La cría de ganado de precisión es una tecnología inteligente que permite que los animales individuales sean monitoreados más de cerca en granjas que continúan aumentando el tamaño de sus operaciones. La creciente población mundial implica que la demanda de carne y huevos aumentará en más del 65% en los próximos 40 años. Para asegurar el suministro de alimentos para más de nueve mil millones de personas en todo el mundo, el número de cerdos y pollos y la escala de las granjas donde se crían deben aumentar. Un desarrollo paralelo es la disminución del número de agricultores. Esto significa que cada agricultor tiene que cuidar de un número creciente de animales, mientras que hay una demanda creciente de la sociedad de que se respete el derecho de los animales a la atención individual.

La nueva tecnología de ganadería de precisión contribuye al bienestar animal
Centrarse en el animal
Esto crea desafíos y nos obliga a investigar nuevas tecnologías para monitorear a los animales de manera continua y automática. La ganadería de precisión lo hace posible. Necesitamos enfocarnos en los animales individualmente, para que sus señales puedan ser detectadas e interpretadas. Necesitamos poder responder preguntas como:

¿Están experimentando buenos niveles de bienestar?
¿Están saludables?
¿Están mostrando un comportamiento normal?
puesto-del-futuro_poultry_GB_v2.jpg
iFarming
iFarming (también conocido como agricultura inteligente) es el sistema de Fancom para alojamiento de animales que mantiene su granja y ganado en las mejores condiciones. iFarming se caracteriza por el monitoreo automático y continuo de todos los factores ambientales en la casa, combinado con mediciones en y alrededor del animal. ¡El resultado es una producción sostenible y rentable! La nueva tecnología de agricultura de ganado de precisión (PLF) también se aplica dentro del alcance de iFarming.

Medir el bienestar animal
Al automatizar clima y procesos de alimentaciónha sido una práctica habitual durante años aplicar tecnología avanzada diseñada para mejorar el proceso. Por eso es extraño que cuando evaluamos realmente el bienestar animal, sigamos confiando en métodos subjetivos e incidentales como inspecciones periódicas en el galpón o incluso evaluaciones posteriores en el matadero. Pero para una valoración precisa del bienestar animal, es crucial medir sobre y alrededor del animal, así como tener en cuenta los factores ambientales. Los problemas de la piel, la condición corporal y el comportamiento anormal proporcionan una gran cantidad de datos sobre el bienestar de un animal. En comparación con las inspecciones periódicas, el registro automático también tiene muchas ventajas. En primer lugar, el registro automático puede tener lugar de forma continua y en tiempo real. Además, esta forma de registro es más objetiva. Las inspecciones físicas periódicas requieren mucho tiempo y, dado que pueden interrumpir la rutina diaria en la casa, brindan una imagen menos confiable. Esto puede llevar a que se malinterprete la situación real.

La tecnología de cría de ganado de precisión vigila a los animales las 24 horas del día, los 7 días de la semana
Precision Livestock Farming (PLF) es un nombre colectivo para un conjunto de tecnologías que usamos en y alrededor de los animales en la casa para monitorear continuamente su condición corporal. Un factor clave es que PLF permite que los animales sean monitoreados como un grupo minuto a minuto, 24/7. Este seguimiento sistemático permite reconocer determinados patrones. Si esos patrones difieren de los patrones esperados, se puede desarrollar un sistema de alerta temprana basado en estas señales.

Para comprender mejor la ganadería de precisión y las ventajas que conlleva, vea la entrevista con el profesor Berckmans.

Tecnología de medición
Se utilizan diversas tecnologías de sensores para realizar mediciones sobre y alrededor del animal. Esto incluye chips colocados en animales y cámaras y micrófonos que registran datos de forma remota. Un buen ejemplo es elmonitor de peso eYeGrowque utiliza tecnología de cámara. eYeGrow puede monitorear el desarrollo de un grupo de finalistas día a día. Pero los sistemas existentes ya instalados en la casa también generan información valiosa sobre los animales. Por ejemplo, su sistema de alimentación proporciona datos sobre el consumo de alimento y agua y un sistema de pesaje de animales proporciona una indicación de la actividad animal. El software indica que los animales son:

Moverse menos.
No comer ni beber.
Tener una tasa de crecimiento que se está desacelerando.
Evidentemente, algo anda mal, ya que todas estas señales suelen ser un primer signo de enfermedad. Es mucho más probable que un sistema de monitoreo continuo detecte estas señales, a menudo antes de que el agricultor las note. Esto permite una intervención más rápida y más específica. Estas son algunas otras tecnologías relacionadas con la ganadería de precisión:

Sistema automático de pesaje de aves
Conteo de huevos
Monitoreo del agua en alojamientos de animales.
eYeGrow
¿Qué significa la ganadería de precisión para los agricultores?
La ganadería de precisión nunca podrá reemplazar el papel del agricultor. Sin embargo, PLF hace posible que los agricultores asignen su valioso tiempo de manera más eficiente. Con las aplicaciones PLF, los agricultores pueden dirigir su atención a los animales individuales que necesitan su ayuda. En su inspección diaria de las casas, pueden concentrarse en los lugares que necesitan atención o donde los problemas son una amenaza potencial. Esto está destinado a cambiar la vida de los agricultores y sus animales. Los agricultores pueden actuar tan pronto como un animal experimente algún problema. Además, pueden dedicar más tiempo a prevenir problemas, para que los animales puedan ser criados, o puedan producir, de una forma sana y respetuosa con los animales.

Destacar
•
Propusimos un modelo para investigar los factores que influyen en los impactos de la agricultura de precisión.

•
Estimamos los impactos de la agricultura de precisión desde el punto de vista de los expertos.

•
Las actitudes de los expertos indican su visión positiva hacia este tipo de impactos.

•
La actitud de comportamiento tiene el mayor efecto sobre los impactos.

Resumen
Hoy en día se requieren de inmediato desarrollos de métodos agrícolas que sean productiva, económica, ambiental y socialmente sostenibles. El concepto de agricultura de precisión se está convirtiendo en una idea atractiva para la gestión de los recursos naturales y la realización de un desarrollo agrícola sostenible moderno. El propósito de este estudio fue investigar los factores que influyen en los impactos de la agricultura de precisión desde el punto de vista de los expertos de la provincia de Boushehr. El método de investigación fue una encuesta transversal y se utilizó un muestreo aleatorio de múltiples etapas para recopilar datos de 115 expertos en la provincia de Boushehr. Según los resultados, los expertos encontraron la conservación de las aguas subterráneas y superficiales, el desarrollo de áreas rurales, el aumento de la productividad y el aumento de los ingresos como los impactos más importantes de las tecnologías agrícolas de precisión. Las actitudes de los expertos indican su visión positiva hacia este tipo de impactos. Además, la actitud conductual tiene el mayor efecto sobre los impactos.

Artículo anterior en cuestiónSiguiente artículo en cuestión
Palabras clave
Agricultura sostenibleAgricultura de precisiónEvaluación de impactoBoushehrIran
1 . Introducción
En los últimos años, la agricultura se ha convertido en una industria en respuesta a la provisión de alimentos y la seguridad alimentaria y la relación humana con el medio ambiente ha cambiado debido a los logros en diferentes tecnologías [16] . En este sentido, los sistemas agrícolas enfatizan en la utilización de insumos producidos por combustibles fósiles como fertilizantes químicos , pesticidas, herbicidas y maquinaria agrícola con alto consumo de combustible. Aunque la aplicación de estas tecnologías ha aumentado el rendimiento y la eficiencia de la mano de obra, ha destruido muchos recursos naturales de los que depende la continuidad de los sistemas agrícolas. Por lo tanto, esta destrucción afectará primero a los agricultores y luego a la sociedad [4].. Los productos agrícolas producidos a través de la agricultura moderna basados ​​en métodos de revolución verde traen consigo muchos problemas para la salud humana y destruyen los recursos naturales debido a la aplicación de patrones de producción inadecuados, insostenibilidad de los sistemas de producción, pérdida de recursos básicos y, en consecuencia, amenazan las instalaciones de producción, de ahí que este tema proceso de producción imposible. Por lo tanto, se requiere inmediatamente el desarrollo de métodos agrícolas que sean productiva, económica y socialmente sostenibles [19] .

Con la introducción de la informatización agrícola, la agricultura tradicional se ha reformado mediante TIC avanzadas, lo que finalmente ha contribuido a mejoras significativas en la productividad y sostenibilidad agrícolas [28] . El concepto de agricultura de precisión, basado en la tecnología de la información, se está convirtiendo en una idea atractiva para gestionar los recursos naturales y lograr un desarrollo agrícola sostenible moderno [13] .

