Categoría: Uncategorized

Los avances en las tecnologías de agricultura de precisión brindan oportunidades para mejorar la eficiencia de los sistemas de producción agrícola, especialmente para cultivos especiales de alto valor como las manzanas frescas ( Malus domestica). Distribuimos una encuesta en línea a los productores de manzanas en Washington, Nueva York y Michigan para conocer las percepciones de las partes interesadas sobre las tecnologías de agricultura de precisión. Los resultados de este estudio demostraron que los productores están dispuestos a adoptar tecnologías de agricultura de precisión cuando reciben resultados de proyectos de investigación aplicada y participan en programas de extensión activos. La disponibilidad de servicios personalizados y opciones de compra y alquiler puede minimizar los efectos de las economías de tamaño que crean barreras para adoptar un mayor acceso a las tecnologías. Por último, los encuestados consideraron que los esfuerzos de colaboración entre la industria y las instituciones académicas son cruciales para adaptar la innovación para abordar mejor las necesidades de los productores.

Palabras llave : Malus domestica ; adopción de tecnología ; fruta de arbol
Las tecnologías de agricultura de precisión se han aplicado con éxito en varios sistemas de producción de cultivos de EE. UU. Durante las últimas décadas ( Gebbers y Adamchuk, 2010 ). Las primeras aplicaciones se centraron en monitores de rendimiento y tecnología satelital de posicionamiento global para cultivos en hileras anuales ( Schimmelpfennig y Ebel, 2011 ). Los avances recientes en la detección del suelo ( Rossel et al., 2011 ), la detección de cultivos ( Roberts et al., 2012 ; Zhang y Kovacs, 2012 ) y el análisis de datos ( Landrum et al., 2015 ; Tien, 2013 ) han sentado las bases para la próxima ola de aplicaciones de agricultura de precisión ( Lowenberg-DeBoer, 2015). Sin embargo, la adopción de tecnologías de agricultura de precisión más avanzadas generalmente se ha quedado rezagada con respecto a otros desarrollos de tecnología agrícola ( Schimmelpfennig y Ebel, 2011 ), con relativamente pocos productores que utilizan tecnologías de teledetección, detección del suelo o aplicaciones de tasa variable. La adopción rezagada se ha atribuido a varios factores, incluidos los requisitos de capital ( Pierpaoli et al., 2013 ; Schimmelpfennig y Ebel, 2011 ), la insuficiente investigación agronómica adaptada a la agricultura de precisión ( Bramley y Trengove, 2013 ; Cambouris et al., 2014 ), y falta de tiempo del agricultor y experiencia técnica para la gestión intensiva en información ( Aubert et al., 2012 ;Griffin y col., 2004 ; Pierpaoli y col., 2013 ; Schimmelpfennig y Ebel, 2011 ).

La adopción de tecnologías de agricultura de precisión ha sido particularmente lenta para muchos cultivos especiales, como la industria de árboles frutales de EE. UU. ( Schimmelpfennig y Ebel, 2011). Sin embargo, muchas empresas comerciales reconocen que estas tecnologías tienen el potencial de ser utilizadas en la producción de frutos de árboles. Hay una variedad de servicios de agricultura de precisión disponibles, que incluyen mapas de dosel de detección remota (Digital Harvest, Pendleton, OR), mapeo de suelos de precisión y manejo de nutrientes antes de la siembra (AgVerdict, San Francisco, CA) y manejo de riego basado en sensores (METER Group , Pullman, WA). Aunque las industrias de árboles frutales de alto valor invirtieron un capital sustancial en tecnologías costosas como plantaciones de huertos de alta densidad, sistemas de enrejados diseñados y equipos e instalaciones de clasificación y almacenamiento de alta capacidad, los productores no tienen confianza en las tecnologías de agricultura de precisión que no han demostrado mejoras hortícolas, mano de obra eficiencia, rendimiento de frutos, calidad o, en última instancia, beneficios.

A pesar del mayor valor de los frutos de los árboles en comparación con los cultivos en hileras anuales, existe poca investigación de agricultura de precisión para los sistemas de frutos de los árboles ( Aggelopoulou et al., 2013 ). La investigación de agricultura de precisión para cítricos de Florida ( Citrus sp.) Ha abordado la variabilidad espacial de nutrientes ( Mann et al., 2011c ; Schumann, 2010 ; Zaman et al., 2005 ; Zaman y Schumann, 2006 ), las propiedades físicas del suelo ( Mann et al. ., 2010 , 2011b ) y delimitación de la zona de manejo de cítricos ( Mann et al., 2011a ). El trabajo sobre frutas de árboles de hoja caduca como manzanas y huertos ha abordado la variabilidad espacial ( Turker et al., 2011; Vega et al., 2013 ) y la gestión por zonas en Grecia ( Aggelopoulou et al., 2011a ; Aggelopoulou et al., 2010 , 2011b , 2013 ; Papageorgiou et al., 2013 ). Existen estudios dispersos para otros cultivos perennes como el olivo [ Olea europaea ( Fountas et al., 2011 )], la pera [ Pyrus communis ( Perry et al., 2010 , 2018 )] y el kiwi [ Actinidia deliciosa ( Woodward y Clearwater, 2012 )].

El valor de producción de manzanas frescas en los Estados Unidos fue de $ 3,1 mil millones en 2016.Los tres principales estados productores de manzanas fueron Washington, Nueva York y Michigan, con valores de producción anual de $ 2,26 mil millones, $ 0,26 mil millones y $ 0,21 mil millones, respectivamente ( EE.UU. Departamento de Agricultura, 2017). Las manzanas son un cultivo de alto valor, con cultivares mejorados que se venden a precios superiores. Las plantaciones de alta densidad requieren una inversión inicial sustancial y gastos de gestión continuos, con flujos de efectivo positivos a menudo diferidos 4 años o más después del establecimiento del huerto. Por ejemplo, establecer un nuevo huerto ‘Gala’ cuesta ≈ $ 9500 / acre (costo inicial único) y más de $ 3500 / acre para manejo hortícola (costo operativo recurrente que incluye actividades como poda, capacitación, raleo, riego y mano de obra) ; estos costos no incluyen los costos de cosecha o fijos de espaldera, riego, tierra, seguros y equipo ( Galinato et al., 2016). Los costos de establecimiento y manejo son igualmente altos para otros cultivos leñosos perennes. Además, la falta de disponibilidad de mano de obra estacional, que representa aproximadamente el 46% de los costos de producción, ejerce una mayor presión sobre la rentabilidad del huerto ( Galinato et al., 2016 ). Dados los altos costos de gestión y el valor de los productos de alta calidad, existe un potencial sustancial para que las tecnologías de agricultura de precisión mejoren la eficiencia de la mano de obra y los recursos, las prácticas hortícolas, la calidad de la fruta y las ganancias para las manzanas y cultivos relacionados (D. Brown, comunicación personal). De hecho, existen evidencias de estudios de otros cultivos de alto valor como la uva de vinificación ( Vitis vinifera) indicando que las aplicaciones de insumos a tasa variable implican mayores beneficios económicos y ambientales en comparación con un manejo uniforme ( Arno et al., 2009 ).

Este estudio investigó la perspectiva de la industria con respecto a la agricultura de precisión desde múltiples perspectivas, como dónde la agricultura de precisión podría tener más impacto, el estado de familiaridad y uso de la agricultura de precisión, el papel de las empresas de servicios agrícolas y los consultores para facilitar el acceso y los beneficios derivados de la agricultura de precisión. tecnología. Esperamos que dicha información sea útil para los investigadores y los educadores de extensión porque les permitirá planificar y realizar de manera más eficaz sus actividades para aumentar la adopción de la agricultura de precisión para la producción de árboles frutales.

materiales y métodos
En noviembre y diciembre de 2017, encuestamos a productores de manzanas en Washington, Michigan y Nueva York sobre la temporada de producción de manzanas de 2017. La encuesta se administró en línea a través de software de encuestas (Qualtrics, Provo, UT) utilizando listas de correo electrónico administradas por educadores de extensión en la Washington State University, la Michigan State University y la Cornell University. La aprobación de la Junta de Revisión Institucional (IRB) fue otorgada por la Oficina de Garantías de Investigación de la Universidad del Estado de Washington al proyecto “Evaluación de las Percepciones de las Tecnologías de Agricultura de Precisión por los Productores de Manzanas de los Estados Unidos” (IRB 16877). Las listas de correo electrónico constan de 350 contactos de operaciones de Apple en Nueva York, 1200 en Washington y 325 en Michigan. Obtuvimos un total de 119 respuestas: 49 de Nueva York, 43 de Washington y 27 de Michigan.

Diseñamos las preguntas de la encuesta utilizando los aportes de representantes de la industria y educadores de extensión. Se pidió a los encuestados que clasificaran los tres principales desafíos que encuentran en la producción de manzanas para el mercado fresco, que informen de su familiaridad con tres tecnologías de agricultura de precisión (detección remota para mapeo de copas, mapeo de suelos de precisión y manejo de nutrientes, y manejo de riego basado en sensores), y indicar si utilizaron alguna de las tecnologías. La encuesta también pidió a los encuestados que clasificaran los tres principales beneficios y las tres principales preocupaciones que perciben al adoptar tecnologías de agricultura de precisión. Además, se preguntó a los encuestados sobre la cantidad de años durante los cuales habían utilizado dichas tecnologías y si estaban considerando invertir en estas tecnologías. Finalmente, Se pidió a los encuestados que seleccionaran su fuente de información más confiable con respecto a la aplicación de tecnologías de agricultura de precisión y que indicaran el valor de la experiencia de las empresas de servicios agrícolas y los consultores para orientar e implementar tecnologías de agricultura de precisión. Los datos se analizaron mediante diferentes especificaciones empíricas según la variable dependiente del modelo o cuestión de interés.

Desafíos encontrados en la producción de manzanas frescas.
Elegimos un modelo probit ordenado para analizar los desafíos percibidos por los productores en la producción de manzanas porque la variable de respuesta que caracteriza la importancia de los desafíos era discreta y ordinal. Se pidió a los encuestados que seleccionaran sus tres principales de una lista de 11 desafíos. Al desafío más importante se le asignó un valor de 11, al segundo más importante se le asignó un valor de 10 y al tercero más importante se le asignó un valor de 9. A los desafíos no considerados entre los tres principales se les asignó un valor de 6 (la mediana de 1 y 11). Este método se ha utilizado en investigaciones anteriores para determinar el nivel de importancia de los atributos del producto ( Davis y Gillespie, 2004 ; Greene y Hensher, 2008). Se supone que la clasificación de desafío de un productor está asociada con un nivel de satisfacción o beneficios percibidos de utilidad subyacente. Los productores clasificaron los desafíos según el nivel de beneficios que recibirían si se les brindara una solución ( Yue et al., 2013 , 2014a , 2014b , 2014c ). La función de utilidad de los productores estuvo representada por lo siguiente:

U
C
h
una
l
l
mi
norte
gramo
mi
yo
j
=
α
0
+
α
1
L
una
segundo
o
r
h
una
r
v
mi
s
t
yo
+
α
2
L
una
segundo
o
r
pag
r
mi
h
una
r
v
mi
s
t
yo
+
α
3
L
una
segundo
o
r
s
tu
pag
mi
r
v
yo
s
o
r
yo
+
α
4
PAG
mi
s
t
re
yo
s
mi
una
s
mi
yo
+
α
5
W
mi
una
t
h
mi
r
yo
+
α
6
W
una
t
mi
r
yo
+
α
7
PAG
o
s
t
h
una
r
v
mi
s
t
yo
+
α
8
F
o
o
re
s
una
F
mi
t
y
yo
+
α
9
norte
mi
w
C
tu
l
t
yo
v
una
r
s
yo
+
α
10
METRO
una
r
k
mi
t
s
yo
+
α
11
O
t
h
mi
r
yo
+
β
12
S
yo
z
mi
yo
+
β
13
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
β
14
METRO
yo
C
h
yo
gramo
una
norte
yo
+
β
15
norte
mi
w
Y
o
r
k
yo
+
β
dieciséis
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
β
17
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
β
18
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
C
h
una
l
l
mi
norte
gramo
mi
yo
j
;
yo
=
1
,
…
,
119
(
norte
)
;
[1]
dónde
α
j
es la utilidad marginal del productor de las soluciones a los desafíos j ( j = disponibilidad / costo de mano de obra para las actividades de cosecha; disponibilidad / costo de mano de obra para las actividades de precosecha; disponibilidad / costo de la mano de obra de supervisión intermedia, tanto de cosecha como de precosecha; plagas y enfermedades; clima agua; manipulación poscosecha; seguridad alimentaria; productividad y rentabilidad de los cultivares de injertos y portainjertos disponibles; mercados competidores; y otros desafíos);
β
12
es la utilidad marginal del tamaño de la operación;
β
13
,

β
14
,

y

β
15
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
β
dieciséis
,

β
17
,

y

β
18
son la utilidad marginal de las fuentes más confiables (investigadores universitarios y educadores de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información para aplicar tecnologías de agricultura de precisión; y
ε
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
Al estimar los coeficientes del modelo con la ecuación. [1], seleccionamos la categoría de desafío «otros» como la variable base para la interpretación. En este tipo de modelo, para evitar una perfecta multicolinealidad, se debe utilizar una variable base para la comparación. Es decir, los coeficientes estimados de los desafíos son todos relativos a la variable base «otros». De manera similar, para las variables de estado binarias, se omitió Nueva York y se trató como la variable base. Los desafíos con coeficientes positivos estadísticamente significativos tenían más probabilidades de ser elegidos como los más importantes en comparación con la categoría «otros», y los desafíos con coeficientes negativos estadísticamente significativos eran menos importantes. Para predecir la probabilidad de que un desafío se clasifique en cada categoría de clasificación (es decir, primero, segundo y tercero más importantes), estimamos los efectos marginales. En otras palabras, un efecto marginal de 0.49 (como se presenta,La Tabla 2 ) sugirió que la categoría «disponibilidad / costo de mano de obra» para la cosecha tenía un 49% de posibilidades de ser elegida como el principal desafío en relación con la categoría «otros».

