Definiciones

La teledetección se refiere al proceso de recopilar información sobre un objeto, a distancia, sin tocar el objeto en sí. El método de detección remota más común que viene a la mente de la mayoría de las personas es la imagen fotográfica de un objeto tomada con una cámara. La teledetección se ha convertido en mucho más que mirar objetos con los ojos. Ahora incluye el uso de instrumentos, que pueden medir atributos sobre objetos que los ojos humanos sin ayuda no pueden ver o sentir.

Algunas otras definiciones de percepción remota son:

«La fotogrametría y la teledetección son el arte, la ciencia y la tecnología de obtener información confiable sobre los objetos físicos y el medio ambiente, mediante un proceso de registro, medición e interpretación de imágenes y representaciones digitales de patrones de energía derivados de sistemas de sensores sin contacto» (Colwell, 1997) .

«La teledetección puede definirse en términos generales como la recopilación de información sobre un objeto sin estar en contacto físico con el objeto. Las aeronaves y los satélites son las plataformas comunes desde las que se realizan las observaciones de teledetección. El término teledetección se limita a los métodos que emplean electromagnéticos la energía como medio para detectar y medir las características del objetivo ”(Sabins, 1978).

«La teledetección es el arte y la ciencia de obtener información a distancia, es decir, obtener información sobre objetos o fenómenos sin estar en contacto físico con ellos. La ciencia de la teledetección proporciona los instrumentos y la teoría para comprender cómo se pueden detectar objetos y fenómenos. El arte de la teledetección está en el desarrollo y uso de técnicas de análisis para generar información útil ”(Aronoff, 1995).

Historia

En 1858, un fotógrafo francés, Gaspaed Felix Tournachon, fue el primero en tomar fotografías aéreas desde un globo atado. Unos años más tarde, en 1861, las fotografías aéreas se convirtieron en una herramienta de inteligencia militar durante la guerra civil. También se tomaron fotografías aéreas de cámaras montadas en cometas (1858) y en palomas mensajeras (1903). En 1909 Wilber Wright voló el primer avión en tomar las primeras fotografías en vuelo. Las primeras fotografías aéreas utilizadas en el proceso de creación de mapas fueron presentadas en un artículo en 1913 por el Capitán Tardivo en una reunión de la Sociedad Internacional de Fotogrametría.

Las fotografías aéreas militares se utilizaron a gran escala durante la Primera Guerra Mundial. Los militares entrenaron a cientos de personas para procesar e interpretar fotografías de reconocimiento aéreo. Las unidades aéreas francesas revelaron 56.000 fotografías en cuatro días durante la ofensiva Meuse-Argonne en 1918 (Colwell, 1997). Después de la Primera Guerra Mundial y durante la década de 1930, las empresas comerciales de reconocimiento aéreo emplearon a muchos ex militares para procesar fotografías aéreas para producir mapas como mapas topográficos, mapas de gestión forestal y mapas de suelos.

La Segunda Guerra Mundial vio el desarrollo de películas de infrarrojos en color para el Ejército de los EE. UU. En 1942. Estas imágenes se utilizaron para detectar fuerzas enemigas y equipos que estaban camuflados. La mayoría de la inteligencia aliada reunida sobre el enemigo durante esta guerra fue el resultado directo del fotoreconocimiento aéreo.

El ejército de los Estados Unidos y otras agencias gubernamentales como la Administración Nacional de Aeronáutica y del Espacio (NASA) continuaron desarrollando el uso de la teledetección durante los años de la guerra fría. La década de 1960 también vio la expansión y el desarrollo de la teledetección terrestre desde el espacio. El primer satélite de reconocimiento fotográfico espacial militar, Corona, fue lanzado en 1960. Corona tomó fotografías de la Unión Soviética y sus aliados usando películas fotográficas. La película expuesta se transfirió luego a vehículos de recuperación no tripulados en el espacio. Los vehículos de recuperación luego desorbitaron y regresaron a la tierra en paracaídas con la película, que luego fue procesada y analizada en el laboratorio. La primera serie de satélites meteorológicos llamados Satélites de observación de infrarrojos de televisión (TIROS) comenzó a lanzarse en 1960. La NASA continuó recopilando imágenes para sus estudios de observación de la Tierra.

wpe2.jpg (19838 bytes) SR-71.jpg (151373 bytes)

Figura 1.1 Sitio de misiles cubanos 1962 Figura 1.2 SR-71

Fotografías aéreas tomadas desde aviones U-2 de gran altitud y RF101 de baja altitud, descubrieron instalaciones de misiles en Cuba como la que se muestra en la figura 1.1. Estas imágenes fueron televisadas al mundo durante la Crisis de los Misiles en Cuba en 1962. En 1964, la Fuerza Aérea de los Estados Unidos comenzó a volar el avión de reconocimiento SR-71 Blackbird que se muestra en la figura 1.2. El SR-71 vuela a velocidades superiores a Mach 3 o 2,000 millas por hora y en altitudes superiores a los 85,000 pies.

Durante la década de 1970 se lanzaron decenas de satélites estadounidenses de observación de la tierra y meteorología. También durante la década de 1970, las naves espaciales tripuladas, como la estación espacial Skylab, recopilaron imágenes de la tierra desde el espacio exterior. En 1972, el Landsat-1 que se muestra en la figura 1.3 con una resolución original de sólo 80 metros fue el primer satélite lanzado al espacio para la observación de recursos terrestres no militares. Landsat contenía sensores capaces de tomar imágenes digitales multiespectrales.

landsat.gif (29467 bytes)

Figura 1.3 Satélite Landsat

Los satélites de fotoreconocimiento militares de EE. UU. Se han mantenido en secreto y no están disponibles para el público en general. A partir de 1976, el ejército de Estados Unidos comenzó a desplegar satélites de alta resolución más sofisticados capaces de transmitir imágenes digitales a la Tierra. Se lanzaron ocho satélites Keyhole-11 entre 1976 y 1988. Se lanzaron tres satélites Keyhole-11B mejorados entre 1992 y 1996. Pueden producir imágenes con resoluciones estimadas de casi diez centímetros (cuatro pulgadas) (Vick et al, 1997).

Se han utilizado imágenes satelitales no militares para monitorear la degradación y contaminación del medio ambiente. Estas imágenes también se pueden utilizar para evaluar el daño de las inundaciones y los desastres naturales, ayudar a pronosticar el clima, ubicar reservas de minerales y petróleo, ubicar poblaciones de peces, monitorear las corrientes oceánicas, ayudar en el mapeo y planificación del uso de la tierra, producir mapas geológicos y monitorear pastos, recursos forestales y agrícolas.

Propiedades y conceptos fundamentales

El espectro electromagnético

Todos los objetos, incluidas las plantas y el suelo, emiten o reflejan energía en forma de radiación electromagnética. La radiación electromagnética viaja en ondas que se propagan por el espacio de forma similar a la que se muestra en la figura 1.4. Tres componentes principales de estas ondas son la frecuencia, la amplitud y la longitud de onda. La frecuencia es el número de crestas de ciclo que pasan por un punto durante un período de tiempo determinado. Un ciclo por segundo se conoce como un hercio. La amplitud es el nivel de energía de cada onda que mide la altura de cada pico de onda. La longitud de onda es la distancia desde la parte superior de un pico de onda hasta la parte superior del siguiente pico de onda

wave.gif (6514 bytes)

Figura 1.4 Radiación electromagnética

La fuente más común de radiación electromagnética con la que estamos familiarizados es el sol. El sol irradia energía que cubre todo el espectro de frecuencias electromagnéticas como se muestra en la figura 1.5.

Los sensores remotos actúan de manera similar al ojo humano. Son sensibles a imágenes y patrones de luz reflejada. Una diferencia importante entre el ojo humano y los sensores remotos es el rango de frecuencia del espectro electromagnético al que son sensibles.

El rango del espectro electromagnético varía desde longitudes de onda muy cortas de menos de diez billonésimas de metro conocidas como rayos gamma, hasta ondas de radio con longitudes de onda muy largas de varios cientos de metros. El espectro electromagnético se puede dividir en segmentos discretos de rangos de longitud de onda llamados bandas, también denominados a veces canal.

emspec.gif (6125 bytes)

Figura 1.5 Espectro electromagnético

Es el sol el que más a menudo proporciona la energía para iluminar objetos (figura 1.6). La energía radiante del sol golpea un objeto en el suelo y parte de esta energía que no se dispersa ni se absorbe se refleja de regreso al sensor remoto. Una parte de la energía del sol es absorbida por objetos en la superficie de la tierra y luego es emitida nuevamente a la atmósfera como energía térmica.

radiación.gif (8739 bytes)

Figura 1.6

Región visible

La porción de luz visible del espectro electromagnético varía de 0,4 micrómetros («µm») (longitud de onda más corta, frecuencia más alta) a 0,7 µm (longitud de onda más larga, frecuencia más baja). Este es el rango de frecuencia de la luz al que es sensible el ojo humano. Cada objeto refleja, absorbe y transmite energía electromagnética en la parte visible del espectro electromagnético y también en otras frecuencias no visibles. La energía electromagnética que atraviesa completamente un objeto se denomina transmitancia. Nuestros ojos reciben la luz visible reflejada por un objeto.

Los tres colores primarios reflejados por un objeto (figura 1.7) conocidos como primarios aditivos son las longitudes de onda azul, verde y rojo. Los colores primarios no pueden formarse mediante la combinación de otros colores primarios. Los colores intermedios se forman cuando una combinación de colores primarios se refleja en un objeto. Magenta es una combinación de rojo y azul reflejados, cian una combinación de azul y verde reflejados y amarillo una combinación de rojo y verde reflejados.

La película de color produce colores mediante el uso de capas de tintes que filtran varios colores. Los tres colores que absorben los colores primarios, conocidos como primarios sustractivos , son magenta, cian y amarillo. El magenta absorbe el verde y refleja el rojo y el azul, el cian absorbe el rojo y refleja el azul y el verde y el amarillo absorbe el azul y refleja el rojo y el verde. La absorción de todos los colores produce negro. Si no se absorbe ningún color, la película se vuelve blanca.

blue.gif (1820 bytes) green.gif (1886 bytes) red.gif (1843 bytes)

magenta.gif (2230 bytes) cyan.gif (2080 bytes) yellow.gif (2102 bytes)

black.gif (1777 bytes) white.gif (2053 bytes)

Figura 1.7

Región de infrarrojos

La región espectral infrarroja no visible se encuentra entre la luz visible y la porción de microondas del espectro electromagnético. La región infrarroja cubre un rango de longitud de onda de 0,7 µm a 14 µm. Esta amplia gama de longitudes de onda infrarrojas se subdivide en dos regiones infrarrojas más pequeñas. Cada una de estas regiones presenta características muy diferentes.

La región infrarroja más cercana a la luz visible contiene dos bandas más pequeñas etiquetadas como infrarrojo cercano e infrarrojo de onda corta con longitudes de onda que oscilan entre 0,7 µm y 1,1 µm y entre 1,1 µm y 3,0 µm respectivamente. Estas regiones infrarrojas exhiben muchas de las mismas características ópticas que la luz visible. El sol es la fuente principal de radiación infrarroja, que se refleja en un objeto. Las cámaras que se utilizan para capturar imágenes en el espectro de luz visible pueden capturar imágenes en la región del infrarrojo cercano mediante el uso de una película de infrarrojos especial.

La otra región infrarroja con longitudes de onda más largas que van desde 3,0 µm a 14,0 µm está compuesta por dos bandas más pequeñas etiquetadas como infrarrojo de onda media e infrarrojo de onda larga con longitudes de onda que van desde 3,0 µm a 5,0 µm y desde 5,0 µm a 14,0 µm respectivamente. Los objetos generan y emiten radiación infrarroja térmica, por lo que estos objetos se pueden detectar por la noche porque no dependen de la radiación infrarroja reflejada del sol. Los sensores remotos que operan en este rango de longitud de onda infrarroja miden la temperatura de un objeto.

Interacción entre plantas y radiación electromagnética

Estructura de la hoja

La estructura de una hoja se muestra en la Figura 1.8. La cutícula es una fina capa cerosa que cubre las células de la epidermis en la superficie de la hoja. Los pequeños derrames en la capa de células de la epidermis se llaman estomas. Los estomas están rodeados por células de guarda, que hacen que los estomas se abran o se cierren. Las celdas de protección regulan la evaporación del agua de la hoja y también controlan el intercambio de gases entre la hoja y la atmósfera.

La capa interior de la hoja está compuesta por dos regiones de tejido mesófilo. Aquí es donde ocurre la mayor parte de la fotosíntesis. El mesófilo en empalizada se encuentra justo debajo de la epidermis superior. Estas células son alargadas, alineadas en filas y contienen la mayoría de los cloroplastos de la hoja. Los cloroplastos de la mayoría de las plantas contienen pigmentos y dos tipos diferentes de clorofila. La clorofila a es la más abundante y es de color verde azulado. La clorofila b es de color verde amarillento y absorbe la luz y luego transfiere esa energía a la clorofila a. Las moléculas de pigmento dentro de los cloroplastos también absorben energía luminosa y transfieren la energía a la clorofila. El mesófilo esponjoso es el interior inferior de la hoja compuesto por células de forma irregular y sueltas. Estas células contienen cloroplastos y están rodeadas de espacios de aire.

leaf.gif (63606 bytes)

Figura 1.8 Sección transversal de una hoja de una planta típica

Respuesta espectral

La clorofila absorbe principalmente la luz en las longitudes de onda de violeta a azul y rojo. La luz verde no se absorbe fácilmente y se refleja, lo que le da a la hoja una apariencia de color verde. La estructura de la pared celular interna del mesófilo provoca una alta reflectancia de la radiación infrarroja cercana. La clorofila es transparente a la radiación infrarroja cercana. El fuerte aumento de la energía reflejada justo más allá de la región roja de la luz visible hacia la región del infrarrojo cercano se denomina borde rojo. La Figura 1.9 muestra este fuerte aumento de reflexión ubicado alrededor de la longitud de onda de 0,7 µm. La ubicación del borde rojo no es estática durante la vida de una hoja. A medida que la hoja madura, la clorofila absorberá longitudes de onda ligeramente más largas en la región roja visible. Este cambio mueve el borde rojo que se muestra en la figura 1.9 hacia la derecha y se conoce como desplazamiento al rojo (Campbell, 1996).

