la baja disponibilidad en suelos muy secos o muy húmedos, en comparación con la alta eficiencia de absorción de nutrientes y disponibilidad en entornos de alto rendimiento.

La siguiente página es un estudio de caso de un campo de 40 acres cerca de Valley City, Dakota del Norte, que se examinó específicamente en el sitio durante aproximadamente 10 años.

Economía ambiental
En el caso de estudio de Valley City, el uso de la aplicación de N en dosis variable redujo el N en las Zonas 1 y 2. Si el cultivo no usó el N, ¿adónde fue?

El ciclo N es complejo. Aproximadamente la mitad del fertilizante N, en el mejor de los casos, se destinó a la cosecha de trigo y el resto de la absorción del trigo fue del suelo y la liberación de N residual.

Además, parte del fertilizante fue secuestrado al menos temporalmente en biomasa microbiana o compuestos intermedios de materia orgánica; sin embargo, se aplicó menos a las Zonas 1 y 2 en el sistema de tasa variable que en el sistema N uniforme.

La limpieza de nitratos documentada en Khan y Spalding (2004) costó alrededor de 16 centavos / 1,000 litros por aproximadamente 12 partes por millón (ppm) de agua subterránea para reducirse por debajo de 10 ppm en un municipio de Nebraska. Esto es aproximadamente 16 centavos / 2 gramos de N. Si la cantidad de N que ingresa a un acuífero de agua subterránea contribuyó a niveles de nitrato superiores a 10 ppm (el estándar máximo de agua potable de la Agencia de Protección Ambiental de EE. UU.), Entonces la limpieza de 500 libras de N que ingresó el acuífero sería de $ 18,160.

Además, la Zona 1 es un área húmeda, con desnitrificación en años húmedos y mineralización significativa de N en otros años. El N adicional aplicado a la Zona 1 desnitrificará. Además, el N adicional aplicado a las Zonas 3 y 4 tiende a fluir hacia la Zona 1 a través del flujo de agua subterránea y luego se desnitrifica.

Si 10 libras de N / acre de las Zonas 3 y 4 fluyeran hacia esta área y 50 libras de N / acre también se desnitrificaron después de la aplicación dentro de la Zona 1, se desnitrificaría un total de 420 libras de N en el campo.

Debido a que el óxido nitroso se clasifica 310 veces más activo que un gas de efecto invernadero, en comparación con el dióxido de carbono (CO2), la pérdida efectiva de CO2 sería de 130.200 libras o 65 toneladas. Las ganancias o pérdidas de carbono de un campo no tienen valor económico; el programa Chicago Carbon Exchange se suspendió en 2010.

CASO DE ESTUDIO
Los componentes de la superficie cultivada de cada zona (Figura 1) son:

Zona 1 : depresiones, 4,5 por ciento de materia orgánica, suelos mal drenados, 3 acres;
Zona 2 de baja productividad : cimas de crestas arenosas o arcillosas, 2,5 por ciento de materia orgánica; baja productividad; 10 acres
Zona 3 – suelos francos de alto rendimiento, 3.5 por ciento de materia orgánica con horizonte subsuperficial argílico que limita la lixiviación; alta productividad; 16 acres
Zona 4 – suelos francos de mayor rendimiento, 4 por ciento de materia orgánica con horizonte subsuperficial argílico; 11 acres

El valor de muestra compuesto de nitrato-N de caída es 40 libras de N por acre después de la cebada. Usando la calculadora de N de trigo de primavera en www.ndsu.edu/pubweb/soils/wheat/, a $ 5 por bushel para el trigo de primavera y 40 centavos para los costos de N, productividad media, la tasa de N para el campo de 40 acres sería:

50 libras de N / acre, para un N total requerido de 2,000 libras

Un muestreo de zona para nitrato-N residual dio como resultado los siguientes valores de nitrato-N:

Zona 1 – 20 libras de N por acre
Zona 2 – 30 libras de N por acre
Zona 3 – 40 libras de N por acre
Zona 4 – 60 libras de N por acre

Tasas variables para zonas basadas en la calculadora de N, $ 5 por bushel de trigo de primavera, 40 centavos de N:

Zona 1 – 10 libras de N / acre (30 libras de N para toda la zona)
Zona 2 – 0 libras de N / acre
Zona 3 – 130 libras de N / acre antes de plantar (2080 libras de N para toda la zona)
Zona 4 – 110 libras de N / acre antes de la siembra (1,210 libras de N para toda la zona)
N total usado – 3,320 libras

Con base en la ecuación de respuesta del rendimiento del trigo de primavera para los campos orientales de productividad media y sin labranza a largo plazo, se esperaría lo siguiente con cada sistema:

N uniforme: 13,8 por ciento de proteína, 47 bushels por acre
N de tasa variable:

Zona 1 – 14 por ciento de proteína, 30 bushels por acre
Zona 2 – 14% de proteína, 30 bushels por acre
Zona 3 – 14.5 por ciento de proteína, 62 bushels por acre
Zona 4 – 14.5 por ciento de proteína, 65 bushels por acre
Rendimiento promedio – 52 bushels por acre acre
Promedio de proteína – 14.3 por ciento

Económicamente, el costo de N a 40 centavos por libra es:

$ 800 por uniforme
$ 1,328 por variable más $ 40 por una aplicación adicional de barra de flujo
Costo total de tarifa variable – $ 1,528

Devolución para aplicación uniforme:

47 bushels por acre al 13.8 por ciento de proteína
X $ 4.95 por bushel = $ 9,306
Menos costo de N – $ 8,506

Devolución por aplicación de tasa variable:

52 bushels por acre al 14.5 por ciento de proteína
X $ 5.10 por bushel = $ 10.608
Menos costo de N y cargo de aplicación adicional – $ 9.080

Rentabilidad de la aplicación de N de tasa variable
: $ 574 para un campo de 40 acres

Rentabilidad por acre versus aplicación uniforme – $ 14.35

Ambientalmente, el N residual esperado sería mayor en las zonas 1 y 2 para la aplicación uniforme, en comparación con las dosis de aplicación de tasa variable.

En un estudio de Colorado, Koch et al. (2004) encontraron en el maíz de regadío que el N dirigido por la zona requería de 6 a 46 por ciento menos N, y los rendimientos netos oscilaron entre $ 7 / acre y $ 11.60 / acre para la práctica. En la encuesta del USDA a agricultores de EE. UU., El uso de fertilizantes de tasa variable resultó en un 1,1 por ciento más de retorno para los agricultores que usaban la tecnología que aquellos que no la usaban (Schimmelpfennig, 2016).

En el Valle del Río Rojo de Dakota del Norte y Minnesota, la aplicación de fertilizante de tasa variable se utilizó en casi el 54 por ciento de los acres de remolacha azucarera, con el promedio de 10 años de ganancia por acre del uso de la aplicación de fertilizante de tasa variable (principalmente N) de $ 47,24. (Datos proporcionados por American Crystal Sugar, 2017).

Figura 1

Figura 1. Un campo de 40 acres cerca de Valley City, Dakota del Norte Las zonas se desarrollaron utilizando Erdas Imagine © para estratificar y agrupar datos de topografía, imágenes de satélite y conductividad eléctrica del suelo (EC). (Dave Franzen, NDSU)

Siembra de tasa variable
Muchos productores están interesados ​​en variar la tasa de siembra en campos de suelo variable. La idea parece sensata. Una población de plantas demasiado alta en la mayoría de los cultivos en suelos secos es perjudicial en años secos. Sin embargo, el trabajo en el cinturón del maíz ha demostrado que, a pesar de lo que los productores creen saber, las poblaciones de plantas óptimas de los híbridos de maíz modernos se encuentran en un rango muy estrecho de aproximadamente 26,000 a 30,000 plantas / acre . (Doerge).

