Este documento describe el desarrollo de un modelo de aprendizaje automático para predecir la cosecha de trigo utilizando datos de reflectancia espectral obtenidos mediante sensores multiespectrales en drones y equipos portátiles. El modelo se entrenó con datos de 436 microparcelas de trigo en dos campañas agrícolas, incluyendo índices de vegetación como NDVI obtenidos en varias fechas. Los resultados mostraron una correlación del 95,5% y un error medio absoluto de 254 kg/ha entre las cosechas predichas
Este documento describe los componentes de la agricultura de precisión, incluyendo sistemas de posicionamiento como GPS y alternativas de señales DGPS, así como el monitoreo de rendimiento. Explica que el monitoreo de rendimiento permite medir la variabilidad en los cultivos dentro de un lote y que los componentes necesarios incluyen sensores de flujo de grano, humedad, velocidad y posición, así como una consola y receptor GPS.
El documento describe el Portal Productor RPF, un sistema desarrollado por el Servicio Agrícola y Ganadero de Chile para apoyar la toma de decisiones de los productores agrícolas. El portal utiliza herramientas como SIG, teledetección, modelamiento climático e información meteorológica para generar pronósticos fitosanitarios, mapas agroclimáticos y sistemas expertos de diagnóstico. El objetivo es alertar a los productores sobre plagas y enfermedades para programar monitoreos y controles de mane
Este documento describe las características fundamentales de las imágenes de sensoramiento remoto, como la resolución espacial, resolución espectral y frecuencia de cobertura. Luego discute las aplicaciones de los drones/RPAS en agricultura de precisión, incluyendo la detección de estrés hídrico, nutricional y plagas en cultivos. Finalmente, presenta el área de estudio para este proyecto, una finca de 21 hectáreas en Puertollano, España, que contiene trigo. El objetivo es analizar la utilidad de im
Uso del sistema GPS virtual (Google Earth) y (Dispositivo Manual GPS), en Lev...Mulato Huamani, Javier
Este documento describe dos métodos para realizar un levantamiento topográfico de un terreno agrícola de 5 hectáreas con pendientes ligeras: 1) Usando el aplicativo Google Earth, marcando puntos para definir el perímetro y obteniendo medidas, coordenadas y ángulo de elevación. 2) Usando un dispositivo GPS manual para recorrer físicamente el perímetro y obtener la misma información. Ambos métodos proporcionan datos precisos y son más eficientes que métodos convencionales dado el tamaño y relieve del terreno.
Drones interactuando en la cadena de suministro #supply chainNuria Sanchez Coll
¿Cómo pueden los drones mejorar la eficiencia, flexibilidad, agilidad, productividad, etc. de nuestra cadena de suministro?
La configuración del RPA (drone) siempre estará de acuerdo a la aplicación o actividad que vayan a realizar, equipados con gran variedad de sensores y herramientas.
Se desarrolló un sistema para medir variables climatológicas usando un microcontrolador y su modelo matemático correspondiente. El sistema permite monitorear en línea la temperatura, radiación solar, dirección y velocidad del viento mediante sensores y almacenar la información. El estudio constó de 4 etapas: revisión de sensores, diseño de sensores, programación del microcontrolador y desarrollo de la interfaz gráfica. Los resultados mostraron que los sensores diseñados tienen una confiabilidad del 99-100% comparados con equipos
Presentación de la Red de Observación del SENAMHI PERUJorge Chira
La presentación describe la Red de Observación del Servicio Nacional de Meteorología e Hidrología del Perú. La red está compuesta por estaciones meteorológicas, hidrológicas y agrometeorológicas convencionales y automáticas que monitorean variables como la temperatura, precipitación y nivel de agua. El documento también explica el protocolo para la instalación y operación de las estaciones de acuerdo a las normas de la Organización Meteorológica Mundial.
Este documento describe los componentes de la agricultura de precisión, incluyendo sistemas de posicionamiento como GPS y alternativas de señales DGPS, así como el monitoreo de rendimiento. Explica que el monitoreo de rendimiento permite medir la variabilidad en los cultivos dentro de un lote y que los componentes necesarios incluyen sensores de flujo de grano, humedad, velocidad y posición, así como una consola y receptor GPS.
El documento describe el Portal Productor RPF, un sistema desarrollado por el Servicio Agrícola y Ganadero de Chile para apoyar la toma de decisiones de los productores agrícolas. El portal utiliza herramientas como SIG, teledetección, modelamiento climático e información meteorológica para generar pronósticos fitosanitarios, mapas agroclimáticos y sistemas expertos de diagnóstico. El objetivo es alertar a los productores sobre plagas y enfermedades para programar monitoreos y controles de mane
Este documento describe las características fundamentales de las imágenes de sensoramiento remoto, como la resolución espacial, resolución espectral y frecuencia de cobertura. Luego discute las aplicaciones de los drones/RPAS en agricultura de precisión, incluyendo la detección de estrés hídrico, nutricional y plagas en cultivos. Finalmente, presenta el área de estudio para este proyecto, una finca de 21 hectáreas en Puertollano, España, que contiene trigo. El objetivo es analizar la utilidad de im
Uso del sistema GPS virtual (Google Earth) y (Dispositivo Manual GPS), en Lev...Mulato Huamani, Javier
Este documento describe dos métodos para realizar un levantamiento topográfico de un terreno agrícola de 5 hectáreas con pendientes ligeras: 1) Usando el aplicativo Google Earth, marcando puntos para definir el perímetro y obteniendo medidas, coordenadas y ángulo de elevación. 2) Usando un dispositivo GPS manual para recorrer físicamente el perímetro y obtener la misma información. Ambos métodos proporcionan datos precisos y son más eficientes que métodos convencionales dado el tamaño y relieve del terreno.
