Categoría: Uncategorized

Durante tres años, Nigel Swarts y el equipo del Instituto de Agricultura de Tasmania (TIA) han investigado la optimización de la productividad de los manzanos a través de la fertirrigación para obtener las aplicaciones de nitrógeno adecuadas para obtener el mayor beneficio y evitar el vigor y la mala calidad de la fruta.

Es una práctica común en la industria de la manzana aplicar fertilizantes basándose únicamente en las recomendaciones estándar disponibles para cumplir con los altos requisitos de nutrientes de la producción de manzanas. La nutrición de precisión del manzano requiere la consideración de muchos factores, incluidos los requisitos de riego, la carga de la cosecha, el tamaño del árbol, las especificaciones de calidad de la fruta, la capacidad del suelo para retener y suministrar nutrientes y minimizar el impacto fuera del sitio. Al prestar atención a estos factores y optimizar los aportes de nutrientes, se puede mejorar la calidad y la vida útil de la fruta. Nuestro proyecto de Productividad de Riego de Plagas y Suelos (PIPS) tenía como objetivo:

Determinar la influencia de la eficiencia del uso de agua y nutrientes en los manzanos mediante fertirrigación.
Facilitar el desarrollo de pautas de fertirrigación para que los productores optimicen la nutrición del árbol completo y el manejo de fertilizantes.
Para abordar este desafío, reunimos a un equipo de investigación del Centro de Horticultura Perenne (PHC) de TIA ; el Departamento de Desarrollo Económico, Empleo, Transporte y Recursos (DEDJTR), Victoria; y el Instituto de Investigación de Plantas y Alimentos de Nueva Zelanda (PFR). En este informe, presentamos los resultados de tres temporadas de ensayos de investigación en Lucaston Park Orchard , Lucaston, Tasmania, y el TIA, Universidad de Tasmania. Detalles de los ensayos de fertirrigación y riego establecidos en los sitios de Lucaston y la Universidad de Tasmania.

Juicio Ubicación Variedad y portainjerto Tratos
N ensayo de fertirrigación y riego (2012-2015). Huertos del parque Lucaston, sur de Tasmania ??¿¿Galaxia?? en portainjerto M26 Riego: a) Alto (3,9 L / h) b) Medio (2,3 L / h) c) Bajo (1,6 L / h) Fertirrigación – Nitrógeno (N) suministrado como Ca (NO 3 ) 2 a) Control – Cero N b ) Mitades divididas: 25% N Pre-cosecha y 25% N Post-cosecha (30 kg N / ha / año) c) Partidas completas- 50% N Pre-cosecha y 50% N Post-cosecha (60 kg N / ha / año) d) Post-cosecha mitad – 50% N Post-cosecha (30 kg N / ha / año) e) Post-cosecha completo 100% N Post-cosecha equivalente (60 kg N / ha / año)
Ensayo de potasio (2014-2015). Huertos del parque Lucaston, sur de Tasmania ??¿¿Galaxia?? en portainjerto M26 Potasio (K) aplicado antes de la cosecha a 50 kg de K / ha suministrado como nitrato de potasio (KNO 3 ) y sulfato de potasio (K 2 SO 4 ) y aplicado por aspersión foliar o fertirrigación.
Ensayo N 15 (2014 ?? 2015). TIA Horticulture Center, UTAS Sandy Bay Campus ?? Jonogold ?? en portainjerto M26 Nitrógeno (N) suministrado como Ca (NO 3 ) 2 enriquecido con 5% N 15 a) Aplicación antes de la cosecha (24 g N / árbol al 5% N 15 ) b) Aplicación posterior a la cosecha (24 g N / árbol al 5% N 15 ) c) Control (cero N 15 )

Cómo el estrés hídrico y el exceso de agua afectan la absorción de nitrógeno
Las condiciones del sitio en el Parque Lucaston y la influencia significativa de El Niño durante la duración de esta prueba significaron que el estudio del estrés hídrico siempre sería complicado. La lluvia se distribuyó uniformemente a lo largo del año y se encontró que las raíces de los árboles estaban accediendo a un nivel freático alto en este sitio. El estrés hídrico fue difícil de imponer. Sin embargo, los diferentes tratamientos de riego proporcionaron una visión interesante de la relación entre las tasas de riego, la absorción de nitrógeno y la calidad de la fruta.

Vigor del árbol, calidad de la fruta y cogollos inactivos
El riego tuvo una gran influencia en el vigor de los árboles en el ensayo de Lucaston. Esto se midió como incrementos en la circunferencia del tronco y la longitud de la rama. El exceso de riego en el tratamiento de riego alto (3,9 L / h) aumentó significativamente la circunferencia del árbol.

fertirrigación de precisión
Aumento porcentual en la circunferencia del tronco entre 2013 y 2015 medidas de dormancia bajo tratamientos de fertirrigación y riego.

El vigor del árbol también fue influenciado por los tratamientos con nitrógeno. La aplicación de nitrógeno de la temporada actual (antes de la cosecha) en lugar del nitrógeno total aplicado durante una temporada aumentó la longitud de las ramas, lo que indica un mayor vigor del árbol. Esto fue apoyado por la prueba en macetas N 15 donde se encontró que la mayor parte del suministro de nitrógeno de la temporada actual estaba presente en el dosel. Los botones florales muestreados en latencia recibieron el beneficio de una aplicación de nitrógeno antes y después de la cosecha. Sin embargo, el resultado no fue tan claro para los brotes vegetativos. Entendemos y predecimos que un mayor contenido de nitrógeno en los cogollos en estado de latencia facilita un comienzo saludable para la siguiente temporada de crecimiento.

fertirrigación de precisión
Nitrógeno total (%) de yemas florales y vegetativas en latencia en 2014 bajo tratamientos de fertirrigación. Las barras de error indican el error estándar y las letras indican diferencias significativas entre los tratamientos.

