Categoría: Uncategorized

El NDVI ha sido uno de los índices de vegetación más utilizados en la teledetección desde su introducción en la década de 1970. En la actualidad cada vez más personas usan el NDVI en la agricultura.

La Agricultura de Precisión es ahora la industria más popular que aprovecha las ventajas de los datos satelitales, por la precisión de los resultados y la alta frecuencia de adquisición.

Si bien es cierto que actualmente tiene un gran uso el NDVI, sin embargo, todavía hay una falta de conocimiento y muchas creencias erróneas en torno a este. Aquí unas de las dudas más frecuentes respecto a este índice de vegetación.

Para empezar debemos entender que es un índice de vegetación

La reflectancia espectral de la vegetación a través de diferentes bandas medidas por un sensor sirve como un indicador de la presencia de plantas o árboles y su estado general. Por lo tanto un índice de vegetación es una combinación matemática de dos o más bandas espectrales que mejora el contraste entre la vegetación (que tiene alta reflectancia) y el suelo desnudo, las estructuras artificiales, etc., así como cuantificar las características de la planta, como la biomasa, el vigor, la densidad, etc.

Bien, ahora, ¿Qué es el NDVI?
El Índice de Vegetación de Diferencia Normalizada es un indicador simple de biomasa fotosintéticamente activa o, en términos simples, un cálculo de la salud de la vegetación.

¿Qué muestra NDVI?
El NDVI ayuda a diferenciar la vegetación de otros tipos de cobertura del suelo (artificial) y determinar su estado general. También permite definir y visualizar áreas con vegetación en el mapa, así como detectar cambios anormales en el proceso de crecimiento.

¿Cómo calcular NDVI?
Se calcula con la siguiente expresión: NDVI = (NIR-Red) / (NIR + Red), donde NIR es luz infrarroja cercana y Red es luz roja visible.

¿Cómo funciona NDVI?
Funciona comparando matemáticamente la cantidad de luz roja visible absorbida y la luz infrarroja cercana reflejada. Esto sucede ya que el pigmento de clorofila en una planta sana absorbe la mayor parte de la luz roja visible, mientras que la estructura celular de una planta refleja la mayor parte de la luz infrarroja cercana. Esto significa que una alta actividad fotosintética, comúnmente asociada con vegetación densa, tendrá menos reflectancia en la banda roja y mayor reflectancia en el infrarrojo cercano. Al observar cómo estos valores se comparan entre sí, puede detectar y analizar de manera confiable la cubierta vegetal por separado de otros tipos de cobertura natural del suelo.

¿Cómo interpretar los valores del NDVI?
Los resultados del cálculo del NDVI varían de -1 a 1. Los valores negativos corresponden a áreas con superficies de agua, estructuras artificiales, rocas, nubes, nieve; el suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2; y las plantas siempre tendrán valores positivos entre 0.2 y 1. El dosel de vegetación sano y denso debería estar por encima de 0.5, y la vegetación dispersa probablemente caerá dentro de 0.2 a 0.5. Sin embargo, es solo una regla general y siempre debe tener en cuenta la temporada, el tipo de planta y las peculiaridades regionales para saber exactamente qué significan los valores de NDVI.

En la mayoría de los casos, los valores de NDVI entre 0.2 y 0.4 corresponden a áreas con vegetación escasa; la vegetación moderada tiende a variar entre 0.4 y 0.6; cualquier cosa por encima de 0.6 indica la mayor densidad posible de hojas verdes.

¿Cómo interpretar imágenes NDVI?
Los resultados de NDVI se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa el «rojo-verde», lo que significa que los tintes rojo-naranja-amarillo indican suelo desnudo o vegetación muerta / escasa, y todos los tonos de verde son un signo de cubierta de vegetación normal a densa.

Leer más

La producción de cultivos espacialmente variable, a menudo conocida como agricultura de precisión, se aborda con una variedad de métodos que podrían resumirse como «sistemas de mapeo» y «sistemas de sensores».
Es probable que la futura implementación exitosa de la agricultura de precisión dependa de una combinación del enfoque de mapeo y el enfoque de sensor.

Pero, antes de que esto se convierta en realidad, muchos problemas deben resolverse. Los principales problemas a tratar son la precisión de la señal GPS, encontrar algoritmos para procesar y comprimir datos, desarrollar herramientas para el análisis económico en un sentido de contabilidad de costos basada en cuadrículas, desarrollar software para detectar malezas ( análisis de imágenes digitales) y, por último pero no menos importante, combinando el enfoque de mapeo y sensor para generar mapas de aplicación.

Sin embargo, aún se desconoce el beneficio económico de la agricultura de precisión. Los efectos positivos pueden ser causados ​​por el manejo de N específico del sitio, las tasas de siembra de semillas adoptadas y la reducción del tratamiento con herbicidas. Por otro lado, se describen rendimientos crecientes hasta en un tres y más por ciento. Cabe señalar que cuanto más heterogéneo parece un campo, más posibilidades existen de que la agricultura de precisión sea rentable para el agricultor.

INTRODUCCIÓN

Agricultura de precisión, es decir, cuantificar la siembra, la fertilización y la pulverización según la variación del suelo y la población de plantas. Esto requiere el registro de incluso pequeñas diferencias espaciales en los factores relevantes para el crecimiento de los cultivos, como la calidad del suelo, la disponibilidad de agua y fertilizantes o el rendimiento de los cultivos, solo por mencionar algunos. El registro de estas variables y el uso espacialmente diferenciado de estos factores de producción se realiza mediante máquinas e implementos guiados electrónicamente que reciben las señales para el posicionamiento exacto en el campo de los satélites GPS. Esto permite una eficiencia muy mejorada de los recursos utilizados, conduce a un menor desperdicio de insumos y, además, mejora la ajustabilidad de los sistemas biológico-técnicos.

La Figura 1 muestra que la agricultura de precisión hace posible la información precisa, el trabajo preciso y la aplicación local. Los sensores registran información como el tiempo de trabajo requerido, las horas del tractor, el consumo de combustible, los rendimientos, los períodos de espera (tiempo de inactividad). La precisión del trabajo se logra controlando electrónicamente los implementos. Dependiendo de las diferentes condiciones dadas, la profundidad de trabajo, el mantenimiento preciso del ancho de trabajo, así como la velocidad de trabajo y los giros de conexión de los implementos se pueden regular con precisión incluso dentro de las rejillas de pequeño tamaño. Esto implica una garantía de que las cantidades aplicadas de insumos corresponden exactamente a las cantidades requeridas. Por lo tanto, las semillas, fertilizantes y pesticidas se aplican según se desee. De la misma manera, el manejo del suelo se puede regular dependiendo de las condiciones espaciales a pequeña escala. Lo mismo ocurre con la aplicación local. De acuerdo con las variables medidas por los sensores, por ejemplo, el suministro actual de nutrientes y la humedad del suelo disponible, y de acuerdo con la reducción de nutrientes en el año anterior y los objetivos de rendimiento, se puede determinar qué insumos deben aplicarse, en qué cantidades y en qué momento. . Dependiendo de la posición del implemento, se podrían observar fácilmente las limitaciones establecidas, por ejemplo, para áreas de protección del agua.

Fig.1: Posibilidades y potencial de la agricultura de precisión

Todo esto se basa en el hecho de que los suelos y las condiciones de crecimiento están sujetos a variaciones considerables incluso dentro de parcelas muy pequeñas. Este hallazgo no se conoce. Según el conocimiento del autor, la primera publicación sobre agricultura de precisión es de 1929. Allí, LINSLEY / BAUER (compárese con la figura 2) señaló que «(L) os suelos de este estado, a menudo dentro de un campo, varían enormemente en su necesidad de piedra caliza» y » (Es) importante, por lo tanto, que se realicen pruebas detalladas en el campo para que la piedra caliza pueda aplicarse según la necesidad «. En ese momento, sin embargo, no existían las posibilidades de posicionamiento y de regulación y dirección electrónica que tenemos hoy y tendremos en un futuro próximo. Solo la tecnología actual permite la realización de lo que se percibía claramente hace 70 años.

Fig.2: Primera publicación sobre agricultura de precisión

PROBLEMAS DE AGRICULTURA DE PRECISIÓN

Se habla de agricultura de precisión en todas partes y muchos fabricantes hacen al menos algunos esfuerzos para ofrecer información sobre el posible uso de sus máquinas para la agricultura de precisión. Sin embargo, aún deben resolverse una serie de problemas antes de que numerosos agricultores puedan practicar la agricultura de precisión como se entiende en este artículo. A continuación discutiremos una selección de cinco problemas, a saber

la precisión del posicionamiento
la combinación de mapeo y sistemas en tiempo real
algoritmos para la reducción y el procesamiento de la cantidad de datos recopilados
modelos de cálculo de la cantidad óptima de factor aplicado
modelos de análisis económico

Precisión de posicionamiento

Se requieren diferentes grados de precisión para diferentes tareas, como pueden mostrar los ejemplos de la figura 3. Para la navegación, es decir, buscando campos en el caso de uso de maquinaria cooperativa, es suficiente una precisión de +/- 1o metro. Para el trabajo de campo y la obtención y documentación necesarias de la información se requiere +/- 1 metro, por lo que, en particular, un ancho de trabajo pequeño como en la cosecha combinada puede causar problemas considerables y hacer deseable una mayor precisión.

Fig.3: Necesidades de precisión de la agricultura de precisión (Auernhammer, 1998)

Si se considera el guiado automático del vehículo para facilitar la conducción, por ejemplo, en el caso de giros de conexión (con un ancho de trabajo amplio) o en cosecha combinada, se requiere una precisión de +/- 1o centímetros. La precisión debe ser aún mayor cuando, por ejemplo, los implementos para el control de malezas deben guiarse automáticamente.