Los factores de estrés ambiental como la sequía, las enfermedades, la presión de las malezas, el daño por insectos y otros estresan o dañan las plantas. Este estrés provocará cambios fisiológicos en la planta. Las plantas estresadas tendrán una reflectancia espectral diferente a la de las plantas normales en la misma etapa de crecimiento. Un ejemplo de cambio fisiológico sería el cambio en el color de las hojas de las plantas debido a la clorosis. El color amarillo de la clorosis es causado por la descomposición de la clorofila. El verde reflejado disminuirá y el rojo reflejado aumentará. La correlación de las diferentes respuestas espectrales observadas con el equipo de detección remota con la condición real de las plantas es fundamental para la interpretación e identificación precisas de los daños y el estrés en los cultivos.

Figura 1.9

Tipos de sensores

La mayoría de los sensores remotos miden y registran la magnitud y frecuencia de la radiación reflejada de un objeto. Los datos del espectro de frecuencias registrados del objeto se comparan y hacen coincidir con las firmas del espectro de objetos conocidos, lo que permite la identificación y clasificación del objeto en el suelo.

La teledetección de aviones y satélites utiliza sensores de imágenes, que miden la energía reflejada de los objetos bajo vigilancia. Estos sensores de imágenes se dividen en dos categorías generales, sensores activos y sensores pasivos. Los sensores pasivos monitorean solo la luz solar natural reflejada o la energía electromagnética de un objeto. Los sensores pasivos constituyen la mayoría de los sensores que se utilizan en la actualidad. Los sensores de imagen activos proporcionan su propia luz o energía electromagnética, que se transmite al objeto y luego se refleja de regreso al sensor. Un ejemplo común de este tipo de sensor es el radar. La cubierta de nubes en el cielo a menudo puede impedir que los sensores pasivos reciban energía reflejada desde el suelo, pero los sistemas de radar pueden penetrar la cubierta de nubes.

La historia temprana de la teledetección consistió en imágenes fotográficas en película tomadas por cámaras. La luz reflejada que recibe la cámara expone la película al reaccionar con la emulsión química de la película para crear una imagen en formato analógico. Las imágenes producidas son fijas y no están sujetas a mucha manipulación a menos que se conviertan a un formato electrónico digital. Las imágenes digitales tienen ventajas sobre las imágenes de películas analógicas porque las computadoras pueden almacenar, procesar, mejorar, analizar y renderizar imágenes en una pantalla de computadora.

Las imágenes digitales son imágenes reducidas a números. La imagen se compone de números, que representan atributos de la imagen como el brillo, el color o la longitud de onda de la frecuencia de la energía radiada, y la ubicación de la posición de cada punto o elemento de la imagen. Los elementos de imagen de menor tamaño en una pantalla de computadora se denominan píxeles. Una imagen digital está formada por píxeles dispuestos en filas y columnas que se muestran en las figuras 1.6, 1.7, 1.8.

pixel.gif (950 bytes) scanlin.gif (1666 bytes)
Figura 1.10 Un solo píxel Figura 1.11 Una fila de píxeles representa una línea de exploración

img1bnd.gif (2810 bytes)

Figura 1.12 Las filas y columnas de píxeles representan una imagen

Resolución

Los sensores remotos miden diferencias y variaciones de objetos. Hay cuatro resoluciones principales que afectan la precisión y la utilidad de los sensores remotos.

La resolución espacial describe la capacidad de un sensor para identificar el detalle de tamaño más pequeño de un patrón en una imagen. La distancia entre patrones u objetos distinguibles en una imagen que se pueden separar entre sí a menudo se expresa en metros.

La resolución espectral es la sensibilidad de un sensor para responder a un rango de frecuencia específico. Los rangos de frecuencia cubiertos a menudo incluyen no solo luz visible, sino también luz no visible y radiación electromagnética. El rango discreto de longitudes de onda de frecuencia que un sensor puede detectar y medir se llama Banda. Las características del suelo, como el agua y la vegetación, se pueden identificar por las diferentes longitudes de onda reflejadas. El sensor utilizado debe poder detectar estas longitudes de onda para poder ver estas y otras características.

La resolución radiométrica a menudo se denomina contraste. Describe la capacidad del sensor para medir la intensidad de la señal o el brillo de los objetos. Cuanto más sensible es un sensor al brillo de un objeto en comparación con su entorno, más pequeño es el objeto que se puede detectar e identificar.

La resolución temporal es el período de tiempo transcurrido entre las imágenes tomadas del mismo objeto en el mismo lugar. Cuanto más frecuente sea el retorno de un sensor a una ubicación específica exacta, mayor será la resolución temporal. Varias observaciones a lo largo del tiempo revelan cambios y variaciones en el objeto que se observa. Para los sistemas de satélites, la resolución temporal se describe como el período de revisión, que se refiere al tiempo que tarda un satélite en regresar a la misma área en órbitas posteriores.

Procesamiento de imágenes

Una vez que se han adquirido los datos digitales sin procesar de la teledetección, se procesan en información utilizable. Las fotografías de películas analógicas se procesan químicamente en un cuarto oscuro, mientras que las imágenes digitales se procesan en una computadora. El procesamiento de datos digitales implica cambiar los datos para corregir ciertos tipos de distorsiones. Siempre que se modifiquen los datos para corregir un tipo de distorsión, existe la posibilidad de crear otro tipo de distorsión. Los cambios realizados en los datos de teledetección implican dos operaciones principales: preprocesamiento y posprocesamiento .

Preprocesamiento

Los pasos de preprocesamiento de una imagen de teledetección generalmente se realizan antes de la mejora, extracción y análisis del posprocesamiento de la información de la imagen. Normalmente, será el proveedor de datos quien preprocesará los datos de la imagen antes de la entrega de los datos al cliente o usuario. El preprocesamiento de datos de imágenes a menudo incluirá corrección radiométrica y corrección geométrica .

Se realizan correcciones radiométricas a los datos de la imagen digital sin procesar para corregir los valores de brillo del objeto en el suelo que se han distorsionado debido a la calibración del sensor o problemas de mal funcionamiento del sensor. La distorsión de las imágenes se debe a la dispersión de la energía de la luz electromagnética reflejada debido a una atmósfera en constante cambio. Ésta es una fuente de error de calibración del sensor.

Se realizan correcciones geométricas para corregir la inexactitud entre las coordenadas de ubicación de los elementos de la imagen en los datos de la imagen y las coordenadas de ubicación real en el suelo. Varios tipos de correcciones geométricas incluyen correcciones de sistema, precisión y terreno.

La corrección del sistema utiliza un punto de referencia geográfica para un elemento de píxel, como el proporcionado por el sistema de posicionamiento global. La precisión de la corrección a menudo varía según la precisión de la posición dada por el sistema de posicionamiento global. La inestabilidad del sistema de plataforma de la aeronave se muestra en la figura 1.13. La corrección de preprocesamiento elimina la distorsión del movimiento como se muestra en la figura 1.14.

toledo_small_raw.jpg (12229 bytes)

Figura 1.13 Datos brutos del sensor aéreo sin corregir.

toledo_synthetic_small.jpg (14879 bytes)

Figura 1.14 Datos preprocesados ​​corregidos para el movimiento de la aeronave.

La corrección de precisión utiliza puntos de control de tierra. Los puntos de control terrestre, que tienen ubicaciones geográficas precisas de longitud y latitud predeterminadas, se utilizan a menudo para medir el error de ubicación de los elementos de la imagen. Hay varios modelos matemáticos disponibles para estimar la posición real de cada elemento de la imagen en función de su distancia desde el punto de control del terreno.

La corrección del terreno es similar a la corrección de precisión, excepto que, además de la longitud y la latitud, se hace referencia a una tercera dimensión de elevación con el punto de control terrestre para corregir la distorsión inducida por el terreno. Este procedimiento también se conoce como orto-corregido u ortorrectificado. Por ejemplo, los edificios altos parecen inclinarse lejos del punto central de la figura 1.15, mientras que los edificios directamente debajo de la lente de la cámara (nadir) solo tienen sus techos visibles. La distorsión del relieve será mayor para los objetos más alejados del centro de la foto.

LongBeach.jpg (122278 bytes)

Figura 1.15 Ejemplo de terreno o desplazamiento de relieve.

Postprocesamiento

Las rutinas de posprocesamiento de imágenes digitales incluyen mejora de imágenes , clasificación de imágenes y detección de cambios . Estas rutinas de proceso computarizado mejoran la calidad de la escena de la imagen y ayudan en la interpretación de los datos.

Las técnicas de mejora de la imagen incluyen estiramiento del contraste, filtrado espacial y relación.

El estiramiento del contraste cambia la distribución y el rango de los números digitales asignados a cada píxel en una imagen. Esto se hace a menudo para acentuar detalles de la imagen que pueden ser difíciles de observar para el espectador humano sin ayuda.

El filtrado espacial implica el uso de algoritmos llamados filtros para enfatizar o restar importancia al brillo usando un cierto rango de números digitales sobre una imagen. Los filtros de paso alto mejoran el detalle del borde de la imagen. Los filtros de paso bajo suavizan una imagen y reducen el ruido de la imagen.

Las razones se calculan tomando los números digitales de una banda de frecuencia y dividiéndolos por los valores de otra banda. El rango de proporción se puede redistribuir para resaltar ciertas características de la imagen.

La clasificación de imágenes agrupa los píxeles en clases o categorías. Este proceso de clasificación de imágenes puede no estar supervisado o supervisado.

La clasificación de imágenes sin supervisión es un sistema informático que asigna píxeles a grupos estadísticamente separables en función de los valores numéricos digitales de píxeles de varias bandas espectrales. A los patrones de conglomerados resultantes se les pueden asignar diferentes colores o símbolos para visualizarlos y producir un mapa de conglomerados. El mapa resultante puede no corresponder necesariamente a las características del terreno que le interesan al usuario.

La clasificación supervisada es un procedimiento más completo que utiliza un analista de imágenes humanas experimentado para reconocer y agrupar píxeles en clases y categorías de interés para el usuario. El analista selecciona varias muestras de patrones de píxeles homogéneos en la imagen denominados sitios de entrenamiento. Los analistas identifican estos sitios visitando realmente la ubicación del terreno y haciendo observaciones de campo (verificación del terreno) o utilizando experiencia y habilidades pasadas. Los píxeles restantes fuera de los sitios de formación se hacen coincidir con los sitios de formación utilizando técnicas de procesamiento estadístico.

La detección de cambios es un proceso en el que dos imágenes en la misma ubicación tomadas en fechas diferentes se comparan entre sí para medir cualquier cambio en la forma física, ubicación o propiedades espectrales. Luego se produce una tercera imagen que muestra solo los cambios entre la primera y la segunda imagen. La detección de cambios se presta al análisis de la automatización informática. Los valores numéricos digitales de píxeles se comparan píxel por píxel dentro de cada banda de frecuencia. El análisis por computadora es más útil cuando se combina con la experiencia y el conocimiento del analista humano para interpretar los cambios de imagen.

Leer más

Lejos de lo que pueda padecer, la agricultura es un sector en plena transformación. Cada vez son más las empresas que optan por utilizar drones para agricultura para la realización de diversos trabajos. La innovación, la vanguardia y la tecnología han venido para quedarse.

Antes de continuar, es necesario describir qué son los drones. Se trata de naves pilotadas remotamente y que pueden controlarse a grandes distancias. Una de las características de los drones es que no están tripulados y pueden manejarse según las necesidades concretas de quién lo pilota. Estos drones se manejan con movimientos muy concretos y requieren una técnica especial para utilizarlos correctamente. Gracias a los drones se obtienen imágenes sobre las hectáreas del campo y los cultivos de forma clara.

Drones para agricultura

El desarrollo de drones en la agricultura ha generado la creación de una agricultura basada en tres dimensiones dando paso a la conocida como “revolución industrial” en el sector primario. Entre las múltiples ventajas que tienen utilizar drones destaca la reducción de costes, mayor precisión en las labores realizadas, la monitorización de los cultivos y la disminución del impacto medio ambiental.

Los drones para agricultura, lejos de ser un hecho aislado, se han convertido en una realidad. La incorporación de estos útiles no ha hecho sino facilitar el día a día en el campo ya que los drones reportan muchísimos beneficios. Entre las múltiples aplicaciones de los drones para agricultura destacan las siguientes:

–Examinar. Los drones sirven para verificar el estado de las plantaciones detectando enfermedades, plagas y otras situaciones que puedan poner en peligro los cultivos.

-Control. La falta tanto en el cultivo como en el suelo pueden ser detectables por los drones haciendo posible que el agricultor tenga un manejo más eficiente del agua.

–Fumigar eficientemente. La utilización eficaz de plaguicidas ayuda a optimizar el uso de estos productos aplicándose solo en zonas concretas de fumigación.

-Detección de enfermedades y plagas con antelación. Los drones para agricultura se configuran como una solución para minimizar los impactos directos en los recursos medioambientales.

-Supervisión de zonas fumigadas. El uso de drones es imparable. No es de extrañar que cada vez más empresas opten por utilizarlos en la agricultura con el objetivo de obtener resultados impresionantes.

En Innodrone somos expertos en la venta de drones para agricultura con el objetivo de mejorar el rendimiento de nuestros clientes que trabajan en el sector agrario. Ponemos a disposición de todas las personas una amplísima selección de productos, seleccionados con gran acierto. ¡Te esperamos!

Leer más

Las herramientas para agricultura de precisión pueden pagarse por sí mismas en la granja adecuada en las situaciones adecuadas. Pero lo único que no se puede decir sobre la mayoría de estas maravillas electrónicas es que son baratas. Incluso si un equipo de científicos de renombre tiene las cifras de investigación para demostrar que estas cajas de cables y software probablemente serán una buena inversión a largo plazo, a menudo es difícil para los agricultores desprenderse de una gran cantidad de efectivo por algo que de alguna manera obtuvieron. junto sin antes.