Este rango asume que el maíz emergerá de manera similar en todos los suelos, lo cual no es cierto. Los recuentos de rodales de cosecha muestran una amplia gama de variabilidad. A pesar de que el campo se sembró a una tasa uniforme, eso no significa que el campo sea uniforme.

La empresa de semillas hace hincapié en la uniformidad de las semillas y el éxito del establecimiento de los rodales. Sin embargo, existe una relación entre la densidad del rodal y el rendimiento final, lo que indica que el rendimiento relativo dentro de un campo podría ser un factor para dirigir una operación de siembra de tasa variable (Jeschke et al., 2018).

Beneficios ambientales adicionales
Una revisión de Bongiovanni y Lowenberg-Deboer (2004) describió un conjunto de hallazgos de los investigadores sobre los beneficios ambientales para la gestión de campos en sitios específicos. Éstas incluyen:

Menos N perdido al medio ambiente y mayor eficiencia en el uso de nitrógeno
Menos pérdida de N en zonas vulnerables a la lixiviación
Tarifas N reducidas
Predicción más precisa del potencial de contaminación por P
Reducción del movimiento de P en aguas superficiales
Hace tiempo que se reconoce el potencial de la agricultura en sitios específicos para aumentar la rentabilidad y disminuir las preocupaciones ambientales. Recientemente, los estudios han demostrado que con las recomendaciones de fertilizantes actualizadas, el uso de fertilizantes específicos del sitio a menudo es rentable.

Contribuyen a la rentabilidad los mayores costos de los insumos de fertilizantes. También se han demostrado una serie de beneficios ambientales debido a la mejor ubicación de los nutrientes y la menor necesidad de que los productores agreguen tasas de fertilizantes “seguros” en los campos.

La limpieza excesiva de nitratos en las aguas subterráneas alrededor de los municipios también puede impulsar la rentabilidad del uso de nutrientes en sitios específicos a medida que la economía y el medio ambiente se relacionan más estrechamente a través de cambios en las políticas públicas. Las reglas emergentes de escorrentía de fosfato pueden resultar en un mayor requerimiento y necesidad de tecnologías específicas para el sitio.

Beneficio económico general
La conclusión de la encuesta del USDA a los agricultores de EE. UU. (Schimmelpfennig, 2016) fue que los agricultores que utilizaron al menos una tecnología específica para el sitio eran $ 64,50 por acre más rentables que los agricultores que no lo hicieron. En Dakota del Norte, la ganancia fue de $ 88,10 más para los agricultores que usaban tecnologías de agricultura de precisión que los que no lo hacían.

Quizás los agricultores que utilizaron tecnologías específicas para un sitio en Dakota del Norte y los EE. UU. En su conjunto podrían ser un grupo de agricultores que toman decisiones de siembra y aplicación de pesticidas más oportunas, mejores decisiones de gestión o mejores decisiones de marketing. Estos factores de confusión no se consideran en la encuesta.

La mayor ganancia para los agricultores de Dakota del Norte puede deberse al volumen de investigación específica del sitio directamente aplicable para los agricultores en este estado y al desarrollo de recomendaciones de fertilizantes que tienen el mayor uso práctico cuando se combinan con aplicaciones específicas del sitio. Las opciones de cultivo en este estado también son más adecuadas para la aplicación de fertilizantes de dosis variable que una simple rotación de maíz / soja.

El trigo de primavera, el trigo duro, la remolacha azucarera, la papa, el girasol y la cebada maltera tienen componentes de calidad que están relacionados con la tasa de N en particular, lo que proporciona un incentivo para no sobreaplicar N y otros nutrientes, lo que no es tan preocupante para el maíz.

Leer más

Hay varios obstáculos por delante antes de que los productores obtengan suficiente valor de la agricultura intensiva en datos, según un nuevo informe de Rabobank , el banco mundial de alimentos y agronegocios.

El informe titulado Bungle in the Ag Tech Jungle – Cracking the Code on Precision Farming and Digital Agriculture identifica cuatro olas clave de innovación agrícola, con la primera ola que comenzó en 1700 con la invención de maquinaria como las sembradoras tiradas por caballos.

La segunda ola se lanzó en la década de 1950 con el aumento tanto de la agricultura de producción como del uso de insumos químicos. Fue durante este tiempo que las operaciones agrícolas se volvieron menos diversificadas, centrándose en cambio en unos pocos monocultivos.

La agricultura de precisión nació durante las décadas de 1980 y 1990, junto con innovaciones en el fitomejoramiento y otras herramientas centradas en la biotecnología, como las modificaciones genéticas, según el informe.

Ahora, en la cuarta y última ola de innovación, la agricultura está experimentando un cambio de imagen digital. Las herramientas de agricultura digital adoptan muchas formas y «van desde herramientas de software basadas en la nube hasta productos híbridos de hardware / software que son ‘inteligentes’ en el sentido de que pueden comunicarse con otros dispositivos conectados de forma inalámbrica y digital, con una mínima intervención humana», afirma el informe. .

Invierta con impacto. Haga clic aquí.

El informe también contó los algoritmos, la inteligencia artificial y el aprendizaje automático entre la revolución digital de la agricultura, y señaló la capacidad de estas innovaciones para proporcionar recetas personalizadas granja por granja.

La promesa de agtech
Por supuesto, estas innovaciones no están exentas de costos que incluyen tanto la inversión financiera como la inversión de tiempo que los productores deben hacer para aprender cómo funcionan estas nuevas innovaciones.

El informe define la promesa de la agricultura digital para la agricultura como la capacidad de acceder a «rendimientos óptimos ajustados al riesgo financiero del capital utilizado para la agricultura». La agronomía optimizada, las aplicaciones precisas en torno al momento y el tipo de aplicaciones de nutrientes, y la consideración de las condiciones locales, o incluso las variaciones dentro del campo, brindarán a los agricultores una experiencia que antes no conocían.

Cinco barreras clave para la adopción de agtech
Rabobank identifica 12 tecnologías en uso en todo el mundo en la actualidad, que incluyen todo, desde robots de ordeño hasta estaciones meteorológicas inalámbricas y software de gestión de datos agrícolas. Sin embargo, el informe establece de manera inequívoca que los agricultores no están implementando fácilmente estas tecnologías, identificando cinco barreras clave para la adopción de tecnología digital.

Muchas nuevas tecnologías de software carecen de una propuesta de valor claramente articulada.
Por un lado, el informe identifica la propuesta de valor de la agricultura digital como una mejor experiencia y conocimiento en la agricultura. Pero cuando se trata de las tecnologías actualmente disponibles, señala que la propuesta de valor a menudo no está “probada” cuando se trata de calcular exactamente lo que los agricultores pueden ganar financieramente con la adopción de la nueva herramienta. Además, el informe caracteriza la comprensión de las tecnologías digitales por parte de algunas empresas emergentes y capitalistas de riesgo como una comprensión “imperfecta”, y muchas personas olvidan que recopilar y transmitir datos es solo el primer paso. Los datos deben someterse a análisis adicionales para crear valor.

2. En realidad, muchas granjas carecen de la infraestructura tecnológica necesaria para interactuar digitalmente con el software de gestión agrícola de la industria.

Haciendo referencia a Conservis, Farmers Business Network, Granular y SST, el informe señala lo difícil que puede ser convencer a los agricultores de que inviertan y se cambien a sistemas de gestión completamente nuevos, especialmente considerando la persistente recesión económica que ha experimentado la agricultura desde 2012/2013. temporada.