Se descubrió que el suministro de riego no tiene ningún efecto sobre el contenido de nitrógeno del tejido leñoso, brotes, frutos u hojas. El suministro inmediato de agua de lluvia y agua subterránea hizo que no fuera posible un verdadero tratamiento de riego deficitario. A pesar de esto, se demostró que el riego aumenta significativamente el tamaño de la fruta bajo el tratamiento más alto. El tratamiento de bajo riego produjo la fruta más pequeña con mayor firmeza y sólidos solubles totales. Esto indica que es probable que el tamaño de la fruta se vea más afectado por una reducción relativamente pequeña en el suministro de agua, mientras que la absorción de nitrógeno responde menos.

Cómo el tiempo y las tasas de aplicación de nitrógeno afectan el rendimiento y la calidad
La tasa de aplicación de nitrógeno tuvo un fuerte efecto sobre la absorción de nitrógeno de los árboles y la calidad de la fruta de los manzanos Galaxy en Lucaston. La aplicación de nitrógeno a la tasa más alta en la temporada actual siempre tuvo la mayor influencia en el contenido de nitrógeno de las hojas y la calidad de la fruta, aunque los resultados no siempre fueron significativos. Por ejemplo, el nitrógeno de las hojas en 2015, bajo el mayor tratamiento previo a la cosecha, fue consistentemente más alto que otros tratamientos, igualado solo más tarde en la temporada por el mayor tratamiento de nitrógeno posterior a la cosecha. Como era de esperar, la respuesta en el contenido de nitrógeno de las hojas al nitrógeno aplicado fue más pronunciada en el mes posterior a la aplicación.

fertirrigación de precisión
Nitrógeno total (%) en hojas en bolsa de manzanos bajo tratamientos de fertirrigación durante la temporada 2014/15. Los períodos de fertirrigación son barras transparentes de colores.

En la cosecha, en promedio, el nitrógeno de la fruta fue mayor con el suministro de nitrógeno de la temporada actual; sin embargo, este resultado solo fue significativo en la última temporada de la prueba. Estos resultados son importantes ya que influyeron en los resultados de la calidad de la fruta. En la cosecha comercial, el color de la fruta indicó que el alto contenido de nitrógeno de la temporada actual retrasó la maduración. El color rojo de la fruta se redujo y se observó un color de fondo más verde con un alto suministro de nitrógeno de la temporada actual. Las fuertes correlaciones, independientemente del tratamiento, entre el nitrógeno del fruto (%) y el color del fruto, destacaron aún más su influencia. Una fuerte correlación entre el nitrógeno de la fruta (%) y la firmeza demostró el efecto perjudicial de los altos niveles de nitrógeno antes de la cosecha. Estos resultados no fueron sorprendentes dada la resistencia al hundimiento de la fruta demostrada por el N 15 ensayo, donde más del 30 por ciento del suministro de nitrógeno de la temporada actual estaba presente en la fruta.

fertirrigación de precisión
Correlaciones entre el contenido de nitrógeno total en la fruta y los parámetros de calidad de la fruta de color de fondo y firmeza.

Otros nutrientes Medimos el contenido de nutrientes (calcio, potasio y magnesio) de la fruta en la cosecha final cuando se esperaba que los efectos del tratamiento tuvieran su mayor efecto acumulativo. Los tratamientos de fertirrigación con nitrógeno afectaron la proporción de nitrógeno a cada uno de estos elementos. Las proporciones de nutrientes de frutas de N: K y N: Ca aumentaron en un patrón similar al suministro de nitrógeno. El nitrógeno alto se asocia con un aumento en el vigor del árbol. El dosel más grande de los árboles de tratamiento con alto contenido de nitrógeno puede explicar la menor concentración de estos nutrientes en la fruta, ya que se dirigen a las hojas nuevas que transpiran más rápidamente. El mayor tamaño de la fruta logrado con el tratamiento con alto contenido de nitrógeno también podría haber contribuido a la mayor proporción de nitrógeno a estos nutrientes en la fruta debido a un efecto de dilución. De hecho, los niveles más altos (% de materia seca) de potasio (K), calcio (Ca) y magnesio (Mg) se encontraron en la fruta de control más pequeña. Este efecto del tratamiento no se repitió en el contenido de nutrientes de las hojas. Curiosamente, tres temporadas de suministro de nitrógeno como nitrato de calcio (Ca (NO3 ) 2 ), no provocó un aumento de calcio en los frutos ni en las hojas. Esto puede deberse al largo legado de Ca (NO 3 ) 2 aplicaciones en el sitio como se ve en el nivel muy alto de calcio en las hojas (2.5%). Los tratamientos con potasio hicieron poco para aumentar los niveles de potasio en la fruta, sin embargo, los niveles de potasio en las hojas una semana después de la aplicación se incrementaron con los tratamientos foliares de potasio. Aunque no fue significativa, hubo una tendencia a la disminución del contenido de nitrógeno, calcio y magnesio en la fruta recolectada bajo tratamientos de potasio y, por lo tanto, aumentaron las proporciones N: K, K: Ca y K: Mg. No se encontraron diferencias significativas para todos los parámetros de calidad de la fruta con excepción de los sólidos solubles totales después de 10 semanas de almacenamiento, donde los tratamientos foliares tuvieron un desempeño superior a los tratamientos fertilizados. No se observaron deficiencias de nutrientes en el huerto después de tres temporadas de tratamientos de fertirrigación y riego.

La influencia de la fertirrigación en el almacenamiento y removilización de nitrógeno
Captación de nitrógeno versus removilización
Este ensayo mostró que la absorción total de nitrógeno de la temporada actual no varió significativamente entre las aplicaciones realizadas antes y después de la cosecha. A pesar de una absorción total similar, la distribución de nitrógeno de la temporada actual en todo el árbol fue significativamente diferente.

fertirrigación de precisión
Distribución en la latencia de las proporciones relativas de N15 recuperado de la aplicación antes y después de la cosecha en nueve órganos separados.

El nitrógeno antes de la cosecha se acumuló predominantemente en el dosel con más de la mitad del nitrógeno antes de la cosecha aplicado presente en las yemas y la fruta. Por el contrario, menos de una cuarta parte del nitrógeno poscosecha se encontró en el dosel. Se cree que esto es el resultado de la resistencia al hundimiento de la fruta y las hojas en desarrollo en el período previo a la cosecha. Hubo poca diferencia entre el contenido de N 15 del tronco de los tratamientos de nitrógeno antes y después de la cosecha, sin embargo, N 15 Se encontró que la partición hacia el tronco aumentaba la latencia cercana, lo que indica su importancia como región de almacenamiento. La aplicación de nitrógeno después de la cosecha dirigió más nitrógeno de la temporada actual a la región subterránea en comparación con los árboles que recibieron la aplicación antes de la cosecha. Dado que solo pudimos evaluar la absorción de la temporada actual, no pudimos determinar la influencia que tuvo el nitrógeno removilizado en el crecimiento de la temporada actual.