Sin duda, muchos de los primeros en adoptar e innovadores ya se han lanzado a la agricultura de precisión con ambos pies, conectando tractores, vehículos todo terreno y cosechadoras con sistemas de marca y convenientemente empaquetados. Pero para una parte significativa de los agricultores, la aversión al gasto es cierta, ya sea que estén buscando un sistema de barra de luces guiado por GPS de $ 4,000 o un sistema RTK de $ 40,000 que puede conducir un tractor con las manos libres por un campo con una precisión de menos de una pulgada.

Las empresas que venden sistemas agrícolas de precisión se refieren a estos personajes difíciles de vender como rezagados tecnológicos. Pero esa no es realmente una evaluación justa para todos los agricultores con aversión a los costos. Muchos todavía están interesados ​​en las nuevas tecnologías; simplemente están decididos a encontrar una manera menos costosa de hacer el trabajo. A menudo, estos son los mismos agricultores que buscan gangas con herbicidas genéricos o un distribuidor regional de semillas. Para ellos, la tecnología es solo un insumo más que debe comprarse lo más barato posible. Y no tienen miedo de dedicar más tiempo y esfuerzo a descubrir cómo capturar esos ahorros.

Una pregunta enviada por correo electrónico a Farm Industry News de un agricultor que se identificó solo como Ray, es típica de un nuevo tipo de carta que hemos estado recibiendo en nuestra bandeja de entrada.

Tengo una pregunta para usted sobre el uso de una computadora portátil y el GPS. ¿Hay alguna forma de que alguien pueda usar una computadora portátil para el procesador y la pantalla para Ag Leader o Greenstar? Hoy hablé con alguien que dijo que había visto a alguien que usaba solo una computadora portátil con software GPS para variar la siembra de aire sobre la marcha. Si se pudiera hacer esto, sería mucho más barato que comprar los sistemas completos. El problema que veo es la conexión del sensor de humedad y el medidor de flujo de granos. También me gustaría usarlo para poner mi azulejo. Sé que hay un software GPS disponible con mapas de calles, pero nunca he visto nada para usarlo como monitor de rendimiento. Cualquier información sería apreciada.
Gracias Ray

Para ayudar a responder la pregunta de Ray, llamamos a Daniel Humburg, un ingeniero agrícola de la Universidad Estatal de Dakota del Sur que ha escrito varios artículos sobre agricultura de precisión, http://abe.sdstate.edu/faculty/dhumburg.htm . La respuesta de Humburg, que sigue con algunos recursos de enlace web adicionales, muestra que el control GPS de la maquinaria a través de una computadora portátil o de mano es posible, pero no necesariamente fácil.

Es posible realizar algún nivel de control de velocidad variable con una computadora portátil o incluso un dispositivo de bolsillo. Si alguien solo desea realizar un control de producción de productos químicos, fertilizantes o tasa de siembra, puede hacerlo con alguna maquinaria de aplicación y una computadora portátil o de mano. Daré un ejemplo, pero comprenda que no pretendo estar al tanto de todos los productos actuales en el mercado y, por lo tanto, no intentaré enumerar todos los sistemas que podrían realizar una función similar.
Si quisiera controlar la tasa variable de un herbicida en mi campo de CRP, necesitaría varias cosas:
Primero, mi sistema debe saber dónde está. El GPS corregido diferencialmente hará esta parte.
En segundo lugar, debo tener un plan. Esto tiene la forma de un mapa electrónico. Esto puede solucionarse mediante el software que compro para ejecutarlo en la computadora portátil. También es posible generar un mapa en mi software de mapeo de escritorio que se pueda cargar en la computadora portátil en un formato compatible.

Para obtener un resumen de los productos de software listos para usar con computadoras de mano o portátiles, visite http://farmindustrynews.com/mag/farming_farming_field_records/ .

En tercer lugar, debo tener una combinación de computadora y software que pueda aceptar el mapa, aceptar la señal de GPS, tomar la decisión de salida actual y comunicar esa salida a una máquina de aplicación.
Por último, debo tener un dispositivo de aplicación que acepte el comando de salida de la computadora portátil.
He aquí un ejemplo. Tenga en cuenta que, sin duda, hay otro software y hardware que también podría hacer esto:
estoy familiarizado con el software llamado Field Rover II. Este es un programa desarrollado por Farm Works ( www.farmworks.com ) que tiene utilidad para exploración basada en GPS y tiene una capacidad adicional de tasa variable. Lo uso para enseñar con receptores GPS de mochila y computadoras de bolsillo.
Supongamos que la parte de escritorio del programa puede ayudar a generar el mapa de aplicación deseado. (No he tenido ninguna razón para hacerlo, pero creo que es posible). Luego, ese mapa se carga en el dispositivo de bolsillo. La computadora de mano está conectada a través de una conexión en serie RS 232 al receptor GPS para obtener las coordenadas de ubicación de entrada de ese dispositivo, mientras que el cable de transmisión de la conexión en serie RS 232 debe estar conectado a la entrada RS 232 del sistema de aplicación de productos químicos. Usaré un sistema Raven en este ejemplo.
Muchos de los controladores de aplicaciones de Raven ahora aceptan entradas de tasa de aplicación dinámica a través de RS 232. Por lo tanto, una vez en el campo, la computadora de bolsillo (o portátil) monitoreará su posición y enviará un comando para la tasa actual al controlador Raven, que establecerá su tasa al comando.
Para que esto funcione, tendrá que construir su propio arnés de cableado para obtener datos dentro y fuera de la computadora portátil. La mayoría tiene un solo puerto RS 232 y lo estamos usando tanto para información entrante como saliente. Además, querrá que se proporcione alimentación externa a la computadora portátil, ya que el uso continuo del puerto serie agotará las baterías rápidamente.

Para obtener información técnica sobre cómo ampliar la utilidad de una conexión en serie RS 232, visite http://www.taltech.com/resources/tcpip.htm .

Si bien el ejemplo que di es posible, ciertamente no es un sistema tan robusto como el que obtendría de Greenstar, los productos CNH AFS, AgStar o AgLeader. El estándar de serie RS 232 no se desarrolló pensando en la agricultura. Los sistemas comerciales están diseñados para ser mucho más infalibles y, dado que muchos ahora utilizan tecnología CAN basada en el estándar ISO 11783, pueden manejar mucha más información, de manera muy confiable. Por ejemplo, es probable que le proporcionen un mapa ‘según se aplique’ que se basa en la información enviada por el controlador de Raven sobre las tasas reales alcanzadas. Esto no es posible con el flujo de comunicación unidireccional en mi ejemplo «.

¿Está decidido a utilizar una computadora portátil en el campo? Considere el Panasonic Toughbook, diseñado para trabajos extremos en aplicaciones militares e industriales:
http://farmindustrynews.com/mag/farming_faster_stronger_lighter/index.html .

Estiércol de tasa variable, barato
Poco después de recibir la respuesta de Humburg, la Universidad de Illinois publicó un comunicado de prensa sobre un nuevo sistema de bajo costo que está desarrollando para calcular y registrar cuánto estiércol esparcen los agricultores y dónde lo esparcen.

“Estamos construyendo un sistema de bajo costo pero efectivo que incorporará una unidad de GPS (sistema de posicionamiento global) portátil disponible para el consumidor, una computadora portátil y software de mapeo como FarmWorks o ArcPad ( http://www.esri.com /software/arcgis/arcpad/index.html ) «, dijo Jay Solomon, un educador de Extensión de East Peoria, IL ( http://www.urbanext.uiuc.edu/peoria/focus/0001-ag.html ).

El sistema de prueba registra la ruta de la aplicación y cuándo el aplicador estaba encendido o apagado. Se puede precargar en la computadora un mapa de fondo del campo con zonas de amortiguamiento (no de aplicación) marcadas. Esto le proporciona al operador una representación visual del campo y su ubicación en el campo en la pantalla de la computadora. Observando la pantalla, el operador puede apagar manualmente el aplicador cuando se acerca a un búfer. Una vez que el aplicador está fuera del área de amortiguación, el operador puede volver a encender el sistema. En última instancia, el objetivo es que el sistema utilice los datos de la unidad GPS para detectar cuándo apagar y encender el aplicador automáticamente al acercarse a zonas sin aplicación, como cerca de un arroyo o un pozo.

Los investigadores también quieren colocar un medidor de flujo en el sistema para recopilar datos de flujo para el estiércol líquido.

“Estamos trabajando con un productor que tiene un medidor de flujo y una unidad de GPS en un tractor, y estamos tratando de construir los componentes para que vayan entre ellos”, dijo Solomon.

Los datos de «dónde y cuánto» que se recopilan de este sistema generarán mapas según se apliquen para los productores, transportistas de desechos animales, individuos que realizan aplicaciones personalizadas o productores más grandes que usan su propio equipo.

Aunque hay otros sistemas en el mercado que son capaces de este tipo de recopilación de datos, Solomon dijo que tienen un costo extremadamente prohibitivo. Algunas de las unidades de alta precisión pueden costar más de 20.000 dólares. Aunque Solomon aún no tiene un precio final para su sistema de recopilación de datos, cree que los productores pueden lograr resultados similares a los del equipo de alta precisión por alrededor de $ 2,500, una inversión mucho menor.

Debido a que muchos de los tractores más nuevos ya vienen con una unidad GPS a bordo, Solomon dijo que otra opción es encontrar una manera de aprovechar ese sistema.

“Pero principalmente estamos buscando un sistema para el productor que quiere usar un tractor más viejo”, dijo Solomon. “La mayoría de las veces, los agricultores no van a usar su equipo nuevo para aplicar estiércol. Por lo tanto, estamos buscando una forma de poner tecnología disponible para el consumidor en un tractor más antiguo para recopilar los datos «.

Solomon dijo que este tipo de datos les dará a los productores un registro preciso de la aplicación de estiércol de un año a otro que luego puede convertirse en una parte de la documentación de su sistema de información geográfica (GIS).

“Cuanta más información puedan obtener los agricultores en un formato GIS, más capaces estarán de analizar un problema de rendimiento o una variación en el campo”, dijo Solomon. “¿Fue causado por patrones de drenaje? ¿Fue un problema de malezas o insectos? ¿O fue fertilizante? »

Solomon dijo que aunque la función principal del sistema es proporcionar al productor información útil, también es útil desde un punto de vista regulatorio, porque las regulaciones gubernamentales más estrictas hacen que los productores sean cada vez más responsables de sus prácticas de manejo del estiércol.

«¿Qué pasa si un vecino presenta una queja contra un agricultor ante la EPA porque se aplicó estiércol en un canal o cerca de un pozo?» Preguntó Solomon. «En lugar de sacar un mapa dibujado a mano que tiene algunos números garabateados en el costado, el productor puede ir a la computadora, buscar registros y decir ‘Esto es lo que apliqué y aquí es donde lo puse'».

Finalmente, dijo Solomon, mucho de lo que se ha aprendido sobre el mapeo de aplicaciones de estiércol se puede aplicar a otros sistemas similares, como la pulverización química.

«Es posible que estemos comenzando con el estiércol», dijo Solomon, «pero una vez que tengamos el sistema funcionando, habrá varias formas de usarlo».

Leer más

La agricultura, como muchas empresas, requiere ensayo y error. Único en la agricultura es el hecho de que es posible que solo tenga una oportunidad por AÑO para hacerlo bien.

Afortunadamente, la tecnología ha hecho que sea más fácil identificar con precisión dónde existen los problemas y probar las soluciones con mayor precisión.

SEGÚN EL USDA, LA AGRICULTURA DE PRECISIÓN SE DEFINE COMO:
“Un sistema de gestión que se basa en información y tecnología , es específico del sitio y utiliza una o más de las siguientes fuentes de datos : suelos, cultivos, nutrientes, plagas, humedad o rendimiento, para una óptima rentabilidad, sostenibilidad y protección del medio ambiente . » ( USDA )

Para ayudar a desglosar esto, la agricultura de precisión se refiere a un proceso de recopilación y organización de datos sobre un cultivo o parcela de tierra. Luego, esos datos se utilizan para tomar decisiones sobre cómo optimizar los esfuerzos de un agricultor.

La idea es minimizar las soluciones «generales» a los problemas agrícolas genéricos. Por ejemplo, en el pasado, un agricultor puede haber dicho «siempre aplicamos X cantidad de nitrógeno en esta época del año, así que vamos a hacer eso». En cambio, un agricultor ahora recopilará datos sobre las necesidades de nutrientes del cultivo y los aplicará según sea necesario. No invertir tiempo ni dinero en aplicar aplicaciones innecesarias.

Este es un ejemplo muy simplificado, pero el concepto es exacto.

Muy importante para el proceso son los equipos y software especializados para recopilar, organizar y analizar los datos. Además, se necesita tecnología especializada para aplicar soluciones que sean “específicas del sitio” (solo aplicando soluciones donde hemos demostrado que hay un problema). Por último, se deben implementar procesos para analizar y revisar el proceso para cultivos futuros.

Gracias a las tecnologías de agricultura de precisión, como las relacionadas con el GPS, el muestreo, la teledetección, la aplicación de tasa variable y el monitoreo del rendimiento, los agricultores pueden maximizar más fácilmente la rentabilidad de una manera más sostenible que nunca.

Además, esto también es muy importante para el ganado y los cultivos. Hay empresas que están desarrollando formas de controlar el ganado de forma remota y ajustar las raciones o proporcionar tratamiento médico según sea necesario. ¡Cosas realmente emocionantes y fascinantes!

BENEFICIOS
Los beneficios de una mayor rentabilidad y sostenibilidad hacen que la agricultura de precisión sea una «obviedad». Lo más probable es que el término se vuelva redundante y en gran medida innecesario. Al igual que el término «agricultura mecanizada», que era popular antes de que casi todos los agricultores usaran tractores.

CARRERAS
Las carreras en esta industria incluyen especialista en agricultura de precisión, agrónomo, desarrollador de software, representante de éxito del cliente, gerente de producto, agricultor, vendedor de equipos y gerente de cuentas.

No es necesario obtener un título específicamente en Agricultura de Precisión, ya que todos los programas agrícolas enseñan estos métodos como parte de su plan de estudios básico.

