Panorama Sociodemográfico de México 2020: GUANAJUATO
Agronomia guiada por los datos
1. Factores limitantes
del rendimiento y de la calidad
Prácticas óptimas de manejo
específicas por sitio
Patrones climáticos
favorables / desfavorables
CONOCIMIENTOSAgronomía
guiadapor
losdatos
Qué, dónde,
cuándo y
cómo sembrar
Poniendo los Datos
al Servicio de la Agricultura
La agronomía guiada por los datos se refiere a un enfoque que utiliza
herramientasdigitalesparacolectar,analizarytraducirdatoseninformación
oportuna, práctica y sitio-específica con el fin de apoyar a los agricultores a
tomar mejores decisiones en sus fincas.
Datos de
rendimiento
de los cultivos
Compilar datos
existentes a
través de alianzas
Estrategias
modernas para
la captura de
datos (TICs,
IoT, Percepción
Remota, etc.)
Reducción en
la brecha de
rendimiento
Mayor capacidad
adaptativa de los
sistemas agrícolas
al cambio climático
Mejores medios
de vida
Empoderamiento
de los socios
ODS:
DATOS
Equipo de Minería de Datos y Socios en Acción
IMPACTO
Información
de prácticas
agrícolas
Datos
climáticos
Datos
de suelos
Agricultores,
servicios de
extensión,
investigadores
2. UN Global
Pulse, 2014:
Big Data Climate
Challenge
UNFCC, 2017:
Momentum
for Change
(ICT Solutions)
Syngenta, 2018:
Desafío
Analítico en
Agricultura
World Bank
Innovation
Challenge, 2014:
Big Data for
Development
Misión
Más de
En el 2022, ser un líder global en la agronomía
guiada por los datos, trabajando en conjunto
con actores claves de la agricultura, en la
entrega de información rápida y apoyada en
sistemas impulsados por datos con el fin de
optimizar la producción agrícola sostenible.
d.jimenez@cgiar.org
Daniel Jiménez, PhD.
Científico
Marzo2019
Conoce
más en:
CONTACTO
https://bigdata.cgiar.org/communities-of-practice/data-driven-agronomy/
Selección de artículos científicos
Manfre, C., Laytham, W., 2018. Digital Tools For
Agriculture. CIAT Case Study. Washington, D.C.,
USA. https://www.usaid.gov/sites/default/files/
documents/15396/CIAT_Case_Study_.pdf.
Mehrabi, Z., Jiménez, D., Jarvis A. 2018.
Democratize access to digital agronomy. Nature
555 (30).
Delerce, S., Dorado, H., Grillon, A., Rebolledo,
M.C., Prager, S.D., Patiño, V.H., Garcés Varón,
G., Jiménez, D., 2016. Assessing Weather-Yield
Relationships in Rice at Local Scale Using Data
Mining Approaches. PLoS ONE 11(8), e0161620.
doi:10.1371/journal.pone.0161620.
Jiménez, D; Dorado, H; Cock, J; Prager, S.D;
Delerce, S; Grillon, A; Andrade Bejarano, M;
Benavides, H; Jarvis, A. 2016. From Observation
to Information: Data-Driven Understanding of on
Farm Yield Variation. PLoS ONE 11(3): e0150015.
doi: 10.1371/journal.pone.0150015.
Premios Internacionales
agricultores aumentan su
productividad con base a
recomendaciones agronómicas
guiadas por los datos
en América Latina