Drones interactuando en la cadena de suministro #supply chainNuria Sanchez Coll
¿Cómo pueden los drones mejorar la eficiencia, flexibilidad, agilidad, productividad, etc. de nuestra cadena de suministro?
La configuración del RPA (drone) siempre estará de acuerdo a la aplicación o actividad que vayan a realizar, equipados con gran variedad de sensores y herramientas.
Se desarrolló un sistema para medir variables climatológicas usando un microcontrolador y su modelo matemático correspondiente. El sistema permite monitorear en línea la temperatura, radiación solar, dirección y velocidad del viento mediante sensores y almacenar la información. El estudio constó de 4 etapas: revisión de sensores, diseño de sensores, programación del microcontrolador y desarrollo de la interfaz gráfica. Los resultados mostraron que los sensores diseñados tienen una confiabilidad del 99-100% comparados con equipos
Presentación de la Red de Observación del SENAMHI PERUJorge Chira
La presentación describe la Red de Observación del Servicio Nacional de Meteorología e Hidrología del Perú. La red está compuesta por estaciones meteorológicas, hidrológicas y agrometeorológicas convencionales y automáticas que monitorean variables como la temperatura, precipitación y nivel de agua. El documento también explica el protocolo para la instalación y operación de las estaciones de acuerdo a las normas de la Organización Meteorológica Mundial.
Este documento describe cómo los datos espaciales de satélite y simulaciones climáticas pueden usarse para estudios agrícolas y ambientales. Explica varias fuentes de datos espaciales gratuitas como SRTM, TRMM y MODIS, así como la herramienta de simulación climática MarkSim. También describe algunos datos preprocesados disponibles a través del CIAT.
Las nuevas tecnologías en la investigación del medio ambiente (1)Matias ascanio
Este documento presenta diferentes tecnologías desarrolladas para monitorear y comprender nuestro planeta y medio ambiente, incluyendo satélites meteorológicos y de información ambiental, el sistema de posicionamiento global GPS, técnicas de teledetección, simulaciones por computadora, y sistemas de información geográfica. También describe el programa educativo GLOBE que involucra a estudiantes en la observación y medición de factores ambientales.
El documento describe las principales tecnologías utilizadas en los estudios ambientales, incluyendo la teledetección, programas de simulación, satélites meteorológicos, SIG, GPS y programas telemáticos de cooperación internacional. Estas tecnologías permiten obtener grandes cantidades de datos ambientales, desarrollar modelos predictivos y tomar mejores decisiones sobre el medio ambiente y los recursos del planeta.
El documento describe el Sistema Coordinado para la Vigilancia de Plagas Reglamentadas y su Epidemiología (SCOPE MX), un sistema informático para la vigilancia fitosanitaria en México. El SCOPE MX permite el registro de estrategias de vigilancia, observaciones de campo, y visualización espacial de datos. El sistema está diseñado para facilitar la recolección y el análisis de información sobre plagas agrícolas de manera coordinada a nivel nacional.
Este documento resume un proyecto del CIAT sobre el cambio climático y la agricultura en Colombia. El proyecto (1) analiza los impactos potenciales del cambio climático en cultivos agrícolas colombianos, (2) evalúa opciones de adaptación para los agricultores, y (3) desarrolla una plataforma para compartir información sobre prácticas agrícolas entre los productores a nivel local.
El documento describe la red de estaciones meteorológicas e hidrológicas del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), incluyendo sus características, desafíos y capacidades de calibración. Actualmente cuenta con 799 estaciones que monitorean variables como temperatura, precipitación, humedad y viento. El objetivo es mejorar la calidad de las mediciones para apoyar estudios climáticos y de gestión de riesgos.
Carlos Rojas_Drones en la Agricultura.docxJohnValoyes
Este documento describe el uso de drones en la agricultura. Explica que existen dos tipos principales de drones agrícolas: multirrotores y de ala fija. Los multirrotores se usan principalmente para riego y fumigación mientras que los de ala fija se usan para diagnósticos y monitoreo de cultivos. También describe los sensores comúnmente usados en drones agrícolas como cámaras RGB e infrarrojo para crear mapas como el índice de vegetación normalizado diferencial. El documento concluye explicando que los
El Instituto de Proyectos Especiales de Mérida en Venezuela ha comenzado a utilizar imágenes de satélites venezolanos para monitorear cultivos como papa, ajo y zanahoria en las regiones de páramo. Han podido determinar la distribución de los cultivos y patrones espaciales. El proyecto provee información estratégica para la toma de decisiones agrícolas y fortalecer la producción local y regional. El observatorio satelital analiza la separación de tierras para siembra y permite planificar cosechas
Uso de Drones en América Latina: Caso de Estudio de Taguay S.A.Taguay SA
En América Latina, el productor agropecuario realiza innovaciones todos los años, incorporando nuevas tecnologías, buscando ser más eficiente en los procesos productivos para que el negocio sea más rentable. Al implementar nuevas tecnologías, como los drones, los productores están logrando mejorar el proceso de producción para su negocio.
Para llegar a los objetivos de producción anuales, es importante medir y dimensionar las diferentes variables que se dan en los lotes de producción, para tomar mejores decisiones de negocio, corregir problemas y actuar a tiempo. De esta manera, el productor puede lograr una mejora continua en su campo.