Familiaridad y uso de tecnologías de agricultura de precisión.
Usamos un modelo probit binario separado para analizar qué tan familiarizados estaban los productores con la agricultura de precisión y el uso de la agricultura de precisión. El objetivo era identificar factores que pudieran influir en la familiaridad y el uso de tecnologías de agricultura de precisión para la producción de manzanas frescas. Elegimos este modelo porque la variable de respuesta era discreta y binaria (por ejemplo, 1 = si estaban familiarizados con la tecnología o la usaban; 0 = en caso contrario). La probabilidad de que el encuestado estuviera familiarizado o utilizara una tecnología de agricultura de precisión se calculó de la siguiente manera:

PAG
r
o
segundo

(
Y
=
1
|
X
)
=
Φ
(
X
′
γ
)
[2]
dónde
Φ
es la distribución de probabilidad normal acumulada; x es un vector de variables, incluido el tamaño de la operación, el estado en el que se encuentra la operación de la manzana (por ejemplo, Washington, Michigan y Nueva York); la fuente de información sobre tecnologías de agricultura de precisión (por ejemplo, investigadores universitarios y educadores de extensión, proveedores de servicios agrícolas y otros productores); y
γ
es el vector de parámetros a estimar. Para el estado en el que se ubica la operación, se omitió la variable Nueva York y se consideró como la variable base. De manera similar, “otros productores” fue la variable omitida entre las fuentes de información. Como se explicó anteriormente, la significancia estadística debe interpretarse como relativa a la variable base. Para predecir la probabilidad con la que un factor afectará la familiaridad o el uso de tecnologías de agricultura de precisión, estimamos los efectos marginales.
Beneficios e inquietudes asociados con las tecnologías de agricultura de precisión.
Usamos un modelo probit ordenado por separado para analizar los factores que impactan los beneficios percibidos y otro modelo para analizar los factores que impactan las preocupaciones percibidas asociadas con el uso de la agricultura de precisión. La variable de respuesta (es decir, la importancia de los beneficios / preocupaciones) fue discreta y ordinal. La encuesta pidió a los encuestados que identificaran sus tres principales beneficios y preocupaciones percibidos de una lista de cinco beneficios y seis preocupaciones relacionadas con la adopción de tecnologías de agricultura de precisión. Al beneficio más importante se le asignó un valor de 5, y al segundo más importante se le asignó un valor de 4. A los beneficios no considerados entre los tres primeros se les asignó un valor de 3 (la mediana de 1 y 5). A las preocupaciones se les asignaron valores de manera similar. La función de beneficio del productor estuvo representada por lo siguiente:

U
segundo
mi
norte
mi
F
yo
t
s
yo
j
=
η
0
+
η
1
T
h
yo
norte
norte
yo
norte
gramo
yo
+
η
2
norte
tu
t
r
yo
mi
norte
t
yo
+
η
3
PAG
r
tu
norte
yo
norte
gramo
yo
+
η
4
yo
r
r
yo
gramo
una
t
yo
o
norte
yo
+
η
5
O
t
h
mi
r
yo
+
θ
1
S
yo
z
mi
yo
+
θ
2
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
θ
3
METRO
yo
C
h
yo
gramo
una
norte
yo
+
θ
4
norte
mi
w
Y
o
r
k
yo
+
θ
5
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
θ
6
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
θ
7
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
segundo
mi
norte
mi
F
yo
t
s
yo
j
;
yo
=
1
,
…
,
119
(
norte
)
;
dónde
η
j
es la utilidad marginal del productor de los beneficios j [ j = mejora en la efectividad (horas de mano de obra, costos químicos vs.calidad del aclareo) del aclareo de frutos verdes, aplicación de nutrientes basada en las necesidades en tiempo real de cada planta, mejora en la eficacia (horas de trabajo vs. .calidad de la poda) de la poda latente, programas de riego mejor focalizados y otros)];
θ
1
es la utilidad marginal del tamaño de la operación;
θ
2
,

θ
3
,

y

θ
4
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
θ
5
,

θ
6
,

y

θ
7
son la utilidad marginal de los proveedores más confiables (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información sobre la aplicación de tecnologías de agricultura de precisión; y
ε
segundo
mi
norte
mi
F
yo
t
s
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
La función de preocupación del productor estuvo representada por lo siguiente:

U
C
o
norte
C
mi
r
norte
yo
j
=
ϑ
0
+
ϑ
1
C
o
s
t
yo
+
ϑ
2
S
mi
r
v
yo
C
mi
yo
+
ϑ
3
T
mi
C
h
norte
yo
C
una
l
yo
+
ϑ
4
R
mi
s
tu
l
t
s
yo
+
ϑ
5
re
o
norte
o
t
s
mi
mi
yo
+
ϑ
6
O
t
h
mi
r
yo
+
κ
1
S
yo
z
mi
yo
+
κ
2
W
una
s
h
yo
norte
gramo
t
o
norte
yo
+
κ
3
METRO
yo
C
h
yo
gramo
una
norte
yo
+
κ
4
norte
mi
w
Y
o
r
k
yo
+
κ
5
U
norte
yo
v
r
mi
s
mi
una
r
C
h
mi
r
yo
+
κ
6
UNA
gramo
s
mi
r
v
yo
C
mi
yo
+
κ
7
O
t
h
mi
r
gramo
r
o
w
mi
r
s
yo
+
ε
C
o
norte
C
mi
r
norte
s
yo
j
yo
=
1
,
…
,
119
(
norte
)
,
dónde
ϑ
j
es la utilidad marginal del productor de posibles soluciones a preocupaciones relacionadas con la tecnología de agricultura de precisión j ( j = costo del servicio, servicio al cliente del proveedor, disponibilidad / costo de experiencia técnica, confiabilidad / calidad de los resultados para impulsar decisiones que mejoren la gestión, no ver un beneficio, y otros);
κ
1
es la utilidad marginal del tamaño de la operación;
κ
2
,

κ
3
,

y

κ
4
son la utilidad marginal del estado (Washington, Michigan y Nueva York, respectivamente) en el que se ubica la operación;
κ
5
,

κ
6
,

y

κ
7
son la utilidad marginal de los proveedores más confiables (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores, respectivamente) de información sobre la aplicación de tecnologías de agricultura de precisión; y
ε
C
o
norte
C
mi
r
norte
s
yo
j
es el término de error, que se supone que sigue una distribución normal con una media de 0 y una desviación estándar de
σ
mi
.
Consideración de inversiones en tecnologías de agricultura de precisión.
Usamos un modelo probit binario para representar los factores que podrían influir en la consideración de inversión para tecnologías de agricultura de precisión. Se eligió el modelo porque la variable de respuesta era discreta y binaria (por ejemplo, 1 = si considerarían la inversión; 0 = en caso contrario). La función de probabilidad y el vector de variables explicativas fueron similares a la Ec. [2]: tamaño de la operación de la manzana; estado en el que se encuentra (Washington, Michigan y Nueva York); y fuente de información sobre tecnologías de agricultura de precisión (investigadores universitarios y profesionales de extensión, proveedores de servicios agrícolas y otros productores). Para predecir la probabilidad de que un factor impacte la consideración de la inversión, estimamos los efectos marginales. Se usó una prueba Z para todas las especificaciones econométricas para inferir si una estimación de coeficiente era estadísticamente significativa a P ≤ 0.1, 0.05 o 0.001. Las estimaciones de los parámetros para todas las especificaciones econométricas de este estudio se calcularon utilizando STATA (StataCorp, College Station, TX).

Resultados y discusión
Resumen estadístico.
Las granjas más grandes en términos de superficie se encontraban en Washington (tamaño medio de la explotación, 369 acres), seguidas de Michigan (255 acres) y Nueva York (176 acres). En todos los estados, el tamaño promedio de nuestra muestra de respuesta fue de 266 acres. Según el Censo de Agricultura de 2012, Washington tenía 2839 granjas de manzanas con un total de 174,152 acres, cada una con un tamaño promedio de 61 acres. Michigan tenía 1584 granjas de manzanas con un total de 43.240 acres, cada una con un tamaño promedio de 27 acres. Nueva York tenía 1365 granjas de manzanas con un total de 47,148 acres, cada una con un tamaño promedio de 35 acres ( Departamento de Agricultura de EE. UU., 2014). En cuanto a la cantidad de años de experiencia con tecnologías de agricultura de precisión, los productores de Washington fueron los que tuvieron la mayor experiencia (promedio, 9 años), seguidos de Michigan (7 años) y Nueva York (6 años). En general, los encuestados tenían un promedio de 7 años de experiencia.

El tamaño de nuestra muestra podría no haber sido representativo del número total de operaciones de manzana en cada uno de los tres estados encuestados. Sin embargo, es de destacar que el tamaño promedio de las operaciones fue mayor que los reportados por el censo. Esto significa que los productores que respondieron a nuestra encuesta probablemente fueron los primeros en adoptar tecnologías de agricultura de precisión. El trabajo fundamental realizado por Feder (1980) y Feder y O’Mara (1981)explicó que las operaciones agrícolas más grandes tenían más probabilidades de adoptar innovaciones. Las operaciones más grandes están mejor posicionadas para invertir en innovación, recopilación de información y aprendizaje. Además, la tasa de rendimiento de las innovaciones es mayor para las operaciones más grandes. Las operaciones más grandes tienden a exhibir una mejor capacidad para asumir riesgos dada su gestión más profesional y un mayor grado de división del trabajo ( Diederen et al., 2003 ). La mayoría de los estudios empíricos encontraron una relación positiva entre el tamaño de las operaciones de cultivo perenne y la adopción de innovaciones ( Gallardo y Brady, 2015 ; Gallardo y Sauer, 2018 ; Lu et al., 2016 ).

Desafíos enfrentados en la producción de manzanas frescas.
La disponibilidad de mano de obra para las actividades de cosecha fue el desafío más importante para los productores de manzanas de EE. UU. En comparación con las otras categorías de desafíos (demandas regulatorias, nuevos cultivares comercializables disponibles de manera no exclusiva para todos los productores, fuego bacteriano, sucesión de granjas e intervención del gobierno) ( Tabla 1 ). La disminución en el número de trabajadores agrícolas inmigrantes, especialmente de México ( Charlton y Taylor, 2016 ; Taylor et al., 2012 ), ha llevado a una disminución en la mano de obra disponible para tareas específicas del huerto que requieren masas críticas de mano de obra, como cosecha. Si no fuera por los programas de trabajadores temporales para inmigrantes como H2A, una escasez generalizada de mano de obra afectaría negativamente la rentabilidad económica de la producción de manzanas con uso intensivo de mano de obra (Brady y col., 2016 ; Zahniser et al., 2012 ). H2A es un programa de trabajadores agrícolas temporales que permite a los empleadores estadounidenses de agentes que cumplen con requisitos reglamentarios específicos traer extranjeros a los EE. UU. Para ocupar puestos agrícolas temporales ( Departamento de Seguridad Nacional de EE. UU., 2018). Otros desafíos relacionados con la mano de obra que tuvieron una alta importancia fueron la disponibilidad / costo de la mano de obra para las actividades previas a la cosecha (cuarto en importancia) y la mano de obra de supervisión intermedia (sexto en importancia). Esto es relevante para nuestro problema de investigación porque es probable que una combinación de tecnologías innovadoras de diferentes disciplinas (por ejemplo, fitomejoramiento, manejo hortícola, ingeniería mecánica, sistemas informáticos, robótica y otros) facilitará la implementación exitosa de alternativas automatizadas para un variedad de actividades de la huerta ( Gallardo y Sauer, 2018). Por ejemplo, tecnologías como la teledetección contribuirían al desarrollo de copas de árboles y colocación de frutas más uniformes dentro de la copa, lo que mejoraría enormemente la eficiencia de las máquinas recolectoras automatizadas (D. Brown, comunicación personal).

Tabla 1.
Estimaciones de coeficientes del modelo probit ordenado de la clasificación de desafíos para la producción de manzanas frescas basadas en las respuestas de una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 1.
El clima ocupó el segundo lugar en importancia, seguido de las plagas y enfermedades ( Cuadro 1 ). Ambos son desafíos diarios importantes durante todo el año para los productores de árboles frutales perennes. Los cambios climáticos a corto plazo pueden afectar muchos aspectos bióticos y abióticos de la producción de manzanas. Por ejemplo, cambios a más largo plazo como temperaturas más cálidas en verano, patrones de precipitación erráticos y temporadas de crecimiento prolongadas podrían favorecer generaciones adicionales por temporada de plagas de insectos y vectores de enfermedades de insectos y alterar los ciclos de vida de los patógenos. Los inviernos más cálidos podrían aumentar la supervivencia de las poblaciones de insectos de primavera. Las primaveras más tempranas podrían provocar la llegada más temprana de insectos migratorios ( Autoridad de Investigación y Desarrollo de Energía del Estado de Nueva York, 2011). En 2012, la cosecha de manzanas de Michigan se redujo en un 90% como resultado del desarrollo floral avanzado de la acumulación temprana de calor seguida de episodios de heladas primaverales, lo que resultó en la mayor pérdida de cosecha de manzanas desde la década de 1940 ( Michigan Apple News, 2012 ).

Los mercados competidores ocuparon el quinto lugar en importancia ( Tabla 1 ). La demanda interna per cápita de manzanas frescas de EE. UU. Se ha estancado desde la década de 1980 en 16 a 19 lb / año ( Pérez, 2016). Por el contrario, las exportaciones de manzanas frescas aumentaron de un promedio de 607 millones de libras durante la década de 1980 a 2.300 millones de libras durante la temporada de comercialización 2014-15. Los mercados de exportación son cada vez más importantes para la industria de la manzana de EE. UU. Porque el mercado de procesamiento ha disminuido y la producción nacional de manzanas frescas ha superado la demanda interna (Pérez, 2016). Con grandes volúmenes, una amplia gama de cultivares y fruta de alta calidad, Estados Unidos ha establecido una fuerte presencia en los mercados internacionales (Pérez, 2016). En términos de valor de exportación, Estados Unidos es el principal exportador de manzanas frescas del mundo, superando a China y Polonia, aunque esos países tienen volúmenes de exportación superiores al de Estados Unidos. Debido a que se espera que aumente la producción de manzanas de EE. UU., Particularmente en Washington,

La productividad / rentabilidad de los cultivares de vástagos y portainjertos disponibles ocupó el séptimo lugar en importancia. Para revertir el estancamiento de la demanda interna estadounidense de manzanas frescas, la industria optó por producir una amplia gama de cultivares con atributos de calidad de fruta mejorados para satisfacer las expectativas y preferencias de los consumidores ( Gallardo et al., 2018 ). Ofrecer una amplia selección de cultivares con calidad superior también podría mejorar la presencia de productos frescos de EE. UU. En los mercados internacionales (Pérez, 2016).