Como se muestra en la figura 4, la tecnología de precisión se ha desarrollado rápidamente en los últimos años. En particular, la transición del GPS al DGPS ha dado lugar a algunos avances a este respecto. La precisión alcanzable hoy en día asciende a +/- 1-3 metros para DGPS dependiendo de la distancia desde la estación de referencia. Cuanto mayor es la distancia desde la estación, menos precisa es la medición de la posición real. Recientemente, ha surgido un problema adicional cada vez más a menudo: cuanto más cerca esté el campo en el que se trabaja de las estaciones transmisoras de las redes de telefonía móvil, más se distorsionará la señal. En la vecindad inmediata de tales estaciones, el posicionamiento exacto ya no es posible parcialmente.

Fig.4 : Análisis de precisión de GPS y DGPS (Auernhammer et al. 1998)

La Figura 5 muestra la diferencia entre las mediciones teóricas y las lecturas reales para la cosecha combinada. A una velocidad de conducción de 1,8 metros por segundo, un ancho de trabajo de 5 metros y mediciones tomadas cada segundo, pueden aparecer desviaciones considerables. Aquí se deben encontrar algoritmos que se adapten a la precisión requerida para corregir la superposición y el espacio de las celdas de medición.

Fig.5: Detección DGPS de cosechadoras (Auernhammer, 1998)

Combinación de mapeo y sistemas de sensores

Básicamente se están debatiendo dos enfoques diferentes de la agricultura de precisión: el primero es el enfoque de mapeo con sistemas de mapeo, el segundo es el enfoque de sensor con sistemas de sensor (en tiempo real).

La forma en que funcionan los sistemas de mapeo se muestra en la figura 6. Los datos pasados ​​se utilizan para determinar las entradas necesarias para la situación actual. Se extraen conclusiones de los rendimientos de años anteriores y de los nutrientes que se miden en el suelo en cuanto a las cantidades de fertilizantes y semillas a aplicar. De esta forma también se puede controlar la aplicación de herbicidas. Este enfoque es particularmente adecuado para áreas de bajo rendimiento y, por lo tanto, para fertilizantes de fosfato y potasio, condiciones climáticas relativamente constantes y rotaciones exclusivas de cultivos de cereales. Para la fertilización con nitrógeno de alto rendimiento, el sistema alcanza sus límites, ya que la fertilización con nitrógeno, como regla, debe ajustarse a los parámetros recientes en lugar de a las condiciones pasadas.

Fig.6: Sistemas de mapeo

Fig.7: Sistemas en tiempo real

Fig.8: Fertilización en tiempo real

Los sistemas en tiempo real contrastan con los sistemas de mapeo. Aplican insumos, especialmente fertilizantes nitrogenados, según las necesidades de la población vegetal en el momento dado. Los sensores conectados al tractor brindan información sobre la humedad del suelo disponible y el suministro actual de N de la planta. La aplicación de fertilizantes nitrogenados se basa en estos datos. El principio del enfoque se muestra en la figura 7. Los sistemas en tiempo real son adecuados para áreas de alto rendimiento con condiciones climáticas muy variables y son adecuados para rotaciones de cultivos variadas, pero básicamente exclusivamente para fertilización con nitrógeno. La Figura 8 muestra cómo funciona uno de esos sistemas.

Tanto el mapeo como los sistemas en tiempo real en sí mismos tienen ventajas y desventajas. Se puede esperar un progreso real al vincular ambos sistemas como se muestra en la figura 9. Mediante mapas de rendimiento y mapas de nutrientes del suelo, este enfoque intenta explorar los potenciales de rendimiento metro a metro y aplicar fertilizantes nitrogenados de acuerdo con el potencial de rendimiento ylas condiciones actuales. Con este enfoque, la situación actual de la población de plantas puede tratarse de manera óptima y, al mismo tiempo, tomarse en consideración las limitaciones ecológicas y económicas. El enfoque es adecuado para regiones de alto rendimiento con condiciones climáticas muy cambiantes y para fertilizar con nitrógeno, fosfato y potasio. Por tanto, el enfoque es muy adecuado para regiones de Europa. Gran parte de los problemas relacionados con él aún no se han resuelto. El 1 de septiembre de 1998, un equipo de Weihenstephan inició un proyecto de investigación interdisciplinario con el objetivo de promover este enfoque en los próximos 6 años. En particular, el desarrollo de sensores y modelos para la deducción de las cantidades requeridas de fertilizante en función del estado de crecimiento de las plantas y la humedad del suelo disponible acaba de comenzar recientemente.

Fig.9: Sistemas en tiempo real con superposición de mapas

Procesamiento y condensación de datos acumulados

El volumen probable de datos acumulados en agricultura de precisión con recolección automática de datos por hectárea, respectivamente una finca de 300 hectáreas, se presenta en la figura 1o. Se asumió un cierto ancho de trabajo y una velocidad de trabajo para cada una de las siguientes cinco actividades: cosecha combinada, labranza, siembra, pulverización y fertilización. El ancho de trabajo y la velocidad de trabajo de las actividades definen el rendimiento de la superficie. Se basa en el supuesto de que las mediciones se toman cada segundo. El número de conjuntos de datos se calcula mediante proyección sobre una hectárea. El número de atributos de datos por conjunto varía según la medida tomada. Cada conjunto de datos contiene un encabezado idéntico que define el tipo de conjunto de datos, tiempo, longitud, latitud y altitud y también permite una declaración sobre la calidad de la detección. El número de atributos adicionales depende de la actividad de la tarea realizada. Por ejemplo, en el caso de la cosecha de cereales, tales atributos pueden ser el ancho de corte real, la posición operativa de la unidad de corte, la distancia recorrida y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. Por ejemplo, en el caso de la cosecha de cereales, tales atributos pueden ser el ancho de corte real, la posición operativa de la unidad de corte, la distancia recorrida y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. Por ejemplo, en el caso de la cosecha de cereales, tales atributos pueden ser el ancho de corte real, la posición operativa de la unidad de corte, la distancia recorrida y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. en el caso de la cosecha de cereales, tales atributos pueden ser el ancho de corte real, la posición operativa de la unidad de corte, la distancia recorrida y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. en el caso de la cosecha de cereales, tales atributos pueden ser el ancho de corte real, la posición operativa de la unidad de corte, la distancia recorrida y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. y también datos relacionados con el rendimiento, como la cantidad de rendimiento, las pérdidas de grano o la humedad del grano. Si los implementos cuentan con sensores apropiados, se pueden considerar otros atributos. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte. El número de conjuntos de datos por año y hectárea, así como el número de atributos por año y hectárea, se pueden calcular a partir del número de tareas por año. La última columna de la figura muestra el número de bytes por año y hectárea basado en una longitud de datos de 6 bytes por atributo. En este caso resultarían 1,3 megabytes. El volumen anual de datos para una finca de 300 hectáreas ascendería a 402 megabytes o casi medio gigabyte.

Actividad Anchura de trabajo (m) Velocidad de trabajo (m / seg) Área (rendimiento) (m 2 ) Número de conjuntos de datos / hectárea y tarea Número de atributos / conjunto de datos 1) Número de atributos / hectárea y tarea Número de tareas / año Número de tareas / año y hectárea Número de atributos / año y hectárea Bytes / atributo Bytes / año y hectárea
Cosecha de cereales (cosechadora) 5 1,4 7 1.429 20 28.571 1 1.429 28.571 6 171.429
Labranza 3 2 6 1.667 25 41.667 2 3.333 83.333 6 500.000
Siembra 3 2 6 1.667 25 41.667 1 1.667 41.667 6 250.000
Rociar 15 2 30 333 35 11.667 3 1.000 35.000 6 210.000
Fertilizante 15 2 30 333 35 11.667 3 1.000 35.000 6 210.000
Total / ha 8.429 223.571 1.341.429
(1,3 Mbyte)
Para una finca de 300 ha 2.528.571 67.071.429 402.428.571
(402 Mbyte)
1) Estimación, incluye encabezado con: Tipo de conjunto de datos; longitud geográfica, latitud, altitud; calidad de detección

Fig.10: Volumen de datos mediante agricultura de precisión y registro de datos automatizado (estimado)

Este volumen de datos es, por supuesto, impracticable. Por lo tanto, se deben encontrar algoritmos adecuados para la condensación y el cálculo de datos para reducir notablemente el volumen de datos. Sin embargo, todavía se desconoce en gran medida qué datos son prescindibles.

Encontrar la cantidad óptima de entrada aplicada

Con los sistemas disponibles en los mercados hoy en día, el agricultor solo decide cuánto insumo, por ejemplo, nitrógeno, se aplicará a un sitio. Esto significa que la experiencia y la intuición determinan su decisión. Hasta el momento, no existen modelos que funcionen de manera confiable capaces de calcular la cantidad óptima de fertilizante con referencia a los parámetros del suelo y la población de plantas en cuadrículas de pequeño tamaño. Sin embargo, estos modelos son necesarios si queremos reducir el tamaño de las partes de los campos gestionados individualmente y cuanto más heterogéneas sean las condiciones conocidas de una ubicación. En algunas regiones de Alemania, por ejemplo, la calidad del suelo, el suministro de nutrientes y la disponibilidad de agua varían mucho en unos pocos metros. Podemos reaccionar a tales variaciones solo gestionando las partes de los campos a la menor escala posible. ,

Los modelos que se desarrollarán deben ser capaces tanto de tener en cuenta datos del pasado, por ejemplo, para establecer el potencial de rendimiento de una parte de un campo, como de procesar las condiciones actuales, como el suministro de nitrógeno sondeado por el sensor de las plantas o el sensor registró la disponibilidad de agua de la red en cuestión. El establecimiento de tales modelos es un componente que no debe subestimarse en la aceptación de la agricultura de preción por parte de los propios agricultores.