Almacenamiento de nitrógeno
Los resultados muestran una tendencia hacia una mayor asignación de nitrógeno de la temporada actual al almacenamiento después de recibir el tratamiento con nitrógeno posterior a la cosecha. Esto tiene el potencial de aumentar la disponibilidad de nitrógeno para el crecimiento de principios de primavera de la siguiente temporada. Esto no es sorprendente porque el tratamiento previo a la cosecha desvió una mayor proporción de su nitrógeno a la fruta (35%), que se elimina del sistema. Sin embargo, la diferencia en la cantidad de nitrógeno almacenado entre los tratamientos no fue tan marcada. Esto se debe a la extracción altamente eficiente (100%) del nitrógeno de la temporada actual de las hojas a los órganos de almacenamiento.

Puntos clave
Las altas tasas de riego aumentan el vigor del árbol y el tamaño de la fruta con la correspondiente disminución de la firmeza de la fruta.
Las altas tasas de nitrógeno antes de la cosecha aumentan el vigor del árbol y una gran proporción de este nitrógeno se dirige al dosel. La aplicación de nitrógeno antes de la cosecha también aumentó el contenido de nitrógeno de la fruta. Hubo una reducción correspondiente en la proporción de calcio, potasio y magnesio en relación con el nitrógeno en la fruta. Esto tiene el potencial de afectar negativamente la calidad poscosecha de la fruta. El alto contenido de nitrógeno de la fruta se asoció con un retraso en la maduración, reducción del color de la fruta y disminución de la firmeza de la fruta.
La distribución de nitrógeno dentro del árbol estuvo fuertemente influenciada por el momento de la aplicación de nitrógeno. Una mayor proporción de nitrógeno se dirigió al dosel desde la aplicación de nitrógeno antes de la cosecha, mientras que el nitrógeno posterior a la cosecha se dirigió al almacenamiento.
Recomendaciones
El suministro total de nitrógeno debe adaptarse a las condiciones del sitio / suelo teniendo en cuenta las respuestas de los árboles y las frutas a los regímenes históricos de fertilizantes, lo que requiere registros precisos del manejo de fertilizantes y la respuesta de los cultivos.
El suministro de nitrógeno antes de la cosecha no debe ocurrir antes de cuatro semanas después de la plena floración y la eficiencia de absorción (evitando la lixiviación) se optimizará mediante aplicaciones semanales.
El saldo restante del suministro total de nitrógeno debe proporcionarse después de la cosecha, pero esto puede no ser ideal para variedades de cultivo posteriores en algunas regiones.

Leer más

La cría de ganado de precisión es una tecnología inteligente que permite que los animales individuales sean monitoreados más de cerca en granjas que continúan aumentando el tamaño de sus operaciones. La creciente población mundial implica que la demanda de carne y huevos aumentará en más del 65% en los próximos 40 años. Para asegurar el suministro de alimentos para más de nueve mil millones de personas en todo el mundo, el número de cerdos y pollos y la escala de las granjas donde se crían deben aumentar. Un desarrollo paralelo es la disminución del número de agricultores. Esto significa que cada agricultor tiene que cuidar de un número creciente de animales, mientras que hay una demanda creciente de la sociedad de que se respete el derecho de los animales a la atención individual.

La nueva tecnología de ganadería de precisión contribuye al bienestar animal
Centrarse en el animal
Esto crea desafíos y nos obliga a investigar nuevas tecnologías para monitorear a los animales de manera continua y automática. La ganadería de precisión lo hace posible. Necesitamos enfocarnos en los animales individualmente, para que sus señales puedan ser detectadas e interpretadas. Necesitamos poder responder preguntas como:

¿Están experimentando buenos niveles de bienestar?
¿Están saludables?
¿Están mostrando un comportamiento normal?
puesto-del-futuro_poultry_GB_v2.jpg
iFarming
iFarming (también conocido como agricultura inteligente) es el sistema de Fancom para alojamiento de animales que mantiene su granja y ganado en las mejores condiciones. iFarming se caracteriza por el monitoreo automático y continuo de todos los factores ambientales en la casa, combinado con mediciones en y alrededor del animal. ¡El resultado es una producción sostenible y rentable! La nueva tecnología de agricultura de ganado de precisión (PLF) también se aplica dentro del alcance de iFarming.

Medir el bienestar animal
Al automatizar clima y procesos de alimentaciónha sido una práctica habitual durante años aplicar tecnología avanzada diseñada para mejorar el proceso. Por eso es extraño que cuando evaluamos realmente el bienestar animal, sigamos confiando en métodos subjetivos e incidentales como inspecciones periódicas en el galpón o incluso evaluaciones posteriores en el matadero. Pero para una valoración precisa del bienestar animal, es crucial medir sobre y alrededor del animal, así como tener en cuenta los factores ambientales. Los problemas de la piel, la condición corporal y el comportamiento anormal proporcionan una gran cantidad de datos sobre el bienestar de un animal. En comparación con las inspecciones periódicas, el registro automático también tiene muchas ventajas. En primer lugar, el registro automático puede tener lugar de forma continua y en tiempo real. Además, esta forma de registro es más objetiva. Las inspecciones físicas periódicas requieren mucho tiempo y, dado que pueden interrumpir la rutina diaria en la casa, brindan una imagen menos confiable. Esto puede llevar a que se malinterprete la situación real.

La tecnología de cría de ganado de precisión vigila a los animales las 24 horas del día, los 7 días de la semana
Precision Livestock Farming (PLF) es un nombre colectivo para un conjunto de tecnologías que usamos en y alrededor de los animales en la casa para monitorear continuamente su condición corporal. Un factor clave es que PLF permite que los animales sean monitoreados como un grupo minuto a minuto, 24/7. Este seguimiento sistemático permite reconocer determinados patrones. Si esos patrones difieren de los patrones esperados, se puede desarrollar un sistema de alerta temprana basado en estas señales.

