Categoría: Uncategorized

En los últimos cinco años aproximadamente, el volumen total de inversiones en el sector agrícola ha crecido en un enorme ~ 80% . Según los expertos, la agricultura de precisión ( la técnica de optimizar los insumos y fertilizantes existentes, las herramientas de labranza, los campos y los cultivos, con el fin de mejorar el control y la medición de los rendimientos agrícolas ) tiene el potencial de desempeñar un papel clave en la satisfacción de la creciente demanda de alimentos de la creciente población mundial. Un informe reciente estimó el valor del mercado global de agricultura de precisión al final de esta década en alrededor de $ 4,6 mil millones , con la CAGR entre 2015 y 2020 siendo solo un poco menos del 12% . Solo en los Estados Unidos, elEs probable que el mercado de software de agricultura inteligente aumente en más del 14% de aquí a 2022 . Sin embargo, el crecimiento y la proliferación reales de la agricultura de precisión no ha sido tan sólido como se esperaba anteriormente. El sector se enfrenta a varios retos clave, y a ellos les prestamos atención en este post:

Interoperabilidad de diferentes estándares
Con cada vez más fabricantes de equipos originales que presentan nuevas e innovadoras herramientas y plataformas de IoT agrícolas, la interoperabilidad se está convirtiendo rápidamente en un motivo de preocupación. Las diversas herramientas y tecnologías disponibles a menudo no siguen los mismos estándares / plataformas tecnológicas , como resultado de lo cual existe una falta de uniformidad en el análisis final realizado por los usuarios finales. En muchos casos, la creación de pasarelas adicionales se vuelve esencial para la traducción y transferencia de datos entre estándares. Tal como están las cosas ahora, la agricultura de precisión ( aunque evoluciona rápidamente ) todavía está, en gran medida, fragmentada. El desafío radica en transformar los dispositivos inteligentes independientes y las puertas de enlace en plataformas integrales y amigables para los agricultores.

La curva de aprendizaje
La agricultura de precisión implica la implementación de tecnología de punta para impulsar el crecimiento de los cultivos. Para el agricultor promedio, configurar la arquitectura de IoT y la red de sensores necesarias para su (s) campo (s) puede ser una gran pregunta. Debe tenerse en cuenta que el margen de error en una ‘granja inteligente’ con tecnología mejorada es mínimo , y una gestión defectuosa ( una válvula presionada incorrectamente aquí, olvidar apagar el tanque de riego allí, etc. ) puede ser desastrosa. Lograr que los agricultores se familiaricen a fondo con el concepto de agricultura inteligente y las herramientas / dispositivos involucrados en él es de suma importancia, antes de que puedan continuar con la implementación. La falta de conocimiento puede ser peligrosa.

Conectividad en zonas rurales
En muchas ubicaciones rurales remotas en todo el mundo ( particularmente en los países en desarrollo, aunque varias ubicaciones en los EE. UU. También sufren de esto ), no se dispone de una conectividad a Internet sólida y confiable . Eso, a su vez, frustra los intentos de aplicar técnicas de agricultura inteligente en esos lugares. A menos que el rendimiento de la red y las velocidades del ancho de banda mejoren significativamente, la implementación de la agricultura digital seguirá siendo problemática. Dado que muchos agro-sensores / puertas de enlace dependen de los servicios en la nube para la transmisión / almacenamiento de datos, la computación basada en la nube también debe fortalecerse . Es más, en las tierras de cultivo que tienen árboles altos y densos y / o terrenos montañosos, la recepción de las señales de GPS se convierte en un gran problema.

Entender el big data en la agricultura
La granja agrícola moderna y conectada tiene, literalmente, millones de puntos de datos. Sin embargo, es casi imposible monitorear y administrar cada uno de los puntos de datos y lecturas de manera diaria o semanal, durante todas las temporadas de cultivo ( tampoco es necesario ). El problema es particularmente mayor en las grandes tierras de cultivos múltiples y cuando hay varias temporadas de cultivo. Los agricultores tienen la responsabilidad de averiguar qué puntos y capas de datos necesitan rastrear de forma regular, y qué » ruido » de datos pueden permitirse ignorar. La agricultura digital se está volviendo cada vez más impulsada por los macrodatos, pero la tecnología es útil solo cuando los usuarios pueden » dar sentido » a la información disponible.

Desconocimiento de las distintas funciones de producción agrícola.
El análisis económico en profundidad debe complementar las herramientas de Internet para garantizar mayores rendimientos en las granjas. Los usuarios deben poder definir la función de producción correcta (producción en función de insumos clave, como nutrientes, fertilizantes, riego, etc.). Por lo general, la función de producción no es la misma para todos los cultivos , difiere en las diversas zonas de una granja y también cambia a lo largo del ciclo de crecimiento de cultivo / planta. A menos que el agricultor sea consciente de esta función de producción variable, siempre existirá la posibilidad de que se apliquen insumos en cantidades incorrectas ( por ejemplo, rociar demasiado fertilizante nitrogenado ), lo que provocará daños en los cultivos. La agricultura de precisión se trata de optimizar los niveles de producción haciendo el mejor uso de los insumos limitados disponibles. – y por eso, la importancia de seguir la función de producción es inmensa.

Tamaño de las zonas de gestión individuales
Tradicionalmente, los agricultores han considerado todos sus campos como unidades agrícolas individuales. Sin embargo, ese enfoque está lejos de ser efectivo para la aplicación y gestión de IoT en la agricultura. Los usuarios tienen que dividir sus tierras en varias ‘zonas de gestión’ más pequeñas , y existe mucha confusión con respecto al tamaño ‘correcto’ de estas zonas . Las zonas deben dividirse con respecto a los requisitos de muestreo del suelo (las diferentes zonas tienen diferentes calidades del suelo) y los requisitos de fertilizantes.. El número de zonas en un campo y sus respectivos tamaños deben depender del tamaño total del área de cultivo. No hay mucho trabajo de referencia para los agricultores, mientras intentan dividir sus tierras en estas zonas. Como alternativa, muchos agricultores continúan aplicando fertilizantes y / o métodos de riego uniformes para toda la granja, lo que genera resultados subóptimos.

Barreras de entrada para nuevas empresas
Aunque la agricultura de precisión ha sido un tema de considerable interés durante varios años, el concepto sigue siendo relativamente » nuevo «. Como tal, los grandes fabricantes de hardware / software que entraron en este mercado en una etapa temprana todavía tienen una clara «ventaja de ser el primero en moverse» . La escasa competitividad del mercado puede impedir que nuevas empresas entren en este dominio , y las grandes empresas existentes conservan un dominio absoluto. Los agricultores también pueden enfrentar problemas al intentar migrar flujos de datos de una plataforma anterior a una más nueva.y existen riesgos de pérdida de datos. Los recursos y plataformas proporcionados por un gran actor en el sector agro-IoT podrían no ser compatibles con los proporcionados por un OEM más pequeño, y eso podría impedir que este último tenga suficientes clientes.

Falta de escalabilidad y problemas de configuración.
Las granjas agrícolas pueden ser de diferentes tamaños. Un solo propietario puede tener una gran tierra de cultivo, junto con varias tierras más pequeñas. En la India, casi el 33% del área total dedicada a la agricultura corresponde a solo el 5% del número total de granjas , lo que destaca claramente la naturaleza desigual de los tamaños de las granjas aquí. Un agricultor debe recibir herramientas de IoT ( puntos de acceso, puertas de enlace, etc. ) que sean completamente escalables. En otras palabras, la misma tecnología debería ser aplicable, y los mismos beneficios deberían estar disponibles, en una gran granja comercial, así como en una pequeña parcela de tierra de cultivo / huerto personal . La necesidad de configurar manualmente la instalación y los dispositivos es otro probable motivo de preocupación. Para que la agricultura sea verdaderamente autónoma, lala tecnología debe ser autoconfigurable . Los recientes aumentos en la inteligencia artificial y el aprendizaje M2M abren la posibilidad de eso.

Riesgos de agotamiento energético
Ya se ha escrito mucho sobre las ventajas medioambientales de cambiar a la agricultura inteligente (la agricultura de precisión es «más ecológica» ). Sin embargo, la necesidad de poderosos centros de datos y pasarelas / hubs para el funcionamiento de los sensores inteligentes y otros dispositivos puede llevar a un gran consumo de energía , y se requieren más recursos para reponer esa energía. Además, la creación de nuevas herramientas agrícolas de IoT también tiene un efecto en el sector energético. No es de extrañar que las empresas hayan empezado a centrarse en plataformas de tecnología agrícola que no provoquen demasiado agotamiento energético … pero todavía queda mucho camino por recorrer en este sentido.