1.1 . Agricultura de precisión
La agricultura de precisión es un sistema integrado de manejo de cultivos que combina tecnologías de la información con industrias agrícolas racionales e intenta proporcionar cantidades y tipos de insumos basados ​​en las necesidades reales de cultivo en pequeñas fincas ubicadas dentro de una gran finca [11] . Además, la agricultura de precisión se considera un sistema de gestión agrícola sobre la base de la tecnología de la información para determinar, analizar y gestionar cambios dentro de una granja para la rentabilidad, sostenibilidad y conservación óptima de las granjas [7] . Este sistema se centra en la gestión de producción específica del sitio. La agricultura de precisión presenta un nuevo concepto en el uso sostenible de los recursos agrícolas y se define como un concepto de gestión que combina las tecnologías de la información y las comunicaciones para gestionar los cambios temporales y espaciales en la explotación [6] . El objetivo básico de la AP es optimizar el rendimiento con un aporte mínimo y una contaminación ambiental reducida [14] .

La agricultura de precisión con el propósito de la gestión de insumos proporcionará métodos de producción distinguidos para los productores agrícolas y, como cualquier otra tecnología, puede permitir a los agricultores recopilar datos con el propósito de identificar variables efectivas sobre el rendimiento potencial de la granja. Además, los agricultores pueden tomar decisiones sobre los insumos y utilizarlos en tasas variables [17] .

1.2 . Impactos de la agricultura de precisión
Se han reportado varias investigaciones que evalúan los impactos de las tecnologías de agricultura de precisión. Este enfoque no solo puede reducir los costos, sino que también puede aumentar los rendimientos. Además, la aplicación precisa de productos químicos y fertilizantes solo cuando sea necesario reduce el potencial de contaminación de las aguas subterráneas y superficiales [10] . La agricultura de precisión no solo contribuirá al ahorro de costes, sino que también tendrá considerables beneficios medioambientales [7].. Una mayor eficiencia a través de sistemas precisos de guía de maquinaria por sí sola puede generar retornos cuantificables para los agricultores. Los sistemas de dirección automática precisos podrían ahorrar a los agricultores entre un 5% y un 15% en costos de insumos (combustible, pesticidas y fertilizantes) al reducir el lapeado excesivo o insuficiente y aumentando la puntualidad de las operaciones, como facilitar la fumigación de pesticidas por la noche. El aumento del rendimiento, la mejora de la producción económica y la compensación de costes se tienen en cuenta como las ventajas de aplicar tecnologías de agricultura de precisión [2] . Dobermann y col. [5] cree que, junto con los beneficios económicos, deben tenerse en cuenta los beneficios ambientales como la disminución de las emisiones de gases de efecto invernadero y la contaminación causada por fertilizantes y plaguicidas [8]. Al reducir la aplicación excesiva y la aplicación insuficiente de insumos como nutrientes y plaguicidas, esta estrategia tiene el potencial de mejorar la rentabilidad para el productor y también de reducir la amenaza de contaminación del agua subterránea o superficial por productos químicos agrícolas [22] .

Según Zhang et al. [27] la gente esperaba los impactos del uso de la agricultura de precisión en la rentabilidad para los productores y los beneficios ecológicos y ambientales. La adopción de la agricultura de precisión afectará las oportunidades de empleo (prestación de servicios de consultoría, servicios de apoyo, herramientas especializadas, etc.) y las estructuras agrícolas, especialmente la distribución del tamaño de las granjas en las zonas rurales y el uso de fertilizantes químicos, plaguicidas y otros insumos agrícolas de manera eficiente disminuirá los problemas ambientales [21] . Según Swinton y Lowenberg-DeBoer [23], la agricultura de precisión ha generado una rentabilidad del 57%. Otro estudio demostró que las tecnologías de agricultura de precisión dieron como resultado la rentabilidad de las granjaspor aumento de rendimiento y reducción de costos de insumos. Mientras tanto, la mejora de la administración financiera provoca una mejora de la administración de riesgos y una mejora de la capacidad de gestión de las granjas [26] . Impulsar la productividad, rentabilidad y sostenibilidad, mejorar la calidad del producto, gestionar eficientemente el producto, preservar el suelo, los recursos hídricos y energéticos, conservar las aguas subterráneas y superficiales, optimizar la eficiencia productiva, minimizar los impactos y riesgos ambientales lo que se hace con el propósito de la sostenibilidad ambiental y económica otros impactos estipulados de estas tecnologías [18] .

Diferentes científicos han presentado varios modelos para examinar actitudes y comportamientos. Las teorías que se utilizan en este artículo se comentan a continuación.

1.3 . Teoría de la acción Razonada
Esta teoría se basa en la psicología y define la relación entre actitudes y comportamiento. Según esta teoría, la adopción de la innovación se vería afectada por factores individuales y sociales. El factor individual se define como una creencia positiva o negativa hacia la formación de la conducta o se considera como la misma actitud hacia la formación de la conducta, y el factor social son las normas subjetivas o el impacto de la presión social en la persona, ya sea que resulte en la formación de la conducta o no [ 9] .

1.4 . Teoría del comportamiento planificado
En psicología, la teoría de la conducta planificada se introduce como un vínculo entre actitud y conducta. Esta teoría se presenta con base en la teoría de la acción razonada. Según la teoría de TPB, los comportamientos de los individuos estarán determinados por sus intenciones afectadas por la actitud, la norma subjetiva y el control conductual percibido [18] .

1.5 . Modelo de aceptación de Tecnología
El modelo de aceptación de tecnología (TAM) fue propuesto por Davis como un instrumento para predecir la probabilidad de que se adopte una nueva tecnología dentro de un grupo u organización [17] . Basado en la teoría de la acción razonada, el TAM se basa en la hipótesis de que la aceptación y el uso de la tecnología se pueden explicar en términos de las creencias, actitudes e intenciones internas del usuario. Como resultado, debería ser posible predecir el uso futuro de la tecnología aplicando el TAM en el momento en que se introduce una tecnología. El TAM original midió el impacto de cuatro variables internas sobre el uso real de la tecnología. Las variables internas en el TAM original fueron: facilidad de uso percibida (PEU), utilidad percibida (PU), actitud hacia el uso (A) e intención conductual de uso (BI) [25] .

Shyu y Huang [20] realizaron un estudio basado en el modelo de aceptación de la tecnología y sus resultados revelaron que la utilidad percibida y las variables de disfrute percibido afectaban la actitud de uso. Además, la actitud de uso y la utilidad percibida influyeron en la intención de uso. Nan y col. [15] examinó el modelo desarrollado de aceptación de tecnología de la información basado en el modelo TAM. Los resultados mostraron que la variable de intención conductual a corto plazo se vio afectada por impactos directos de compatibilidad, actitud de uso y utilidad percibida. La relación causal entre la intención conductual a corto plazo, la compatibilidad, la actitud de uso y la intención conductual a largo plazo fue positiva. Además, la facilidad de uso percibida y la utilidad percibida tuvieron un efecto positivo en la actitud de uso. Chen y col. [3]presentó un modelo para investigar la intención hacia las tecnologías modernas mediante la combinación de modelos TAM y TPB. Según los resultados, rasgos de innovación como la utilidad percibida y la facilidad de uso percibida provocaron el desarrollo de una actitud positiva hacia el uso de tecnologías y actitudes modernas, las normas subjetivas y el control conductual percibido afectaron la intención de uso.

Numerosos estudios realizados sobre comportamientos ambientales han demostrado que el conocimiento es un predictor importante del comportamiento, ya que esta variable puede influir en todo el proceso de toma de decisiones de forma que una persona pueda tomar una decisión equivocada a través de información y conocimiento incorrectos [12] . Según Tress [24], existía una relación entre la dificultad de transición percibida hacia actividades sostenibles y la actitud hacia estas actividades. La forma en que las personas encuentran difícil la transición hacia actividades sostenibles mostrará una actitud más negativa. Según la literatura, Irán debería seguir más seriamente las tecnologías de agricultura de precisión confiando en sus capacidades potenciales [18]. En consecuencia, este fin no se puede lograr sin la cooperación de quienes están a cargo de la agricultura. Debido al papel clave de los expertos agrícolas en afectar la adopción de la innovación por parte de los agricultores, el propósito de este estudio fue investigar los factores que influyen en los impactos de la agricultura de precisión desde el punto de vista de los expertos de la provincia de Boushehr. De acuerdo con las revisiones de la literatura, se presenta el siguiente marco para investigar los factores que afectan los impactos ( Fig. 1 ).