La seguridad alimentaria ocupó el octavo lugar en importancia. En 2011, el Congreso de los EE. UU. Aprobó la Ley de Modernización de la Seguridad Alimentaria para salvaguardar la salud pública al garantizar que el suministro de alimentos esté a salvo de la contaminación microbiana, física y química ( Administración de Alimentos y Medicamentos de EE . UU., 2018 ). Como resultado, los productores de manzanas a escala comercial deben cumplir con una serie de regulaciones, incluido el seguimiento de sus productos desde las granjas hasta las tiendas minoristas e implementar y documentar una gran cantidad de procedimientos de seguridad durante cada paso de la operación ( Washington State University, 2018 ).

El agua se clasificó como menos importante que las otras categorías de desafíos. Aunque la producción de manzanas en los valles interiores semiáridos de Washington requiere riego, los huertos en Michigan y Nueva York, que se encuentran en climas más fríos que históricamente han recibido mayores precipitaciones durante la temporada de crecimiento, no recibieron agua suplementaria. Sin embargo, esta situación está cambiando rápidamente debido a los efectos nocivos de la sequía periódica sobre el crecimiento de la fruta, la presión del mercado para producir fruta de alta calidad y los costos significativamente más altos para establecer huertos de alta densidad. Posteriormente, se requieren rendimientos tempranos y significativos durante los años 3, 4 y 5 para reembolsar la inversión del establecimiento ( Robinson et al., 2013). Otro beneficio de un suministro de agua adecuado es una mejor absorción de calcio y otros nutrientes del suelo, lo que beneficia la salud de los árboles y potencialmente mejora el control de trastornos fisiológicos como el hueso amargo ( Robinson et al., 2013 ).

El “manejo poscosecha” no fue significativamente diferente en importancia de la categoría “otros”, lo cual no es particularmente sorprendente dado que nuestros encuestados se enfocaron en aspectos de producción, aunque la calidad de la fruta poscosecha puede verse muy afectada por las prácticas y condiciones previas a la cosecha. El manejo poscosecha abarca una amplia gama de prácticas que se originan en el huerto y continúan a lo largo de toda la cadena de suministro poscosecha, incluidas evaluaciones de calidad, regímenes de almacenamiento, prácticas de saneamiento, seguridad alimentaria, patología, prácticas de manejo y empaque, transporte y mercadeo / exportación. Los avances en las tecnologías de almacenamiento han aumentado en gran medida la cantidad de tiempo que las manzanas pueden almacenarse y aún así mantienen las características deseables de calidad de la fruta ( Red de información poscosecha, 2016 ).

El tamaño (en acres) de la operación de manzanas, el estado en el que se encuentra y los proveedores de información no fueron estadísticamente significativos, lo que indica que estos factores no afectaron la clasificación de desafíos de los encuestados. Tabla 2informa los efectos marginales de cada desafío. La «disponibilidad / costo de la mano de obra» para las actividades de cosecha tenía un 49% más de probabilidades de ser clasificado como el desafío más importante en comparación con la categoría de «otros» desafíos. De manera similar, «clima» fue un 38% más probable, «plagas y enfermedades» fue un 28% más probable, «disponibilidad / costo de mano de obra para las actividades previas a la cosecha» fue un 23% más probable, «mercados competidores» fue un 23% más probable, «disponibilidad / costo de mano de obra ”para la mano de obra de supervisión intermedia era un 18% más probable, y la“ productividad / rentabilidad ”de los cultivares de vástagos y portainjertos disponibles tenía un 10% más de probabilidades de clasificarse como el desafío más importante en comparación con la categoría de desafíos“ otros ”. “Agua” tenía un 8% menos de probabilidades de ser clasificado como el más importante en comparación con la categoría de desafío “otros”;

Tabla 2.
Efectos marginales del modelo probit ordenado con respecto a la clasificación de los desafíos encontrados en la producción de manzana fresca según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 2.
Familiaridad y uso de tecnologías de agricultura de precisión.
El tamaño de la operación fue estadísticamente significativo y positivo para la familiaridad y el uso de tecnologías de agricultura de precisión ( Cuadro 3). Los principales operadores de huertos con al menos 266 acres estaban un 20% más familiarizados con las tecnologías de agricultura de precisión y un 31% más de probabilidades de haber utilizado una tecnología de agricultura de precisión en su huerto al menos una vez en comparación con los huertos con menos de 266 acres. La ubicación de una operación fue estadísticamente significativa y positiva para el uso de tecnologías de agricultura de precisión. En comparación con los productores de Nueva York, los productores de Washington (Michigan) tenían un 27% (21%) más de probabilidades de haber utilizado tecnologías de agricultura de precisión. En general, los resultados de la encuesta sugirieron que la escala de una operación tuvo un impacto positivo en la familiaridad y el uso de tecnologías de agricultura de precisión.

Tabla 3.
Estimaciones de coeficientes y efectos marginales para los modelos probit que muestran la familiaridad y el uso de tecnologías de agricultura de precisión para la producción de manzanas frescas basadas en las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Tabla 3.
Beneficios e inquietudes asociados con las tecnologías de agricultura de precisión .
La eficacia del raleo de frutos verdes fue el beneficio percibido más importante del uso de tecnologías de agricultura de precisión en comparación con las otras categorías (cosecha robótica, base de datos mejorada para la gestión de decisiones, falta de equipo autónomo, fumigación precisa dirigida, mejores rendimientos, plagas y enfermedades más confiables información de manejo, detección de estrés por alimentación de ácaros / pulgones, actividades de horticultura asistida por plataformas e imágenes de brotes para estimar la floración de retorno) ( Tabla 4 ). La «efectividad del aclareo de frutos verdes» tenía un 56% más de probabilidades de ser clasificada como el beneficio principal en comparación con la categoría de «otros» beneficios ( Tabla 4 ). Actualmente, el método de aclareo de precisión para estimar la respuesta de abscisión de la fruta a los diluyentes químicos (Greene et al., 2005 ) depende de tediosas mediciones de calibre de cientos de frutos marcados individualmente. Este método es muy informativo pero requiere mucho tiempo, lo que limita la adopción y caracterización de la diversidad de efectos localizados en el cuajado. Los resultados de la encuesta sugieren que la industria de la manzana de EE. UU. Valoraría la tecnología que proporcione mediciones rápidas y automatizadas del crecimiento de los frutos y estimaciones del cuajado.

Cuadro 4.
Estimaciones de coeficientes y efectos marginales del modelo probit ordenado en la clasificación de los beneficios de adoptar tecnologías de agricultura de precisión para la producción de manzanas frescas según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 4.
La aplicación de nutrientes basada en las necesidades en tiempo real se clasificó como el segundo beneficio más importante. En comparación con la categoría de beneficios “otros”, esta variable tenía un 53% más de probabilidades de clasificarse como el beneficio más importante ( Tabla 4 ). Para asegurar un rendimiento alto y constante de fruta de alta calidad, los árboles deben mantener proporciones óptimas de nutrientes; por lo tanto, la aplicación prescriptiva de nutrientes es importante (D. Brown, comunicación personal).

La «eficacia de la poda inactiva» ocupó el tercer lugar en importancia y tenía un 43% más de probabilidades que la categoría «otros» de clasificarse como el beneficio más importante. Las copas de los sistemas modernos de huertos de alta densidad se han cambiado a copas planas estrechas y accesibles con alta intercepción de luz para mejorar el tamaño, el color y las características de sabor de la fruta, como la dulzura. La disminución de la disponibilidad de mano de obra en todo Estados Unidos ha fomentado el uso de podas mecánicas (Robinson et al., 2013) basadas en técnicas y equipos utilizados en Europa ( Miranda Sazo et al., 2010).). Tradicionalmente, la poda se realizaba durante el período de inactividad por razones fisiológicas y eficiencia laboral; sin embargo, la relativa facilidad y rapidez de la poda mecánica amplía las alternativas. La poda mecánica a fines de la primavera, cuando han emergido de 10 a 12 hojas en los brotes de extensión, promueve un menor rebrote, una mayor formación de botones florales, brotes herbáceos que se pueden cortar fácilmente y una disminución de las infecciones fúngicas (S. Musacchi, comunicación personal). El momento apropiado y la aplicación de la poda también reducen o previenen el desarrollo de madera ciega y aseguran una penetración de luz suficiente para dar color a la fruta y mejorar la calidad (S. Musacchi, comunicación personal), pero se requiere investigación adicional para optimizar los protocolos de manejo.

El “riego dirigido” ocupó el cuarto lugar en importancia y tenía un 32% más de probabilidades que la categoría de “otros” beneficios de ser clasificado como el beneficio percibido más importante de la tecnología de agricultura de precisión. El riego, como se explicó anteriormente, es fundamental para el establecimiento y la productividad de los manzanos, especialmente en huertos de alta densidad. El manejo del riego comúnmente se basa en modelos de evapotranspiración basados ​​en la meteorología, humedad volumétrica del suelo y sensores de potencial hídrico del suelo ( Arbat et al., 2008 ). Se ha demostrado que los modelos de evapotranspiración desarrollados para cultivos en hileras estiman incorrectamente el uso de agua de los manzanos ( Dragoni et al., 2005 ; Dragoni y Lakso, 2011). Las mediciones directas convencionales del estado fisiológico de los árboles pueden llevar mucho tiempo y ser costosas de implementar ( Masseroni et al., 2016 ; Osroosh et al., 2016 ).

La superficie de la operación de la manzana, el estado en el que se encuentra y las fuentes de información no fueron estadísticamente significativas, lo que indica que estos factores no afectaron la clasificación de los beneficios percibidos por los encuestados.

Con respecto a las preocupaciones sobre la adopción de tecnologías de agricultura de precisión, la confiabilidad / calidad de los resultados se clasificó como la más importante en comparación con las otras categorías de inquietudes (administración del tiempo, dependencia de la conexión a Internet de alta velocidad, falta de equipo autónomo, tarifas anuales, tiempo necesario para lograr gestión de precisión) ( Tabla 5 ). La “confiabilidad / calidad” de los resultados tenía un 40% más de probabilidades de ser clasificada como la preocupación más importante en comparación con la categoría de “otras” preocupaciones. Esto corrobora el problema mencionado anteriormente: la investigación de campo insuficiente para la agricultura de precisión desalienta la adopción de tecnologías de agricultura de precisión para frutos de árbol ( Bramley y Trengove, 2013 ; Cambouris et al., 2014). Una mayor inversión en proyectos de investigación de campo aplicada que prueben y demuestren los beneficios de las tecnologías de agricultura de precisión, junto con programas de extensión activos para difundir adecuadamente los hallazgos de la investigación, podría reducir las preocupaciones de los productores y acelerar la adopción.

Cuadro 5.
Estimaciones de coeficientes y efectos marginales del modelo probit ordenado en la clasificación de preocupaciones de la adopción de tecnologías de agricultura de precisión para la producción de manzanas frescas según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 5.
El “costo del servicio” ocupó el segundo lugar en importancia entre las preocupaciones y fue un 39% más probable que se clasificara como la preocupación más importante en comparación con la categoría de “otras” preocupaciones ( Tabla 5 ). Como lo observaron Pierpaoli et al. (2013) y Schimmelpfennig y Ebel (2011), la adopción retrasada de tecnologías de agricultura de precisión podría ser el resultado de la considerable inversión de capital en equipo y personal calificado requerido para interpretar e implementar los datos. Los proyectos de investigación que centran los esfuerzos en industrias de alto valor con un capital sustancial para inversiones en tecnología podrían ser una vía positiva para avanzar y ampliar el conocimiento de las tecnologías de agricultura de precisión a los frutos de los árboles. La barrera de escala aparente para la adopción de innovaciones como la agricultura de precisión podría superarse introduciendo opciones de compra y alquiler y proporcionando servicios personalizados ( Lu et al., 2016 ).

La “disponibilidad / costo de la experiencia técnica” se clasificó como la tercera preocupación y era un 28% más probable que se clasificara como la preocupación más importante en comparación con la categoría “otros” ( Tabla 5 ). La literatura sobre la economía de la adopción de tecnología indicó que los servicios personalizados, así como los esfuerzos de colaboración entre la industria y las instituciones locales, son cruciales para adaptar la innovación a las necesidades de los productores locales ( Gordon et al., 2018 ; Lu et al., 2016 ; Taylor y Zilberman , 2016 ).

La categoría de «no ve beneficios significativos» se clasificó en menor importancia en comparación con la categoría «otros», y tenía un 93% menos de probabilidades de ser la preocupación más importante. Esto demostró que la industria de la manzana reconoce los beneficios asociados con la agricultura de precisión, pero aún requiere investigación aplicada para demostrar el alcance de dichos beneficios.

Consideración de inversión para tecnologías de agricultura de precisión.
El tamaño de la operación tuvo un efecto positivo en la consideración de la inversión en tecnologías de agricultura de precisión ( Cuadro 6 ). Las operaciones con 266 acres o más tenían un 18% más de probabilidades de considerar invertir en dichas tecnologías. Aunque los datos sugieren que es menos probable que las operaciones más pequeñas inviertan, la diferencia relativa no fue grande. Además, como se mencionó, la literatura económica sobre la adopción de nuevas tecnologías demostró que las barreras de escala pueden superarse introduciendo opciones de compra y alquiler, proporcionando servicios personalizados ( Lu et al., 2016 ) y proporcionando a los productores de menor escala acceso rápido.

Cuadro 6.
Estimaciones de coeficientes y efectos marginales del modelo probit que representan el factor que afecta la consideración de la inversión en tecnologías de agricultura de precisión en la producción de manzanas frescas, según las respuestas a una encuesta de 2017 de productores de manzanas en Washington, Nueva York y Michigan.