Leer más

Actualmente, la agricultura mundial se encuentra en una tesitura en la que se presenta un gran desafío frente a la necesidad constante de lograr un aumento de la producción agrícola, de acuerdo a la creciente demanda de la población. Este aumento ha debido efectuarse con una expansión de las áreas agrícolas y con el aumento de los rendimientos dentro de cada área. Además, los sistemas tradicionales de producción tratan a las propiedades agrícolas de forma homogénea, a la hora de implementar las acciones correctivas de los factores limitantes, es decir, que toman como base las condiciones promedio de las áreas de producción. Este hecho supone una pérdida de insumos, con el consecuente incremento de los gastos, que en muchos casos no se traduce en un aumento del rendimiento. Sin embargo, con el paso del tiempo, han ido surgiendo nuevos desafíos respecto al concepto de sustentabilidad ambiental y económica del proceso de producción. En relación con ello se han ido generando nuevas tecnologías que permiten desarrollar nuevas técnicas capaces de cuantificar y manejar diferencialmente la variabilidad natural del área productora.

La Agricultura de Precisión (AP) puede definirse como la metodología que permite medir y manejar la variabilidad respecto a las propiedades del suelo, es decir, la variabilidad espacial, para aumentar la eficiencia productiva y disminuir el impacto ambiental. Debido a ello es necesario definir dos conceptos de gran importancia como son la variabilidad espacial, que expresa las diferencias de producción en un mismo campo, en una misma campaña y cosecha y la variabilidad temporal, que se refiere a los cambios de producción en un mismo campo, pero en distintas campañas de cosecha. Se establece que, por tanto, corresponde a un conjunto de tecnologías que permiten aplicar, de forma variable, insumos agrícolas como fertilizantes o plaguicidas, en función de los requerimientos y/o el potencial productivo de varios sectores, dentro de la parcela, previamente definidos. No consiste únicamente en medir esta variabilidad, sino que también es necesario implantar una serie de prácticas que se realicen en función de la misma. La observación de la existencia de la variabilidad respecto a las propiedades o factores determinantes de la producción no es una novedad. La diferencia reside en la capacidad de identificarla, cuantificarla y mapearla. En Innovatione estamos especializados en la aplicación de las nuevas tecnologías dentro del campo de la agricultura de precisión, realizando proyectos para todo tipo de cultivos en Castilla y León y Murcia.

Esta metodología puede dividirse en cuatro fases que son la recolección de datos, el procesamiento e interpretación de la información, la toma de decisiones y la actuación en el campo. En función de todo ello se definen una serie de prácticas incluidas en un ciclo orientado a sustituir la recomendación habitual de insumos en base a valores promedio, que se utiliza en la agricultura tradicional, por una mucho más precisa de manejo localizado, que tiene en cuenta las variaciones del rendimiento de toda el área de la finca. El conjunto supone una optimización, del uso de insumos, puesto que deposita en el suelo la cantidad de semilla que cada punto soporta, la cantidad de nutrientes que se requieren y, además, el control de las malezas, plagas y enfermedades se realiza únicamente en aquellos lugares donde existe una demanda de control. Las prácticas de manejo localizado no se basan solamente en mapas de productividad o fertilidad del suelo. La toma de decisiones puede llevarse a cabo a partir de una base de datos o de información obtenida en el mismo instante en que se van a realizar las acciones, utilizando para ello sensores en tiempo real.

Ciclo de la agricultura de precisión

La adopción de la agricultura de precisión, entendida como concepto, es una herramienta con gran potencial respecto a la racionalización del sistema de producción agrícola moderno, puesto que optimiza la cantidad de agroquímicos aplicados a los suelos y cultivos, reduce los costos de producción, así como de contaminación ambiental y mejora la calidad de las cosechas.

Dentro de este ámbito destacan principalmente dos áreas de trabajo que son el desarrollo de sensores que permitan obtener de manera eficiente y fiable, en tiempo real, información sobre el estado del cultivo , para posteriormente realizar una corrección y el desarrollo de dispositivos, programas de computación y estrategias con las cuales pueda lograrse una mayor integración de los datos. Al lograr una mayor integración se facilita notablemente la interpretación y el análisis de los mapas, haciendo de esa manera más efectivo el manejo localizado.

Drones en agricultura de precisión

Un dron es una aeronave que vuela sin tripulación y que se maneja mediante control remoto. Se usan diferentes nombres para referirse a ellos, entre los que destacan:

UAV (Unmanned Aerial Vehicle), es decir, vehículo aéreo no tripulado, término que señala a cualquier dispositivo capaz de volar sin tripulación, lo que puede incluir un juguete de radiocontrol.
UAS (Unmanned Aerial System), entendido como el conjunto de componentes en sí.
Dron, término hasta cierto punto sinónimo de UAS, aunque más concreto, puesto que un dron es un sistema aéreo no tripulado que se usa para una función concreta, es decir, es un UAS al que se le añade por ejemplo una cámara que se utilizará para agricultura, tal y como se explicará a continuación.
RPA (Remotely Piloted Aircraft), que corresponde a una forma más concreta y detallada de llamar a los UAV. Hace referencia a que la aeronave está siendo pilotada, de manera remota, por una persona física.
Multicópteros, aeronaves que tienen múltiples rotores con la capacidad de despegar de forma vertical.
Agricultura de precisión

Nuevas tecnologías en agricultura

Las partes básicas de un dron son:

Motores, hélices y ESCs, son los componentes clave para mantener el dron en el aire. Los ESCs (Electronic Speed Control), regulan la potencia eléctrica que es suministrada a los motores, es decir, la velocidad de giro del rotor que deja suspendida la aeronave en el aire gracias a las hélices.
Controlador de vuelo, podría considerarse el cerebro de la máquina, puesto que controla todos los aspectos de la misma. Prácticamente la totalidad de los componentes electrónicos van conectados al controlador de vuelo.
Mando o control remoto, dispositivo a través del cual se dan las indicaciones de los movimientos que debe realizar el dron.
Radio receptor, corresponde al componente que recibe las órdenes del mando, para después transmitirlas al controlador de vuelo, de manera que la instrucción pueda ser ejecutada mediante variaciones en la velocidad de los rotores, encargados de alterar el curso del dron a voluntad del usuario.
Baterías, son las encargadas de proporcionar la energía necesaria para que el dron realice todas sus funciones. Generalmente son de polímero de litio, de bajo peso y alta descarga.
A la hora de pilotar un dron es imprescindible consultar la normativa de cada país, en el que se refleja claramente los lugares y la altitud a la que se podrá volar, entre otras especificaciones. Además a la hora de desempeñar una actividad profesional con drones profesionales es obligatoria la licencia de piloto, es decir, deben acreditar unos conocimientos teóricos y prácticos; estar dado de alta como operador de la AESA (Agencia Estatal de Seguridad Aérea); tener seguro de responsabilidad civil; y tener certificado médico en vigor.

Permisos necesarios para volar un dron

Entre las ventajas asociadas al uso de drones dentro del ámbito de la agricultura de precisión se encuentran la versatilidad, la viabilidad, la calidad y la capacidad de obtener una solución completa. La versatilidad hace referencia a que la aplicación de los drones permite una adaptación relativamente fácil, dentro de las diversas aplicaciones agrícolas, puesto que el uso de cámaras como cámaras termográficas o multiespectrales permite una monitorización y elaboración de informes en cualquier lugar y situación. La ventaja principal del empleo de drones radica en la gran resolución que se obtiene frente a los satélites, lo que garantiza un mayor grado de precisión y detalle, de gran utilidad para una amplia variedad de cultivos.

Los beneficios pueden apreciarse a distintos niveles. Respecto a la producción se consigue una máxima producción con un nivel de calidad objetivo, puesto que la cosecha se orienta hacia unos parámetros de calidad concreto. Se consigue también un ahorro, puesto que se optimizan al máximo los costes de la finca, ahorrando en fertilizantes, pesticidas, riego (en caso de que exista en el cultivo), logrando también una disminución del tiempo invertido por el personal en el campo. Puede optimizarse la gestión de la compra y la venta, puesto que a través de esta metodología se hacen previsiones respecto a la estimación de producción y calidad. En caso de realizar mapas de alertas es posible descartar afecciones, mejorando así el potencial del cultivo y minimizando considerablemente el riesgo de pérdidas por patógenos al poder detectarse de manera precoz. Por último, una digitalización de las parcelas permite tener un mayor control y seguimiento de la evolución de los diversos cultivos.

Índices
Los índices de vegetación se definen como el parámetro obtenido como resultado de la combinación de dos o más valores de reflectancia a diferentes longitudes de onda, con los que puede resaltarse alguna característica concreta del cultivo como estimación de la pérdida de constituyentes bioquímicos de la clorofila o agua o la detección de cambios en los pigmentos foliares o en la fluorescencia clorofílica. El índice ideal sería aquel sensible a la cubierta vegetal, insensible a brillo y color del suelo y poco afectado por perturbaciones atmosféricas, factores medioambientales y las geometrías de la iluminación y de la observación.

Se pueden hacer varias clasificaciones de estos índices, distinguiendo entre aquellos de primera y segunda generación; intrínsecos y los que utilizan la línea del suelo; e índices de alta resolución espectral y de baja resolución. En definitiva, existen numerosos y variados índices de vegetación, entre los que se encuentran:

CWSI (Crop Water Stress Index): relaciona la diferencia de temperaturas medidas con el dosel vegetativo, entendido como la estructura compleja formada por la distribución espacial de las hojas que forman el cultivo y el aire con la diferencia entre estos dos valores cuando la evapotranspiración no está restringida por la disponibilidad de agua (límite inferior) y la diferencia cuando la evapotranspiración es cero, como resultado de la falta de disponibilidad de agua (límite superior). Tiene en cuenta, por tanto, la tasa de transpiración de un cultivo, mediante la medición de la temperatura del dosel y el déficit de presión de vapor. Proporciona un valor de 0 a 1, que depende del nivel de estrés hídrico del cultivo.
LAI (Leaf Area Index): es un indicador de biomasa y resistencia vegetal. Es la expresión numérica adimensional resultado de la división del área de las hojas de un cultivo, expresado en metros cuadrados y el área de suelo sobre el cual se encuentra establecido el cultivo, expresado en la misma unidad, es decir, el área que ocupa. Se basa en el hecho de que los cultivos eficientes tienden a invertir la mayor parte de su crecimiento temprano en la expansión de su área foliar, puesto que supone un mejor aprovechamiento de la radiación solar. Está relacionado al intercambio de carbono, oxígeno y agua con la atmósfera.
NDRE (Normalized Difference Red Edge Index): este índice emplea la reflectancia a 730 nm, es decir, incorpora el área espectral de borde rojo, reemplazando así la del rojo. Indica los cambios que se pueden dar en el contenido de clorofila A y el nitrógeno de la planta, además del estrés hídrico. Por este motivo, puede indicar la variabilidad en relación a los requisitos tanto de fertilizantes como de nitrógeno foliar de las plantas. Se considera mejor indicador de la salud o el vigor del cultivo que el índice NDVI para los cultivos de temporada media a tardía, además de ser más adecuado para aplicaciones de manejo intensivo, puesto que el NDVI puede perder sensibilidad cuando las plantas acumulan un nivel crítico de cobertura foliar o contenido de clorofila.
NDVI (Normalized Difference Vegetation Index): es el índice vegetativo más utilizado. Basa su cálculo en el contraste entre la zona de máxima absorción en el rojo, debido a los pigmentos de clorofila y la máxima reflexión en el infrarrojo, relacionado con la estructura celular de la hoja. Se estima haciendo un cálculo de la diferencia entre la reflectancia de las bandas de infrarrojo cercano y la visible del rojo entre la suma de estas bandas de reflectancia. Existe una relación entre este índice y la actividad fotosintética, la cantidad de biomasa, el área verde y la salud del cultivo.
PCD (Plant Cell Density): indicador de la variabilidad respecto al vigor en los cultivos. Al igual que el NDVI indica la biomasa fotosintéticamente activa. Está correlacionado, por tanto, con el tamaño, salud y ausencia de estrés, que a su vez se asocia con el estado de vigor de la planta. El resultado se proporciona mediante una medición cualitativa.
TCARI/OSAVI (/Optimized Soil Adjusted Vegetation Index): El índice TCARI, que mide la profundidad de absorción de la clorofila en el rojo en relación a los máximos picos de reflectancia en verde y borde rojo, es muy sensible a la reflectividad del suelo, motivo por el cual es complejo de interpretar en aquellos casos donde el índice de área foliar tiene valores bajos, motivo por el cual se combina con el índice OSAVI, que utiliza bandas del rojo e infrarrojo cercano para reducir esa influencia, realzando la sensibilidad a las variaciones asociadas con el contenido de clorofila. El dato obtenido a través de la combinación de ambos índice sirve como indicador del estrés nutricional y de situaciones de clorosis en las plantas.

Leer más

En septiembre de 2012, la agricultura de precisión (AP) ya no puede considerarse como «nueva». El primer mapa de rendimiento publicado derivado de un monitor de rendimiento y GPS se produjo a partir de un cultivo de canola en Alemania hace 22 años (HANEKLAUS et al., 1991; SCHNUG et al., 1991); esta es la 5ª Conferencia Brasileña de AP (la primera se realizó en 2004); mientras que la XI Conferencia Internacional sobre AP se acaba de celebrar en Indianápolis, EE. UU. En Australia, el 15 ° Simposio sobre PA en Australasia se llevó a cabo a principios de este mes, cuando el grupo productor PA-conducido, SPAA-Agricultura de precisión Australia (SPAA; http://www.spaa.com.au/ ) celebró su 10 º cumpleaños. Un archivo de estos simposios australianos está disponible enhttp://sydney.edu.au/agriculture/pal/research_symposia/archive_ of_proceedings.shtml ; Whelan (2011) ofrece una breve historia de la AF en Australia.

