La comunidad agrícola ha pasado varios años sintetizando una descripción operativa para la agricultura digital. En varios casos, también se han presentado soluciones que afirman ser agricultura digital, pero ahora, más que nunca, hay tanta ambigüedad sobre la agricultura digital como cuando la comunidad la etiquetó y nombró. La agricultura es uno de los sistemas más complejos que se pueden analizar, y la mayor parte de lo que se ha propuesto son soluciones como el clima , las imágenes y el NDVI, incluidas muchas soluciones puntuales patentadas. Éstas son piezas de la solución y son partes del concepto operativo. Este artículo definirá este concepto.
ANUNCIO
La agricultura digital está aplicando métodos de ubicación de precisión e información agronómica de calidad de decisión para iluminar, predecir y afectar la continuidad de los problemas de cultivo en toda la granja. Aquí hay un vistazo a cada parte de la definición:
Precision se trata de servicios de geolocalización asociados con el Sistema de posicionamiento global y sus extensiones. Es la superposición de estos servicios de geolocalización en un mapa digital para detección de precisión, identificación, toma de decisiones predictiva y acción.
La información sobre la calidad de las decisiones es oportuna y está dentro del ciclo de decisiones del evento. Se entrega mediante sensores avanzados, modelos descriptivos y algoritmos predictivos que brindan la información necesaria sobre el problema agronómico.
El cultivo es un proceso de decisión de principio a fin, de principio a fin, continuo y en tiempo real que requiere decisiones y acciones oportunas. Se extiende aguas arriba de la siembra y aguas abajo de la cosecha. Hoy en día, la cultivación se trata de los poderes de observación subjetivos pero informados del individuo. Mañana se tratará del poder predictivo, objetivo y sensorial y la precisión del ecosistema digital.
La agricultura digital también debe tratarse de un sistema operativo. Por esta razón, los siguientes requisitos garantizan que el sistema se escale a millones de acres, se implemente en múltiples cultivos, proporcione una solución de extremo a extremo, exista dentro de un ecosistema y respalde las diversas necesidades agronómicas y económicas de cientos, incluso miles, de las partes interesadas al mismo tiempo. En un resumen bastante tosco, debe ser más que una curiosidad para el friki sofisticado y debe servir constantemente al pequeño productor hasta el más grande.
La agricultura digital, en el siguiente nivel más bajo, debe organizar, analizary orquestar la entrega oportuna de información de los cuerpos de datos que constituyen un campo. Debe tratarse de dividir el campo en unidades de activos productivos diferenciables, geolocalizadas e individualmente homogéneas. Este requisito se refiere a cada unidad como activo productivo. La ubicación precisa asegura que la información recopilada sobre esa unidad se mida, recopile, analice y procese para la misma ubicación y se diferencie de todos los demás activos circundantes. Se trata de ser individualmente homogéneo e idéntico en tamaño, huella y profundidad, para que el sistema pueda analizar repetidamente la misma unidad. Esto significa que a lo largo de la huella y en profundidad, cada variable de una unidad productiva tendrá el mismo valor de variable.
MÁS DE MICHAEL R. COLLINS
Agricultura digital
2 de noviembre de 2020
Fomento de una cultura de innovación en la agricultura
Por Michael R. Collins
Agricultura digital
1 de junio de 2020
Conócete a ti mismo: la autoconciencia es fundamental al adoptar una nueva tecnología agrícola
Por Michael R. Collins
Agricultura digital
11 de noviembre de 2019
Agilidad en la agricultura digital
Por Michael R. Collins
Se pueden generar predicciones y prescripciones y la producción se puede monitorear individualmente para cada activo productivo. Cada unidad productiva del activo puede identificarse, analizarse y activarse por separado y con precisión para producir un resultado previsto. La suma de los resultados de todas estas unidades homogéneas constituye un campo, y la suma de todas las predicciones, prescripciones, costos y rendimientos son la economía del campo. Al tratar el campo como una suma de activos productivos, la agricultura digital puede aplicar quirúrgicamente datos avanzados y algoritmos analíticos, en tiempo real, a la gestión de cada activo y, en resumen, a todo el campo.