Modelos de análisis económico

Aún no existen modelos para el análisis económico de la agricultura de precisión. Los sistemas comerciales de registro de campo generalmente no van más allá del nivel de margen bruto y, en el mejor de los casos, no se puede calcular más que el margen bruto de una parcela. Por tanto, no es posible calcular el margen bruto para partes individuales de un campo, ni para grupos homogéneos de tales partes. Desde el punto de vista de la gestión agrícola, se pueden concebir modelos en el marco de la contabilidad de costes totales, que permitan el análisis de cualquier parte espacial de un campo. Esto es particularmente importante para el cálculo de la eficiencia económica de la agricultura de precisión. No se sabe si se pondrán en práctica tales modelos necesarios para los fines de la investigación.

Estas consideraciones han demostrado que existe una larga lista de problemas que deben resolverse antes de que la agricultura de precisión sea una práctica generalizada.

LA EFICIENCIA ECONÓMICA DE LA AGRICULTURA DE PRECISIÓN

Para administrar sus granjas según los principios de la agricultura de precisión, los agricultores deben estar dispuestos a invertir en tecnología y servicios. Básicamente hay tres tipos de inversión:

para la recolección de datos: mapeo de rendimiento, sistema de posicionamiento (DGPS), espectrómetro para determinar el requerimiento de nitrógeno de las plantas, dispositivos para tomar muestras de suelo, dispositivos para determinar la presión de las malezas,
para el procesamiento de datos: hardware, software,
para la aplicación de insumos: esparcidor de fertilizante guiado por computadora, pulverizador de herbicida guiado por computadora, sembradora guiada por computadora,
Algunos de los componentes están disponibles actualmente, otros estarán disponibles en un futuro próximo. Como se mencionó anteriormente, es el software basado en la «lógica de aplicación» de la agricultura de precisión el que plantea problemas importantes.

Fig.11: Determinación del nivel de insumos para un campo (por ejemplo, fertilizante)

Por otro lado, están los beneficios de aumentar los rendimientos y / o disminuir la cantidad de insumos.

Los mayores ingresos y la posibilidad de reducir los costos deberían cubrir el costo adicional de la inversión. Las razones del beneficio adicional y la reducción de costes se encuentran en los diferentes enfoques de la gestión agrícola indiferenciada (tradicional) y de la agricultura de precisión. La Figura 11 muestra el enfoque indiferenciado del manejo de la finca con respecto a la aplicación de fertilizantes a una parcela (o en general: la definición del nivel de insumo aplicado). La tasa de aplicación de fertilizante se determina igualmente para todo el campo por el rendimiento promedio esperado, aquí de 70 decitones por hectárea, y la diferencia entre el nitrógeno disponible en el suelo y la cantidad de nitrógeno requerida por el rendimiento esperado.

Fig.12: Determinación del nivel de entrada para un campo (por ejemplo, fertilizante)

La Figura 12 muestra cómo se determina la tasa de aplicación de nitrógeno para cada cuadrícula según el enfoque de la agricultura de precisión. Las diversas partes del campo tienen diferentes potenciales de rendimiento, para cada uno de los cuales se puede determinar la tasa de aplicación de fertilizante requerida localmente. Hay áreas de mayor y menor potencial de rendimiento, que deben recibir más o menos nitrógeno según sea necesario.

Fig.13: Posibles efectos de la agricultura de precisión: ubicación heterogénea

La Figura 13 presenta los posibles efectos de la gestión relacionada con el campo parcial para un sitio heterogéneo. El potencial de rendimiento de este campo varía de 56 a 84 decitones / ha indicado por la línea que cae de izquierda a derecha (dispersión de heterogeneidad +/- 2o%: 7o dt +/- 14 dt). En el marco del mapeo de rendimiento, el sitio se divide en 5 clases de heterogeneidad de rendimiento de igual tamaño, cada una de las cuales comprende el 20% del sitio completo. Esto se indica en la abscisa. Hasta ahora, el sitio (línea horizontal gruesa) ha sido fertilizado uniformemente con un objetivo de 70 decitones / ha. En consecuencia, por un lado, se perdió el rendimiento en partes con alto potencial de rendimiento (Clase I, II y 50% de III) y, por otro lado, se desperdició fertilizante en partes con bajo potencial de rendimiento (50% de III, IV y V). Mediante la gestión diferenciada del sitio ahora se puede obtener más rendimiento y reducir el desperdicio de fertilizante. En el presente caso, la cantidad total de fertilizante aplicada al sitio sigue siendo la misma, ya que la cantidad menor aplicada a partes de bajo potencial de rendimiento se compensa con la cantidad adicional utilizada para áreas de alto rendimiento. Pero este enfoque aumenta la eficiencia general de los insumos aplicados, aquí de nitrógeno. Estos hallazgos teóricamente deducidos corresponden a la praxis en muchos casos. En un sitio de 28 hectáreas se descubrieron cifras de calidad del suelo (la mejor calidad es igual a 100, la menor calidad es igual a 0) de 19 a 70 (ALBERT, 1997). Con N En el presente caso, la cantidad total de fertilizante aplicada al sitio sigue siendo la misma, ya que la cantidad menor aplicada a partes de bajo potencial de rendimiento se compensa con la cantidad adicional utilizada para áreas de alto rendimiento. Pero este enfoque aumenta la eficiencia general de los insumos aplicados, aquí de nitrógeno. Estos hallazgos teóricamente deducidos corresponden a la praxis en muchos casos. En un sitio de 28 hectáreas se descubrieron cifras de calidad del suelo (la mejor calidad es igual a 100, la menor calidad es igual a 0) de 19 a 70 (ALBERT, 1997). Con N En el presente caso, la cantidad total de fertilizante aplicada al sitio sigue siendo la misma, ya que la cantidad menor aplicada a partes de bajo potencial de rendimiento se compensa con la cantidad adicional utilizada para áreas de alto rendimiento. Pero este enfoque aumenta la eficiencia general de los insumos aplicados, aquí de nitrógeno. Estos hallazgos teóricamente deducidos corresponden a la praxis en muchos casos. En un sitio de 28 hectáreas se descubrieron cifras de calidad del suelo (la mejor calidad es igual a 100, la menor calidad es igual a 0) de 19 a 70 (ALBERT, 1997). Con Nmin sondas en una parcela vecina se midieron valores de 21 a 75 kg de nitrógeno en un sitio (STENGER et al., 1993, p. 305). Sin embargo, también hay sitios de menor heterogeneidad, es decir, ubicaciones comparativamente homogéneas. Los efectos de la agricultura de precisión en estos lugares no son tan obvios. Esto se puede ver en la figura 14 con el ejemplo de una ubicación que tiene un potencial de rendimiento mínimo de 66,5 decitones / ha y un máximo de 73,5 decitones / ha. Aquí el aumento potencial de rendimiento es considerablemente menor, así como el ahorro de fertilizante en parcelas con menor potencial de rendimiento (dispersión de heterogeneidad +/- 5%: 7o dt +/- 3,5 dt).

Fig.14: Posibles efectos de la agricultura de precisión: ubicación homogénea aproximada

En la agricultura práctica se puede observar que los agricultores no aplican fertilizantes de acuerdo con el potencial de rendimiento medio de sus campos, sino con respecto al potencial de rendimiento de las mejores partes. Las condiciones en la figura 15 son inicialmente las mismas que en la figura 13 con la excepción de fertilizar hacia 75 decitones / ha en lugar de 70 decitones. Como se puede ver, la orientación es hacia un mayor potencial de rendimiento. Esto implica que el aumento de rendimiento debido a la agricultura de precisión será menor en el caso de un manejo específico del sitio, mientras que hay un ahorro real de fertilizante. Esto se acerca más a la agricultura tal como se practica hoy: los aumentos de rendimiento de experimentos documentados en la mayoría de las ubicaciones heterogéneas casi nunca alcanzan más del 5% en comparación con el manejo uniforme, mientras que la eficiencia del nitrógeno podría mejorarse (EHLERT / WAGNER, 1997, p. 27). Es decir, en la mayor parte de los sitios se desperdició fertilizante. La agricultura de precisión muestra resultados beneficiosos sobre todo en el ahorro de factores de producción resp. en la mayor eficiencia del uso de factores. El aumento de rendimiento al que se aspira será bastante bajo en comparación con el manejo uniforme del campo.

Fig.15: Posibles efectos de la agricultura de precisión con niveles pasados ​​altos de fertilización: ubicación heterogénea

La Figura 16 muestra los resultados de un análisis de la literatura sobre las consecuencias económicas de la agricultura de precisión. Los estudios sobre la reducción del costo de los herbicidas muestran que se puede ahorrar entre un 50% y un 80% de los costos de los herbicidas cuando se tratan solo las áreas donde realmente crecen las malezas. Los ahorros en términos de dinero dependen en gran medida del precio del herbicida, por lo que aquí no es posible una generalización.