Descargar: Descargar imagen de alta resolución (253KB)Descargar: Descargar imagen a tamaño completo
Figura 1 . Marco teórico.

2 . Método de investigación
Se utilizó una encuesta transversal para recopilar datos mediante un cuestionario. La lista de índices para medir la variable dependiente se proporcionó a través de tres pasos. En el primer paso, se recopiló información relacionada con los impactos de la agricultura de precisión a partir de documentos y recursos de otros países. En el segundo paso, se realizó un estudio pre-piloto en agricultores pioneros domiciliados en las regiones de Marvdasht para confirmar los impactos. En el último paso se entrevistó a algunos expertos de la organización Jihad-e-Keshavarzi en la provincia de Fars.

Los datos para probar el modelo se recopilaron entre expertos agrícolas en la provincia sur de Irán en 2016. Esta provincia tiene la capacidad adecuada para expandir las actividades agrícolas cualitativa y cuantitativamente y es una de las pioneras en la introducción y difusión de nuevas tecnologías. Boushehr incluye 9 ciudades y tiene un clima cálido, y su precipitación media anual es de entre 200 y 250 mm. En 2007, su total de campos de cultivo era de unas 236.053 ha. 5142 ha de estos campos se asignan al cultivo de agua y las 184,811 ha restantes se asignan al cultivo de secano . La mayoría de los campos de cultivo se dedican al trigo en 167.351 ha y al tomate en 14.519 ha. La agricultura en los huertos de la provincia de Bousher se realiza en 40.661 ha, de los cuales los dátiles son la mayor parte con 37 265/2 ha. La población estadística en esta investigación incluye a todos los expertos de Jihad-e-Keshavarzi que trabajan en la provincia de Bousher. Se utilizó un muestreo aleatorio de múltiples etapas para recopilar datos. El número de muestras se estimó con base en la población estudiada y la fórmula de Cochran y se entrevistó a 115 expertos de la provincia de Boushehr y se recopilaron los datos requeridos mediante cuestionarios. La validez del cuestionario fue probada por expertos del Departamento de Extensión y Educación Agrícola de la Universidad de Shiraz. El cuestionario fue probado de forma piloto con 30 expertos agrícolas seleccionados al azar de la muestra. Sobre la base de los comentarios de la prueba piloto, se perfeccionó el cuestionario y se elaboró ​​un cuestionario final revisado. Los coeficientes alfa de Cronbach para las variables se han presentado enCuadro 1 . La tabla 2 muestra la definición de variables.

Cuadro 1 . Coeficientes alfa de Cronbach para variables de investigación.

Variables Coeficiente alfa de Cronbach
Actitud conductual 0,75
Facilidad de uso percibida 0,74
Utilidad percibida 0,77
Actitud de confianza 0,80
Innovación individual 0,77
Conocimiento de agricultura de precisión 0,97
Dificultad de transición percibida 0,85
Impactos de las tecnologías agrícolas de precisión 0,94
Cuadro 2 . Definición de variables.

Variables Definición
Utilidad percibida La utilidad percibida se define como la medida en que una persona cree que el uso del sistema mejorará su desempeño laboral (Venkatesh y Davis, 2000). La variable se midió utilizando elementos relacionados con el aumento de la productividad, la reducción de los costos de producción, un mejor control de las actividades agrícolas, etc. Las preguntas estaban en forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy en desacuerdo
Facilidad de uso percibida Según Davis (1989), la facilidad de uso percibida se define como la medida en que una persona cree que el uso del sistema estará libre de esfuerzo físico y mental (Lu et al., 2005). Esta variable se estimó utilizando ítems relacionados con la facilidad de aprendizaje, el esfuerzo mental requerido para utilizar estas tecnologías, la eficacia del uso de las opiniones de los expertos en la aplicación de estas tecnologías, etc. Las preguntas estaban en forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy discrepar
Actitud conductual Taylor y Todd (1995) definieron una escala de actitud que midió si a las personas les gusta o no les gusta usar la tecnología y cómo se sienten al usarla. Definimos operativamente la actitud para utilizarla como el sentimiento positivo o negativo del posible experto sobre la adopción de tecnologías agrícolas de precisión. Esta variable se estimó con el uso deseable o no deseable de estas tecnologías, el uso razonable o irrazonable de las tecnologías y la actitud positiva y negativa hacia las tecnologías agrícolas de precisión. Las preguntas tenían la forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy en desacuerdo
Actitud de confianza Esta variable mide la confianza de un productor para aprender y utilizar tecnologías agrícolas de precisión. A través de la escala de Loyd y Gressard (1984) se plantearon una serie de preguntas en relación a tener certeza para aprender tecnologías agrícolas de precisión en clases y talleres educativos y también a tener autoconfianza en el uso de estas tecnologías, etc. Las preguntas fueron en forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy en desacuerdo
Innovación individual La innovación individual se define como «la voluntad de un individuo de probar cualquier tecnología nueva». Se estimó a través de ítems propuestos por Agarwal y Prasad (1998). Las preguntas tenían la forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy en desacuerdo
Conocimiento de agricultura de precisión La familiaridad individual con las características y tecnologías de la agricultura de precisión revela el conocimiento individual en relación con este sistema agrícola. Para medir esta variable se plantearon una serie de preguntas en el campo de las tecnologías agrícolas de precisión y las preguntas fueron en forma de escalas de cinco puntos etiquetadas de cero a muy alto
Dificultad de transición percibida La dificultad de transición percibida hacia la agricultura de precisión se considera como un índice para medir la percepción e idea individual sobre la dificultad de transición de la agricultura convencional hacia la adopción y aplicación de la agricultura de precisión. Se midió mediante preguntas sobre la posibilidad de la implementación de la agricultura de precisión con atención a las condiciones agrícolas y la situación económica y educativa en Irán. Las preguntas tenían la forma de escalas de cinco puntos etiquetadas de muy de acuerdo a muy en desacuerdo.
Impactos de la agricultura de precisión Los impactos de la agricultura de precisión incluyen actitudes y creencias individuales sobre los posibles impactos de este tipo de tecnologías. En cuanto a los impactos de las tecnologías de agricultura de precisión en los campos técnico, social, económico y ambiental, se formularon treinta y siete preguntas. Se utilizaron escalas de seis puntos que iban de ninguno a muy alto para evaluar los impactos.
Los datos de los cuestionarios se codificaron y analizaron mediante el software LISREL. El modelado de ecuaciones estructurales (SEM), un análisis multivariado , es un método apropiado para analizar variables latentes, como construcciones desarrolladas a partir de elementos de encuestas. SEM es similar a la regresión múltiple pero se utiliza para analizar y calcular la varianza explicada en variables latentes endógenas y exógenas. La relación entre constructos (o variables latentes) está representada por los coeficientes de trayectorias [1] . Además de la estadística descriptiva y las técnicas inferenciales, se utilizaron frecuencias, porcentaje, puntuación media, desviación estándar, coeficientes de correlación y modelado de ecuaciones estructurales para analizar los datos.

3 . Resultados y discusión
3.1 . Impactos de las tecnologías agrícolas de precisión
3.1.1 . Impactos ambientales
En la Tabla 3 se ilustra la frecuencia y la media de cada impacto de las tecnologías de agricultura de precisión. Debido a la media de impactos ambientales de las tecnologías de agricultura de precisión, los expertos han encontrado la conservación de aguas subterráneas y superficiales con una media de 4.02 como el impacto ambiental más importante de este plan. De esta forma, el 69,6% de los expertos ha evaluado el alto impacto del uso de tecnologías de agricultura de precisión en la conservación de aguas subterráneas y superficiales y solo el 0,9% cree que el impacto es muy bajo. Los resultados de Sudduth et al. [22] estudio está de acuerdo con este hallazgo. Tabla 3muestra que el manejo de malezas y la conservación de fuentes de energía con una media de 3.93 se colocan en el segundo rango después de la conservación de aguas subterráneas y superficiales. Así, el 72,2% y el 60% de los expertos definieron un alto impacto de las tecnologías de agricultura de precisión en el manejo de malezas y la conservación de las fuentes de energía y el 1,7% y el 2,6% de la muestra definieron un impacto bajo. Ninguno de los expertos consideró que las tecnologías de agricultura de precisión no tuvieran impacto en el manejo de malezas y la conservación de fuentes de energía. Además, el 73,9% de los expertos informaron que el uso de tecnologías de agricultura de precisión dio como resultado el manejo de plagas y solo el 2,6% de la muestra cree que el uso de tecnologías de agricultura de precisión tuvo un impacto muy bajo en el manejo de plagas. Cabe mencionar que el manejo de plagas tiene una media igual a 3.87. Según los resultados, la gestión de enfermedades de las plantasy la elaboración de productos saludables tienen, respectivamente, medias de 3,86 y 3,82. Los resultados de Jochinke et al. [8] confirman este hallazgo. Según la Tabla 3 , el 54,8% de los expertos evaluó un impacto promedio del uso de tecnología de agricultura de precisión en las emisiones de gases verdes. Este impacto ambiental tiene el valor mínimo con media de 3.06 y los expertos lo han tenido en cuenta menos que otros impactos ambientales como impacto de las tecnologías de agricultura de precisión.