Desafío para la agricultura de interior
La mayoría de los métodos y recursos de la agricultura de precisión están optimizados para la agricultura convencional al aire libre. Dado que se prevé que el valor de la industria agrícola vertical global supere los $ 4 mil millones para 2021 , se debe prestar más atención al apoyo tecnológico para la agricultura de interior. Se debe tener en cuenta la ausencia de fluctuaciones climáticas diarias y temporadas regulares, al tiempo que se idean métodos inteligentes de cultivo en interiores. El valor nutricional de los productos tampoco debe verse afectado negativamente de ninguna manera. Los agricultores deben poder confiar en la tecnología para crear el entorno de crecimiento óptimo ( luz, temperatura, disponibilidad de agua ) para las plantas de interior.

Fallos técnicos y daños resultantes
La creciente dependencia de la agricultura (¡ o cualquier otra cosa, para el caso! ) De la tecnología tiene un inconveniente potencialmente grave. Si hay una falla mecánica en el hardware, o una unidad de IoT agrícola / fallas en el sensor , el resultado puede ser daños graves a los cultivos. Por ejemplo, en caso de que los sensores de riego inteligentes estén inactivos, es probable que las plantas se regulen en exceso o en exceso. La seguridad alimentaria puede verse comprometida si los recursos tecnológicos en las áreas de almacenamiento no funcionan. Incluso unos pocos minutos de inactividad debido a un corte de energía pueden tener graves consecuencias, especialmente cuando la energía de respaldo no está disponible.

Montaje de desechos electrónicos
Las granjas impulsadas por tecnología inteligente han eliminado ( en diversos grados ) los problemas de escorrentía, contaminación y otros canales de daños ecológicos. Las emisiones de dióxido de carbono también se han reducido significativamente ( ~ 2,0 GHt en un período de cinco años ). Sin embargo, ha surgido un nuevo riesgo, en forma de desechos electrónicos ( e-waste ). En 2013, el volumen total de dichos desechos superó los 52 millones de toneladas métricas , y las pilas de herramientas y computadoras de IoT desechadas y dispositivos electrónicos obsoletos agravan aún más este problema. En pocas palabras, las actualizaciones regulares de hardware están volviendo obsoletas las unidades más antiguas- y en muchas áreas, tirarlos está causando vertederos. Para que todo sea sostenible, se deben tomar las medidas adecuadas para la eliminación de los desechos electrónicos. Pronto.

Pérdida de empleo manual
En promedio, 4 de cada 10 miembros de la fuerza laboral mundial están empleados en el sector primario. Las cifras son particularmente elevadas en Oceanía, África y Asia. A medida que IoT en la agricultura se vuelve cada vez más común y las cosas se automatizan, un gran porcentaje de esta mano de obra agrícola perderá sus puestos de trabajo. Los otros sectores deben tener la capacidad de absorber esta fuerza de trabajo (ahora sin trabajo), y en muchos de los países en desarrollo / subdesarrollados, la economía no es lo suficientemente fuerte para que eso suceda. No hay lugar para dudar de los beneficios que aporta la agricultura de precisión, pero el desplazamiento a gran escala de trabajadores manuales puede generar insatisfacción entre las personas.

El factor de seguridad
La presencia de malware y robo de datos es un riesgo en prácticamente todos los tipos de ‘ sistemas conectados ‘, y la agricultura inteligente no es una excepción. A medida que aumenta la cantidad de tecnología de middleware, terminales y dispositivos de IoT en uso activo en la agricultura, también aumenta la cantidad de puntos de entrada para programas maliciosos de terceros . Dado que los ataques de terceros a un sistema de IoT complejo a menudo están descentralizados , detectarlos y eliminarlos surge como un gran desafío. La situación se complica debido a la propensión de muchos propietarios a optar por dispositivos y recursos un poco más baratos., que no vienen con las garantías de seguridad esenciales. Las múltiples capas de software y API también pueden causar problemas. Existe una necesidad urgente de políticas de aprovisionamiento y seguridad más estrictas para la IoT agrícola, para que sea más aceptable para los usuarios.

Beneficios no evidentes de inmediato
Para obtener la motivación para invertir en una ‘ nueva tecnología ‘ como la agricultura inteligente, los usuarios ( comprensiblemente ) querrán tener una idea del ROI de esta tecnología. Sin embargo, desafortunadamente, casi no hay forma de estimar los beneficios de la agricultura de precisión a largo plazo, y los beneficios no se hacen evidentes desde el principio . Por esta misma razón, muchos propietarios todavía ven el uso de tecnología avanzada en la agricultura como ‘riesgoso’ e ‘incierto’ , y se mantienen alejados de adoptarlo. Con una mayor familiaridad con la agricultura y la formación integral, esos temores deberían desaparecer.

Los dispositivos inteligentes que simplemente brindan información sobre el alcance de los daños a los cultivos son de poca utilidad, y se necesitan más herramientas de ‘mantenimiento predictivo’ , que puedan anticipar los daños y ayudar a los agricultores a evitarlos. La personalización de los sensores y recursos para cumplir con los diferentes requisitos de control de nutrientes / agua / plagas de diferentes plantas es un desafío, al igual que reunir y comparar datos de varias granjas. Los agricultores deben tener un conocimiento completo de los ‘algoritmos de nutrientes’ correctos , para que las plataformas / pasarelas se puedan configurar de manera óptima. También hay margen para reducir los frecuentes » errores de mapa de rendimiento «, que conducen a estimaciones de producción erróneas.

El concepto de agricultura de precisión se basa en cuatro pilares: lugar correcto, fuente correcta, cantidad correcta y momento adecuado . Ya ha marcado una diferencia en el rendimiento de la agricultura y el rendimiento agrícola en todo el mundo … y una vez que se superen los desafíos antes mencionados, sus beneficios serán más evidentes, más sostenibles.

Leer más

Dale Cowan atrae a una multitud cuando se instala junto a un campo de maíz en el suroeste de Ontario. Sucede varias veces al día en temporada alta, cuando saca su eBee amarillo brillante para otro viaje de exploración de campo.

El eBee de Cowan es uno de los más nuevos entre cientos de vehículos aéreos no tripulados (UAV) para la agricultura en el mercado actual de América del Norte.

“Por lo general, atraigo a una multitud cuando estoy en un campo con un dron”, dice. “Parte del acuerdo de licencia es que tengo que mantener a las personas a 100 pies de distancia del pie de la operación, pero no estoy allí por mucho tiempo. Entra y sale «.

Puede inspeccionar fácilmente 1,000 acres por día sobre pequeños campos de maíz de Ontario. Volando a 45 km / hora (poco menos de 30 mph), el dron puede cubrir 100 acres en 20 minutos. La duración de la batería es tal que podría cubrir una sección completa de tierra en las praderas abiertas con un solo vuelo.

Como agrónomo, Cowan comenzó a mirar imágenes de sensores remotos de satélites y aviones en 1994. Son costosas y no muy oportunas, dice, en comparación con la opción UAV.

Por $ 5 el acre, ahora proporciona imágenes NDVI (índice de vegetación de diferencia normalizada) de alta resolución (4 pulgadas). Un vuelo típico captura de 300 a 350 imágenes en 10 a 20 minutos.

Las imágenes se procesan posteriormente en su tienda y están disponibles en 48 horas para una evaluación detallada. En los viejos tiempos (antes de 2013), su solicitud de imagen para un campo típico de 100 acres costaba entre $ 1,500 y $ 2,000. A veces, la imagen tenía una nube sobre el campo. Casi nunca estuvo disponible en la etapa de crecimiento adecuada. Cubría de tres a seis secciones y tenía que procesarse en su taller para el sitio de campo específico.

“Todos los drones tienen comunicación en tiempo real. Pilotas estas cosas tú mismo a una altura de 400 pies. Cuando el morro de un avión se sale de su curso, deja de tomar fotografías y te lo dice. Cuando hace demasiado viento, regresan a casa. Cualquier viento de más de 20 km / hora (aproximadamente 12,5 mph) y rachas significa que probablemente no pueda volar. Los límites son principalmente el viento y las condiciones del cielo ”, dice.

Cowan es agrónomo senior de Agris Co-operative Ltd. en Chatham, Ontario. La compañía compró un UAV de fabricación suiza, el Swinglet, en 2013 para probar el mercado, el funcionamiento y el rendimiento. Pagó alrededor de $ 25,000 por el avión de 2.2 libras. En 2014, cambió el Swinglet por un eBee de $ 30,000.

El eBee tiene una envergadura de 33 pulgadas, una cámara digital y una pila de aviónica. Los vuelos son planificados previamente por el operador utilizando Google Earth, luego se cargan en la memoria a bordo del eBee.

En vuelo, el avión volará solo, pero el operador puede desviarlo. Necesita unas 30 yardas para despegar y, con práctica y buenas condiciones, aterrizará en el césped junto a los pies del operador.

Volar es la parte divertida. Encontrarlo cuando la batería se agota no es tan malo. Cowan una vez caminó a través de un maíz de 8 pies para encontrar un dron, siguiendo el rastro de la señal GPS.