Cuadro 6.
Importancia de la experiencia de una empresa de servicios agrícolas o de un consultor para la orientación e implementación.
Los resultados de la distribución de frecuencias mostraron que la mayoría de los productores (43; 35% de los encuestados) citan la experiencia de su servicio o consultor agrícola como extremadamente importante, seguida de muy importante (42; 34%) e importante (26; 21%) ( Cuadro 7). Diez productores fueron neutrales sobre el tema, uno consideró que la experiencia no era importante y otro no respondió. No hubo diferencias destacadas entre los estados con respecto a la calificación de importancia promedio basada en una escala del 1 al 7 (1 = extremadamente poco importante; 7 = extremadamente importante). La calificación promedio de importancia osciló entre 5,74 y 5,96. En promedio, los productores calificaron altamente la experiencia que reciben, con una importancia promedio de 5.9. Esto indica que los productores confían en las empresas de servicios para compartir información que facilitaría la adopción de nuevas tecnologías, corroborando así que la colaboración entre la industria y las instituciones académicas es crucial para adaptar la innovación a las necesidades de los productores ( Gordon et al., 2018 ; Lu et al. , 2016 ; Taylor y Zilberman, 2016 ).

Cuadro 7.
Distribución de frecuencia de la importancia de la experiencia de las empresas de servicios agrícolas o consultores para la orientación e implementación por región según las respuestas a una encuesta de productores de manzanas en Washington, Nueva York y Michigan en 2017.

Cuadro 7.
Resumen y conclusiones
Los avances en las tecnologías de agricultura de precisión, especialmente en las áreas de hardware y software de computadoras, sensores y análisis de datos, han creado nuevas oportunidades para su aplicación en la producción de cultivos. Aunque las tecnologías de agricultura de precisión se han aplicado ampliamente a los cultivos en hileras, su uso se ha retrasado en los cultivos de árboles frutales. Dado el alto valor de estos cultivos y los crecientes desafíos relacionados con el manejo de la mano de obra y la horticultura, las actividades de investigación aplicada y extensión tienen el potencial de aumentar la rentabilidad.

En nuestra encuesta en línea realizada en tres estados con la mayor producción de manzanas por volumen (Washington, Nueva York y Michigan), encontramos que los principales desafíos que afectan a la industria de la manzana estaban relacionados con el trabajo y el clima. Las tecnologías de agricultura de precisión ofrecen soluciones a estos desafíos en una amplia gama de actividades de producción, desde el establecimiento de huertos hasta la producción de cultivos y la protección contra plagas y enfermedades. Estas tecnologías permiten mejoras simultáneas en la consistencia del rendimiento y la calidad de la fruta. A pesar del bajo nivel de adopción actual, los productores apoyaron firmemente las actividades de investigación y extensión que abordan los desafíos relacionados con el trabajo y el clima. Tales actividades también abordarían sus principales preocupaciones sobre la confiabilidad o calidad de los resultados y los costos del servicio.

Una limitación de este estudio fue el pequeño tamaño de muestra de las operaciones de manzana encuestadas. Sin embargo, nuestra muestra de encuestados exhibió operaciones mayores que el promedio, según lo informado por el Censo de EE. UU. Esto implica que obtuvimos respuestas de los primeros en adoptar tecnologías agrícolas de precisión. Un trabajo fundamental en economía agrícola concluyó que la adopción de innovaciones sigue una curva en forma de S ( Griliches, 1957). En las primeras etapas de difusión de una innovación, es probable que un pequeño porcentaje de la población total de adoptantes («adoptadores tempranos») inviertan en la nueva tecnología. Para que una innovación sea adoptada masivamente, es crucial que los profesionales de extensión y las partes interesadas compartan información basada en la investigación sobre los beneficios y el uso de la innovación con los primeros usuarios. Este grupo difundirá la información, lo que impulsará y potenciará la propagación de la información. Además, este grupo será imitado, es decir, los beneficios de la innovación se comunicarán inadvertidamente a otros, impulsando así el comportamiento imitativo y la adopción ( Frattini et al., 2013 ).

Las barreras de adopción aparentes asociadas con las economías de tamaño podrían minimizarse si las opciones de compra y alquiler (junto con los servicios personalizados) pudieran aumentar el acceso a la tecnología. Finalmente, los productores de manzana son conscientes de la importancia de colaborar con empresas de servicios agrícolas e instituciones académicas para adaptar las tecnologías a sus necesidades específicas.

Leer más

El agua es un factor crucial para el crecimiento de las plantas, junto con la luz y el calor. Algunos agricultores tienen la suerte de trabajar en las zonas con lluvias frecuentes y, por lo tanto, lluvias suficientes para proporcionar suministro de agua. Sin embargo, la mayoría de las tierras tienen que ser irrigadas artificialmente para cubrir regularmente su carencia, y el riego por goteo tiene una demanda mundial.

hombre regando el campo a través de la aplicación móvil

Existen cuatro tipos principales de riego:

1. Riego superficial. El agua fluye naturalmente y se esparce en el campo de acuerdo con la ley de la gravedad. No emplea ninguna tecnología avanzada, pero requiere grandes volúmenes de agua, por lo que se justifica cuando la infiltración del suelo es baja. Este método es adecuado para suelos arcillosos pero será difícil de implementar en suelos arenosos.

El riego superficial se realiza de las siguientes formas:

El riego por cuenca limita el área con diques y la inunda. El agua permanece allí durante mucho tiempo. Esto es típico del cultivo de arroz y también se puede utilizar para el trigo. El método se aplica en terrenos planos con nivelación adicional si es necesario.
riego de cuenca en el campo

El riego por surcos implica la construcción de surcos: zanjas largas llenas de agua. Los surcos se encuentran más altos que las hileras de cultivo y el agua desciende naturalmente debido a la gravedad oa través de tubos de sifón o compuertas.
riego por surcos en el campo

El riego fronterizo suministra agua entre franjas de tierra. Como el tipo anterior, también utiliza sifones o compuertas.
2. Riego por aspersión. El agua se rocía a través de maquinaria o herramientas manuales.

Se pueden instalar de forma temporal o permanente y avanzar o rotar. Los aspersores difieren en la presión y el tamaño de las gotas según sus pistolas y boquillas.
No son aptos para todos los cultivos ya que las grandes caídas y la alta presión los dañan. Destruiría flores en plantas florecientes y erradicaría la polinización. Además, el equipo estará fuera de servicio con partículas insolubles atascadas dentro del sistema. Otro problema es que la distribución de la humedad se ve muy afectada por los vientos.

riego por aspersión

3. Sistema de riego por goteo o por goteo. ¿Qué es el riego por goteo y cómo funciona? La humedad se entrega con pequeñas tuberías colocadas en líneas, por lo que este tipo también se conoce como cinta de goteo o riego por goteo. Las gotas se dirigen al cultivo propiamente dicho a baja presión, y la falta de agua en las inmediaciones dificulta el desarrollo de malezas. Por lo tanto, no solo previene el hambre de las plantas debido a las malas hierbas, sino que también reduce en gran medida el volumen de agua necesaria, que es uno de los principales beneficios del riego por goteo.

sistema de riego por goteo

Sin embargo, las cintas de goteo son sensibles a la maquinaria y se dañan o bloquean fácilmente con partículas insolubles. Por el contrario, las sustancias solubles permiten combinar el suministro de agua con la fertilización. El método se define como fertirrigación.

4. Riego por goteo subterráneo (riego subterráneo). Las raíces de las plantas se saturan dentro del suelo a través de tuberías y goteros. Este tipo es similar al sistema de riego por goteo en bajo consumo de agua. Es más, dado que la humedad entra debajo del suelo, no se evapora. Sin embargo, la línea de riego por goteo subterráneo no solo es altamente vulnerable a las partículas insolubles sino también a los pelos de las raíces, la maquinaria y la labranza.

MONITOREO DE CULTIVOS EOS

¡Uso de monitoreo satelital para la gestión de campos remotos en una plataforma!

¡PROBAR AHORA!
CONSEJOS PARA LA GESTIÓN DEL RIEGO: OBTENGA MÁS CON MENOS
Es importante apoyar de manera óptima las necesidades de humedad de las plantas gastando recursos y energía mínimos. La cantidad consumida no debe exceder el volumen que se puede restaurar.

riego de precisión practicado en el campo

Hay tres enfoques principales para implementar la idea:

Acercarse Actividades clave
Mejorar las propiedades de retención de agua del suelo. Reducir el agrietamiento del suelo con materia orgánica
Fortalece el suelo con grandes raíces.
Evitar la salinización con drenaje o alcalinización añadiendo yeso
Plantar plantas perennes en la rotación de cultivos para aumentar la retención de agua
Evite la compactación
Elimina la evaporación Aborde la evaporación rápida debida a los vientos con agroforestería
Reducir la labranza
Use cobertura / mantillo
Aplicar línea de riego por goteo subterráneo
Optimice el volumen de agua utilizado Considere fuentes adicionales de suministro de agua mediante la recolección de agua de lluvia y el uso de riego por goteo de lluvia.
Use agua tratada / reciclada si es posible
Sature el agua directamente en la planta: considere cómo configurar el riego en el suelo o bajo tierra
Monitorear las necesidades de riego de las plantas
Controle las tasas de aplicación de agua
Consulte las previsiones meteorológicas para posibles lluvias próximas
Combinar fertilización con riego (fertilizante de riego por goteo)
DERIVAR LAS NECESIDADES DE RIEGO EXACTAS A PARTIR DEL MONITOREO DE CULTIVOS
Los sistemas de riego y monitoreo se implementan en todo el mundo, ya que están llamados a facilitar la mano de obra y reducir los insumos. Dejar las necesidades de humectación de los cultivos sin atender al menos una vez puede resultar en la pérdida total de rendimiento. Es difícil controlar la situación monitoreándola todo el tiempo, a menos que delegue el trabajo a plataformas y aplicaciones en línea especialmente designadas.

La agricultura de precisión y el riego de precisión, en particular, le permiten ahorrar recursos valiosos sin someter las plantas a la deficiencia de humedad.

El riego incluido en el sistema general de administración de la granja generalmente se basa en sensores en los campos. Este enfoque es mucho más caro que adquirir la misma información utilizando imágenes de satélite.

Crop Monitoring ha lanzado recientemente una nueva función para analizar la humedad del suelo y notificar las sequías o inundaciones estimadas, lo que proporciona a los agricultores el conocimiento adecuado a tiempo. También proporciona previsiones meteorológicas para programar las actividades agrícolas de la forma más beneficiosa.
Por lo tanto, no irrigarás ni fertilizarás cuando se espere lluvia. Ahorrará recursos y protegerá la naturaleza de las fugas de pesticidas, ya que los productos químicos no se eliminarán de las plantas con las lluvias no deseadas.

Leer más

Completar su proyecto de mapeo con drones es más fácil de lo que piensa. ¡Así es cómo!
Logotipo de la aplicación Measure Ground Control
Medir el control de tierra
Para este ejemplo, asumiremos que estamos mapeando un sitio de tamaño mediano y creando tres productos de datos estándar: ortomosaico, modelo de superficie digital y mapa de contorno. En el camino, nos referiremos a Measure Ground Control (MGC), una solución de software de extremo a extremo impulsada por Pix4D.

Ahora comencemos.

Paso 1: planifique su misión
La calidad de los datos comienza con un plan. Es imperativo que comprenda completamente la ubicación del trabajo y qué tipo de datos necesita recopilar. Esa información impulsará las decisiones sobre los pilotos, el equipo y la configuración de vuelo, solo por nombrar algunos. Aquí hay algunas cosas que debe de planificar en torno a:

Ubicación. Deberá conocer la clasificación del espacio aéreo, el tamaño del sitio, la ruta de acceso, la propiedad de la propiedad y cualquier reglamentación local o requisitos de seguridad específicos del sitio. Si se requiere algún tipo de exención, permiso especial o protocolo de notificación, querrá comenzar con eso con anticipación.
Sincronización. La buena luz y el buen tiempo son claves para un vuelo seguro y exitoso. Tenga una idea clara de la extensión del área que mapeará para que pueda planificar la cantidad de tiempo necesaria para la captura de datos. Asegúrese de tener algo de tiempo de reserva en su plan, en caso de que las cosas no vayan bien, y verifique las predicciones meteorológicas con frecuencia en los días y horas previos a su misión. Nunca vuele en condiciones cuestionables.
Necesidades de datos. Si no sabe qué tipo de datos necesita, no podrá seleccionar el equipo correcto, asignar el piloto correcto o construir la ruta de vuelo correcta. En este caso, sabemos que nuestro objetivo es crear los tres productos de datos básicos producidos por MGC: ortomosaico, modelo de superficie digital y mapa de contorno.
Equipo. El tipo de datos que está recopilando y el tamaño del sitio son dos factores importantes a la hora de elegir el equipo. Para trabajos de mapeo simples en sitios pequeños a medianos, el DJI Mavic 2 Pro es una opción compacta y rentable y su cámara de 20MP recopila imágenes de alta resolución (no recomendamos cámaras por debajo de 20MP). Los drones más grandes como el DJI M210 con el sensor Zenmuse X5S también pueden hacer el trabajo, aunque a un precio más alto.
Personas. Conoce el momento de su misión, el tipo de datos que se recopilarán y el equipo que utilizará. Ahora debe asignar un piloto que no solo esté disponible en el momento y lugar de la misión, sino que también tenga las habilidades necesarias para operar el equipo de manera segura y recopilar datos de calidad. Si tiene un equipo grande, puede estar asignando varias personas a una misión.
Measure Ground Control ofrece herramientas integrales de gestión de programas y planificación de misiones. Cree una nueva misión, verifique el espacio aéreo, asigne recursos y administre el calendario de su programa.

Paso 2: crea una ruta de vuelo
Dado que comprende bien el sitio y los requisitos de datos, puede crear su ruta de vuelo con anticipación. Cuando planea crear un mapa, generalmente recopilará datos utilizando un patrón de vuelo de cuadrícula automatizado. El uso de una ruta de vuelo automatizada asegurará que las imágenes se capturen de manera consistente y con una superposición adecuada. Con la configuración correcta, obtendrá un mapa mucho mejor.

