Este documento resume un proyecto de agricultura específica por sitio aplicada a la producción de frutales en Colombia. El proyecto recopila información sobre las características ambientales de los sitios de producción y las experiencias de los agricultores para analizarla e implementar un manejo específico por sitio basado en compartir experiencias entre grupos de productores. El objetivo principal es aumentar la competitividad de los productores de frutales a través de un sistema de agricultura específica por sitio.

1. Agricultura Específica por Sitio
Compartiendo Experiencias aplicada a la
producción de frutales en Colombia
Karolina Argote, Daniel Jiménez
Seminario Internacional de Agricultura de Precisión con enfoque en SIG y Teledetección
Centro de formación Agroindustrial La Angostura
Neiva, del 28 de Noviembre al 2 de Diciembre de 2011

2. Quienes somos???... www.ciat.cgiar.org
Centro Internacional de Investigación en http://gisweb.ciat.cgiar.org/dapablogs/
Agricultura Tropical – Cali, Colombia. www.frutisitio.org
Organización sin animo de lucro con
competencias científicas claves para Agricultura Eco-eficiente
alcanzar impacto significativo sobre los
medios de vida y la población vulnerable
para reducir la pobreza
de bajos recursos en el trópico.
Dentro de la gran diversidad de
programas de investigación en
CIAT hacemos parte de DAPA:
Decision and Policy Analysis
Program (DAPA)
Creemos firmemente en el poder de
la información para tomar mejores
decisiones en la agricultura y en el
manejo de los recursos naturales
desde el nivel de finca hasta el nivel
global. Temáticas: Ecosistemas,
Análisis de impacto, Mercados,
Cambio Climático.

3. Contenido
1. Introducción
2. Datos de Entrada
3. Metodología
4. Avances

4. Definiciones
Agricultura específica por sitio (AEPS)
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.
La información de las características de cada sitio de cultivo es la base para orientar
los procesos de transferencia de tecnología que traen consigo impacto económico.
(Isaacs et al., 2004)

5. Definiciones
Agricultura específica Agricultura de
por sitio (AEPS) Precisión (AP)
 Manejo de lotes según sus caractérísticas  Manejo a nivel sub-lote, usando datos de
particulares. mayor resolución.
 Mide la variación entre lotes.  Mide la variación dentro del lote.
 Analiza el efecto que una combinación de  Analiza el efecto de cada factor sobre la
factores tienen sobre la productividad. productividad.
 Modelos construidos con limitado  Modelos requieren conocimiento detallado
conocimiento acerca de la interacción de los de procesos involucrados en el crecmiento de
factores que determinan el crecimiento de una las plantas (relaciones más exactas).
planta – 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

6. Definiciones
Agricultura específica por sitio (AEPS)
Tipos de manejo
Edad de plantas
Variedades
Tipo de suelo
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.

7. Antecedentes
 Caña de azúcar, CENICAÑA: más de 20 años de AEPS, hoy día mayores productores de
caña/área. Cuentan con zonificaciones agroecológicas que describen la disponibilidad de agua,
tipo de suelos y clima facilitando desarrollo de la AEPS y la adaptación de variedades a las
condiciones del valle.
 Café, DAPA – Federación Nacional de cafeteros: hace 7 años donde se hizo la
identificación de condiciones agroecológicas favorables para calidad de café en taza y
denominación de origen.
 Frutales poco investigados, BIOTEC – CIAT – HEIG-VD: Identificación de condiciones de
suelos, clima y manejo agronómico en los cultivos de lulo y mora que generan incrementos y/o
disminución de la producción.
 Frutales AEPSCE, CIAT – ASOHOFRUCOL – FNFH: Agricultura específica por sitio
compartiendo experiencias. Mejorar la competitividad y productividad de los fruticultores de
aguacate, cítricos, mango y plátano del país caracterizando los sitios de producción para
proveer recomendaciones específicas por sitio.

8. Componentes del Proyecto
AEPSCE
• Recopilar información sobre las características ambientales de los
sitios y las experiencias o "eventos" de los agricultores.
1
• Analizar e interpretar la información recopilada.
2
• Implementar manejo específico por sitio, a través de grupos de
productores (compartiendo experiencias).
3

9. Roles
 Coordinación (Científica – Operativa)
 Captura y análisis de información (histórica,
definición de variables, diseño de sistema de
captura)
 Compilación de material técnico para divulgación
 Coordinación operativa
 Enlaces institucionales
 Socialización del proyecto
Cadenas productivas  Formación de grupos
(mango, aguacte, citricos, plátano)

10. Objetivos de AEPSCE
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 entre
productores de cítricos, aguacate, mango y plátano.
Específicos
 Caracterizar los sitios de producción y recopilar
información de eventos.
 Constituir un sistema de información para orientar la
toma de decisiones de los fruticultores
 Propiciar que grupos de fruticultores además de
enriquecer el sistema con información, sean asesorados
en la toma de decisiones en términos de competitividad y
rentabilidad.
 Capacitar a los diferentes actores en la
implementación de AESCE en el sector hortofrutícola
nacional.