Hace dos años, Taguay S.A incorporó el uso de drones para mejorar la productividad. Taguay se asoció con PrecisionHawk no sólo para proporcionar servicios de imágenes de alta resolución pero también para generar información que puede solucionar problemas que hoy en día ponen en riesgo el negocio del productor.
Este testimonio analiza como el uso de drones, específicamente la plataforma de PrecisionHawk, puede mejorar la productividad del negocio agropecuario.
El documento describe el uso de drones en la agricultura de precisión. Los drones pueden mapear campos para detectar malas hierbas, estrés hídrico o nutricional en cultivos, permitiendo aplicar tratamientos de forma dirigida solo a las zonas que lo necesitan. Esto reduce costes, mejora la rentabilidad de los cultivos y disminuye el impacto ambiental al evitar aplicar agroquímicos de forma innecesaria. Proyectos europeos como Fieldcopter investigan el uso de imágenes térmicas de drones para monitorear cultivos
Las nuevas tecnologías en la investigación del medio (3)Matias ascanio
El documento describe cómo las herramientas tecnológicas como los satélites meteorológicos, satélites de información ambiental, GPS, sistemas de información geográfica y programas de simulación han revolucionado los estudios ambientales. Permiten la recolección de datos a nivel global y la creación de comunidades virtuales para la investigación cooperativa sobre cambio climático, recursos naturales y otros temas ambientales.
AGRO CLIMATOLOGÍA Y SISTEMAS DE ALERTA TEMPRANA FEWSNET CIAT
Este documento describe el trabajo de Mario Rodríguez como científico de campo de FEWS NET III. Sus responsabilidades incluyen establecer redes de monitoreo de seguridad alimentaria, apoyar el mejoramiento de sistemas de monitoreo y pronóstico relacionados con seguridad alimentaria, y facilitar planes de contingencia y emergencia. También describe las herramientas y análisis de FEWS NET para monitorear seguridad alimentaria.
Agricultura de precisión en maíz. Una experiencia exitosaVictoria Soda
Un ciclo completo de implementación de manejo variable de insumos en maíz, desde la perspectiva del gerente de producción y su asesor.
Las mapas, el método paso por paso y los resultados.
La Agricultura de Precisión conviene. Con GeoAgro es más fácil.
Ayudando a la estimación del rendimiento con imágenes satelitales (2016)Mauricio Camesasca
Este documento describe cómo las imágenes satelitales pueden ayudar a reducir el error en la estimación del rendimiento de los cultivos previo a la cosecha. Se explica que las imágenes permiten identificar zonas de estrés en el lote debido a factores ambientales y dirigir los muestreos a esas áreas. Al ponderar los resultados por el área representada, se obtienen estimaciones más precisas que consideran la heterogeneidad del lote. Se proporcionan detalles sobre software y satélites disponibles, y se ilustra con un ej
El documento describe diferentes tecnologías aplicadas al estudio del medio ambiente, incluyendo satélites meteorológicos y de información ambiental, el sistema de posicionamiento global GPS, el sistema Galileo europeo, la teledetección mediante fotografía aérea e imágenes de satélite, programas de simulación ambiental y programas telemáticos de cooperación internacional como los sistemas de información geográfica y el programa GLOBE. El objetivo es conocer las principales características de estas tecnologías y cómo mejoran la precisión y cantidad
El documento describe la agricultura de precisión, que se refiere al conjunto de técnicas para optimizar el uso de insumos agrícolas en función de la variabilidad espacial y temporal de la producción. Explica que involucra tres etapas: recolección de datos sobre la variabilidad del suelo y rendimiento, procesamiento e interpretación de la información, y aplicación de insumos de manera localizada. También discute aplicaciones en sistemas de cultivos tradicionales, vitivinicultura, y riego.
El software libre y su aplicación en las estadísticasKevin Mero
Este documento presenta un ejercicio práctico para determinar medidas de tendencia central (moda, media y mediana) y medidas de dispersión (varianza y desviación estándar) utilizando el programa estadístico libre PSPP. Se ingresan los datos de estatura de 30 estudiantes y se obtienen los resultados a través de estadísticos descriptivos generados por el programa. El ejercicio concluye que PSPP permite realizar análisis estadísticos de manera eficiente.
El documento presenta un modelo llamado MEGanE que simula una explotación ganadera extensiva en suelos de basalto en Uruguay. El MEGanE considera factores como el clima, el crecimiento de la pastura, el consumo y ganancia de peso del ganado. Los resultados de las simulaciones con el modelo muestran coherencia con investigaciones previas sobre producción ganadera en basalto. El modelo también pudo reproducir una situación de crisis forrajera, mostrando resultados consistentes con la realidad. El MEGanE fue diseñado para transmitir conceptos de manera senc
El documento describe los beneficios de la agricultura de precisión para las empresas agropecuarias. La agricultura de precisión permite aumentar la eficiencia a través del uso de tecnologías para tomar mejores decisiones sobre siembra, fertilización y cosecha en diferentes zonas del campo. Esto puede generar aumentos significativos en la rentabilidad por hectárea. Experiencias en Argentina muestran ahorros en insumos e incrementos en los rendimientos gracias a la aplicación de esta técnica.
La agricultura de precisión implica la observación, medición y respuesta a la variabilidad en los cultivos utilizando tecnología de la información. Ofrece beneficios como definir los requisitos óptimos de los cultivos y el suelo para una mayor productividad y sostenibilidad, al tiempo que reduce el desperdicio de recursos y los costes. La monitorización por satélite es una de las opciones más económicas y disponibles para comenzar con la agricultura de precisión.