Dada la historia cada vez más rica de AP en todo el mundo, y la disponibilidad de revisiones recientes de AP en diferentes sistemas de cultivo y países (por ejemplo, SRINIVASAN, 2006 y referencias allí; BRAMLEY, 2009), el enfoque aquí está en áreas que pueden resultar importantes para informar el desarrollo continuo de AP en Australia y en otros lugares. El enfoque particular está en la producción de granos, uvas para vino y caña de azúcar, ya que estas son las industrias en las que ha habido mayor actividad en Australia (COOK et al., 2006), aunque los productores australianos también practican la AP de una variedad de otros cultivos, incluido el algodón. y patatas y también ha atraído el interés de las industrias ganaderas (por ejemplo, HANDCOCK et al., 2009; RUIZ-MIRAZO et al., 2011; TROTTER, 2011).

COOK y col. (2006) llamaron la atención sobre la diferencia entre los niveles de apoyo gubernamental a los agricultores en Australia en comparación con otros países. Junto con una disminución a largo plazo en los términos de intercambio para los agricultores australianos (HOGAN & MORRIS, 2010), y la naturaleza de la agricultura australiana centrada en la exportación, esto ha contribuido a la necesidad de que los agricultores australianos innoven para seguir siendo competitivos a nivel internacional. . Por tanto, COOK et al. (2006) identificaron cuatro razones clave por las que los agricultores australianos podrían estar predispuestos a la AP: comprenden la necesidad de mejorar la rentabilidad y mantener el acceso a los mercados de exportación; tienen que hacer frente a un entorno de cultivo riesgoso (a la luz de un clima muy variable, junto con su exposición a los mercados internacionales); Como consecuencia, responden a los avances tecnológicos que mejoran el rendimiento agrícola; y, por tanto, necesitan herramientas que ayuden en el seguimiento, análisis y diagnóstico de este desempeño.

Dos diferencias importantes entre Australia y algunos otros países en la implementación de AP son el enfoque predominante en la gestión zonal (por ejemplo, TAYLOR et al., 2007) y el rechazo de los enfoques utilizados en otros lugares basados ​​en el muestreo de suelos en rejilla. Las razones de esto se derivan en gran medida del reconocimiento de que el principal indicador de la variabilidad de la producción es el cultivo en sí. También es importante el hecho de que los sistemas basados ​​en cuadrículas son ineficientes y, en consecuencia, a menudo no logran capturar aspectos importantes de la variación (por ejemplo, BRAMLEY & JANIK, 2005), el reconocimiento de que existe una riqueza de información que se acumula al integrar diferentes capas de datos espaciales (por ejemplo, Figura 1) y, en particular, el hecho de que la mayoría de los sistemas agrícolas australianos son de bajos insumos en comparación con muchos de sus homólogos de otros países. Esto último, junto con la naturaleza limitada de agua del paisaje agrícola australiano, significa que posiblemente hay poco «espacio para moverse» en lo que respecta a la aplicación continua de fertilizantes a dosis variable. La gestión basada en zonas, normalmente con un enfoque en una clasificación ‘baja’, ‘media’ y ‘alta’, o incluso simplemente ‘baja’ y ‘alta’, por lo tanto, tiene más sentido en la mayoría de las situaciones.

GRANOS

En virtud de la extensión territorial de su uso de la tierra, AP en Australia está dominada por la industria de los granos. La evidencia anecdótica sugiere que la adopción de la dirección automática ahora puede ser tan alta como el 90% (Randall Wilksch – Presidente, SPAA – com. Pers.) Como lo evidencian los campos ‘manejados a mano’ que ahora son algo poco común en muchas regiones. BRAMLEY (2009) ha señalado que dicha tecnología no contribuye al elemento «intensivo en información» de la AP (FOUNTAS et al., 2006). Sin embargo, la adopción de la dirección automática es importante porque facilita la familiaridad con tecnologías como los sistemas globales de navegación por satélite (GNSS) y, por lo tanto, podría decirse que hace la adopción de los otros componentes centrales de la AP (por ejemplo, mapeo de rendimiento, levantamiento de suelos de alta resolución, etc. .) más sencillo. Así, Si bien hubo avances australianos significativos en el desarrollo filosófico de la AF durante la década de 1990 y principios de la de 2000 (por ejemplo, COOK & BRAMLEY, 1998; WHELAN & MCBRATNEY, 2000), ha sido el advenimiento más reciente y el acceso a la dirección automática lo que ha ayudado con el desarrollo y adopción de AP en finca. Sin embargo, el nivel de adopción de tecnologías como el mapeo de rendimiento y la aplicación de fertilizantes de tasa variable (VRA) es posiblemente bastante bajo (ROBERTSON et al., 2011), a pesar de los numerosos ejemplos de AP que mejoran la rentabilidad (por ejemplo, SPAA, 2008; ROBERTSON et al. ., 2009), la rápida adopción de la dirección automática y los impulsores para la adopción de PA identificados por COOK et al. (2006). Ha sido el advenimiento más reciente y el acceso a la dirección automática lo que ha ayudado al desarrollo y adopción de la AP en la finca. Sin embargo, el nivel de adopción de tecnologías como el mapeo de rendimiento y la aplicación de fertilizantes de tasa variable (VRA) es posiblemente bastante bajo (ROBERTSON et al., 2011), a pesar de los numerosos ejemplos de AP que mejoran la rentabilidad (por ejemplo, SPAA, 2008; ROBERTSON et al. ., 2009), la rápida adopción de la dirección automática y los impulsores para la adopción de PA identificados por COOK et al. (2006). Ha sido el advenimiento más reciente y el acceso a la dirección automática lo que ha ayudado al desarrollo y adopción de la AP en la finca. Sin embargo, el nivel de adopción de tecnologías como el mapeo de rendimiento y la aplicación de fertilizantes de tasa variable (VRA) es posiblemente bastante bajo (ROBERTSON et al., 2011), a pesar de los numerosos ejemplos de AP que mejoran la rentabilidad (por ejemplo, SPAA, 2008; ROBERTSON et al. ., 2009), la rápida adopción de la dirección automática y los impulsores para la adopción de PA identificados por COOK et al. (2006). a pesar de los numerosos ejemplos de mejora de la rentabilidad de la AP (p. ej., SPAA, 2008; ROBERTSON et al., 2009), la rápida adopción de la dirección automática y los impulsores para la adopción de la AP identificados por COOK et al. (2006). a pesar de los numerosos ejemplos de mejora de la rentabilidad de la AP (p. ej., SPAA, 2008; ROBERTSON et al., 2009), la rápida adopción de la dirección automática y los impulsores para la adopción de la AP identificados por COOK et al. (2006).