Cuadro 3 . Impactos ambientales de la agricultura de precisión.

Variable Impacto positivo Sin impacto Desviación Estándar Media de rango Prioridad
Muy alto Alto Promedio Bajo Muy bajo
Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento
Manejo de plagas 12 10,4 85 73,9 13 11,3 2 1,7 3 2.6 0,71 3,87 3
Manejo de enfermedades de plantas 11 9,6 85 73,9 13 11,3 4 3,5 2 1,7 0,69 3,86 4
Manejo de malezas dieciséis 13,9 83 72,2 10 8.7 4 3,5 2 1,7 0,72 3,93 2
Conservación de fuentes de energía 25 21,7 69 60,0 12 10,4 6 5.2 3 2.6 0,87 3,93 2
Conservación de aguas subterráneas y superficiales 22 19,1 80 69,6 8 7.0 4 3,5 1 0,9 0,69 4.02 1
Contaminación de aguas subterráneas y superficiales 15 13,0 69 60,0 17 14,8 7 6.1 4 3,5 3 2.6 1.06 3,65 9
La contaminación del suelo 17 14,8 27 23,5 54 47,0 10 8.7 4 3,5 3 2.6 1,10 3,29 10
La erosión del suelo 18 15,7 67 58,3 11 9,6 14 12,2 3 2.6 2 1,7 1.07 3,66 8
Compactación del suelo 12 10,4 77 67,0 11 9,6 9 7.8 3 2.6 3 2.6 1.03 3,66 8
Consumo de plaguicidas 17 14,8 69 60,0 17 14,8 7 6.1 4 3,5 1 0,9 0,96 3,73 6
Consumo de fertilizantes 18 15,7 68 59,1 15 13,0 9 7.8 3 2.6 2 1,7 1.02 3,72 7
Emisiones de gases de efecto invernadero 9 7.8 23 20,0 63 54,8 11 9,6 5 4.3 4 3,5 1.04 3,06 12
La biodiversidad 8 7.0 39 33,9 50 43,5 11 9,6 4 3,5 3 2.6 1.02 3,23 11
Producir productos saludables 20 17,4 73 63,5 12 10,4 4 3,5 4 3,5 2 1,7 0,99 3,82 5
3.1.2 . Impactos sociales
Según la Tabla 4, los expertos han introducido socialmente el desarrollo de áreas rurales con una media de 3.93 como el impacto más importante del uso de tecnologías de agricultura de precisión. Los resultados de este factor revelaron que el 70,4% de los expertos evaluaron un alto impacto de la tecnología de agricultura de precisión en el desarrollo de las zonas rurales y solo el 1,7% de la muestra informó que el impacto fue muy bajo. De acuerdo con la tabla antes mencionada, la disminución de la brecha de clase social con una media de 2,41 fue el valor más bajo como el impacto del uso de tecnologías de agricultura de precisión. Mientras tanto, en promedio, los expertos evaluaron la inmigración como un impacto social de las tecnologías de agricultura de precisión. Este índice tiene una media igual a 2,47.

Cuadro 4 . Impactos sociales de la agricultura de precisión.

Variable Impacto positivo Sin impacto Desviación Estándar Media de rango Prioridad
Muy alto Alto Promedio Bajo Muy bajo
Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento
Oportunidades de trabajo 13 11,3 73 63,5 20 17,4 3 2.6 3 2.6 2 1,7 1.06 3,68 4
1 a 0,9 a
Fuerza de trabajo 10 8.7 33 28,7 56 48,7 5 4.3 3 2.6 1,81 2,95 6
1 a 0,9 a 1 a 0,9 a 2 a 1,7 a 4 a 3,5 a
Bienestar dieciséis 13,9 71 61,7 17 14,8 7 6.1 3 2.6 1 0,9 0,92 3,75 3
Inmigración 8 7.0 25 21,7 55 47,8 9 7.8 5 4.3 1 0,9 2,29 2,47 7
2 a 1,7 a 6 a 5,2 a 2 a 1,7 a 1 a 0,9 a 1 a 0,9 a
Brecha de clase social 7 6.1 25 21,7 57 49,6 8 7.0 4 3,5 2 1,7 2,38 2,41 8
2 a 1,7 a 8 a 7,0 a 2 a 1,7 a
Estilo de vida 13 11,3 30 26,1 53 46,1 9 7.8 5 4.3 4 3,5 1,35 3,14 5
1 a 0,9 a
Satisfacción con la calidad de vida 17 14,8 73 63,5 14 12,2 7 6.1 2 1,7 2 1,7 0,95 3,78 2
Desarrollo de áreas rurales 17 14,8 81 70,4 11 9,6 4 3,5 2 1,7 0,73 3,93 1
una
Muestra a los expertos que creen que los impactos de las tecnologías de agricultura de precisión en estos índices son negativos.

3.1.3 . Impactos técnicos
De acuerdo con la Tabla 5, los expertos encontraron un aumento de la productividad con una media de 3.94 como el impacto técnico más importante de las tecnologías de agricultura de precisión. El 71,3% de los expertos evaluó un alto impacto de las tecnologías de agricultura de precisión en el aumento de la productividad y el 14,8% de ellos evaluó un impacto muy alto. Ninguno de los expertos consideró que las tecnologías de agricultura de precisión no tuvieran impacto en la productividad. Este resultado es compatible con el estudio de Jochinke et al. [8] . La calidad de los productos y la mejora de la condición de la granja con una media de 3.90 se colocan en el segundo rango después del aumento de la productividad. Por lo tanto, el 67% y el 74,8% de los expertos explicaron que el impacto del uso de tecnologías de agricultura de precisión en la calidad de los productos y la mejora de las condiciones agrícolas es alto. Basado en la Tabla 5La expansión de tierras agrícolas y el tiempo de operaciones agrícolas con una media de 3,74 y 3,76 se colocaron en el rango más bajo. Pero debe tenerse en cuenta que las medias de ambos factores son más de 3 y la mayoría de la muestra ha evaluado el impacto promedio y alto de las tecnologías de agricultura de precisión en la expansión de tierras agrícolas y el tiempo de operaciones agrícolas.

Cuadro 5 . Impactos técnicos de la agricultura de precisión.

Variable Impacto positivo Sin impacto Desviación Estándar Media de rango Prioridad
Muy alto Alto Promedio Bajo Muy bajo
Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento
Productividad 17 14,8 82 71,3 11 9,6 3 2.6 2 1,7 0,71 3,94 1
Calidad de los productos 18 15,7 77 67,0 14 12,2 4 3,5 1 0,9 1 0,9 0,79 3,90 2
Expansión de tierras agrícolas 12 10,4 79 68,7 13 11,3 6 5.2 4 3,5 1 0,9 0,90 3,74 8
Sostenibilidad de productos 11 9,6 83 72,2 13 11,3 4 3,5 4 3,5 0,79 3,80 5
Gestión del consumo de insumos 15 13,0 77 67,0 14 12,2 6 5.2 3 2.6 0,81 3,82 3
Tiempo de operaciones agrícolas 11 9,6 81 70,4 12 10,4 8 7.0 2 1,7 1 0,9 0,85 3,76 7
Mejora de la condición de la granja 12 10,4 86 74,8 12 10,4 4 3,5 1 0,9 0,64 3,90 2
Depreciación de maquinaria 17 14,8 71 61,7 17 14,8 7 6.1 2 1,7 1 0,9 0,89 3,79 6
Crear una base de datos con información sobre el estado del terreno. 14 12,2 79 67,7 15 13,0 1 0,9 6 5.2 0,85 3,81 4
3.1.4 . Impactos económicos
Tabla 6Demuestra que los expertos consideran económicamente el aumento de los ingresos con una media de 3,99 como el impacto más significativo, por lo que el 63,5% de la muestra consideró un alto impacto de las tecnologías de agricultura de precisión en el aumento de los ingresos y el 20% de ellos evaluó un impacto muy alto. Después de los ingresos, la mejora y la prosperidad del estado agrícola con una media de 3,98 se coloca en el segundo rango. Los resultados de mejora y prosperidad del estado agrícola mostraron que el 61,7% de los expertos evaluaron un alto impacto de las tecnologías de agricultura de precisión en la mejora y prosperidad del estado agrícola y el 21,7% de ellos evaluó un impacto muy alto. Según esta tabla, la disminución del riesgo con el rango 3.53 se coloca en el rango más bajo.