Este documento describe cómo los datos espaciales de satélite y simulaciones climáticas pueden usarse para estudios agrícolas y ambientales. Explica varias fuentes de datos espaciales gratuitas como SRTM, TRMM y MODIS, así como la herramienta de simulación climática MarkSim. También describe algunos datos preprocesados disponibles a través del CIAT.
Las nuevas tecnologías en la investigación del medio ambiente (1)Matias ascanio
Este documento presenta diferentes tecnologías desarrolladas para monitorear y comprender nuestro planeta y medio ambiente, incluyendo satélites meteorológicos y de información ambiental, el sistema de posicionamiento global GPS, técnicas de teledetección, simulaciones por computadora, y sistemas de información geográfica. También describe el programa educativo GLOBE que involucra a estudiantes en la observación y medición de factores ambientales.
El documento describe las principales tecnologías utilizadas en los estudios ambientales, incluyendo la teledetección, programas de simulación, satélites meteorológicos, SIG, GPS y programas telemáticos de cooperación internacional. Estas tecnologías permiten obtener grandes cantidades de datos ambientales, desarrollar modelos predictivos y tomar mejores decisiones sobre el medio ambiente y los recursos del planeta.
El documento describe el Sistema Coordinado para la Vigilancia de Plagas Reglamentadas y su Epidemiología (SCOPE MX), un sistema informático para la vigilancia fitosanitaria en México. El SCOPE MX permite el registro de estrategias de vigilancia, observaciones de campo, y visualización espacial de datos. El sistema está diseñado para facilitar la recolección y el análisis de información sobre plagas agrícolas de manera coordinada a nivel nacional.
Este documento resume un proyecto del CIAT sobre el cambio climático y la agricultura en Colombia. El proyecto (1) analiza los impactos potenciales del cambio climático en cultivos agrícolas colombianos, (2) evalúa opciones de adaptación para los agricultores, y (3) desarrolla una plataforma para compartir información sobre prácticas agrícolas entre los productores a nivel local.
El documento describe la red de estaciones meteorológicas e hidrológicas del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), incluyendo sus características, desafíos y capacidades de calibración. Actualmente cuenta con 799 estaciones que monitorean variables como temperatura, precipitación, humedad y viento. El objetivo es mejorar la calidad de las mediciones para apoyar estudios climáticos y de gestión de riesgos.
Carlos Rojas_Drones en la Agricultura.docxJohnValoyes
Este documento describe el uso de drones en la agricultura. Explica que existen dos tipos principales de drones agrícolas: multirrotores y de ala fija. Los multirrotores se usan principalmente para riego y fumigación mientras que los de ala fija se usan para diagnósticos y monitoreo de cultivos. También describe los sensores comúnmente usados en drones agrícolas como cámaras RGB e infrarrojo para crear mapas como el índice de vegetación normalizado diferencial. El documento concluye explicando que los
El Instituto de Proyectos Especiales de Mérida en Venezuela ha comenzado a utilizar imágenes de satélites venezolanos para monitorear cultivos como papa, ajo y zanahoria en las regiones de páramo. Han podido determinar la distribución de los cultivos y patrones espaciales. El proyecto provee información estratégica para la toma de decisiones agrícolas y fortalecer la producción local y regional. El observatorio satelital analiza la separación de tierras para siembra y permite planificar cosechas
Uso de Drones en América Latina: Caso de Estudio de Taguay S.A.Taguay SA
En América Latina, el productor agropecuario realiza innovaciones todos los años, incorporando nuevas tecnologías, buscando ser más eficiente en los procesos productivos para que el negocio sea más rentable. Al implementar nuevas tecnologías, como los drones, los productores están logrando mejorar el proceso de producción para su negocio.
Para llegar a los objetivos de producción anuales, es importante medir y dimensionar las diferentes variables que se dan en los lotes de producción, para tomar mejores decisiones de negocio, corregir problemas y actuar a tiempo. De esta manera, el productor puede lograr una mejora continua en su campo.
Hace dos años, Taguay S.A incorporó el uso de drones para mejorar la productividad. Taguay se asoció con PrecisionHawk no sólo para proporcionar servicios de imágenes de alta resolución pero también para generar información que puede solucionar problemas que hoy en día ponen en riesgo el negocio del productor.
Este testimonio analiza como el uso de drones, específicamente la plataforma de PrecisionHawk, puede mejorar la productividad del negocio agropecuario.
El documento describe el uso de drones en la agricultura de precisión. Los drones pueden mapear campos para detectar malas hierbas, estrés hídrico o nutricional en cultivos, permitiendo aplicar tratamientos de forma dirigida solo a las zonas que lo necesitan. Esto reduce costes, mejora la rentabilidad de los cultivos y disminuye el impacto ambiental al evitar aplicar agroquímicos de forma innecesaria. Proyectos europeos como Fieldcopter investigan el uso de imágenes térmicas de drones para monitorear cultivos
Las nuevas tecnologías en la investigación del medio (3)Matias ascanio
El documento describe cómo las herramientas tecnológicas como los satélites meteorológicos, satélites de información ambiental, GPS, sistemas de información geográfica y programas de simulación han revolucionado los estudios ambientales. Permiten la recolección de datos a nivel global y la creación de comunidades virtuales para la investigación cooperativa sobre cambio climático, recursos naturales y otros temas ambientales.
