La agricultura de precisión ( AP ) es una estrategia de gestión agrícola basada en la observación, medición y respuesta a la variabilidad temporal y espacial para mejorar la sostenibilidad de la producción agrícola. [2] Se utiliza tanto en la producción agrícola como ganadera . [3] La agricultura de precisión a menudo emplea tecnologías para automatizar las operaciones agrícolas , mejorando su diagnóstico, toma de decisiones o desempeño. [4] [5] El objetivo de la investigación en agricultura de precisión es definir un sistema de apoyo a la toma de decisiones para la gestión integral de la explotación agrícola con el objetivo de optimizar el rendimiento de los insumos y, al mismo tiempo, preservar los recursos. [6] [7]
Entre estos muchos enfoques se encuentra un enfoque fitogeomorfológico que vincula la estabilidad y las características del crecimiento de los cultivos a lo largo de varios años con los atributos topológicos del terreno. El interés en el enfoque fitogeomorfológico surge del hecho de que el componente geomorfológico suele determinar la hidrología del campo agrícola. [8] [9]
La práctica de la agricultura de precisión ha sido posible gracias a la llegada del GPS y el GNSS . La capacidad del agricultor y/o del investigador para localizar su posición precisa en un campo permite la creación de mapas de la variabilidad espacial de tantas variables como se puedan medir (por ejemplo, rendimiento del cultivo, características del terreno/topografía, contenido de materia orgánica, niveles de humedad, niveles de nitrógeno, pH, CE, Mg, K y otros). [10] Se recopilan datos similares mediante conjuntos de sensores montados en cosechadoras equipadas con GPS . Estos conjuntos consisten en sensores en tiempo real que miden todo, desde los niveles de clorofila hasta el estado hídrico de la planta, junto con imágenes multiespectrales . [11] Estos datos se utilizan junto con imágenes satelitales mediante tecnología de tasa variable (VRT), incluidas sembradoras, pulverizadores, etc. para distribuir de manera óptima los recursos. Sin embargo, los avances tecnológicos recientes han permitido el uso de sensores en tiempo real directamente en el suelo, que pueden transmitir datos de forma inalámbrica sin necesidad de presencia humana. [12] [13] [14]
La agricultura de precisión también ha sido posible gracias a los vehículos aéreos no tripulados , que son relativamente económicos y pueden ser operados por pilotos novatos. Estos drones agrícolas [15] pueden estar equipados con cámaras multiespectrales o RGB para capturar muchas imágenes de un campo que se pueden unir mediante métodos fotogramétricos para crear ortofotos . Estas imágenes multiespectrales contienen múltiples valores por píxel además de los valores tradicionales de rojo, verde y azul, como los valores del espectro de infrarrojo cercano y de borde rojo que se utilizan para procesar y analizar índices vegetativos como los mapas NDVI . [16] Estos drones son capaces de capturar imágenes y proporcionar referencias geográficas adicionales, como la elevación, lo que permite que el software realice funciones de álgebra de mapas para construir mapas topográficos precisos. Estos mapas topográficos se pueden utilizar para correlacionar la salud de los cultivos con la topografía, cuyos resultados se pueden utilizar para optimizar los insumos de los cultivos, como agua, fertilizantes o productos químicos como herbicidas y reguladores del crecimiento a través de aplicaciones de tasa variable.
La agricultura de precisión es un componente clave de la tercera ola de revoluciones agrícolas modernas . La primera revolución agrícola fue el aumento de la agricultura mecanizada , de 1900 a 1930. Cada agricultor produjo suficiente comida para alimentar a unas 26 personas durante este tiempo. [17] La década de 1960 impulsó la Revolución Verde con nuevos métodos de modificación genética, lo que llevó a que cada agricultor alimentara a unas 156 personas. [17] Se espera que para 2050, la población mundial alcance unos 9.6 mil millones, y la producción de alimentos debe duplicarse efectivamente con respecto a los niveles actuales para alimentar a todas las bocas. Con los nuevos avances tecnológicos en la revolución agrícola de la agricultura de precisión, cada agricultor podrá alimentar a 265 personas en la misma superficie. [17]
La primera ola de la revolución agrícola de precisión llegó en forma de imágenes satelitales y aéreas, predicción meteorológica, aplicación de fertilizantes a tasa variable e indicadores de salud de los cultivos. [18] La segunda ola agrega los datos de las máquinas para lograr una siembra aún más precisa, mapeo topográfico y datos del suelo. [19]
La agricultura de precisión tiene como objetivo optimizar la gestión a nivel de campo con respecto a:
La agricultura de precisión también proporciona a los agricultores una gran cantidad de información para:
La siembra prescriptiva es un tipo de sistema agrícola que ofrece asesoramiento basado en datos que puede determinar tasas de siembra variables para adaptarse a las condiciones variables en un solo campo, con el fin de maximizar el rendimiento. Se ha descrito como " Big Data en la granja". Monsanto , DuPont y otros están lanzando esta tecnología en los EE. UU. [20] [21]
La agricultura de precisión utiliza muchas herramientas, pero a continuación se indican algunas de las básicas: tractores, cosechadoras, pulverizadores, sembradoras, excavadoras, que se consideran sistemas de autoguiado. Los pequeños dispositivos de los equipos que utilizan SIG (sistema de información geográfica) son lo que hace que la agricultura de precisión sea lo que es. Se puede pensar en el sistema SIG como el "cerebro". Para poder utilizar la agricultura de precisión, el equipo debe estar conectado con la tecnología y los sistemas de datos adecuados. Otras herramientas incluyen la tecnología de tasa variable (VRT), el sistema de posicionamiento global y el sistema de información geográfica, el muestreo en cuadrícula y los sensores remotos. [22]
La geolocalización de un campo permite al agricultor superponer información obtenida a partir del análisis de suelos y nitrógeno residual, con información sobre cultivos anteriores y resistividad del suelo. La geolocalización se realiza de dos maneras
La variabilidad intra e intercampo puede ser resultado de una serie de factores. Estos incluyen condiciones climáticas ( granizo , sequía, lluvia, etc.), suelos (textura, profundidad, niveles de nitrógeno), prácticas de cultivo ( agricultura sin labranza ), malezas y enfermedades. Los indicadores permanentes, principalmente indicadores del suelo, proporcionan a los agricultores información sobre las principales constantes ambientales. Los indicadores puntuales les permiten rastrear el estado de un cultivo, es decir, ver si se están desarrollando enfermedades, si el cultivo sufre estrés hídrico , estrés de nitrógeno o encamado, si ha sido dañado por el hielo, etc. Esta información puede provenir de estaciones meteorológicas y otros sensores (resistividad eléctrica del suelo, detección a simple vista, imágenes satelitales, etc.). Las mediciones de resistividad del suelo combinadas con el análisis del suelo permiten medir el contenido de humedad . La resistividad del suelo también es una medición relativamente simple y barata. [23]
Utilizando mapas de suelos , los agricultores pueden aplicar dos estrategias para ajustar los insumos de campo:
Las decisiones pueden basarse en modelos de apoyo a la toma de decisiones (modelos de simulación de cultivos y modelos de recomendación ) basados en big data , pero en última instancia es el agricultor quien debe decidir en términos de valor comercial e impactos sobre el medio ambiente , un papel que está siendo asumido por sistemas de inteligencia artificial (IA) basados en aprendizaje automático y redes neuronales artificiales .
Es importante entender por qué se adopta o no la tecnología de AP: "para que se adopte la tecnología de AP, el agricultor debe percibirla como útil y fácil de usar. Puede que no sea suficiente disponer de datos externos positivos sobre los beneficios económicos de la tecnología de AP, ya que las percepciones de los agricultores deben reflejar estas consideraciones económicas". [27]
Las nuevas tecnologías de la información y la comunicación hacen que la gestión de los cultivos a nivel de campo sea más operativa y fácil de llevar a cabo para los agricultores. La aplicación de las decisiones de gestión de los cultivos requiere equipos agrícolas que admitan la tecnología de tasa variable ( VRT ), por ejemplo, la variación de la densidad de las semillas junto con la aplicación de nitrógeno y productos fitosanitarios a tasa variable (VRA) . [28]
La agricultura de precisión utiliza tecnología en equipos agrícolas (por ejemplo, tractores, pulverizadores, cosechadoras, etc.):
El concepto de agricultura de precisión surgió por primera vez en Estados Unidos a principios de los años 1980. En 1985, investigadores de la Universidad de Minnesota variaron los aportes de cal en los campos de cultivo. Fue también en esa época cuando apareció la práctica del muestreo en cuadrícula (aplicando una cuadrícula fija de una muestra por hectárea). Hacia finales de los años 1980, esta técnica se utilizó para derivar los primeros mapas de recomendaciones de aportes para fertilizantes y correcciones de pH. Desde entonces, el uso de sensores de rendimiento desarrollados a partir de nuevas tecnologías, combinado con la llegada de los receptores GPS, ha ido ganando terreno. Hoy en día, estos sistemas cubren varios millones de hectáreas.
En el Medio Oeste de Estados Unidos, no se asocia con la agricultura sostenible, sino con los agricultores tradicionales que intentan maximizar las ganancias gastando dinero solo en áreas que requieren fertilizantes. Esta práctica permite al agricultor variar la tasa de fertilizante en el campo según la necesidad identificada mediante un muestreo por cuadrícula o zona guiado por GPS. El fertilizante que se habría esparcido en áreas que no lo necesitan se puede colocar en áreas que sí lo necesitan, optimizando así su uso.