3. La venta de software como servicio (SaaS) a clientes agrícolas con problemas financieros ha sido una estrategia de generación de ingresos muy difícil, dada esta dinámica.

En cambio, el informe postula proporcionar a los productores plataformas de software básicas gratuitas para promover la adopción de agtech , al tiempo que vende una versión premium que ofrece servicios adicionales y conocimientos agronómicos.

4. La propiedad y la privacidad de los datos ha sido un tema acalorado y ampliamente debatido desde que los macrodatos entraron en la conversación agrícola mundial.

Al igual que con la digitalización de cualquier industria, las preocupaciones sobre la privacidad y la propiedad son desenfrenadas. El informe sugiere la creación de una cooperativa de datos de agricultores sin fines de lucro para abordar los problemas de privacidad, y señala que algunas empresas ya han creado tales medios . En el extranjero, las cooperativas de agricultores y otros grupos han tomado medidas para cultivar una cultura de datos abiertos.

5. La agricultura digital carece de una plataforma operativa universal en la que conectar todo el ecosistema operativo.

De las cinco barreras clave para la adopción que identifica el informe, señala la falta de una plataforma operativa universal como la más crítica. Superar este obstáculo implicará la difícil tarea de organizar y alinear la industria y decidir qué partido o partidos asumirán la responsabilidad de cada paso del proceso.

La adopción de Agtech está aumentando
A pesar de estos obstáculos, el informe concluye afirmando que la demanda de información a lo largo de la cadena de suministro de alimentos será un factor importante en la evolución de las soluciones digitales para la agricultura y el aumento de la adopción de tecnologías agrícolas. Y, aunque la adopción se ha convertido en un diálogo sólido en agtech , algunas fuentes indican que la implementación continúa aumentando a pesar de los desafíos y las dudas que enfrentan algunos agricultores.

“La creación de una plataforma de datos universal es fundamental. Sin embargo, pasar de la etapa de ‘concepto’ a la etapa de ‘anteproyecto’ es un ejercicio complicado. La forma en que esto suceda y quién lo pague dependerá de qué partido o partidos tomen el liderazgo en la organización y alineación de la industria, y cuánto capital se reserva para construir, probar y mantener los sistemas requeridos «.

Leer más

El mundo está al borde de la tercera revolución agrícola moderna y la agricultura de precisión es una parte importante de ella. La primera revolución que ocurrió entre 1900 y 1930, la agricultura mecanizada dejó que cada agricultor pudiera producir lo suficiente para 26 personas . Mucho después de eso, fue la década de 1990 cuando tuvo lugar la segunda revolución conocida como revolución verde. Debido a la progresión científica, se introdujeron nuevos conjuntos de cultivos modificados genéticamente que son resistentes a las plagas y necesitan menos agua, lo que permitió a cada agricultor alimentar a 155 personas . Se espera que la población mundial alcance los 9,6 mil millones en 2050y la producción de alimentos debe ser el doble de los niveles actuales para alimentar a todas las personas. Las capacidades analíticas avanzadas y la mejora constante de IoT serán elementos clave en la tercera revolución, haciendo que cada agricultor sea capaz de alimentar a 256 personas .

Las definiciones populares de agricultura de precisión (PA), agricultura satelital o manejo de cultivos específicos del sitio (SSCM) describen el término como ‘un enfoque tecnológico para el manejo agrícola que observa, mide y analiza las necesidades de campos y cultivos individuales’ . Según McKinsey, el desarrollo de la agricultura de precisión está determinado por dos tendencias: «Big Data y capacidades de análisis avanzado, y robótica: imágenes aéreas, sensores, sofisticados pronósticos meteorológicos locales». En palabras simples, la agricultura que recopila y usa datos de parcelas para administrar y optimizar la producción de cultivos se conoce como agricultura predictiva.

La agricultura predictiva es análoga a tomar una pastilla para tratar una dolencia. Las soluciones se adaptan en gran medida desde el tipo de cultivo adecuado para una parcela hasta el uso de pesticidas solo en regiones específicas. La adopción de la agricultura de precisión reduce el costo de producción y el desperdicio, ya que se satisfacen las necesidades personalizadas de cada parcela. La agricultura de precisión se practica mediante la adopción de software analítico y el uso de equipos técnicos. Se realiza una recopilación rigurosa de datos sobre pruebas de suelo, medición de parcelas, análisis de patrones climáticos y análisis de cultivos a través de dispositivos equipados con sensores colocados a lo largo de los campos. Los datos están calibrados para elaborar conclusiones y, basándose en esos resultados, se puede adoptar un conjunto de prácticas muy detalladas y precisas.

NECESIDAD DE AGRICULTURA DE PRECISIÓN
En las economías en desarrollo, el 32% de las pérdidas de alimentos se producen durante la producción de alimentos, según lo analizó McKinsey con datos de la FAO.

Las prácticas agrícolas convencionales se centran en el área. Existe un conjunto general de cultivos cultivados en toda una zona. Todos los agricultores de esa zona siguen los mismos procedimientos con respecto a la siembra, la nutrición, el riego y el período de cosecha. En lo que resultan estas prácticas es: imprevisibilidad, uso excesivo de recursos y producción incontrolada de residuos.

Antes del uso de la tecnología en la agricultura, la probabilidad de que un agricultor produjera buenos productos era tan buena como lanzar una moneda y desear cara. Dado que los agricultores no tenían información sobre sus fincas, no había forma de conocer las causas de la pérdida de cultivos. Esta práctica empujó a los agricultores hacia pérdidas y deudas. Los avances en análisis de big data, IoT e imágenes satelitales accesibles crearon optimismo para el sector agrícola, combatiendo así el problema de la imprevisibilidad.

Beneficios de varias formas
Dado que se pueden rastrear los detalles de las áreas en una sola granja, la agricultura de precisión beneficia a los agricultores de varias maneras.

Conjunto refinado de prácticas de cultivo y elección de cultivos en función de la idoneidad de la tierra

Eliminación de volatilidad y riesgo

Gestión de residuos

Costos de producción reducidos

Impacto ambiental mínimo

Uso optimizado de fertilizantes

Administracion del Agua

Resumen
La agricultura de precisión es la adopción de un conjunto de prácticas altamente precisas que utilizan tecnología para satisfacer las necesidades de las parcelas y cultivos individuales. El software de análisis de big data (SaaS) como CropIn o robots como drones se puede utilizar para obtener información detallada de la parcela, el tipo de suelo, los cultivos adecuados, las necesidades de riego y fertilizantes. La información obtenida se utiliza para adaptar una selección infalible de cultivos, cantidad de fertilizante y necesidades de riego. La agricultura de precisión ayuda a los agricultores a vivir una vida libre de deudas, ya que se reducen los costos de producción y las pérdidas y también se minimiza el impacto ambiental general.

Preguntas frecuentes
¿Qué herramientas tengo para adaptarme a la agricultura de precisión?

La agricultura de precisión se enfoca en reducir el costo de producción y el desperdicio, ya que se satisfacen las necesidades personalizadas de cada parcela. Se centra en la recopilación de datos y el análisis de farmpIots, que se compone de sensores, drones y robots para registrar los datos y el software como servicio (SaaS) se puede utilizar para adaptarse a la agricultura de precisión.

Aunque IoT aún se encuentra en una etapa incipiente, los gobiernos de las economías agrícolas dominantes invierten en tecnologías de vanguardia como IoT, AI y Machine Learning para crear soluciones agrícolas más inteligentes. En economías basadas en la agricultura como la India, la implementación de IoT en la agricultura tiene su propio conjunto de beneficios y desafíos únicos. En primer lugar, los agricultores temen actualizarse a agtech, ya que carecen de conocimientos sobre la aplicabilidad de la tecnología en la agricultura.