Cuadro 6 . Impactos económicos de la agricultura de precisión.

Variable Impacto positivo Sin impacto Desviación Estándar Media de rango Prioridad
Muy alto Alto Promedio Bajo Muy bajo
Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento Frecuencia Por ciento
Rentabilidad 25 21/7 67 58,3 18 15,7 2 1,7 2 1,7 1 0,9 0,86 3,93 4
Riesgo 13 11,3 67 58,3 17 14,8 9 7.8 5 4.3 4 3,5 1,14 3,53 6
Reducir el costo de los insumos 14 12,2 73 63,5 19 16,5 5 4.3 4 3,5 0,85 3,76 5
rendimiento 20 17,4 75 65,2 15 13,0 4 3,5 1 0,9 0,72 3,94 3
Ingresos 23 20,0 73 63,5 15 13,0 3 2.6 1 0,9 0,71 3,99 1
Mejora y prosperidad del estado agrícola 25 21,7 71 61,7 12 10,4 6 5.2 1 0,9 0,78 3,98 2
La media de la actitud de los expertos hacia los impactos de la agricultura de precisión indica que los expertos ven las tecnologías de la agricultura de precisión de manera positiva. Según la Tabla 7, la media de la actitud de los expertos en todos los campos es más de 3.

Cuadro 7 . La media de los impactos de las tecnologías de agricultura de precisión desde el punto de vista de los expertos.

Variable Desviación Estándar Media
El impacto de la agricultura de precisión 0,56 3,66
Impactos ambientales 0,67 3,97
Impactos sociales 0,81 3,26
Impactos técnicos 0,61 3,83
Impactos económicos 0,67 3,86
3.2 . Correlación entre variables
La Tabla 8 proporciona coeficientes de correlación entre variables. Los coeficientes de correlación entre la actitud de comportamiento con la utilidad percibida, la innovación individual y los impactos de las tecnologías agrícolas de precisión se calcularon 0.52, 0.42 y 0.56 respectivamente. Los coeficientes fueron significativos al nivel de significancia 0.01.

Cuadro 8 . La matriz de coeficientes de correlación entre variables.

Variables Actitud conductual Facilidad de uso percibida Utilidad percibida Actitud de confianza Innovación individual Conocimiento de agricultura de precisión Dificultad de transición percibida Impactos de las tecnologías agrícolas de precisión
Actitud conductual 1
Facilidad de uso percibida 0,06 1
Utilidad percibida 0,52 ** 0,30 ** 1
Actitud de confianza 0,35 ** 0,56 ** 0,64 ** 1
Innovación individual 0,42 ** 0,36 ** 0,42 ** 0,54 ** 1
Conocimiento de agricultura de precisión 0,16 0,22 * 0,10 0,31 ** 0,27 ** 1
Dificultad de transición percibida −0,17 −0,02 −0,10 −0,06 −0,08 −0,14 1
Impactos de las tecnologías agrícolas de precisión 0,56 ** 0,19 * 0,48 ** 0,36 ** 0,38 ** 0,30 ** −0,10 1
*
Significativo en p < 0,05. ** Significativo en p < 0,01. Los coeficientes revelaron que hubo una relación significativa y positiva entre la facilidad de uso percibida y la actitud de confianza (0.56, P = 0.01), la innovación individual (0.36, P = 0.01) y el conocimiento de la agricultura de precisión (0.22, P = 0.05). El análisis de correlación de la utilidad percibida con otras variables indicó que tiene una relación positiva con la actitud de confianza (r = 0.64, P = 0.01), la innovación individual (r = 0.42, P = 0.01) y los impactos de las tecnologías agrícolas de precisión (r = 0,48, P = 0,01). Los resultados del análisis de correlación de Pearson mostraron una relación positiva entre la actitud de confianza y la innovación individual (r = 0.54, 0.01), el conocimiento de la agricultura de precisión (r = 0.31, P = 0.01) y los impactos de las tecnologías agrícolas de precisión (r = 0.36 , P = 0,01). Los coeficientes de correlación revelaron una relación positiva entre la innovación individual y el conocimiento de la agricultura de precisión (r = 0.27, P = 0.01) y los impactos de las tecnologías agrícolas de precisión (r = 0.38, P = 0.01). Mientras tanto, hubo una relación positiva entre el conocimiento de la agricultura de precisión y los impactos de las tecnologías agrícolas de precisión (r = 0.30, P = 0.01). 3.2.1 . Evaluación del modelo de medición Uno de los criterios para la evaluación del modelo de medición es Chi-Cuadrado / Grado de libertad, que debe ser inferior a tres. Este valor es 1,15. El siguiente en evaluar el modelo es el valor p, que debe ser superior a 0,05, en la Tabla 9.se ve igual a 0.43. Calcular la bondad de ajuste, ajustar la bondad de ajuste, el índice de ajuste normalizado, el índice de ajuste no normalizado y el índice de ajuste comparativo son necesarios para el ajuste del modelo de tal manera que sus valores deben ser superiores a 0,90. Además, la raíz cuadrática residual media y el error cuadrático medio de aproximación deben ser menores que 0.05 y 0.10. Según los resultados, los índices fueron superiores a 0,9. El error cuadrático medio de aproximación para el modelo de medición y el residuo cuadrático medio de la raíz se calcularon 0,06 y 0,02 respectivamente. De hecho, estas variables presentan un modelo adecuado para definir la actitud hacia los impactos de las tecnologías agrícolas de precisión. Cuadro 9 . Evaluación del modelo de medidas de ajuste general. Medida de bondad de ajuste Criterio recomendado Resultados obtenidos en esta investigación Chi-cuadrado / grado de libertad (X 2 / gl) ≤3 1,15 valor p ≥0.05 0.43 Índice de ajuste normalizado (NFI) ≥0,90 0,91 Índice de ajuste no normalizado (NNFI) ≥0,90 0,99 Índice de ajuste comparativo (CFI) ≥0,90 1,00 Índice de bondad de ajuste (GFI) ≥0,90 0,99 Ajustar el índice de bondad de ajuste (AGFI) ≥0,90 0,97 Residual cuadrático medio (RMSR) ≤0.05 0,02 Error cuadrático medio de aproximación (RMSEA) ≤0.1 0,06 Los resultados mostraron que ( Fig. 2 ) existe un efecto causal positivo y significativo entre la utilidad percibida y la actitud conductual (λ = 0,40, p < % 1). Los resultados de Shyu y Huang [20] , Nan et al. [15] , Chen et al. [3] confirman este hallazgo. La innovación individual es una variable externa que tiene un efecto directo sobre la actitud conductual (λ = 0.22, p < % 1). El análisis de los resultados indicó un efecto positivo de la facilidad de uso percibida sobre la actitud conductual (λ = 0,12, p < % 5). Este hallazgo es consistente con los resultados de Nan et al. [15] y Chen et al. [3]. Estas variables explicaron el 24% de los cambios de actitud de comportamiento (SMC = 0,24). Los hallazgos demuestran que la actitud conductual tiene el efecto más directo sobre los impactos de las tecnologías agrícolas de precisión y la relación causal de esta variable fue 0,64 (β = 0,64, p < % 1). Después de la actitud conductual, la utilidad percibida tiene el efecto más significativo sobre los impactos de las tecnologías agrícolas de precisión (λ = 0.33, p < % 1). Según los resultados, la dificultad de transición percibida tiene un efecto negativo directo sobre los impactos de las tecnologías agrícolas de precisión (λ = 0,17, p < % 5). A partir de los resultados, la facilidad de uso percibida y las variables de innovación individual tuvieron efectos indirectos sobre los impactos de las tecnologías agrícolas de precisión. Estas variables anticipan el 39% de los cambios de impactos de las tecnologías agrícolas de precisión (SMC = 0.39). Descargar: Descargar imagen de alta resolución (270KB)Descargar: Descargar imagen a tamaño completo Figura 2 . Modelado de ecuaciones estructurales y coeficientes de trayectoria entre variables. 4 . Conclusión y Recomendaciones Hoy en día, las tecnologías útiles junto con la estrategia de conservación del medio ambiente, así como los puntos de vista cambian de estrategias correctivas a estrategias preventivas en el uso de tales tecnologías, están en el centro de atención. Se hacen esfuerzos para enfatizar la aplicación de las ciencias modernas en la agricultura que se relacionan con el impulso de la producción y la productividad y la conservación del medio ambiente. La tecnología de la información en la agricultura llamada tecnologías agrícolas de precisión se considera una de las tecnologías modernas. Este tipo de sistema agrícola es un manejo de precisión agrícola basado en datos y conocimientos de insumos y considera el uso de insumos en términos de las necesidades de las granjas y el manejo específico del sitio. La agricultura de precisión se refiere a un enfoque sistemático para rehacer todo el sistema de agricultura para desarrollar una agricultura sostenible, de bajos insumos y de alto rendimiento. Los métodos de agricultura de precisión pueden mejorar la sostenibilidad económica y ambiental de la producción. Según los resultados de este trabajo, la aplicación de sistemas de agricultura de precisión se considera como un medio para lograr una agricultura sostenible, un paso hacia el cual es inevitable para todos los países, especialmente los desarrollados, como resultado de los problemas ambientales y la provisión de seguridad alimentaria para la creciente población. Porque otros sistemas agrícolas como el tradicional y el orgánico pueden no brindar seguridad alimentaria a la población en crecimiento. Los expertos agrícolas de Jihad-e-Keshavarzi son uno de los factores que introducen este tipo de tecnologías a los agricultores y la actitud positiva de los expertos hacia los impactos de las tecnologías agrícolas de precisión juega un papel importante en la aceleración de su difusión. Los expertos de la provincia de Boushehr encontraron la conservación de aguas subterráneas y superficiales, el manejo de malezas, la conservación de recursos energéticos y el manejo de plagas como los impactos ambientales más importantes de las tecnologías agrícolas de precisión. El impacto social más significativo de este sistema agrícola se refiere al desarrollo de las áreas rurales. Los impactos técnicos más importantes de las tecnologías agrícolas de precisión son el aumento de la productividad, el aumento de la calidad de los productos y la mejora de las condiciones agrícolas. Los expertos definieron los impactos económicos más importantes de estas tecnologías como el aumento de los ingresos, la mejora y la prosperidad del estado agrícola. Las actitudes de los expertos indican su visión positiva hacia este tipo de impactos. Por lo tanto, los planificadores gubernamentales en agricultura deben tener en cuenta la implementación de la agricultura de precisión en los planes de desarrollo agrícola. Además, deben tratar de considerar servicios de apoyo para tener acceso a tecnologías agrícolas de precisión, activando la extensión y capacitación, La actitud de comportamiento tiene el mayor efecto sobre la actitud hacia los impactos. Si bien el conocimiento y la conciencia se consideran una introducción para crear una actitud, los resultados de este estudio mostraron que el conocimiento de la agricultura de precisión no tuvo ningún efecto sobre la actitud del comportamiento. Una de sus razones puede deberse al desconocimiento de esta tecnología, por lo que es necesario incrementar el conocimiento y la información de los expertos en este campo. Por lo tanto, podrán aplicarlo en las granjas después de obtener la información requerida y alentar a los agricultores a adoptar tales tecnologías al proporcionar las condiciones e instalaciones necesarias. Se sugiere crear grupos de aprendizaje y proporcionar condiciones para la discusión grupal para facilitar el aprendizaje de la agricultura de precisión. La falta de investigaciones en este campo en Irán es otra razón de la falta de conocimiento de los expertos. Los investigadores deben aplicar los conocimientos teóricos de la agricultura de precisión en el país de Irán. También es esencial aprobar los créditos necesarios para la investigación y alentar a los investigadores a planificar y aplicar los planes pertinentes en agricultura de precisión. La utilidad percibida se considera la variable más significativa que afecta la actitud conductual y el segundo factor que influye en la actitud de las tecnologías de agricultura de precisión. Por lo tanto, la educación debería centrarse en justificar la utilidad percibida de esas tecnologías a los expertos, de modo que la enseñanza de la agricultura de precisión en las universidades debería considerarse más. Se sugiere planificar cursos de capacitación en servicio para expertos, formar una red de expertos, profesores y técnicos, desarrollar y realizar programas de pasantías para expertos. Por último, los funcionarios y los responsables políticos pertinentes pueden establecer una planificación estratégica basada en los resultados de este estudio para difundir este tipo de tecnologías.

