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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Leer más

El Yara N-Sensor es un sensor de nitrógeno de tasa variable en tiempo real que permite a los agricultores medir el requerimiento de nitrógeno del cultivo a medida que el esparcidor de fertilizante pasa por el campo y ajusta de manera variable la tasa de aplicación de fertilizante en consecuencia.

N-Sensor asegura que se aplique la dosis correcta y óptima de fertilizante en cada parte individual del campo. Se ha convertido en la tecnología de referencia para la agricultura de precisión.

N-Sensor: detección remota montada en tractor
La fertilización específica del lugar es uno de los principales objetivos de la agricultura de precisión. La aplicación de dosis variable requiere herramientas precisas y eficientes para determinar la demanda real de nutrientes. Las técnicas de teledetección ofrecen la oportunidad de entregar esta información de forma rápida, precisa y rentable. El N-Sensor se ha desarrollado para determinar el estado del nitrógeno del cultivo midiendo las propiedades de reflectancia de la luz de las copas de los cultivos y para permitir una fertilización de tasa variable «sobre la marcha».

Ventajas del uso del sensor N
Lleve la dosis óptima de fertilizante en cada parte del campo
Mejorar el potencial de cultivo en todo el campo
Incrementar la eficiencia de los fertilizantes
Disminuir los residuos de nitrógeno en los suelos después de la cosecha.
Incrementar el rendimiento
La calidad es más homogénea
Reducir el tiempo y el costo de la cosecha
Reducir el riesgo de pérdidas de nitrógeno al medio ambiente.
¿Cómo funciona N-Sensor?
El N-Sensor determina una demanda de nitrógeno midiendo la reflectancia de la luz del cultivo cubriendo un área total de aproximadamente 50m2. Las mediciones se toman cada segundo con el sistema diseñado para operar a velocidades normales de trabajo y todos los anchos de combate. La tecnología de detección aplicada a la agricultura se basa en la curva de reflectancia de luz típica de la vegetación. N-Sensor mide la reflectancia de la luz en bandas de ondas específicas relacionadas con el contenido de clorofila y la biomasa del cultivo. Calcula la absorción real de N del cultivo. Las dosis de aplicación óptimas se derivan de los datos de absorción de N y se envían al controlador del esparcidor o pulverizador de dosis variable, que ajustará las dosis de fertilizante en consecuencia.

Todo el proceso para determinar el requerimiento de nitrógeno del cultivo y la aplicación de la dosis correcta de fertilizante ocurre instantáneamente, sin demora. Esto permite que sea posible la “agronomía en tiempo real”.

Desarrollo de N-Sensor
Tras el desarrollo coordinado por el Centro de Investigación y Desarrollo de Yara, Hanninghof en Alemania, el primer N-Sensor (Clásico) se introdujo en 1999 para su uso en cereales.

Trabajar para desarrollar el N-Sensor para mantenerse al día con los cambios en la producción de cereales, así como para su uso en una gama más amplia de cultivos, ha sido una parte continua del Programa de I + D de Yara. Se han realizado más de 250 ensayos entre 1997 y 2010 para perfeccionar su desempeño y agregar nuevos programas como las calibraciones Absolute-N para colza.

N-Sensor y N-Sensor ALS: dos sistemas, una filosofía
En 2006, Yara lanzó el nuevo N-Sensor ALS (fuente de luz activa), que funciona de manera similar al clásico N-Sensor para determinar la demanda de nitrógeno de un cultivo midiendo la reflectancia de la luz del cultivo. Ambos sistemas hacen uso de los mismos algoritmos agronómicos basados ​​en ensayos de campo para una fertilización óptima en un sitio específico y ambos están conectados a una terminal de vehículos donde se almacenan los datos de cultivos y GPS para su procesamiento.

La principal diferencia entre los dos N-Sensors es que el sensor ALS tiene su propia fuente de luz incorporada. En lugar de utilizar la luz del día para la medición, el N-Sensor ALS emite constantemente su propia fuente de luz al cultivo, utiliza lámparas de flash de xenón y registra la reflectancia. Esto permite el funcionamiento del N-Sensor ALS independientemente de las condiciones de luz ambiental, incluso de noche.

Logros
El N Sensor ALS recibió la medalla de oro RASE en 2008
Los rendimientos de cereales aumentaron en un 3,5% cuando se utilizó la misma intensidad de fertilizante
Los rendimientos de semillas oleaginosas aumentaron un 3,9% a través de la calibración Absolute-N
Se han registrado ahorros de nitrógeno de hasta un 14% donde se utilizó el sensor de N
Los aumentos en la eficiencia del uso de nitrógeno han reducido la huella de carbono en un 10-30%
El rendimiento de la cosechadora se incrementó en un 12-20% debido a un alojamiento reducido, menores pérdidas y velocidades de admisión más rápidas.
Los niveles de proteína en los cultivos de cereales mostraron una mayor consistencia con un promedio de 0,2-0,5% por encima del objetivo
Una reducción del 80% en las tasas de alojamiento (en comparación con cultivos donde se aplicó nitrógeno bajo prácticas convencionales)

Leer más

La agricultura de la UE debe hacer frente a desafíos globales como la mitigación del cambio climático o hacer que la agricultura sea más eficiente. La gestión activa de las prácticas agrícolas utilizando tecnologías y prácticas adecuadas, como la agricultura de precisión, podría reducir las emisiones de gases de efecto invernadero (GEI) al tiempo que aumenta la productividad y los ingresos agrícolas. Sin embargo, la información sobre la aceptación y los impactos del uso de tecnologías de agricultura de precisión en la UE es hasta ahora escasa y específica del lugar. Este informe técnico evalúa el impacto de la tecnología de agricultura de precisión (PAT) en las emisiones de GEI y la economía agrícola. Para ello, se creó una tipología de PAT con el fin de identificar aquellas que tenían mayor potencial para reducir las emisiones de GEI. En segundo lugar, se seleccionaron cinco estudios de caso con el objetivo de identificar una combinación de países de la UE, técnicas de agricultura de precisión y tipos de cultivos herbáceos que podrían obtener los máximos beneficios económicos y ambientales potenciales de la adopción de PAT. Se aplicó una encuesta a 971 adoptantes y no adoptantes en los casos de estudio seleccionados con el objetivo de evaluar las razones detrás de la adopción y los impactos económicos y ambientales de los diferentes. Finalmente, se investigaron los impactos económicos y ambientales mediante un análisis presupuestario parcial y el modelo Mitra-Europa respectivamente. Los resultados indican que aunque la mayoría de los agricultores conocían PAT, las tasas de adopción son bajas entre los agricultores encuestados. Los altos costos de inversión, el tamaño de la finca y la edad que se identificaron tienen un obstáculo fundamental para la adopción. La encuesta revela que las barreras de adopción podrían superarse impulsando los incentivos económicos con el objetivo de mejorar el desempeño económico tanto directa como indirectamente. Sin embargo, Los incentivos no monetarios, como el asesoramiento técnico o la capacitación, también parecieron ser interesantes para los agricultores encuestados. Los resultados de la encuesta también mostraron que puntos de información como el aprendizaje entre pares, las visitas a ferias comerciales, los investigadores y los distribuidores de la industria tuvieron un efecto positivo en la mejora de la aceptación de PAT. Los resultados del análisis de presupuesto parcial, donde no se incluyen los costos de capital de las tecnologías, indican que los impactos son muy variables por país, tipo y tamaño de finca y por tecnología. Los resultados del análisis de impacto ambiental mostraron que la introducción de PAT podría tener efectos positivos sobre el medio ambiente, con reducciones en las emisiones de GEI de la aplicación de fertilizantes, producción de fertilizantes y uso de combustible. Los resultados de la encuesta también mostraron que puntos de información como el aprendizaje entre pares, las visitas a ferias comerciales, los investigadores y los distribuidores de la industria tuvieron un efecto positivo en la mejora de la aceptación de PAT. Los resultados del análisis de presupuesto parcial, donde no se incluyen los costos de capital de las tecnologías, indican que los impactos son muy variables por país, tipo y tamaño de finca y por tecnología. Los resultados del análisis de impacto ambiental mostraron que la introducción de PAT podría tener efectos positivos sobre el medio ambiente, con reducciones en las emisiones de GEI de la aplicación de fertilizantes, producción de fertilizantes y uso de combustible. Los resultados de la encuesta también mostraron que puntos de información como el aprendizaje entre pares, las visitas a ferias comerciales, los investigadores y los distribuidores de la industria tuvieron un efecto positivo en la mejora de la aceptación de PAT. Los resultados del análisis de presupuesto parcial, donde no se incluyen los costos de capital de las tecnologías, indican que los impactos son muy variables por país, tipo y tamaño de finca y por tecnología. Los resultados del análisis de impacto ambiental mostraron que la introducción de PAT podría tener efectos positivos sobre el medio ambiente, con reducciones en las emisiones de GEI de la aplicación de fertilizantes, producción de fertilizantes y uso de combustible. donde no se incluyen los costos de capital de las tecnologías, indica que los impactos son muy variables según el país, el tipo y tamaño de la finca y la tecnología. Los resultados del análisis de impacto ambiental mostraron que la introducción de PAT podría tener efectos positivos sobre el medio ambiente, con reducciones en las emisiones de GEI de la aplicación de fertilizantes, producción de fertilizantes y uso de combustible. donde no se incluyen los costos de capital de las tecnologías, indica que los impactos son muy variables según el país, el tipo y tamaño de la finca y la tecnología. Los resultados del análisis de impacto ambiental mostraron que la introducción de PAT podría tener efectos positivos sobre el medio ambiente, con reducciones en las emisiones de GEI de la aplicación de fertilizantes, producción de fertilizantes y uso de combustible.