AGRO CLIMATOLOGÍA Y SISTEMAS DE ALERTA TEMPRANA FEWSNET CIAT
Este documento describe el trabajo de Mario Rodríguez como científico de campo de FEWS NET III. Sus responsabilidades incluyen establecer redes de monitoreo de seguridad alimentaria, apoyar el mejoramiento de sistemas de monitoreo y pronóstico relacionados con seguridad alimentaria, y facilitar planes de contingencia y emergencia. También describe las herramientas y análisis de FEWS NET para monitorear seguridad alimentaria.
Agricultura de precisión en maíz. Una experiencia exitosaVictoria Soda
Un ciclo completo de implementación de manejo variable de insumos en maíz, desde la perspectiva del gerente de producción y su asesor.
Las mapas, el método paso por paso y los resultados.
La Agricultura de Precisión conviene. Con GeoAgro es más fácil.
Ayudando a la estimación del rendimiento con imágenes satelitales (2016)Mauricio Camesasca
Este documento describe cómo las imágenes satelitales pueden ayudar a reducir el error en la estimación del rendimiento de los cultivos previo a la cosecha. Se explica que las imágenes permiten identificar zonas de estrés en el lote debido a factores ambientales y dirigir los muestreos a esas áreas. Al ponderar los resultados por el área representada, se obtienen estimaciones más precisas que consideran la heterogeneidad del lote. Se proporcionan detalles sobre software y satélites disponibles, y se ilustra con un ej
El documento describe diferentes tecnologías aplicadas al estudio del medio ambiente, incluyendo satélites meteorológicos y de información ambiental, el sistema de posicionamiento global GPS, el sistema Galileo europeo, la teledetección mediante fotografía aérea e imágenes de satélite, programas de simulación ambiental y programas telemáticos de cooperación internacional como los sistemas de información geográfica y el programa GLOBE. El objetivo es conocer las principales características de estas tecnologías y cómo mejoran la precisión y cantidad
El documento describe la agricultura de precisión, que se refiere al conjunto de técnicas para optimizar el uso de insumos agrícolas en función de la variabilidad espacial y temporal de la producción. Explica que involucra tres etapas: recolección de datos sobre la variabilidad del suelo y rendimiento, procesamiento e interpretación de la información, y aplicación de insumos de manera localizada. También discute aplicaciones en sistemas de cultivos tradicionales, vitivinicultura, y riego.
El software libre y su aplicación en las estadísticasKevin Mero
Este documento presenta un ejercicio práctico para determinar medidas de tendencia central (moda, media y mediana) y medidas de dispersión (varianza y desviación estándar) utilizando el programa estadístico libre PSPP. Se ingresan los datos de estatura de 30 estudiantes y se obtienen los resultados a través de estadísticos descriptivos generados por el programa. El ejercicio concluye que PSPP permite realizar análisis estadísticos de manera eficiente.
El documento presenta un modelo llamado MEGanE que simula una explotación ganadera extensiva en suelos de basalto en Uruguay. El MEGanE considera factores como el clima, el crecimiento de la pastura, el consumo y ganancia de peso del ganado. Los resultados de las simulaciones con el modelo muestran coherencia con investigaciones previas sobre producción ganadera en basalto. El modelo también pudo reproducir una situación de crisis forrajera, mostrando resultados consistentes con la realidad. El MEGanE fue diseñado para transmitir conceptos de manera senc
El documento describe los beneficios de la agricultura de precisión para las empresas agropecuarias. La agricultura de precisión permite aumentar la eficiencia a través del uso de tecnologías para tomar mejores decisiones sobre siembra, fertilización y cosecha en diferentes zonas del campo. Esto puede generar aumentos significativos en la rentabilidad por hectárea. Experiencias en Argentina muestran ahorros en insumos e incrementos en los rendimientos gracias a la aplicación de esta técnica.
La agricultura de precisión implica la observación, medición y respuesta a la variabilidad en los cultivos utilizando tecnología de la información. Ofrece beneficios como definir los requisitos óptimos de los cultivos y el suelo para una mayor productividad y sostenibilidad, al tiempo que reduce el desperdicio de recursos y los costes. La monitorización por satélite es una de las opciones más económicas y disponibles para comenzar con la agricultura de precisión.
Similar a Parajeinnova.com predicción de cosecha mediante teledetección y aprendizaje automático (20)
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOAaronPleitez
linea de tiempo del antiguo testamento donde se detalla la cronología de todos los eventos, personas, sucesos, etc. Además se incluye una parte del periodo intertestamentario en orden cronológico donde se detalla todo lo que sucede en los 400 años del periodo del silencio. Basicamente es un resumen de todos los sucesos desde Abraham hasta Cristo
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdfMedTechBiz
Este libro ofrece una introducción completa y accesible a los campos de la minería de datos y la inteligencia artificial. Cubre todo, desde conceptos básicos hasta estudios de casos avanzados, con énfasis en la aplicación práctica utilizando herramientas como Python y R.
También aborda cuestiones críticas de ética y responsabilidad en el uso de estas tecnologías, discutiendo temas como la privacidad, el sesgo algorítmico y transparencia.
El objetivo es permitir al lector aplicar técnicas de minería de datos e inteligencia artificial a problemas reales, contribuyendo a la innovación y el progreso en su área de especialización.
Este documento ha sido elaborado por el Observatorio Ciudadano de Seguridad Justicia y Legalidad de Irapuato siendo nuestro propósito conocer datos sociodemográficos en conjunto con información de incidencia delictiva de las 10 colonias y/o comunidades que del año 2020 a la fecha han tenido mayor incidencia.