Autor objeto de investigación resultados
Green y col.
(Estados Unidos, 1997)
tratamiento herbicida espacialmente variable en cacahuetes hasta un 70% menos de
uso de herbicidas
Nordmeyer / Häusler / Niemann (Alemania, 1997)
tratamiento con herbicidas espacialmente variable en granos de cereales hasta el 80% del área
no necesita ser tratada
Gerhards
(Alemania, 1998)
tratamiento herbicida espacialmente variable en cereales 40-50% menos de
uso de herbicidas
Harris
(Inglaterra, 1997) siembra, fertilización y fumigación espacialmente variables en trigo y patatas EURO 50-60
ventaja económica / ha con trigo,
EURO 240-250 con patatas
Ostergaard
(Dinamarca, 1997)
Aplicación espacialmente variable de N, P, K y cal en cereales
Ventaja económica de $ 40-50 / ha
Schmerler / Jürschik
(Alemania, 1997b)
Fertilización N espacialmente variable en cereales hasta 3,9 dt / ha aumento del rendimiento del cultivo. En promedio 25 kg / ha menos N con campos heterogéneos.
Resulta en más de 25 euros de ventaja económica / ha.
Swinton / Ahmad
(Estados Unidos, 1996)
Fertilización con nitrógeno espacialmente variable en la remolacha azucarera 74 $ / acre (~ 160 EURO / ha)
ventaja económica y aumentos de calidad
Reetz / Fixen
(Estados Unidos, 1995)
fertilización N espacialmente variable de todos los cultivos
en una granja
Ventaja económica de 43 $ / ha
Malzer y col.
(Estados Unidos, 1996)
fertilización N espacialmente variable en maíz 11-72 $ / ha económica
ventaja
Schmerler / Jürschik
(Alemania, 1997a) costos calculados para el uso de GPS (maquinaria y mano de obra) para una finca de 2000 ha aumento de costes de
35-40 EURO / ha y año 1)
Harris
(Inglaterra, 1997) costos calculados para el uso de GPS (equipo de maquinaria) para una finca de 320 ha aumento de costes de
30-35 EURO / ha y año 2)
1) incl. costes laborales
2) sin costes laborales

Fig.16: Economía de la agricultura de precisión

Varios estudios se han ocupado de los beneficios del rendimiento y el potencial de ahorro de los insumos, como se muestra en el centro de la figura. SCHMERLER y JÜRSCHIK (1997 b, p. 995), por ejemplo, muestran un aumento de rendimiento (trigo) de no muy 4 decitones por hectárea y una reducción promedio de 25 kg de nitrógeno / ha en sitios heterogéneos. En total, esto equivale a unos 50 euros en beneficios de rendimiento y potencial de ahorro por hectárea. Otros autores llegan a valores de entre 5o y 6o EURO con trigo o hasta 25o EURO con patatas (HARRIS, 1997, p. 953). Con la remolacha azucarera SWINTON / AHMAD (1996, p. 1015) encontró beneficios de rendimiento y calidad, así como potenciales de ahorro de hasta EURO 16o / ha.

Por otro lado, están los costos de la agricultura de precisión. Para las inversiones en la tecnología (imperfecta) HARRIS (1997, p. 953) ascienden a EURO 30 a 35 por hectárea para las grandes explotaciones (300 ha) en las condiciones actuales. Se puede esperar que estos costos disminuyan con la mejora simultánea de la tecnología.

No se puede hacer una declaración final sobre la excelencia de la agricultura de precisión desde el punto de vista económico sobre la base de los estudios disponibles. Sin embargo, generalizando, se puede decir que cuanto mayor es la heterogeneidad de la ubicación de la granja, más obvios son los beneficios económicos de la agricultura de precisión. Se está trabajando intensamente para remediar las imperfecciones de la tecnología, así como sobre los criterios de decisión, por ejemplo, para la tasa de fertilización con nitrógeno. Cabe destacar que los resultados de la investigación están indudablemente a favor de la gestión específica del sitio. En la discusión sobre la aplicabilidad de la nueva tecnología se debe tener en cuenta que no solo se deben considerar cuestiones de viabilidad económica para la finca individual, sino también que la agricultura de precisión permite grandes avances en la reducción de la presión que la agricultura ejerce sobre la agricultura. ambiente. Esto se aplica particularmente a la reducción de la lixiviación de nitrógeno y al ahorro de herbicidas.

También hay efectos adicionales de la agricultura de precisión. Mediante la adquisición de datos automatizada, la gestión de los sistemas biológico-técnicos mejorará tanto como la gestión general de la explotación. Se pueden esperar avances significativos en la gestión de las explotaciones. Simultáneamente, por así decirlo, como spin-off, el agricultor que se ha decidido a favor de la agricultura de precisión recibe la documentación de sus actividades, que en Alemania es requerida por las regulaciones de fertilización y ayuda con las solicitudes de fondos.

Un efecto adicional es que, por ejemplo, la compactación del suelo se puede registrar fácilmente mediante sensores que sondean la resistencia del suelo en el arado, lo que permite una reparación inmediata mediante una reacción en el lugar.

La tecnología de la agricultura de precisión también es adecuada para hacer más eficiente la gestión de flotas para optimizar el uso de máquinas cooperativas.

La agricultura de precisión es adecuada no solo para grandes explotaciones, sino también para la gestión de campos menores en regiones con estructuras agrícolas a pequeña escala. En este caso, el mismo cultivo se puede cultivar más allá de los límites de la propiedad en sitios de varios propietarios, porque el registro automatizado de los datos de la aplicación de entrada y la cosecha hace posible la liquidación individual de cuentas para todos los propietarios. Esto necesita la contabilidad de costos específica del sitio mencionada anteriormente.

Por último, pero no menos importante, también deberíamos pensar en las formas cambiantes de uso de la tierra del mañana, con la tecnología de la agricultura de precisión, los robots agrícolas parecen volverse más reales.

La agricultura de precisión es mucho más que la aplicación de factores de producción en un lugar específico, es una agricultura optimizada económica y ecológicamente que permite una mejor gestión.

REFERENCIAS:

Leer más

Las tecnologías agrícolas de precisión (PAT) permiten una gestión más detallada de la variabilidad en el campo. Las comunidades de políticas y asesoría han defendido las PAT como una ruta para preservar el capital natural mientras se aumenta la productividad de las tierras agrícolas. Actualmente, el productor agrícola dispone de una variedad de PAT, pero la aceptación varía según el tipo de tecnología y la región. Mientras que la mayoría de los estudios sobre la captación se han centrado en EE. UU. O Australia, examinamos empíricamente la captación de las tecnologías de guiado por máquina (MG) y de nitrógeno de tasa variable (VRNT) dentro de los sistemas agrícolas europeos. Utilizando información primaria de 971 productores de cultivos herbáceos en cinco países: Bélgica, Alemania, Grecia, los Países Bajos y el Reino Unido, una regresión de intercepción aleatoria multinivel estimó a) las diferencias entre adopción y no adopción yb) las diferencias entre la adopción de VRNT y MG . Encontramos, además de las diferencias de tamaño e ingresos, que reflejan la barrera del costo económico para la adopción, una diferencia de actitud, en términos de optimismo hacia el rendimiento económico de la tecnología que conduce a una mayor probabilidad de adopción. Además, el comportamiento innovador y de búsqueda de información también resultó significativo cuando se pasó de la guía mecánica a las tecnologías de velocidad variable. Los subsidios y los impuestos se consideraron impulsores positivos de la aceptación dentro de la comunidad. Sin embargo, los resultados sugieren que las intervenciones más indirectas, como el apoyo informativo para contrarrestar el sesgo de la industria, y la demostración para demostrar la viabilidad del rendimiento económico, pueden ser eficaces para satisfacer las expectativas de los administradores de tierras y las políticas hacia las PAT. en términos de optimismo hacia el rendimiento económico de la tecnología, lo que conduce a una mayor probabilidad de aceptación. Además, el comportamiento innovador y de búsqueda de información también resultó significativo cuando se pasó de la guía mecánica a las tecnologías de velocidad variable. Los subsidios y los impuestos se consideraron impulsores positivos de la aceptación dentro de la comunidad. Sin embargo, los resultados sugieren que las intervenciones más indirectas, como el apoyo informativo para contrarrestar el sesgo de la industria, y la demostración para demostrar la viabilidad del rendimiento económico, pueden ser eficaces para satisfacer las expectativas de los administradores de tierras y las políticas hacia las PAT. en términos de optimismo hacia el rendimiento económico de la tecnología, lo que conduce a una mayor probabilidad de aceptación. Además, el comportamiento innovador y de búsqueda de información también resultó significativo cuando se pasó de la guía mecánica a las tecnologías de velocidad variable. Los subsidios y los impuestos se consideraron impulsores positivos de la aceptación dentro de la comunidad. Sin embargo, los resultados sugieren que las intervenciones más indirectas, como el apoyo informativo para contrarrestar el sesgo de la industria, y la demostración para demostrar la viabilidad del rendimiento económico, pueden ser eficaces para satisfacer las expectativas de los administradores de tierras y las políticas hacia las PAT. Los subsidios y los impuestos se consideraron impulsores positivos de la aceptación dentro de la comunidad. Sin embargo, los resultados sugieren que las intervenciones más indirectas, como el apoyo informativo para contrarrestar el sesgo de la industria, y la demostración para demostrar la viabilidad del rendimiento económico, pueden ser eficaces para satisfacer las expectativas de los administradores de tierras y las políticas hacia las PAT. Los subsidios y los impuestos se consideraron impulsores positivos de la aceptación dentro de la comunidad. Sin embargo, los resultados sugieren que las intervenciones más indirectas, como el apoyo informativo para contrarrestar el sesgo de la industria, y la demostración para demostrar la viabilidad del rendimiento económico, pueden ser eficaces para satisfacer las expectativas de los administradores de tierras y las políticas hacia las PAT.

Leer más

Sistemas de riego inteligentes basados ​​en IoT: una descripción general de las tendencias recientes en sensores y sistemas de IoT para riego en agricultura de precisión.