“Siempre sabes dónde está”, dice.

Entre bastidores La
preparación de cada vuelo requiere trámites legales. Transport Canada controla la autorización de drones, emitiendo certificados de Operación de Vuelo Especial. Cowan necesitaba una escuela en tierra abreviada de dos días con un instructor de vuelo calificado antes de su primer vuelo con drones.

“Siempre soy muy cauteloso y muy consciente de mi espacio aéreo. Sé dónde están todas las pistas de aterrizaje en Ontario ”, relata. “Estoy compartiendo el aire con pilotos con licencia. Operan con un techo mínimo de 500 pies, por lo que nunca debería chocar con un avión con licencia, excepto alrededor de un aeropuerto «.

Para volar un dron en un área específica dentro de una zona de control, presenta un aviso a NavCanada indicando que el dron estará en esa área a esta altitud entre estas horas del día.

Después del vuelo, procesar imágenes en una sola toma de campo que sea útil requiere una o dos horas con habilidades profesionales.

«Necesita mucho espacio en la computadora y un conjunto de habilidades bastante bueno para hacer el mosaico de fotos después», dice Cowan.

Ponga la tecnología a trabajar
Cowan tiene dos cámaras para el eBee. Vuela en cada campo dos veces: una vez con la cámara digital en color estándar y una segunda vez con una cámara filmando en rojo e infrarrojo.

“El infrarrojo es donde realmente estoy detectando muchos de los cambios sutiles en el desarrollo de los cultivos”, explica. “Veo cosas que suceden en el campo que la imagen en color no me muestra. Puedo ver que la deficiencia de nitrógeno ocurre tal vez una semana antes de que la detecte a simple vista «.

Para 2015, planea tener una cámara que capte infrarrojos más tres bandas de luz (roja, verde y azul (multiespectral)) para producir imágenes NDVI de alta calidad. Debido a que las imágenes se superponen, también será útil para mapas de elevación en 3D con una precisión vertical de 10 cm.

Su siguiente paso es mejorar el manejo del nitrógeno en el maíz al observar el contenido de clorofila con las imágenes.

“Tomaré algunos vuelos justo antes de la aplicación de borlas y buscaré en detalle la deficiencia de N. Haré algunas pruebas de tejido para verificar las imágenes y trataré de calibrar para saber a dónde ir para obtener nitrógeno adicional, si es necesario ”, dice Cowan.

Agris Co-operative también encontró problemas de manganeso en los cultivos de soja al usar el dron. “Sé exactamente dónde poner el manganeso y no desperdiciar dinero en otra parte”, señala. «Si hago el vuelo a tiempo y tengo todo el equipo organizado, puedo hacer un trabajo mucho más eficaz».

A largo plazo, dice, los campos son variables y siempre se están considerando cambios en la administración.

“Si busco diferentes tasas de nitrógeno, realmente puedo precisar la gestión. Si obtengo información, más allá de lo obvio, sobre lo que está causando la variabilidad, entonces puedo decidir si es algo que puedo manejar. Ese es el punto de valor para los drones agrícolas «.

Rumores de la industria
El eBee no es el mejor ni el más barato de los drones agrícolas. Cowan dice que puede comprar un helicóptero controlado por teléfono inteligente por unos $ 300 y ponerle una cámara. También descubrió una empresa local que fabricaba helicópteros no tripulados de 90.000 dólares, principalmente para el ejército de Estados Unidos.

Los helicópteros funcionan bien para la vigilancia puntual en medio de un cultivo. Un dron de ala fija es mejor para la cobertura.

“Las imágenes sin procesar ahora pueden ser procesadas por empresas privadas y devueltas al día siguiente”, dice Cowan. “John Deere, Monsanto y otros están compitiendo hacia los servicios de computación en la nube. Tienen las capas para GIS y seguro que quieren sus datos «.

Un informe de 2013 de la Association for Unmanned Vehicle Systems International identifica 210 empresas y 808 plataformas en América del Norte. Aproximadamente el 70% eran productos de ala fija; El 20% fueron rotativos. Algunos son más ligeros que el aire, tienen alas batientes y vienen en otras configuraciones. Los tiempos de vuelo suelen ser de menos de una hora.

“Los UAV han explotado en el mercado en los últimos 24 meses”, señala. “Si está interesado en uno para su propia granja, hable primero con un asesor de cultivos. Algunos consultores agrícolas de Ontario los tienen. En los EE. UU., Hable con alguien familiarizado con la FAA. En este momento, si obtiene valor de volar un dispositivo, es comercial y ya no es un aficionado «.

Leer más

Variabilidad espacial de la fertilidad del suelo (Primera parte)El conocimiento de la variabilidad espacial de las propiedades del suelo y, a su vez, de los indicadores productivos de los frutales, resulta de gran importancia para diferenciar los sitios o sectores homogéneos sobre los cuales se podría establecer un manejo del sitio específico y así producir con la calidad, rendimiento, eficiencia y cuidado deseado.Viernes, 28 de julio de 2017 a las 8:30
Carlos Sierra
FacebookTwitter
EnviarImprimiragrandar letraachicar letra
Carlos Sierra
La producción agrícola es una actividad económica cuyo objetivo es producir de manera rentable frutas u hortalizas que, consumidas en fresco o procesadas, permitan satisfacer la demanda de los consumidores. Dicha producción está fuertemente influenciada por el manejo agronómico del cultivo y controlada por la calidad o potencial del sitio en que este se encuentra, lo que se relaciona principalmente a factores climáticos y edáficos.

En efecto, este último factor es de gran representatividad, ya que desafortunadamente los suelos chilenos, en una misma área de producción, muestran una elevada variabilidad en sus propiedades físico-químicas (fertilidad) y una distribución sesgada de los valores.

En relación a esto, diversos investigadores señalan que la variabilidad de las propiedades del suelo y, por consiguiente, los rendimientos de los cultivos, ha sido reconocida desde los albores de la agricultura. Esta variabilidad ha estado determinada por factores de formación del suelo y del manejo histórico del mismo, de los cultivos y las condiciones climáticas. También la posición en el paisaje y su geomorfología presente son importantes factores incidentes en la variabilidad espacial del suelo. Es muy difícil que los suelos de un campo sean uniformes y que su variabilidad sea normal. De hecho, en áreas de suelos aluviales, bajo esta condición, los suelos son variables, aún en cortas distancias.

Lo anteriormente planteado ha significado una prescripción de un manejo promedio, aplicado a toda el área productiva, escapando, en parte, de la dificultad que significa la alta variabilidad espacial del suelo, lo que provoca respuestas heterogéneas de las plantas, las cuales se traducen en una elevada variabilidad en el rendimiento y/o calidad de la producción.

En base a lo antes señalado, resulta gravitante que existan suficientes medios y tecnologías de estadística espacial, sistemas de información geográfica, sistemas de posicionamiento global dentro de los manejos de sitios específicos o agricultura de precisión, que posibiliten el conocimiento del sitio y la planta para tomar decisiones adecuadas en los manejos, para que puedan ser aplicados con la mayor eficiencia posible en un potrero o cuartel de frutales.

De hecho, la condición que generó la agricultura de precisión y la aplicación variable en particular fue la variabilidad espacial, que es la variación de las características medidas en el cultivo y el suelo en distancia y profundidad. Se reconoce, además, que existe variabilidad en todos los sectores, observándose principalmente en factores como contenido de humedad, textura, topografía, vigor del cultivo, incidencia de plagas, malezas e insectos y, por ende, en la productividad.

Por lo tanto, el conocimiento de la variabilidad espacial de las propiedades del suelo y, a su vez, la variabilidad espacial de los indicadores productivos de los frutales, con posibilidad de diagnosticarlos, correlacionarlos e identificarlos, resulta de gran importancia para diferenciar espacialmente los sitios o sectores homogéneos sobre los cuales se podría establecer un manejo del sitio específico y así producir con la calidad, rendimiento, eficiencia y cuidado deseado.

En efecto, los estudios de variabilidad espacial son importantes debido a que tomando los cambios espaciales de ciertas características del suelo (ejemplo fertilidad) de un cultivo determinado, puede estimarse su proceso y de esta manera incrementar la certeza de los pronósticos de sus respuestas bajo ciertos manejos.

Por otra parte, las características del cultivo y del suelo no sólo varían en la distancia y profundidad como variabilidad espacial, sino también lo hacen con el tiempo. Se puede afirmar que algunas características del suelo son muy estables y cambian muy poco a través del tiempo, como la textura y el contenido de materia orgánica. Otras, en cambio, como el nivel de nitratos y contenido de humedad, pueden cambiar rápidamente las condiciones de cultivo, incluso en cuestión de horas.

La fertilidad del suelo varía horizontalmente y en profundidad. El historial de los cultivos, rendimientos, fertilizaciones y laboreos, agregan variabilidad por extracción y aporte de nutrientes, pudiendo modificar muchas propiedades estables, como el pH, en el mediano plazo.