Existen muchas más colonias que presentan cifras y datos en materia de seguridad, sin embargo, en este primer acercamiento lo que se prevées darle al lector una idea de como se encuentran las colonias analizadas, tomando como referencia los datos del INEGI 2020, datos del Secretariado Ejecutivo del Sistema Nacional de Seguridad Pública del 2020 al 2023 y las bases de datos propias que desde el 2017 el Observatorio Ciudadano ha recopilado de manera puntual con datos de las vıć timas de homicidio doloso, accidentes de tránsito, personas lesionadas por arma de fuego, entre otros indicadores.
Parajeinnova.com predicción de cosecha mediante teledetección y aprendizaje automático
1. Alberto
Sanz
2017-5-12
Predicción de cosecha mediante Teledetección y
Aprendizaje Automático
parajeinnova.com /prediccion-de-cosecha-teledeteccion-aprendizaje-automatico/
LA IMPORTANCIA DE LA PREDICCIÓN DE COSECHA
La predicción de cosecha es una herramienta que se ha mostrado muy útil a diversas escalas. Por ejemplo,
permite a los operadores de mercados de futuros realizar sus operaciones con estimaciones objetivas
de rendimientos, lo que les permite afinar más en sus transacciones. También permite a las agencias de
ayuda contra el hambre a prever malas cosechas en países susceptibles de hambruna, con lo que se
pueden realizar previsiones de envío de ayuda humanitaria. Así mismo, los operadores logísticos de
productos agrícolas pueden organizar con antelación las necesidades de transporte en barcos, trenes,
camiones, etc. También las empresas agroalimentarias pueden programar compras de unos u otros
proveedores y, además, las compañías aseguradoras pueden hacer previsiones en cuanto al volumen
global de desembolsos de posibles indemnizaciones. Por último, los gobiernos pueden hacer una mejor
política de planificación agraria y ordenación de las políticas de mercado. Y a escala local, puede permitir
al agricultor ajustar el uso de fertilizantes, ya que la cosecha esperada suele ser uno de los parámetros a
contemplar de forma previa a cualquier recomendación de abonado.
ES UNA LABOR COMPLICADA
La predicción de cosecha es una labor ciertamente complicada. Modelizar matemáticamente el medio
agrícola es un reto que se lleva abordando desde hace décadas. El problema reside en que este es un
entorno complejo, afectado por multitud de variables (suelo, meteorología, nutrientes, plagas, manejo, etc.),
muchas de ellas, a su vez, de difícil modelización. Por ejemplo, un cultivo puede ir evolucionando de forma
óptima, pero sufrir una importante granizada cerca de la cosecha y echar al traste cualquier predicción previa.
Está claro que es realmente improbable que un modelo matemático prediga algo así con antelación suficiente.
En todo caso, en el campo agrario, como en muchos otros, hay que emplear en muchas ocasiones la máxima
de “mejor una aproximación que una conjetura”.
Actualmente hay diversos modelos de predicción de cosecha. Unos son públicos, como Aquacrop, de la
FAO (Organización de las Naciones Unidas para la Alimentación y la Agricultura), que es el que utiliza el
Instituto Tecnológico Agrario de Castilla y León (ITACyL) para sus estimaciones; o el MARS (Monitoring
Agricultural Resources), de la Unión Europea, que es el que usa la Comisión Europea para la gestión de la
PAC. Otros son privados, y muchos otros son experimentales. Los modelos más conocidos usan
fundamentalmente una aproximación estadística y meteorológica al problema, si bien los hay que integran
también, por ejemplo, imágenes de satélite y muestreos a pie de campo.
UNA APROXIMACIÓN SIMPLE, QUE NO SIMPLISTA
En la empresa Paraje Innova nos propusimos el desarrollo de un modelo matemático de predicción de cosecha
propio, con el fin de utilizarlo en diversas iniciativas que estamos poniendo en marcha. Para ello, nos
planteamos la premisa de simplificar en lo posible los datos de partida, y utilizar la mejor tecnología a nuestro
alcance para desarrollar dicho modelo.
Dado que la finalidad que se busca en el modelo es la de predecir, antes de finalizar la campaña (y
preferiblemente con bastante antelación), la cosecha que se va a obtener, se necesitan varios elementos para
lograrlo.
En primer lugar, unas variables en las que basar la predicción de cosecha. En este caso, se optó por utilizar
reflectancia espectral del cultivo en varias fechas durante su desarrollo. Esta información espectral, es decir, de
la energía reflejada por el cultivo en varias longitudes de onda, se puede captar desde diversas plataformas,
1/9
2. pero siempre mediante sensores multiespectrales montados en aeronaves tripuladas, UAVs o RPAS
(popularmente conocidos como drones), equipos manuales de campo, equipos embarcados en vehículos
terrestres, o satélites.
En segundo lugar, un sistema de modelización. En este caso utilizamos una herramienta de gran actualidad,
como es el software de “Aprendizaje Automático”, o “Machine Learning”, en inglés. Este tipo de software utiliza
técnicas de inteligencia artificial para aprender a partir de ejemplos (clasificación) u ordenar elementos por
similitud (agrupamiento o clustering), y se utiliza en aplicaciones tan dispares como la meteorología, la
predicción de valores bursátiles, la recomendación de compras o los sistemas de conducción autónoma, entre
muchos otros.
