⚡El artículo original fue publicado en el blog de EPAM .
Hablemos de números. A pesar de los esfuerzos por alcanzar el objetivo Hambre Cero de las Naciones Unidas para 2030, más de 820 millones de personas aún experimentaron falta de alimentos el año pasado. Y al mismo tiempo, más de un tercio de todos los alimentos producidos nunca llegaron a la mesa, o se echaron a perder en tránsito o los consumidores de los países desarrollados los tiraron. Esto resulta en alrededor de 1.300 millones de toneladas de alimentos desperdiciados , por un valor de casi $ 1 billón. El mundo enfrenta desafíos en todas las etapas de la producción de alimentos. Dado que se prevé que la demanda mundial de alimentos se duplique en 30 años debido al aumento de la población, se espera cada vez más que los agricultores y proveedores agrícolas hagan más con menos al mejorar la productividad a partir de recursos e insumos limitados.
Afortunadamente, ya existen varias innovaciones para aumentar el rendimiento de los cultivos y garantizar el crecimiento sostenible de la industria agrícola mundial. Si bien la agricultura tradicional se basaba en la gestión de campos basados en intuiciones y predicciones volátiles, las nuevas colaboraciones entre las industrias de tecnología y agricultura están desafiando los métodos convencionales de agricultura.
Ahora, la agronomía se centra en la «agricultura de precisión», un sistema de gestión agrícola que utiliza tecnologías modernas en todas las etapas del trabajo.
Pío
El concepto de agricultura de precisión surgió en los EE. UU. En la década de 1980, pero la metodología solo se generalizó en los últimos cinco años gracias a los desarrollos en la tecnología móvil, Internet de alta velocidad y datos satelitales. Algunos de los primeros usuarios incluso han compartido su experiencia en YouTube y han ganado cientos de miles de seguidores, como MN Millennial Farmer o Ryan Custer, quien es el creador de How the Farm Works . Hoy en día, la agricultura de precisión combina datos satelitales, sensores, drones y herramientas de mapeo GPS para proporcionar información sobre el terreno a los agricultores y mejorar la producción de alimentos a un nuevo nivel de productividad.
Cuanta más información haya, más precisos serán los análisis y los conocimientos. Es por eso que la recopilación y el análisis de macrodatos es fundamental para la agricultura de precisión.
Comprender los macrodatos en la agricultura de precisión
Las grandes fuentes de datos en la agricultura de precisión involucran sensores que recopilan información del suelo e imágenes satelitales del espacio. La combinación de estas dos fuentes de datos proporciona los mejores resultados para los agricultores.
El mayor cambio en el uso de big data en la agricultura de precisión ocurrió con el lanzamiento del satélite Sentinel-2 en 2015. El satélite opera bajo el Copernicusprograma, el programa de Observación de la Tierra de la Unión Europea iniciado por la Comisión Europea. El satélite monitorea la superficie de la Tierra y, cada cinco días, proporciona imágenes multiespectrales de alta resolución con una increíble resolución espacial de 10 m. El lanzamiento de este satélite fue un gran avance: Sentinel-2 ofrece datos casi en tiempo real a nivel mundial y las imágenes son de uso gratuito para el público. Tanto las instituciones de investigación como las empresas de todo tipo reciben una rica fuente de información, pero para aprovechar y obtener información valiosa de estos datos, se necesitan tecnologías de computación inteligente y cognitiva como el aprendizaje automático y la IA para analizar esta información.
Análisis de big data para agricultura de precisión
Hay varias formas en que el análisis de big data puede ayudar a los agricultores, y todo comienza con el mapeo de campos y cultivos en todo el mundo. Antes de salvar el planeta, necesitas saber qué hay ahí fuera, ¿verdad? OneSoil fue el primero en abordar esta complicada tarea a nivel mundial. El mapa interactivo de OneSoil proporciona información sobre campos y cultivos en Europa y en los EE. UU., Que se puede utilizar para explorar tendencias nacionales y regionales, así como comprobar el desarrollo de un campo específico. El mapa interactivo se ejecuta en algoritmos de aprendizaje automático e imágenes de satélite.
OneSoil Map_USA_OneSoil Blog
Mapa de OneSoil
El análisis de imágenes satelitales ayuda a monitorear los campos de forma remota a través de cambios en varios índices de vegetación. Combinando datos reales sobre el espacio y el suelo, un agricultor puede calcular y aplicar la dosis correcta de fertilizantes y productos químicos para cada parte del campo, lo que se conoce como aplicación de tasa variable, que ayuda a reducir la contaminación del agua subterránea. El aprendizaje automático permite a los agricultores analizar décadas de registros climáticos y de cultivos y buscar patrones en los datos para predecir el rendimiento de los cultivos. Además, monitorear las condiciones del agua y el aire ayuda a predecir los problemas agrícolas en regiones específicas. Al comprender la escala de las catástrofes globales como incendios forestales, terremotos o huracanes, los recursos se pueden administrar en consecuencia.
Con numerosas soluciones agrícolas en el mercado, es importante que estas tecnologías y aplicaciones sean comprensibles, asequibles y fáciles de usar.