1. Agricultura específica por sitio compartiendo experiencias
(AESCE) aplicada a la producción de frutales en Colombia
Secretarias técnicas de las cadenas productivas (mango, aguacate, cítricos, plátano)
www.frutisitio.org
www.ciat.cgiar.org
Con la participación de :
2. Agricultura de precisión Agricultura específica por
(AP) sitio (AEPS)
•Manejo de lotes a mayor •Manejo de lotes según sus
escala/resolución dentro del lote caractérísticas particulares
•Mide la variación dentro del lote •Mide la variación entre lotes
•Analiza el efecto de un factor o factor •Analiza la combinación de factores
por factor sobre la productividad. sobre su efecto en la productividad
• Modelos requieren conocimiento • Modelos construidos con limitado
detallado de procesos involucrados en conocimiento acerca de la interacción de
el crecmiento de las plantas.(relaciones los factores que determinan el
más exactas) crecimiento de una planta (caña, café) –
Relaciones aproximadas
Referencias:
Plant, 2001. Computers and electronics in agriculture.
Jiménez et al., 2009. Computers and electronics in agriculture
Jiménez et al., 2011. Agricultural Systems
Cock et al., 2011. Agricultural Systems
3. Agricultura de Precisión (AP)
Variación dentro del lote
•Elementos Fertilización
•Agua Riegos
•Plagas y enfermedades Manejo fitosanitario
4. Agricultura Específica por Sitio(AEPS)
Es un área definida por el productor y se diferencian claramente de otras por
características ambientales, prácticas agrícolas o características del cultivar
establecido en ella.
Tipos de manejo
Edad de las 6
plantas 6
Variedad
Tipo de suelo
3
Las unidades de manejo existen debido a razones naturales como las diferencias
en las características de los suelos, climáticas o topográficas, o debido a la
intervención del agricultor quien implementa y experimenta con diversas prácticas
agrícolas.
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
5. Definición Agricultura Específica por Sitio
Según CENICAÑA: El arte de realizar las prácticas agronómicas
requeridas por un cultivo de acuerdo con las condiciones espaciales
y temporales del sitio donde se cultiva, para obtener de ella su
máximo rendimiento potencial. (Isaacs et al., 2004)
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
6. Caña de azúcar y AEPS:
Tons of sugar per ha per month
1.6
1.4
AEPS
Technology development for local
1.2
conditions based on SSA
Tecnología Autóctona
TAHM
1.0
TAHM
Tecnologia Importada
0.8
Broad Adaptation development
0.6
Nota: un taller realizado en oct 2010, CENICAÑA ilustro que
en sus investigaciones recientes se esta integrando
0.4
Imported technology información de las practicas que hacen cañicultores poco y
muy exitosos para aprender de lo que realizan
0.2
1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010
Año
Año Cenicaña
7. Antecedentes AEPS en Colombia
• Caña de azúcar: CENICAÑA ( más de 20 años)
• Camarones: Ceniacua
• Café : CIAT– Federación nacional de cafeteros
• Frutales sin gremios organizados: BIOTEC – CIAT – HEIG-VD
Alrededor de 8 años de experiencia en el tema – 6 años detrás de la
idea en frutales tropicales
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
8. AESCE: basado en principios de :
Enfoques analíticos Modelos no lineales
Modelos matemáticos
Estudio de Framingham Modelos lineales Optimizar operaciones
Observación operaciones organización
Investigación operacional
Modelo tradicional de investigación
No control de factores
Experimentos controlados
Efecto de variables separadas
AESCE Ambientes Heterogéneos
efecto combinado de factores
Agricultores ensayan y experimentan permanentemente
Experiencias productivas de los agricultores
experimentación continua aumento productividad
sin entidades estatales
Compartir experiencias giras visitas
Inglaterra 1650
Investigación participativa publicaciones
Sin estaciones experimentales
9. AESCE: Investigación - innovación
Investigación : Manifiesta una idea – no necesariamente útil
Tomado de
presentación de
inventta
Colombia
Innovación: pone en práctica una idea o concepto de manera exitosa
AESCE:
Una herramienta que facilita
la innovación
Sistema de drenaje depresión momposina hace 100s de años
http://kyapa.tripod.com/agengineering/drainage-lowland/sp-drainage.htm
10. La oportunidad de AES actualmente
• La existencia de bases de datos medioambientales y
socioeconomicas : permiten caracterizar cualquier
experimento que se lleve a cabo a nivel de finca
• Nuevos enfoques analíticos, mecanismos de captura
y entrega de información a través de ICTs, internet
• Organización rural alrededor de las cadenas
productivas
11. OBJETIVO PRINCIPAL
Aumentar la competitividad de los productores de frutales en el
país por medio de un sistema de Agricultura Especifica por Sitio
basado en compartir experiencias (AESCE) entre productores de
cítricos, aguacate, mango y plátano.