Para comprender mejor la ganadería de precisión y las ventajas que conlleva, vea la entrevista con el profesor Berckmans.

Tecnología de medición
Se utilizan diversas tecnologías de sensores para realizar mediciones sobre y alrededor del animal. Esto incluye chips colocados en animales y cámaras y micrófonos que registran datos de forma remota. Un buen ejemplo es elmonitor de peso eYeGrowque utiliza tecnología de cámara. eYeGrow puede monitorear el desarrollo de un grupo de finalistas día a día. Pero los sistemas existentes ya instalados en la casa también generan información valiosa sobre los animales. Por ejemplo, su sistema de alimentación proporciona datos sobre el consumo de alimento y agua y un sistema de pesaje de animales proporciona una indicación de la actividad animal. El software indica que los animales son:

Moverse menos.
No comer ni beber.
Tener una tasa de crecimiento que se está desacelerando.
Evidentemente, algo anda mal, ya que todas estas señales suelen ser un primer signo de enfermedad. Es mucho más probable que un sistema de monitoreo continuo detecte estas señales, a menudo antes de que el agricultor las note. Esto permite una intervención más rápida y más específica. Estas son algunas otras tecnologías relacionadas con la ganadería de precisión:

Sistema automático de pesaje de aves
Conteo de huevos
Monitoreo del agua en alojamientos de animales.
eYeGrow
¿Qué significa la ganadería de precisión para los agricultores?
La ganadería de precisión nunca podrá reemplazar el papel del agricultor. Sin embargo, PLF hace posible que los agricultores asignen su valioso tiempo de manera más eficiente. Con las aplicaciones PLF, los agricultores pueden dirigir su atención a los animales individuales que necesitan su ayuda. En su inspección diaria de las casas, pueden concentrarse en los lugares que necesitan atención o donde los problemas son una amenaza potencial. Esto está destinado a cambiar la vida de los agricultores y sus animales. Los agricultores pueden actuar tan pronto como un animal experimente algún problema. Además, pueden dedicar más tiempo a prevenir problemas, para que los animales puedan ser criados, o puedan producir, de una forma sana y respetuosa con los animales.

Leer más

Desde arados reversibles hasta cosechadoras combinadas y desde sistemas de inyección de fertilizantes hasta drones: el desarrollo de la agricultura moderna ha sido impulsado durante mucho tiempo por la tecnología. La tecnología también está jugando un papel cada vez más destacado en la ganadería. El personal editorial de Capital Magazine habló con Dries Berckmans, director ejecutivo de la empresa emergente SoundTalks, con sede en Bélgica, y Erik Vranken, director de investigación de la empresa de tecnología de la información para el ganado Fancom. Creen que la ganadería de precisión (PLF) puede ayudar a mejorar el bienestar animal y para crear nuevos modelos de negocio en ganadería en el proceso.

¿Podría explicar qué implica PLF exactamente?
Berckmans: “PLF es el nombre que se le da a una serie de tecnologías que se utilizan en, sobre y alrededor de los animales en la industria agrícola, con el propósito de rastrear permanentemente la condición del animal. Esto podría implicar etiquetar animales más grandes o colocar etiquetas en cámaras y micrófonos que puedan monitorear grandes grupos de animales más pequeños. Pero también podría incluir aplicaciones menos sofisticadas, como dispositivos que miden la absorción de agua o alimento ‘.

Vranken: ‘PLF no es nuevo en sí mismo, pero hasta hace poco era principalmente un campo científico. Pero ahora estamos viendo la rápida aparición de sistemas funcionales en el mercado que están diseñados específicamente para mejorar la salud y el bienestar de los animales ”.

¿Cómo deberíamos imaginar este tipo de sistemas a nivel práctico?
Vranken: ‘Mientras que con animales más grandes como las vacas se pueden usar sensores en el animal o dentro del mismo, eso se vuelve más complicado cuando se trata de animales más pequeños como cerdos y pollos. Por eso estamos invirtiendo en técnicas de medición sin contacto, con el uso de cámaras y micrófonos. Básicamente, seguimos a los animales en grupo 24 horas al día, 7 días a la semana, minuto a minuto.

Suponga que tiene un establo de cerdos que está dividido en diferentes áreas: hay un área de alimentación, un área para beber y un área de descanso. Al vincular cámaras a monitores de software, podemos medir tanto la tasa de utilización de las diversas áreas funcionales como los niveles de actividad de los animales en el grupo.

Si hace esto de manera sistemática, comenzará a identificar ciertos patrones, y si esos patrones difieren de las expectativas, puede desarrollar un sistema de alerta temprana en respuesta. El software registra, por ejemplo, que un cerdo específico o un grupo de cerdos no se ha movido durante algún tiempo. Eso le dice allí mismo que algo no está bien, ya que la actividad reducida a menudo es un indicador de enfermedad, al igual que cuando un animal comienza a beber menos agua o deja de comer por completo. Somos los primeros en percibir esas señales, mucho antes de que el agricultor se dé cuenta. Por lo general, lo notamos uno o dos días antes, lo que facilita que el agricultor intervenga y tome las medidas adecuadas ”.

Berckmans: ‘Me gustaría dejar en claro que nuestra tecnología no está diseñada para reemplazar a los agricultores; su propósito es distribuir el tiempo disponible de manera más eficiente. Actualmente, los granjeros hacen las rondas del establo todos los días, dedicando una cierta cantidad de tiempo a revisar cada cerdo. Al usar aplicaciones PLF, un agricultor sabe antes de comenzar su ronda que algo anda mal en una ubicación específica del establo o que existe un riesgo potencial de que algo suceda, y puede decidir que quiere verificarlo ‘.

“Nuestra tecnología no está diseñada para reemplazar a los agricultores; su propósito es distribuir el tiempo disponible de manera más eficiente «.
Mi propia compañía, SoundTalks, ha desarrollado una herramienta que usa micrófonos para detectar cerdos que tosen y puede observar rápidamente que hay un aumento significativo de tos en algún lugar del establo. La herramienta permite al agricultor responder de inmediato, lo que reduce las pérdidas de producción. Otra ventaja es que hay menos necesidad de antibióticos en el establo en general, porque puede responder de manera más rápida y eficaz ‘.