Para ahondar un poco más sobre el tema de la agricultura de precisión la cual realmente no es nueva, pues data de los años 80’s, es una estrategia de gestión agrícola que reúne, procesa y analiza datos temporales, espaciales e individuales para combinarlos con información que respalda las decisiones a tomar en cada cultivo, específicamente de acuerdo con la variabilidad estimada para mejorar la eficiencia del uso de los recursos, la productividad, la calidad, la sanidad, la rentabilidad y la sostenibilidad de la producción agrícola, según lo define la revista internacional de investigación, Springer.
Aunque fue recibido con escepticismo al principio, la agricultura de precisión está ganando cada vez más relevancia entre los agricultores y legisladores. Incluso los auditores de la Unión Europea avalan el alto valor de la información proporcionada por las herramientas digitales en la agricultura. Para darles una idea o ejemplo, existen productores alrededor del mundo que están tratando de maximizar las ganancias gastando dinero solo en áreas que requieren fertilizantes, identificando por fotos tomadas con drones o red guiada por GPS, el muestreo de cada zona del cultivo. El fertilizante que antes se habría extendido en áreas que no lo necesitan, se puede colocar en áreas específicamente que lo requieren, optimizando así su uso. El ahorro en agua y fertilizantes de estas tecnologías puede ser desde un 30 a un 50 %, según Craige Mackenzie, uno de los agricultores con mayor conocimiento tecnológico de Nueva Zelanda.
A continuación nombraré tres ejemplos de empresas que se encuentran posicionadas en la industria:
A nivel privado en Canadá existe la empresa Agrilyze quienes proveen desde el 2002 una solución de tecnología geoespacial, entre sus herramientas ofrecen la optimización del sector agrícola moderno, combatiendo así el problema de la imprevisibilidad, esta empresa inclusive promueve tecnología avanzada de reconocimiento de imágenes para identificar el tipo de especie invasora que afecta el cultivo. En Costa Rica, Indigo Drones ya lleva 5 años ofreciendo análisis de fotogrametría RGB y mapeo a productores agrícolas centroamericanos.
Agrilyze is a leading-edge, cloud-hosted, data-driven analytics platform for the Fraser Valley agriculture industry. Combining leading-edge technologies such…
DESCARGUE PDF PAD RESPUESTA AL COVID19
La Organización para el Desarrollo de la Agricultura de Precisión, PAD, por sus siglas en inglés, es una fundación sin fines de lucro que viene funcionando desde el año 2016 con equipos de técnicos que operan desde India, Kenya, Etiopia y Pakistán, dando asesoría global a más de 3.5 millones de agricultores y enfocada en la mejora de prácticas de agricultura sostenible para pequeños productores agrícolas en países en vías de desarrollo. Afirman que la falta de datos sistemáticos y confiables sobre las necesidades de estos productores, actúa como una limitación importante para los responsables de las políticas a la hora de organizar una respuesta efectiva y específica a la crisis que ha llegado en la producción de alimentos de origen vegetal en estos países tras la pandemia.
Para abordar este déficit de información, PAD está realizando una encuesta telefónica en varios países para comprender cómo la pandemia está afectando el comportamiento de la producción agrícola y la seguridad alimentaria. Además, recopilan datos de los agro-distribuidores en un subconjunto de países para monitorear el impacto del brote de COVID-19 en las cadenas de suministro agrícolas. Los datos y hallazgos se publicarán en su sitio web que se adjunta al final de este artículo.
Para concluir, se estima que el mercado de la oferta de software y agricultura inteligente, como también se le llama, aumente su tasa compuesta de un crecimiento anual de 9.8% desde el 2020 hasta el 2025, según la revista Business Wire. Esto debido a los importantes ahorros de costos asociados con una plataforma de software basada en la nube, como han comprobado agricultores, productores y ganaderos en Europa, Asia y Sudamérica, quienes han adoptado desde hace varios años un software de análisis predictivo, basado en inteligencia artificial para gestionar la seguridad de los datos, el control de la sanidad de los cultivos, el mapeo del trabajo agrícola y la gestión del inventario.