Además de esto, los sensores, robots y drones que se utilizan en el desarrollo de soluciones de IoT son costosos, de alto mantenimiento y requieren mano de obra técnicamente capacitada para operarlos. Los datos recopilados deben analizarse; esto se puede hacer llevándolos a un laboratorio o utilizando instrumentos en la granja. También se requieren una variedad de sensores para recopilar datos sobre diferentes parámetros que deben analizarse por separado, por lo que son de alto presupuesto. Por lo tanto, la solución debe ser rentable y altamente escalable, considerando los distintos tamaños de las granjas.

Una solución más económica, escalable y precisa es la implementación de soluciones SaaS (software como servicio) basadas en la nube. Estos softwares utilizados en la tecnología agrícola se enfocan en brindar soluciones agrícolas modernas que ayuden a los agricultores, las empresas agrícolas y otras partes interesadas a tomar decisiones inteligentes basadas en el análisis de datos. CropIn está a la vanguardia para hacer que la agricultura sea más inteligente con el uso de imágenes satelitales, análisis del clima y aprendizaje automático para monitoreo, detección, análisis y predicción. Las aplicaciones inteligentes de CropIn se pueden integrar con software y sensores ya instalados a través de API. Los datos recopilados sobre el suelo o los niveles de humedad, los cambios de temperatura o el cultivo se pueden procesar utilizando las capacidades de los algoritmos de Big Data Analytics y Machine Learning para proporcionar información procesable basada en la precisión de los datos recopilados.

¿Puede la economía digital ayudar a la agricultura?
La reciente digitalización rápida ha reducido el papeleo exhaustivo en bancos, hospitales y la mayoría de las organizaciones del sector público y privado parece disminuir a medida que sus negocios se mueven en línea. La digitalización ha reducido el trabajo manual, que consumía mucho tiempo, era propenso a errores e ineficiente, lo que ahorraba millones a las empresas. La digitalización de la economía ha roto las barreras y ha reducido con éxito el miedo a la dependencia tecnológica, especialmente entre la comunidad agrícola. La digitalización también está revolucionando lentamente el vasto y complejo sector agrícola.

Las Naciones Unidas proyectan que para el año 2050 la población mundial será de 9,7 mil millones. Con la relevancia de más del 60 por ciento de la población mundial en la agricultura para la alimentación, la presión para aumentar los productos para satisfacer las demandas no parece disminuir. Junto con el cambio climático, que está provocando un aumento en las temperaturas globales, los niveles de dióxido de carbono y la frecuencia de sequías e inundaciones, junto con el aumento de los costos laborales, los altos costos de producción y la imprevisibilidad, representan un gran desafío para el futuro de la agricultura. Por tanto, el objetivo es incrementar la productividad de forma sostenible.

La reciente digitalización rápida ha reducido el papeleo exhaustivo en bancos, hospitales y la mayoría de las organizaciones del sector público y privado parece disminuir a medida que sus negocios se mueven en línea. La digitalización ha reducido el trabajo manual, que consumía mucho tiempo, era propenso a errores e ineficiente, lo que ahorraba millones a las empresas. La digitalización de la economía ha roto las barreras y ha reducido con éxito el miedo a la dependencia tecnológica, especialmente entre la comunidad agrícola. La digitalización también está revolucionando lentamente el vasto y complejo sector agrícola.

Las Naciones Unidas proyectan que para el año 2050 la población mundial será de 9,7 mil millones. Con la relevancia de más del 60 por ciento de la población mundial en la agricultura para la alimentación, la presión para aumentar los productos para satisfacer las demandas no parece disminuir. Junto con el cambio climático, que está provocando un aumento en las temperaturas globales, los niveles de dióxido de carbono y la frecuencia de sequías e inundaciones, junto con el aumento de los costos laborales, los altos costos de producción y la imprevisibilidad, representan un gran desafío para el futuro de la agricultura. Por tanto, el objetivo es incrementar la productividad de forma sostenible.

Leer más

Las firmas espectrales hacen referencia al perfil específico de radiancia emitida por los objetos situados en la superficie de la tierra. Unos valores de emisión específicos en función del tipo de objeto, su temperatura o la textura entre otros factores. Gracias al mapeo del territorio con ayuda de drones podemos discriminar los objetos territoriales por medio de firmas espectrales y elaborar mapas de usos del suelo o análisis de elementos prioritarios.

Por medio de este comportamiento específico de los objetos, es posible jugar con sensores que operen analizando diferentes bandas del espectro electromagnético y empezar a identificarlos con el análisis de imágenes aéreas. Fragmentos del espectro electromagnético como la zona visible del azul ayudan a identificar fenómenos erosivos y comportamientos de agua. El infrarrojo medio ayuda en análisis geológicos, el infrarrojo próximo permite desarrollar estudios de vegetación o las microondas de onda corta analizar cubiertas nivales.

drones

Análisis de cobertura nival de la Sierra de Guara
Los drones son una interesante vía para obtener imágenes aéreas empleando sensores multiespectrales capaces de identificar las firmas espectrales para, posteriormente, elaborar mapas a falso color que dejen al descubierto los elementos clave objeto de estudio.

Dentro de las aplicaciones de los drones, la región del infrarrojo es una de las más empleadas para desempeñar funciones como los cálculos de índices de vegetación NDVI, analizar la fenología de la vegetación o estudiar la evolución de parcelas de cultivo. Un mundo infinito dentro de la agricultura de precisión con ayuda de los SIG.

Para realizar este tipo de estudios es necesario partir de algunos elementos básicos como:

Disponer de cámaras multiespectrales capaces de identificar los niveles de radiancia objeto de estudio.
Elaborar el mosaico de imágenes multiespectrales realizadas por el dron.
Conocer las firmas espectrales que permiten reconocer al objeto según su comportamiento de emisión electromagnética.
Disponer de software destinado al análisis de imágenes multiespectrales y la composición de mosaicos aéreos.
Programas fotogramétricos como Agisoft o Pix4D nos ayudarán a componer nuestro mosaico de imágenes aéreas. Software como BEAM, LEOWorks, ArcGIS, ERDAS o Global Mapper entre otros, nos ayudarán a procesar las imágenes para analizar cartográficamente el territorio y comenzar las reclasificaciones de elementos objeto de estudio partiendo de las firmas espectrales.

drones

Combinación de imagen aérea, a falso color y superposición con OpenStreetMap
Para el reconocimiento de elementos por medio de firmas espectrales podemos recurrir a diversas librerías de apoyo que nos permitan visualizar los niveles de radiación de los objetos que deseamos analizar en nuestras imágenes. Minerales, tipos de vegetación, masas de agua o usos del suelo están identificados a través de su comportamiento de emisión dentro del espectro electromagnético.

firmas espectrales

Ejemplo de firma espectral de galería ASTER bajo el infrarrojo
Una interesante referencia a estas librerías la encontramos dentro de la librería ASTER de la NASA. Una colección infinita de firmas espectrales clasificadas por tipología y en la que podemos visualizar los comportamientos de los objetos a través de gráficas fijas o interactivas.

firmas espectrales
La combinación de imágenes para generar imágenes a falso color y la identificación de los valores de radiación de los píxels que representan objetos, nos permitirá discriminar los diferentes elementos territoriales y elaborar mapas cartográficos basados en la reclasificación de los usos y tipologías de suelo.

Análisis de firma espectral para la identificación de vegetación sana
Puedes aprender a elaborar mosaicos con drones y los principios de la teledetección para el análisis de imágenes multiespectrales con nuestro Curso de drones aplicados a los SIG. Además, ahora ya puedes obtener la titulación oficial de Piloto de Drones, formándote con nosotros con nuestro Curso Oficial de Piloto de RPAS.