¿Por qué todavía no todos los establos de Europa están equipados con este tipo de sistemas?
Vranken: ‘Para muchos ganaderos, las inversiones siguen siendo demasiado elevadas, especialmente en el mercado actual, donde tantos criadores de pollos y cerdos tienen dificultades financieras. Pero la respuesta real es: PLF proporciona datos que son interesantes desde una perspectiva comercial a varios socios en la cadena de suministro, pero los agricultores actualmente tienen que pagar la inversión completa.

Permítanme darles un ejemplo: actualmente estamos desarrollando una cámara que mide continuamente el crecimiento y el peso de los cerdos individuales, junto con la cantidad de comida consumida. Esta es una información valiosa para los agricultores, ya que les permite determinar la cantidad requerida para cada animal individual. En la situación actual, es el cerdo de menor rendimiento el que determina el estándar en términos de conversión alimenticia.

Eso está muy bien, pero seguramente todos estos datos son igualmente valiosos para los fabricantes de alimentos para ganado, ya que quieren saber cómo se está desempeñando su alimento. Y es al menos tan interesante para la industria de la genética animal, que quisiera saber con qué eficiencia las líneas de reproducción específicas manejan su alimento, y para los veterinarios, ya que les permitirá detectar tendencias en la enfermedad. Lo único es que aún no existe una estructura general para administrar e intercambiar estos datos. La idea es que a los agricultores se les pague por sus datos en el futuro, ya que esto les da un retorno de la inversión mucho mayor. Esencialmente, los ganaderos del futuro también deberían ser proveedores de datos ”.

Berckmans: ‘No hay duda de que toda la industria está a punto de experimentar algunos cambios masivos. Casi todas las explotaciones ganaderas están explorando sus opciones y estoy convencido de que veremos surgir nuevos modelos comerciales en el futuro. Más adelante en la cadena, las personas ya están obteniendo los beneficios económicos de animales más sanos y un mayor bienestar animal. En el futuro, los agricultores recibirán una parte mayor de estas ganancias ‘.

Vranken: ‘El crecimiento actual de los ingresos de Fancom no se genera en Europa, sino en economías emergentes como América del Sur y China. Un factor es que muchos de nuestros complejos de establos actuales no son adecuados para aplicaciones PLF, lo que hace que la tecnología sea relativamente cara. Pero si basa el diseño y la construcción de un nuevo complejo de establos en PLF, los costos terminan cayendo drásticamente. En otras palabras, Europa todavía se enfrenta a la ‘dialéctica del plomo’ (también conocida como la ‘ley de la desventaja de una ventaja inicial’), pero dados los enormes ahorros de costos que se pueden lograr a través del PLF, eso es solo un cuestión de tiempo.’

La aplicación que lo sabe todo sobre vacas

First8, una subsidiaria de la empresa de cartera de NPM Conclusion, ha estado desarrollando durante algún tiempo aplicaciones y servicios de TI relacionados con la gestión de ganado para su cliente CRV, una gran cooperativa de productores de leche. «El sector agrícola holandés es una industria de miles de millones de euros y utiliza una variedad de recursos de TI», dice Martijn Verhoeven de First8. “Los ganaderos de hoy utilizan nuestros servicios de TI para administrar sus granjas. Los estándares en esta industria para la higiene, la calidad de los alimentos y la producción de fertilizantes son muy estrictos, por lo que requieren una gran cantidad de información, y diseñamos soluciones específicas que pueden usar ‘.

Muchas de estas soluciones son tan sofisticadas que escapan a la comprensión del lego promedio. Por ejemplo, First8 desarrolló una aplicación que permite seleccionar futuros terneros en función de características hereditarias específicas, así como un sistema que puede determinar en base a los patrones de movimiento de las vacas en el campo si una vaca está en celo y por lo tanto lista para ser inseminado. First8 también creó una serie de módulos de cálculo que determinan el ciclo de alimentación ideal, en función de los objetivos de producción y la situación. Estos datos se utilizan posteriormente para calcular el procesamiento más eficiente de fertilizantes dentro de los parámetros legales. Verhoeven: «El Internet de las cosas ya ha hecho avances en las granjas y proporciona a los ganaderos modernos los datos que necesitan para lograr la máxima eficiencia en la gestión de su ganado».

La start-up con sede en Ámsterdam, Connecterra, también está desarrollando un dispositivo, conocido como ‘fitbit’, que rastrea el comportamiento y el bienestar de las vacas. Se colocan sensores en el cuello del animal para registrar cómo come, mastica, camina, bebe y cuándo está en celo o, por el contrario, inactivo. Los algoritmos inteligentes de autoaprendizaje convierten estos datos en información práctica para el agricultor, que está disponible a través de una aplicación de teléfono inteligente. El agricultor puede ver de un vistazo cuántas horas ha caminado una vaca afuera, cuáles son los días más favorables para la inseminación y si

el animal padece un trastorno alimentario, un resfriado o una infección en la pierna. Dado que los productores de leche generalmente tienen poco o ningún margen de inversión, el modelo de ingresos se basa en el uso por mes. Según el fundador Yasir Khokhar, PLF es la próxima gran novedad en la ganadería. «Los agricultores se están volviendo más como ingenieros en el sentido de que ya no pueden ignorar la tecnología». Según el empresario, su principal objetivo es ver animales más sanos y felices, «porque mejorar el bienestar significa más leche».

Leer más

Actualmente, los RPAS/UAV o comúnmente denominados drones, se han convertido en una herramienta clave utilizada en los trabajos de fotogrametría aérea para la obtención de productos topográficos y cartográficos. Éstos son capaces de sobrevolar el área de trabajo portando diferentes tipos de cámaras, radares y sensores, que utilizados con diferentes sistemas de navegación y control de vuelo, registran la posición de las tomas, permitiendo obtener una información completa y precisa del terreno sobrevolado.

Ventajas de la fotogrametría con drones

Reducción del tiempo empleado para la toma y tratamiento de los datos obtenidos.