Pantalla de vuelo de cuadrícula en la aplicación de vuelo MGC
Pantalla de vuelo de cuadrícula en la aplicación de vuelo MGC
Unas palabras sobre la superposición: querrá establecer su vuelo de cuadrícula con una superposición mínima del 60%. Sin embargo, el tipo de sitio es importante. Cuanto más homogéneo sea su sitio (como un bosque de árboles o un campo de hierba), mayor será su superposición, a menudo hasta un 85% o 90%. El software de mapeo utiliza puntos de conexión (señales visuales únicas) para unir imágenes en un mapa. Si todas sus imágenes tienen el mismo aspecto, es mucho más difícil juntarlas, por lo que se requiere más superposición. Piense en ello un poco como armar un rompecabezas: si todas las piezas tienen el mismo aspecto, es más difícil de armar, por lo que necesita más pistas.

Otros parámetros de vuelo recomendados incluyen una altitud de 200-300 pies, una velocidad de 11-12 mph (tenga en cuenta que si usa MGC, establecerá automáticamente la mejor velocidad para su plan de vuelo) y un ángulo de cámara de 90 grados para el mapeo 2D.

Si está utilizando Measure Ground Control, puede crear rutas de vuelo de cuadrícula automatizadas en el portal web o en la aplicación de vuelo. Al utilizar el portal web, los planes de vuelo se sincronizarán automáticamente con la aplicación de vuelo MGC para el piloto en el campo.

Paso 3: volar y capturar datos
Como ya ha creado una ruta de vuelo de cuadrícula automatizada, volar y recopilar datos es simple. Comience por completar una lista de verificación previa al vuelo en la aplicación de vuelo MGC para mantenerse organizado en el campo y asegurarse de que se siga el protocolo adecuado. Confirme las condiciones meteorológicas y del espacio aéreo y, si es necesario, obtenga una autorización en tiempo real a través de LAANC (para volar cerca de los aeropuertos participantes).

Ahora solo asegúrese de que su ubicación de despegue (y aterrizaje) esté nivelada y libre de obstrucciones, haga los últimos ajustes y comience su vuelo. Su dron recopilará datos automáticamente de acuerdo con su ruta de vuelo y parámetros. Mantenga el contacto visual con su dron y asegúrese de que progresa a través de cada segmento de su vuelo en la red según lo planeado.

Si necesita volver a volar una parte de su cuadrícula por cualquier motivo, la aplicación de vuelo MGC lo hace fácil. No es necesario volver a hacer toda la ruta de vuelo desde el principio.
‍

Datos de registro de vuelo en el portal web MGC
Datos de registro de vuelo en el portal web MGC
Su vuelo completo crea un registro de vuelo que combina su lista de verificación, equipo e información de ubicación con datos de telemetría como cabeceo, guiñada, balanceo, altitud y velocidad. Como operador profesional de drones, querrá capturar todos los registros de vuelo para su seguimiento y cumplimiento.

Con la aplicación de vuelo MGC, los registros de vuelo detallados se cargan automáticamente en la plataforma web MGC a través de un sistema de almacenamiento seguro en la nube que se ejecuta en servidores de EE. UU . Los registros también se pueden agregar con DJI Log Sync o manualmente.

Paso 4: Cargar y procesar datos
Confirmación de imágenes para su procesamiento en MGC
Confirmación de imágenes para su procesamiento en MGC
Después de la recopilación de datos, cargará sus imágenes para su procesamiento. Siempre revise su conjunto de datos antes de procesarlo para confirmar la calidad y la integridad de su conjunto de datos. Asegúrese de que sus imágenes sean nítidas y de que no se hayan perdido áreas y de que no haya imágenes perdidas que no pertenezcan a su mapa. Recuerde, la entrada de datos incorrectos equivale a datos incorrectos, por lo que es importante que cree su mapa utilizando un conjunto completo de imágenes de calidad.

En MGC, cargue sus datos sin procesar en la página de la misión, donde toda la información relacionada con la misión se guarda en un solo lugar. Tendrá la oportunidad de revisar cada imagen junto con su ubicación de captura. Confirme la calidad de los datos y excluya las imágenes que no pertenezcan antes del procesamiento. ‍

Una vez que esté satisfecho con su conjunto de datos sin procesar, procederá a procesar sus imágenes. Los pasos necesarios dependerán del software que esté utilizando. Algunos programas pueden ser complicados y requieren capacitación específica en el software y / o experiencia en análisis de datos SIG. Otro software, como Measure Ground Control, usa configuraciones optimizadas y le permite procesar datos con solo presionar un botón. El tiempo de procesamiento varía desde una hora para mapas pequeños hasta más de 24 horas para mapas muy grandes con más de 1500 imágenes.

Con MGC, las imágenes se procesan y los productos de datos se crean a través de una perfecta integración con Pix4D, el líder de la industria en fotogrametría.

Paso 5: obtenga sus mapas
Una vez que se completa el procesamiento, tiene acceso a sus productos de datos. Para este ejemplo, hemos elegido los tres productos de datos estándar producidos por Measure Ground Control:

Ortomosaico
Modelo de superficie digital (DSM)
Mapa de contorno

Dependiendo del software que esté utilizando, puede ver sus mapas, tomar medidas o exportar archivos para usarlos en otras plataformas de software GIS. Visor de mapas de control de tierra
es una plataforma avanzada para la visualización de sus productos de datos en 2D. Puede tomar medidas básicas, activar y desactivar productos de datos, importar su propia capa 2D y agregar información como la ruta de vuelo.

Listo para comenzar el mapeo? Obtenga una prueba gratuita de Measure Ground Control .

Leer más

Agricultura de precisión es el uso conveniente de recursos e insumos agrícolas en el momento adecuado y el lugar exacto a través de tecnologías de la información para garantizar mejores prácticas durante el manejo de suelo y cultivos de acuerdo a las condiciones presentes en el terreno, este concepto de la Revista Ciencia y Tecnología de la Universidad de Palermo, sugiere que la innovación es la solución para brindarles datos exactos a los productores de piña y así aumentar el rendimiento de las cosechas.

Las variaciones del clima son más agresivas, por lo tanto, a los agricultores se les dificulta hacer pronósticos sobre procesos fundamentales en la producción de la fruta, sin embargo, las innovaciones tecnológicas han desarrollado herramientas capaces de realizar un monitoreo integral y así hacer uso adecuado de los recursos naturales

Estas herramientas de agricultura de precisión funcionan con Sistema Global de Navegación por Satélites (GNSS) y Sistemas de Posicionamiento Global (GPS) que se basan en un análisis completo y detallado sobre el terreno, una de las ventajas es la cobertura de grandes extensiones de tierra para obtener datos relacionados a dosis de fertilizantes, distribución de semillas, período de siembras, espacios entre hileras entre otras variables esenciales que son importantes para proteger los recursos naturales presentes en el lugar.

Primeros pasos de agricultura de precisión en Costa Rica:

En el 2014, Colono Agropecuario introduce AP Tech para ofrecer las tecnologías de la agricultura de precisión a productores de piña, arroz, yuca, caña de azúcar entre otro basándose en la oportunidad de lograr mejor rentabilidad y sostenibilidad.

Colono AP Tech desarrolla tres etapas para ejecutar los planes de agricultura de precisión, la primera es manejo y conservación de suelo que diseña la siembra para evitar pérdidas de suelo por erosión y aprovechar el terreno, la información se obtiene a través de un modelo primario, usando un dron. La segunda etapa implementada con Sistema de Información Geográfico que controla y mide la exactitud de cultivo, clave para las tomas de decisiones. En la tercera etapa, la recolección de datos es importante para monitorear y así dar recomendaciones basadas en mapas de interpretación y análisis.

¿Qué oportunidades de mejora ofrece la agricultura de precisión en el cultivo de piña?

1.Selección correcta de semillas.

2.Control integral de plagas

3.Uso y manejo racional de plaguicidas

Leer más

La mayoría de los sistemas de producción de cultivos en Florida requieren fertilizantes o nutrientes. Si bien todos los suelos en Florida pueden suministrar nutrientes para la producción de cultivos, es posible que los nutrientes no siempre estén disponibles en cantidades adecuadas para una producción económica de cultivos. El suministro de nutrientes necesarios para la producción de cultivos implica atención a cuatro factores principales de fertilización (la 4RS): tasa de derecho , fuente correcta , de colocación derecho , y de temporización derecha. La atención a estos factores proporcionará una nutrición adecuada para la producción de cultivos mientras se minimiza el riesgo de pérdida de nutrientes al medio ambiente. Las 4R (terminología promovida por el Instituto Internacional de Nutrición Vegetal [2014]) son componentes importantes de las mejores prácticas de manejo de nutrientes, y los especialistas de Extensión universitaria han estado promoviendo estos componentes del manejo de nutrientes durante muchas décadas. En esta publicación se describe cada factor, así como cómo se puede proporcionar la información de un informe de prueba de suelo para ayudar a los agricultores a hacer un uso eficiente de su inversión en fertilizantes para la producción de cultivos y para la protección del medio ambiente. Estos factores suelen estar interrelacionados; por ejemplo, es posible que sea necesario abordar conjuntamente la ubicación y el momento del fertilizante, tales como la colocación correcta de bandas de fertilizante para el aderezo durante la etapa apropiada (es decir, el momento adecuado) del crecimiento del cultivo durante la temporada de crecimiento. Si bien no es una parte formal de las 4R, en esta publicación se enfatiza la importancia del riego para el manejo general de nutrientes.

Fuente correcta
Es importante seleccionar la fuente correcta de fertilizante o el material adecuado para suministrar los nutrientes. La fuente correcta puede estar relacionada con las siguientes preguntas:

¿Qué fuente de nutriente (s) sería la menos costosa por unidad de nutriente entregado?
¿Se debe considerar una fuente orgánica (abono o estiércol) de nutrientes?
¿Cuándo es un fertilizante de liberación controlada la fuente adecuada?
¿Qué fuentes pueden aportar simultáneamente más de un nutriente necesario?
¿Cuándo se debe utilizar una forma líquida en lugar de una forma seca?
¿Cuándo se debe considerar el índice de sal del fertilizante al seleccionar la fuente correcta?
La fuente correcta a menudo implica la facilidad de aplicación de un nutriente y el costo por unidad de nutriente. Además, se puede considerar la eficiencia del uso de nutrientes. Por ejemplo, se puede preferir una fuente de nitrógeno de liberación controlada para suministrar pequeñas cantidades de nutrientes durante la temporada de crecimiento, en lugar de mayores cantidades de nitrógeno suministradas en unos pocos apósitos laterales de una fuente soluble.

La fuente correcta puede ser el estiércol, si el agricultor desea aprovechar la materia orgánica suministrada junto con los nutrientes de las plantas. La materia orgánica puede aumentar la capacidad de retención de agua y el suministro de nutrientes del suelo.

Tarifa correcta
Los cultivos requieren una cierta cantidad de nutrientes vegetales para la producción de cultivos rentables. Parte de esta cantidad de nutrientes puede provenir del suelo, y el resto debe provenir de fertilizantes, ya sean fuentes sintéticas o formas orgánicas (como abono de desechos de ganado) o cultivos de abono verde. La primera clave para practicar el concepto de tasa correcta es el análisis del suelo (consulte la publicación SS621 del EDIS , Análisis del suelo para los nutrientes disponibles para las plantas: qué es y por qué lo usamos?). Antes de plantar el cultivo y aplicar cualquier fertilizante, las pruebas del suelo pueden ayudar a determinar la parte del requerimiento de nutrientes del cultivo que ya está disponible en el suelo. Usando una sólida base de información de investigación, la recomendación de la dosis correcta de fertilizante se puede hacer a partir del resultado de la prueba del suelo.

La tasa correcta se refiere a la cantidad de fertilizante necesaria para la temporada de producción de cultivos y se basa en una extensa investigación sobre ubicaciones, cultivos, variedades y años. La dosis correcta también se refiere a la cantidad de fertilizante aplicada al mismo tiempo durante la temporada de crecimiento. Por ejemplo, el agricultor necesita saber, dependiendo del sistema de cultivo utilizado, la dosis correcta de fertilizante para aplicar en los siguientes escenarios:

En la aplicación previa a la siembra, mientras que el lecho de mantillo está hecho para hortalizas de plástico
Como fertilizante inicial para cultivos de siembra directa como papa, maíz o algodón
Como la cantidad a inyectar (fertirrigación) en el sistema de riego por goteo en cualquier momento
En un solo aderezo durante la temporada de crecimiento para una cosecha sin triturar
En un solo fertirrigación a través del sistema de riego de pivote central
A veces, la dosis correcta para aplicar en un momento dado está relacionada con el nutriente involucrado. Por ejemplo, en hortalizas de plasticultura, todo el fósforo se puede aplicar al suelo mientras se hace el lecho. Asimismo, se puede aplicar una porción del nitrógeno y potasio mientras se hace el lecho y el resto se aplica a través del sistema de riego por goteo.

El momento adecuado
El momento adecuado de los nutrientes toma en consideración el patrón de crecimiento del cultivo y, por lo tanto, los cambios naturales en la demanda de nutrientes durante la temporada. El desarrollo del cultivo comienza a ralentizarse a partir de la germinación o el trasplante de semillas, luego aumenta a través de la fructificación y finalmente se ralentiza en la maduración. Este patrón de desarrollo del cultivo se conoce como crecimiento sigmoideo (Figura 1). Es importante anticipar los cambios en el crecimiento y la demanda de nutrientes para poder programar la aplicación de fertilizantes para satisfacer las necesidades del crecimiento. Un buen ejemplo de la sincronización de la fertilización con nitrógeno y potasio para cumplir con los cambios en el desarrollo del cultivo se puede ver en el tomate con riego por goteo (Figura 2).

[Haga clic en la miniatura para ampliar.]Figura 1. Una función sigmoidea, por ejemplo, crecimiento lento del cultivo al principio, luego una zona de rápido aumento, seguida de atenuación del crecimiento.
[Haga clic en la miniatura para ampliar.]
[Haga clic en la miniatura para ampliar.]Figura 2. Recomendaciones para la inyección de N y K 2 O para tomates con mantillo y riego por goteo en Florida.
[Haga clic en la miniatura para ampliar.]
El momento adecuado a menudo está interrelacionado con la frecuencia y la ubicación adecuadas. Por ejemplo, a medida que se desarrolla el cultivo de tomate con riego por goteo, la tasa cambia con el tiempo, de modo que se aplican tasas más pequeñas más adelante en la temporada de crecimiento. Se aplican mayores cantidades de nutrientes en o justo antes del momento en que la tasa de crecimiento vegetativo es máxima y se están desarrollando los frutos.

