Este documento trata sobre los principios de la agricultura de precisión. Explica las diferentes etapas de desarrollo de la agricultura desde la época neolítica hasta la actualidad, con un enfoque en la agricultura de precisión. Describe los tres pasos claves del proceso: percepción, modelado y actuación. Además, proporciona ejemplos de cómo se aplica la agricultura de precisión en cultivos como el maíz y la caña de azúcar.

1. PRINCIPIOS DE LA
AGRICULTURA DE
PRECISIÓN
Ejemplos de
Agricultura
de Precisión

2. A donde
vamos?

3. AGRICULTURA
DE PRECISIÓN

4. Agricultura 0.0
Neolítico a
Edad Media
Agricultura 2.0
Agricultura de
precision.
Mecanización
avanzada.
Agricultura 1.0
Mecanizada.
Agricultura
industrial.
Agricultura 3.0
Agricultura digital
Agricultura 4.0
Ecosistemas
inteligentes

5. Las 3 claves del proceso
Percepción
Monitorización
de cultivos
Toma de decisiones
Modelado
Actuación
Control de
aperos

6. Sistemas de percepción
Percepción próxima
Sensores en plataforma móvil
Teledetección
UAVs, Satélites, avión
Redes estáticas
Red de sensores de
suelo, cultivo….

7. Percepción terrestre
Detección y guiado por visión
Proyecto SenGIS. Weis y col. (2012) Proyecto NHTAI. Ribeiro (2015)
Percepción en el espectro no visible
Hogan et al. (2018) Kassin et al. (2014) Andújar y col. Proyecto NIBIO (2019)

8. Reducción del tiempo de
obtención de datos de días
a minutos
Modelado con Drones
Alto rendimiento en la
obtención de parámetros estructurales
Percepción desde
plataformas aéreas
Torres-Sanchez, et al., Plos One (2018)

9. Percepción desde Plataformas Próximas
Martínez et al. (2018)
LemnaTec (2017)

10. Caracterización 3D de estructuras vegetales
Andújar D., et al. (2016)
Hurst A., et al. (2018)

11. Extracción de datos volumétricos y aplicación variable
Integración en vehículos/proceso de reconstrucción de
grandes modelos
Grandes modelos=deriva
El uso de modelos 3D de plantas ahorraría un 70% de
los recursos y aumentarían la producción un 30%
Modelado 3D Especies Vegetales

12. Plataformas robóticas, sistemas inteligentes de actuación y conectividad

13. ATHOS - AERIAL TREATMENT HIGH ORCHARD
SYSTEM

14. RHEA Project (2014)
Xaver Project (2017)
Sistemas multi-robot

15. Sistemas integrales
Pulverizador inteligente + Tractor autónomo
RHEA Project (2014)

16. Trabajos previos: Sun et al., 2010-COMPAG;
Perez-Ruiz et al., 2012-BE
Actuación centimétrica (equipo
mecánico)

18. Vehículo conectado
Cuantificación de la Productividad
Localización en tiempo real
Rutas
Tareas Implemento
Conectado
Reportes
Automáticos
Geofencing
…
M2M
GPS
M2Cloud
5G

19. Nuevos elementos
conectados en parcela
El vehículo como centro
de toma de datos

20. Sistemas de detección de frutos, estimación y predicción de producción

21. MONITOR
TOMATE

23. Aforo y cosecha de
cítricos mediante
UAV e IA
DJI Phantom 3 Professional
4000x3000 pixels RGB
10 m
GSD: 4.3 mm/pixel
More than 500 images per campaign

24. VR /
Realidad
Aumentada

25. Aprendizaje | Calibración | Personalización
Analítica Predictiva:
• Fechas de siembra
• Aplicaciones
• Riego
• Poda
• Cosecha
• …
Mantenimiento preventivo de maquinaria
Inversión sostenible (seguros, inversión en bienes y equipos…)
basada en datos.
IA: recomendaciones y
sistemas cognitivos de ayuda
a la toma de decisiones

26. Agricultura basada en datos
Estrategias de comercialización dirigidas
a
nuevos segmentos de clientes
Cambio de
mentalidad en el sector
Hasta ahora: preocupados por la eficienciade
los equipos: solapes, saltos y tiempos deentrega.
Desde ahora: preocupados por la eficiencia de
los datos, la privacidad, la propiedad de los
datos, ….
Necesidad de integra profundamente la agronomía con las tecnologías digitales
para interpreter los datos desde la perspectiva del agricultor (Formación)

27. La agricultura se lleva a cabo localmente en todas partes
datos | información | información actuable Oportunidad de
aportar inteligencia. Modelos de negocio a medida
Valor añadido
Trazabilidad en la cadena
agroalimentaria, contratos
inteligentes (Blockchain),
analítica predictiva y
mantenimiento y, otros..

30. Maíz
Arroz
Papa
Cebada
25 cm
25 cm
25 cm
Caña de Azúcar
25
cm
60 cm
98%
2% Nota: Medidas aprox.
Principio de la Mecanización

33. Entramos a la era exponencial :
(Agricultura de precisión)
A medida de que la tecnología sigue avanzando y acelerando la
transformación, entramos a un punto de inflexión, donde lo tradicional se
vuelve rápidamente obsoleto; por lo tanto, es necesario innovar para entrar
en competencia frente a los demás.
En agricultura, la innovación es la precisión en todas las labores de campo
de manera mecanizada (preparación de suelos, surcados, siembra, labores
culturales, como aplicaciones de abonamientos, control de plagas, etc),
mejorando permanentemente los resultados.
La innovación no es sino trasladar a nosotros lo que en otros países ya se han
demostrado, claro está de acuerdo a nuestras necesidades y condiciones.