Reducción del coste del trabajo, al no tener que utilizar avionetas o helicópteros para la toma de información.

Gran precisión y calidad, al tratarse de vuelos a baja altura.

¿ Que podemos lograr con ella ?

Ortofotografía en formato JPEG, TIFF, PNG y KMZ:
Presentación fotográfica de una zona de la superficie terrestre, en la que todos los elementos presentan la misma escala, libre de errores y deformaciones, con la misma validez de un plano cartográfico. La ortofoto puede ser integrada en software SIG o CAD, sumándose a otro tipo de información del terreno, como pueden ser curvas de nivel, parcelarios, etc.

Cálculo de volúmenes, áreas, perfiles topográficos
y otros estudios técnicos.

Planos cartográficos a diferentes escalas:
Representación gráfica de la planimetría y altimetría del terreno. Para su realización, se utilizarán los datos obtenidos del vuelo fotogramétrico y las mediciones de apoyo realizadas con sistemas de posicionamiento GPS topográfico, obteniendo nubes de puntos XYZ de alta precisión.

Modelos Digitales de Elevaciones (DEM) en formato TIFF, BIL, XYX y KMZ:
Los DEM muestran de forma visual y matemática de los valores de altura con respecto al nivel medio del mar, que permite caracterizar las formas del relieve y los elementos u objetos presentes en el mismo.

Podemos diferenciar entre Modelos Digitales de Superficie (DSM) que representan los valores de alturas de todas las características del terreno y elementos artificiales (edificaciones, arbolado, etc.) y Modelos Digitales del Terreno (DTM) que representan los valores de altura del terreno desnudo, eliminando la vegetación y elementos construidos por el hombre

Modelos en 3D en formato OBJ, 3DS, DXF, U3D, FBX y PLY:,
Realizando tomas desde todos los ángulos, se obtiene un modelo digital en 3D del objeto sobrevolado (terreno, yacimiento, obra, etc.), permitiendo el análisis, planificación de diseño de futuros proyectos o reconstrucciones a realizar.

Leer más

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

ANUNCIO

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

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

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

Leer más

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

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

Ver también
Consumir dietas locales y basadas en plantas: cómo alimentar a las ciudades de forma sostenible
Los insectos podrían ayudar a aumentar la autosuficiencia alimentaria de Europa, pero ¿se pondrán al día?
Arreglando el sistema alimentario
Preguntas y respuestas: la pandemia de Covid-19 destaca la necesidad urgente de cambiar el sistema alimentario europeo
Pero con la probabilidad de que la población humana mundial aumente en 2.200 millones en los próximos 30 años para llegar a los 9.800 millones, habrá muchas más bocas que alimentar. Al mismo tiempo, los agricultores se enfrentan a cultivar este alimento adicional utilizando menos agua, tierra, fertilizantes y pesticidas.

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

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

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

Vacas lecheras

En un ejemplo, a 2200 vacas lecheras en seis granjas en Dinamarca, Alemania, Letonia y Lituania se les han colocado crotales con una antena de identificación por radiofrecuencia inalámbrica para identificar a cada animal cuando visitan un alimentador robótico inteligente. El comedero puede detectar cuándo la vaca mete la cabeza en el comedero y registra la hora en que visita cada vaca , junto con la dosis exacta de suplementos minerales que se les dio.

«Necesitamos resolver la huella ambiental del sistema agrícola haciendo más con los mismos recursos o incluso con menos».

Francois Lienard, Internet de los alimentos y la agricultura 2020

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

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

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

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

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

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

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

Cosecha

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

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

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

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

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

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

Granjas de cerdos

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

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

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

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

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

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

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

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

Leer más

La agricultura está evolucionando

La agricultura inteligente y la agricultura de precisión se han convertido en partes importantes de las prácticas agrícolas modernas. Según la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), para el 2050, la producción de alimentos puede aumentar en un 70% para alimentar a 9.600 millones de personas. Las empresas alimentarias y agrícolas están aumentando la inversión en soluciones de IoT para reducir costos, aumentar la calidad y la cantidad y facilitar el trabajo de los agricultores.

Red Tecnoparque Colombia es un programa técnico del SENA Regional Risaralda, el Servicio Nacional de Aprendizaje de Colombia, que tiene como objetivo acelerar el desarrollo de proyectos de base tecnológica en el país. Para mejorar la productividad agrícola, la organización ha desplegado una red de sensores inalámbricos con tecnología Libelium para monitorear los cultivos de plátano en la región centro-oeste de Colombia de Santa Rosa de Cabal.

Seguimiento de cultivos con agricultura de precisión

El cultivo de plátano tiene un significado especial para la economía colombiana. Representa el 9,69% del valor de la producción agrícola, y su producción anual se estima en alrededor de 3 millones de toneladas en un área de 380.000 hectáreas, o poco menos de un millón de acres, según un estudio de caso proporcionado por Libelium.

Según el Informe Consolidado de Exportaciones de Colombia publicado en mayo de 2016, el monto total de las exportaciones de banano entre enero y mayo se estima en $ 433,454,622, un aumento del 11.5% con respecto al total del año pasado. La exportación de banano comprende el 3,7% de las exportaciones totales del país.

La inundación de los cultivos, la disminución de oxígeno en el suelo, la alta humedad, las bajas temperaturas y la baja luminosidad provocan un menor desarrollo de la planta y predisposición a plagas y enfermedades. Durante el invierno, el aumento de plagas y enfermedades hace que el control de plaguicidas sea algo vital para los productores, según Libelium.

La mejora de las condiciones de los cultivos aumentará la relevancia económica de la producción de banano en Colombia. Por esta razón, Red Tecnoparque Colombia ha seleccionado Libelium Waspmote Plug & Sense! plataforma de sensores para desarrollar un proyecto de agricultura inteligente con sensores remotos. ¡Los cultivos de plátano ahora están siendo monitoreados con diferentes sensores agregados a Waspmote Plug & Sense! incluso:

Humedad y temperatura digitales.
La humedad del suelo.
Temperatura del suelo.
Diámetro del tronco
Diámetro de la fruta
Pluviómetro
Radiación solar
Amoniaco (NH3)

Redcom Tecnoparque está utilizando estas métricas para monitorear de forma remota las variaciones ambientales y agronómicas para investigar nuevas variedades de banano. Esta solución permite a los agricultores proyectar cantidades de cosecha, optimizar el uso del agua, prevenir plagas y enfermedades, reducir el consumo de fertilizantes y catalogar suelos según el clima y la cultura. Waspmote Plug & Sense! se comunica con Meshlium Gateway de la empresa a través de los protocolos 802.15.4 mientras que los datos se envían a la nube a través de 3G y GPRS. La información se visualiza en una aplicación basada en la nube a la que se puede acceder a través de cualquier computadora y por aplicación móvil.