La movilidad de algunos elementos en el suelo, como los nitratos, pueden explicar su enorme variabilidad espacial, sin embargo, también hay gran variabilidad de elementos que son muy poco móviles en el suelo como el fósforo, que al igual que el nitrógeno, también puede tener una variabilidad estacional, según la actividad microbiológica, producto de cambios en la temperatura y humedad del suelo.

La variabilidad espacial se aprecia cuando la distribución de los valores, por ejemplo, de un análisis de suelo no siguen una distribución normal -en la cual la media es igual a la mediana, la mitad de los puntos muestreados se encuentra sobre fertilizado y la otra subfertilizada- sino que log-normal (sesgado hacia la izquierda). En este caso unos pocos valores altos harán que el promedio del análisis se sobreestime siendo mayor a la mediana. Esto implica que más del 50% del predio será subfertilizado. El caso contrario sucederá si los valores son sesgados a la derecha (promedio menor a la mediana), lo que implica sectores sobre fertilizados. De acuerdo a este análisis, se debería recomendar el Manejo de Nutrientes Sitio Específico (MNSE), con el fin de redistribuir el fertilizante según las necesidades de cada sector del predio.

La variabilidad espacial de las propiedades del suelo, y como tal los rendimientos de los cultivos, están determinados principalmente por los procesos de formación de los mismos (factores intrínsecos), el manejo histórico de las explotaciones y el apotreramiento en unidades de superficies variables (factores extrínsecos).

Además, otros factores inherentes al suelo generan variabilidad, como la topografía, la profundidad, la textura y la salinidad, entre otros; y aquellos producidos por la acción del hombre, como la fertilización, la compactación, el laboreo y otros.

Variabilidad espacial del suelo en Chile

La distribución espacial de los suelos a nivel nacional es de gran complejidad, debido a que el territorio es de una topografía muy accidentada, por lo tanto, es dable esperar la ocurrencia de importantes variaciones en los patrones generales del suelo. Esto, además, afecta fuertemente la proyección de la información agronómica generada por los centros de investigación agrícola. El comportamiento de la vid en el valle de Copiapó es muy distinto al de Ovalle o el de Rancagua. Además, no sólo varía el suelo, sino también el clima, lo que incrementa aún más la variabilidad de la respuesta de las plantas a distintos manejos.

Cabe destacar que la mayor variación en un suelo aluvial regado, correspondiente a la serie Maipo de 5.76 ha, correspondió a los nitratos seguida del P Olsen y finalmente el K de intercambio, de acuerdo al coeficiente de variación en un muestreo intensivo de grillas de 24 x 24 metros.

trbgcolor=»#faf9f9″>table width=»100%» border=»0″ cellspacing=»0″ cellpadding=»0″>NutrienteC.V. (%)N -NO3 (ppm)47.2P Olsen (ppm)37.3K de intercambio (ppm)18.5Fuente: Suárez (1978).
Como ejemplo de una situación muy diferente, se puede señalar la condición de los suelos de la pampa húmeda argentina, cuyo suelo se mantiene bastante uniforme. Si bien igualmente existe variabilidad, esta se da a una escala mucho mayor.

En el pasado reciente los productores agrícolas no disponían de las herramientas necesarias para medir efectivamente la variabilidad espacial o localizar los sectores con problemas de productividad dentro de un área de producción. Sobre la base de esto, nació la agricultura de precisión (AP) o manejo de sitio específico (MSE), la cual permite medir y manejar la variabilidad espacial para potencialmente aumentar la eficiencia productiva y disminuir el impacto ambiental.

La agricultura de precisión o manejo de sitio especifico

La agricultura de precisión (AP) se define como la utilización de modernas herramientas que permiten la obtención y análisis de datos georeferenciados, que mejoran el diagnóstico, la toma de decisiones, la eficiencia en el uso de los insumos y la producción con sustentabilidad del sistema productivo. Esto engloba el uso de modernas tecnologías para el manejo de suelos, insumos y cultivos insertos en variaciones espaciales y temporales.

La AP es una excelente herramienta, útil para maximizar los rendimientos en determinados sitios y minimizar los costos en áreas del lote con limitantes económicas incorregibles, debido a que es capaz de recolectar datos georeferenciados, los cuales van desde las características del suelo, estado nutricional, hasta la disponibilidad hídrica del cultivo y su relación con el rendimiento y calidad variable de un sitio, sector o plantas.

Además, la AP permite la aplicación de insumos agrícolas de forma variable dentro de un sitio de producción, a través de la recolección de información en forma espacial con GPS (sistemas de posicionamiento global) y el manejo de la misma con sistemas de información geográfica (SIG) por coordenadas. Asimismo, el manejo del sitio específico (MSE), que implica la aplicación de manejos de forma diferencial, requiere que los distintos sectores definidos posean características homogéneas y puedan representar unidades desde un metro cuadrado hasta un potrero completo, dependiendo del nivel de detalle al que se trabaje.

La tecnología de dosis variables (TDV) en MSE podría ser usada cuando los potreros varíen ampliamente en términos de propiedades del suelo, lo que a su vez puede afectar su rendimiento.

En la AP además existen dos aproximaciones para la aplicación variable de insumos. La primera se basa en el muestreo y mapeo de los factores de producción a ser manejados de forma diferencial (involucra la recolección de muestras de suelo y cultivo para obtener información sobre cómo varían las condiciones en el sitio, como por ejemplo la fertilidad del suelo), mientras que la segunda se relaciona con la elaboración de mapas de variabilidad para la aplicación variable de los insumos. La segunda aproximación es el sensoramiento directo del suelo y/o cultivo para la aplicación inmediata de los insumos de forma variable. El uso de una y otra dependerá de su costo y la tecnología disponible.

Es importante destacar que la variabilidad espacial de los suelos es mayor en los suelos de la zona norte, especialmente en aquellos ubicados en los valles transversales. Es importante tener en cuenta que esta tiende a disminuir hacia los suelos de la zona central.

Muestreo de las propiedades y niveles de fertilidad del suelo

El muestreo del suelo tiene como objetivo principal obtener información sobre la fertilidad de un suelo en particular.

En el caso del muestreo, lo mejor para obtener un adecuado diagnóstico de las necesidades de fertilización del suelo es que la muestra que se envía al laboratorio de servicio represente lo más fielmente posible lo que allí ocurre. Para ello, considerando que es muy heterogéneo en sus características, se debe conocer su grado de variabilidad con el fin de determinar sistemas de muestreo que tengan una precisión adecuada.

En efecto, cuando se muestrea el suelo con fines de fertilidad, normalmente se obtiene una muestra compuesta de áreas consideradas visualmente homogéneas. Sin embargo, cuando los suelos son altamente variables y se fertiliza en base al promedio, existirán sectores subfertilizados y otros sobre fertilizados, los cuales inciden enormemente en el potencial productivo y económico del cultivo.

La distribución del muestreo debe ser representativa del sector. Por lo mismo, es preciso subdividir el sector o huerto en unidades que aseguren homogeneidad dentro de ellas. En ese sentido, se deben tomar suficientes plantas individuales y muestrearlas.

Un análisis tanto de suelo como foliar debe reflejar las diferencias de disponibilidad de nutrientes que existen entre predios, entre potreros de un predio o dentro de un mismo potrero. Su fin es racionalizar la fertilización, mejorar su eficiencia y aumentar su rentabilidad.

La clave para describir adecuadamente la variabilidad, por ejemplo, de las propiedades químicas del suelo que pudiesen limitar el rendimiento, es la obtención de muestras espacialmente dependientes, es decir, partir de la base de que «las cosas cercanas están más relacionadas entre sí que las que se encuentran lejos», para la posteriormente interpolar y generar mapas. Para ello, debe utilizarse algún tipo de diseño de muestreo sistemático con una intensidad (distancia) menor al rango de dependencia espacial. El rango, definido como la distancia en terreno sobre la cual las muestras se hacen independientes, es único para un tipo de suelo determinado y para cada propiedad en particular; esto significa que en la práctica la intensidad de muestreo es distinta dependiendo de qué propiedad se desee describir y de qué suelo se trate. Además, desafortunadamente, no existen recetas para diseñar un plan de muestreo que describa adecuadamente la variabilidad de las propiedades químicas del suelo espacialmente. Por lo tanto, lo más importante es que el muestreo sea intensivo en el número de submuestras.

Leer más

La utilización de drones en el control biológico de plagas, evitando el uso de agroquímicos, está creciendo en el mundo, según la consultora BayWa AG.

Sólo en Alemania, la cantidad de hectáreas tratadas con drones, se duplicó en 2019 en comparación con el año anterior.

Una de las plagas que se combate con mayor efectividad a través de los drones es el barrenador europeo del maíz.