Por último recordaros que una forma de combinar vuelos aéreos con imágenes aéreas fuera del espectro electromagnético visible, para el análisis cartográfico de elementos mediante Sistemas de Información Geográfica con Agisoft, Pix4DCapture, ArcGIS y LEOWorks.

Leer más

La agricultura de precisión ha sido posible simplemente conectando computadoras, el Sistema de Posicionamiento Global, los sensores en movimiento y otros dispositivos. En resumen, algunos de los usos del GPS son mapeo de rendimientos, siembra de tasa variable, aplicación de fertilizantes, mapeo de campo, hilerado paralelo y aplicación de pesticida de tasa variable. El GPS juega un papel fundamental en la optimización de los beneficios, la sostenibilidad con un impacto medioambiental reducido.

Con la tecnología invadiendo todos los rincones de la vida moderna, la agricultura no es una excepción. Los tractores reemplazaron a los caballos de tiro como fuente de energía para impulsar el equipo de siembra y cosecha. De manera similar, el GPS ha reemplazado el ojo humano desnudo, la ubicación del campo, las conjeturas experimentadas en la guía del tractor, la exploración de cultivos y una serie de otras tareas agrícolas. El GPS permite a los agricultores trabajar en condiciones climáticas de baja visibilidad, como polvo, lluvia, niebla y oscuridad. La implementación de la agricultura de precisión y la agricultura específica del sitio se ha permitido combinando GPS y un sistema de información geográfica.

El GPS permite la recolección de datos en tiempo real, brindando información de posición precisa, lo que a su vez conduce a un análisis y manipulación eficientes de grandes cantidades de datos geoespaciales. En los últimos años, fue un desafío para los agricultores correlacionar los métodos de producción y el rendimiento de los cultivos con diferentes tamaños de tierra. Esto implicaba que tenían una capacidad limitada para desarrollar la mayoría de los tratamientos de plantas y suelos que, de otro modo, habrían mejorado su productividad. La agricultura de precisión se trata de recopilar información geoespacial oportuna sobre los requisitos del suelo y las plantas y prescribir medicamentos específicos del sitio para proteger el medio ambiente y aumentar los rendimientos agrícolas.

Hoy en día, muchos agricultores utilizan productos derivados del GPS para mejorar las operaciones en sus actividades agrícolas. Los receptores GPS recopilan información que se utilizará para el riego y el mapeo de campos o para identificar áreas con problemas dentro de la granja. La precisión del GPS permite al agricultor conocer las distancias entre los puntos de interés y la ubicación de la carretera con precisión. Por esta virtud, los agricultores pueden navegar con precisión a diferentes lugares de interés explícitamente de vez en cuando para monitorear la salud de los cultivos o recolectar muestras de suelo.

Los datos del GPS son utilizados por investigadores y asesores de cultivos para combatir eficazmente plagas, insectos o infestaciones de malezas en el campo. Los fumigadores que están equipados con GPS pueden volar franjas con precisión sobre los campos mientras aplican productos químicos solo en las áreas necesitadas. Esto minimiza la deriva de productos químicos al reducir la pulverización excesiva en áreas que no requieren pulverización. Por tanto, beneficia al medio ambiente y a su hábitat en general.

Usos del GPS en la agricultura agrícola moderna
Arado de precisión

Arar es algo que la tecnología GPS está facilitando. Junto con la tecnología de guía moderna y otros sistemas de dirección automática, el GPS puede ayudar a los agricultores a colocar surcos en su campo con gran precisión.

Plantación y fertilización

Cuando un campo ya ha sido arado, la información del GPS se utiliza para colocar con precisión las semillas dentro de los surcos creados. Esto ayuda a los agricultores a ahorrar mucho tiempo y evitar el desperdicio de semillas. La fertilización se realiza mediante el mismo método. A través del GPS, los agricultores pueden identificar lugares con deficiencia de nutrientes y aplicar las cantidades adecuadas.

Arado de precisión

El GPS, junto con alguna otra tecnología de guía moderna y sistemas de dirección automática, puede colocar surcos dentro de un campo con una precisión milimétrica.

Mapeo de campo

Confiar en las señales visuales es frenético cuando se trata de determinar los límites de una granja y es tedioso. La tecnología GPS hace que el trabajo sea más manejable, realmente ayuda a los agricultores a superar los desafíos que enfrentan mientras trabajan en sus campos.

Eficiencia

Al igual que cualquier otro negocio rentable, la agricultura rentable necesita un uso eficiente de los recursos limitados. El sistema GPS ofrece una gran cantidad de alternativas rentables a los métodos anticuados anteriores de plantar, cosechar o cultivar. Los costos más bajos implican mayores ganancias potenciales. Los márgenes de beneficio más altos ayudan a los agricultores a cubrir la pésima cosecha del año anterior.

Sistemas de control de rendimiento

El GPS también se puede utilizar para monitorear los rendimientos en un campo determinado. Los sistemas de monitoreo de rendimiento utilizan un sensor de flujo másico midiendo el peso cosechado del cultivo.

El GPP económico puede permitir al agricultor limitar los factores inhibidores del rendimiento. Ejemplos son:

Puntos húmedos: los agricultores pueden trazar los límites para futuras decisiones de drenaje o para otras actividades de exploración de cultivos.
Parches de malezas perennes: los límites se pueden trazar para futuras aplicaciones de insecticidas o herbicidas en sitios específicos. Esos límites mapeados se pueden marcar con calificaciones según la gravedad del problema de las malezas y la persistencia para que los agricultores puedan priorizar su programa de fumigación.
Reventones / sumideros de baldosas de drenaje: estos puntos pueden mapearse para que se puedan identificar y arreglar en condiciones secas o para ayudar a evitarlos con el tractor y la sembradora durante las operaciones de campo.
Áreas para el futuro sitio: el GPS ayuda en el monitoreo específico de plagas de insectos. Los parásitos como las larvas del gusano cortador negro pueden identificarse fácilmente en los cultivos de los que se está alimentando. Puntos donde la maquinaria había fallado, fallado o se había retrasado el funcionamiento.
Áreas de experimentos de campo y ensayos híbridos.

Algunos de los datos interesantes del GPS son: –

El primer GPS se lanzó en 1978.
El sistema GPS actual está compuesto por satélites GPS de segunda generación, conocidos como Bloque II.
En 1989, se lanzó el satélite First Block II.
En 1995, el Departamento de Defensa declaró el Sistema de Posicionamiento Global, en pleno funcionamiento en 1995.
Fuera del planeta tierra, hay 24 satélites GPS

Leer más

Guía definitiva sobre agricultura de precisión
Sin categoría • Comments (0)

En los últimos tiempos, la agricultura de precisión viene siendo un tema recurrente entre nuestros posts. Esto se debe a que la agricultura de precisión es una rama de la agricultura que está cada vez más presente en nuestro día a día, experimentando un crecimiento exponencial. Sensores, satélites, datos en tiempo real, monitorización, big data, teledetección, drones, GPS, software SIG, imágenes multiespectrales, mapeo de suelos, índices agrónomicos…

Todos los sectores productivos llevan años a la vanguardia de las nuevas tecnologías. Sin embargo, la agricultura, desde el salto a la maquinaria agrícola autopropulsada por motor de combustión, no había vivido una revolución tecnológica hasta el S.XXI con la agricultura de precisión.

Por ello, hemos elaborado una pequeña guía sobre la agricultura de precisión.

¿Qué es agricultura de precisión?