Leer más

El big data es un concepto que ha cambiado la forma de analizar datos e información en diferentes entornos como la industria y recientemente, en la agricultura. Se utiliza para describir un gran volumen de datos (estructurados o no estructurados), que son difíciles de obtener, procesar o analizar utilizando tecnologías y herramientas convencionales como bases de datos relacionales o estadísticas convencionales, en un tiempo razonable para su conocimiento. Sin embargo, el Big Data se aplica de manera diferente en cada área para aprovechar su potencial y capacidades. Especialmente en la agricultura que presenta condiciones más exigentes debido a su incertidumbre inherente, por lo que los métodos y modelos de Big Data de otros entornos no se pueden utilizar de inmediato en este ámbito. En este papel,

Leer más

La agricultura en un sitio específico está haciendo lo correcto en el lugar correcto en el momento correcto. Los sistemas agrícolas específicos del sitio pueden ser tan simples o complejos como lo requiera el agricultor o el proveedor de insumos agrícolas.

Los beneficios económicos para el productor de las tecnologías específicas del sitio dependen de las herramientas utilizadas y la escala del sistema. Las herramientas de guía vinculadas al GPS y las ubicaciones con identidad preservada (IP) son escalas de campo completo. El uso de monitores de rendimiento, muestreo de suelo de zona, fertilizante de dosis variable o siembra de dosis variable se realiza dentro de la escala del campo.

Los efectos económicos y ambientales generalmente no están relacionados. Sin embargo, debido a las futuras políticas gubernamentales, la economía y los efectos ambientales de la agricultura están más conectados hoy que en el pasado.

Foto de Dave Franzen, NDSU

El agua superficial puede verse afectada negativamente por una gestión deficiente de los fertilizantes nitrogenados y fosfatados. (Dave Franzen, NDSU)

Guía de tractor / vehículo vinculado a GPS
Los sistemas de guía vinculados al GPS pueden reducir la superposición de fertilizantes / plaguicidas durante la aplicación, aumentar la velocidad de las operaciones, ofrecer una mayor flexibilidad en la calidad del trabajo, extender la jornada laboral y dar como resultado una ubicación de insumos más óptima (Griffin et al., 2008). En un estudio de caso de sistemas de orientación, Griffen et al. (2008) encontraron que una jornada laboral extendida de tres horas con un tractor guiado resultó en un retorno adicional de $ 1.63 / acre.

Los sistemas de guía también ayudaron a plantar los campos de la manera más eficiente con una superposición mínima, reduciendo el tiempo de la sembradora en un 30 por ciento, estimando una superposición del 10 por ciento con la sembradora, el aplicador de fertilizante o el aplicador de pesticidas en aerosol, pero la superposición se redujo al 0.5 por ciento utilizando el sistema de guía.

El tiempo ahorrado con el uso de la guía del tractor podría usarse para terminar la siembra antes, lo que en el maíz se ha demostrado que aumenta el rendimiento en un bushel / acre por día, o el tiempo adicional podría considerarse en la decisión de cultivar más acres.

La superposición es posible entre pasadas (22 pasadas en un campo cuadrado de 40 acres con un 10 por ciento de superposición en filas de 30 pulgadas de aproximadamente 0.5 acre superpuestas por campo) y también en cada extremo del campo (1,320 pies con 6 pies de superposición en los extremos da como resultado una superposición de aproximadamente 0.36 acres en un campo de 40 acres). La superposición total en un campo cuadrado es típicamente de aproximadamente 0,86 acres, o aproximadamente un 2 por ciento adicional de semillas, fertilizantes y pesticidas necesarios.

El uso de estos sistemas para reducir la superposición daría como resultado un ahorro de costos de insumos de $ 1 / acre para la soja, $ 2 / acre para frijoles secos, $ 2.50 / acre para trigo (Swenson y Haugen, 2009) y más de $ 4 / acre para maíz y azúcar. remolacha.

En los campos que no son cuadrados o tienen características internas que obligan a los agricultores a cultivar a su alrededor, como pilas de rocas, baches de agua y cursos de agua, la superposición puede aumentar los insumos hasta en un 15 por ciento. Una encuesta reciente de granjas estadounidenses realizada por el Departamento de Agricultura de EE. UU. Indica un 2,5 por ciento más de ganancias para los agricultores que utilizan sistemas de guía GPS, en comparación con los agricultores que no utilizan la guía GPS (Schimmelpfennig, 2016).

Desde el punto de vista medioambiental, la reducción de la superposición tiene la ventaja de reducir la carga total de fertilizantes y pesticidas en aproximadamente un 2 por ciento en campos cuadrados y más en campos de formas irregulares, campos con hileras de puntos y campos con baches u otras características internas que requieren conducir.

Hay disponibles cierres de pulverizadores individuales controlados por GPS. Eliminan la superposición en áreas de formas extrañas al rociar pesticidas o fertilizantes líquidos.

El control de franjas (Shockley et al., 2008) redujo los costos de insumos mucho más que los sistemas de guía por sí solos en campos de límites irregulares. Los ahorros en fertilizante solo debido a los cierres de boquillas individuales oscilaron entre $ 24 y $ 32 / acre.

Identidad preservada (IP)
Los mapas GPS y GIS se utilizan en la contratación y comercialización de granos de propiedad intelectual (North Dakota State Seed, 2008). Debido a que las operaciones de campo guiadas por GPS también están vinculadas con las ubicaciones de GPS dentro de cada límite de campo, GIS brinda la oportunidad de crear un registro de operaciones de campo para cada campo de IP.

Las primas para ciertos cultivos se otorgan a través de contratos que oscilan entre $ 1 y $ 2 / bushel para la soja no transgénica. Dahl y Wilson (2002) ofrecen un análisis de la propiedad intelectual en Dakota del Norte.

Desde el punto de vista medioambiental, mantener registros GPS de la aplicación de pulverización ayuda a verificar la aplicación. Esta información es particularmente importante cuando se aplican plaguicidas de uso restringido.

Además, la información del GPS con respecto a una aplicación de rociado puede ser extremadamente útil en litigios por deriva de rociado o volatilidad de rociado (a favor y en contra de un demandante), así como para dirigir el rociador a la ubicación correcta del campo y evitar la aplicación en el campo y cultivo incorrectos. Evitar una sola carga de pesticida o fertilizante aplicado en el campo equivocado puede resultar en ahorros para el aplicador de unos pocos a muchos miles de dólares.

Fertilizante de tasa variable
El propósito del fertilizante de dosis variable es colocar el fertilizante donde se necesita. Uno pensaría que existirían muchos ejemplos de rentabilidad con el uso de fertilizantes de dosis variable.

En un proyecto de tres estados realizado en Dakota del Norte, Montana y Minnesota entre 2000 y 2003, los campos se dividieron en parcelas de dosis variable y uniforme con respecto al fertilizante de nitrógeno (N). Un análisis económico de los campos encontró que al utilizar las recomendaciones de fertilizantes disponibles en ese momento en un enfoque de zona, el N de dosis variable no proporcionó ninguna ventaja económica, en comparación con el N de dosis uniforme dirigido por una prueba de suelo compuesta (Haugen y Aakre, 2005) .

Estos resultados estimularon la investigación para actualizar las recomendaciones de N basadas en nuestra capacidad actual para variar las tasas dentro de los campos. En Montana, la investigación mostró rápidamente que las áreas con mayor materia orgánica en pendientes más bajas no respondieron al N; esto significaba que se requería un mínimo de N suplementario, incluso si los niveles de N del suelo eran bajos. En contraste, las áreas de menor rendimiento en las cimas de las colinas y las laderas erosionadas requerían más N por bushel productivo de lo que se esperaba anteriormente.

Las recomendaciones actuales de fertilizantes en Dakota del Norte no son fórmulas basadas en el rendimiento porque la investigación indica que se requieren tasas similares de nutrientes tanto si un cultivo se cultiva en un ambiente de bajo rendimiento como en un ambiente de alto rendimiento. Esto se debe a la baja eficiencia de absorción de nutrientes y la baja disponibilidad en suelos muy secos o muy húmedos, en comparación con la alta eficiencia de absorción de nutrientes y disponibilidad en entornos de alto rendimiento.

La siguiente página es un estudio de caso de un campo de 40 acres cerca de Valley City, Dakota del Norte, que se examinó específicamente en el sitio durante aproximadamente 10 años.

Economía ambiental
En el caso de estudio de Valley City, el uso de la aplicación de N en dosis variable redujo el N en las Zonas 1 y 2. Si el cultivo no usó el N, ¿adónde fue?

El ciclo N es complejo. Aproximadamente la mitad del fertilizante N, en el mejor de los casos, se destinó a la cosecha de trigo y el resto de la absorción del trigo fue del suelo y la liberación de N residual.