La gestión del agua es primordial en países con escasez de agua. Esto también afecta a la agricultura, ya que una gran cantidad de agua se dedica a ese uso. Las posibles consecuencias del calentamiento global llevan a considerar la creación de medidas de adaptación del agua para asegurar la disponibilidad de agua para la producción y el consumo de alimentos. Así, los estudios dirigidos a ahorrar agua en el proceso de riego se han incrementado a lo largo de los años. Los sensores comerciales típicos para sistemas de riego agrícola son muy costosos, lo que hace imposible que los pequeños agricultores implementen este tipo de sistema. Sin embargo, los fabricantes ofrecen actualmente sensores de bajo costo que se pueden conectar a nodos para implementar sistemas asequibles para la gestión del riego y el monitoreo agrícola. Debido a los recientes avances en tecnologías IoT y WSN que se pueden aplicar en el desarrollo de estos sistemas, presentamos una encuesta destinada a resumir el estado del arte actual en cuanto a sistemas de riego inteligentes. Determinamos los parámetros que se monitorean en los sistemas de riego en cuanto a cantidad y calidad del agua, características del suelo y condiciones climáticas. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores. Proporcionamos una descripción general de los nodos y las tecnologías inalámbricas más utilizados. Por último, discutiremos los desafíos y las mejores prácticas para la implementación de sistemas de riego basados ​​en sensores.

Leer más

Aunque algunos pueden pensar en la agricultura de precisión principalmente en términos de maquinaria y tecnología, Steve Phillips lo piensa en una escala mayor.

John deere

Un agricultor trabaja en un campo. Steve Phillips, director del Instituto Internacional de Nutrición Vegetal de América del Norte, dice que la agricultura de precisión llevará la agricultura a un enfoque más específico del sitio en áreas de manejo de nutrientes.

Phillips, director del programa Norteamérica del Instituto Internacional de Nutrición Vegetal, dijo que la agricultura de precisión también se trata de la gestión de la información. Compartió sus pensamientos sobre ag de precisión durante un seminario web.

«Precision ag se trata de la gestión de toda la granja … ser precisos con nuestra gestión», dijo. “Se trata de volverse más inteligente y con más conocimientos. En todos los niveles de la agricultura, necesitamos incorporar más información en el proceso de toma de decisiones ”.

Las principales tecnologías en la agricultura de precisión de 2015 son:

* Dispositivos móviles y recolección de datos.

* Almacenamiento de datos.

* Aplicaciones de tasa variable.

* Imágenes remotas.

* Vehículos aéreos no tripulados.

Cuando la agricultura de precisión se combina con la filosofía de administración de nutrientes 4R, es una combinación poderosa, afirmó Phillips.

Las 4 R de la filosofía son aplicar la fuente de fertilizante adecuada a la dosis adecuada, en el momento adecuado y en el lugar adecuado.

“Lo que es único sobre el enfoque de las 4R es que reconocemos la interdependencia de estos cuatro componentes”, dijo Phillips. “Lo que sucede en una de las cuatro R afecta a las otras tres.

“Los resultados de la administración de nutrientes de las 4R están muy influenciados por el manejo de cultivos y plagas y por la conservación del suelo y el agua. Lo que hace la agricultura de precisión es que nos permite enfatizar las 4R al mismo tiempo «.

Phillips dijo que este proceso es hacia donde se dirige el futuro de la agricultura, hacia un enfoque más específico del sitio.

“La inclusión de la responsabilidad es otra forma en que la administración de las 4R va más allá del manejo tradicional de nutrientes”, dijo. “Una de las principales formas en que esto se logra es mediante la inclusión de un mecanismo de retroalimentación dinámica.

«Las herramientas de agricultura de precisión pueden proporcionar la retroalimentación y el mantenimiento de registros necesarios para la responsabilidad y transparencia que se necesitan en la gestión de nutrientes».

Leer más

Investigadores de Israel y Texas han desarrollado un sistema que abre y cierra automáticamente la emisión del agua de riego según la temperatura de las hojas del cultivo, controlando la eficacia del uso del agua y la uniformidad, para conseguir los rendimientos máximos en las cosechas con cada gota.

Para determinar cuándo regar, hay que tener en cuenta variables tales como la calidad del suelo, el tipo de cosecha y la temperatura.

Esta nueva tecnología se conoce como «umbral de tiempo y temperatura» (TTT son sus siglas en inglés). Se basa en que las plantas crecen mejor en una gama reducida de temperaturas, y esta gama podrá variar dependiendo de la especie de cultivo. Para el algodón, el método del umbral de tiempo y temperatura ordena el riego cuando la temperatura de la hoja supera los 28ºC durante más de 4 horas y media. Se tiene en cuenta la temperatura de la hoja y el índice de tensión de agua en las cosechas para predecir la presión de agua en las hojas, una medida de deficiencia de agua o de tensión en la planta, además de un sistema manual basado en la humedad del suelo.

Cada cosecha tiene su propia temperatura óptima para llegar a producir los rendimientos más altos (para el algodón es de 23ºC – 32ºC). Si la temperatura de la planta sube por encima del punto óptimo, se activa de forma automática el riego de precisión.

El suelo, la topografía y las necesidades de agua varían dentro de cada parcela. Con el riego de precisión se trata de equilibrar la aplicación de agua según esas variaciones de suelo y de cosechas. La aplicación más precisa de agua, de nutrientes y pesticidas lleva a rendimientos más altos y a notables beneficios ambientales.

La disponibilidad de agua es clave para la agricultura. Los sistemas automatizados de riego son una pieza fundamental para reducir el uso de agua, haciendo un uso sostenible y aumentando la rentabilidad de la explotación, gracias a que se reducen los costes que supone el bombeo del agua.

Mediante sensores infrarrojos montados a intervalos regulares en los tramos del sistema de riego de pivote central, se puede medir la temperatura de las cosechas. Utilizando otros sensores infrarrojos estacionarios dispuestos en el campo, se verifican estas mediciones. Los datos son transferidos a un ordenador que transmite las instrucciones al pivote central, pudiendo variar las aplicaciones de agua en un mismo campo, donde hay diferentes tipos de suelos, o donde se están cultivando dos o tres cosechas diferentes.

Este estudio concluye que estos sistemas de riego de precisión por temperatura de las hojas, funciona muy bien para maíz y semilla de soja. Se obtienen rendimientos más altos para la soja y un uso más eficaz del agua para el maíz.

Leer más

Unos niveles suficientes de humedad del suelo son una condición importante para la formación adecuada de las plantas y el alto rendimiento de los cultivos. Para la planta, el agua no sólo sirve como agente de restauración de la humedad, sino también como regulador de la temperatura. En el proceso de termorregulación, la planta evapora hasta el 99% del agua obtenida, utilizando sólo entre el 0,2% y el 0,5% para la formación de la masa vegetativa. Por lo tanto, es fácil comprender que la planta tiene diferentes necesidades de humedad según las condiciones climáticas y las etapas de crecimiento.

Una cantidad específica de agua viene en forma de vapor de agua condensado y depende del clima, la topografía, el tipo de vegetación, así como de las condiciones hidrogeológicas. La capa de agua se mide en mm (milímetros): 1 mm de precipitación por 1 ha (hectárea) corresponde a 10 toneladas de agua. Como resultado, la tarea clave de un agricultor es maximizar la acumulación, el almacenamiento y el uso eficiente de la humedad. Por supuesto, sigue siendo un desafío y por lo tanto requiere un esfuerzo y trabajo adicional.

LA IMPORTANCIA DEL CONTENIDO DE HUMEDAD EN EL SUELO PARA UNA AGRICULTURA EFICIENTE
Ninguno de los procesos físicos en la atmósfera y el medio ambiente puede ocurrir sin agua en el planeta Tierra. La humedad del suelo depende de las precipitaciones, la intensidad del consumo de agua por parte de las plantas o la temperatura del aire, entre otros factores. Unos niveles de humedad del suelo apropiados son de gran importancia para el rendimiento, por lo tanto, las plantas no crecerán y se desarrollarán con una humedad del suelo insuficiente. El agua tiene otros propósitos, que son los siguientes:

Los niveles de humedad del suelo afectan al contenido de aire, la salinidad y la presencia de sustancias tóxicas.
Regula la estructura, ductilidad y densidad.
Influye en la temperatura y la capacidad térmica
Evita la erosión del suelo
Determina la disponibilidad de los campos para ser trabajados
PARÁMETROS CLAVE DE LA HUMEDAD DEL SUELO
El nivel de agua en el suelo se expresa como la relación entre la cantidad de agua y el peso del suelo seco (también puede ser expresado como un porcentaje). En 2010, la Organización Meteorológica Mundial añadió la humedad del suelo a la lista de las 50 variables climáticas esenciales que se recomienda observar de forma periódica.

El contenido de humedad del suelo es un valor que determina la cantidad de agua en una cierta cantidad conocida de suelo; puede expresarse como porcentaje, agua por peso o volumen, o pulgadas de agua por pie de suelo.

El potencial de humedad del suelo o la tensión de humedad del suelo muestra el grado en que el agua se aferra al suelo. Se expresa en unidades de presión llamadas bares. Por lo general, cuanto más seca esté la tierra, más agua absorberá.

El agua disponible para las plantas (sus siglas en inglés, PAW) es la cantidad de agua disponible para una planta en un momento dado. El agua disponible es la diferencia entre la cantidad máxima de agua que puede contener el suelo y el punto de marchitamiento en el que la planta ya no puede extraer agua. Se expresa en pulgadas de agua disponible por pie de suelo.

La relación entre el contenido y el potencial no es universal, depende de características como la densidad y la textura. Basándose en el valor del PAW, el agricultor puede elaborar el plan de riego. Pero, ¿qué métodos para determinar el contenido de humedad del suelo existen?

WAYS TO DETERMINE THE SUFFICIENT LEVEL OF SOIL MOISTURE
Los métodos disponibles para determinar los valores de humedad del suelo se basan en la selección preliminar de muestras, seguida de su análisis directamente en el campo o en el laboratorio.