Uso de IoT para aumentar la producción de banano

“Este proyecto nos permitirá obtener conocimiento de los cultivos y también desarrollar e implementar tecnología para el sector agrícola como un primer paso para futuras investigaciones”, dijo Jerry Giovanny Colorado Cano, gerente de tecnología virtual en línea de Red Tecnoparque Colombia. “Nuestro objetivo es mejorar y promover la innovación y la competitividad en todos los procesos relacionados con los sectores ambiental y agrícola”.

Algunos de los beneficios de este proyecto incluyen:

Mejora de la sostenibilidad ambiental y agrícola.
Promoción de la productividad sostenible en los cultivos de plátano.
Gestión de residuos orgánicos.
Trazabilidad de cultivos.
Seguridad del producto.

El proyecto está diseñado para ayudar a desarrollar proyectos futuros en Colombia para mejorar la producción de banano y mantener la primera posición en el ranking de países exportadores. Existe el temor de que la enfermedad de Panamá, que actualmente ataca los cultivos en África, Indonesia, Filipinas y Australia, pueda llegar pronto a América del Sur. Los expertos están trabajando para encontrar diversidad genética a través de programas de mejora de especies que utilizan sistemas de IoT.

Leer más

A veces, el sector de la agricultura de precisión colectiva parece un adolescente inseguro que simplemente no puede decidir qué apodo usar.

ANUNCIO
¿Agricultura específica del sitio? «Demasiado anticuado».

¿Agricultura de precisión ? «¿No es básicamente lo mismo que la agricultura en un sitio específico?»

¿Agricultura digital ? «Ni siquiera sé lo que eso significa …»

MÁS DE JAMES C. SULECKI
Agricultura digital
11 de enero de 2020
Los agricultores de precisión necesitarán estas 10 habilidades en la década de 2020
Por James C. Sulecki
Agricultura digital
1 de enero de 2020
He aquí por qué el toque personal es tan importante para Ag Tech en 2020
Por James C. Sulecki
Conferencia de Visión
15 de diciembre de 2019
¿Cómo Chateau Ste. Michelle cosecha dos grados de uvas de un viñedo
Por James C. Sulecki
¿Tecnología agrícola? «¡No, todo el mundo tiene ese nombre!»

¿Qué tal el nombre que la mayoría de la gente ya conoce: agricultura de precisión? “¡No lo sé! ¡No puedo decidirme! »

Mire, me gano la vida con las palabras, y soy el más firme de los creyentes en la precisión (por así decirlo) tal como se practica en mi propia línea de trabajo, pero creo que todos debemos relajarnos sobre cómo llamar a esta colección de tecnologías y técnicas que hemos estado practicando durante, oh … alrededor de un cuarto de siglo.

Para mis oídos, la “agricultura de precisión” tiene el mismo tono de poderosa simplicidad que tenía hace 20 años cuando Meister Media Worldwide se emocionó al adquirir un sitio web llamado PrecisionAg.com y una pequeña publicación de debut llamada PrecisionAg Illustrated.

Pero no digo todo esto solo porque lo poseemos. Precisión. Agricultura. Estas son dos palabras grandes y significativas empaquetadas con el pentámetro yámbico que tanto favorecen los poetas (“pre-CI-sion AG-ri-CUL-ture”). El término describe exactamente lo que estamos tratando de hacer, que es ser lo más preciso posible en la producción de cultivos: en tiempo, mano de obra e insumos. Es lo suficientemente resistente como para prevalecer a través de un cambio continuo de tecnología.

Dicho esto, entiendo la vacilación en apostar por la «precisión». Ciertamente es un listón alto. En ese sentido, podríamos tomar una página del campo médico : medicamento adecuado, dosis adecuada, momento adecuado. Sin promesas, aparte de que harán lo mejor que puedan con las mejores soluciones disponibles.

O incluso podríamos mirar mucho más cerca de casa, donde la industria de los fertilizantes tiene las 4R : fuente correcta, dosis correcta, momento correcto, lugar correcto. ¿Quién puede discutir con eso? Eso es precisión.

Ahora, podría surgir un argumento paralelo sobre qué tecnologías deberían incluirse bajo el título de agricultura de precisión, en lugar de, digamos, agricultura digital o tecnología agrícola.

Leer más

Las tecnologías impulsadas por la inteligencia artificial pueden ayudar al sector agrícola a producir cultivos más saludables, controlar plagas, monitorear el suelo y las condiciones de crecimiento, organizar datos para los agricultores, ayudar con la carga de trabajo y avanzar en una amplia gama de tareas relacionadas con la agricultura en todo el suministro de alimentos. cadena. Estas innovaciones en la agricultura han sido impulsadas considerablemente por el cambio climático, el crecimiento de la población y las preocupaciones por la seguridad alimentaria.

Datos agrícolas evaluados por IA
En el terreno, las granjas generan cientos de miles de puntos de datos a diario. Sin embargo, los agricultores ahora pueden analizar una variedad de cosas en tiempo real, con la ayuda de IA. Pueden evaluar las condiciones climáticas, la temperatura, el uso del agua o las condiciones del suelo obtenidas de su granja para ilustrar mejor sus decisiones. Por ejemplo, Taranis, una plataforma líder en inteligencia de agricultura de precisión, trabaja con granjas en cuatro continentes y coloca cámaras de alta definición sobre los campos para proporcionar los ojos a los agricultores. Por lo tanto, las tecnologías impulsadas por la inteligencia artificial ayudan a los agricultores a optimizar la planificación para crear rendimientos más generosos al determinar las opciones de cultivos, las mejores opciones de semillas híbridas y la utilización de recursos.