Además, parte del fertilizante fue secuestrado al menos temporalmente en biomasa microbiana o compuestos intermedios de materia orgánica; sin embargo, se aplicó menos a las Zonas 1 y 2 en el sistema de tasa variable que en el sistema N uniforme.

La limpieza de nitratos documentada en Khan y Spalding (2004) costó alrededor de 16 centavos / 1,000 litros por aproximadamente 12 partes por millón (ppm) de agua subterránea para reducirse por debajo de 10 ppm en un municipio de Nebraska. Esto es aproximadamente 16 centavos / 2 gramos de N. Si la cantidad de N que ingresa a un acuífero de agua subterránea contribuyó a niveles de nitrato superiores a 10 ppm (el estándar máximo de agua potable de la Agencia de Protección Ambiental de EE. UU.), Entonces la limpieza de 500 libras de N que ingresó el acuífero sería de $ 18,160.

Además, la Zona 1 es un área húmeda, con desnitrificación en años húmedos y mineralización significativa de N en otros años. El N adicional aplicado a la Zona 1 desnitrificará. Además, el N adicional aplicado a las Zonas 3 y 4 tiende a fluir hacia la Zona 1 a través del flujo de agua subterránea y luego se desnitrifica.

Si 10 libras de N / acre de las Zonas 3 y 4 fluyeran hacia esta área y 50 libras de N / acre también se desnitrificaron después de la aplicación dentro de la Zona 1, se desnitrificaría un total de 420 libras de N en el campo.

Debido a que el óxido nitroso se clasifica 310 veces más activo que un gas de efecto invernadero, en comparación con el dióxido de carbono (CO2), la pérdida efectiva de CO2 sería de 130.200 libras o 65 toneladas. Las ganancias o pérdidas de carbono de un campo no tienen valor económico; el programa Chicago Carbon Exchange se suspendió en 2010.

CASO DE ESTUDIO
Los componentes de la superficie cultivada de cada zona (Figura 1) son:

Zona 1 : depresiones, 4,5 por ciento de materia orgánica, suelos mal drenados, 3 acres;
Zona 2 de baja productividad : cimas de crestas arenosas o arcillosas, 2,5 por ciento de materia orgánica; baja productividad; 10 acres
Zona 3 – suelos francos de alto rendimiento, 3.5 por ciento de materia orgánica con horizonte subsuperficial argílico que limita la lixiviación; alta productividad; 16 acres
Zona 4 – suelos francos de mayor rendimiento, 4 por ciento de materia orgánica con horizonte subsuperficial argílico; 11 acres

El valor de muestra compuesto de nitrato-N de caída es 40 libras de N por acre después de la cebada. Usando la calculadora de N de trigo de primavera en www.ndsu.edu/pubweb/soils/wheat/, a $ 5 por bushel para el trigo de primavera y 40 centavos para los costos de N, productividad media, la tasa de N para el campo de 40 acres sería:

50 libras de N / acre, para un N total requerido de 2,000 libras

Un muestreo de zona para nitrato-N residual dio como resultado los siguientes valores de nitrato-N:

Zona 1 – 20 libras de N por acre
Zona 2 – 30 libras de N por acre
Zona 3 – 40 libras de N por acre
Zona 4 – 60 libras de N por acre

Tasas variables para zonas basadas en la calculadora de N, $ 5 por bushel de trigo de primavera, 40 centavos de N:

Zona 1 – 10 libras de N / acre (30 libras de N para toda la zona)
Zona 2 – 0 libras de N / acre
Zona 3 – 130 libras de N / acre antes de plantar (2080 libras de N para toda la zona)
Zona 4 – 110 libras de N / acre antes de la siembra (1,210 libras de N para toda la zona)
N total usado – 3,320 libras

Con base en la ecuación de respuesta del rendimiento del trigo de primavera para los campos orientales de productividad media y sin labranza a largo plazo, se esperaría lo siguiente con cada sistema:

N uniforme: 13,8 por ciento de proteína, 47 bushels por acre
N de tasa variable:

Zona 1 – 14 por ciento de proteína, 30 bushels por acre
Zona 2 – 14% de proteína, 30 bushels por acre
Zona 3 – 14.5 por ciento de proteína, 62 bushels por acre
Zona 4 – 14.5 por ciento de proteína, 65 bushels por acre
Rendimiento promedio – 52 bushels por acre acre
Promedio de proteína – 14.3 por ciento

Económicamente, el costo de N a 40 centavos por libra es:

$ 800 por uniforme
$ 1,328 por variable más $ 40 por una aplicación adicional de barra de flujo
Costo total de tarifa variable – $ 1,528

Devolución para aplicación uniforme:

47 bushels por acre al 13.8 por ciento de proteína
X $ 4.95 por bushel = $ 9,306
Menos costo de N – $ 8,506

Devolución por aplicación de tasa variable:

52 bushels por acre al 14.5 por ciento de proteína
X $ 5.10 por bushel = $ 10.608
Menos costo de N y cargo de aplicación adicional – $ 9.080

Rentabilidad de la aplicación de N de tasa variable
: $ 574 para un campo de 40 acres

Rentabilidad por acre versus aplicación uniforme – $ 14.35

Ambientalmente, el N residual esperado sería mayor en las zonas 1 y 2 para la aplicación uniforme, en comparación con las dosis de aplicación de tasa variable.

En un estudio de Colorado, Koch et al. (2004) encontraron en el maíz de regadío que el N dirigido por la zona requería de 6 a 46 por ciento menos N, y los rendimientos netos oscilaron entre $ 7 / acre y $ 11.60 / acre para la práctica. En la encuesta del USDA a agricultores de EE. UU., El uso de fertilizantes de tasa variable resultó en un 1,1 por ciento más de retorno para los agricultores que usaban la tecnología que aquellos que no la usaban (Schimmelpfennig, 2016).

En el Valle del Río Rojo de Dakota del Norte y Minnesota, la aplicación de fertilizante de tasa variable se utilizó en casi el 54 por ciento de los acres de remolacha azucarera, con el promedio de 10 años de ganancia por acre del uso de la aplicación de fertilizante de tasa variable (principalmente N) de $ 47,24. (Datos proporcionados por American Crystal Sugar, 2017).

Figura 1

Figura 1. Un campo de 40 acres cerca de Valley City, Dakota del Norte Las zonas se desarrollaron utilizando Erdas Imagine © para estratificar y agrupar datos de topografía, imágenes de satélite y conductividad eléctrica del suelo (EC). (Dave Franzen, NDSU)

Siembra de tasa variable
Muchos productores están interesados ​​en variar la tasa de siembra en campos de suelo variable. La idea parece sensata. Una población de plantas demasiado alta en la mayoría de los cultivos en suelos secos es perjudicial en años secos. Sin embargo, el trabajo en el cinturón del maíz ha demostrado que, a pesar de lo que los productores creen saber, las poblaciones de plantas óptimas de los híbridos de maíz modernos se encuentran en un rango muy estrecho de aproximadamente 26,000 a 30,000 plantas / acre . (Doerge).

Este rango asume que el maíz emergerá de manera similar en todos los suelos, lo cual no es cierto. Los recuentos de rodales de cosecha muestran una amplia gama de variabilidad. A pesar de que el campo se sembró a una tasa uniforme, eso no significa que el campo sea uniforme.

La empresa de semillas hace hincapié en la uniformidad de las semillas y el éxito del establecimiento de los rodales. Sin embargo, existe una relación entre la densidad del rodal y el rendimiento final, lo que indica que el rendimiento relativo dentro de un campo podría ser un factor para dirigir una operación de siembra de tasa variable (Jeschke et al., 2018).

Beneficios ambientales adicionales
Una revisión de Bongiovanni y Lowenberg-Deboer (2004) describió un conjunto de hallazgos de los investigadores sobre los beneficios ambientales para la gestión de campos en sitios específicos. Éstas incluyen:

Menos N perdido al medio ambiente y mayor eficiencia en el uso de nitrógeno
Menos pérdida de N en zonas vulnerables a la lixiviación
Tarifas N reducidas
Predicción más precisa del potencial de contaminación por P
Reducción del movimiento de P en aguas superficiales
Hace tiempo que se reconoce el potencial de la agricultura en sitios específicos para aumentar la rentabilidad y disminuir las preocupaciones ambientales. Recientemente, los estudios han demostrado que con las recomendaciones de fertilizantes actualizadas, el uso de fertilizantes específicos del sitio a menudo es rentable.

Contribuyen a la rentabilidad los mayores costos de los insumos de fertilizantes. También se han demostrado una serie de beneficios ambientales debido a la mejor ubicación de los nutrientes y la menor necesidad de que los productores agreguen tasas de fertilizantes “seguros” en los campos.

La limpieza excesiva de nitratos en las aguas subterráneas alrededor de los municipios también puede impulsar la rentabilidad del uso de nutrientes en sitios específicos a medida que la economía y el medio ambiente se relacionan más estrechamente a través de cambios en las políticas públicas. Las reglas emergentes de escorrentía de fosfato pueden resultar en un mayor requerimiento y necesidad de tecnologías específicas para el sitio.