Las precipitaciones son difíciles de predecir; sin embargo, cuando sea posible, la aplicación de fertilizantes debe programarse para minimizar la posibilidad de lixiviación de nutrientes debido a las fuertes lluvias.

Colocación correcta
Para una máxima eficiencia de los nutrientes, los nutrientes deben colocarse donde la planta tenga el mejor acceso a los nutrientes. Para la mayoría de los cultivos, la ubicación correcta es en la zona de las raíces o justo delante del sistema de raíces que avanza. La mayor parte de la absorción de nutrientes ocurre a través del sistema de raíces, por lo que colocar los nutrientes en la zona de la raíz maximiza la probabilidad de absorción por parte de la planta.

El anillado y la difusión son dos enfoques generales para la colocación de nutrientes. El anillado es la colocación de fertilizante en arroyos concentrados o bandas en el suelo, típicamente cerca de la planta en desarrollo. La difusión es la distribución uniforme del fertilizante sobre la superficie del suelo. El uso de bandas o al voleo a menudo depende del tipo de cultivo y del desarrollo o propagación del sistema de raíces. La difusión suele ser más eficaz al final de la temporada cuando las raíces de un cultivo en hileras han explorado el espacio entre las hileras, o para cultivos forrajeros que cubren toda la superficie del suelo. La fertilización con nitrógeno a través de un sistema de riego de pivote central para el maíz puede ser un tipo de sistema de difusión de fertilizantes.

La ubicación y el tiempo interactúan porque a medida que se desarrolla el cultivo, el sistema de raíces se expande. La colocación de fertilizante antes del avance del sistema de raíces para cultivos sin triturar, como papa o algodón, evita daños al sistema de raíces por el equipo de aplicación de fertilizante. Otro ejemplo de esta interacción sería la fertirrigación con un sistema de riego por pivote. Los primeros abonos laterales de nitrógeno al principio del ciclo de crecimiento del maíz se pueden aplicar cortando fertilizante líquido a un lado de la hilera, seguido más tarde en la temporada con aplicaciones a través del sistema de riego. Estas combinaciones de tiempo y ubicación maximizan la probabilidad de absorción de nitrógeno por la planta relacionada con la expansión del sistema de raíces.

El sistema de labranza puede afectar la colocación de nutrientes. Por ejemplo, la incorporación de un nutriente puede no ser posible en ciertos sistemas de labranza mínima. En la producción de maíz sin labranza, las primeras aplicaciones de nitrógeno y fósforo se pueden realizar colocando bandas cerca de las semillas con la sembradora, con aplicaciones posteriores de nitrógeno mediante el sistema de riego de pivote central.

La ubicación correcta también está relacionada con el nutriente en cuestión. Por ejemplo, el fósforo puede fijarse en formas no disponibles cuando se mezcla con algunos suelos. La razón principal por la que el P está anillado es que está inmóvil en el suelo y, por lo tanto, debe colocarse más cerca de las raíces (o las raíces deben crecer hacia el gránulo de P). En margas arenosas, el P aplicado a la superficie se adsorberá y puede acumularse con el tiempo. También se producen acumulaciones en suelos aplicados con P procedente de enmiendas orgánicas o relacionadas con el estiércol. En estas situaciones, el anillado del fertilizante reduce, al menos temporalmente, la mezcla del fertilizante con el suelo y aumenta la posibilidad de que el fósforo permanezca en forma soluble para la absorción de la raíz. Por ejemplo, puede ser preferible anillar el fósforo iniciador a la difusión.

La ubicación correcta también puede estar relacionada con la forma de la fuente de nutrientes, como el nitrógeno ureico. El nitrógeno de la urea puede estar sujeto a pérdida por volatilización cuando la urea se deja en la superficie del suelo con un pH alto. La incorporación de urea o la aplicación de una pequeña cantidad de riego para mover la urea al suelo ayuda a reducir las pérdidas por volatilización.

En determinadas situaciones y para determinados nutrientes, se pueden preferir las aplicaciones foliares de fertilizante. Por ejemplo, los micronutrientes pueden aplicarse de manera más eficiente al follaje para obtener hierro o manganeso cuando el pH del suelo es alto.

Enfoque integrado
Todas las prácticas de manejo de nutrientes son el resultado de muchos años de investigación y experiencia de campo a nivel de granjas comerciales (Tabla 1), y estas prácticas están sujetas a refinamiento a medida que los agricultores adquieren experiencia y se completan nuevas investigaciones. El manejo óptimo de nutrientes rara vez se basa en una sola práctica, sino más bien en una combinación de prácticas. Seleccionar la mejor combinación es el objetivo de todo el manejo de nutrientes que aborde la producción de cultivos rentables mientras protege el medio ambiente de la pérdida de nutrientes.

Importancia de la gestión del riego
En los suelos arenosos de Florida, hay una quinta R: prácticas correctas de riego . Los nutrientes móviles como el nitrógeno y el potasio se pueden lixiviar con el agua que se mueve a través del suelo en la zona de las raíces. El riego excesivo, o el riego cuando la capacidad de retención de agua del suelo está completa, hará que los nutrientes se lixivien debajo de la zona de las raíces. Los agricultores deben realizar un seguimiento de la humedad del suelo, porque combinar el conocimiento sobre el estado de la humedad del suelo con los requisitos de agua del cultivo es la mejor manera de maximizar la eficiencia del uso del agua y minimizar la lixiviación de nutrientes. Extensión UF / IFAS recomienda aplicar 30 lb / acre N después de una lluvia de lixiviación de 3 pulgadas en cuatro días o 4 pulgadas en siete días.

En áreas donde la fertirrigación es posible, la tasa, el momento y la colocación óptimos de nutrientes se pueden lograr colectivamente, especialmente para N y K. Cuando se usa fertirrigación, la eficiencia en la aplicación de fertilizantes y agua de riego puede aumentar significativamente y las pérdidas ambientales de los sistemas de producción se pueden minimizar.

Resumen
El concepto de las 4R es importante para maximizar la eficiencia del uso de fertilizantes, promover la producción de cultivos rentables y proteger el medio ambiente de la contaminación debida a la pérdida de nutrientes de las tierras agrícolas. Seleccionar la dosis correcta de fertilizante, la fuente correcta de fertilizante, la ubicación correcta del fertilizante y el momento adecuado son aspectos importantes de las mejores prácticas de manejo. Los agricultores deben considerar todas las opciones para cada componente «correcto» y seleccionar las mejores combinaciones para maximizar la rentabilidad del cultivo y minimizar los impactos ambientales negativos.

Los agricultores y los educadores y asesores agrícolas deben medir constantemente la eficiencia del uso de fertilizantes asociada con las 4R y hacer ajustes para mejorar la eficiencia. Prasad y Hochmuth (2014) presentan un ejemplo de cómo medir la eficiencia del uso de nutrientes por cultivos. Las 4R es un programa de gestión de nutrientes promovido por el Instituto Internacional de Nutrición Vegetal ( http://www.ipni.net/4R ). Necesitamos desarrollar conjuntos de prácticas de 4R para los productores de Florida en función de factores como la ubicación, los suelos, los cultivos producidos, el sistema de gestión del agua, las fuentes de nutrientes y las opciones de gestión agronómica / hortícola. A largo plazo, los datos meteorológicos en tiempo real se pueden vincular dinámicamente a estos conjuntos de 4R para guiar las modificaciones en tiempo real de las prácticas durante una temporada de crecimiento.

Otras publicaciones de esta serie sobre análisis de suelos
Hochmuth, G., R. Mylavarapu y E. Hanlon. 2014. Análisis del suelo para determinar los nutrientes disponibles para las plantas: ¿qué es y por qué lo utilizamos ? Gainesville: Instituto de Ciencias Agrícolas y Alimentarias de la Universidad de Florida. http://edis.ifas.ufl.edu/ss621 .

Hochmuth, G., R. Mylavarapu y E. Hanlon. 2014. Desarrollo de un extractante de prueba de suelo: los procesos de correlación y calibración . Gainesville: Instituto de Ciencias Agrícolas y Alimentarias de la Universidad de Florida. http://edis.ifas.ufl.edu/ss622 .

Hochmuth, G., R. Mylavarapu y E. Hanlon. 2014. Filosofías de recomendación de fertilizantes . Gainesville: Instituto de Ciencias Agrícolas y Alimentarias de la Universidad de Florida. http://edis.ifas.ufl.edu/ss623 .

Referencias
Instituto Internacional de Nutrición Vegetal. 2014. http://www.ipni.net/4R .

Prasad, R. y G. Hochmuth. 2014. Cómo calcular un presupuesto de masa de nitrógeno parcial para la papa . Gainesville: Instituto de Ciencias Agrícolas y Alimentarias de la Universidad de Florida. http://edis.ifas.ufl.edu/ss614 .

Mesas
Tabla 1. Ejemplos de principios científicos detrás del manejo de nutrientes y las prácticas asociadas.

Fuente correcta

Tarifa correcta

Colocación correcta

El momento adecuado

Principios científicos

Qué nutrientes se necesitan; basado en pruebas de suelo; potencial de pérdida de nutrientes

Los cultivos varían en cuanto a necesidades de nutrientes; Requerimiento de nutrientes del cultivo; prevenir cantidades excesivas

Movilidad de nutrientes; patrones de enraizamiento; lecho de cultivos; triturado; volatilización

Dinámica del crecimiento de los cultivos y la demanda de nutrientes; riesgo de pérdida de nutrientes

Aplicación del conocimiento

Nutrientes suministrados por el suelo; residuos de cultivos; fertilizantes;

abonos; mezclas; fuente de un solo nutriente; soluble; CRF

Costos; eficiencia en el uso de nutrientes; probabilidad de pérdida de nutrientes; aplicación de tasa variable

Banda; transmitir; foliar; fertirrigación; sistema de producción (por ejemplo, labranza cero); superficie vs enterrado

Preplantar; en la siembra; primera flor primer fruto; logística de tiempo y equipo de campo; mineralización del estiércol

Leer más

Quizás hayas escuchado: IoT (abreviatura de Internet of Things) está de moda. Y sí, ¡también en agricultura! Quizás todavía se pregunte: ¿Qué puede hacer IoT por mí? ¿Es esta la llamada «agricultura inteligente» realmente inteligente? ¿Vale la pena invertir en él? Después de todo, es una tecnología de alta gama que tiene un precio. En este artículo, le mostraremos algunos casos de uso de IoT en la agricultura. Quién sabe, podría ser justo lo que necesitas, ¿verdad? Así que vamos a sumergirnos en las tecnologías de vanguardia para la industria agrícola.

¿Qué es IoT en la agricultura?
Al utilizar la tecnología en la agricultura, sabes que mejor que nadie es todo menos nuevo. Y seguramente, eso también es inteligente. Sin embargo, tanto la “agricultura inteligente” como la “agricultura inteligente” se refieren específicamente al uso de IoT en la agricultura y la ganadería. El Internet de las cosas utiliza dispositivos inteligentes, sensores o máquinas equipadas con sensores, que proporcionan datos que, correctamente analizados y transferidos a medidas adecuadas, hacen que la agricultura sea mucho más eficiente y precisa.
Si bien en la actualidad, el mercado es todavía pequeño, las tasas de crecimiento son del 20% anual en los Estados Unidos; Se espera que el número de granjas y ranchos que adopten tecnologías de IoT se triplique para 2025.

¿Cómo puede ayudar IoT en la agricultura?
Dependiendo de lo que sea adecuado para la granja en cuestión, la agricultura inteligente puede significar casi cualquier cosa, desde un monitoreo relativamente simple de rebaños y cultivos hasta complejos sistemas de gestión agrícola. Echemos un vistazo más de cerca a las posibilidades y veamos cómo el IoT puede ayudar en la agricultura.

Seguimiento del clima y el tiempo
Una de las opciones más fáciles y de uso más frecuente en la agricultura inteligente son las estaciones meteorológicas. A estas estaciones, colocándolas en los campos, se pueden agregar varios sensores, lo que permite básicamente todo, desde mapear las condiciones climáticas hasta dirigir los sistemas de riego. El mapeo de las condiciones climáticas puede ser útil para decidir qué cultivos son más adecuados para la parcela de tierra en cuestión y, por lo tanto, ayuda a maximizar el rendimiento. En otras palabras: es una base perfecta para la agricultura de precisión.
Los sensores de una estación meteorológica también pueden indicar cuándo hay una sequía o cuándo el suelo está demasiado húmedo. Incluso si no hay automatización conectada al sensor, puede ayudar al agricultor a ver dónde se deben tomar medidas a tiempo para salvar cultivos o ganado.

Seguimiento de rebaños
Los rebaños, por supuesto, también se pueden monitorear con tecnología IoT. Los crotales contienen sensores que informan a los administradores de hatos o ganaderos sobre la ubicación, pero también sobre la salud y el bienestar del rebaño y del animal individual. Como consecuencia, los ganaderos ya no necesitan buscar animales perdidos y ahorrar una cantidad considerable de mano de obra. Los animales enfermos o los animales que dan a luz se pueden detectar fácilmente a través de la monitorización de sensores, lo que hace que sea mucho más fácil obtener el tratamiento adecuado o la ayuda a tiempo.

Seguimiento de cultivos
Los dispositivos específicos de manejo de cultivos, plantados en los campos como estaciones meteorológicas, no solo pueden monitorear el estado general del suelo, sino que también pueden entregar datos como temperatura o precipitación al potencial hídrico de las hojas.
Además de las estaciones meteorológicas móviles en el campo, también se pueden utilizar drones agrícolas. Los drones pueden proporcionar datos en tiempo real para aspectos como el riego o la salud de los cultivos y la cantidad de plantas. Proporcionan información valiosa que ayuda a contrarrestar las tendencias que ponen en peligro el rendimiento, pero que también, entre muchas otras cosas, ayuda a estimar el rendimiento.

Los drones proporcionan datos e imágenes visuales, térmicas y multiespectrales. Regresan automáticamente al lugar desde donde comenzaron el vuelo una vez que se completa la recopilación de datos.

Invernaderos inteligentes
Las estaciones meteorológicas, como se mencionó anteriormente, no solo se pueden usar para monitorear, sino también para cosas como riego y otras medidas reguladoras. Este principio se utiliza ampliamente en la automatización de invernaderos.