ROBERTSON y col. (2011) informaron los resultados de una encuesta nacional de productores australianos realizada en 2008 (n = 1130) y de tres encuestas más pequeñas, regionales, pero similares (n = 39-102), en las que se preguntó a los productores acerca de su adopción de VRA. Los resultados indicaron que el 20% de los productores australianos habían adoptado alguna forma de VRA pero que había una fuerte variación regional en el nivel de adopción (11-35%). También indicaron un gran aumento en la adopción en comparación con la situación en 2002 (<5%). Es importante destacar que se encontró que los adoptantes tenían más probabilidades de tener granjas más grandes y con una mayor proporción de su área potencialmente cultivable en cultivo (en comparación con el pastoreo o alguna otra actividad). Muchos no adoptantes estaban convencidos de los beneficios agronómicos y económicos de VRA pero se vieron limitados en su adopción por problemas técnicos con equipos y software, y en particular, acceso inadecuado a la prestación de servicios y soporte. De hecho, el uso de un consultor se identificó como un factor significativo para explicar el uso del mapeo de rendimiento y VRA. Por lo tanto, es lamentable que, a pesar de los mejores esfuerzos de grupos como SPAA (ver más abajo), siga siendo el caso de que haya muy poca capacidad entre el grupo actual de consultores agrícolas australianos para brindar servicios de AP a los productores de granos australianos. Esto también puede explicar por qué muchos productores usan sistemas operados manualmente en lugar de tecnologías VRA especialmente diseñadas para manejar la variabilidad dentro del campo, prefiriendo usar pruebas de suelo. El comentario anecdótico de SPAA sugiere una absorción lenta pero constante de VRA para la aplicación de fertilizante de fósforo (P), pero mucho menos uso de VRA para nitrógeno (N). El bajo uso de VRA para N se considera debido a las tasas comparativamente bajas de N utilizadas y el consiguiente bajo nivel de variación en las tasas de N utilizadas. También se da el caso de que, si bien hay varias empresas que impulsan el uso de imágenes baratas de detección remota con el fin de ayudar con las decisiones sobre fertilizantes nitrogenados a mitad de temporada, la adopción de esto, y especialmente la detección de cultivos proximales sobre la marcha, ha sido baja debido a la percepción de que, incluso cuando VRA N es rentable, no se justifica el costo adicional de usar tales tecnologías además del mapeo de rendimiento y el levantamiento de suelos de alta resolución. Además, la detección sobre la marcha de la proteína del grano, VINO Han pasado ya 13 años desde la publicación del primer mapa de rendimiento de uvas para vino (BRAMLEY & PROFFITT, 1999). En el período intermedio, los viticultores y enólogos australianos han adoptado elementos de la viticultura de precisión (PV) en apoyo de los objetivos en torno a la rentabilidad comercial y la sostenibilidad de los recursos naturales que sustentan el viñedo (por ejemplo, Figura 1b; PROFFITT et al., 2006; BRAMLEY 2010). La calidad del vino, y su manejo a través de la cosecha selectiva, ha sido un foco particular y ha demostrado ser altamente rentable (BRAMLEY et al., 2005, 2011c). Las imágenes de detección remota (en contraste con la industria de los granos) y el levantamiento de suelos de alta resolución (EM38) han sido las tecnologías predominantes utilizadas, con un uso algo menor de mapeo de rendimiento. Es probable que esto último se asocie con el hecho de que actualmente solo hay un proveedor comercial de monitor de rendimiento de uva para vino, y ninguno de los fabricantes de vendimiadoras proporciona todavía un monitor de rendimiento como característica estándar en una nueva máquina, en marcado contraste con la situación de los cereales. . Podría decirse que la naturaleza perenne de las vides hace que la AP sea más fácil que en cultivos anuales de gran superficie como el trigo o la cebada y, debido a esto, ciertamente parece factible delimitar las zonas de manejo utilizando menos capas de datos de las que se considerarían necesarias en granos (por ejemplo, Figura 1). Sin embargo, y a pesar de la rentabilidad demostrada de la fotovoltaica, las tasas de adopción siguen siendo bajas, y la mayor parte de la adopción se limita a las empresas vitivinícolas o regiones en las que un viticultor destacado ha asumido el papel de "campeón local" de la fotovoltaica. La razón principal de esto ha sido la misma escasez de apoyo de consultores para ayudar con el procesamiento de datos y el análisis espacial que afecta a la industria de granos (ver arriba); junto con la percepción de que la estabilidad de las zonas de viñedos a lo largo del tiempo significa que se requiere una adquisición de datos menos frecuente. Además, el monitoreo del rendimiento se percibe como costoso en comparación con la teledetección (~ $ 30 / ha) que se puede comprar cuando sea necesario. Una recesión reciente en la industria del vino, asociada inicialmente con la sequía y luego, de manera más sustancial, con un mercado internacional con exceso de oferta, también ha conspirado contra la adopción de la energía fotovoltaica debido al ajuste de los presupuestos, una respuesta un tanto contraria a la intuición dada la mayor eficiencia del uso de recursos que la energía fotovoltaica promueve y las oportunidades de ser más rentables (PROFFITT et al., 2006; BRAMLEY, 2010). Sin embargo, ha habido algunos avances recientes importantes en la viticultura de precisión relacionados con la recolección selectiva (BRAMLEY et al., 2011c) que deberían promover una adopción más generalizada. El trabajo reciente sobre la variación espacial en la fenología de los cultivos, la detección sobre la marcha de la calidad de la fruta y la experimentación vitícola (ver más abajo) también pueden ayudar. 2010). Sin embargo, ha habido algunos avances recientes importantes en la viticultura de precisión relacionados con la recolección selectiva (BRAMLEY et al., 2011c) que deberían promover una adopción más generalizada. El trabajo reciente sobre la variación espacial en la fenología de los cultivos, la detección sobre la marcha de la calidad de la fruta y la experimentación vitícola (ver más abajo) también pueden ayudar. 2010). Sin embargo, ha habido algunos avances recientes importantes en la viticultura de precisión relacionados con la recolección selectiva (BRAMLEY et al., 2011c) que deberían promover una adopción más generalizada. El trabajo reciente sobre la variación espacial en la fenología de los cultivos, la detección sobre la marcha de la calidad de la fruta y la experimentación vitícola (ver más abajo) también pueden ayudar. CAÑA DE AZÚCAR BRAMLEY (2009) analiza con cierto detalle el estado de la AP en las industrias azucareras del mundo. Tras el desarrollo de un monitor de rendimiento de la caña de azúcar (COX et al., 1997), se llevó a cabo un trabajo exploratorio sobre la AP de la caña de azúcar a fines de la década de 1990 (BRAMLEY & QUABBA, 2001). Sin embargo, aparte de la actividad intensiva en solo una o dos granjas (ver, por ejemplo, www.davcofarming.com/#), esencialmente no hubo actividad de AP en la industria azucarera australiana hasta finales de la década de 2000. La pausa se puede atribuir en gran medida al colapso de los precios mundiales del azúcar a fines de la década de 1990, junto con el fracaso de varias entidades autorizadas para comercializar la COX et al. (1997) monitor de rendimiento. Sin embargo, junto con un mercado mundial del azúcar en auge, gran parte del interés actual se ha inspirado en la reciente disponibilidad de subvenciones para los agricultores australianos de caña que apoyan la adopción de métodos agrícolas que se percibe que reducen el impacto de la agricultura en la Gran Barrera de Coral; PA, y VRA en particular, es una tecnología de este tipo (BRAMLEY et al., 2008). Hay dos problemas importantes con esto. Primero, La inexactitud de los mecanismos de suministro de fertilizantes utilizados por los productores de caña de azúcar australianos (Dr. Bernard Schroeder y John Panitz, BSES Ltd - com. pers.) plantea serias dudas sobre las ventajas de adaptarlos a los controladores VRA. En segundo lugar, y posiblemente de importancia más inmediata, la falta actual de un sistema de monitoreo de rendimiento de caña de azúcar robusto y disponible comercialmente en Australia (JENSEN et al., 2010) arroja dudas sobre la base para delinear zonas de manejo en campos de azúcar y, por lo tanto, VRA. Actualmente se está llevando a cabo un importante esfuerzo de investigación que aborda estos problemas y los medios por los cuales los productores de azúcar podrían adoptar la AP. No obstante, la tecnología de dirección automática se está adoptando rápidamente en la industria azucarera australiana y, como ha sido el caso de los cereales (véase más arriba); se espera que esto aumente el interés y la adopción, JENSEN y col. (2012) han demostrado recientemente la viabilidad de una variedad de enfoques para el monitoreo del rendimiento de la caña de azúcar. Por lo tanto, las limitaciones a la solidez del monitoreo del rendimiento de la caña de azúcar en Australia ahora parecen estar confinadas en gran medida a los problemas asociados con el envío de caña de azúcar al ingenio y las consecuencias de las inexactitudes y errores en este proceso para la calibración del monitor de rendimiento. Mientras tanto, las ventajas de desarrollar un sensor sobre la marcha para el contenido de azúcar de caña comercial (CCS) parecen claras (BRAMLEY et al., 2012d; ver también más abajo), mientras que las tecnologías de detección de suelos de alta resolución han demostrado tener la misma utilidad. en la producción de AP de caña de azúcar como en otros sistemas de cultivo (COVENTRY et al., 2009). En efecto, ROBSON y col. (2012a) han demostrado recientemente la utilidad de la teledetección satelital como herramienta de predicción del rendimiento de la caña de azúcar, y si bien la aplicación de esta tecnología está actualmente más centrada en el manejo de toda la cosecha a escala regional (ROBSON et al., 2012b), las perspectivas de usarlo como ayuda para la gestión de mitad de temporada parecen estar limitadas solo por problemas asociados con la interferencia de la cobertura de nubes. Actualmente se están considerando alternativas aerotransportadas como una posible solución a este problema (Dr. Andrew Robson, Departamento de Agricultura, Pesca y Alimentación de Queensland, Prof. David Lamb, Universidad de Nueva Inglaterra - comunicación personal). ALGUNOS ACONTECIMIENTOS RECIENTES EN AP AUSTRALIANA SPAA-Precision Agriculture Australia ( www.spaa.com.au ) y el papel de los grupos de productores SPAA es un grupo independiente y sin fines de lucro que se formó en 2002 para promover el desarrollo y la adopción de AP. Su objetivo es ser el principal defensor de la AP en Australia y, a través de la facilitación de la investigación, extensión y adopción de AP, busca mejorar la rentabilidad y sostenibilidad de los sistemas de producción agrícola australianos. Establecido inicialmente por un pequeño grupo de productores de granos, consultores agrícolas e investigadores con sede en Australia del Sur, a fines de junio de 2012, había 397 miembros totalmente suscritos más cuatro miembros corporativos. Los miembros de la SPAA están involucrados en la producción de granos, uvas para vino, caña de azúcar y cultivos hortícolas en toda Australia y comprenden productores, consultores, fabricantes de equipos, contratistas e investigadores; un acontecimiento reciente ha sido el surgimiento de una sub-rama en Nueva Zelanda. La amplia base de miembros es un reflejo del potencial que ofrece la AP y de la determinación de la SPAA de sondear la membresía en todas las industrias, dada la naturaleza genérica de la aplicación de la AP a la producción de cultivos. Los elementos clave de las actividades de SPAA han sido la celebración de 'exposiciones' de la industria y simposios de investigación, este último en asociación con el Laboratorio de Agricultura de Precisión de la Universidad de Sydney ( http://sydney.edu.au/agriculture/pal/) y, en particular, su operación de grupos de productores. Estos se iniciaron por primera vez en 2007 y se han mantenido de diversas formas durante los últimos 6 años a través de la financiación de proyectos obtenida de forma competitiva de diversas fuentes, incluido el Departamento de Agricultura, Pesca y Alimentación de Australia, el Fideicomiso de la Industria de Granos de Australia del Sur, la Corporación de Investigación y Desarrollo de Granos. (GRDC), la Corporación de Investigación y Desarrollo del Azúcar, el Programa Nacional de Cuidado de la Tierra y las juntas locales de Gestión de Recursos Naturales. Cuando se iniciaron por primera vez, los grupos fueron dirigidos y administrados por SPAA como 'grupos SPAA' discretos, pero luego de la financiación de GRDC, SPAA se ha movido para vincularse con grupos de sistemas agrícolas existentes que operan en varias regiones de cultivo de granos, utilizando su personal, recursos y redes para dar mayor exposición a las actividades. Con la financiación obtenida de GRDC en 2009, los ocho grupos de Australia del Sur se expandieron a 16 grupos en el sureste de Australia (Australia del Sur, Victoria y Nueva Gales del Sur). Recientemente se han establecido tres grupos similares en las industrias del vino de Australia del Sur (región de Coonawarra) y Victoria (Valle de Yarra, Grampians). Los grupos generalmente se reúnen tres veces al año, con temas de reunión relevantes para la época del año y las tareas estacionales inminentes. Los temas tratados incluyen mapeo de rendimiento, gestión de datos, ensayos en granjas, sensores / imágenes de cultivos, sensores de suelo, búsqueda y mapeo de malezas, dirección automática y control de máquinas. Los grupos han sido un mecanismo para que los productores aprendan unos de otros, con muchas experiencias compartidas; han sido muy valorados por los participantes. SPAA también ha traído expertos y agricultores de otras regiones para compartir sus conocimientos y experiencias, algo que no habría ocurrido sin los grupos y el apoyo financiero asociado. En muchas regiones, se ha producido una mejora notable en el conocimiento y el apoyo de los concesionarios comerciales durante los seis años que los grupos han estado en funcionamiento, aunque algunas áreas siguen teniendo un servicio deficiente. De acuerdo con el trabajo de ROBERTSON et al (2011), cuanto más deficiente es el acceso al servicio, más importante ha sido el papel de SPAA a la hora de brindar asesoramiento sobre la mejor forma de que los productores utilicen el hardware y software de PA que han comprado. Como era de esperar, los grupos de productores son "fluidos" con cierta rotación de miembros que asisten. A medida que algunos productores alcanzan sus objetivos de AP, es posible que tengan menos necesidad de información continua, pero muchos productores permanecen en las primeras etapas de adopción. Como consecuencia, la mayoría de los grupos comprenden una serie de habilidades que pueden presentar dificultades para coordinar la formación para satisfacer las necesidades de todos. En parte como respuesta a esto, la SPAA ha llevado a cabo una serie de talleres de formación más avanzados en Adelaide, en los que se han reunido profesionales más experimentados / entusiastas de cada grupo para proporcionar una formación más amplia, con la intención de que actúen como agentes para la transferencia de información. de regreso a las regiones. Como era de esperar, dada la dependencia de la tecnología de la información de la AP, Se ha observado que los agricultores más jóvenes adquieren el software y las habilidades de gestión de datos mucho más rápido que sus padres. Por lo tanto, se espera que algunos problemas de adopción de AP se superen mediante el cambio generacional. Un aspecto sorprendente de los resultados de la encuesta de ROBERTSON et al. (2011) fue que muchas de las limitaciones para la adopción de VRA en 2008 fueron las mismas que se identificaron varios años antes, tanto en Australia (COOK et al.2000; COOK & BRAMLEY 2001) como en otros lugares (GRIFFIN & LOWENBERG- DEBOER 2005). Los resultados de la encuesta también reflejan una falta de reconocimiento de la oportunidad presentada por PA de introducir una filosofía de control de procesos en la producción agrícola (COOK & BRAMLEY 2001). Por lo tanto, ha habido una falla general en las industrias de granos australianos (que también ha ocurrido en la industria del vino) para reconocer que un rediseño del sistema de producción, especialmente en el contexto más amplio de toda la cadena de valor (por ejemplo, BRAMLEY 2009), puede producir beneficios significativos tanto para los productores como para los procesadores (ver también más abajo). Por lo tanto, se podría argumentar que, además de las limitaciones inmediatas que enfrentan los productores para adoptar elementos de AP, la falta de liderazgo de la industria para impulsar el cambio que alentaría la adopción es una limitación. Mientras tanto, solo dos universidades australianas ofrecen cursos dedicados en PA como parte de su licenciatura en agricultura. Por lo tanto, las perspectivas a corto plazo para la actual escasez de apoyo de asesores para AP que se está abordando no parecen alentadoras, lo que hace que las actividades de la SPAA sean aún más importantes. la falta de liderazgo de la industria para impulsar el cambio que alentaría la adopción es una limitación. Mientras tanto, solo dos universidades australianas ofrecen cursos dedicados en PA como parte de su licenciatura en agricultura. Por lo tanto, las perspectivas a corto plazo para la actual escasez de apoyo de asesores para AP que se está abordando no parecen alentadoras, lo que hace que las actividades de la SPAA sean aún más importantes. la falta de liderazgo de la industria para impulsar el cambio que alentaría la adopción es una limitación. Mientras tanto, solo dos universidades australianas ofrecen cursos dedicados en PA como parte de su licenciatura en agricultura. Por lo tanto, las perspectivas a corto plazo para la actual escasez de apoyo de asesores para AP que se está abordando no parecen alentadoras, lo que hace que las actividades de la SPAA sean aún más importantes. Enfoque en la calidad del cultivo Como se indicó, en lugar de centrarse en la aplicación de tasas variables de insumos como fertilizantes, el interés del sector vitivinícola en la AP se ha centrado mucho más en la cosecha selectiva; es decir, la gestión focalizada de productos. La recolección selectiva se define como la recolección dividida de la fruta en la recolección de acuerdo con diferentes criterios de rendimiento / calidad, con el fin de aprovechar la variación observada (BRAMLEY et al. 2005). Los primeros trabajos australianos demostraron que se podían lograr aumentos muy significativos en el valor de la producción mediante esta estrategia, con beneficios tanto para los viticultores como para los enólogos. En un ejemplo de Australia Occidental, el valor de venta al por menor de la producción de vino aumentó en más de $ 40 000 / ha (BRAMLEY et al., 2005). Sin embargo, ha habido una fuerte percepción, especialmente entre los productores de las regiones vitivinícolas de regadío interior caliente (RIVERLAND, Murray Valley, Murrumbidgee), cuya producción está orientada a vinos de mesa de alto volumen y bajo precio, que estos beneficios no estaban disponibles para ellos. Más bien, Se percibió que la cosecha selectiva solo estaba disponible para pequeños productores boutique que, mediante el uso de tanques pequeños, podían aprovechar las diferencias entre pequeñas parcelas de fruta, o las grandes empresas multinacionales cuyas bodegas suelen tener una gama de diferentes tamaños de tanque y más de una trituradora. Sin embargo, en un trabajo realizado en un sitio en el valle de Murray, en el que el tamaño de tanque más pequeño es de 75 t, y donde solo hay una trituradora disponible, BRAMLEY et al (2011c) han demostrado que la cosecha selectiva puede ser rentable incluso cuando la producción está orientada hacia grandes volúmenes de fermentación. Este trabajo indicó que el beneficio de la vendimia selectiva para el enólogo fue un aumento en el valor mayorista de la producción de alrededor del 2-12%, dependiendo de si la diferencia de precio entre el vino de mayor valor y el otro era de $ 1 o $ 5 / botella. El beneficio para el productor en este ejemplo fue mucho menor y dependió de los diferentes precios pagaderos por los diferentes grados de fruta, pero, no obstante, fue bastante alcanzable. Esta primera investigación y adopción de la cosecha selectiva se basó en la idea de segregar un bloque de viñedo en dos o tres zonas utilizando una variedad de datos espaciales (por ejemplo, Figura 1b) y luego cosecharlos en flujos de productos separados utilizando dos o tres contenedores de seguimiento durante un solo evento de cosecha. En ausencia de un sensor de calidad de la fruta, los datos espaciales utilizados para la delimitación de la zona se relacionarían típicamente con el vigor de la vid (detección remota o proximal), el rendimiento (si se estuviera usando el monitoreo del rendimiento) y el estudio del suelo EM38. Un trabajo reciente dirigido al desarrollo de un sensor en movimiento para el contenido de antocianinas de la uva (BRAMLEY et al., 2011b) arrojó resultados prometedores, aunque limitados en su aplicación a la cosecha de uvas de vino tinto. Sin embargo, la calidad de la uva y del vino es muy compleja, dada su dependencia de una gran cantidad de atributos químicos y sensoriales, algunos de los cuales en la uva, pueden ser alterados, sintetizados o metabolizados marcadamente en el proceso de elaboración del vino. Las antocianinas son un marcador de calidad importante en las uvas tintas, pero son irrelevantes para las blancas, y su contenido, como el de otros metabolitos de la uva, también se ve notablemente afectado por los procesos de maduración del cultivo. Esto lleva a la idea de que además de conocer la variación espacial en el rendimiento de la fruta y los atributos de calidad, para optimizar las decisiones de cosecha selectiva, también se debe abordar la cuestión de cuándo cosechar diferentes zonas, además de su delimitación espacial. Trought y BRAMLEY (2011) han demostrado recientemente que al usar imágenes de detección proximal adquiridas con un círculo de cultivo Esto lleva a la idea de que además de conocer la variación espacial en el rendimiento de la fruta y los atributos de calidad, para optimizar las decisiones de cosecha selectiva, también se debe abordar la cuestión de cuándo cosechar diferentes zonas, además de su delimitación espacial. Trought y BRAMLEY (2011) han demostrado recientemente que al usar imágenes de detección proximal adquiridas con un círculo de cultivo Esto lleva a la idea de que además de conocer la variación espacial en el rendimiento de la fruta y los atributos de calidad, para optimizar las decisiones de cosecha selectiva, también se debe abordar la cuestión de cuándo cosechar diferentes zonas, además de su delimitación espacial. Trought y BRAMLEY (2011) han demostrado recientemente que al usar imágenes de detección proximal adquiridas con un círculo de cultivo™ , junto con un 'sistema de puntuación de jugo' y algunos modelos simples de fenología de la vid, se pudieron optimizar tanto la delimitación de la zona como las decisiones sobre la fecha de cosecha ( Figura 2 ). Las preguntas sobre la fecha de cosecha también tienen resonancia en la industria azucarera (HIGGINS et al., 1998). Los cálculos basados ​​en mapas de rendimiento y variación de CCS en un campo de caña de azúcar de 6.8 ha en el distrito de Bundaberg caracterizado por una variación limitada del suelo, sugieren que en 2011 en este sitio, el 23% de la variación dentro del campo en los ingresos de los agricultores se debió a la variación de CCS ( Figura 3 ). Se desconoce el efecto de la fecha de cosecha en esta cifra y merece una investigación. Dados los beneficios de la cosecha selectiva que se observan en la industria del vino, los sobreprecios que se pagan a los productores de granos australianos por granos con un contenido de proteína específico y la disponibilidad de sensores de proteínas sobre la marcha, surge la pregunta obvia de si los productores de granos pueden aprovechar también la cosecha selectiva? Lamentablemente, el trabajo reciente destinado a abordar este problema no ha tenido éxito (BRAMLEY et al., 2012c; Figura 4) debido, aparentemente, al bajo rendimiento de los sensores de proteínas. La detección de rendimiento y proteínas sobre la marcha se llevó a cabo durante la cosecha de cebada durante tres temporadas (2009-11) en tres granjas del sur de Australia. Los datos de rendimiento se integraron con datos de levantamientos de suelos de alta resolución (EM38 y gamma radiométrica) e imágenes de cultivos de detección remota y proximal (gs31) para identificar zonas para las que la recolección selectiva podría ser apropiada (por ejemplo, Figura 1a ). Sin embargo, estas zonas no siempre se alinearon bien con la variación identificada en los mapas de proteínas. Además, aunque los datos del sensor de proteínas demostraron claramente que la proteína del grano está estructurada espacialmente, los problemas con la calibración y el funcionamiento del sensor presentaban graves limitaciones para el uso robusto de estos sensores. Surgieron problemas adicionales como consecuencia del modo de funcionamiento del sensor de proteínas. Debido a que los sensores actualmente disponibles dependen de la transmisión NIR en lugar de la reflectancia, requieren el llenado por separado de una "cámara de muestra" para cada medición de punto, en lugar de la detección continua. Una consecuencia importante de esto es que cada análisis puede tardar entre 7 y 22 segundos. Como resultado, la densidad espacial de los datos del sensor es baja, en comparación con la proporcionada por un monitor de rendimiento, por ejemplo, que normalmente registra en 1 o 2 segundos. Como resultado, el intervalo de confianza utilizado para probar la importancia de las diferencias entre zonas (TAYLOR et al., 2007) en proteínas es relativamente alto. Por razones obvias, esto reduce en gran medida la confianza que se puede atribuir a la delimitación de zonas proteicas (BRAMLEY et al., 2012c). Es de esperar que la tecnología de detección de proteínas se siga desarrollando, ya que la recolección selectiva sigue siendo una idea filosóficamente sólida que debe perseguir la industria de los cereales. La detección robusta de proteínas también ofrece beneficios para la optimización del manejo del nitrógeno en los cultivos. Experimentación espacialmente distribuida para la optimización de la producción y la seguridad alimentaria CARBERRY et al. (2011) han identificado la AP como una tecnología potencialmente importante para abordar el tema de la seguridad alimentaria, especialmente dado su papel potencial para permitir que se mantenga la producción agrícola al tiempo que se reduce el riesgo asociado con esa producción. La clave del éxito en esta área es que, además de saber que las diferentes partes de una granja son diferentes, también se requiere conocimiento de cómo deben manejarse de manera diferente. Gran parte de la literatura sobre AP presume que este conocimiento está disponible, pero dadas las diferencias en la naturaleza y el alcance de la variación específica del sitio, y la variación regional más amplia y generalizada que puede analizar un agrónomo de distrito o un asesor agrícola, la base de conocimientos requerido para el ajuste fino de la gestión específica del sitio a menudo, de hecho, no está disponible. Característicamente, a los agricultores les gustan los experimentos; siempre están probando cosas nuevas, ya sean nuevas variedades, diferentes fertilizantes o una modificación de algún equipo, por ejemplo. Muy a menudo, tales experimentos implican una tira de prueba dentro de un campo, o pueden implicar que un campo sea tratado de manera diferente a los demás. Este es un enfoque legítimo, ya que proyecta el experimento en el contexto del negocio para el que es relevante, generalmente utiliza el propio equipo de los agricultores para su establecimiento y lo somete a la variación subyacente de la tierra que sustenta la finca o campo en el que se se encuentra. Sin embargo, generalmente carece del rigor estadístico de los experimentos basados ​​en gráficos preferidos por la mayoría de los investigadores. Si bien los agricultores generalmente no toman decisiones sobre la base de la importancia estadística de las diferencias de tratamiento ('¿Me pueden molestar?' Y las consideraciones de beneficio: costo, a menudo son primordiales), sus experimentos son, en consecuencia, a menudo despreciados por los investigadores. Por el contrario, los investigadores tienden a emplear diseños aleatorios junto con un análisis estadístico riguroso, ya sea en un intento de eliminar los efectos de la variación subyacente y / o bajo el supuesto de que dicha variación no tiene ningún impacto en los resultados, o incluso que no hay ninguno. Sin embargo, si PA no nos enseña nada más, ilustra muy claramente que es poco probable que los supuestos de homogeneidad sean ciertos ( en consecuencia, los investigadores suelen despreciar sus experimentos. Por el contrario, los investigadores tienden a emplear diseños aleatorios junto con un análisis estadístico riguroso, ya sea en un intento de eliminar los efectos de la variación subyacente y / o bajo el supuesto de que dicha variación no tiene ningún impacto en los resultados, o incluso que no hay ninguno. Sin embargo, si PA no nos enseña nada más, ilustra muy claramente que es poco probable que los supuestos de homogeneidad sean ciertos ( en consecuencia, los investigadores suelen despreciar sus experimentos. Por el contrario, los investigadores tienden a emplear diseños aleatorios junto con un análisis estadístico riguroso, ya sea en un intento de eliminar los efectos de la variación subyacente y / o bajo el supuesto de que dicha variación no tiene ningún impacto en los resultados, o incluso que no hay ninguno. Sin embargo, si PA no nos enseña nada más, ilustra muy claramente que es poco probable que los supuestos de homogeneidad sean ciertos (Figura 5a ) y que, en consecuencia, los intentos de eliminar sus efectos pueden no tener éxito. Mientras tanto, los agricultores a menudo consideran los experimentos de los investigadores con cautela porque sus parcelas se perciben como poco realistas y porque los tratamientos a menudo se aplican a mano en lugar de utilizar maquinaria similar (y de tamaño similar) a la suya; este es un problema particular para los experimentos que involucran aerosoles. Una solución a este impasse, que puede resultar atractiva tanto para los agricultores como para los investigadores, es utilizar un enfoque distribuido espacialmente junto con un análisis espacial de las respuestas al tratamiento (BISHOP & LARK, 2006, 2007). En este enfoque, los experimentos se establecen en tiras individuales (por ejemplo, LAWES & BRAMLEY, 2012), parcelas distribuidas espacialmente (WHELAN et al., 2003) o utilizando diseños altamente replicados (por ejemplo, PANTEN et al., 2010; BRAMLEY et al. , 2011a) que cubre toda la unidad de gestión ( Figura 5b) utilizando las herramientas de la AP para su diseño y establecimiento. Cualquiera que sea el enfoque que se utilice, la variación subyacente en el sitio del ensayo se utiliza como una herramienta experimental de modo que cuando el experimento se analiza mediante el análisis espacial apropiado, se puede determinar la variabilidad espacial en la respuesta al tratamiento y en la significación estadística de los efectos del tratamiento. Esto último mantiene contentos a los investigadores, mientras que el hecho de que el experimento se realice a la misma escala que las operaciones agrícolas normales significa que los resultados también son relevantes para el agricultor. Es importante destacar que, mientras que el enfoque basado en parcelas ( Figura 5a ) aborda la cuestión de si el tratamiento A es mejor que el tratamiento B, el enfoque espacial ( Figura 5b) reconoce que ambos pueden ser beneficiosos, aunque en diferentes partes del mismo campo. BRAMLEY et al. Ofrecen una discusión más sustancial de este enfoque. (2012b). Requiere un mayor desarrollo con respecto al software para facilitar el análisis de resultados. Sin embargo, el trabajo reciente sugiere que ofrece una forma positiva de avanzar que ayudará con la adopción de la AP. Un atractivo particular surge del hecho de que, así como la implementación exitosa de la AP probablemente dependa de la experimentación, la AP también permite que se lleve a cabo la experimentación requerida.