La agricultura digital también se trata de lo que no es. La agricultura digital no se trata de genética, predicción del tiempo, etc. Estos factores son extremadamente importantes para las predicciones, pero se generan externamente y se aplican como insumos. Por lo tanto, por ejemplo, el proceso de selección de semillas examinaría la selección de semillas en función de los perfiles de semillas desarrollados y producidos por las empresas agrícolas. Las condiciones del suelo, la hidratación y otra información conocida se desarrollan a partir de los sensores o de los registros históricos de la región y el campo. Los datos de la región y el campo son históricos y medidos, y estos datos se utilizan para establecer una base predictiva. La agricultura digital consiste en utilizar información conocida sobre el campo, los cultivos, los nutrientes, la protección y la hidratación para predecir los resultados en función de la información detectada, procesada y agregada.
La agricultura digital se trata de describir el activo en el dominio digital; sobre la creación de un gemelo digital que pueda evaluarse repetidamente con muchas variables. Cada unidad tiene medidas definibles y consistentes de las variables agronómicas clave en todo el activo productivo, y se trata de separar los datos que cambian de los que no cambian. Esto significa que existen variables sobre el activo productivo que se pueden ordenar y analizar para predecir el desempeño del activo productivo. Por ejemplo, y con solo mirar una descripción del campo, las siguientes capas de información se presentan en el orden de su variabilidad. Son:
Topografía: contornos y pendientes, inclinación al sol, escorrentía de precipitaciones, etc.
Artefactos enterrados u ocultos: baldosas de drenaje, zonas de compactación, rocas o formaciones geológicas enterradas.
Mapeo de conductividad eléctrica: una indicación de los tipos de suelo y la capacidad de carga de hidratación.
Muestreo de suelo: validación de tipos de suelo, horizontes y composición, un mapa de relleno de las características tridimensionales del activo.
Ubicaciones históricas de estrés: ubicaciones geográficas de escapes de malezas anteriores, infestaciones de insectos, brotes de hongos, nematodos, etc.
Suplementos y tratamientos históricos: aplicaciones anteriores de protección de cultivos o campos, aplicaciones de nutrientes, etc.
Todas estas son adiciones permanentes o semipermanentes a la descripción de los activos productivos que cambian lentamente con el tiempo. La información descriptiva más permanente se presenta primero y, a medida que se examina cada nueva variable, cada iterativa se vuelve más variable con el tiempo. El ejemplo anterior trata sobre el suelo; el activo productivo, pero cada uno de los dominios de la granja digital maneja información en escalas masivas y pasa de lo invariante a lo variante.
El atributo más importante en esta discusión es que las cantidades masivas de datos representan las propiedades de cada dominio que influyen en el cultivo y se describen hasta la ubicación geográfica exacta del activo. Todos estos datos se pueden analizar por separado y resumir para un campo, finca, región, etc. Estos son los datos que deben ser geolocalizados, medidos con precisión y descritos digitalmente. Estos datos son la base de todos los esfuerzos posteriores. Establece las bases para la geolocalización de entradas en tiempo real y la aplicación de tecnología de precisión.
Finalmente, para aplicar estos datos, el productor necesita recolectar, comunicar, almacenar / archivar, recuperar, orquestar y analizar estos datos. El cultivador necesita entrar y adelantarse a sus ciclos de decisión; los circuitos de decisión que componen el ciclo de cultivo. Esto no puede suceder sin información oportuna. Es necesario predecir el momento y la ubicación requeridos de la detección y el análisis de la identificación debe ser en tiempo real para lograr un cambio positivo. La entrega de información un día, una semana o un mes después no es agricultura digital. Esto también significa que el uso de datos que tengan días de antigüedad o de sensores que detecten demasiado tarde en el ciclo de estrés para influir en el estrés no es agricultura digital. En este caso, la actualidad de la detección del evento sobre el que se requiere acción no solo es oportuna sino también crítica. Si la información de la decisión se presenta demasiado tarde, el problema ya está invertido en los activos y, a menudo, cualquier acción correctiva es demasiado tarde. La agricultura digital consiste en proporcionar información oportuna al productor cuando la necesita, en tiempo real.
En resumen, entonces, la agricultura digital se trata de ubicación de precisión, detección y procesos en tiempo real, y la generación de información agronómica de calidad de decisión en todo el ciclo de cultivo. También se trata de escalabilidad, procesos de extremo a extremo y entrega operativa generalizada a la comunidad agrícola.