Los sensores detectan cuándo es necesario regar las plantas o cuándo es necesario ajustar la temperatura. El mecanismo es simple. Se establece un espectro de temperatura como óptimo. Una vez que la temperatura sube por encima o cae por debajo del espectro predefinido, se activa la regulación de temperatura y el invernadero se calienta o enfría en consecuencia.
Una vez más, esto hace que la gestión del invernadero sea más precisa y ahorra mano de obra, ya que todos los rociadores y el sistema de aire acondicionado se pueden controlar de forma remota o incluso activarse y desactivarse automáticamente, como en este ejemplo.

Gestión integral de la finca
Los sistemas de gestión de la productividad agrícola son, por supuesto, lo último en tecnología cuando se trata de utilizar tecnologías de IoT para la agricultura y la ganadería.
Básicamente, son sistemas integrados que utilizan una gran cantidad de sensores para cubrir la mayor cantidad de datos posible de una variedad de fuentes. Vienen con un poderoso tablero con herramientas analíticas y, por lo general, también incluyen aplicaciones de contabilidad y generación de informes. Incluso pueden incluir características como seguimiento y logística de flotas o vehículos.

Estas soluciones todo en uno son perfectas para la agricultura de precisión que se puede controlar, en su mayor parte, de forma remota.

IoT en agriculturaInvertir en agricultura inteligente: esto es lo que debe considerar
Así que esto suena increíble, ¿no? Aún así, hay algunas cosas que debe tener en cuenta al considerar la idea de invertir en la agricultura basada en IoT.

Los datos son tan buenos como sus análisis
Puede recopilar todos los datos que desee, pero al final del día, un cerebro humano necesita trabajar con ellos. Los datos recopilados sobre la condición del suelo, el tiempo y el clima, pero también sobre el bienestar del rebaño, deben analizarse y deben tomarse medidas. Incluso en un invernadero totalmente automatizado, un cerebro humano necesita definir los parámetros correctos para que el sistema funcione. Entonces, si bien hay mucha mano de obra que se puede ahorrar mediante el uso de IoT en la agricultura, no funciona por completo sin el cerebro humano en funcionamiento.

El costo de todo: hardware y mantenimiento
Sí, es caro, y no es una inversión única: los sensores deben mantenerse, actualizarse, etc., porque si no generan datos precisos, el rendimiento está en peligro. Por otro lado, se puede ahorrar mucho dinero invirtiendo en estas tecnologías. Pero no existe una solución única cuando se trata de IoT en la agricultura. Lo que se necesita es una evaluación cuidadosa de lo que realmente tiene sentido para su granja y un cálculo del ROI.

Sin IoT sin red
Si bien esto puede parecer trillado a primera vista, es algo a tener en cuenta. La agricultura, por la naturaleza del esfuerzo, se ubica en áreas rurales, a menudo remotas. Las redes de comunicaciones terrestres estables pueden ser difíciles de conseguir o al menos no ser fiables. Por lo tanto, en muchos casos es aconsejable utilizar la comunicación por satélite para soluciones de IoT agrícolas. Los sistemas de redes satelitales como LoRaWAN ™ están disponibles en casi cualquier lugar, incluso en las áreas más remotas. Proporcionan redes estables para la transferencia de datos en la mayoría de las condiciones.

Si tiene en cuenta estos aspectos, IoT es una herramienta extremadamente útil en la agricultura, una que realmente puede ayudarlo como agricultor o ganadero a hacer más cosas de forma remota desde su casa y aumentar el rendimiento al mismo tiempo.

Leer más

La agricultura utiliza comúnmente helicópteros, aviones convencionales y ultralivianos para la aspersión aérea de productos agrícolas; sin embargo, los vehículos aéreos no tripulados (VANT) o drones se están convirtiendo en una alternativa en muchos países.

En Japón los drones se han utilizado en los últimos 20 años, incluso el sector agrícola los emplea para hacerle frente al envejecimiento de la fuerza laboral del campo. Se estima que más de 2500 helicópteros de control remoto (Yamaha RMAX) son utilizados para la aplicación de pesticidas en cerca de un millón de hectáreas de arroz en ese país.

En Australia se usan helicópteros no tripulados, especialmente para el control de malezas, con el permiso de la Autoridad Civil para la Seguridad Aérea (CASA). En Estados Unidos la Administración Federal de Aviación (FAA) aprobó en el primer semestre de 2015 el uso del helicóptero japonés para realizar aspersiones aéreas en los cultivos.

Además, en el país norteamericano es cada vez más intensa la investigación sobre el uso de los drones en las actividades agrícolas. La Universidad de Michigan, por ejemplo, investiga la forma de utilizar VANT en labores como reconocimiento de los campos, aspersiones aéreas de productos agrícolas, inspecciones fitosanitarias, vigilancia y búsqueda de animales.

En Colombia, la agricultura utiliza los drones especialmente para los levantamientos topográficos y obtención de índices de vegetación por medio de cámaras multiespectrales, y muy poco en aspersiones aéreas de productos agrícolas.

En caña de azúcar
El ingenio Risaralda probó un vehículo aéreo no tripulado de la empresa Aerospace Scanning Technologies (AeroScanTech) para la aplicación de maduradores en áreas con obstáculos y relieves difíciles para aviones ultralivianos.

Tras las aplicaciones de prueba Cenicaña realizó una evaluación preliminar sobre el desempeño del dron y pudo constatar que la operación es técnicamente viable.

Teniendo en cuenta el tiempo invertido en giros, cambio de baterías, aprovisionamiento de la mezcla y trabajo sólo entre 6:00 a.m. y 10:00 a.m. (horario con condiciones ambientales favorables), se podrían aplicar alrededor de 8 hectáreas de madurador por hora y cerca de 32 hectáreas diarias. Actualmente con un avión ultraliviano se pueden aplicar entre 150 y 200 hectáreas diarias.

Con tarjetas hidrosensibles, marcadas durante una de las aplicaciones de madurador se midió el número de gotas por cm2, el cual fue de 13.5 y se estimó el tamaño de las gotas (350 a 500 µ), parámetros que se ajustan a lo requerido en una aspersión aérea de maduradores.

Sin embargo, se pueden hacer variaciones en el sistema de aspersión, como por ejemplo: en los tipos de boquillas y presiones de descarga, longitud del aguilón, cantidad de boquillas y su espaciamiento y ancho de la franja de aplicación con diferentes alturas de vuelo; todo esto con el propósito de lograr una mayor uniformidad en la aplicación y hacer de este sistema una alternativa eficiente para la aspersión aérea de productos agrícolas en el cultivo de la caña de azúcar.

Demostración de la operación del dron en las instalaciones de Cenicaña, ante los integrantes del Comité de Maduración.
La prueba
Las aplicaciones de prueba se realizaron del 10 al 13 de mayo de 2016 en el ingenio Risaralda y el 30 de junio en Cenicaña.
La descarga fue de 1.1 litros de mezcla por minuto, se voló a 30 km/h y con un ancho de franja de 5 metros, con lo cual se cubrió una hectárea en 4 minutos, con una descarga de 4.4 litros de mezcla.
El cambio de baterías se sincronizó con el reaprovisionamiento del tanque de mezcla, de tal forma que fue suficiente recargar un volumen de 12 litros, que es ligeramente superior a la descarga en los 10 minutos de vuelo.
Características del dron y su operación
Tanque de 15 litros de capacidad y un aguilón de 2.6 m de longitud con seis boquillas espaciadas cada 50 cm.
La operación es ejecutada a control remoto por un operador certificado por la Aeronáutica Civil y un observador del programa de vuelo en el computador portátil. Durante el vuelo el operador debe tener a la vista el dron para controlar la altura, hacer el cierre de las boquillas durante los giros (operaciones aún sin automatizar), evitar obstáculos no considerados en el plan de vuelo y ordenar el aterrizaje.
El sistema de aspersión funciona con una pequeña bomba eléctrica que se alimenta de las mismas baterías que proporcionan la energía para los motores de los seis rotores del dron. La bomba proporciona una presión hasta de 100 psi al sistema de aspersión.
La velocidad de desplazamiento varia de acuerdo con las necesidades o preferencias.
Las baterías utilizadas permiten una autonomía de vuelo de aproximadamente 15 minutos. El dron está programado para regresar autónomamente al sitio del cual despega en el momento que detecte una descarga de las baterías que represente riesgo para la operación. Normalmente no se deja llegar a este punto y se le ordena aterrizar, mediante control remoto, cuando se cumplen 10 minutos de vuelo.

Leer más

Los drones se han vuelto extremadamente populares entre los agricultores inteligentes en muy poco tiempo. Las perspectivas que presentan en términos de mayor rentabilidad y reducción de la mano de obra los convierten en una solución increíblemente simple para algunos problemas agrícolas ancestrales. La rápida afluencia de drones en las zonas rurales ha provocado un sinfín de problemas administrativos, especialmente con las autoridades de aviación y las compañías de seguros. La buena noticia es que para 2018 los gobiernos de todo el mundo tomarán medidas positivas y sólidas para permitir aviones no tripulados (drones) en capacidad agrícola.

Por supuesto, esto es bienvenido en todas partes, sobre todo por los agricultores que se han enfrentado a algunos controles de aviación muy obsoletos. Parece que la legislación finalmente se está poniendo al día con la tecnología y solo ahora realmente deja a los agricultores con un problema.

Ahora tienen luz verde para gestionar una gran cantidad de datos de drones. Algo que puede resultar confuso, complejo o simplemente tedioso. Los drones saldrán tan a menudo como sea necesario y recopilarán todo tipo de información útil. Extraer los datos de los campos, por así decirlo, y devolverlos en abundancia. Cuando los drones han regresado de sus misiones de reconocimiento, la gran pregunta es ¿qué hacen los agricultores con esos datos?

Hemos compilado una lista útil de formas efectivas para que administre todos esos increíbles datos de drones.

1) Hojas de cálculo locales. Esta opción es para el agricultor inteligente de mente aguda y perspicaz. La administración inteligente de la granja puede ser tan fácil o tan complicada como desee, si es bueno procesando los números, una forma fantástica de hacer uso de la información es ingresarla en una hoja de cálculo y luego medir los resultados con su propias variables. Esto es particularmente útil si tiene algo que está monitoreando a lo largo del tiempo porque los datos se rastrearán muy bien con este método. Otra gran ventaja de las hojas de cálculo es que se pueden usar fácilmente para crear gráficos y otras representaciones visuales de los datos. Realmente permite a los agricultores ver la diferencia que están teniendo sus tácticas activas de gestión agrícola en los campos.

2) Aplicaciones de la comunidad agrícola.Todos los días usamos aplicaciones para simplificar nuestras vidas, ya sea iniciando sesión en Facebook en nuestros teléfonos o verificando los resultados de fútbol en una aplicación de puntajes en nuestra tableta, hay muchas aplicaciones útiles que nos brindan información actualizada. Eso significa que los drones pueden integrarse completamente con aplicaciones agrícolas, a veces actualizando automáticamente la información a través del software de drones incorporado. Muchas de las aplicaciones utilizan el intercambio de datos anónimos, lo que permite a los agricultores examinar un amplio espectro de datos, reduciendo los resultados a la ubicación o al tipo de cultivo. Algunas aplicaciones comparten datos abiertamente y permiten a los agricultores ver lo que están haciendo otras granjas específicas. Esto es particularmente útil si un agricultor sabe que su vecino de al lado está logrando un mayor rendimiento y quiere saber cómo diablos lo está haciendo. Las aplicaciones son una forma brillante de obtener bloques simples de datos en movimiento o de obtener la respuesta a una pregunta rápidamente; sin embargo, a menudo están limitadas por sus desarrolladores. Ahí es donde entra en juego la siguiente opción.

3) Big data almacenada en nubes.Los departamentos de investigación y las universidades hacen uso de volcados de datos basados ​​en la nube para que la información funcione en el desarrollo de nuevas tecnologías y prácticas agrícolas. Esta es una excelente manera de usar datos de drones, ya que no solo tendrá acceso a otros datos de la granja a gran escala que lo ayudarán a corto plazo, sino que, con el desarrollo de mejores prácticas agrícolas y los conocimientos de las empresas de investigación, puede hacerlo. ayudar a su granja a largo plazo. Además de ayudar a la industria en su conjunto. Los macrodatos son fundamentales para tomar decisiones importantes. Los agricultores que lo usan están tomando fácilmente la iniciativa en el departamento de ganancias. Por ejemplo, al mirar toda esta hermosa información, puede darse cuenta de que en el mercado hay un cultivo que podría ser muy rentable porque otros agricultores no lo están cultivando. Un poco de investigación de mercado en ese momento y podría tener la cosecha más lucrativa para la próxima cosecha. Los grandes datos en la nube realmente podrían ayudarlo a adelantarse al resto de la competencia agrícola.

Hay muchas otras formas en que se pueden recopilar los datos, algunas grandes empresas de tecnología incluso pagan a las granjas por sus datos o proporcionan tecnología de forma gratuita para recopilar los datos. De hecho, recomendamos verificar los esquemas y las aplicaciones de datos en su área local y luego intentar integrar tanto como sea útil en la administración diaria de su granja. Si encuentra una aplicación realmente buena, ¡dígaselo a otros agricultores! Si no cumple con sus expectativas, asegúrese de marcarlo como una decepción. Si no encuentra un método particularmente útil para su granja individual, continúe con el siguiente método. Creemos que una excelente práctica de gestión agrícola inteligente es utilizar una combinación de los 3 y encontrar un buen equilibrio optimizado para que los datos se registren de manera eficiente.

Lo único que definitivamente no quiere hacer es perder la oportunidad de adelantarse a la competencia de su granja antes de que sea una práctica común. Estas pocas cosechas abundantes podrían significar que cuando todos los demás se ponen al día, usted está invirtiendo en expandir las capacidades de su granja para estar siempre un paso por delante. Por lo tanto, obtenga algunos drones (no son caros, especialmente en relación con el retorno de la inversión), lea sobre la legislación y analice su granja en áreas que nunca antes podría haber hecho. Registre esos datos, mire los datos de otros. Tome decisiones informadas y manténgase por delante de la oposición. Para obtener más información sobre lo increíbles que son los drones y las formas prácticas en que se pueden usar para aumentar significativamente sus ganancias, eche un vistazo a nuestros otros artículos de blog sobre drones.