Los métodos de medición de la humedad del suelo se suelen clasificar en directos, indirectos y remotos. Los métodos directos incluyen la extracción de agua de una muestra por medio de la evaporación, el lavado y la reacción química. El cálculo de la humedad del suelo se basa en el peso del agua extraída y el nivel de la sequedad. Los métodos indirectos incluyen la medición de las características del suelo en función del contenido de agua. También pueden medir las características de un determinado objeto, generalmente como el de un absorbente poroso.

Lamentablemente, la relación entre la humedad del suelo y sus propiedades físicas y químicas no se conoce del todo. Las mediciones remotas de la humedad del suelo se basan en datos de satélites que utilizan el reflejo de la radiación electromagnética de un espectro específico de la superficie.

Los métodos directos más populares son el gravimétrico y el volumétrico.

Humedad gravimétrica del suelo (%) = [masa de tierra húmeda (g) – masa de tierra secada al horno (g) / masa de tierra secada al horno (g)] × 100;

Humedad volumétrica del suelo (%) = [volumen de agua (cm3) / volumen de la tierra (cm3)] × 100;

Otros métodos sobre cómo medir la humedad del suelo en el campo son los siguientes:

Radiactivo: medición de las sustancias radiactivas en el suelo.
Eléctrico: requiere determinar la resistencia, la conductividad, la inductancia, así como la capacidad del suelo.
Tensométrico: basado en la diferencia de voltaje del agua en diferentes límites de las fases.
Óptica: caracterizada por la reflectividad de los flujos de luz.
Métodos exprés: principalmente organolépticos.
LA HUMEDAD DEL SUELO EN EL CONTEXTO DE LA MONITORIZACIÓN DEL CAMPO
La capacidad de predecir la humedad del suelo ayuda a planificar eficientemente los trabajos de campo en cualquier etapa del crecimiento de los cultivos, e incluye lo siguiente:

El Nivel De Humedad Del Suelo Define El Momento Apropiado Para La Siembra
Los agricultores deben evaluar cuidadosamente el nivel de agua antes de empezar a sembrar. El grado óptimo de humedad del suelo depende del cultivo, el tipo de suelo, la región y otras variables. Por ejemplo, el arroz crece bien en los humedales, pero los cultivos de las tierras altas como el trigo, la mostaza, la patata, las legumbres, etc. son sensibles a los niveles excesivos de agua y no pueden sobrevivir al anegamiento durante mucho tiempo.

Puede parecer que la colza es un cultivo simple, pero sus fechas de siembra deben ser cuidadosamente planeadas. Dado que la colza es un cultivo que adora la humedad, la cantidad de lluvia durante la temporada de cultivo debe ser de al menos 280-300 mm. Aunque las semillas no echarán raíces sin humedad, no se debe aumentar la profundidad de la siembra para alcanzar la humedad. Cuando se espera que la humedad efectiva esté a una profundidad de por lo menos 50 mm, es mejor esperar a que llueva o sembrar las semillas a una profundidad inferior a 50 mm con la esperanza de que llueva. Sin embargo, si el suelo es suficientemente cálido, se puede realizar una siembra en profundidad de colza. Esto permite sembrar las semillas en la capa húmeda.

Con la siembra de colza en profundidad, la tasa de siembra debe aumentarse al menos un 10%. En cualquier caso, es necesario que llueva poco después para que la siembra tenga éxito.

monitoreo del nivel de precipitación con Crop Monitoring

Previsión Y Vigilancia De Las Sequías
La sequía atmosférica, es decir, un período cálido sin lluvias con una humedad del aire inferior al 30-35%, va acompañada de sequía en el suelo. Se manifiesta como una disminución de las reservas de humedad del suelo hasta caer al punto de marchitamiento, así como un recalentamiento y un aumento de la concentración a niveles tóxicos.

Utilizando el Índice de Humedad del Suelo (SMI), calculado mediante la vigilancia por satélite, los agricultores pueden garantizar el éxito para sus cultivos. Este índice fue desarrollado por Bergman para el servicio meteorológico nacional de los Estados Unidos a mediados de la década de 1980 como una forma de evaluar las condiciones de aridez a escala mundial. Determina el grado de aridez o saturación, demostrando cómo la falta de humedad del suelo afecta a la productividad de los cultivos.

El Impacto De La Maquinaria En Terrenos Con Un Alto Nivel De Humedad
Las prácticas agrícolas eficientes implican evitar el uso de tractores y cultivar o sembrar en terrenos excesivamente húmedos para evitar la compactación y otros daños estructurales. La evaluación de los agricultores puede ser visual cuando evalúan la saturación de agua. Con un puñado de tierra, se puede crear una bola con las manos para asegurarse de que hay una cantidad suficiente de agua. Como alternativa, pueden utilizarse métodos más avanzados tecnológicamente para determinar el contenido de humedad del suelo; Crop Monitoring es uno de ellos.

La Importancia Del Control De La Humedad Del Suelo
La monitorización de los cultivos es esencial en la agricultura, ya que facilita todas las etapas del proceso de cultivo. La información sobre cada zona del campo, el estado de los cultivos, la calidad de las operaciones, las condiciones meteorológicas y el funcionamiento de los equipos permite a los especialistas tomar decisiones bien fundamentadas y fiables. Para que los agricultores obtengan suficiente información sobre los aspectos mencionados anteriormente, la observación remota es un instrumento eficaz.

El mapeo de la humedad del suelo ayuda a obtener todos los datos necesarios con sólo unos pocos clics. Para lograrlo, guarde el campo y espere a que se construya el mapa. Posteriormente, obtendrá un mapa con una leyenda que describe los valores de cada píxel, así como un gráfico (la curva de la relación entre la humedad del suelo y la cantidad del suelo propiamente dicho). El usuario puede entonces analizar esta curva a diferentes profundidades (capas), ver las zonas con inundación (en cuevas subterráneas) o procesar los datos históricos de 5 años en varias regiones. De esta manera, los agricultores pueden hacer comparaciones. El mapa de campo tiene el siguiente aspecto:

control de la humedad del suelo con Crop Monitoring

El control y la previsión de la humedad del suelo es fundamental para el crecimiento óptimo de los cultivos. Una vigilancia precisa de la humedad del suelo permite un control eficiente de los nutrientes y otros insumos. Las nuevas tecnologías de vigilancia de cultivos permiten un seguimiento automatizado de la humedad del suelo. Los datos obtenidos ayudan a mantener la humedad óptima del suelo durante el riego y, por lo tanto, permiten obtener resultados eficientes de los cultivos.

PARA QUÉ SE USA LA HUMEDAD DEL SUELO EN LA MONITORIZACIÓN DEL CAMPO
Determinar las fechas de siembra; por ejemplo, las semillas de colza no se sembrarán (se ignoran las fechas de siembra) en tierra seca (si no está suficientemente humedecida)
Pronóstico y vigilancia de los períodos de sequía (los indicadores de la humedad atmosférica junto con la humedad del suelo)
Los agricultores no utilizarán maquinaria pesada en el campo, ya que podrían atascarse en el barro si el terreno está excesivamente húmedo.
Cobertura. El nivel de agua se determina con el índice de humedad. Cuando la humedad natural del suelo está por debajo del nivel adecuado y no se puede conseguir llegar al nivel requerido mediante riego, es hora de ponerse en contacto con las compañías aseguradoras.

Leer más

La aplicación de nuevas tecnologías en nuestros cultivos está produciendo un cambio en el modo de operar del empresario y del agricultor. España cuenta con más de 4.700 pilotos de drones y el sector agropecuario es el que más operadores tiene junto con el sector de la seguridad. El agricultor necesita tierras productivas en una etapa difícil para el campo. Las condiciones meteorológicas son cada vez más adversas y el agricultor debe procurar no acelerar este cambio climático sino contrarrestarlo. Podemos alcanzar una buena productividad cuidando a la vez el medio ambiente. El uso de drones en la Agricultura puede ser un buen modo de participar en la acción contra el cambio. Hoy hablaremos de los beneficios de usar drones en la Agricultura.

¿Para qué sirve un dron?
Antes de hablar sobre los servicios que puede realizar un drone explicaremos brevemente qué es un drone. La RAE lo define como “aeronave no tripulada”, es decir funciona por control remoto. También puede aparecer escrito como RPA (Remotely Piloted Aircraft).

Este aparato puede ser utilizado para fines recreativos o profesionales y comerciales. Dentro del sector agrícola, el drone puede acompañarnos en un gran número de tareas como estas:

Inspección y monitoreo de instalaciones y obras de infraestructura.
Investigaciones atmosféricas.
Topografía y cartografía temática.
Geología y prospección petrolífera y gasífera.
Gestión de riesgos y desastres naturales (incendios, inundaciones, etc).
Exploración de lugares de difícil acceso, salvamento y rescate.
Cinematografía y fotografía comercial, artística y/o deportiva.
Control medioambiental.
Limnología y oceanografía.
Investigaciones sobre conservación de la biodiversidad.
Medios de comunicación y entretenimiento.
Movilidad, tráfico y logística en general.
Actividades agrícolas y pecuaria.
Aplicación de productos fitosanitarios.
La agricultura de precisión se define como la aplicación de nuevas tecnologías de la información a tareas agrícolas con el fin de mejorar la productividad de los cultivos y disminuir el impacto medioambiental.

Dentro de la agricultura de precisión se encuentra la teledetección. Una acción realizada por drones que portan sensores para recabar información sobre los cultivos. Esto aporta numerosos beneficios. Ten en cuenta que el resultado de una cosecha depende en gran mayoría de las condiciones meteorológicas y el clima de la zona. Por ello, el agricultor tiene que tener un fiel compromiso con el cuidado del medio ambiente. ¿De qué forma? Respetando la naturaleza y aprovechando las fuentes de energía inagotables. El drone puede el tu mejor aliado. Ahora veremos porqué y las ventajas de usar drones en la agricultura.