Se estima que el 4% de la cosecha mundial de maíz, alrededor de 41 millones de toneladas, está siendo destruida por el barrenador europeo del maíz cada año, según BayWa AG.

Para combatirlo sin el uso de productos químicos, se esparcen con drones, controlados por GPS, los huevos de la avispa parásita (Trichogramma), un enemigo natural del barrenador europeo del maíz,

Los drones vuelan sobre el campo de acuerdo con una ruta predeterminada y, automáticamente, liberan cápsulas con los parásitos del barrenador.

Leer más

Agricultura de precisión, agricultura satelital o manejo de cultivos en sitios específicos

La agricultura de precisión se basa en la observación, la medición y la respuesta a la variabilidad de los cultivos entre campos e intracampo para gestionar la agricultura. La agricultura de precisión también se conoce como agricultura satélite o proceso de manejo de cultivos específico del sitio. Hoy en día, en la agricultura, el fitomejoramiento y la transformación genética han ganado mucha importancia, ya que acelera la calidad de los cultivos, lo que en última instancia mejora la productividad general de la tierra. Hay varias empresas que han comenzado a invertir en nuevas empresas agrícolas desde 2015 con el objetivo de transformar la agricultura en una industria de big data.

Para estimar la salud de la planta, las empresas están proporcionando soluciones tales como capacidades analíticas basadas en la nube, vehículos aéreos no tripulados y cámaras multiespectrales que ayudan en la estimación adecuada de la salud de la planta. Además, estos sensores se conectan a internet con la ayuda de un sistema de comunicación inalámbrica para la inclusión de datos en la base de datos de la finca y sistemas de mapeo para análisis. Esto permite la disponibilidad en tiempo real de datos y capacidades analíticas.

La analítica está alterando la industria agrícola de múltiples formas:

Predicciones precisas de cultivos : los agricultores, con la ayuda de empresas analíticas, están utilizando sofisticados algoritmos informáticos para analizar y realizar predicciones precisas del clima y los datos de cultivos antes de plantar semillas, lo que a su vez les permite cosechar cultivos en el momento óptimo para maximizar el rendimiento de los cultivos.
Ingeniería de semillas : los científicos han estado analizando datos de plantas para visualizar un plan de desarrollo de cultivos que puedan crecer en cualquier condición climática. Estas semillas especiales están diseñadas después de utilizar big data que pueden acabar con el hambre en el mundo.
Automatización en agricultura : con la ayuda de avances recientes en tecnología como Drones, Internet y Big Data Analytics, la automatización ha alcanzado nuevas alturas. Los agricultores están utilizando sensores y drones avanzados para la topografía, la improvisación de cultivos y también para plantar y cosechar cultivos. Este enfoque está creando una nueva era de granjas sin agricultores.
Conciencia ambiental : Big Data está facilitando a las empresas la protección del medio ambiente sin aumentar los costos y reduciendo los efectos nocivos que ya se están causando. Aunque las empresas manufactureras también se esfuerzan por minimizar el impacto ambiental, los agricultores y las empresas agrícolas están trabajando para mitigar los impactos negativos en el medio ambiente.
El enfoque más reciente en análisis es el uso de tecnologías de web semántica para el control de plagas y la información fenotípica para la reproducción. El procesamiento de información geográfica ayuda al acceso inalámbrico a la información geográfica de los cultivos, la predicción del rendimiento específico de la región y el análisis del impacto ambiental. Los macrodatos son de naturaleza multimodal y ofrecen múltiples opciones para mejorar la recopilación de datos junto con técnicas estadísticas y analíticas de datos eficaces y eficientes en el tiempo para comprender diversas verticales agrícolas.

Dado que las revoluciones iniciales ya han cambiado mucho la agroindustria a través de la mecanización y la biotecnología , se prevé que la agricultura digital (tercera revolución) transforme cada parte de la cadena de valor de la agroindustria. Se espera que el potencial de la tecnología tenga un impacto resultante en el comportamiento de compra de los productores, el diseño de productos de semillas y equipos y podría permitir cambios dinámicos de precios a nivel minorista del consumidor. La agricultura digital y el Big Data cambiarían la forma en que se comercializan las semillas y la agricultura y la forma en que producen y venden sus productos. Uno puede esperar que esta revolución 3.0 sea la más transformadora y disruptiva, no solo a nivel de granja sino en toda la cadena de valor agrícola y alimentaria.

Leer más

La agricultura de precisión continúa ganando interés y tracción en toda la industria de insumos agrícolas. Las soluciones integradas, ya sean drones, satélites, sensores u otras tecnologías, tienen mucho que ofrecer a los productores y ciertamente podrían tener un impacto en la aplicación. AgriBusiness Global entrevistó a Ash Madgavkar, fundador de Ceres Imaging , una empresa de agricultura de precisión con sede en California que ayuda a los productores y asesores agrícolas a tomar decisiones inteligentes de gestión agrícola con sensores, análisis, modelos de aprendizaje automático y ciencia de plantas patentados.

Madgavkar discutió cómo los sensores encajan en el panorama más amplio de la agricultura de precisión hoy, qué papel jugarán en el futuro.

ANUNCIO

La aplicación de precisión está creciendo rápidamente en todo el mundo. ¿Qué papel juegan los sensores en la aplicación de precisión?

Dar sentido a los sensores para la agricultura de precisión
Ash Madgavkar, fundador, Ceres Imaging

Presentamos un programa de educación continua llamado » Avances en imágenes «. En nuestro episodio más reciente, el asesor agrícola de extensión cooperativa de la UC, George Zhuang, argumentó que los datos son lo más importante que frena la aplicación de precisión. Estamos de acuerdo con esta opinión y creemos que los sensores proporcionarán:

Contribución importante a la prescripción y planificación de VRA de nutrientes de pretemporada;
Un componente crítico para cualquier prescripción de VRA de nutrientes durante la temporada; y
Datos críticos para aplicaciones de precisión no relacionadas con nutrientes, incluidas aplicaciones de pesticidas, fungicidas, agua y reguladores del crecimiento.
¿Cómo se integra la tecnología de sensores con otras tecnologías de agricultura de precisión?

Ceres Imaging está diseñado para capacitar a los productores para que tomen decisiones inteligentes. Con ese fin, lo hemos integrado con muchas plataformas agrícolas digitales líderes, como FieldView y el Centro de operaciones John Deere . Esto significa que nuestras imágenes se pueden ver en esas plataformas y junto con otras fuentes de datos. También hemos facilitado que los productores carguen datos de terceros en la plataforma Ceres Imaging si prefieren trabajar en nuestra herramienta. Algunos productores están integrando Ceres con sus mapas de rendimiento para mejorar la granularidad / resolución de esos mapas de rendimiento.

Ceres Imaging también ha priorizado las integraciones con otros proveedores de hardware para aumentar la precisión de nuestros conocimientos y hacer que los datos sean más procesables. Esto incluye integraciones con sensores de campo, así como la próxima generación de equipos de riego de precisión.

¿Cómo cambiará la tecnología de sensores en los próximos años / década y qué impacto tendrá en la agricultura de precisión?

El cambio tecnológico de los sensores está impulsado por reducciones de costos en el hardware de los sensores, mejoras en la inteligencia artificial y el análisis de datos, y los beneficios que se obtienen al trabajar con datos más grandes y conjuntos de datos más diversos. Creemos que con estas mejoras, la detección evolucionará desde la identificación de problemas hasta la realización de predicciones y diagnósticos de problemas. Vemos una tendencia continua hacia la integración entre diferentes tipos de sensores y hardware. Y creemos que beneficiará a las empresas de sensores más grandes que pueden proporcionar la escala necesaria para que tales integraciones valgan la pena. También creemos que la usabilidad y la capacidad de acción mejorarán drásticamente, lo que aumentará la adopción de manera significativa. En el pasado, los productores tenían que realizar un entrenamiento profundo y examinar cientos de imágenes. Hoy (existen) herramientas para detectar automáticamente,

¿Qué factores (es decir, relacionados con la industria, económicos, regulatorios) influirán en cómo se utilizan los sensores en el futuro?

A continuación se muestran algunas de las metatendencias que creemos que influirán en las tasas de adopción y en cómo se utilizan los sensores.

Precios: Los bajos precios de las materias primas desalientan las inversiones en prácticas de gestión. Creemos que los precios bajos de las materias primas retrasarán la adopción a corto plazo.
Costos: en el otro lado de esta tendencia, creemos que los aumentos en los costos de insumos y mano de obra ampliarán la adopción de sensores, lo que puede disminuir significativamente los costos de nutrientes, manejo de enfermedades y agua.
Regulación: Esperamos que los sensores se utilicen para el cumplimiento, así como para una mejor gestión de los recursos en respuesta a la regulación.
Cambio climático: Estamos viendo una mayor variabilidad de los eventos climáticos que aumentan drásticamente la adopción de tecnología de sensores a medida que los modelos de pronóstico estancados se vuelven irrelevantes.
¿Qué pueden hacer las empresas a corto plazo para mitigar los costos que generarán las tarifas?