Si buscamos en internet una definición, encontraremos que la agricultura de precisión es un término agronómico que define la gestión de parcelas agrícolas sobre la base de la observación, la medida y la actuación frente a la variabilidad inter e intra-cultivo. Requiere un conjunto de tecnologías formado por el Sistema Global de Navegación por Satélite (GNSS), sensores e imagen tanto satelital como aerotransportada, junto con Sistemas de Información Geográfica (SIG) para estimar, evaluar y entender dichas variaciones.

Sin embargo, podríamos decir que es aquella agricultura que hace uso de las TIC para la gestión de los cultivos obteniendo una gran cantidad de variables agronómicas que permitan un análisis más preciso de la situación del cultivo con el fin de optimizar al máximo los recursos, ahorrar costes, dosificar con gran precisión las aplicaciones de insumos (agua, fertilizantes, fitosanitarios…), sacar el máximo rendimiento y contribuir a la sostenibilidad de los sistemas agrícolas. En resumen, es poner la tecnología de la información al servicio de agricultura para mejorarla, punto final.

La barrera entre agricultura “convencional” y la de precisión.

¿Podríamos decir que agricultura de precisión es tener una estación meteorológica en un cultivo, o usar la información de las ya existentes para analizar patrones de clima en nuestra parcela y actuar en consecuencia? En cierta manera sí, aunque esto se lleva haciendo mucho tiempo, nunca se llamó agricultura de precisión. El término ha cobrado más sentido cuando se han ido añadiendo una gran cantidad de capas de información, obtenidas de diversas fuentes. Además, haciendo uso de esas capas, se consigue que “el laboreo” se haga en consecuencia a esa información.

Es decir, si mediante una imagen de satélite, sacando algún índice agronómico de su cámara multiespectral, conseguimos saber las necesidades de fertilización de un cultivo, ya no solo a nivel global, sino a nivel mucho más concreto, podremos aplicar una dosis de fertilizante variable según esos datos y ahorrar grandes cantidades de dinero en algo tan caro como un fertilizante. Esto sería una primera fase de la agricultura de precisión: La toma de datos, su análisis y la interpretación de los mismos.

Resulta evidente que estos resultados en forma de mapa de necesidades de fertilización deben ser interpretados por un software que lleve nuestra dosificadora para saber en cada momento, cuánto fertilizante echar según ese mapa. Todo ello guiado por GPS. Esta fase sería una segunda fase: Toma de decisiones y ejecución en función de la primera fase.

Hay muchos más ejemplos pero hoy no es el día de entrar en ellos. Queremos dar una breve pincelada de todo esto para, en un futuro no muy lejano, meternos más en materia. A continuación comentaremos algunas de las técnicas que se aplican. En otros artículos posteriores nos meteremos a fondo en cada una de ellas.

¿Qué tecnologías hay?

Maquinaria de conducción autónoma guiada por GPS
El conductor, una vez en la parcela, sólo tiene que vigilar la telemetría del proceso para que todo vaya según el plan establecido.

Imágenes de satélite y de drones
Las imágenes de satélite y de drones, son imágenes captadas por cámaras un poco especiales que sacan fotografías aéreas de los cultivos en espectros no visibles para el ojo humano, como el infrarrojo. Con los datos obtenidos de estas cámaras podemos conocer, por ejemplo, el estrés hídrico o el vigor de un cultivo y a partir de ahí tomar las decisiones pertinentes.

Los hay de iniciativa pública como Landsat (NASA), los actuales Sentinel (ESA) y privados (Quickbird, Deimos, Wordlview…). Actualmente los de mayor resolución son privados y la adquisición de imágenes es cara. De todas formas, la Agencia Espacial Europea (ESA) ha lanzado este año 2 satélites multiespectrales de bastante resolución, con bastante aplicación en la agricultura de precisión, pudiendo llegar a una resolución de 10m/pixel que resulta más que suficiente para analizar ciertos cultivos, cereales por ejemplo. La adquisición de imágenes de Sentinel es totalmente gratuita.

Sensorización en parcela
Son estaciones meteorológicas (algo menos precisas que las que se utilizan para climatología) pero más baratas y específicas según nuestras necesidades. Sensores de humedad ambiental, temperatura ambiental, humedad y temperatura a distintos niveles de profundidad del suelo, pluviometría, dirección y velocidad del viento, radiación solar, humectación foliar, dendrómetros… parámetros que se pueden medir y almacenar en memorias que se vuelcan y sirven para estudiar estados del cultivo y su relación con variables agronómicas del cultivo, plagas, etc. Este tipo de información es muy útil para hacer predicciones de aparición de plagas, predicciones de estados fenológicos.

Mapeo de suelo
Un dispositivo se pasea por nuestra parcela y nos dice una gran cantidad de parámetros del suelo. El análisis de un suelo agrícola en laboratorio es caro y además son datos extraídos de un muestreo puntual en distintos puntos de parcela. Con estos mapas de suelo, tenemos información continua de toda la parcela con parámetros como pH, conductividad eléctrica, textura, macronutrientes principales (NPK).

Big Data
La computación en la nube, el análisis de Gigabytes e incluso Terabytes de datos. Todos estos datos que recogemos de los diferentes sensores, imágenes, cuadernos de campo. Toda la información es útil para sacar patrones de comportamiento que nos ayuden a tomar decisiones acertadas en cuanto a: momento y dosis de aplicación de fertilizantes y fitosanitarios, predicciones de cosecha, predicción de heladas, necesidades de riego en tiempo real e incluso accionamiento del riego automático en función de todos estos análisis…

¿Qué nivel de aplicación tiene en la actualidad?

En este sentido, se podíamos hablar de aplicación a diferentes niveles, ya que cada tipo de tecnología (mapeo de suelo, drones, sensores…) dan diferentes capas de información que pueden sernos más o menos útiles dependiendo de nuestro objetivo, tamaño y tipo de cultivo y necesidades de optimización. Esta agricultura está pensada para medianas y grandes superficies, donde la optimización de recursos tiene un papel fundamental.

Leer más

A medida que más productores adoptan la agricultura de precisión y los beneficios operativos que pueden ofrecer los drones, los fabricantes están encontrando formas de integrar de manera más efectiva los sensores terrestres y aéreos, y de manejar todos los datos que las soluciones avanzadas cada vez más populares pueden recopilar.

Cuando John Rocconi comenzó a volar drones para sus clientes hace tres años y medio, su principal objetivo era identificar los cultivos de maíz caídos. Como proveedor de semillas que produce híbridos de maíz, necesitaba saber qué variedades presentaban problemas de sostenibilidad durante los eventos de viento. Descubrió que implementar cámaras RGB en drones era mucho más eficiente y económico que contratar a un piloto para volar aviones tripulados sobre los campos.

Al ver el potencial que tenían estos sistemas, agregó su primer sensor a la carga útil en un año, lo que hizo posible recopilar aún más datos y probar casos de uso más sofisticados.

En la actualidad, Rocconi, que es gerente de producto y agrónomo de Erwin Keith Inc./Progeny Ag Products de Wynne, Arizona, utiliza soluciones de Sentera para monitorear la salud de los cultivos y proporcionar actualizaciones de estado para los productores. En lugar de confiar en imágenes satelitales desactualizadas y de baja resolución o contratar a alguien para que venga con herramientas y hardware costosos para analizar los campos, Rocconi vuela un dron para recopilar rápidamente los datos necesarios para que los productores puedan tomar decisiones informadas sobre sus cultivos.