36. - SF3 = +/- 1” (2 cm ) Repetibilidad
(09 meses)

37. AGRICULTURA DE PRECISIÓN
Proyecto Zona Norte – Piura / 2300 Ha.

38. Labranza en surcos
Enterrado de manguera georeferenciado
Abonamiento de terreno
Tapado de semilla de caña

39. Labranza en surcos
Enterrado de manguera georeferenciado
Sin A.P.
• Ha/h: 0.7
• Gl/Ha: 3
Con A.P
.
• Ha/h: 1
• Gl/Ha: 2.3
• 23 días de
ahorro
Sin A.P
.
• Ha/h: 0.6
• Gl/Ha: 2.8
Con A.P
.
• Ha/h: 0.9
• Gl/Ha: 2.3
• 20 días de
ahorro
(*) Proyecto Zona Norte – PIURA / 2300 Ha.

40. Sistemade Guía de Precisión

41. Terreno Surcado con GPS

42. Quién puede utilizar esta tecnología?
 Agricultores progresistas
 Empresas de consultoría agrícola
 Empresas Agroindustriales
 Empresas de Agroquímicos
 Distribuidores de Maquinaria
 Cooperativas Agrícolas
 Prestadores de servicios

43. Siembra de Caña

44. Cosecha de Caña

45. MONITOR DE COSECHA
La pantalla mostrará:
•Rendimiento de campo (ton/ha),
•Materia extraña vegetativa (% de trash)
•Consumo de combustible (lit/ton)
Mapeo de los rendimientos en campos.

46. RIEGO POR PIVOT

47. RIEGO POR GOTEO

51. Objetivo de la agricultura de
precisión
• Obtener un mapa o zonificación tridimensional
espacialmente georeferenciado del predio, en
función de su productividad potencial.
• El agricultor podrá maximizar beneficios y
reducir los impactos ambientales mediante la
toma de decisiones basada en una información
bastante más precisa de lo usual.

52. Uso de Veris para zonificación
El mapeo de conductividad eléctrica y altimetría que
realizamos con tecnología Veris y Raven permite
identificar áreas con propiedades contrastantes de
suelos.

53. El mapeo de la CE provee mucha más información que una muestra
superficial (0-20cm) al sensar profundo en la zona radicular (90 cm de
espesor en forma continua)
En suelos no salinos la CE es una medición de la textura del suelo, siendo
esta una propiedad relacionada íntimamente con la capacidad de retención
de agua y la CIC , factores clave de la productividad.
Cómo funciona:
El equipo Veris a medida que recorre el terreno realiza una lectura en tiempo
real de la CE a través de un sistema de cuchillas que inyectan una corriente
eléctrica al suelo y leen la caída del voltaje.
La CE de los suelos es afectada por la textura (mayor contenido de arcilla,
mayor CE), por la humedad (mayor humedad mayor CE), por la salinidad
(mayor salinidad mayor CE) y por los nutrientes (mayor fertilidad, mayor CE).
Servicio:
Se realiza el relevamiento con una rastra veris 3100 en toda la superficie del
lote, recorriéndolo en líneas paralelas cada 20mts.
Se entrega al cliente tres mapas, un mapa de CE del suelo a nivel superficial
(0-30cm), otro en profundidad (0-90cm) y un mapa de altimetría referencial.
El trabajo se entrega en carpeta y formato digital

54. Los mapas de CE ayudan a hacer aplicaciones de insumos correctas, analizar
resultados y tomar decisiones.
•La CE del suelo es una herramienta poderosa en AP ya que las propiedades del
suelo que influyen en las lecturas también impactan en el rendimiento de los
cultivos, por ello no es casual que los patrones de mapas de rinde coincidan con
los mapas de CE.
•Considerando que la CE no mide variables directamente, es necesario muestrear
el suelo en las zonas de distintas CE para determinar qué variables gobiernan la
CE en cada caso particular.
•La variabilidad del suelo es muy importante para ignorarla y se necesita
contemplarla cuando se decide cualquier plan de muestreo de suelos.
•En un muestreo ciego, sin identificar variabilidad, se obtienen muestras no
representativas y en consecuencia poco confiables.
•Los mapas de rendimientos muestran cómo fueron los rindes en un año en
particular mientras que los mapas de CE pueden ayudar a identificar cómo el
suelo influye en los mismos.

55. Uso de Imágenes satelitales para zonificación

56. Zonas
Profundidad
(cm)
CE (dS/m) PSI % pH
1 0-20 1.96 24 6.50
2 0-20 2.81 25 6.30
3 0-20 5.59 30 6.48
1 20-50 5.20 41 7.04
2 20-50 6.03 42 6.98
3 20-50 7.96 47 7.00
1 50-100 6.90 63 7.23
2 50-100 8.60 56 7.41
3 50-100 13.60 89 7.70
Lote remarcado
NDVI 5 años con
caña de azúcar
Monitor de rto
cosecha de maíz

57. El campo se encuentra al Este de Tucumán,en la localidad de LosPuestos.

58. Mapas de
rendimiento

61. Direccionamiento de muestreo de suelos
Imagen NDVI
sentinel Resolución
10 metros
Menores valores de NDVI indican una menor actividad fotosintética, síntoma
de algún problema que puede estar teniendo ese sector del lote.

62. Imagen
NDVI
Imagen de la pendiente
Si comparamos la imagen de NDVI con un
mapa de la pendiente del lote, podemos
observar que es una zona baja y sin
pendiente, esto puede provocar acumulación
de agua y sales en este sector del lote
afectando el crecimiento de los cultivos en
algunas épocas del año.