AgriMercante
Agricultura futurista agricultura, futuro

Agricultura futurista

Avión de ala fija deslizándose sobre las nubes. Satélites en órbita alrededor de la Tierra. El futuro, como se presenta en una novela de ciencia ficción, es ahora. Y la agricultura, con su creciente necesidad de gestionar los cultivos de la manera más eficiente posible, adopta esta poderosa tecnología como lo que es: otra herramienta en la caja de herramientas.

Si bien esos vehículos aéreos no tripulados (UAV), satélites y aviones tienen el poder de elevarse, son las imágenes de vanguardia que capturan las que realmente ayudan a las decisiones sobre el terreno, impulsadas por personas, que ofrecen datos cada vez más precisos durante todo el ciclo de cultivo. Desde la población de plantas, las malezas y la compactación del suelo hasta las deficiencias de nitrógeno, el riego excesivo y las plagas, las poderosas instantáneas no solo ayudan a determinar dónde se encuentran esos problemas en un campo, sino también por qué y qué soluciones son posibles.

Lo que las imágenes nos pueden decir

Cada planta en un campo es, en esencia, su propio sensor. Su superficie y textura únicas proporcionan una especie de firma de datos en forma de luz reflejada. Las imágenes multiespectrales capturan esos reflejos y, a su vez, pueden proporcionar información sobre la salud de la planta.

Entonces, cuando ve un índice de vegetación de diferencia normalizada o un índice de borde rojo de diferencia normalizada, es simplemente un cálculo de luz visible e infrarroja cercana reflejada por esa vegetación. O, dice Darren Goebel, ingeniero agrónomo y director de cuidado de cultivos comerciales globales de AGCO, “es la intensidad de la fotosíntesis que ocurre en las plantas”.

Más específicamente, el espectro rojo de un mapa es altamente sensible a la baja clorofila, mientras que el espectro del borde rojo es sensible a un rango más amplio de clorofila. Aparte de eso, los dos tipos de imágenes básicamente hacen lo mismo: reflejan la actividad fotosintética.

En la práctica, entonces, las áreas rojas en las imágenes podrían indicar un cultivo muerto, suelos desnudos o incluso un edificio. Por el contrario, agrega Goebel, “las áreas verdes en una imagen pueden indicar un cultivo en crecimiento muy saludable, y cuanto más oscuro sea el verde, más saludable será el cultivo”.

Mejorando las imágenes a través de la investigación

Piense en la investigación de imágenes como una especie de carrera armamentista agrícola. “Hace dos años, toda la industria estaba preocupada por los vehículos aéreos no tripulados y lo que podían y no podían hacer”, a partir de la vida útil limitada de la batería y las regulaciones de la FAA, dice Terry Griffin, profesor asistente, departamento de economía agrícola de la Universidad Estatal de Kansas y asesor académico. a la Asociación de Investigación y Tecnología de Kansas Ag (KARTA), un grupo de productores que comparten su tecnología y experimentación en la granja. “Todos ignoraban lo que realmente hacían los UAV (tomar imágenes) y estaban más preocupados por el hardware”.

Pero, agrega, ese interés en el hardware realmente ha llevado la investigación hacia mejores imágenes. En estos días, sería difícil encontrar una universidad o compañía de equipos que no esté involucrada con algún tipo de imágenes o investigación de UAV.

“El NDVI tradicional y las imágenes multiespectrales han existido durante muchos años”, dice Goebel de AGCO. “Pero hay mucho trabajo para continuar la utilización de porciones muy específicas del espectro de luz visible”, agrega, citando el uso aceptado del borde rojo (NDRE) para identificar con mayor precisión las deficiencias de nitrógeno en el campo.

“Los científicos todavía están trabajando para determinar qué longitudes de onda pueden distinguir las malezas específicas”, dice Dennis Bowman, un educador de sistemas de cultivos en la Extensión de la Universidad de Illinois. “Definitivamente se puede ver una diferencia en la reflectancia del cáñamo de agua frente a la soya, pero a nivel práctico y comercial, todavía no podemos distinguir el cáñamo de agua”.

En la Universidad Estatal de Mississippi, los investigadores publicaron recientemente un estudio que desplegó vehículos aéreos no tripulados sobre las parcelas de maíz para evaluar diferentes tasas de secado una vez que el maíz llega a la capa negra y comienza a senecerse. Jason Ward, quien se unió a AGCO el otoño pasado como gerente de capacitación en agricultura de precisión de Global ATS, participó en el estudio como profesor asistente de Extensión, enfocándose en la investigación de agricultura de precisión.