“Recopilamos imágenes y datos de sanidad vegetal para ellos durante la temporada de crecimiento con la esperanza de ahorrarles dinero”, dijo. “A los productores les preocupa más si hay algún problema en su campo. Identificamos un área o masa de tierra o superficie que tiene un problema y luego salimos al campo y determinamos qué sucedió. Antes, teníamos que enviar muestras de plantas, esperar recolectar una muestra representativa del campo y luego esperar a que llegaran los resultados del laboratorio «.

A través de este tipo de misiones, los sistemas de aeronaves no tripuladas (UAS) se han convertido en una parte fundamental de la agricultura de precisión, proporcionando rápidamente a los agricultores, agrónomos y empresas que sirven a la industria imágenes y datos de alta calidad al mismo tiempo que les ofrecen información vital pero previamente inaccesible. Los productores están recopilando datos de sensores terrestres y utilizando la automatización para acelerar los procesos y compensar la escasez de mano de obra, y están volando sus campos con UAS para verificar problemas de riego, localizar plagas y recuentos de plantas, por nombrar algunas aplicaciones. La inteligencia artificial (IA) y el aprendizaje visual y automático también juegan un papel crucial en la agricultura de precisión, especialmente porque la industria exige más especialización y una forma más fácil de digerir los datos.

“En los próximos años la agricultura será totalmente diferente. La agricultura estará impulsada por los datos, lo que no ocurre en este momento ”, dijo Yiannis Ampatzidis, profesor asistente del Departamento de Ingeniería Agrícola y Biológica del Centro de Investigación y Educación de la Universidad de Florida Southwest Florida, Immokalee. “Imagine que todos los tractores se conducen sin personas y robots que hagan todo el trabajo. Con el aprendizaje automático y la IA, puede entrenar a los robots, tanto terrestres como aéreos, para que aprendan de los datos y completen tareas específicas, lo que por supuesto ayuda con la eficiencia y el costo. La automatización y la inteligencia artificial cambiarán la agricultura «.

AGRICULTURA DIGITAL, TECNOLOGÍA INTELIGENTE E IA
Hubo un tiempo, no hace mucho tiempo, en que los productores solo podían recopilar la información más básica de sus campos, dijo Ampatzidis. La agricultura digital permite obtener datos muy específicos, como dónde los productores deben rociar pesticidas o productos químicos para combatir insectos y malezas, y dónde no. Los sensores terrestres recopilan datos sobre la humedad, el clima y el rendimiento de la máquina, y el GPS les permite rastrear si se perdieron un área que debería haber sido rociada. Luego, el software visualiza los datos recopilados, por lo que no es necesario que los usuarios revisen los archivos de Excel.

“Puedo ver la humedad del suelo y decido que quiero regar el campo de forma remota desde mi oficina”, dijo. “También existen sistemas totalmente automatizados donde una computadora decide regar un campo. Todos estos sensores generan una gran cantidad de datos. Nuestro objetivo es comprender estos datos y desarrollar algoritmos y técnicas para ayudar a los productores a gestionarlos «.

La tecnología inteligente, como los pulverizadores de precisión, también juega un papel muy importante, dijo Ampatzidis. Una vez que los agricultores saben dónde se necesitan los pesticidas, pueden programar el rociador para que cubra esas áreas en lugar de todo el campo, aumentando las ganancias y al mismo tiempo protegiendo el medio ambiente.

Ampatzidis y su equipo están trabajando para desarrollar dicho sistema. La solución basada en inteligencia artificial / visión distingue las malas hierbas de los cultivos y utiliza esa información para fumigar solo donde sea necesario. El sistema puede identificar tres tipos diferentes de malezas y rociar el herbicida que mata esas especies específicas.

El grupo de Florida también está utilizando IA para contar árboles de cítricos a través de drones. Algunos campos tienen hasta 10,000 árboles de diferentes tamaños y edades, lo que dificulta a los productores hacer un seguimiento de ellos e identificar cuáles pueden verse afectados por enfermedades.

“Podemos contar y detectar árboles y clasificarlos con una precisión de más del 99,9 por ciento”, dijo Ampatzidis. «Es una herramienta muy práctica para los productores de cítricos y de hortalizas».

La tecnología de exploración también puede crear un índice que indica el estado de salud y el estrés de cada árbol. Las cámaras multiespectrales e hiperespectrales pueden detectar síntomas que el ojo humano no puede ver, lo que les permite identificar la enfermedad antes. Los trabajadores ya no necesitan caminar por campos enteros en busca de áreas problemáticas, lo cual es costoso y requiere mucho tiempo.

Ampatzidis espera ver más máquinas y herramientas basadas en IA que completen trabajos específicos en un futuro próximo. Por ejemplo, un robot fertiliza mientras otro rocía. Se conectarán flotas de robots terrestres y aéreos, lo que les permitirá completar las tareas de manera más eficaz.

INTEGRACIÓN Y RECOPILACIÓN DE DATOS
La integración de datos de drones y satélites, así como las entradas terrestres, es el próximo gran paso que hará avanzar la agricultura de precisión, dijo Kevin Lang, gerente general de agricultura de PrecisionHawk Agriculture Services, de Raleigh, Carolina del Norte. La combinación de datos y análisis meteorológicos con datos de drones utilizando imágenes satelitales como capa base ofrece una imagen más completa para tomar decisiones efectivas en el manejo de cultivos. La información también se puede incluir en modelos de aprendizaje automático, lo que ayuda a los productores a identificar daños y enfermedades. Todo será personalizado.

Dicho esto, los productores todavía necesitan sistemas que faciliten la gestión de datos y permitan la correlación entre lo que se mide y lo que pueden hacer con él, dijo Jim Love, Gerente de Light Robotics para Beck’s Superior Hybrids, una empresa minorista de semillas en Atlanta, Indiana. «El gran truco es que los datos provienen de todas estas máquinas diferentes, y muchas veces estas máquinas no cooperan entre sí», dijo. «Necesitamos un sistema que lo reúna todo para que sea útil para el agricultor».

Eric Taipale, director ejecutivo de Sentera, con sede en Minneapolis, está de acuerdo y dijo que los clientes esperan ver que los datos fluyan hacia las herramientas que ya utilizan. En lugar de productos independientes, quieren una única plataforma digital donde puedan ver todos sus datos de drones, imágenes de satélite y análisis de estaciones meteorológicas.

Además, los pilotos de drones no solo deben saber cómo usar el software y cómo mantener segura la información, sino que también deben poder identificar el mejor momento para volar en los campos según la misión.

“Tienen que comprender la naturaleza temporal de la industria agrícola”, dijo Lang. “Al realizar un vuelo, es posible que estén buscando algo que sucede en una ventana corta de la etapa de crecimiento de la planta. Necesitamos ser quirúrgicos sobre cómo desplegar a los pilotos de drones y asegurarnos de que lo hagan bien la primera vez, porque es posible que no haya otra oportunidad de volver al campo «.

GESTIÓN DE CAMPO
El equipo utilizado en las granjas seguirá reduciéndose y comenzará a reemplazar a las personas, dijo Love. Él ve flotas de máquinas que manejan la siembra y otros trabajos de campo, lo que conduce a una mayor eficiencia.

«Haremos un mejor trabajo en la gestión de los campos», dijo Love. “Los agricultores siempre quisieron hacer estas cosas; simplemente no tenían el equipo. Ahora, un sembrador de maíz le dirá cuánta semilla está plantando por hilera, cuánta presión hacia abajo tiene la unidad de siembra y qué profundidad tiene la unidad de siembra, y registrará todos esos datos mientras está plantando «.

