- ViLab
- Posts
- Cómo evaluar una plataforma tecnológica
Cómo evaluar una plataforma tecnológica
Agricultura de Precisión
En el artículo de esta semana revisaremos qué es la agricultura de precisión y analizaremos los aspectos que son claves cuando tengas que evaluar alguna plataforma o proveedor tecnológico.
¿Qué es la agricultura de precisión?
La Agricultura de Precisión es la rama de la agronomía encargada de analizar los datos espacio-temporales derivados de los cultivos, con el objetivo de mejorar la gestión y el manejo agrícola.
Datos como los parámetros del suelo, el clima, la genética del cultivo, el manejo del riego y la fertilización son factores a tener en cuenta a la hora de analizar la estrategia de manejo de un cultivo, y así poder mejorar su productividad y la sostenibilidad.
La Agricultura de Precisión surge a la par que la propia agricultura pues a raíz de la observación del desarrollo de los cultivos, y de cómo éstos se ven afectados por el manejo y el clima, comienzan a aparecer técnicas para mejorar su gestión.
Su desarrollo en los últimos años se ha visto impulsado por el surgimiento de 3 nuevas disciplinas:
La Geoestadística que combina dos ámbitos de la ciencia: La Geografía y La Estadística. Esta disciplina ha desarrollado herramientas para describir, analizar y visualizar fenómenos de la naturaleza sobre una base matemática.
El BIG DATA o el desarrollo de herramientas para el análisis de gran cantidad de datos.
Machine Learning, que es una técnica de la inteligencia artificial para el desarrollo de sistemas de aprendizaje automático.
¿De qué datos se alimenta la agricultura de precisión?
La Agricultura de Precisión utiliza bases de datos climáticas, de pronósticos del clima, de imágenes de satélites o drones equipados de sensores adecuados para evaluar el material vegetal, y su entorno, así como del resto de sensores capaces de realizar mediciones en terreno tales como:
Caudalímetros
Dendrómetros
Sondas de humedad
Termógrafos
Estaciones meteorológicas
La enorme variedad de parámetros o variables implicadas en la agricultura requiere de sistemas capaces de analizarlos, aprender de ellos y darles un uso práctico a toda esa información.
La Agricultura de Precisión debe ser entendida como una herramienta integradora de diversos datos, aportados por diferentes fuentes, susceptibles de análisis específico para alcanzar un resultado más eficaz en el manejo de los cultivos.
Plataformas existentes
Existen varias soluciones de agricultura de precisión en el mercado que posibilitan la ejecución de diversas tareas, con una orientación a la gestión agronómica.
Dentro de las plataformas más conocidas están:
ViLab. Es una empresa Chilena que ofrece una plataforma para el monitoreo y control del riego, del vigor del cultivo y modelos de estimación de rendimiento. Combina información satelital, meteorológica y sensores ya existentes en el campo.
OneSoil. Es una startup suizo-bielorrusa que nació en 2017. Ofrece una plataforma para el seguimiento de los cultivos a través de mapas NDVI vía satélite y su uso principal es la entrega de mapas para la aplicación a tasa variable de semillas y fertilizantes en cultivos de cereales y oleaginosas.
Kilimo. Es una empresa Argentina que recomienda al productor cuánto riego aplicar a sus cultivos. Combina información satelital, meteorológica y de campo que debe ser ingresada por el productor para calcular la cantidad de agua que consume un cultivo.
¿Cómo evaluar una plataforma o proveedor?
Las plataformas suelen ofrecernos información de la zona de cultivo, recabando los datos a través de terceros o de nosotros mismos, con la intención de mejorar nuestra gestión.
La mayoría de este tipo de plataformas recurren a la información obtenida por satélite, y a la hora de evaluarlas, es muy importante conocer a qué tipo de información recurren.
Si quieres saber más sobre los principales satélites actualmente operativos para uso agrícola te dejo aquí el enlace al artículo: 👉️ Ver más información.
Si pagamos por este tipo de servicio, uno esperaría que las plataformas utilicen imágenes de satélites de pago, con una resolución espacial y temporal inferior a la que ofrecen los satélites gratuitos como Sentinel y Landsat.
La diferencia la marca claramente recurrir a información de tamaño de pixel igual a 3 metros, frente a los 10 metros de Sentinel, y a obtener imágenes diarias, frente a los 5 o 6 imágenes mensuales que puedes obtener con Sentinel.
Diferencias en resolución espacial y temporal entre imágenes gratuitas (izquierda) y de pago (derecha)
En este tipo de plataformas es muy importante analizar qué tipos de herramientas ponen a nuestra disposición para complementar la información que ofrece el satélite. Así, tener acceso a una buena información climática, sobre todo predictiva, es fundamental, así como utilidades que nos permitan comparar los datos dentro del mismo año o con temporadas anteriores.
Una buena base de datos climática es especialmente importante porque las redes de estaciones meteorológicas por lo general presentan múltiples errores en los sensores y si no cuentan con algoritmos que corrijan esta información, todos esos errores de origen se traspasaran a la recomendación final hacia el productor.
Ejemplo de errores o ausencia en datos climáticos de estaciones meteorológicas
También es importante poder interactuar con la información y poder agregar información propia que ya tengamos en el campo. Algunas plataformas nos permite integrar información captada por dron o por sensores existentes.
En este tipo de plataformas es imprescindible analizar la capacidad de integrar la información y ponerla a disposición del usuario de manera sencilla e intuitiva. De lo contrario, en vez de una ayuda, puede convertirse en un problema para un usuario desbordado y frustrado por tanta información.
Cada vez será más común la presencia en la agricultura de expertos en robótica, en sensores, analistas de datos e ingenieros informáticos.
Millones de imágenes son tomadas todos los días sobre los cultivos por drones o satélites, miles de millones de datos climáticos, cientos de miles de muestras de laboratorios, datos de la producción obtenida por temporada con sistemas electrónicos y cuadernos de campo digitales.
Toda esta información necesita de herramientas integradoras y de algoritmos de inteligencia artificial que sean capaces de aprender de todo este volumen de datos, así como transformarlos en herramientas útiles para optimizar la producción agrícola.
¿Te ha gustado el correo de esta semana? |
Iniciar Sesión o Suscríbete para participar en las encuestas. |
Este correo ha sido preparado por el Equipo de ViLab | www.vilab.cl