A corto plazo, seguiremos viendo a algunos productores tratar de controlar los costos hasta que tengan una idea más clara de las tarifas. Estamos viendo esto con los productores que buscan maniobrabilidad y oportunidades para retrasar o evitar un gasto inicial significativo. Un ejemplo de esto es adoptar una dosis variable o una aplicación de nitrógeno durante la temporada como alternativa a una gran aplicación inicial de nitrógeno.

Para los jugadores más verticales, veremos algunas decisiones difíciles en las inversiones durante la temporada. Por ejemplo, uno de nuestros clientes más importantes, Olam International , está utilizando nuestro índice de estrés acumulativo para predecir el rendimiento en la temporada. Les está ayudando a analizar el ROI de varias posibles soluciones o inversiones para mejorar el rendimiento. Creo que veremos más productores siguiendo su ejemplo.

Leer más

Adam DeVisser se ha convertido recientemente en el uso de la agricultura de precisión , pero es práctico en su aplicación.

“El valor no está en que las computadoras tomen decisiones por nosotros, sino en que nosotros tomemos decisiones más informadas”, dijo en una reciente conferencia sobre cultivos en Ontario.

DeVisser y sus compañeros panelistas, el agricultor Mark Brock y Brandon Dietrich de Sprucedale Agromart, dijeron que han encontrado ventajas significativas al utilizar equipos y técnicas de precisión.

“Con una base de tierra relativamente pequeña, tenemos que tener cuidado con los costos”, dijo DeVisser, quien cultiva entre 800 y 900 acres en la granja familiar.

ARTÍCULOS RELACIONADOS

La granja cableada

Las malas hierbas primaverales crecen mucho antes de los esfuerzos de siembra

Una mirada más cercana a los valores de las tierras agrícolas de Manitoba

ANUNCIO

Una actualización de 2014 a una señal de GPS de mayor precisión para el tractor sembrador significó que ahorraron dos pasadas de labranza al sembrar soja sin labranza entre los tallos de maíz en pie.

“Puede mantener el rendimiento, ya $ 15 por acre en 200 acres, eso es un ahorro de $ 6,000, una recuperación bastante buena”, dijo.

Una sembradora mejorada con accionamiento hidráulico y un controlador de dosis junto con el GPS en 2015 significaba que podían embarcarse en la siembra de dosis variable. Si bien las cosas no funcionaron según lo planeado para el maíz debido a un problema técnico, la siembra de tasa variable para la cosecha de soja fue un éxito.

“Probamos el concepto utilizando mapas de rendimiento y nuestro conocimiento de las características del suelo para ahorrar gastos”, dijo. Los próximos pasos serán obtener más datos sobre el suelo utilizando sensores electromagnéticos o de rayos gamma para refinar su siembra.

Para DeVisser, hay tres conclusiones principales: Primero, decidir qué datos usar, dadas las muchas fuentes disponibles, incluidos mapas de rendimiento, imágenes de satélite, muestras de suelo, etc. También señaló que el “uno entre tus oídos” es el más importante para que todo funcione.

ANUNCIO

En segundo lugar, la calidad de los datos es clave, por lo que es importante asegurarse de que lo que dicen las máquinas sea exacto.

Por último, es fundamental vigilar de cerca los costes de los equipos.

También es un gran fanático de las imágenes de drones, que pueden identificar problemas de malezas, problemas de insectos, muerte por el invierno, deficiencias de nutrientes y daños a la vida silvestre.

Mark Brock, que cultiva 1.700 acres, utiliza mapas de datos de rendimiento y suelo para crear sus propios mapas de prescripción y de aplicación (cada vez que se planta, se rocía, se fertiliza o se labra en franjas un campo, se registran los datos). También tiene un arado de tejas y tiene un software que le muestra la topografía de su tierra para una mejor gestión del agua.

Él también ha pasado algún tiempo durante los últimos años comparando imágenes de satélite con mapas de rendimiento.

“Descubrí que son realmente precisas”, dijo, y agregó que le gusta usar las imágenes porque graban en tiempo real.

ANUNCIO

Si bien los mapas de rendimiento son útiles, traducirlos a mapas topográficos tridimensionales realmente cuenta la historia sobre lo que está sucediendo con la tierra. También ayuda con el desarrollo de zonas de gestión, muestreo de suelos y diseños de baldosas.

Con el software Fieldview, puede hacer comparaciones en paralelo de cómo se desempeñan las diferentes variedades en diferentes áreas del campo.

“Es tan simple como sentarse en el sofá con un iPad, hacer algunas líneas onduladas con el dedo y realmente puedes obtener información interesante”, dijo.

También es un gran fanático de los drones .

“Usé algunas de las imágenes para que el contratista de drenaje regresara y arreglara algunos lugares donde tuvimos reventones”, dijo. También brindan datos en tiempo real, lo que le permite realizar ajustes en las prácticas de producción a lo largo del año.

Su consejo para otros productores es conocer su costo de producción, arriesgar solo lo que pueda permitirse perder (toma alrededor del cuatro por ciento de sus acres para experimentar con diferentes técnicas y productos), trabajar con personas de su confianza (especialmente con hardware y agronomía) y otros agricultores para lograr mejores resultados.

“Tiene que crear un equipo que esté en la misma página para que el hardware y la agronomía coincidan para lograr su objetivo en su granja”, dijo Brock.

La agricultura de precisión sin una buena agronomía es una mala agronomía aplicada con precisión, dijo Dietrich.

“Es genial tener todas estas herramientas y tecnologías, pero es necesario contar con una agronomía sólida que las respalde”, dijo.

Como asesor de agronomía, Dietrich utiliza principalmente pruebas de suelo, mapas de rendimiento e imágenes aéreas, incluidos drones y satélites, con sus clientes agrícolas.

“Tener datos del suelo de los últimos tres a cinco años es muy importante para las decisiones de fertilidad, de lo contrario no tenemos idea de si estamos aplicando de forma insuficiente o excesiva”, dijo.

Los mapas de rendimiento son invaluables, especialmente para identificar áreas del campo que tienen un bajo rendimiento, y dijo que obtener una toma aérea de alta calidad del cultivo en su pico de crecimiento vegetativo se correlaciona bastante estrechamente con los datos finales de rendimiento.

Al hacer recetas de potasio y fósforo, usa datos de pruebas de suelo para determinar si el campo está en una situación de construcción o mantenimiento.

Si los niveles son bajos, recomienda una tasa sólida durante algunos años y, una vez que tenga una fertilidad óptima, desarrollará un guión de tasa variable a partir de los mapas de rendimiento.

Dietrich también ha tenido un buen éxito con la siembra de soja de tasa variable al aumentar la siembra en las zonas de menor producción obteniendo más plantas por acre y disminuyendo la siembra en las zonas de mayor producción, lo que significa buenos rendimientos con menores costos de semilla y menos probabilidad de moho blanco.

“En general, la cantidad de semilla plantada en todo el campo puede ser aproximadamente la misma, pero distribuirlas de manera diferente le brinda un mejor rendimiento”, dijo.

Aplicar nitrógeno a una tasa variable es más complicado debido al clima. Si bien algunos productores prefieren usar Greenseeker, un sensor que evalúa la variabilidad del cultivo y brinda recomendaciones de fertilidad, Dietrich ha descubierto que el uso de zonas de manejo para determinar dónde se puede aprovechar mejor el nitrógeno también funciona bien.

Si bien toda la tecnología es muy útil, el productor es a veces el mejor recurso de gestión.

“El conocimiento del campo del agricultor puede ser el más valioso”, dijo.

Leer más

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

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

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

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

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

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

Leer más

Drones que monitorean cientos de acres para evaluar la salud de cultivos y animales, sensores inteligentes para ayudar en la detección temprana de infestaciones y sistemas automáticos que riegan, fertilizan y fumigan cada parcela en función de sus características específicas y de la previsión meteorológica. Estas son solo algunas de las virtudes de la agricultura inteligente: el concepto que puede ayudar a erradicar el hambre en un futuro superpoblado.

Carrusel de imágenes y videos
Agricultura inteligente.
La agricultura inteligente permite aumentar la calidad y minimizar el impacto ambiental.
undefinedAgricultura inteligente.Compartir en Pinterest
Según cálculos de la ONU, en 2050 habrá 9.700 millones de personas en el mundo, es decir, alrededor de 2.000 millones de bocas más que alimentar que en 2020. Este aumento, según la FAO, la agencia de la ONU para la alimentación y la agricultura, debe cumplirse. a través de un aumento del 70% en la producción agrícola.