¿Qué beneficios se obtienen en el campo con el uso de drones?
Los beneficios de usar drones en la Agricultura son numerosos. Para explicarlo mejor podríamos decir que el RPA puede desempeñar dos papeles distintos en el sector Agro: Teledetección y Aplicación Fitosanitaria. Veremos que, aunque los dos trabajan en el terreno de cultivo, la formación que se necesita para cada acción es especializada.

Ventajas que aporta la Teledetección con drones:
Cuanto mayor es la extensión del terreno, más difícil es controlar su rendimiento. A esto se le suma las zonas de difícil acceso que pueda haber y el gran trabajo humano que se requiere en la Agricultura convencional recabar este tipo de datos. Con el uso de drones que portan cámaras infrarrojas se puede elaborar con más rigor un análisis del campo. Podremos saber prácticamente a tiempo real el estado de las plantas, de la tierra, su fertilidad, su rendimiento…

Ventajas que aporta a la agricultura la aplicación fitosanitaria a partir de drones:
La detección temprana de plagas y malas hierbas evitará un mal año de cosecha. Prevenir la infestación de la plantación también es posible de otra forma. Hablamos ahora del otro papel del drone, que realiza el control de plagas aéreo. Esto implica mayor productividad. La aplicación de pesticidas de forma manual con mochilas o a través de equipos fitosanitarios sobre ruedas son costosos. Supone tiempo, personal y no siempre es efectivo. Un drone puede recorrer el campo de cultivo en un corto periodo de tiempo mientras aplica sobre la plantación productos fitosanitarios. De esta forma se crea muy poca deriva. La aplicación se realiza a poca altura, muy cerca del cultivo. Esto presenta una gran ventaja, a la que se le suma un tratamiento preciso y localizado (por GPS). Por tanto, habría menos contaminación y más productividad. El uso del drone ayudaría a cumplir el reto de Ecologistas en Acción que consiste en reducir al 50 % la cantidad de pesticidas para el 2023.

Nueva normativa europea: más exigente con la formación de los pilotos.
El vuelo de drones con fines profesionales o comerciales está regulado por el Gobierno. Puedes consultar el Real Decreto 1036/2017, de 15 de diciembre por el que se regula la utilización civil de las aeronaves pilotadas por control remoto, y se modifican el Real Decreto 552/2014, de 27 de junio.

No obstante, en este mes de mayo se lanzará la nueva normativa europea que implica un mayor control. La formación de los pilotos de drones es fundamental. Por ello, se exige que el piloto posea una serie de certificados que acrediten su formación y habilitación.

La nueva normativa sobre drones de carácter europeo plantea las siguientes novedades:

Un registro obligatorio de operadores y sistemas de geolocalización en un perímetro virtual.
Matrículas electrónicas para las aeronaves no tripuladas.
Control para no volar en zonas restringidas.

Leer más

El sensor de fertilidad tres en uno de nitrógeno, fósforo y potasio del suelo es adecuado para detectar el contenido de nitrógeno, fósforo y potasio en el suelo, y determinar la fertilidad del suelo mediante la detección del contenido de nitrógeno, fósforo y potasio. en el suelo, lo que facilita la evaluación sistemática de la condición del suelo. Se puede enterrar en el suelo durante mucho tiempo, resistente a la electrólisis a largo plazo, resistencia a la corrosión, envasado al vacío, completamente impermeable.
El sensor se usa ampliamente en nitrógeno del suelo, fósforo, detección de potasio, agricultura de precisión, silvicultura, investigación de suelos, exploración geológica, cultivo de plantas y otros campos.

Leer más

Existen presiones económicas en curso en la agricultura de producción para aumentar el rendimiento de los cultivos. Sin embargo, la producción de alto rendimiento de grano tiene el costo de aplicar cantidades significativas de diversos insumos agrícolas, es decir, nutrientes, pesticidas e irrigación. En los sistemas agrícolas tradicionales, los productores intentan aplicar estos insumos a una tasa uniforme en un campo determinado. Sin embargo, debido a la variabilidad espacial inherente en los campos, no todas las áreas pueden requerir los mismos niveles de entrada. Aunque la variabilidad espacial y temporal de los factores limitantes del rendimiento discutidos anteriormente ha sido reconocida durante mucho tiempo (Rennie y Clayton, 1960; Malo y Worcester, 1975; Robert et al., 1990), los agricultores continuaron manejando sus campos de manera uniforme porque carecían de la tecnología para gestionar la variabilidad.
Presentación de la conferencia
Reproduce el video
Mostrar transcripción
Agricultura de precisión: una introducción y desafíos para la adopción
Existen presiones económicas en curso en la agricultura de producción para aumentar el rendimiento de los cultivos. Sin embargo, la producción de alto rendimiento de grano tiene el costo de aplicar cantidades significativas de diversos insumos agrícolas, es decir, nutrientes, pesticidas e irrigación. En los sistemas agrícolas tradicionales, los productores intentan aplicar estos insumos a una tasa uniforme en un campo determinado. Sin embargo, debido a la variabilidad espacial inherente en los campos, no todas las áreas pueden requerir los mismos niveles de entrada. Aunque la variabilidad espacial y temporal de los factores limitantes del rendimiento discutidos anteriormente se ha reconocido durante mucho tiempo ( Rennie y Clayton, 1960 ; Malo y Worcester, 1975; Robert et al., 1990), los agricultores continuaron manejando sus campos de manera uniforme porque carecían de la tecnología para manejar la variabilidad. Con la introducción de nuevas tecnologías de agricultura de precisión, como los sistemas de posicionamiento global (GPS), los sistemas de información geográfica (GIS), la teledetección y la tecnología de aplicación de tasa variable (VRT), los agricultores ahora tienen la capacidad de administrar el sitio de sus campos específicamente.

A medida que más productores conocen la tecnología de la agricultura de precisión, se preguntan cómo la agricultura de precisión puede mejorar su productividad y rentabilidad. La industria promueve la aplicación de fertilizantes de dosis variable como una forma de aumentar la eficiencia y mejorar la producción. Desde el punto de vista ambiental, parece correcto variar la cantidad de fertilizante en relación con las necesidades del cultivo ( Verhagen et al., 1995 ); sin embargo, esto no atraerá a los agricultores a menos que se pueda demostrar la ganancia económica de VRT.

Los productores tienen experiencia limitada con esta nueva tecnología y equipo y necesitan información imparcial para determinar si VRT es una opción factible para sus operaciones agrícolas individuales. Los objetivos de este Libro Blanco son revisar los desafíos que enfrenta la agricultura de precisión y presentar nuevas herramientas para abordar estos desafíos y permitir que los agricultores utilicen mejor estas soluciones efectivas para los altos costos de fertilizantes y los bajos precios de los productos básicos.

Aplicación de tasa variable: mapas de prescripción y muestreo de suelo en cuadrícula
Los estudios a nivel de campo han demostrado que el C orgánico, el N total y el NO 3 -N tienen dependencia y variación espacial ( Cambardella et al., 1994 ). Usando la relación de pepita a la semi varianza total para clasificar la dependencia espacial, el C orgánico, el N total y el NO 3 -N fueron fuertemente dependientes espacialmente. Otros estudios han concluido que la absorción de N y la respuesta de los cultivos al N varía espacialmente dentro de los campos ( Malzer, 1996 ; Dampney y Goodlass, 1997 ). Welsh y col. (1999) informaron aumentos significativos en el rendimiento en los que se aplicó un 30% más de N adicional a partes del campo históricamente más productivas. Kachanoski y col. (1996)demostraron que los niveles óptimos de fertilización con N tienen variabilidad espacial. El aumento de rendimiento máximo y el aumento de rendimiento económico sobre el rendimiento de control sin N aplicado se correlacionaron fuertemente con el rendimiento económico espacialmente óptimo de N (r = 0,70 a 0,88). Las tecnologías de aplicación de dosis variable permiten a los agricultores ajustar las dosis de N para reflejar estas variaciones.

Los mapas de prescripción precisos son esenciales para la aplicación efectiva de fertilizantes VRT N ( Sawyer, 1994 ; Ferguson et al., 1996 ). El muestreo de suelo en cuadrícula se ha utilizado con mayor frecuencia para desarrollar estos mapas de prescripción ( Mueller et al., 2001 ). Investigaciones anteriores han indicado varias limitaciones técnicas y económicas asociadas con este enfoque. Es necesario mantener el número de muestras al mínimo y, al mismo tiempo, permitir un nivel razonable de calidad del mapa.

Sin embargo, Gotway et al. (1996) encontraron que la densidad de red óptima puede depender del coeficiente de variación. En muchos casos, donde la distribución espacial es bastante compleja, se requieren densidades de cuadrícula mucho más finas que las que se utilizan actualmente comercialmente para producir mapas de prescripción precisos. Mueller y col. (2001) indicaron que una escala de muestreo de cuadrícula comercial común de 100 m era extremadamente inadecuada y que el muestreo a intensidades mayores solo mejoró modestamente la precisión de la predicción, lo que no justificaría el aumento en el costo de muestreo. Sus datos sugieren que el uso de los valores de fertilidad promedio de campo en su campo de investigación no fue sustancialmente peor que el muestreo de cuadrícula. Schloeder y col. (2001)demostraron que la interpolación espacial de datos muestreados en cuadrículas con un tamaño de muestra limitado (n = 46) era en su mayoría inapropiada. Para la mayoría de sus conjuntos de datos, la incapacidad de predecir podría atribuirse a datos espacialmente independientes, datos limitados, espaciado de muestra, valores extremos o comportamiento errático. Whelan y col. (1996) informaron que en campos con menos de 100 muestras solo son apropiados métodos geoestadísticos muy simples, como la distancia inversa. Se necesitan tamaños de muestra de 100 a 500 para métodos geoestadísticos como el kriging. Kravchenko y Bullock, (1998)estudió varias técnicas de interpolación, como kriging ordinario, kriging lognormal y ponderación de distancia inversa, y descubrió que los mejores métodos geoestadísticos a utilizar dependían de propiedades espaciales únicas en cada campo y no podían predecirse por adelantado. McBratney y Pringle, (1999) informaron que el muestreo en cuadrícula de 20 a 30 m generalmente es necesario cuando se aplica un manejo específico del sitio a una resolución de 20 por 20 m.