Leer más

En Nueva Zelanda, donde la agricultura juega un papel central en la economía del país, el operador móvil Vodafone está ayudando a los agricultores locales a mejorar el rendimiento y reducir los costos a través de herramientas de agricultura de precisión.

La solución de agricultura de precisión de Vodafone está diseñada para permitir que los agricultores utilicen solo la cantidad de fertilizante que necesitan. Se instala un dispositivo GPS en el vehículo que esparce el fertilizante y los datos se envían a través de la red de Vodafone al servidor seguro de Precision Farming. Luego, los datos se superponen en un mapa computarizado para que el agricultor pueda ver dónde se ha depositado cada kilogramo. Con comentarios precisos de su programa de fertilizantes, los agricultores pueden detectar cualquier desperdicio y ajustar su próximo pedido.

El sistema de agricultura de precisión de Vodafone se basa en GPS y tecnología de máquina a máquina. El operador proporciona las tarjetas SIM especiales necesarias y el sistema de agricultura de precisión está vinculado a la red de Vodafone para garantizar la transmisión continua de datos desde el campo. El sistema proporciona un monitoreo constante del ancho y la tasa de aplicación de fertilizante, de modo que los agricultores pueden verificar el rastro virtual dejado por el esparcidor de fertilizante y ajustar la gestión de su granja en consecuencia.

El sistema de agricultura de precisión se puede aplicar a otras actividades, como la pulverización y la dispersión de efluentes, para garantizar que los agricultores obtengan resultados óptimos de todas las sustancias aplicadas a la tierra.

«La agricultura de precisión ayuda a los agricultores a cultivar más hierba, en lugar de comprar más fertilizantes», explicó Vodafone. “Los datos capturados electrónicamente permiten a los agricultores tomar decisiones fácilmente basándose en información completa, oportuna y precisa. Los datos precisos proporcionados por Precision Farming brindan a los agricultores la capacidad de maximizar el crecimiento de los pastos para su presupuesto «.

El papel de IoT en la agricultura de precisión
La agricultura de precisión puede ayudar a los agricultores a hacer frente a una serie de desafíos como la escasez de agua; la disponibilidad limitada de tierras aptas para plantaciones agrícolas; y gestión de costos mediante la implementación de sistemas y tecnologías de Internet de las cosas para reducir posibles errores y maximizar los rendimientos.

La agricultura de precisión utiliza aplicaciones de IoT, que ayudan a los agricultores a aumentar la calidad, la cantidad, la sostenibilidad y la rentabilidad de la producción agrícola. Estas herramientas permiten a los agricultores saber qué semillas plantar, la cantidad de fertilizante que necesitan usar, el mejor momento para cosechar y los resultados esperados de la cosecha. Mediante la implementación de IoT, los agricultores también pueden monitorear sensores que pueden usarse para detectar la humedad del suelo, el crecimiento de los cultivos y los niveles de alimento del ganado. Los sensores también pueden gestionar y controlar de forma remota cosechadoras y equipos de riego conectados.

Ciertas plataformas de IoT utilizadas en la industria agrícola permiten a los agricultores administrar los datos recopilados de sensores, servicios en la nube como el clima o mapas, equipos conectados y sistemas existentes.

Los dispositivos y sensores GPS en el campo y en los equipos agrícolas, como los tractores, generan datos en tiempo real que se almacenan en sistemas basados ​​en la nube a los que los agricultores pueden acceder a través de gráficos e informes para mejorar el rendimiento de los cultivos y la utilización del agua.

Leer más

La agricultura de conservación y la digitalización son dos transiciones que el mundo agrícola debe aceptar. Estos cambios de raíz y rama deben implementarse a un ritmo sin precedentes, sin mencionar la presión de los medios igualmente única. No es exagerado llamar revoluciones a estos cambios. Son de naturaleza radicalmente diferente. El primero es biológico, sistémico y natural, y se lleva a cabo dentro del mundo agrícola, mientras que el segundo es altamente tecnológico, electrónico e “importado” a la agricultura. Está haciendo grandes avances y aprovechando innovaciones como robots , sensores, agricultura de precisión, plataformas y comunicación directa. Bien podría dar lugar, paulatinamente, a un big bang en el paisaje agrícola, equivalente al provocado por la llegada de la motorización.

Lo que estas dos revoluciones tienen en común es que están cambiando radicalmente las prácticas de los agricultores y, a veces, incluso su visión de su papel. Por lo tanto, los cambios motivan a los agricultores con espíritu pionero, pero están causando mucha ansiedad a la gran mayoría de sus colegas.

Las cuatro revoluciones agrícolas
Para hacer aún más complejo el período que estamos viviendo, el mundo agrícola se enfrenta a otras dos revoluciones. El primero implica la entrada de la agricultura en la economía de mercado. La retirada gradual pero continua de los poderes públicos de la gestión del mercado va de la mano de la variabilidad de los precios, aunque la tendencia general no sea desfavorable. La segunda revolución es comercial. Ahora, los agricultores tienen la responsabilidad de producir lo que demandan los mercados (local, nacional, regional, europeo y mundial), y no al revés, es decir, encontrar salidas para los productos. Los sectores agrícolas ahora están descubriendo qué es realmente un cliente y tienen que adoptar una mentalidad de tenedor a tenedor. Por tanto, la agricultura francesa tiene que adaptarse a cuatro revoluciones rápidas y simultáneas.

Además, estas revoluciones paralelas están muy interconectadas. La tecnología digital facilitará el registro de las prácticas de gestión ambiental agrícola, lo que permitirá una trazabilidad segura a lo largo de la cadena alimentaria. Esto generará la transparencia que exigen los consumidores para restablecer la confianza en la agricultura francesa. La transición a la agricultura de conservación (también conocida como gestión ambiental agrícola) también satisface las demandas de los ciudadanos y consumidores de alimentos más naturales. Se verá facilitado por la digitalización, aunque la revolución digital no impulsará la revolución de la agricultura de conservación, al contrario de lo que piensan quienes tienen una visión ultra-técnica de la evolución de la agricultura.