La situación plantea un serio desafío para los Estados miembros de la ONU con respecto a la Agenda 2030 , y específicamente al ODS 2 , que tiene como objetivo acabar con el hambre en el mundo asegurando el acceso de todos, especialmente los pobres y vulnerables, incluidos los bebés, a alimentos saludables y nutritivos. y comida suficiente durante todo el año. Y todo ello sin olvidar que además, la industria alimentaria es actualmente responsable del 30% del consumo energético mundial y del 22% de las emisiones de gases de efecto invernadero. El desafío, por lo tanto, no es solo producir más alimentos, sino hacerlo de manera sostenible.

¿QUÉ ES LA AGRICULTURA INTELIGENTE O LA AGRICULTURA DE PRECISIÓN?
La agricultura inteligente consiste en utilizar las nuevas tecnologías que han surgido en los albores de la Cuarta Revolución Industrial en las áreas de producción agrícola y ganadera para aumentar la cantidad y calidad de la producción, aprovechando al máximo los recursos y minimizando el impacto ambiental. Asimismo, la implementación de tecnología en la agricultura y la ganadería permitirá impulsar la seguridad alimentaria en todo el mundo.

Gracias a estas nuevas tecnologías, un terreno agrícola se puede dividir en tantas parcelas como diferencias internas tenga: variaciones en la composición del suelo, existencia de huecos, propensión al anegamiento, presencia de patógenos o el nivel de porosidad entre otras características; y cada parcela puede recibir un tratamiento personalizado para sacarle el máximo provecho. Esto también se conoce como agricultura de precisión.

AGRICULTURA Y NUEVAS TECNOLOGÍAS
Entre las tecnologías que están revolucionando el presente y que definirán el futuro de la agricultura, destacan:

Drones
Drones simplify supervision tasks for farms by being able to cover hundreds of acres in one flight, gathering, thanks to infrared technology, multispectral images and a wide variety of information about the condition of the land, irrigation needs, crop growth, the existence of pathogens, and, in the case of cattle, the number of animals, their weight and possible anomalies such as lameness or unusual movements.

El Internet de las Cosas permite optimizar el seguimiento de las explotaciones, principalmente a través de sensores inteligentes capaces de medir desde la radiación solar hasta la humedad de las hojas y el diámetro del tallo, o la temperatura de cada animal en el caso de la ganadería, facilitando la elaboración de todos tipos de decisiones de gestión.

Big data
Gracias a la capacidad del big data para analizar cantidades masivas de datos, los agricultores pueden gestionar toda la información obtenida de los drones, el Internet de las cosas y otros instrumentos de medición e integrarla tanto con información histórica de la granja como con datos meteorológicos, con el fin de optimizar todas las etapas del proceso de producción.

Blockchain
Blockchain permite monitorear los cultivos y el ganado desde el crecimiento hasta la entrega a los proveedores, mejorando, por ejemplo, la trazabilidad de la cadena de suministro. Mediante el uso de esta tecnología, si una verdura importada envenena a los consumidores, se puede rastrear fácilmente la fuente del brote y solo se pueden retirar los productos afectados, en lugar de prohibir las importaciones de verduras de todo el país de origen.

Inteligencia artificial
En agricultura, la inteligencia artificial y la robotización se utilizan principalmente para interpretar imágenes de campo y aplicar fertilizantes y pesticidas con precisión quirúrgica, o para tratar las malas hierbas. En una granja, por ejemplo, significa que se pueden usar micrófonos para identificar a los lechones chillando que están siendo aplastados por su madre, y se le puede enviar una vibración a través de un sensor para hacerla levantarse.

Una granja inteligente en acción.Una granja inteligente en acción.
DescargarCompartir en Pinterest

VER INFOGRAFÍA: Una granja inteligente en acción [PDF]Enlace externo, se abre en ventana nueva.

LOS BENEFICIOS DE LA AGRICULTURA INTELIGENTE
La aplicación de las tecnologías anteriores tiene un impacto positivo en la agricultura y la ganadería. Echemos un vistazo a algunas de estas mejoras:

Aumento de la producción: la optimización de todos los procesos relacionados con la agricultura y la ganadería aumenta las tasas de producción.
Ahorro de agua: los pronósticos meteorológicos y los sensores que miden la humedad del suelo significan regar solo cuando sea necesario y durante el tiempo adecuado.
Mejor calidad: el análisis de la calidad del producto obtenido en relación con las estrategias aplicadas permite realizar ajustes para incrementar la calidad de la producción posterior.
Costos reducidos: la automatización de la siembra, los tratamientos y la recolección en el caso de la agricultura reduce el uso de recursos.
Detección de plagas y sanidad animal: la detección temprana de infestaciones en cultivos o enfermedades en animales significa que se puede minimizar su impacto en la producción y mejorar el bienestar animal.
Mejor sostenibilidad: ahorrar recursos como el agua de riego y obtener el máximo beneficio de la tierra reduce el impacto sobre el medio ambiente.

Leer más

Este año, el iPhone celebrará su décimo aniversario. En solo una década, los teléfonos inteligentes se han abierto camino en el bolsillo de casi todos y han cambiado fundamentalmente el mundo. Mirando hacia atrás hace 10 años, uno se pregunta cómo alguien pudo sobrevivir sin estas pequeñas computadoras que caben en la palma de su mano.

La era impulsada por los datos que se desarrollará durante la próxima década llevará a la sociedad a alturas aún mayores de automatización y tecnología intuitiva destinadas a hacer la vida más fácil y productiva. Surgirán desafíos y cuestiones éticas a medida que se produzcan nuevas innovaciones, como siempre sucede, pero el tren tecnológico avanza a toda velocidad y el ritmo solo se acelerará a medida que aumente la potencia informática y se extienda Internet de las cosas.

ANUNCIO

La tecnología también se ha extendido a través de la agricultura, sobre todo en forma de prácticas de agricultura de precisión. Para cultivos en hileras de grandes acres, la agricultura de precisión es muy similar al iPhone, solo una parte normal de la agricultura diaria. Las aplicaciones de tasa variable, la dirección automática, el mapeo de campo y el monitoreo del rendimiento se han convertido en procedimientos operativos estándar para muchos de los productores de cultivos básicos.

Ponerse al día rápidamente

Si bien los productores de cultivos especializados generalmente se han quedado atrás en la adopción de prácticas de agricultura de precisión, el segmento se está poniendo al día rápidamente. En los últimos años, los productores de Florida han agregado varias facetas de la tecnología a sus operaciones. La dirección automática es común y el mapeo de cuadrícula se está poniendo de moda, lo que permite aplicar más aplicaciones de tasa variable.

“Precision ag es una especie de término nebuloso que ya no describe la industria tan bien”, dice Robert Saik , fundador de Agri-Trend Group (ahora parte de Trimble Navigation) y un futurista agrícola que rastrea la tecnología agrícola. «Hay tanto envuelto en ese término ahora y puede significar tantas cosas diferentes para diferentes personas».

Los productores también están comprendiendo cómo se puede utilizar este concepto de “big data” para mejorar la productividad y la sostenibilidad de las granjas.

“La decisión más importante que tendrá que tomar un agricultor en los próximos tres años o antes es la plataforma de datos que elija para ejecutar su operación”, dice Saik.

Independientemente de las plataformas que elijan los productores, Saik dice que la agricultura se está embarcando en tiempos emocionantes a medida que los productores aprenden a aprovechar el poder de los datos que se recopilan mediante el muestreo de cuadrículas de fertilidad, los sensores y las imágenes capturadas de sistemas aéreos no tripulados ( UAS, también conocidos como drones ), aviones o satélites. .

“Primero, necesitamos un sistema para capturar todos los datos, luego necesitamos una manera de darle sentido a todo”, dice Saik. “Ahí es donde entran los algoritmos para asimilar toda la información. Eso es en lo que se están enfocando muchas de las empresas de tecnología ahora. El que tenga el mejor algoritmo ganará «.

Agrega que los algoritmos podrán analizar factores como el clima, la humedad del suelo, la etapa de crecimiento de la planta y la fertilidad a medida que se desarrollan los cultivos. Además, a medida que los datos se recopilan a lo largo del tiempo, permitirán el «aprendizaje automático», lo que significa que una plataforma informática reconocerá los problemas que se están desarrollando y que ha observado antes.

“La visión futura de estos sistemas rodea la detección de anomalías”, dice Saik. “No necesito que me digan que todo está bien. Necesito que me digan dónde existen los problemas. Hay demasiada información para que un humano pueda lidiar con ella. Ahí es donde entrarán los algoritmos y el aprendizaje automático «.

Saik dice que la revolución tecnológica que se acerca a la agricultura está impulsada por la potencia informática.

“Las computadoras nos están arrastrando”, dice. “Para 2023 o antes, una computadora portátil de $ 1,000 tendrá la potencia de cálculo de 10 elevado a la 16. Esa es la misma velocidad informática que el cerebro humano «.