Mejorando la calidad de la cosecha
Los sistemas de IA de hoy están ayudando a los agricultores a mejorar la calidad y precisión de la cosecha mediante la agricultura de precisión. Aprovecha la IA para ayudar a identificar enfermedades en las plantas, plagas y una mala nutrición de las plantas en las granjas. Los sensores de IA pueden detectar y apuntar a las malas hierbas y luego decidir qué herbicidas aplicar dentro de la zona de amortiguación correcta. Ayuda a frustrar las aplicaciones de herbicidas y toxinas extremas que encuentran su camino en los alimentos de hoy. Por ejemplo, un equipo de investigadores desarrolló una IA para detectar enfermedades en plantas. El equipo aprovechó un método, el aprendizaje por transferencia, para enseñar a la IA a identificar enfermedades de cultivos y daños por plagas, y utilizó TensorFlow, una biblioteca de código abierto de Google, que creó una biblioteca de 2.756 imágenes de hojas de yuca de plantas en Tanzania. En ese caso, la IA pudo detectar enfermedades con un 98% de precisión.

Agricultura con visión artificial
Al monitorear sus granjas, los agricultores utilizan la visión por computadora y algoritmos de aprendizaje profundo para capturar datos de drones que vuelan sobre sus campos. Desde los drones, las cámaras con tecnología de inteligencia artificial pueden tomar imágenes de toda la granja y evaluar las imágenes casi en tiempo real para reconocer áreas problemáticas y posibles mejoras. Teniendo en cuenta los informes, varias granjas industriales grandes, por ejemplo, intentaron usar la visión por computadora para detectar y confiscar cerdos enfermos al comienzo de una epidemia de peste porcina africana que está arrasando China. Por lo tanto, los drones pueden capturar mucha más tierra en mucho menos tiempo que los humanos.

Agricultura interior
Hoy en día, los nuevos agricultores tecnológicos son ambiciosos y avanzan hacia la agricultura de interior. Es una técnica de cultivo de cultivos o plantas, típicamente a gran escala, completamente en un ambiente compacto. Esta forma de cultivo a menudo implementa métodos de cultivo como la hidroponía y aprovecha las luces artificiales para proporcionar a las plantas los nutrientes y los niveles de luz necesarios para el crecimiento. La agricultura de interior impulsada por IA está tentando ahora a una nueva generación de agricultores. Por ejemplo, 80 Acres Farms, pionera en cultivo de interior, inauguró el año pasado la primera planta de cultivo de interior totalmente automatizada del mundo. Las tecnologías impulsadas por la inteligencia artificial de la compañía monitorean cada paso del proceso de crecimiento.

Por lo tanto, el uso de la inteligencia artificial en la agricultura permite a los agricultores de todo el mundo funcionar de manera más eficiente, lo que permite que las granjas de todos los tamaños operen y funcionen manteniendo al mundo alimentado.

Leer más

La dirección automática y la cinemática en tiempo real (RTK) que permiten a un operador acercarse repetidamente a milímetros de un objetivo son, para mí, la inversión más obvia que podría hacer para mejorar la eficiencia de las prácticas mecánicas de control de malezas como el cultivo entre hileras. La fatiga del operador y los daños accidentales al cultivo se reducirían en gran medida al integrar esta tecnología con los implementos de labranza.

Cuando comencé mis estudios de posgrado en la Universidad de Guelph, hice un trabajo de campo para Heather Griffiths, quien estaba trabajando con la Escuela de Ingeniería para evaluar un rociador específico para un sitio en cultivos de campo de Ontario. La idea era que un rociador solo aplicaría herbicida donde hubiera malezas. En el estudio de Griffiths, observó una reducción del 59 por ciento en el área rociada con un herbicida. Desafortunadamente, esto fue solo en un área de tratamiento de un sitio. Las otras áreas de tratamiento y sitios de investigación vieron reducciones modestas en el área rociada, o todo el campo tuvo que ser rociado porque estaba cubierto de malezas (Figura 1 en la parte superior).

En pocas palabras, la mayoría de las especies de malezas anuales ocupan una porción bastante uniforme de la mayoría de los campos (Figura 2 a continuación) y hay pocas oportunidades de apagar un rociador por falta de malezas.

Figura 2. Un mapa que muestra la distribución y abundancia de cardo cerda anual en un campo durante 1998 (l) y 1999 (r).
Figura 2. Un mapa que muestra la distribución y abundancia de cardo cerda anual en un campo durante 1998 (l) y 1999 (r). foto: Suministrada

Sin embargo, existe una oportunidad debido a la forma en que se distribuyen las malezas perennes como la cola de caballo (Figura 3 a continuación), ya que son irregulares y no se mueven mucho de un año a otro.

Figura 3. Un mapa que muestra la distribución y abundancia de la cola de caballo de campo anual en un campo durante 1998 (l) y 1999 (r).
Figura 3. Un mapa que muestra la distribución y abundancia de la cola de caballo de campo anual en un campo durante 1998 (l) y 1999 (r). foto: Suministrada

Supongamos que tenemos cola de caballo de campo en maíz tolerante al glifosato. Es probable que deba hacer una aplicación al aire de glifosato para controlar la mayoría de las especies de malezas anuales, pero ¿qué pasaría si pudiera inyectar otro herbicida que fuera efectivo en la cola de caballo de campo, como MCPA o Broadstrike RC, siempre que el rociador detectara los parches de cola de caballo de campo? Ahora tenemos algo que tendría mucho sentido siempre que pudiéramos desarrollar los mapas de forma sencilla y rentable.

Ahora mismo, ese es el desafío. Cuando Griffiths hizo su trabajo a fines de la década de 1990, el esfuerzo por obtener un mapa preciso era bastante laborioso y costoso. Las herramientas de detección remota como el infrarrojo cercano (NIR) y el índice de vegetación de diferencia normalizada (NDVI) son herramientas más nuevas que han hecho que el proceso de mapeo de malezas sea más rentable, aunque aún no es posible obtener estas herramientas para separar de manera eficiente y precisa las malezas de los cultivos. alcanzar. Pero está mucho más cerca ahora que en 1999.

Leer más