Beneficio económico general
La conclusión de la encuesta del USDA a los agricultores de EE. UU. (Schimmelpfennig, 2016) fue que los agricultores que utilizaron al menos una tecnología específica para el sitio eran $ 64,50 por acre más rentables que los agricultores que no lo hicieron. En Dakota del Norte, la ganancia fue de $ 88,10 más para los agricultores que usaban tecnologías de agricultura de precisión que los que no lo hacían.

Quizás los agricultores que utilizaron tecnologías específicas para un sitio en Dakota del Norte y los EE. UU. En su conjunto podrían ser un grupo de agricultores que toman decisiones de siembra y aplicación de pesticidas más oportunas, mejores decisiones de gestión o mejores decisiones de marketing. Estos factores de confusión no se consideran en la encuesta.

La mayor ganancia para los agricultores de Dakota del Norte puede deberse al volumen de investigación específica del sitio directamente aplicable para los agricultores en este estado y al desarrollo de recomendaciones de fertilizantes que tienen el mayor uso práctico cuando se combinan con aplicaciones específicas del sitio. Las opciones de cultivo en este estado también son más adecuadas para la aplicación de fertilizantes de dosis variable que una simple rotación de maíz / soja.

El trigo de primavera, el trigo duro, la remolacha azucarera, la papa, el girasol y la cebada maltera tienen componentes de calidad que están relacionados con la tasa de N en particular, lo que proporciona un incentivo para no sobreaplicar N y otros nutrientes, lo que no es tan preocupante para el maíz.

Leer más

Programar la cosecha y el transporte de cultivos altamente perecederos y recolectados a mano, como las fresas, para que estos productos delicados lleguen a los consumidores con su máximo sabor y frescura es una danza intrincada que asocia a la madre naturaleza con el trabajo manual.

Sin embargo, muchas de las técnicas y tecnologías de “agricultura inteligente” que ayudan a los productores a cosechar más de lo que siembran de manera más rápida y eficiente se han enfocado principalmente en cultivos en hileras como maíz y soja, sin pasar por los productores de productos frescos de alto valor.

“Las grandes máquinas utilizadas para cosechar cultivos en hileras como trigo, maíz y soja proporcionan una plataforma natural para mejorar la eficiencia”, dijo Richard Sowers , profesor de ingeniería de sistemas industriales y empresariales y de matemáticas en la Universidad de Illinois . “Sin embargo, la historia es radicalmente diferente en cultivos de alto valor recolectados a mano como las fresas, que pueden ser muchas veces más valiosas por acre que el maíz. Con cultivos recolectados a mano, la agricultura de precisión se queda muy atrás «.

“Cien acres de maíz pueden tener un valor de solo $ 800,000, mientras que la misma cantidad de acres plantados con fresas puede valer $ 7.5 millones”, dijo Devasia Manuel, una ex alumna reciente de Illinois. “Sin embargo, los recolectores de fresas utilizan pocas o ninguna técnica de agricultura de precisión. Es bastante asombroso «.

Manuel, actualmente investigador de aprendizaje automático de Google, fue el autor principal de un artículo con Sowers que exploró un modelo matemático para determinar el momento óptimo para transportar una cosecha de fresas desde el campo hasta el almacenamiento en frío.

La metodología de Sowers y Manuel se describe en un artículo publicado en la revista Natural Resource Modeling.

Sowers y Manuel, entonces un estudiante de posgrado en Illinois, observaron a los trabajadores cosechando fresas en Crisalida Farms en Oxnard, California. El algoritmo de los investigadores exploró el deterioro que podría sufrir el productor si enviaba camiones parcialmente cargados a las estaciones de enfriamiento, en lugar de esperar hasta que sus camiones estuvieran cargados hasta su capacidad para transportar la fruta al almacenamiento en frío.

Las frutas recolectadas a mano, como las fresas, comienzan a descomponerse inmediatamente después de ser cosechadas, y el valor de mercado de la cosecha puede disminuir hasta en un 10 por ciento por hora si el producto cosechado se queda al sol esperando ser transportado a un almacenamiento refrigerado, Sowers dijo.

“A los productores les gustaría transportar sus cultivos a las estaciones de enfriamiento de acuerdo con una política óptima, pero esa política debe reflejar una compensación entre la pérdida de calidad y la tasa de cosecha”, dijo Sowers.

A diferencia de los cultivos cosechados a máquina, la cosecha de cultivos recolectados a mano varía de un trabajador a otro y según la hora del día a medida que los trabajadores se acaloran y se fatigan, anotaron los investigadores en el estudio.

“Si sus trabajadores recogen el 90 por ciento de una carga en solo 15 minutos y luego disminuyen la velocidad debido al calor, tendría sentido llevar la carga al almacenamiento en frío aunque el camión esté solo parcialmente lleno”, dijo Sowers. “Esa es una imagen muy simplificada, pero eso es a lo que estábamos tratando de llegar. Pensamos en cómo modelar estas compensaciones e hicimos algunas optimizaciones y simulaciones, y descubrimos que podrían ser posibles algunos ahorros significativos «.

Los sembradores se negaron a citar los valores en dólares porque sus hallazgos eran teóricos y el modelo debería calibrarse con los datos reales de cosecha y deterioro de los productores.

Sin embargo, los hallazgos fueron alentadores, dijo Sowers, y las posibles recompensas financieras deberían motivar a los investigadores y productores de cultivos a explorar oportunidades para aplicar técnicas de agricultura de precisión al manejo de cultivos especiales y cosechados a mano.

Leer más

Se están adoptando sistemas de sensores de aplicación de tasa variable en muchas granjas para agilizar y simplificar los procesos agrícolas. Este artículo le ofrece un resumen de todas las cosas importantes que necesita saber y destaca los aspectos positivos y negativos de ellas. Al final del artículo, debe tener suficiente información para tomar una decisión informada sobre si un sistema de sensores de aplicación de dosis variable es una buena inversión para su granja.

¿Qué es un sistema de sensor de aplicación de tasa variable?
En un nivel básico, el sistema de sensor de aplicación de dosis variable está diseñado para medir las propiedades del suelo, la humedad o los cultivos. Estos sistemas funcionan en tiempo real, lo que permite a los agricultores comprender sus granjas con mayor detalle y luego brindar soluciones a cualquier problema que detecten los sensores. Algunos sistemas están diseñados para funcionar con un sistema de mapas preinstalado, mientras que otros dependen de la entrada de datos por parte de los usuarios. Son extremadamente útiles para muchas aplicaciones agrícolas prácticas que van desde la siembra hasta la fertilización y el riego. Cuando se combinan con una red de fertirrigación, estos sensores le indicarán al sistema cuánta humedad necesita el suelo y cuánto fertilizante se requiere para mantener un crecimiento constante del cultivo.

Los sistemas en sí son bastante técnicos y requerirán cierta educación sobre cómo funcionan y sus funciones antes de poder utilizar el equipo de manera eficaz.

¿Qué funciones podré usar en mi granja?
Las funciones de un sistema sensor de aplicación de dosis variable son de gran alcance. Se pueden usar para medir los valores nutricionales del suelo, permitir a los agricultores sembrar de manera más uniforme, crear un ambiente rico en humedad y actuar como sensores de cultivos para identificar áreas problemáticas. Con este fin, los agricultores de precisión están utilizando los sistemas de diversas formas, algunos eligen utilizar el equipo de forma independiente, mientras que otros optan por vincular el sistema a otra tecnología inteligente agrícola.

Aquí están las 4 características principales de un sistema de sensores de aplicación de tasa variable;

Los agricultores tienen mucha más información a su disposición como resultado de los sistemas, lo que les permite administrar activamente sus campos y aislar las áreas problemáticas desde el principio.
Los agricultores que utilizan el sistema pueden optimizar sus procesos y reducir la cantidad de tiempo que normalmente dedicarían a solucionar problemas. Esto mejora la calidad de la vida agrícola y permite a los agricultores la oportunidad de concentrarse en otros trabajos agrícolas o en la expansión.
Por primera vez, toda la información que un agricultor está recopilando sobre su finca está en un lugar central, lo que permite un mayor control sobre un entorno agrícola dinámico.
Emisiones reducidas ya que los agricultores ya no necesitan viajar por sus campos para recopilar información, con un sistema de mapeo preinstalado, los sensores pueden funcionar de manera completamente independiente.
Como puede ver, hay muchas cualidades atractivas en la instalación de un sistema de sensores de aplicación de tasa variable, sin embargo, existen inconvenientes en la tecnología, así que léalos antes de comprometerse a invertir en uno.

¿Cuáles son las desventajas de un sistema de sensores de aplicación de dosis variable?
El principal inconveniente es el costo, estos sistemas son equipos muy sofisticados y le costará mucho dinero comprar, educar e instalar un sistema de sensor de aplicación de tasa variable. Dicho esto, si los beneficios del sistema reducen los costos al minimizar el uso de agua, combustible y fertilizantes, aún puede ser una inversión inteligente y viable, particularmente si tiene una gran cantidad de acres.