11. Hipótesis
Si fuese posible compilar la información de lo que hizo el agricultor y
caracterizar las condiciones de un gran número de éstos experimentos,
seria posible deducir las prácticas y condiciones agroambientales óptimas
para tener altas producciones en sitios específicos.
“Cada vez que un productor siembra y cosecha es
una experiencia, experimento o evento único”

12. Principio 1: Cultura de
medición y registro
Lo que no se mide no se puede
manejar eficientemente
Los fruticultores establecerán
una cultura de registro de
información.

13. Principio 2: Conocimiento
colectivo
Cada productor tiene un
conocimiento valioso que no es
aprovechado.
Si todos comparten experiencias,
todos se benefician.

14. Principio 3: Uso de
tecnología informática
Las tecnologías de información y
comunicación (TICs) conectan
conocimiento
Revolución en la toma, procesamiento,
análisis y entrega de información

15. Contenido
1. Introducción
2. Datos de Entrada
3. Metodología
4. Avances

16. Información de una unidad de manejo
Relieve y Suelo
Clima Topografía Manejo del
y paisaje cultivo
 Producción y calidad
 Cultivos en condiciones climaticas
apropiadas y suelos favolrables.
 Prácticas mas adecuadas
 Adaptación de variedades

17. Toma de Información en Campo
Diseño y Evaluación de Formulas de captura:
GPS
Android 2.2 Froyo Inclinómetro
Samsung Galaxy Fit.

18. Georeferenciación
de las unidades de manejo

19. Datos Climáticos WorldClim
http://www.worldclim.org/
WorldClim provee datos
meteorológicos para todo el
mundo compilados a partir de
bases de datos nacionales e
Mean annual
internacionales. temperature (ºC)
-30.1
Temperatura, precipitación, y las 30.5
19 variables bioclim.
Resolución: 1 km
Usamos las19 variables
bioclimáticas
Annual
precipitation (mm)
0
12084

20. Datos de Precipitación TRMM
http://trmm.gsfc.nasa.gov/
Tropical Rainfall Measuring
Mission liderado por la NASA y
JAXA monitorea y estudia las
precipitaciones tropicales y
subtropicales, entre los 35°N y
35°S. Lanzado en 1997.
Datos de precipitación mundial
Resolución 28km y frecuencia de
3 horas.
Usamos promedios diarios de
precipitación.

21. Datos Topográficos SRTM
http://srtm.csi.cgiar.org/
SRTM es un sistema de radar
voló a bordo de Endeavour en
una misión de 11 días en febrero
de 2000, liderado por NGA y la
NASA.
Produciendo una Base de datos
digitales topográficos de la
Tierra Resolución 90m y 30m.
Usamos datos de Elevación
90m.
Con estos datos se puede obtener: Elevación, pendiente,
aspecto, paisaje, curvatura, radiación solar….

22. Datos de Suelo – Guía RASTA
Se capacita a los
agricultores para la
caracterización de los
suelos y el terreno en
cada unidad de manejo
de forma rápida, sencilla
y confiable.
Estos datos de
caracterización edáfica
son usados para
alimentar los modelos.

23. Datos de Manejo
Para cada finca se toman datos
de manejo para las variedades
sembradas:
• Distancia de siembra
• Podas
• Riego y Drenaje
• Fertilización
• Manejo Fitosanitario
• Prácticas Culturales
• Producción y Calidad

24. Contenido
1. Introducción
2. Datos de Entrada
3. Metodología
4. Avances
5. Implementación

25. Metodología
Datos de Caracterización de las
fincas: GPS – Suelos – Manejo.
Recolección de
Bases de Datos de Libre acceso: Información
WorldClim-19 Bioclim, TRMM-
Precipitación, SRTM-Elevación
Limpieza y Estandarización de Datos
Modelos de Modelos de
Nicho Respuesta
Homologe Maxent Modelos Modelos No
Identificación de sitios Identificación de Nichos Paramétricos Paramétricos
Edafológica y basado en modelos de
climáticamente similares. máxima entropía.
Talleres de
Retroalimentación
Agricultores con Variables más relevantes
condiciones similares en la producción
Benchmarking
Implementación de manejo
específico por sitio y compartir de
experiencias

26. Modelos de Nicho - Homologue
Mediante el software
Homologue se identifican sitios
edafológica y climáticamente
similares.
El propósito es identificar sitios
con potencial para establecer
nuevas variedades, o extender
tecnologías de un sitio a otro.
Entradas:
Puntos georefenciados de las
unidades de manejo, datos
climáticos, datos de suelo.