“Queríamos ver cuál era la variabilidad alrededor de la siembra multi-híbrida”, dice. Los investigadores encontraron diferencias significativas en las tasas de secado entre híbridos. “Lo que eso significa para mí”, explica Ward, “es que la diferencia era lo suficientemente grande como para afectar el rendimiento de la cosechadora y la estimación del rendimiento real”.

Este año marca el primero en que el Crop Tour de AGCO volará drones sobre los campos para recolectar imágenes, utilizando informes y análisis de la empresa Ag Insight Aglytix para “proporcionar una evaluación directa de los plantadores y diferentes métodos y herramientas de producción”, dice Ward. “Supongamos que estamos analizando la salida de nuestro SeedSense® 20/20, y vemos que la singularización salió bien, el mapa de carga aerodinámica fue consistente, no hubo grandes problemas en el área de campo, pero aún tenemos un problema importante. Tal vez la semilla simplemente no se estableció correctamente “. Afortunadamente, dice,” utilizando las imágenes y la tecnología para el contexto, ha podido tachar algunas cosas de la lista para que pueda profundizar en la parte más problemática”.

Como Ward explica, el uso de esta tecnología puede no permitir una solución hasta el próximo año. Sin embargo, según la capa de datos, puede comenzar a preguntarse qué debe hacer de manera diferente, cómo debe manejar las malezas o si debe cambiar su paquete de fertilizante. “Y es posible que pueda presupuestar con anticipación algunas de esas cosas”, dice.

Botas sobre el terreno

“Muchas empresas hablan de cómo las imágenes aéreas son buenos indicadores de cómo se ve su mapa de rendimiento”, explica Goebel. “Pero como ingeniero agrónomo que consulta con los productores, en realidad no quiero que esas imágenes se vean como mi mapa de rendimiento”, dice, y explica que necesita múltiples factores reflejados en esas fotos para ayudar a tomar mejores decisiones. “Quiero ver lo que sucede en el campo (manejo del nitrógeno, malezas, insectos) y usar las imágenes como una herramienta de exploración para ayudar a lograr un cambio”.

Incluso las capas de datos de más alta tecnología no son un sustituto de la exploración. “Todavía tendrá que caminar hacia esos lugares, tal vez tomar una muestra de suelo o tejido y luego tomar una decisión sobre qué hacer”, dice Goebel.

“Con una deficiencia de nitrógeno, tendrá que salir y muy probablemente aplicar nitrógeno a dosis variable. Puedo tomar esa imagen NDVI, ponerla en el software y crear un mapa de nitrógeno recetado, y luego volver a cargarla en el rociador para aplicar nitrógeno o urea en los lugares que lo necesitan “.

El objetivo general de las imágenes avanzadas, de estos drones futuristas que se ciernen sobre un campo, es recopilar datos y contexto, proporcionar puntos de referencia que potencialmente permitan a los agricultores ayudar a reducir los costos y maximizar la eficiencia y el rendimiento. Aún así, los productores deben interpretar esos datos correctamente y tomar decisiones más inteligentes basadas en ellos. Porque, señala Ward, “en agricultura de precisión, hemos sido muy buenos en la generación de grandes volúmenes de datos, pero no es completamente procesable … todavía”.

Entonces, mientras los productores e investigadores continúan aprovechando las imágenes, el hardware y el software para identificar problemas en el campo y aumentar la productividad en todas las operaciones, Ward reconoce que hay mucha información en la granja que debe aplicarse a esos análisis y algoritmos. “Mucha información local proviene de un agricultor que está allí, conociendo su campo, su equipo, sus operadores. Y eso “, señala,” francamente, no encaja bien en una base de datos.

“No creo”, concluye, “que alguna vez podamos sacar el cerebro del agricultor de la ecuación … y no creo que quisiéramos”.

(Fotografía: Pexels)

Avatar

AgriMercante

AgriMercante busca promover la aplicación de tecnología y conocimiento para lograr una producción y comercialización de frutas y verduras mas rentable para el productor y mas en armonía con el medio ambiente y recursos naturales.

Agregar comentario

Suscribirse al boletín

Si lo deseas, puedes suscribirte gratis a nuestro boletín para obtener las últimas noticias y contenidos de AgriMercante.

Por favor espera..

Gracias por registrarte en nuestro boletín!

Avatar

AgriMercante

AgriMercante busca promover la aplicación de tecnología y conocimiento para lograr una producción y comercialización de frutas y verduras mas rentable para el productor y mas en armonía con el medio ambiente y recursos naturales.

Publicidad

Síguenos en redes sociales