Existen otros inconvenientes del sistema de sensor de aplicación de dosis variable que se describen a continuación;

La información recopilada por los sistemas puede ser compleja e intrincada, lo que requiere un conocimiento detallado de cómo analizar los datos y hacer uso de ellos.
El sistema de sensores ocasionalmente recopila información que es relativamente inútil, la mayoría de las aplicaciones no pueden ajustarse más allá de su propósito original y, como resultado, algunos datos recopilados y almacenados no son útiles. Esto puede ser complicado en la parte de atrás, ya que depende del agricultor discernir cuál de la información es relevante y cuál no tiene valor.
Los sensores funcionan en tiempo real, lo cual es una característica fantástica pero también un poco problemática, ya que puede ser difícil para un agricultor en las horas pico mantenerse al día con toda la información que está recopilando el sistema.
Si tiene una mente pragmática y técnica, un sistema de sensor de aplicación de tasa variable podría ser la tecnología inteligente que mejorará la vida de su granja y aumentará los márgenes de ganancia. Si tiene problemas con la administración de datos, es probable que el sistema sea una carga y hay otras partes de tecnología fáciles de usar que debe considerar en su lugar. Si ya tiene un sistema de fertirrigación instalado, tener un sistema de sensor de aplicación de dosis variable que lo acompañe podría resultar sustancialmente rentable.

Háganos saber su opinión sobre los sistemas de sensores de aplicación de tasa variable en la sección de comentarios a continuación. ¿Tiene uno instalado en su granja? ¿Nos hemos perdido una gran característica que desea compartir con otros agricultores de precisión? Cuéntanos tus experiencias a continuación.

Leer más

Es algo de lo que nunca hemos hablado en Agromática y yo creo que ya va siendo hora. La agricultura de precisión es una rama de la agricultura que está en boca de todos. Sensores, satélites, datos en tiempo real, monitorización, big data, teledetección, drones, GPS, software SIG, imágenes multiespectrales, mapeo de suelos, índices agrónomicos… todo un mundo tecnológico al servicio de un sector, que posiblemente sea de los más lentos a la hora de implantar estos sistemas. Y la gran pregunta es: ¿Merece la pena? El tiempo lo dirá. De momento hagamos una breve introducción.

LA PRECISIÓN LLEGA (AL FIN) A LA AGRICULTURA
Todos los sectores productivos llevan años a la vanguardia de las nuevas tecnologías. El sector de la automoción, la industria alimentaria, la medicina, hace uso de las famosas TIC (tecnología de la información y la comunicación) para sacar mejores rendimientos, mejorar sus productos, ahorrar costes, reducir emisiones, salvar vidas (medicina)… Sin embargo, la agricultura, desde el salto a la maquinaria agrícola autopropulsada por motor de combustión, no había vivido una revolución tecnológica hasta el S.XXI con la agricultura de precisión.

¿QUÉ ES AGRICULTURA DE PRECISIÓN?
Una definición extensa que se me ocurre sobre agricultura de precisión sería: Agricultura que hace uso de las TIC para la gestión de los cultivos obteniendo una gran cantidad de variables agronómicas que permitan un análisis más preciso de la situación del cultivo con el fin de optimizar al máximo los recursos, ahorrar costes, dosificar con gran precisión las aplicaciones de insumos (agua, fertilizantes, fitosanitarios…), sacar el máximo rendimiento y contribuir a la sostenibilidad de los sistemas agrícolas.

Quizá las haya más cortas, precisas y más o menos acertadas, pero así es como la entendemos en este blog. En resumen: es poner la tecnología de la información al servicio de agricultura para mejorarla, punto final.

¿DÓNDE ESTÁ LA BARRERA ENTRE AGRICULTURA «CONVENCIONAL» Y LA LLAMADA AGRICULTURA DE PRECISIÓN?
No resulta muy complicado hacer esta distinción. Como se ha mencionado un par de párrafos más arriba, una de las revoluciones tecnológicas del S.XX en este sector fue la maquinaria autopropulsada por el motor de combustión. Desde el primigenio tractor hasta las máquinas recolectoras más vanguardistas de hoy en día, no ha habido muchos más cambios —entiéndase cambios como algo de calado global; hablamos de revolución, no de evolución—.

¿Podríamos decir que agricultura de precisión es tener una estación meteorológica en un cultivo, o usar la información de las ya existentes para analizar patrones de clima en nuestra parcela y actuar en consecuencia? En cierta manera sí, solo en cierta manera, y aunque esto se lleva haciendo mucho tiempo, nunca se llamó agricultura de precisión. El término ha cobrado más sentido cuando se han ido añadiendo una gran cantidad de capas de información, obtenidas de diversas fuentes. Además, haciendo uso de esas capas, se consigue que «el laboreo» se haga en consecuencia a esa información. Me explico:

Si mediante una imagen de satélite, sacando algún índice agronómico de su cámara multiespectral, conseguimos saber las necesidades de fertilización de un cultivo, ya no solo a nivel global, sino a nivel mucho más concreto, podremos aplicar una dosis de fertilizante variable según esos datos y ahorrar muuuuucho dinero en algo tan caro como un fertilizante. Esto sería una primera fase de la agricultura de precisión: La toma de datos, su análisis y la interpretación de los mismos.

Índice NDVI de un cultivo

Resulta evidente que estos resultados en forma de mapa de necesidades de fertilización deben ser interpretados por un software que lleve nuestra dosificadora para saber en cada momento, cuánto fertilizante echar según ese mapa. Todo ello guiado por GPS. Ahí ya, estamos consiguiendo la cuadratura del círculo y eso ya es agricultura de precisión seria. Esta fase sería una segunda fase: Toma de decisiones y ejecución en función de la primera fase .

Hay muchos más ejemplos pero hoy no es el día de entrar en ellos. Queremos dar una breve pincelada de todo esto para, en un futuro no muy lejano, meternos más en materia. A continuación comentaremos algunas de las técnicas que se aplican. En otros artículos posteriores nos meteremos a fondo en cada una de ellas.

¿QUÉ TECNOLOGÍAS HAY?
MAQUINARIA DE CONDUCCIÓN AUTÓNOMA GUIADA POR GPS
En el ejemplo anterior es una de las tecnologías aplicadas al servicio de la agricultura, maquinaria que es capaz de cubrir una parcela según un plan preestablecido por el agricultor. El conductor, una vez en la parcela, sólo tiene que vigilar la telemetría del proceso para que todo vaya según el plan establecido. Y sí, hablo de telemetría, como en la Fórmula 1, la agricultura también tiene de eso hoy en día.

IMÁGENES DE SATÉLITE Y DE DRONES
Las imágenes de satélite y de drones, son imágenes captadas por cámaras un poco especiales que sacan fotografías aéreas de los cultivos en espectros no visibles para el ojo humano, como el infrarrojo. Con los datos obtenidos de estas cámaras podemos conocer, por ejemplo, el estrés hídrico o el vigor de un cultivo y a partir de ahí tomar las decisiones pertinentes.

agricultura de precisiónLos hay de iniciativa pública como Landsat (NASA), los actuales Sentinel (ESA) y privados (Quickbird, Deimos, Wordlview…). Actualmente los de mayor resolución son privados y la adquisición de imágenes es cara. De todas formas, la Agencia Espacial Europea (ESA) ha lanzado este año 2 satélites multiespectrales de bastante resolución, con bastante aplicación en la agricultura de precisión, pudiendo llegar a una resolución de 10m/pixel que resulta más que suficiente para analizar ciertos cultivos, cereales por ejemplo. La adquisición de imágenes de Sentinel es totalmente gratuita.

[well]

Una curiosidad al margen de la agricultura de precisión

Nos creemos que tenemos unos pocos satélites volando alrededor del globo (el METEOSAT, los del GPS, los de Google Earth y pocos más verdad?) Aquí te dejo un enlace a una web para que veas la cantidad de satélites y restos de cohete y basura espacial orbitando alrededor del globo que está acumulando la humanidad. ¡Es impresionante!

[/well]

El mundo del drone está despertando y va cogiendo fuerza. Son muy útiles para un montón de disciplinas y la agricultura no se queda corta. Drones con cámaras multiespectrales, térmicas, LiDAR… que nos permiten una precisión que por ahora es imposible que un satélite nos pueda dar. Además no tenemos el efecto de las nubes ni hay que hacer tantas correcciones como en la foto de satélite (por la distancia y las interferencias de la atmósfera en la imagen). A misma resolución son más baratos que un satélite privado y nos aseguramos siempre la máxima calidad de imagen. Los últimos drones son capaces de cubrir más de un centenar de hectáreas en un solo vuelo.

SENSORIZACIÓN EN PARCELA
en realidad son estaciones meteorológicas (algo menos precisas que las que se utilizan para climatología) pero más baratas y específicas según nuestras necesidades. Sensores de humedad ambiental, temperatura ambiental, humedad y temperatura a distintos niveles de profundidad del suelo, pluviometría, dirección y velocidad del viento, radiación solar, humectación foliar, dendrómetros… un sin fin de parámetros que se pueden medir y almacenar en memorias que se vuelcan y sirven para estudiar estados del cultivo y su relación con variables agronómicas del cultivo, plagas, etc. Este tipo de información es muy útil para hacer predicciones de aparición de plagas, predicciones de estados fenológicos… ¿os acordáis del artículo de la integral térmica?; pues tiene mucho que ver.