La incorporación de la automatización y los vuelos de drones en las operaciones conducirá a una toma de decisiones más objetiva y «un mayor enfoque en la gestión de granjas en un espacio más pequeño», dijo Jeff Rodrian, líder de la unidad de negocios, Sistemas de Información Comercial para AeroVironment, la compañía de Monrovia, California, detrás de la El dron Quantix y el Sistema de soporte de decisiones AeroVironment (AV DSS). Antes, los productores manejaban granjas enteras. Ahora es posible medir el rendimiento por acre o por hilera, lo que ayuda a optimizar la producción.

LOS DESAFIOS
Si bien hay muchos beneficios de implementar drones y otras tecnologías en una granja, la agricultura y la ciencia de los cultivos son campos complejos, dijo Jean-Thomas Célette, director general de senseFly de Suiza. A menudo hay una curva de aprendizaje que los productores deben superar antes de que puedan cosechar todos los beneficios. Pero a medida que la educación mejora y crece el interés, Célette ve un “efecto bola de nieve que impulsa la adopción” en los próximos uno a tres años.

Al recopilar datos, se deben cumplir los parámetros correctos para que sean útiles, dijo Lang. Es importante poder comparar vuelos durante la temporada de crecimiento. La primera analítica tiene que alinearse para sentarse en la segunda analítica y así sucesivamente. La mayoría de los productores no saben cómo hacer esto, que es donde entra la educación.

Luego, por supuesto, está la gestión de todos esos datos. Los fabricantes están creando ecosistemas completos para superar este obstáculo, permitiendo a los clientes tomar decisiones sobre los análisis que necesitan.

“El gran problema ahora es que se trata de muchos más datos de los que el 99 por ciento de los agricultores saben qué hacer”, dijo Love. “Han estado administrando datos de rendimiento de cosechadoras durante años y tienen una gran cantidad de datos apilados en su oficina con los que nunca han hecho nada porque la agricultura simplemente no era un negocio muy cuantificable. Muchas decisiones comerciales se basaron en la emoción. Ahora podemos medir estas cosas, pero hay una gran parte de la población que no está acostumbrada a eso «.

Tener fácil acceso a los datos recopilados, ya sea a través de drones o sensores terrestres, ayudará a aliviar la aprensión sobre la tecnología, dijo Rodrian. El enfoque ecosistémico que adoptan empresas como AeroVironment facilita la integración de estos sistemas para que no resulte abrumador.

El uso de inteligencia artificial y aprendizaje profundo hace posible recopilar los datos y darles sentido, dijo Jeff Williams, presidente de Empire Unmanned, de Hayden, Idaho. Los datos son más manejables cuando los algoritmos los buscan y examinan automáticamente, extrayendo los análisis que más necesitan los productores.

La velocidad es otro objetivo. «Para que los drones tengan éxito en la agricultura, necesitamos datos en tiempo real», dijo Chad Colby, propietario de Colby AgTech, en Goodfield, Illinois. “Hasta hace poco, se podía pilotar un dron, pero había que procesar los datos en otro lugar. Los agricultores deben poder obtener los datos mientras el dron vuela o tan pronto como aterriza para poder tomar decisiones prácticas a partir de esos datos «.

QUE SIGUE
• La integración de sensores continuará, y se integrarán más datos de sensores de campo en los procesos comerciales.

• Los sensores y robots, tanto en tierra como en el aire, serán más especializados, dijo Colby. Los agricultores y agrónomos podrán recopilar datos muy especializados, que se traducirán en mejor información, eficiencias mejoradas y ahorros de costos.

• Enfoque continuo en IA y aprendizaje automático. Pero para que dicha tecnología sea efectiva, los productores deben recopilar conjuntos de datos de calidad y tener el enfoque correcto para resolver los problemas que están tratando de superar.

• Muchas organizaciones grandes pasarán de unos pocos a cientos de sistemas de agricultura de precisión. Eventualmente, los drones estarán en cada sitio de trabajo, despegando en un horario para capturar datos y luego retroalimentarlos no solo al productor, sino directamente a las máquinas terrestres.

• Se realizarán más investigaciones sobre el uso de drones para rociar productos químicos sobre los campos. El tiempo de vuelo, la carga útil y las limitaciones más allá de la línea de visión (BVLOS) hacen que esto sea un desafío, pero el profesor Ampatzidis ve la fumigación con drones como el futuro de la industria. Ya existen sistemas comerciales desarrollados para esta tarea.

La automatización, la inteligencia artificial, el aprendizaje profundo y una mayor coordinación entre los robots aéreos y terrestres, así como los GIS, revolucionarán la industria agrícola, dijo Williams. Estas soluciones se volverán más comunes a medida que la tecnología mejore e incluso los productores más escépticos depositen más confianza en ella.

“Si los productores no están utilizando herramientas de detección aérea para recopilar datos del campo, será imposible competir”, dijo Taipale de Sentera. “Los seres humanos todavía tendrán que salir y tocar los cultivos y caminar por los campos, pero estas tecnologías los harán lo más eficientes posible con su tiempo. Pueden ir directamente a áreas donde hay problemas y realizar tareas de alto valor. Estará en todas partes «.

Leer más

La Ciudad de Buenos Aires se extiende sobre una superficie de 203 km2. El 30,4 por ciento de esta superficie (equivalente a 61 km2) presenta cobertura vegetal, definida como la masa vegetal emplazada en suelos absorbentes y no absorbentes, identificables gracias a la fotogrametría.

Desde la Dirección General de Datos, Estadística y Proyección Urbana se releva información de primera mano, complementaria a la provista por otras áreas de Gobierno, y se articula con tecnología aplicada como, en este caso, la fotogrametría aérea que hace posible delimitar con precisión centimétrica las parcelas, manzanas y todo hecho físico sobre el territorio, como plazas, parques y mobiliario urbano.

La cámara del vuelo cuenta, además, con un sensor infrarrojo que permite identificar la masa vegetal con una certeza del 100 por ciento. Gracias a este sensor es posible, no sólo distinguir la vegetación (en color rojizo), sino también conocer su salubridad cuando se manifiesta de forma más brillante, ya que la masa vegetal refleja más fácilmente la energía frente a la luz infrarroja.

El objetivo de este proyecto, como el de cada uno de los que se desarrollan en el área, es la generación de nueva información con valor agregado que permita la toma de decisiones acertadas para la planificación urbana estratégica.

En ese sentido, a partir del Informe de Cobertura Vegetal se puede conocer la cobertura arbórea de los barrios y su continuidad en cada arteria de la Ciudad; entender la relación entre los espacios verdes de acceso libre, restringido y privado; observar su relación con la densidad de población, la morfología de cada zona y los usos del suelo; identificar los sitios con déficit de verde en el espacio público; e incluso estudiar la conformación de los pulmones de manzana o establecer relaciones entre la presencia de masa vegetal, el valor del suelo y los indicadores de sustentabilidad urbana.

En las ciudades la cobertura vegetal no sólo cumple funciones ambientales, sino también sociales. Una buena trama arbórea, por ejemplo, aumenta el bienestar y mejora la calidad de vida de los habitantes, aumenta la infiltración de agua en el suelo y disminuye la temperatura, colabora con la absorción del dióxido de carbono, reduce los niveles de ruido y la contaminación atmosférica, y cumple funciones de tipo arquitectónico como dar privacidad, enfatizar vistas y reducir la luz intensa.

En definitiva, una ciudad más verde, es una ciudad más habitable. Por eso, en línea con los Objetivos de Desarrollo Sostenible (ODS), la Ciudad se compromete a trabajar en la generación de nuevas hectáreas de espacio verde público de calidad y el fortalecimiento de la cobertura vegetal para lo cual es indispensable un diagnóstico adecuado; y es frente a ese desafío que este Informe se convierte en una herramienta que facilita información territorial clave para la formulación de metas claras y la generación de indicadores para el control y medición de resultados de la gestión pública.

Leer más