Y en tercer y último lugar, una amplia cantidad de campos con suficiente variabilidad en los que tomar
datos, y de los que conociésemos con precisión la cosecha obtenida al final de la campaña, con el fin de poder
ofrecer los datos necesarios para que nuestro modelo pudiese “aprender a predecir”. El Centro Tecnológico
Agrario y Agroalimentario (ITAGRA.CT) dispone de una extensa red de campos de ensayo, entre los cuales se
encuentran varios de trigo blando, tanto de variedades como de fertilización, en los que se encuentran decenas
de microparcelas. Gracias a esto, se pueden capturar gran cantidad de datos de gran calidad con un despliegue
moderado de recursos.
DESARROLLO DEL MODELO
Este primer modelo que se ha desarrollado se ha enfocado al trigo blando, y para elaborarlo se ha partido de
los datos recopilados en dos campañas (2015 y 2016) en las microparcelas de cuatro campos de ensayo de
trigo blando en secano situados en la provincia de Palencia, gestionados, como se ha indicado
anteriormente, por ITAGRA.CT. En total supusieron 436 microparcelas de 10×1,2m, repartidas en dichos
cuatro campos de ensayo, uno de variedades y tres de fertilización.
Durante la primera campaña se realizaron 3 vuelos con dron en 3 fechas clave del desarrollo del cultivo,
coincidiendo con los meses de abril, mayo y junio. Las imágenes se captaron con un vehículo de ala fija
operado por personal de la empresa palentina colaboradora en el proyecto, Überbaum Industrie, S.L. Este dron
se equipó con una cámara multiespectral, capaz de capturar imágenes en las tres bandas del espectro visible
(rojo, verde y azul), más el rojo extremo y el infrarrojo cercano, con una resolución de 4 cm.
2/9
3. Personal de Überbaum instalando la cámara en el dron de ala fija.
Debido a la necesidad de poder relacionar los datos tomados en las distintas fechas en distintos vuelos, con
distintas condiciones de iluminación y de operación, se realizó una calibración geométrica y radiométrica de
las imágenes. La calibración geométrica se efectuó mediante el uso de dianas y un GPS Leica 1200 conectado
a la red GNSS del ITACyL, alcanzando errores inferiores a 5 cm en los ejes XYZ. En cuanto a la calibración
radiométrica, se realizó mediante el uso de dianas radiométricas y un espectrorradiómetro de campo ASD
Fieldspec, con la colaboración de miembros del Grupo de Óptica Atmosférica de la Universidad de Valladolid
(GOA-Uva).
3/9
4. En primer plano, Luis Carlos Fernández, de Paraje Innova, tomando puntos de apoyo con un GPS para la
calibración geométrica de las imágenes. Imagen de fondo, ortofoto en visible de uno de los campos. Se
observan en la parte superior izquierda las dianas radiométricas (de colores), y en el centro y derecha, las
utilizadas para corrección geométrica (con cruces).
4/9
5. Ramiro González Catón y Cristian Velasco Merino, del GOA-Uva, midiendo con espectroradiómetro
reflectancias en paneles de colores para la calibración radiométrica de las imágenes. A la derecha de la
fotografía se ve parcialmente un panel de los utilizados para la calibración geométrica.
Se trataron las imágenes obtenidas en los vuelos utilizando un software de procesado fotogramétrico,
gracias al cual se generaron los mosaicos u ortofotos de cada campo en cada fecha y para cada banda
indicada anteriormente. A partir de dichos mosaicos se calcularon mediante software de Sistemas de
Información Geográfica (SIG), diversos índices de vegetación. Estos índices son combinaciones, relaciones
matemáticas, derivadas de las propiedades de reflectancia de la vegetación y su entorno, en dos o más
longitudes de onda, y están diseñados para realzar una o varias propiedades de la vegetación. El más “popular”
es el NDVI, que representa la relación entre la resta del valor del infrarrojo cercano menos el valor del canal rojo
y la suma de las mismas longitudes de onda. Este índice está directamente relacionado con la actividad
fotosintética. Para este proyecto se calcularon, además del NDVI, otros índices como EVI, GNDVI y SAVI, entre
otros.
Al final de la campaña, ITAGRA.CT proporcionó, entre otros parámetros, los resultados del rendimiento en
grano obtenido por cada microparcela en cada uno de los campos, en kg/ha al 13-14% de humedad.
Todos los datos recopilados esta campaña se introdujeron en el software de aprendizaje para el desarrollo
del modelo. La generación de este modelo no es totalmente automática. Existen gran cantidad de algoritmos
disponibles que funcionan mejor o peor según el tipo y características de los datos de entrada, y a su vez estos
admiten también gran cantidad de parámetros. Por otro lado, los datos de entrada también son susceptibles de
ser preprocesados y filtrados. Así pues, el proceso de aprendizaje automático es relativamente complejo.
RESULTADOS OBTENIDOS EN LA PRIMERA CAMPAÑA
Tras diversas pruebas con distintas combinaciones de bandas espectrales e índices de vegetación, se pudo
comprobar que el índice NDVI es el que mejor funciona para esta aplicación.
Para comprobar la validez del modelo se hicieron tres rondas de pruebas. Dos utilizando los índices NDVI de
las tres fechas (abril, mayo y junio), y una utilizando solo las de las dos primeras fechas (abril y mayo). En cada
5/9
6. una de ellas se generó el modelo, utilizando validación cruzada (cross-validation, en inglés), y sin contar con los
datos de 6 ó 7 microparcelas “test”, en cada caso distintas, y tomadas al azar de dos de los campos, y se indicó
a cada modelo que predijese los rendimientos para esas microparcelas “desconocidas”. Los resultados se
muestran en los Gráficos 1 al 3.