MAPEO DE SUELO
Otra de las capas de información que podemos conseguir mediante una maquinaria específica. Este dispositivo se pasea por nuestra parcela y nos dice una gran cantidad de parámetros del suelo. El análisis de un suelo agrícola en laboratorio es caro y además son datos extraídos de un muestreo puntual en distintos puntos de parcela. Pero un suelo es mucho más complejo y cambiante de lo que parece y podemos tener mucha diferencia a 20 metros de distancia. Con estos mapas de suelo, tenemos información continua de toda la parcela con parámetros como pH, conductividad eléctrica, textura, macronutrientes principales (NPK).

agricultura de precisión sonda de suelo
Sonda de suelo. Foto de: AgriExpo

BIG DATA
La computación en la nube, el análisis de Gigabytes e incluso Terabytes de datos. Todos estos datos que recogemos de los diferentes sensores, imágenes, cuadernos de campo. Toda, absolutamente toda la información es útil, y sobre todo si es mucha la cantidad, ya que algoritmos estadísitcos más y menos complejos son capaces de sacar patrones de comportamiento que nos ayudan a tomar decisiones acertadas en cuanto a: momento y dosis de aplicación de fertilizantes y fitosanitarios, predicciones de cosecha, predicción de heladas, necesidades de riego en tiempo real e incluso accionamiento del riego automático en función de todos estos análisis… todo un mundo.

¿ES UNA PANACEA TAL Y COMO NOS LA ESTÁN VENDIENDO?
Pues como todo, tiene su aplicación a muchos niveles. Cada tipo de tecnología (mapeo de suelo, drones, sensores…) dan diferentes capas de información que pueden sernos más o menos útiles dependiendo de nuestro objetivo, tamaño y tipo de cultivo y necesidades de optimización. Es una nueva agricultura mucho más tecnificada y desde luego traerá mejoras, ahorros al agricultor y un beneficio global que es una agricultura más sotenible. Esta agricultura está pensada para medianas y grandes superficies, donde la optimización de recursos tiene un papel más que fundamental.

¿PODEMOS APLICAR LA AGRICULTURA DE PRECISIÓN A NUESTRO HUERTO O JARDÍN?
Ajá! Como sabemos que muchos de nuestros lectores tienen pequeños huertos de autoconsumo, esta es una gran pregunta que tiene una ambigua respuesta. La primera es NO. No vamos a pasar un vuelo de drone por nuestra huerta, ni haremos un mapeo de suelo de una parcela de unos pocos cientos de metros cuadrados.

agricultura de precisión sensor de lluviaLa otra respuesta es SI!, por supesto podemos sensorizar ligeramente un jardín o un huerto y eso sí podría ser introducir un poco de precisión en el manejo de nuestros cultivos o plantas ornamentales. Os ponemos un pequeño ejemplo:

Riego con aspersores en jardín y goteo en el huerto, gobernado por un programador de riego que lleva una sonda de humedad o sensor de lluvia y sólo regará días después de haber llovido o cuando la humedad del suelo caiga por debajo de un límite. ¡Ahí tienes agricultura de precisión en tu pequeño jardín!

Leer más

La tecnología está transformando nuestra cadena alimentaria, y algunas de las innovaciones más importantes se producen en el auge de la agricultura de precisión. Juntos, la inteligencia artificial (IA) y la automatización están renovando la industria agrícola, ayudando a los agricultores a operar de manera eficiente y de nuevas formas.

La granja de hoy funciona con datos, junto con una variedad de dispositivos y tecnologías, incluidos sensores, satélites GPS, drones y robots. Esta combinación de automatización y agricultura puede significar menos fricciones y menos obstáculos para los agricultores, tanto para las decisiones basadas en cultivos como para interactuar con el USDA para obtener permisos.

Sin embargo, estos emocionantes avances no son posibles sin centros de datos confiables y escalables.

Ayudando a los agricultores a conocer los mejores tiempos para plantar cultivos
Las conjeturas y la experiencia fundamentadas alguna vez guiaron el calendario de las temporadas de plantación para la agricultura. Esas cosas todavía entran en juego, pero la IA también está avanzando en la imagen.

Por ejemplo, el oeste de Kenia tiene dos temporadas de cultivo y el maíz es el cultivo principal en ambas. Un proyecto basado en IA en la región ayuda a algunos agricultores a desarrollar nuevos conocimientos sobre sus cultivos, profundizando en los datos disponibles para extraer patrones. La aplicación envía la información a los teléfonos celulares de los agricultores y ha ayudado a los agricultores a aumentar sus rendimientos de un promedio de seis bolsas de maíz de 90 kilogramos en un año a nueve.

Este uso de IA es ideal para los pequeños agricultores, de los cuales hay varios millones en Kenia. Esta tecnología proporciona alertas sobre aspectos específicos de la siembra, como la profundidad y la ubicación de la semilla. El Internet de las cosas (IoT) también influye en las granjas inteligentes. Los sensores conectados ofrecen detalles sobre los niveles de nutrientes , la densidad y más. Recibir esta información significa que los profesionales agrícolas pueden mantenerse alejados de muchas fallas en la siembra que antes parecían inevitables.

Permitir a los investigadores investigar las mejores formas de satisfacer las necesidades futuras
La IA y la agricultura son una combinación excelente para abordar las necesidades que el sector agrícola puede enfrentar en los próximos años. La Universidad de Arizona es una de las instalaciones que impulsa la inversión en agricultura de precisión.

Investigadores de la universidad hicieron del Centro Agrícola Maricopa de 2,100 acres su sede. Allí, los datos y la automatización se combinan cuando los científicos los aplican a diversas tecnologías. El objetivo es ayudar a los agricultores a descubrir cómo minimizar las pérdidas y maximizar las ganancias. Quienes participan en la instalación dicen que quieren resolver problemas agrícolas conocidos.

Por ejemplo, algunas partes de Arizona tienen problemas con el riego por agua, mientras que otras luchan con problemas relacionados con la contaminación. En la Universidad de Arizona y en otros lugares, muchas personas señalan que la agricultura de precisión es fundamental para abordar esos desafíos.

Un informe arroja más luz sobre el impacto esperado de la agricultura de precisión en el sector agrícola. Específicamente, analizó las tecnologías de monitoreo de cultivos para un período de pronóstico de 2019-2024. Los analistas anticipan una tasa de crecimiento anual combinada (CAGR) del 12,6% , con los sistemas de posicionamiento global (GPS) a la cabeza.

Al implementar la automatización en la agricultura o en cualquier otro sector, es esencial realizar un seguimiento de la eficacia de la tecnología. Las empresas suelen estudiar tres tipos de métricas : actividad, eficiencia y valor.

Mejor visibilidad en las condiciones del cultivo
Durante décadas, los agricultores han revisado los cultivos manualmente, recogiendo tierra en sus manos o caminando entre filas de plantas para evaluar cuál parecía estar bien regada o deshidratada. Ahora, los aviones equipados con cámaras de alta resolución se encargan de esas responsabilidades, capturando imágenes más detalladas que ofrecen los satélites.

Sin embargo, los satélites aún ofrecen formas convincentes de juzgar las condiciones de los cultivos. Beth Ford, directora ejecutiva de Land O ‘Lakes, fue entrevistada recientemente en 60 Minutes . Durante el anuncio de televisión, Ford habló sobre la inversión de su marca en tecnología agrícola y cómo está ayudando a los agricultores a tener éxito en una industria cargada de problemas económicos y climáticos.

Teddy Bekele, director de tecnología de Land O ‘Lakes, intervino durante el segmento para mostrar cómo las imágenes de satélite rastrean los cultivos. Ford mencionó que, además de la tecnología satelital, Land O ‘Lakes se basa en modelos predictivos para sugerir cuántas semillas plantar por acre.

La adopción de la tecnología de drones también está impulsando el crecimiento en el mercado de la agricultura de precisión. Los drones detectan problemas que van desde invasiones de plagas o errores de plantación que dificultan el éxito de una empresa. Ya sea un avión pilotado, un satélite o un dron, los resultados son imágenes procesadas con la ayuda de centros de datos.

Algunas empresas ofrecen paneles que permiten a los usuarios recopilar imágenes de cultivos a lo largo del tiempo y ver cómo cambian. Land O ‘Lakes tiene tecnología de reconocimiento de voz para ayudar a los agricultores a utilizar señales vocales para actuar en función de lo que se muestra. Los centros de datos también son esenciales en estos casos.

Ayudar a los agricultores a redistribuir sus deberes
Cuando algunas personas piensan en la automatización y la agricultura, imaginan instalaciones masivas donde los cultivos crecen sin la intervención de los humanos. En realidad, las personas todavía ayudan a que las granjas automatizadas funcionen, pero cumplen roles diferentes que en el pasado.

Una startup de tecnología agrícola llamada Iron Ox abrió una granja autónoma en 2018. Es un entorno interior donde un sistema de tina hidropónica permite el crecimiento de aproximadamente 26,000 cabezas de lechuga cada año , junto con hierbas y verduras de hoja, dentro de 8,000 pies cuadrados.

Aunque las máquinas autónomas se encargan de algunas necesidades, como mover plantas por el edificio, los humanos plantan cada plántula y empaquetan los productos para su distribución. La combinación de la inteligencia artificial y la agricultura es sin duda beneficiosa de muchas maneras, pero no permite que la agricultura funcione sin los humanos.

Las granjas autónomas recopilan información en tiempo real y analizan qué cultivos necesitan en un momento dado. Los trabajadores reciben alertas instantáneas si algo sale mal. Los centros de datos proporcionan la infraestructura y la confiabilidad necesarias para que los agricultores confíen responsabilidades a los robots.