Como puede verse, ningún tamaño de cuadrícula o técnica de interpolación describe adecuadamente la variabilidad que existe en campos de una población diversa. Si no se toman muestras con una resolución lo suficientemente fina como para capturar la correlación espacial en los datos de nutrientes de los cultivos, los métodos de interpolación y los mapas de aplicación desarrollados a partir de esos métodos no serán válidos ni precisos ( Reich, 2000 ). Sin embargo, el costo asociado con el muestreo de cuadrícula a la intensidad requerida para mapas precisos será prohibitivo en muchos casos.

La implementación de una gestión agrícola y ambiental sostenible requiere una mejor comprensión del suelo a escalas cada vez más finas para la agricultura de precisión (Adamchuk et al. 2010). El muestreo de suelo convencional y los análisis de laboratorio no pueden proporcionar esta información porque requieren mucho tiempo y son costosos. La teledetección del suelo puede superar estas deficiencias porque las técnicas facilitan la recopilación de grandes cantidades de datos espaciales utilizando técnicas más baratas, sencillas y menos laboriosas. La espectroscopia de reflectancia difusa que utiliza energías del infrarrojo cercano visible (vis-NIR) y del infrarrojo medio (IR medio) puede utilizarse para estimar el carbono orgánico del suelo (OC) y la composición de nutrientes del suelo (Stenberg et al. 2010). Estos sensores miden la cantidad de luz que se refleja difusamente del suelo después de que la radiación que contiene todas las frecuencias correspondientes lo ilumina. Los valores de los parámetros no se pueden descifrar directamente de los espectros vis-NIR o mid-IR. Para que sean útiles cuantitativamente, los espectros deben estar relacionados exactamente con un conjunto de muestras de referencia conocidas mediante la calibración de un modelo de predicción, y estas muestras de referencia deben ser representativas del rango de suelos para el que está destinado el modelo. Algunas de las inexactitudes de las calibraciones pueden deberse a la falta de características de absorción suficientes, particularmente en el vis-NIR, y a la gran diversidad de tipos de suelo en los conjuntos de calibración. Al explicarlos e identificarlos, lograremos la máxima capacidad de generalización para la calibración de una propiedad particular del suelo.

Mejores herramientas para VRT: detección remota del suelo
Debido a las limitaciones técnicas y económicas asociadas con el muestreo del suelo de la red descritas anteriormente, se necesitan mejores herramientas para realizar plenamente el potencial que las tecnologías VRT pueden proporcionar. El programa de Persistence Data Mining utiliza sensores remotos del suelo para proporcionar las nuevas y poderosas herramientas necesarias para mejorar la adopción de la agricultura de precisión en la actualidad.

La teledetección es una tecnología que se puede utilizar para obtener varias capas espaciales de información sobre las condiciones del suelo y los cultivos (Adamchuk et al., 2003). Permite la detección y / o caracterización de un objeto, serie de objetos o paisaje sin contacto físico. Normalmente, la detección remota se lleva a cabo colocando un sensor sobre el objeto (objetivo) que se está observando. Las plataformas que soportan los sensores varían, dependiendo de la altitud sobre el objetivo. Hoy en día se utilizan tres plataformas de observación principales para recopilar datos de teledetección: basados ​​en UAV, basados ​​en aviones y basados ​​en satélites. Los sensores terrestres también se han utilizado para determinadas aplicaciones y estudios de investigación específicos.

Los sensores comúnmente utilizados para la teledetección son parte de sistemas pasivos o activos. Los sistemas activos, como el radar, suministran su propia fuente de energía para iluminar las superficies de los objetivos. Los sistemas pasivos, como una cámara fotográfica común, detectan la energía solar reflejada. Aunque se han desarrollado varios conceptos que involucran sistemas activos a nivel de investigación, principalmente los sistemas pasivos se utilizan en aplicaciones comerciales relacionadas con la gestión de sitios específicos.

Durante la última mitad del siglo, la instrumentación de teledetección pasó de sistemas ópticos simples a sensores digitales complejos, lo que permitió un escaneo rápido y de alta calidad de la superficie de la Tierra. Se han desarrollado algoritmos de computación para procesar datos de teledetección y producir diferentes tipos de imágenes. Las resoluciones espaciales, espectrales y temporales son las principales características de cualquier sistema de teledetección.

La resolución espacial se refiere al área más pequeña (píxel) que se puede distinguir en la imagen. Cada píxel se convierte en un punto de datos. Al igual que con la fotografía, la distancia entre el sensor y el objetivo, así como el ángulo de visión, define el campo de visión (es decir, el tamaño del área representada por una sola imagen o escaneo). La mayoría de las imágenes y los conjuntos de datos utilizados en la gestión de un sitio específico tienen resoluciones espaciales que van desde menos de 1 metro hasta 20 metros o más. El tamaño de píxel más pequeño suele ser más caro y requiere más espacio de almacenamiento y potencia de cálculo.

La resolución espectral define la capacidad del sistema para diferenciar entre niveles de radiación electromagnética en diferentes longitudes de onda (porciones del espectro). El número de porciones detectadas del espectro (bandas) y su ancho también caracterizan la resolución espectral del sistema. Algunos sensores (especialmente fotográficos) producen solo imágenes infrarrojas en color, en blanco y negro o en color, mientras que otros permiten registrar respuestas multiespectrales (normalmente menos de 10) o hiperespectrales (pueden ser más de cien). Las imágenes pancromáticas también se pueden utilizar para representar la reflectancia total combinada de bandas visuales e infrarrojas cercanas

Especificaciones de detección remota del suelo
La plataforma Persistence Data Minings utiliza imágenes hiperespectrales de detección remota para mapear nitrógeno, fósforo, potasio, materia orgánica y pH con un sensor remoto constantemente calibrado. La tecnología crea inicialmente un mapa de índice elemental de diferencia normalizada (NDEI) a partir de las imágenes. El NDEI relaciona la reflectancia en la región del infrarrojo cercano (NIR) y

infrarrojo de onda corta (SWIR) para determinar la concentración de nitrógeno total, fósforo, potasio, materia orgánica y pH. Luego, se desarrolla un mapa de potencial de rendimiento espacial a partir de los datos del NDEI. Las imágenes del suelo obtenidas por teledetección pueden ofrecer una alternativa atractiva al uso de métodos estándar de muestreo del suelo. Los mapas de prescripción de detección remota no se ven afectados por las imprecisiones inherentes al procesamiento de laboratorio químico húmedo. En las pruebas de campo, reduce la respiración del suelo, lo que cambia la composición química en el transporte y procesamiento. El análisis de correlación muestra una reducción significativa en el error del usuario en relación con el cuidado de las muestras y la metodología de toma de muestras. Los datos de imágenes permiten la uniformidad del muestreo en todos los tipos de suelo y texturas en un proceso de labranza posterior. Las ecuaciones de regresión derivadas que se utilizan para estimar las concentraciones de nutrientes del suelo también tendrán el potencial de predecir los micronutrientes para aplicaciones de fertilizantes más precisas. Ferguson y col. (2004) sugieren que caracterizar con precisión el potencial de rendimiento dentro de un campo y, por lo tanto, la demanda espacial de N es necesaria para el manejo de N específico del sitio.

Minería de datos de persistencia, recomendaciones espaciales de N, P, K y el futuro
A partir de los datos de sensores remotos del suelo, Persistence Data Mining desarrolla mapas de aplicación de nitrógeno (N), fósforo (P) y potasio (K) de tasa variable. El usuario ingresa las ecuaciones de recomendación N, P y K apropiadas para su área.

Se pueden lograr ahorros en fertilizantes de $ 15.00 a $ 40.00 + por acre utilizando este sistema, así como aumentos de rendimiento del 10 al 13 por ciento. El sistema también es ambientalmente efectivo para reducir la aplicación excesiva de fertilizantes que conduce a la escorrentía y la lixiviación al agua subterránea. Mediante la combinación de un conjunto eficaz de procedimientos bien investigados y documentados, Persistence Data Mining ha desarrollado un sistema de gestión de fertilizantes líder en la industria que puede comenzar a utilizar plenamente el vasto potencial de VRT.

La mercantilización en el sector minorista agrícola está creando un entorno cada vez más plano, la oportunidad de reemplazar los débiles márgenes netos que generan las materias primas con sistemas creativos de valor agregado como Persistence Data Mining con sólidos márgenes netos es prometedora. Una forma en que las empresas pueden tener éxito en un entorno plano es capacitando a sus clientes con tecnologías eficaces. Aquellos que pueden crear valor a través del liderazgo, la colaboración y la creatividad transformarán la industria y fortalecerán sus relaciones con sus clientes existentes. Los últimos veinticinco años en tecnología han sido solo el acto de calentamiento, ahora vamos a entrar en el evento principal, una era en la que la tecnología transformará todos los aspectos de los negocios, todos los aspectos de la vida y todos los aspectos de la sociedad (TL Friedman , 2015).

Leer más