27. Modelos de Nicho - Maxent
Distribución probabilística
potencial
Encuentra el nicho de un Modelo probabilístico multivariado
cultivo o una plaga basado
en probabilidades de
presencia. Evidencia Variables
de ambientales
presencia
Entradas:
Puntos georefenciados de
las unidades de manejo,
variables continuas
(climáticas: precipitación,
temperatura, 19 bioclim) y
categóricas. Distribución de
probabilidad alrededor
de cada variable

28. Modelos de Respuesta
Regresiones Lineales
Análisis de eventos con el objetivo de dar recomendaciones sitio-especificas
Kilos/lote = Clima (b1) + Suelos (b2) + manejo (b3) + (B)
• OLS: (Ordinary least squares)
• Regresiones robustas: (permiten contrarrestar la influencia de outliers)
• Modelos mixtos combinados con BLUP (Best Linear Unbiased Predictor): permiten
estimar efectos fijos o aleatorios

29. Modelos de Respuesta
Regresiones No Lineales – Redes Neuronales
Clima
Parámetro Mat.
Bases de datos
Suelos
Parámetro Mat. Kilos/lote
Manejo
Parámetro Mat.
Info
adicional

30. Modelos de Respuesta
Visualización
Cítricos Edad Temperatura
M.Clementina M.Oneco
Altas: Árboles entre 10 y 13 años, Temperaturas entre 23 y 25 °C, M Oneco.

31. Modelos de Respuesta
Visualización
Aguacate con datos de producción
(b) (d)
(a)
Altas: Asistencia técnica, Caldas,
ppt entre 1900 y 2000 mm
(c) (e)

32. Interpretación de la información recopilada
Departamento Área Rendimiento
(Has) (Kg/ha) Antioquia produce más naranja
con la mitad de las hectáreas
Antioquia 1,163 30,035 cultivadas en Tolima
Tolima 2,413 8,625
Cesar 1,884 11,023
Cundinamarca 1,440 9,939 • Estadísticas MADR
Magdalena 483 18,772 • Manuales generales
• Experiencias en otras condiciones
Bolívar 353 7,453
Risaralda 156 10,213
Córdoba 262 18,836
3,000 40,000
Area Producción 35,000
2,500
30,000
2,000 25,000
Tons
Has
1,500 20,000
15,000
1,000
10,000
500 5,000
0 0

33. Interpretación de la información recopilada
Ejemplos reales en frutales en Colombia
(Redes neuronales artificiales en combinación con metodologías tradicionales)
Modelo mixto para conocer los efectos sobre la productividad de grupos con condiciones ambientales
homogéneas y las fincas
60.00
HEC como proxy para variabilidad ambiental
40.00
Finca como proxy para manejo
Lulo yield (kg/plant/week)
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.

34. Interpretación de la información recopilada
Modelos de Análisis Ambiental para Calidad de Mangos Criollos
Temperatura entre 20 - 25 °C precipitación entre 1265 y 1465 mm
Zonas aptas para producir fruta de muy Zonas aptas para producir fruta que superan los
buena calidad. criterios de calidad requeridos por la Agroindustria

35. Contenido
1. Introducción
2. Datos de Entrada
3. Metodología
4. Avances

36. Participación Departamental del Proyecto
ARC_MAP
CERCA DE 2.000 REGISTROS

37. Participación Departamental por Cultivo

38. Avances Año 1 de 3
El proyecto será ejecutado durante 3 años, ahora llevamos un año de
ejecución en el cual hemos realizado:
• Más de 40 talleres de capacitación y retroalimentación a agricultores en:
 Captura de datos en campo:
• Donde esta mi finca y mis unidades de manejo con Georefenciación
(GPS, Cartografía social, Google Earth).
• Conociendo el suelo con la metodología RASTA.
• Formatos por módulos para el registros de datos en campo.
 Importancia de asociatividad: Procesos Rurales de Organización y formación de
Grupos de Productores.
 www.frutisitio.org, formatos digitales y registro en línea para compartir información.
 Interpretación de resultados
• Más de 1200 agricultores capacitados en el manejo de la metodología RASTA.
• Alianzas estratégicas con el SENA, el proyecto ECAS, secretarias y comités
departamentales, capacitación actores del proyecto.

39. Sistema de monitoreo descentralizado
para la recopilación de eventos
Establecimiento de protocolos de análisis de agricultura sitio-especifico en línea
Caracterizando mi finca – sistema en linea
46% De los lotes
tienen acceso a
datos climáticos

40. Sistema de monitoreo descentralizado
para la recopilación de eventos
Establecimiento de protocolos de análisis de agricultura sitio-especifico en línea
Plataforma C-sar de CROPSTER – Mi finca y Visualización
de predicciones

41. Aplicación en linea
www.frutisitio.org.

42. Bases de Datos en línea
Compilación de la información en bases de datos

43. Contactanos
k.a.argote@cgiar.org
d.jimenez@cgiar.org
www.frutisitio.org