Fomento de la reestructuración del centro de datos del USDA
En 2018, el Departamento de Agricultura de EE. UU. (USDA) anunció una renovación sustancial de su infraestructura de TI. Para empezar, la organización planea reducir su número total de centros de datos de 39 a dos. Sin embargo, existe un vínculo entre la IA y la agricultura en esta decisión. La agencia integrará IA en sus centros de llamadas para acelerar el proceso de transferencia de datos. Además, AI automatizará los procedimientos en línea para las solicitudes de préstamos y permisos.

Fuera de los usos previstos para la IA, la agencia está probando una plataforma centralizada que la gente de todos los departamentos del USDA puede usar para realizar solicitudes. La herramienta ya ha recibido comentarios positivos. Según un representante, el objetivo es que los empleados tengan mejores experiencias con la tecnología del USDA que con la tecnología utilizada en casa.

La transición está en curso, y los representantes de la organización inicialmente esperaban que ocurrieran mejoras durante varios años. Existe un listón alto con respecto a lo que debe ser un sistema amplio y confiable. La consolidación del centro de datos del USDA significará que los dos centros deben ser excepcionalmente confiables, tanto para los clientes como para los empleados externos.

Leer más

La dependencia del control de malezas herbicidas en los barbechos de la región norte ha llevado a una evolución generalizada de la resistencia a los herbicidas en las principales especies de malezas. Dado que el glifosato es el herbicida más utilizado para el control de malezas en barbecho, la resistencia a este herbicida está aumentando a un ritmo alarmante. También hay una frecuencia cada vez mayor de resistencia a los herbicidas selectivos que se están introduciendo para tratar de controlar las poblaciones resistentes al glifosato. Se necesitan desesperadamente técnicas alternativas de control de malezas no químicas que sean adecuadas para el uso rutinario en los sistemas de cultivo de la región norte.

Las técnicas de control de malezas físicas y térmicas estaban en uso mucho antes de que se introdujeran los herbicidas y el desarrollo de nuevas opciones ha continuado a lo largo de la era de los herbicidas. Sin embargo, la mayoría de estas tecnologías no se han adoptado, principalmente debido al costo, la velocidad de operación y la adecuación a los nuevos sistemas agrícolas. La introducción de tecnologías de detección y activación de malezas crea la oportunidad de apuntar a las malezas individuales, es decir, el control de malezas específico del sitio (SSWC). Esto aumenta enormemente la posible rentabilidad de muchas técnicas direccionales de control físico de malezas en los sistemas de cultivo de conservación.

Objetivos
Desarrollar un tyne de respuesta rápida basado en un tyne de ruptura hidráulica
Utilice la energía necesaria para un control eficaz de las malas hierbas para comparar la eficiencia de técnicas alternativas de control de malas hierbas.
Método
Desarrollo de un tyne de respuesta rápida
Se ha desarrollado un sistema de tina de respuesta rápida con las especificaciones operativas de poder cultivar específicamente malezas específicas cuando están presentes en un campo en densidades de hasta 1.0 planta / 10 m 2a una velocidad de funcionamiento de 10 km / h. Para permitir el desarrollo oportuno, el concepto de tyne de respuesta rápida se basó en la modernización de un tyne Shearer Trashworker con un sistema de arranque hidráulico. Se eligió Shearer Trashworker debido a su robusta construcción, reputación y prevalencia en los sistemas de cultivo australianos. Su sistema de ruptura hidráulica es típico de muchos otros fabricantes, lo que permite un enfoque de diseño que podría adaptarse para adaptarse a otras disposiciones. Aunque los sistemas hidráulicos no se utilizan tradicionalmente en entornos tan dinámicos, para ayudar a la adopción y aceptación oportuna por parte de los agricultores, parecía sensato no desviarse demasiado de los principios agrícolas aceptados y ampliamente adoptados actualmente.

Si bien se centró en el desarrollo del tipo de respuesta rápida en torno a un cultivador convencional, lograr el resultado de manera eficiente y elegante no fue sencillo. Dado que las barras de cultivador tradicionales están diseñadas para la labranza continua y la interacción de tiempo completo entre la herramienta y el suelo, la nueva aplicación requirió ingeniería detallada para modificar el sistema hidráulico, la funcionalidad del mecanismo y optimizar el rendimiento, todo mientras estaba muy restringido por la geometría existente.

El diseño inicial de prueba de concepto enfocó la ingeniería en minimizar el número de componentes adicionales y mantener el diseño simple mientras lograba una acción de astillado similar a una azada convencional en menos de medio segundo. Se adoptó un enfoque modular del diseño para permitir que el sistema se escalara fácilmente a medida que se lograba la confianza en el rendimiento del sistema. La plataforma de Shenton Park proporcionó la prueba de concepto inicial y las otras plataformas se utilizaron para las pruebas de eliminación de malezas (Figura 1A a C).

Eficacia del control de malezas
Se llevaron a cabo pruebas de campo utilizando los dos equipos prototipo en las dos ubicaciones de la región norte (QDAF y Narrabri) en una variedad de especies de malezas en barbecho. El sistema de labranza selectiva se evaluó en una serie de ensayos de campo para determinar su eficacia en malezas de barbechos de invierno (raigrás anual, avena silvestre, cardo cerda y nabo silvestre) y barbechos de verano (pasto de corral, pasto Rhodes de pico, pulga y cardo cerda). En Narrabri, los ensayos de campo de verano e invierno investigaron la eficacia del tyne de respuesta en las especies de malezas objetivo establecidas en ocho etapas de crecimiento (Tabla 1).

Como el mandato inicial del proyecto era desarrollar el tipo de respuesta mecánica y no el sistema de sensores, los experimentos de evaluación utilizaron una disposición de fotodetector simple para activar el tipo de respuesta. Se alineó un reflector al lado de cada planta en la prueba de la parcela y, junto con la velocidad de viaje conocida, el sistema se calibró para activar la respuesta rápida cuando el haz de luz se alineaba con el reflector y, por lo tanto, con la maleza.

Comparación de tecnologías de control de malezas
Los requerimientos de energía directa para el control de plántulas de malezas de dos hojas se estimaron a partir de informes publicados sobre la eficacia del control de malezas de una amplia gama de técnicas físicas de control de malezas (Tabla 3). Para determinar el requerimiento de energía por unidad de área, se eligió una densidad de malezas de 5.0 plantas / m 2 para representar una densidad de malezas típica en los campos de cereales australianos, según los resultados de una encuesta reciente de productores de cereales australianos (Llewellyn et al.2016 ).

Resultados
Desarrollo de un tyne de respuesta rápida
Se llevaron a cabo importantes investigaciones, desarrollo y pruebas de ingeniería principalmente alrededor del banco de pruebas de Shenton Park en UWA (Figura 1A). Como ocurre con cualquier diseño de ingeniería, el proceso implicó mejoras iterativas en el diseño del diseño. Una vez que el sistema pudo lograr un tiempo de ciclo de astillado de menos de 400 ms desde la activación hasta el regreso a la posición de espera y el diseño se simplificó y se consideró confiable, se diseñó y construyó la plataforma precomercial. En las próximas publicaciones se presentará una explicación detallada del proceso de ingeniería y los resultados.

Aquí se muestran fotos de la plataforma de prueba de concepto inicial (Shenton Park) (A), la plataforma autoamplificada montada en un remolque Narrabri (B) y la plataforma de enlace de 3 puntos QDAF (C) y la plataforma precomercial: la ‘Astilladora de malezas ‘(D) utilizado en la prueba y validación del control de malezas en barbecho con labranza dirigida.Figura 1. Equipo inicial de prueba de concepto (Shenton Park) (A), equipo autoamplificado montado en un remolque Narrabri (B) y equipo QDAF con varillaje de 3 puntos (C) y equipo precomercial: el ‘Astillador de malezas’ (D) utilizado en la prueba y validación del control de malezas en barbecho con labranza dirigida.

Las pruebas de campo de eliminación de malezas demostraron una eficacia muy alta en todas las malezas anuales de verano e invierno específicas, independientemente de la etapa de crecimiento (Tablas 1 y 2). La supervivencia de cualquier maleza durante la prueba se debió a que las barredoras de los cultivadores no eran adecuadas para la labranza dirigida. El control de malezas fue 100% efectivo cuando la maleza fue atacada por el punto de barrido, sin embargo, hubo una alta supervivencia de malezas cuando la maleza fue golpeada por el lado de barrido. También se redujo la eficacia cuando las malas hierbas eran excesivamente grandes. Cuando el pasto Rhodes de la cima de las plumas tenía> 50 cm de diámetro, solo hubo un control deficiente (Tabla 2). El sistema es altamente efectivo tanto en malezas de hoja ancha como en gramíneas, con una potencial mínima alteración del suelo resultante (Figura 2).