Su experiencia en el mundo de la agricultura y de la gestión de la industria ha llevado a cuatro ingenieros a crear D4SmartFarming, una startup madrileña que ayuda a los agricultores en la toma de decisiones precisas. Hace poco más de medio año que se dieron de alta como sociedad con el objetivo de «contribuir a un futuro más sostenible y a ayudar a los «stakeholders» del campo», explica José Manuel Fernández, socio fundador de la empresa. Este equipo de profesionales (agrónomos, técnicos e informáticos) apasionado por la agricultura inteligente y de precisión ha diseñado una plataforma web que permite identificar cualquier parcela y facilitar información acerca de la humedad y del crecimiento del cultivo. «Somos procesadores de datos y damos métricas», puntualiza Fernández, quien se ocupa de la parte técnica del proyecto.

Esta información la obtienen mediante imágenes hipertemporales ofrecidas vía satélite. «Utilizamos unos satélites que mandan sondas de luz y en función de la reflectancia con las plantas somos capaces de identificar su crecimiento. Lo mismo ocurre con la humedad», añade. Con una mínima aportación y sin necesidad de gastos en tecnología o desplazamientos, facilitan cultivos más productivos y con menos emisiones.

Empezaron enfocados en el mundo de la agricultura pero se han dado cuenta que la aplicación puede tener otros usos. «En la banca, para la tasación de las parcelas, en el mundo inmobiliario, para saber cuáles son las parcelas óptimas, y para los seguros que contrate el agricultor», afirma el socio fundador. En sus primeros ocho meses han facturado 60.000 euros y el objetivo para el próximo año es alcanzar los 350.000 euros. «Queremos incrementar el número de áreas, expandirnos y llegar a otros países», matiza. Sus usuarios pagan una cantidad por hectárea al año en función del valor del cultivo.

D4SmartFarming también puede aplicarse para la banca o el mundo inmobiliario
En un principio la startup empezó a operar en Extremadura, con el cultivo del tomate. Pero ya están trabajando en Toledo con maíz y cebada y su primera experiencia internacional ha sido en California. «Nos interesa mucho el mercado norteamericano porque las empresas gestionan muchas hectáreas», indica Fernández. Recientemente la startup madrileña ha sido reconocida en ese país entre más de mil empresas emergentes en unos premios convocados por el European American Enterprise Council. Este galardón en la categoría de AgroFood les brindará apoyo para entrar en este mercado.Además, tienen previsto dar el salto a otros países, entre ellos Italia y Turquía.

Precision Agriculture Technologies llegó para quedarse a medida que más cosechadoras, aplicadores y tractores están equipados con receptores GPS, sistemas de dirección y sistemas de registro de datos. Estas tecnologías ofrecen a los productores e investigadores un conjunto completamente nuevo de herramientas para realizar su trabajo. En este proyecto de investigación, hemos estado utilizando la tecnología para mejorar la gestión del estiércol y demostrar cómo utilizar la tecnología para implementar la investigación en la granja.

Hay una curva de aprendizaje pronunciada para esta tecnología, pero parece que podemos usar la tecnología para administrar de manera efectiva los nutrientes del estiércol con mayor precisión en las granjas porcinas y lecheras. Esto minimizará la aplicación excesiva o insuficiente de nutrientes y permitirá a los productores medir y registrar con precisión la aplicación de nutrientes. Después de registrar esta información, podemos desarrollar prescripciones de aplicación más precisas para mejorar la eficiencia del estiércol y otros nutrientes que se están aplicando. Esto también proporcionará un registro permanente de la aplicación de nutrientes que puede ser útil en situaciones en las que se cuestiona la responsabilidad por las acciones del productor. Los productores que han asistido a nuestros programas educativos se han mostrado muy interesados ​​en esta tecnología y están interesados ​​en implementarla en sus fincas.

También estamos estudiando si la colocación de estiércol en relación con la hilera de cultivo tiene un efecto significativo sobre el rendimiento y / o la utilización del estiércol. Los resultados del primer año no muestran una clara ventaja al inyectar estiércol de lechería o porcino debajo de la hilera en comparación con la inyección entre las hileras. Sin embargo, esparcir estiércol de cerdo en lugar de inyectarlo redujo significativamente los rendimientos, por lo que es importante inyectar estiércol de cerdo y / o trabajarlo en el suelo. Es probable que esto se deba a la pérdida de nitrógeno volátil en el estiércol porcino y, por lo tanto, a la escasez de nitrógeno para el cultivo. En nuestro segundo año de datos, vimos algún beneficio al colocar estiércol debajo de las hileras de maíz en lugar de colocar el estiércol entre las hileras. Esto puede deberse a que fue más fácil para las plantas de maíz acceder a los nutrientes cuando se colocaron más cerca de la hilera, durante los períodos de clima seco.

El equipo de agricultura de precisión definitivamente hace que la investigación en la granja sea más fácil de realizar y registrar las operaciones de campo. El trazado de parcelas y la reproducción de parcelas es mucho más fácil de lograr con la ayuda de sistemas de dirección. La recopilación y medición de datos también se mejora con la capacidad de medir y registrar información con monitores en tractores y cosechadoras. La adopción de estas tecnologías en granjas porcinas y lecheras permitirá a los productores refinar su manejo a través de una mejor medición y registro de la información. Esta gestión mejorada también debería dar como resultado y mejorar la rentabilidad de la granja.

A medida que crece la población mundial, los agricultores necesitan producir más alimentos. Sin embargo, la superficie cultivable no se puede ampliar y mantener el ritmo. Esto aumenta la amenaza a la seguridad alimentaria que resultará fácilmente en inestabilidad regional o global. La agricultura tradicional se basa en gran medida en la gestión de todo el campo. Las decisiones que se toman con respecto a la cosecha, la siembra, el riego y la aplicación de fertilizantes y pesticidas se basan en datos históricos, predicciones manuales y condiciones regionales. Por otro lado, la agricultura de precisión combina el uso de un sistema de posicionamiento global, sensores, robots, herramientas de mapeo y software de análisis de big data para informar los procesos de toma de decisiones que son particulares para cada cultivo y cada sección de un campo sin costos laborales adicionales. . Las herramientas modernas como los sensores montados en robots o los estacionarios y los vehículos no tripulados equipados con cámaras envían datos e imágenes de forma inalámbrica en cada planta. La información como el tamaño del tallo, las plagas, la forma de las hojas y la humedad del suelo alrededor de una planta se transmite en tiempo real al agricultor de forma remota. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha. A continuación, el agricultor buscará cualquier signo de estrés que estén sufriendo el cultivo o el ganado. Entonces podrán contrarrestar el estrés proporcionando agua, fertilizante, pesticida o cualquier nutriente que le falte a la planta sin necesariamente rociar todo el campo. Estas tecnologías también ayudan a los agricultores a planificar con anticipación la cosecha.

Como resultado, la agricultura de precisión es esencial en la gestión del tiempo, la reducción del desperdicio o uso de agua y químicos, y la producción de mayores rendimientos y cultivos más saludables. Todos estos benefician los ingresos del agricultor al tiempo que reducen la escasez mundial de alimentos y la contaminación del medio ambiente. Muchas empresas emergentes están desarrollando software, recopilación de datos y herramientas de análisis y sensores, entre otras tecnologías agrícolas, para impulsar dichos desarrollos. Por otro lado, los científicos están creando semillas y razas de plantas y animales que se esfuerzan bajo diferentes condiciones climáticas y tipos de suelo.

Consejos para mejorar su agricultura de precisión

Actualmente, los agricultores han comenzado a adoptar universalmente la agricultura de precisión por varias razones diferentes. Los costos de adquirir diferentes artículos están disminuyendo lentamente a medida que los fabricantes continúan surgiendo todos los días con mejoras y diferentes soluciones nuevas. No hace falta decir que una granja que utiliza tecnología inteligente es una granja más rentable que las demás. Sin embargo, saber por dónde empezar y la tecnología a implementar que se adapte a una granja específica puede ser una tarea difícil. Es por eso que hemos desarrollado una lista de algunas de las herramientas de precisión o tecnología en las que vale la pena invertir.

Zumbido
Cada granja debe tener al menos un dron. Sin embargo, las granjas más grandes a menudo pueden necesitar más de un dron. La regla general es que al menos cada granja debe tener un dron que ayude en las operaciones de la granja. Los drones son la tecnología de precisión más básica que ofrece al agricultor una vista aérea de sus granjas dándoles la oportunidad de identificar problemas y monitorear otra información general y piezas. Cuando estos UAV están equipados con el software y el agricultor recibe la capacitación adecuada, los drones ofrecen un alto nivel de sofisticación técnica a las prácticas de gestión agrícola. Consulta en nuestro sitio web más beneficios que ofrecen los drones en la gestión de granjas.