Este cambio a la gestión ambiental agrícola es un cambio profundo en el sistema técnico de producción agrícola. La nueva visión de la agricultura se podría resumir como un impulso para maximizar la producción de biomasa, en línea con las demandas de los ciudadanos-consumidores, minimizando la huella ambiental de las empresas agrícolas. Algunas personas incluso están considerando ir más allá y utilizar prácticas agrícolas para descarbonizar la economía o restaurar los entornos dañados. En este análisis nos centraremos únicamente en la dimensión técnica de la agricultura de conservación que, además de sus componentes técnicos y biológicos, está adquiriendo las características de un movimiento social más global que incorpora comunidades y consumidores.

Hay dos aspectos clave para minimizar el impacto ambiental de la agricultura: reducir el uso de recursos escasos en la medida de lo posible, al mismo tiempo que se limitan los vertidos de la agricultura al medio ambiente natural. En términos generales, esto significa consumir menos energía fósil y reducir el uso de insumos químicos (fertilizantes, fungicidas, insecticidas y herbicidas).

Un nuevo enfoque de la agricultura

Los agricultores buscarán aprovechar al máximo los procesos biológicos para ayudar a la producción y también intentarán maximizar el uso de la fotosíntesis. La gente suele hablar de agricultura ecológicamente intensiva, que busca mejorar y maximizar la efectividad de los procesos biológicos. Fundamentalmente, este nuevo enfoque se basa en la no mano de obra y la labranza reducida, asegurando la cobertura permanente del suelo, extendiendo las rotaciones de cultivos y por ende diversificando la producción, una reconexión cada vez mayor de la agricultura arable y ganadera, la búsqueda de las máximas interacciones entre las parcelas productivas y su entorno (setos, agroforestería), y en muchos casos ahora se presta menos atención al cultivo de variedades individuales que a las mezclas de variedades o combinaciones de cultivos. La reconexión de la agricultura arable y ganadera se realizará en la propia finca (agricultura convencional mixta) pero también a través de alianzas entre fincas complementarias. El valor se obtendrá del forraje producido por los agricultores entre dos cultivos comerciales cuando los ganaderos lo alimenten a sus rebaños, por ejemplo. Esto se conoce como integración cultivo-ganado más allá del nivel de finca. Se están realizando pruebas en las que los rebaños comen la hierba que crece entre las hileras de vides, por ejemplo, al igual que en las regiones de Champagne o Beauce los rebaños de ovejas vuelven a pastar en los campos después de la cosecha.

Asimismo, habrá mucho más interés que antes en el “cierre” total de los ciclos de elementos con el fin de limitar los impactos ambientales y optimizar la gestión económica de los negocios agrícolas. Esto se aplica a los ciclos del nitrógeno, carbono y fósforo. Este enfoque de economía circular allana el camino para asociaciones como los vínculos mencionados anteriormente entre el ganado y los agricultores, o una planta de biogás gestionada por un grupo agrícola. Tiene una dimensión colaborativa y vecinal, como en los tradicionales canjes de paja por estiércol.

Este nuevo enfoque de la agricultura claramente no es un regreso a la agricultura como la practicaban nuestros abuelos, incluso si incorpora una dimensión mucho más natural. Es una visión proactiva y esencialmente preventiva más que curativa. Desde la década de 1950, la atención se centró en el desarrollo de variedades y razas de alto rendimiento para las que hemos buscado proporcionar un entorno estable para que puedan expresar todo su potencial. Por ejemplo, los agricultores tratan de destruir a todos los agresores más allá de un cierto umbral de infestación (enfermedades, plagas, especies advenedizas). En la agricultura de conservación, la atención se centrará en cambio en mantener el equilibrio durante períodos de varios años y pensar cada vez más en términos de ecosistemas cultivados. Por ejemplo,

Dependiendo de cuán heterogéneo sea un campo, esta o aquella especie crecerá mejor dependiendo de las ubicaciones dentro de la parcela. Los ganaderos quizás busquen animales que sean un poco menos productivos pero menos sensibles a las variaciones ambientales, por ejemplo. Por lo tanto, los agricultores deberán desarrollar un enfoque mucho más sistémico de su profesión y sus prácticas, que tendrá cada vez más elementos agronómicos y zootécnicos.

Agricultura de precisión, digitalización y robótica
¿Cómo podrá esta revolución aprovechar los beneficios de la revolución digital?

Las nuevas tecnologías permitirán el uso de cada vez más sensores y facilitarán la transmisión en tiempo real de los datos que recopilan. Se instalará un número cada vez mayor de sensores autónomos fijos en los campos, incluidos los sensores de humedad y temperatura, y otros serán usados ​​por animales, incluidos podómetros y acelerómetros. Algunos incluso se colocarán dentro de los cuerpos de los animales, como termómetros ingeridos en el estómago del ganado y sondas vaginales. Veremos el desarrollo de sensores móviles integrados en máquinas y otros que miden los parámetros biofísicos de los cultivos en tiempo real, como los niveles de azúcar, el flujo de savia en los tallos y el déficit de humedad. Claramente, esto ayudará a que las intervenciones técnicas sean mucho más precisas. Pero al mismo tiempo, es un enfoque altamente técnico que busca lograr la optimización extrema y la racionalización de la agricultura «tradicional» en lugar de un movimiento hacia la agricultura de conservación natural y sistémica descrita anteriormente. Es un equilibrio difícil de lograr.

Se debe encontrar un equilibrio entre lo que a menudo se denomina agricultura de precisión (arable y ganadera), capaz de determinar de manera correctiva la escala de intervención correcta y limitada en el momento y lugar adecuados, y un enfoque preventivo y sistémico que permita a un ecosistema cultivado Producir sin necesidad de tratamientos curativos. La tecnología digital permitirá focalizar las intervenciones, pero también, a través del procesamiento de datos, pronosticar y anticipar, simular y salvaguardar. Por último, la robotización abre la perspectiva de mecanizar con precisión las tareas y, por tanto, desarrollar o remodelar prácticas no químicas; Piense en los robots de escarda.

Agricultura de precisión
¿Qué es entonces, en última instancia, la agricultura de precisión? Es la capacidad de decidir y realizar la mejor intervención técnica en el lugar adecuado en el momento óptimo. Hace que sea más fácil planificar con anticipación y actuar con precisión en términos de espacio, ya sea en relación con una parcela, un animal o un edificio. Significa realizar una intervención dirigida a un animal, proporcionándole exactamente lo que necesita, cuando lo necesita. También es una nueva oportunidad para considerar a los animales individualmente sobre la base de sus propias actuaciones y situaciones, en lugar de tomar decisiones a nivel de rebaño o manada. Este enfoque en el individuo más que en el grupo permite tener en cuenta la heterogeneidad. Y cuanto mayor sea la heterogeneidad, mayores serán las ganancias. Cuando esta forma de cría esté más desarrollada, por ejemplo, cambiará significativamente las prácticas en la cría de cerdos, donde la unidad de base es actualmente una piara de treinta cerdos de engorde. Este es potencialmente un verdadero cambio técnico que permite tanto un aumento de los rendimientos como una reducción de los insumos. Por ejemplo, los agricultores podrían modular automáticamente la dosis de control de malezas, riego y fertilizante dentro de una parcela según las condiciones del suelo, los rendimientos del año anterior y las mediciones del estado de la vegetación. Podrán ajustar automáticamente las porciones de alimento basándose en lecturas instantáneas de las actuaciones individuales de cada animal. También será posible ajustar instantáneamente los dispositivos de acuerdo con los cambios en el entorno en el que operan. los agricultores podrían modular automáticamente la dosis de control de malezas, riego y fertilizante dentro de una parcela en función de las condiciones del suelo, los rendimientos del año anterior y las mediciones del estado de la vegetación. Podrán ajustar automáticamente las porciones de alimento basándose en lecturas instantáneas de las actuaciones individuales de cada animal. También será posible ajustar instantáneamente los dispositivos de acuerdo con los cambios en el entorno en el que operan. los agricultores podrían modular automáticamente la dosis de control de malezas, riego y fertilizante dentro de una parcela en función de las condiciones del suelo, los rendimientos del año anterior y las mediciones del estado de la vegetación. Podrán ajustar automáticamente las porciones de alimento basándose en lecturas instantáneas de las actuaciones individuales de cada animal. También será posible ajustar instantáneamente los dispositivos de acuerdo con los cambios en el entorno en el que operan.

Por tanto, el resultado será una mayor eficiencia con mejores prestaciones técnicas, costes reducidos y un menor impacto medioambiental. Además, será posible rastrear y documentar automáticamente las intervenciones en el tiempo y el espacio. La agricultura de precisión es, en última instancia, solo un conjunto de técnicas complementarias específicas del sector. Probablemente iremos más allá de la optimización técnica de las prácticas actuales y crearemos palancas que tengan el potencial de cambiar todo el ecosistema agrícola. Gracias a una agricultura mesurada y, no lo olvidemos, más sistémica, seremos capaces de intensificar la agricultura de forma respetuosa con el medio ambiente.

Por lo tanto, las revoluciones de la agricultura digital y de conservación transformarán el panorama agrícola al cambiar las técnicas de producción, los métodos de supervisión y las habilidades necesarias para tener éxito. Como resultado, el papel del agricultor cambiará radicalmente. En el pasado, los agricultores necesitaban habilidades técnicas. Hace varios años empezaron a necesitar habilidades de gestión y ventas, y ahora se requieren habilidades estratégicas e interpersonales “gerenciales”. En otras palabras, los agricultores aún deben ser excelentes técnicos, pero también deben convertirse en buenos líderes empresariales. La llegada de la tecnología digital a la agricultura seguramente también generará la necesidad de nuevas habilidades, o al menos nuevos comportamientos y formas de pensar.

Estamos haciendo balance del alcance previsible de la próxima transformación y la necesidad crucial de que los agricultores adquieran nuevas habilidades no solo sino también a lo largo de la cadena de asesoramiento relacionada. Dada la emergencia climática, este cambio también deberá producirse a una velocidad sin precedentes.

La agricultura de conservación será una forma de agricultura que haga un mayor uso de las habilidades y los conocimientos y consuma menos insumos.

Leer más

Las inversiones en tecnologías de precisión para ganado lechero representan decisiones importantes en las granjas lecheras.

Crédito de la foto: Barbara Jones, Tarleton State University
Crédito de la foto: Barbara Jones, Tarleton State University
La toma de decisiones sobre el uso de tecnologías de precisión en una granja lechera se presentará en el Día de la innovación agrícola de la Universidad Estatal de Michigan: Enfoque en los forrajes y el futuro . El evento se llevará a cabo de 12:30 a 9 pm el 24 de agosto de 2017 en el Lake City Research Center en Lake City, Michigan.

Estas decisiones requieren una cuidadosa consideración y recopilación de información. La tecnología de precisión será valiosa si se dirige a un área de gestión que necesita mejoras y se utilizará de forma rutinaria.

Varios factores influyen en si se debe realizar una inversión en una tecnología de precisión y qué tecnología comprar:

Costo : se deben considerar los costos iniciales de compra, reemplazo y mantenimiento. La inversión inicial incluye unidades de monitoreo de vacas individuales, antenas que transmiten datos a la computadora (o lectores de datos en el salón) y software de computadora que resume los datos y genera informes.
Período de garantía : ¿Cuál es la política de reemplazo para todos los equipos que funcionan mal?
Fiabilidad y flexibilidad : una tecnología de precisión es valiosa si registra los datos correctamente y para la vaca adecuada. ¿Se pueden leer mal las etiquetas y con qué frecuencia?
Sensibilidad y especificidad – ¿Qué porcentaje de los eventos (por ejemplo, calores, enfermedad) se detectan: meta,> 80 por ciento (sensibilidad)? ¿Cuántas alertas falsas se indican: objetivo, <1 por ciento (especificidad)? Facilidad de uso : los datos deben resumirse en informes que sean fácilmente interpretados por los administradores del hato y otras personas que toman decisiones. ¿Se pueden integrar los datos en el software de gestión del rebaño de la granja (p. Ej., PCDART o DairyComp 305) para una búsqueda rápida de animales individuales? Frecuencia de recopilación de datos : ¿los datos se recopilan continuamente a través de antenas colocadas en los establos independientes o solo se leen cuando las vacas pasan por la sala? Si es necesario, ¿hay una conexión a Internet confiable disponible en la granja? Requisitos de mano de obra: las necesidades de mano de obra dependerán del sistema de gestión actual del hato y de la tecnología de precisión que se considere. Aunque es posible que se requiera mano de obra adicional para revisar los datos y los informes y para tomar decisiones sobre las acciones necesarias, es posible que se produzca un ahorro neto de mano de obra real. Servicio al cliente y soporte técnico : ¿Qué tipo de capacitación se brinda para usar la tecnología? ¿Hay asistencia técnica disponible cuando se necesita? ¿Hay un representante de ventas local que atienda el área? La publicación de Extensión de la Universidad de Kentucky , “Consideraciones de preinversión para tecnologías de producción lechera de precisión” , ofrece información adicional para los productores de leche que toman decisiones de compra. Una consideración importante para cualquier inversión es la relación costo / beneficio. ¿Cuál es el objetivo de la cantidad de tiempo necesario para recuperar la inversión? El marco de tiempo real de equilibrio probablemente dependerá de una combinación de costos reducidos y mayores ingresos. La presentación de tecnología de precisión para ganado lechero es solo parte del programa de todo el día, Día de innovación agrícola de MSU : Enfoque en los forrajes y el futuro, que se llevará a cabo de 12:30 pm a 9 pm el 24 de agosto. Habrá numerosas oportunidades para aprender las últimas investigaciones sobre producción de ensilaje, doble cultivo, empacado y carne de vacuno de pastoreo, entre otros temas.

Leer más

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

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

drones

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

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

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

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

drones

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

firmas espectrales

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

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

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

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

Leer más