Leer más

Hasta el año pasado, David Simmons se despertaba a las 4 todas las mañanas y caminaba 400 metros hasta su establo para atender a las vacas. El hombre de 33 años, dueño de una granja lechera cerca de Corner Brook, siguió un horario estricto de ordeños de 5 am y 5 pm, y tenía que estar en el establo temprano todos los días para prepararse.

Pero desde que instaló los «robots», un sistema de ordeño robótico que compró en octubre pasado, las vacas se ordeñan por sí mismas y el Sr. Simmons duerme. Los mismos «robots» le permiten al Sr. Simmons controlar a las vacas, que usan dispositivos similares a los FitBits. para rastrear todo, desde la temperatura corporal hasta el nivel de actividad, en una aplicación de iPhone, que navega mientras prepara su café matutino.

«Sé lo que tengo que hacer incluso antes de llegar al granero», dijo Simmons. Él y su esposa, Sara, siguen trabajando tan duro como siempre, dijo. Pero ahora funcionan de manera más inteligente. «Sé qué vacas tengo que ir a ver».

En Terranova, la suya es la primera granja lechera que utiliza un sistema de ordeño robótico: puestos en los que las vacas entran y salen por su propia voluntad, donde los láseres y una cámara 3-D guían un brazo robótico hacia las ubres de los animales. Pero en todo Canadá, Simmons es solo uno de los muchos que están recurriendo a tecnología de vanguardia, estacionar robots y drones en sus graneros junto a arados y tractores para aumentar la eficiencia.

En el pasado, los Simmons se basaban en señales visuales para saber si una vaca estaba enferma: si sus ojos parecían hundidos o si su masticación se ralentizaba drásticamente. Pero estos signos tardan días en desarrollarse, si es que alguna vez lo hacen: el ganado es una presa natural, por lo que ocultan sus síntomas para evitar parecer débiles a los depredadores.

Pero ahora, con cada una de sus aproximadamente 100 vacas lecheras con un collar negro con un pequeño dispositivo de rastreo rojo, los Simmons saben el minuto en que una de sus vacas se está comportando de manera anormal. «¿Sabes cuando empiezas a tener gripe … crees que tienes un cosquilleo o que podrías tener un poco de dolor en la espalda, pero no estás muy seguro?» Dijo el Sr. Simmons. «Esto nos permite ayudar a cuidar a las vacas antes de que sientan ese cosquilleo».

El sistema de los Simmonses está hecho por Lely, una empresa holandesa, y dentro de cada collar hay un podómetro, que rastrea la actividad y la masticación de la vaca, y un transpondedor. El transpondedor significa que cuando una vaca ingresa al robot, arrastrada al establo por los bocadillos que recibe una vez dentro, el establo «reconoce» a la vaca y ajusta la configuración en consecuencia.

Gran parte de la tecnología que los Simmons utilizan en su granja ha estado disponible durante décadas. Lely primero hizo el prototipo de un modelo temprano del robot de ordeño en 1992. Pero los avances recientes en la tecnología «vestible» y el desarrollo de productos populares de mercado masivo como FitBits que rastrean la actividad y la dieta de las personas, lo que significa que los dispositivos ahora son más confiables y asequibles.

En total, el sistema le costó a los Simmons $ 750,000, que incluye renovaciones en su granero. Pero el resultado ha sido una mayor producción de leche y una reducción en la cantidad de personal, beneficios que, según el Sr. Simmons, compensarán el costo a largo plazo.

La tecnología está destinada a abordar problemas persistentes en el mundo de la agricultura: aumento del costo de producción y escasez de mano de obra calificada. Los Simmons en Terranova, por ejemplo, se han encontrado compitiendo con los campos petrolíferos de Alberta por el mismo grupo de trabajadores «que entran y salen».

LA HISTORIA CONTINÚA DEBAJO DEL ANUNCIO

Otra gran parte del problema laboral, dicen los expertos, es el envejecimiento de la población. Entre 1991 y 2011, la edad promedio de un operador agrícola aumentó de 47 a 54, según Statistics Canada. En el mismo período, el número de menores de 55 años se redujo en aproximadamente un 42%.

«Las personas que tenían mucha experiencia, la generación anterior, están comenzando a irse con bastante rapidez», dijo Andrew Uden, quien creció en una granja de ganado de Nebraska y ahora es el director de operaciones de Quantified Ag, una empresa de tecnología que desarrolla dispositivos portátiles. dispositivos para ganado de carne.

La nueva tecnología permite a los agricultores arreglárselas con menos trabajadores y ayuda a compensar la menor experiencia al entregar datos precisos directamente de los campos o de los propios animales.

La tendencia en los últimos años ha sido hacia la «agricultura de precisión»: utilizar tecnología para recopilar datos hiperespecíficos para que los agricultores puedan ser más eficientes en sus métodos. Los agricultores, por ejemplo, ahora pueden usar drones para volar sobre sus campos, recopilando datos en cada centímetro cuadrado para poder personalizar la cantidad de fertilizante o insecticida que deben entregar en áreas específicas.

El Sr. Uden agregó que incluso los jóvenes que ingresan a la agricultura a menudo vienen con ganas de un estilo de vida diferente.

«Muchos niños no van a la universidad durante cuatro o cinco años, salen con un título, para montar a caballo y sacar ganado enfermo todo el día», dijo.

Los Simmonses son ejemplos de esto. Tanto David como Sara crecieron en granjas, obtuvieron diplomas universitarios y luego regresaron para hacerse cargo de las operaciones lecheras en la granja familiar del Sr. Simmons.

Los cambios tecnológicos significan que ahora pueden desayunar y cenar juntos la mayoría de los días con su hija pequeña. «Nuestro tiempo es más flexible», dijo Simmons. «Si nuestra pequeña tiene una actividad, una cita para jugar o una fiesta de cumpleaños, nunca nos la perdemos».

Leer más

Tradicionalmente el control de las plantaciones agrícolas se lleva a cabo a pie de campo por agrónomos y personal cualificado que verifica el correcto desarrollo de las plantas, identifica anomalías en el cultivo y detecta la aparición de plagas. El tamaño de las fincas y este control tradicional de las plantaciones lleva en ocasiones a detectar anomalías en el cultivo o la aparición de plagas cuando estas ya se han extendido más de lo deseado y, por tanto, el problema ha alcanzado unas dimensiones de difícil solución. Esto ocasiona pérdidas muy importantes, y obliga a realizar tratamientos fitosanitarios en zonas más amplias de lo que sería necesario si fuéramos capaces de detectar estos problemas en una etapa más incipiente.

Otro aspecto relevante es que en la finca pueden aparecer deficiencias en el sistema de riego que pueden provocar una aportación inadecuada, por exceso o defecto, en determinadas zonas del cultivo. Los problemas son similares al caso anterior, es decir, se pueden generar pérdidas de plantas en una zona determinada más o menos amplia, o simplemente retrasos en la recolección que rompen el calendario de producción de la empresa.

Además, en la actualidad, los encargados de corte en las fincas deben hacer un seguimiento del estado de desarrollo del cultivo, informando diariamente al resto de la empresa acerca de la producción esperada para los próximos días. Esta es una labor tediosa que obliga a recorrer cada una de las fincas para calcular, a partir de una estimación visual, el momento idóneo en el que llevar a cabo el corte y la cantidad de producto que podrá ser recolectado en próximas fechas.

Para obtener las imágenes aéreas, se utiliza un dron de ala fija que puede volarse a 100 metros de altura sobre las fincas

Ante esta situación, Finca La Carretilla (situada en San Javier) se planteó abordar un proyecto para que estos factores pudieran ser minimizados partiendo de la detección temprana de las diferentes problemáticas que habitualmente surgen en la finca de cultivo, además de poder proporcionar información en tiempo real de la evolución del cultivo.

Para ello, confió en el grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia que dirige Félix Jesús García Clemente: «Se nos encargó la búsqueda de una solución que hiciera uso de las últimas tecnologías en el procesamiento de imágenes aéreas capturadas por vehículos aéreos autónomos (drones), y técnicas de visión artificial para el análisis automatizado de estas imágenes».

Los algoritmos desarrollados deben realizarse para cada tipo de cultivo, no pueden extrapolarse de unos a otros

El proyecto contó con financiación del Centro de Desarrollo Tecnológico e Industrial (CDTI) y la Unión Europea a través de cofinanciación de Fondos FEDER y finalizó en marzo de 2019, tras 27 meses de arduo trabajo.

Lechuga y apio
Como explica el profesor de la UMU, «el objetivo general del trabajo era definir y desarrollar un nuevo procedimiento agrícola para el cultivo de la lechuga y el apio para lograr la mejora de la calidad y el rendimiento de la producción. Este cambio metodológico se sustenta en la incorporación de nuevas tecnologías en cada una de las fases del cultivo que permiten una mejora significativa en la forma de cultivar lechuga y apio».

Para ello emplearon tecnologías como el uso de drones y de cámaras multiespectrales y térmicas, junto con nuevas técnicas software asociadas a la Visión Artificial. «Algunos de los cambios más significativos en los procedimientos fueron el control de plagas que podrán ser identificadas con mayor rapidez y permitirán actuar con mayor eficacia, o el control de la producción mediante las diferentes variables (métricas) del cultivo de manera visual y con un sistema de ayuda para la toma de decisiones», dice Félix J. García.

Entre los objetivos técnicos específicos que planteaba el proyecto destacan los siguientes: establecer métodos para la aplicación eficiente del agua y uso óptimo de fertilizantes; monitorización del estado del cultivo, calibres y estimación anticipada de la producción; y detección temprana de plagas, enfermedades o anomalías.

El investigador de la UMU indica que «la nueva metodología se sustenta en el uso de un panel de control accesible desde cualquier dispositivo, que permite al personal técnico de la Finca acceder a la gestión de las fincas, las imágenes capturadas por los drones, las métricas de cultivo, la detección de plagas o anomalías y, en general, a toda la información de la finca sin necesidad de desplazarse. De esta forma, el personal técnico puede tomar las decisiones sobre la producción de manera precisa, rápida y ágil».

Para obtener las imágenes aéreas se utiliza un dron de ala fija que, con los permisos adecuados, puede volarse a 100 metros de altura sobre las fincas.

El trabajo se centró en lechuga y apio porque su producción se realiza al aire libre y permite fácilmente la aplicación del tipo de tecnologías que han empleado: drones y visión artificial. Además, ambos son cultivos que se plantan en grandes extensiones y presentan los problemas sobre los que trabajaban.

En todo caso, «las técnicas aplicadas pueden ser adaptadas y llevadas a la práctica en otro tipo de cultivos similares (melón, coliflor, etc.)», en palabras de Félix Jesús García.

Estrategias de vuelo
Una vez finalizado el proyecto, los resultados más importantes a nivel técnico son destacados. Desde monitorización sistemática del cultivo mediante la definición de estrategias de vuelo sobre parcelas con cultivos de lechuga little-gem, lechuga romana y apio; al desarrollo de un módulo software para el alineamiento de imágenes a los patrones de cultivo. Este software permite la identificación de bancadas e hileras de cultivo y también el geoposicionamiento de las parcelas de cultivo; pasando por un módulo software para el cálculo de diversas métricas de cultivo. Entre las métricas destacan la estimación del calibre individual de cada lechuga, el número de lechugas por hilera y métricas similares para el apio; un módulo software para la detección de anomalías en el cultivo que pueden ser debidas a plagas, enfermedades, defectos en el sistema de riego, errores en el patrón de cultivo, etc.; hasta un panel de control para la planificación y toma de decisiones agrícolas en base a métricas y anomalías detectadas. Este panel integra los módulos software indicados anteriormente.

«El panel de control y los elementos de interfaz con los usuarios han sido desarrollados por la empresa AngelPlus. En nuestro grupo nos centramos en buscar soluciones a las partes que precisan de un know-how y conocimiento científico más avanzado de las tecnologías, en particular, las relativas a procesamiento de imágenes y la visión artificial», según el responsable del grupo de la Universidad de Murcia.

Asegura que «los algoritmos desarrollados deben realizarse específicamente para cada cultivo, es decir, no puede realizarse un sistema que sea solución para todo tipo de cultivos. Esto supone que las técnicas aplicadas deban adaptarse y desarrollarse en base a las características específicas del patrón de cultivo. Por ejemplo, en el proyecto las técnicas utilizadas para lechuga difieren de las de apio; incluso las aplicadas a lechuga little-gem difieren de las aplicadas a lechuga romana».

Competitividad
Ahora, con los resultados obtenidos los investigadores esperan que Finca La Carretilla mejore su rendimiento productivo, además de disminuir sus consumos de agua y fertilizantes. «Por otro lado, con el apoyo de AngelPlus esperamos que esta solución sea implantada en otras empresas agrícolas de la Región de Murcia y así conseguir unas empresas más competitivas y sostenibles en el sector agroalimentario».

Además de Finca La Carretilla, participa la empresa tecnológica AngelPlus y la empresa de servicios técnicos agronómicos Neurona Ingenieros.

Expertos en visión artificial
El grupo de investigación Computación Móvil y Visión Artificial de la Universidad de Murcia cuenta con una amplia experiencia en materia de visión artificial aplicada. De hecho, tiene proyectos donde aplica la visión artificial para el seguimiento de personas y activos móviles, control de producción en líneas manufactureras y seguimiento de cultivos en invernaderos.

Se trata de un grupo multidisciplinar formado por todos los profesores responsables de impartir docencia en visión artificial y procesamiento de imágenes en la Facultad de Informática de la Universidad de Murcia, pero también con profesores con experiencia en proyectos aplicados de inteligencia artificial, automatización industrial, localización en interiores y ciberseguridad.

Asimismo están comprometidos con la transferencia de nuestros conocimientos a la sociedad y, en particular, a las empresas de la Región de Murcia. Así lo demuestra el hecho de que hayan participado en siete proyectos financiados por el CDTI en los últimos años y la creación de una Empresa de Base Tecnológica (EBT) denominada Bleecker Technologies (bleecker.tech) a finales del año 2019.

En este momento se encuentra en proceso de creación de la Cátedra Universitaria en Industria Inteligente para impulsar la transferencia y los proyectos colaborativos Universidad-Empresa.

Leer más