Resultados del primer test, utilizando los índices NDVI de tres fechas y con datos de 6 microparcelas de test. La
fecha de la predicción es el 2 de junio. Correlación 94,20%. Error absoluto medio 404,64. Todos los valores en
kg/ha.
Resultados del segundo test, utilizando los índices NDVI en tres fechas y con datos de 7 microparcelas de test.
La fecha de la predicción es el 2 de junio. Correlación 97,53%. Error absoluto medio 183,88. Todos los valores
en kg/ha.
6/9
7. Resultados del tercer test, utilizando los índices NDVI de dos fechas y con datos de 7 microparcelas de test. La
fecha de la predicción es el 6 de mayo. Correlación 99,00%. Error absoluto medio 218,98. Todos los valores en
kg/ha.
METODOLOGÍA DE LA SEGUNDA CAMPAÑA
En la campaña 2015-2016 se simplificó el sistema de captura de datos. Visto que el mejor índice para
desarrollar el modelo era el NDVI, se optó por hacer directamente las mediciones de éste microparcela por
microparcela, en los 2 campos de ensayo seleccionados para esa campaña. Para ello se contó con un equipo
muy conocido en el sector, un GreenSeeker de Trimble cedido por ITAGRA.CT. Este equipo emite ráfagas de luz
roja e infrarroja hacia el cultivo, y detecta la porción de luz de cada tipo que es reflejada. A partir de esos datos
ofrece el índice NDVI. Dado que el equipo emite su propia luz, no es necesario someterlo a calibraciones según
las condiciones lumínicas existentes, por lo que las mediciones hechas con este aparato son siempre
comparables entre sí.
7/9
8. Alberto Sanz, de Paraje Innova, realizando mediciones del NDVI mediante el GreenSeeker.
En este caso se hicieron mediciones en abril y junio en uno de los campos, y en abril, mayo y junio en el otro,
midiendo el NDVI de cada microparcela. Al igual que en la campaña anterior, desde ITAGRA.CT se
proporcionaron los datos de rendimiento en grano obtenido en cada microparcela. Con toda esta información,
se procedió a hacer nuevas pruebas en el software de aprendizaje automático.
RESULTADOS OBTENIDOS EN LA SEGUNDA CAMPAÑA
En primer lugar se comprobó la robustez del modelo obtenido en 2015. Para ello se probó dicho modelo con
los valores de NDVI obtenidos en 2016 en un campo de testeo. Como resultado se obtuvo una predicción con
un error absoluto medio de aproximadamente 329 kg/ha y un ajuste entre predicción y realidad del 56,9%. Es
decir, la predicción de cosecha empeora sensiblemente entre campañas, como era de esperar.
En segundo lugar se unificaron los datos de todos los campos y de ambas campañas. Con esta base de
datos ampliada se generaron varios modelos de predicción de cosecha que se mejoraron también mediante
validación cruzada.
En este punto conviene indicar que existen dos principales problemas de cara a predecir el rendimiento de
un campo a partir de varios valores NDVI. El primero, es que los valores de este índice son siempre
relativos, salvo que se calibren las fuentes de adquisición o las imágenes adquiridas para cada condición
lumínica. El segundo, es que no siempre podemos tomar los datos en las mismas fechas o en el mismo
estado fenológico exacto del cultivo, de un año para otro.
En este proyecto, el primer problema se solventó como se indicó anteriormente, mediante el uso de datos
calibrados, y el segundo, mediante la consideración en los datos de partida que alimentan el modelo de
una referencia temporal de la medición del índice NDVI en cada campo. Aplicando este sistema se ha
obtenido un nuevo modelo resultante de ambas campañas con un ajuste de un 95,5% y un error medio absoluto
de 254 kg/ha.
8/9
9. Predicciones de rendimiento realizadas en los cuatro campos de ensayo durante las campañas de 2015 y 2016.
En el eje horizontal, los pesos reales obtenidos en cada microparcela. En el eje vertical, los predichos por el
modelo.
PRÓXIMOS PASOS
Viendo el comportamiento del modelo, puede deducirse que el uso del índice NDVI durante la campaña es
una buena herramienta para predecir el rendimiento en cosecha que se va a obtener del trigo blando en
secano. Como se ha indicado con anterioridad, el estudio ha sido desarrollado en un entorno limitado, tanto en
tiempo (dos campañas) como en espacio (4 campos de ensayo en la provincia de Palencia). Es nuestro deseo
ampliar la zona y periodo de estudio, así como disminuir la escala de trabajo, utilizando también
imágenes de satélite, para poder utilizar el modelo en grandes extensiones.
Por otra parte, creemos de gran interés el desarrollo de modelos de predicción de cosecha para otros
cultivos herbáceos, como la cebada, el centeno, la avena o el maíz, o leñosos, como el viñedo. En este
último caso para al algo tan necesario como prever aforos y poder organizar la vendimia.
Hasta aquí, el importante esfuerzo en horas y equipos tanto de Paraje Innova como de las entidades citadas y
de sus técnicos, que ha dado como resultado un modelo de predicción de cosecha que promete ser válido para
el fin previsto. El modelo necesita continuar su desarrollo para conseguir alcanzar una más perfecta calibración,
exactitud y precisión, además de poderse aplicar a otros cultivos. Para esta siguiente fase los promotores
esperan el apoyo de organizaciones o entidades que puedan sentirse interesadas en este desarrollo.
A todos los técnicos y entidades que han colaborado en este proyecto, nuestro más profundo agradecimiento
por su apoyo y estímulo.
9/9