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
12. Componentes generales de AESCE
• Recopilar información sobre las características
ambientales de los sitios y las experiencias o "eventos" de
1 los agricultores
• Analizar e interpretar la información recopilada
2
• Implementar manejo específico por sitio, a través de
grupos de productores (compartiendo experiencias )
3
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
13. Información de Entrada y salida en una unidad de
manejo
Relieve y Suelo
Clima Topografía y
paisaje Manejo del cultivo
• Producción y calidad
• Mejores condiciones ambientales y de suelos
• Prácticas mas adecuadas
• Adaptación de variedades
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
14. Principios AESCE
Principio 1 Principio 2 Principio 3
Cultura de medición Conocimiento colectivo Uso de tecnología
Lo que no se mide no se puede manejar eficientemente
15. Recopilar información Topografía y Suelos
Clima
Paisaje/Topografía
Elevation Slope Aspect
Manejo:TICs
Suelos: RASTA
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
16. Clima y Paisaje
•WorldClim
•SRTM
Mean annual •TRMM
temperature (ºC)
-30.1
•BIOCLIM
30.5
Elevation Slope Aspect Solar Radiation
Annual
precipitation (mm)
0
12084
17. Datos de Suelo: RASTA
RASTA
Caracteriza los suelos y
terreno en
forma rápida, confiable y
sencilla
en el sitio
18. Tomando información en campo
Diseño y validación de formularios de captura
GPS
Android 2.2 Froyo Samsung Galaxy Fit. Inclinómetro
19. Implementar manejo específico por sitio, a través de grupos de
productores (compartiendo experiencias )
)
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
20. Analizar e interpretar la información recopilada
350
100
90
300
80
250
70
Number of observations
Number of observations
60
200
50
150
40
30
100
20
50
10
0
0 0.0013 0.0510 0.1008 0.1505 0.2003 0.2500
0.0012 0.4271 0.8531 1.2790 1.7050 2.1309 0.0261 0.0759 0.1256 0.1754 0.2251
0.2142 0.6401 1.0661 1.4920 1.9180
Lulo Yield (Kg/plant/week)
Andean blackberry y ield (Kg/plant/week)
Mora (Rubus glaucus) Lulo (Solanum quitoense)
Positive deviance
21. Analizar e interpretar la información recopilada
1.8 Predicted
y = 0.892x + 0.015
Predicted yield (kg/plant/week)
R² = 0.892
1.3
0.8
0.3
-0.2 -0.2 0.3 0.8 1.3 1.8
Real yield (kg/plant/week)
Jiménez, D., Cock, J., Satizábal, F., Barreto, M., Pérez-Uribe, A., Jarvis, A. and Van Damme, P., 2009. Computers and
Electronics in Agriculture. 69 (2): 198–208
0.25
Predict…
0.2
Predicted yield (kg/plant/week)
y = 0.984x + 0.003
R² = 0.714
0.15
0.1
0.05
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
Real yield (kg/plant/week)
Jiménez, D., Cock, J., Jarvis, A., Garcia, J., Satizábal, H.F., Van Damme, P., Pérez-Uribe, A. and Barreto-Sanz, M., 2011.