Uso de teléfono inteligente / tableta

Las empresas de tecnología agrícola están ideando formas innovadoras y nuevas de gestionar los datos agrícolas. Muchas aplicaciones móviles en diferentes sistemas operativos ofrecen soluciones en granjas en ejecución, incluso cuando no está conectado. Esto implica que el problema de la humedad o el ataque de plagas que identificó el dron se puede resolver con solo presionar un botón en su teléfono. Puede controlar el riego de su finca desde la comodidad de su sala de estar. Esta herramienta aumenta la precisión y la eficiencia.

Almacene sus datos en la nube

Los servicios en la nube permiten a los agricultores guardar todos los datos de gestión de su explotación sin tener que realizar pujas. Estos datos pueden ser referenciados en el futuro o incluso usarse para pronosticar los rendimientos y el clima. Cuando se integra con teléfonos inteligentes o tabletas, los agricultores obtienen acceso a macrodatos que incluso se pueden compartir con otros agricultores. Los agricultores pueden ver lo que otros han intentado y fallado, e intentar implementar las mejores prácticas. Además, los datos se pueden recopilar de manera pasiva sin que los agricultores los ingresen físicamente porque el software lo hace por ellos.

Uso de GPS

La mayoría de la tecnología y maquinaria agrícola ya viene equipada con elementos de GPS. Funciones como la dirección automática del tractor se realizan con la ayuda de GPS. Esto libera el tiempo utilizado por el agricultor en la granja y lo hace concentrarse en otras cosas y, en segundo lugar, reduce las lesiones causadas por las máquinas.

Fertilizante de dosis variable

Aquí, los agricultores pueden esencialmente probar el contenido de nutrientes disponible en diferentes áreas de los campos y depositar el fertilizante en los lugares que más lo necesitan en cantidades variables.

Siembra de tasa variable

Al igual que la fertilización de dosis variable, este proceso en particular permite a los agricultores concentrarse en sembrar áreas específicas que más necesitan sembrar. Esto deja otras partes de la granja que requieren menos semillas para maximizar los rendimientos con menos semillas sembradas.

Resumen

Hay tantas prácticas y tecnologías de precisión en las que los agricultores deben invertir y adoptar en su gestión agrícola diaria. Un agricultor que prioriza la tecnología tiene mayores posibilidades de aumentar la producción y minimizar los costos de insumos.

Durante la última década, el proceso de creación de mapas y modelos 3D precisos a partir de fotos de drones ha recorrido un largo camino. Las capacidades de captura de drones y el software y los servicios de procesamiento de fotogrametría han mejorado en costo y eficiencia hasta un punto en el que los gemelos digitales 3D son un elemento básico para la topografía e inspección.

Hacer que estos modelos sean precisos y probar la precisión, lo fundamental de cualquier encuesta, también ha recorrido un largo camino.

En el proceso de captura de un dron típico, conocemos la ubicación del dron cuando cada foto se tomó con una precisión de 35 m con el GNSS integrado (GPS y otras constelaciones de posicionamiento global por satélite). ¡Aplátelos juntos en el software de fotogrametría y tenemos un modelo 3D! Sin embargo, este modelo está flotando en el espacio; puede parecer impresionante, pero no es necesariamente una buena representación de la Tierra real.

El software de fotogrametría hace todo lo posible para hacer coincidir los píxeles en las fotos superpuestas, haciendo suposiciones de la distancia focal de la cámara y las distorsiones de la lente, las orientaciones de la cámara, las posiciones de la cámara y si el píxel en una foto es el mismo punto que un píxel en otra foto. Son muchos los errores que ocurren a través de este proceso, que se gestionan para lograr estadísticamente el mejor resultado posible: el modelo 3D.

Este modelo puede considerarse efectivamente maleable, o flexible, y cuando podemos fijar algunos parámetros al mundo real, podemos tomar ese modelo y ajustarlo, estirarlo y doblarlo para que se ajuste a las restricciones que podemos encontrar en el mundo real. Luego, los topógrafos deben poder confirmar que sus medidas en el modelo equivalen a valores del mundo real.

La primera forma en que se hizo esto fue utilizar GCP (Ground Control Points): objetivos en el suelo, normalmente colocados por un topógrafo, con coordenadas conocidas en un sistema de coordenadas conocido. Esto requería mucho tiempo en el sitio, ya que requería viajar por todo el sitio con equipo de inspección o colocar y recopilar GCP «inteligentes». El tiempo de procesamiento también fue más largo para que el operador eligiera esos GCP y el procesamiento para repetir las posiciones de la cámara una y otra vez en función de los GCP y los puntos de enlace. Los errores en el sistema debido a las distorsiones de la lente y la coincidencia de superficies se introducirían entre los GCP.

Poner el control en la cámara cambia el flujo de trabajo. Al saber dónde estaba la cámara para cada foto, el proceso AT (triangulación aérea o emparejamiento) en fotogrametría es más confiable y mucho más rápido, ya que ya no estamos aplicando ingeniería inversa a las posiciones asumidas de la cámara. AT funciona mejor en superficies difíciles. Todo el proyecto está cubierto por una manta de cientos de puntos de control. Más preciso, más confiable, más eficiente.

RTK (cinemática en tiempo real) fue la primera forma de habilitar esto. Utilizado por topógrafos durante décadas, RTK calcula coordenadas precisas del dron en tiempo real, utilizando datos transmitidos desde una estación base (en una ubicación conocida) al dron. Precisión de 5 cm normalmente. Sin embargo, RTK a menudo demuestra ser poco confiable en un entorno de drones, con pérdida de ‘bloqueo’ debido a obstrucciones o inclinaciones de drones, a veces una inicialización incorrecta y el alcance limitado debido al enlace de radio de la estación base.

PPK (cinemática postprocesada) demostró ser una alternativa más robusta a RTK. En lugar de intentar calcular las coordenadas precisas en tiempo real, lo que normalmente no es necesario de todos modos, los datos GNSS se almacenan en el dron y en el receptor de la estación base. Después del vuelo, los datos se reúnen y procesan hacia adelante y hacia atrás para determinar los resultados más precisos y confiables para cada posición de la cámara.

Existe mucha discusión sobre si las coordenadas confiables de la cámara PPK eliminan la necesidad de GCP . Ellos pueden. El principal error que queda en el sistema es la lente de la cámara, su distancia focal real y las distorsiones. Si los parámetros de la cámara están calibrados, son conocidos y estables, entonces pueden pasar a la solución de fotogrametría para lograr excelentes resultados sin GCP. Sin embargo, como cualquier topógrafo sabría, no es ahí donde termina. Es esencial tener comprobaciones en tierra, ya sean objetivos o características conocidas, que pueda medir y comparar, para saber exactamente qué tan preciso es su modelo 3D.

Entonces, sigamos con la evolución. PPK es similar a RTK, ya que utiliza datos de fase de portadora GNSS de frecuencia dual de múltiples constelaciones de relojes en satélites, aplicando modelos ionosféricos para determinar la resolución de ambigüedad del ciclo y datos de rango relativo entre una base y un móvil. ¡Tecnología de alta resistencia! Esencialmente una forma compleja de medir con mucha precisión el vector desde la estación base hasta el dron, muchas veces por segundo. Por lo tanto, necesita una estación base (con una coordenada conocida) o datos de una estación de referencia de funcionamiento continuo (CORS). Con PPK puede ir mucho más lejos de su base que RTK, pero todavía es mejor por debajo de los 30 km (20 millas).

Lo que nos lleva a la siguiente ‘especie’ en nuestra evolución: Make It Accurate (MIA). MIA hará que los datos de su drone rover sean precisos, en cualquier parte del mundo, sin datos de la estación base. MIA se basa en la tecnología PPP (posicionamiento de punto preciso) que aplica correcciones precisas de reloj y órbita a datos GNSS de fase de portadora sin procesar. Sabiendo exactamente dónde estaba cada satélite y sus errores de reloj precisos, la posición independiente del dron se puede determinar con una precisión de 5 cm. Este resultado se mejora aún más en muchos países al fusionar datos de estaciones terrestres en la región, para obtener una precisión absoluta de 2-3 cm. Sin estación base ni entradas CORS, simplemente vuele su dron a cualquier lugar Múltiples sitios, áreas remotas, pasillos largos… en cualquier lugar. Es exacto.

Una vez más, no podemos enfatizar lo suficiente, no importa qué sistema use, tenga sus controles en su lugar, mida qué tan preciso es.