Saik dice que estas capacidades desbloquearán la capacidad de «tasa variable de todo» según las necesidades de un cultivo durante su desarrollo. La siembra de dosis variable, fertilizantes, control de malezas, fungicidas e irrigación se volverán comunes. Seguirá la robótica para abordar las preocupaciones en el área laboral.

Muestreo de la red agrícola a través de GPS
El muestreo en cuadrícula se está volviendo más común, lo que permite a los productores aplicar con precisión nutrientes de cultivos de tasa variable.
Imagen cortesía de Jones Potato Farm

Escena tecnológica de Florida

En los últimos años, las plataformas de gestión de datos y agricultura de precisión se han abierto paso silenciosamente en varias granjas de Florida. Se han lanzado nuevas empresas y las empresas existentes han agregado servicios a su cartera.

Highland Precision Ag, con sede en Lakeland, es una nueva empresa con una gran visión para el uso de tecnología en cultivos especiales.

“Cuando pensamos en agricultura de precisión, pensamos en imágenes y drones, que es, pero también es mucho más que eso”, dice Steve Maxwell, fundador y director ejecutivo de Highland Precision Ag. «Seamos virtuales y agreguemos la plataforma de datos de software, creemos un laboratorio de análisis para confirmar los datos que estamos recopilando y agreguemos también el monitoreo virtual de seguridad alimentaria».

Maxwell cree que los cultivos de especialidad disfrutarán del monitoreo y las técnicas de manejo de cultivos de tasa variable de la agricultura de precisión tradicional, pero también tendrán oportunidades únicas para los beneficios iniciales.

«Estamos analizando la comerciabilidad de la agricultura de precisión para los minoristas», dice. “Los grandes minoristas a los que venden nuestros productores requieren múltiples auditorías de seguridad alimentaria y cada vez más piden pruebas de prácticas agrícolas sostenibles”.

Maxwell dice que la recopilación de datos a través de una gran cantidad de muestras y sensores en una granja podrá demostrar que los productores cultivan alimentos de manera segura y sostenible. Él dice que los productores deberían ir a la ofensiva y tener estos datos a mano y accesibles para los compradores minoristas con solo hacer clic en un botón.

“Tenemos algunos clientes que tienen 10 auditorías de seguridad alimentaria diferentes, lo cual es una locura”, dice. “Con un sistema como el nuestro, la seguridad alimentaria es una disciplina diaria que es dirigida y registrada por nuestra plataforma. Los compradores incluso pueden recibir una contraseña a corto plazo para observar los protocolos de seguridad alimentaria de un productor a través de la plataforma de software «.

Crop Production Services ofrece a los agricultores consultoría agrícola de precisión y capacidad de aplicación de tasa variable. Dennis Coleman, consultor de cultivos de la empresa, está trabajando con los agricultores para recopilar datos de fertilidad del suelo con los agricultores.

“Somos campos de muestreo de cuadrícula y, en conjunto con los productores, desarrollamos programas de fertilizantes muy personalizados para satisfacer sus necesidades específicas basados ​​en la experiencia y la agronomía sólida”, dice Coleman. «Aplicamos enmiendas de suelo de forma personalizada para abordar los niveles de pH, calcio y magnesio según sea necesario utilizando tecnología específica del sitio».

Coleman dice que su trabajo de agricultura de precisión está todavía en su infancia y solo está «rascando la superficie» en términos de aplicaciones y beneficios futuros. Pero dice que hay evidencia preliminar de que el uso de la tecnología está creando perfiles de suelo más uniformes en los campos. Espera que eso mejore aún más en períodos de tiempo más largos.

“Además de mejorar el perfil del suelo, esta tecnología tiene el potencial de vincularse con el monitoreo del rendimiento, donde un productor puede ver la correlación entre los niveles de nutrientes en sus campos y cómo los rendimientos se ven afectados por las variaciones de esos niveles de nutrientes”. él dice. «A su vez, puede potencialmente ajustar la fertilidad para mejorar las áreas más débiles de los campos según los datos».

Máquinas hablando

La capacidad de los sensores en toda la granja para comunicar de forma remota los datos que se recopilan y utilizan para dirigir las operaciones de la granja se captura ampliamente en el término «telemetría». La tecnología ahora está disponible donde toda esta información se puede ver y administrar a través de computadoras de escritorio, teléfonos inteligentes o tabletas. Mejor aún, algunas operaciones pueden automatizarse. Por ejemplo, los monitores de humedad del suelo pueden encender automáticamente los sistemas de riego cuando los niveles caen por debajo del nivel óptimo.

Estación McCrometer CONNECT en Bethel Farms en Arcadia, FL
Bethel Farms utiliza la tecnología McCrometer CONNECT para transmitir datos de forma inalámbrica desde toda la granja.
Foto de Frank Giles

Según el representante de ventas de Tradewinds Power , Mike Waldron, los clientes solicitan productos y servicios de telemetría para administrar el riego. La empresa ha agregado tecnología capaz de brindar estos servicios.

“Nuestros clientes están pidiendo equipos que permitan la inyección de fertilizante y ácido programados regularmente para almacenar agua”, dice Waldron. “Solicitan el arranque y la parada remotos de los sistemas de riego, el arranque y la parada automatizados, la programación remota y la capacidad de monitorear el rendimiento del motor de forma remota”.

Bethel Farms ha implementado un sistema de telemetría en su granja de cítricos y césped en Arcadia. La granja instaló el sistema de telemetría McCrometer CONNECT. Realiza un seguimiento de múltiples puntos de referencia con medidores / sondas para la humedad del suelo, la salinidad, la conductividad, la luz del día, la temperatura del suelo y ambiente, la velocidad y dirección del viento y la protección contra el frío.

El sistema, junto con las mejoras de riego, ha reducido la extracción de agua subterránea en un 35%. Los sensores también han proporcionado la capacidad de predecir enfermedades antes de que aparezcan visualmente, lo que permite tratamientos proactivos menos costosos para corregir problemas.

Monitor electrónico de humedad del suelo y la salinidad en un campo de fresas
La combinación de monitores de humedad y salinidad del suelo se está convirtiendo rápidamente en la herramienta de gestión de agua y fertilizantes preferida por los principales productores de todo el mundo.
Foto cortesía de Highland Precision Ag

Convergencia

Como señala Saik, todas estas tecnologías están convergiendo para mejorar en gran medida el conocimiento y la capacidad de los productores para, en última instancia, administrar sus granjas desde sus dispositivos móviles. Cada vez más, agrega, estas cosas se automatizarán.

«Hemos escuchado el término ‘Internet de las cosas’, que básicamente significa todos los dispositivos que ahora están conectados a Internet como nuestros teléfonos, televisores e incluso electrodomésticos», dice. “Estamos viendo el desarrollo de la ‘Internet de la agricultura’. Todo estará conectado y construyendo datos para ayudar a cultivar cultivos sostenibles y ver un retorno de la inversión en toda esta tecnología.

“Podemos imaginar un futuro en el que podamos medir la eficiencia de una granja en función de su producción dividida por su insumo. Podría ser que medimos proteínas, almidón, azúcar o aceites producidos frente al milímetro de agua necesario para producirlos «.

Maxwell dice que el objetivo que Highland Precision Ag espera lograr es colocar todos estos datos convergentes en un solo lugar, o lo que él llama el «tablero de computadora privado» de un productor. Desde allí, el productor puede ver todos los datos más recientes que se recopilan a partir de imágenes y sensores y dirigir las operaciones de la granja, ya sea que se encienda o apague el riego y la fertirrigación para solicitar un insecticida en aerosol al aplicador local.

Propiedad y transparencia de los datos

Uno de los puntos de debate en torno a la agricultura de precisión y la gestión de datos ha sido la cuestión de quién es el propietario de los datos de una explotación. Cada vez más, los proveedores de tecnología permiten que los productores sean propietarios de sus datos y se están volviendo agnósticos o de código abierto, lo que significa que los sistemas pueden aceptar y trabajar con datos de varias empresas.

Maxwell dice que esta tecnología es un desarrollo emocionante para los productores de cultivos especializados. Permitirá a los productores conectarse con el público de una manera que antes no era posible. Él dice que la mayoría de los productores han estado utilizando prácticas de producción sostenibles, que los consumidores quieren. Ahora, pueden probarlo a través de plataformas de gestión de datos y aprovechando las redes sociales y las plataformas de compras para conectarse directamente con los consumidores. Highland Precision Ag apoya a una organización sin fines de lucro que certificará a los productores por sus prácticas de sostenibilidad. Estos productores certificados como Miembro Internacional de la Comunidad Agrícola de Precisión (IMPAC) tendrán vínculos directos con los consumidores a través de varios canales diferentes.

“Los primeros usuarios tendrán algo para vender que es único en el mercado que les dará una ventaja”, agrega Saik. “Pero, a medida que pase el tiempo, el uso de esta tecnología se convertirá en el precio de entrada. Significado: si no lo hace, no hará negocios «.

Leer más