Tabla 1. Eficacia del tyne de respuesta después del impacto de barrido directo o parcial en cuatro especies de malezas de invierno y tres de verano en ocho etapas de crecimiento, Narrabri NSW 2017 y 2018

Fecha de plantación

Avena salvaje
(% control)

Hierba de nabo
(% de control)

Sowthistle
(% control)

Ryegrass anual
(% de control)

Hierba de Rhodes Feathertop

Hierba de corral

Fleabane

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

Contacto directo

Contacto parcial

2 hojas

100

0

100

100

100

100

0

100

–

100

–

100

–

4 hojas

100

–

100

0

100

–

100

0

100

–

100

–

100

–

6 hojas

100

–

100

100

100

–

100

0

100

–

100

–

100

–

8 hojas

100

0

100

–

100

100

0

100

–

100

–

100

–

10 hojas

100

0

100

–

100

–

100

0

100

–

100

–

100

–

Atornillar / macollar

100

0

100

–

100

–

100

0

100

–

100

–

100

–

Floración temprana / brote

100

0

100

–

100

100

0

100

–

100

–

100

–

Floración

100

–

100

–

100

–

100

0

100

–

100

–

100

0

– indica que no hubo tratamientos donde hubo contacto parcial del tyne con la maleza.

Estas fotos muestran la labranza pre-dirigida de avena silvestre (A), la labranza post-dirigida (B) y el «divot» resultante (C)Figura 2. Labranza preseleccionada de avena silvestre (A), labranza posterior dirigida (B) y el «divot» resultante (C)

Tabla 2. Eficacia de control de malezas del tyne de respuesta rápida en cuatro especies de malezas en tres etapas de crecimiento resultados combinados de Warwick y Gatton 2018

Especies de malezas

Etapa de crecimiento

Control (%)

Hierba de corral

Pequeño (<30 cm) 100a Mediano (30-50 cm) 97.8ab Grande (> 50 cm)

95.6ab

Hierba de Rhodes Feathertop

Pequeño (<30 cm) 97.4ab Mediano (30-50 cm) 92ab Grande (> 50 cm)

86.1bc

Avena salvaje

Pequeño (<30 cm) 99.1a Mediano (30-50 cm) 98,7a Grande (> 50 cm)

98.1ab

Sowthistle

Pequeño (<30 cm) 89,9b Mediano (30-50 cm) 79,4c Grande (> 50 cm)

73,8c

LSD P = 0,05

8.2

Inclusión de tecnologías de detección de malezas
La eficacia de la labranza dirigida para el control de malezas depende completamente de la detección precisa de malezas. Dado que el uso inicial de la labranza dirigida será en barbecho, entonces es apropiado que se incorporen las tecnologías de detección en tiempo real disponibles en la actualidad en preparación para el uso comercial. Los actuales sistemas de detección montados por pulverización con brazo (WeedSeeker® y WEEDit®) están acoplados a boquillas de pulverización que pueden activarse rápidamente. Las pruebas preliminares que utilizaron el sistema de detección WEEDit para activar el sistema hidráulico de la plataforma Shenton Park demostraron su alta idoneidad para la aplicación en barbecho. Se eligió el sistema WEEDit por ser el sistema más adecuado para la labranza selectiva y ahora se ha incorporado a la plataforma precomercial Weed Chipper. Actualmente se están realizando ensayos que utilizan el sistema junto con la trituradora de malezas precomercial de 6 m, Figura 1D.

Hay un grupo de tecnologías de control térmico de malezas (flameado, espuma de agua caliente, vaporización, etc.) que utilizan energía química o eléctrica que se puede utilizar para el control de malezas al voleo (Tabla 3). En comparación con la labranza y las opciones basadas en herbicidas, estos enfoques son considerablemente más costosos desde el punto de vista energético. Con requerimientos de energía de 100 a 1000 veces más altos, no es sorprendente que estas tecnologías no se hayan adoptado ampliamente para su uso en sistemas de cultivo a gran escala, aunque en operaciones más intensivas, el flameado se usa hasta cierto punto.

Tabla 3. Estimaciones del requerimiento total de energía para opciones alternativas de control de malezas aplicadas como tratamientos al voleo. Las estimaciones se basan en el control de malezas de dos hojas presentes a cinco plantas / m 2 .

Método de control de malezas

Consumo de energía
(MJ / ha)

Rastra de dientes flexibles

4

Cultivador de barrido

11

Azada rotativa

13

Acolchado orgánico

dieciséis

Deshierbe de varillas

18

Rastra de dientes de resorte

22

Desyerbador de cestas

29

Grada de rodillos

29

Segadora de discos

31

Grada de discos en tándem

36

Segadora de mayales

57

Grada de discos offset

64

UV

1701

Llameante

3002

Infrarrojo

3002

Agua caliente

5519

Espuma caliente

8339

Vapor

8734

Congelación

9020

Aire caliente

16902

Microondas

42001

Acolchado de plástico

211003

Control de malezas específico del sitio (SSWC)
La oportunidad de ahorros de costos sustanciales y la introducción de tácticas novedosas están impulsando el futuro del control de malezas hacia SSWC. Este enfoque es posible gracias a la identificación precisa de malezas en los sistemas de cultivo que utilizan visión artificial que normalmente incorpora inteligencia artificial. Una vez identificadas, estas malezas se pueden controlar mediante la aplicación estratégica de tratamientos de control de malezas. Este enfoque de precisión para el control de malezas crea el potencial de ahorros de costos sustanciales (hasta un 90%) y la reducción de los impactos ambientales y fuera del objetivo (Keller et al. 2014). Más importante aún para la sostenibilidad del control de malezas, SSWC crea la oportunidad de utilizar opciones alternativas de control físico de malezas que actualmente no son adecuadas para el uso de todo el potrero.

La detección precisa de malezas permite que los tratamientos físicos de control de malezas se apliquen específicamente a la maleza objetivo. A medida que los procesos de identificación de malezas se desarrollan para incluir especies de malezas, tamaño y etapa de crecimiento, existe la posibilidad de que algunos enfoques (como deshierbe eléctrico, microondas y láseres) se apliquen a una dosis letal prescrita. Esto reduce drásticamente la cantidad de energía necesaria para un control eficaz de las malas hierbas (Tabla 3). Por ejemplo, el microondas, como uno de los tratamientos de control de malezas más costosos en energía como tratamiento al voleo (42.001 MJ / ha), requiere sustancialmente menos energía cuando se aplica directamente a los objetivos de malezas (17.8 MJ / ha). Por tanto, aunque se esté controlando el mismo número de malezas (cinco plantas / m 2), la focalización específica de estas malas hierbas da como resultado una reducción del 99% en los requisitos energéticos.

La identificación precisa de malezas permite el uso de tecnologías alternativas de control de malezas que no son prácticamente adecuadas para su uso como tratamientos completos de potreros. Por ejemplo, los láseres suelen ser un haz de luz estrecho enfocado en un objetivo puntual. En un enfoque SSWC con identificación y activación de malezas de alta precisión, los láseres se pueden enfocar con precisión en los puntos de crecimiento de las malezas específicas, concentrando el daño térmico. Al reducir el área tratada de la maleza, las pérdidas fuera del objetivo se reducen aún más, lo que permite ahorros de energía adicionales.

Tabla 4. Estimaciones del requerimiento total de energía para opciones alternativas de control de malezas cuando se aplica como tratamiento específico del sitio. Las estimaciones se basan en el control de malezas de dos hojas presentes a cinco plantas / m 2 .

Método de control de malezas

Consumo de energía
(MJ / ha)

Radiación solar concentrada

14,4

Corte preciso

14,4

Tracción

14,4

Electrocución: descarga de chispa

14,5

Pirólisis láser Nd: YAG IR

15,1

Herbicidas

14,8

Cavar

15,7

Corte por chorro de agua

15,8

Estampado

16,5

Pirólisis láser Nd: YAG IR

16,9

Microondas

17,8

Arena abrasiva

24,5

Pirólisis con láser de tulio

25,9

Corte por láser de CO 2

54,8

Llamas dirigidas

59,9

Electrocución: contacto continuo

60,9

Pirólisis láser Nd: YAG

84,4

Pirólisis láser de CO 2

92,3

Corte láser Nd: YAG UV

129,4

Espuma caliente

131,3

Pirólisis con láser de diouro

133,1

Corte por láser Nd: YAG IR

204,4

Agua caliente dirigida

517,6

Conclusión
La naturaleza mecánica del tyne de respuesta le permite controlar las malas hierbas con mayor flexibilidad en condiciones ambientales como el viento, la humedad y el calor. Su capacidad para manejar una amplia gama de etapas de plantas de malezas probablemente reducirá la cantidad de pases necesarios para manejar malezas en barbecho en comparación con la práctica actual de herbicidas y ayudará a mitigar la velocidad de desplazamiento más lenta y la cobertura más estrecha. La acción de labranza periódica requerida para las poblaciones de malezas de baja densidad también permitirá que la trituradora de malezas se acople a tractores de baja potencia. Sin necesidad directa de uso de productos químicos para este sistema, es probable que los productores obtengan ahorros de costos significativos al utilizar el sistema Weed Chipper.

La focalización de tratamientos en plantas individuales, como en SSWC, resulta en ahorros de energía significativos y hace que opciones previamente imprácticas en una base de transmisión estén disponibles para su uso en una base específica del sitio. El enfoque de la investigación de SSWC ahora se centra doblemente en el desarrollo de sistemas de reconocimiento de malezas y la evaluación de tecnologías alternativas de control de malezas, como los láseres y el deshierbe eléctrico.

Leer más