Agricultural Systems. 104 (3): 258-270
22. Analizar e interpretar la información recopilada
Aprendiendo de experiencias previas de AES en el país – para cultivos con menor
organización social
Caña en el Valle Café
Rainfall Table 6. Coffee quality (final score) obtained by various
Climatologic associations in five environmental clusters
al
Evapotranspirat Zoning by Soil Effect est Prob
ion Water moisture Main Effects
balance groups Cluster 1 12.8 0.0111
Soil
Permeability
Cluster 2 -3.7 0.3780
Agro
ecological Cluster 3 -2.5 0.5316
Soils study Zones Cluster 4 2.0 0.6327
Natural
Cluster 5 -8.6 0.0379
drainage
Soils Association ADPASO -12.6 0.0167
managemen
t
Groups
Plátano en Pereira
Clave: Las variables empleadas para definir las zonas
23. Analizar e interpretar la información recopilada
Variables más relevantes en la producción
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
Tres variables: 1. Profundidad efectiva, 2. Temperatura y 3. Pendiente fueron
relevantes para ambas regresiones lineal y no lineal
24. Ejemplos reales en frutales en Colombia
(Redes neuronales artificiales en combinación con metodologías tradicionales)
Caso de estudio: Lulo (Solanum quitoense) – clustering
Las tres variables relevantes fueron utilizadas para definir grupos con
condiciones ambientales homogéneas = 3
25. Ejemplos reales en frutales en Colombia
(Redes neuronales artificiales en combinación con metodologías tradicionales)
Caso de estudio: Lulo (Solanum quitoense) – Modelo mixto para conocer los efectos sobre la
productividad de grupos con condiciones ambientales homogéneas
Variable ranges HEC
Slope (degrees) EffDepth (cm) TempAvg_0
(°C)
50.00 5-14 21-40 15 -16.5 1
8-15 32-69 15 -18.9 2
40.00
13-24 40-67 15.8 -19 3
30.00
Lulo yield (kg/plant/week)
20.00
10.00
0.00
1 2 3
-10.00
-20.00
-30.00
Effects of clusters of environmental conditions
Condiciones ambiental homogénea 3 fue la mas productiva – 41 gr de lulo /planta más que
el promedio
26. Ejemplos reales en frutales en Colombia
(Redes neuronales artificiales en combinación con metodologías tradicionales)
Caso de estudio: Lulo (Solanum quitoense) – Modelo mixto para conocer los efectos sobre la
productividad de grupos con condiciones ambientales homogéneas y las fincas
HEC como proxy para variabilidad ambiental
Finca como proxy para manejo
60.00
Lulo yield (kg/plant/week)
40.00
20.00
0.00
1 2 3 4 5 8 17 5 6 8 10 11 12 13 15 16 17 19 20 7 9 14 18 19 20 21
-20.00
1 2 3
-40.00
-60.00
Effects of farms across the EC clusters of environmental conditions
-80.00
•El modelo mixto explicó mas del 80 % de variación en productividad de lulo.
• Ej. Finca 9 en condición ambiental homogénea 3 produce 51 g de lulo /planta más que el
promedio
28. Cítricos
Visualización
Edad Temperatura
Kg/Arbol
(a)
Suelo Franco Arcilloso
•Producciones altas: •Producciones bajas:
•Árboles entre 10 y 13 años •Presencia de suelos
•Temperaturas entre 23 y 25 °C franco-arcillosos
Agricultura específica por sitio
compartiendo experiencias (AESCE) www.frutisitio.org
30. Implementar manejo específico por sitio, a través de grupos de
productores (compartiendo experiencias ) - Plataforma informática
Caracterizando mi finca – sistema en linea
32. Implementar manejo específico por sitio, a través de grupos de
productores (compartiendo experiencias )
Fusión con proyecto Escuelas de Campo - ECAs
Experiencia de todos, prosperidad para todos