En todo el mundo, la agricultura de precisión se desarrolló a un ritmo variable. Los países precursores fueron Estados Unidos, Canadá y Australia. En Europa, el Reino Unido fue el primero en seguir este camino, seguido de cerca por Francia, donde apareció por primera vez en 1997-1998. En América Latina , el país líder es Argentina , donde se introdujo a mediados de los años 1990 con el apoyo del Instituto Nacional de Tecnología Agropecuaria . Brasil estableció una empresa estatal, Embrapa , para investigar y desarrollar una agricultura sostenible. El desarrollo del GPS y las técnicas de distribución de tasa variable ayudaron a afianzar las prácticas de gestión de la agricultura de precisión [29] . Hoy, menos del 10% de los agricultores franceses están equipados con sistemas de tasa variable. La adopción del GPS está más extendida, pero esto no ha impedido que utilicen servicios de agricultura de precisión, que proporcionan mapas de recomendaciones a nivel de campo. [30]
Si bien las tecnologías digitales pueden transformar el panorama de la maquinaria agrícola, haciendo que la mecanización sea más precisa y más accesible, la producción no mecanizada sigue siendo dominante en muchos países de ingresos bajos y medios, especialmente en el África subsahariana. [4] [5] La investigación sobre agricultura de precisión para la producción no mecanizada está aumentando y también su adopción. [31] [32] [33] Algunos ejemplos incluyen el escáner de suelo portátil AgroCares, los servicios de vehículos aéreos no tripulados (UAV) (también conocidos como drones) y el GNSS para mapear los límites de los campos y establecer la tenencia de la tierra. [34] Sin embargo, no está claro cuántos productores agrícolas utilizan realmente las tecnologías digitales. [34] [35]
La ganadería de precisión ayuda a los agricultores en tiempo real mediante el seguimiento y control continuos de la productividad animal, los impactos ambientales y los parámetros de salud y bienestar. [36] Los sensores colocados en los animales o en los equipos del establo controlan el clima y monitorean el estado de salud, el movimiento y las necesidades de los animales. Por ejemplo, las vacas pueden etiquetarse con la identificación electrónica (EID) que permite a un robot de ordeño acceder a una base de datos de coordenadas de ubre de vacas específicas. [37] Las ventas mundiales de sistemas de ordeño automático han aumentado en los últimos años, [38] pero es probable que su adopción se dé principalmente en el norte de Europa, [39] y que sea casi inexistente en los países de ingresos bajos y medios. [40] También existen máquinas de alimentación automática para vacas y aves de corral, pero los datos y la evidencia sobre las tendencias de adopción y los factores que las impulsan también son escasos. [4] [5]
Los beneficios económicos y ambientales de la agricultura de precisión también se han confirmado en China, pero China se está quedando atrás de países como Europa y Estados Unidos porque el sistema agrícola chino se caracteriza por granjas familiares de pequeña escala, lo que hace que la tasa de adopción de la agricultura de precisión sea menor que en otros países. Por lo tanto, China está tratando de introducir mejor la tecnología de agricultura de precisión en su propio país y reducir algunos riesgos, allanando el camino para que la tecnología china desarrolle la agricultura de precisión en el futuro. [41]
En diciembre de 2014, el presidente ruso pronunció un discurso ante el Parlamento ruso en el que pidió una Iniciativa Tecnológica Nacional (NTI). Esta se divide en subcomponentes, como la iniciativa FoodNet, que contiene un conjunto de prioridades declaradas, como la agricultura de precisión. Este campo es de especial interés para Rusia como herramienta importante para desarrollar elementos de la bioeconomía en Rusia. [42] [43]
La agricultura de precisión, como su nombre lo indica, implica la aplicación de cantidades precisas y correctas de insumos como agua, fertilizantes, pesticidas, etc. en el momento adecuado para el cultivo, con el fin de aumentar su productividad y maximizar sus rendimientos. Las prácticas de gestión de la agricultura de precisión pueden reducir significativamente la cantidad de nutrientes y otros insumos agrícolas utilizados, al tiempo que aumentan los rendimientos. [44] De este modo, los agricultores obtienen un rendimiento de su inversión al ahorrar en costos de agua, pesticidas y fertilizantes.
El segundo beneficio, de mayor escala, de la selección de insumos se refiere a los impactos ambientales. La aplicación de la cantidad correcta de productos químicos en el lugar y el momento adecuados beneficia a los cultivos, los suelos y las aguas subterráneas, y por lo tanto a todo el ciclo de cultivo. [45] En consecuencia, la agricultura de precisión se ha convertido en una piedra angular de la agricultura sostenible , ya que respeta los cultivos, los suelos y los agricultores. La agricultura sostenible busca asegurar un suministro continuo de alimentos dentro de los límites ecológicos, económicos y sociales necesarios para sostener la producción a largo plazo.
Un artículo de 2013 intentó demostrar que la agricultura de precisión puede ayudar a los agricultores de países en desarrollo como la India. [46]
La agricultura de precisión reduce la presión que ejerce la agricultura sobre el medio ambiente al aumentar la eficiencia de la maquinaria y ponerla en funcionamiento. Por ejemplo, el uso de dispositivos de gestión remota, como el GPS, reduce el consumo de combustible para la agricultura, mientras que la aplicación a dosis variables de nutrientes o pesticidas puede reducir potencialmente el uso de estos insumos, ahorrando así costos y reduciendo los vertidos nocivos en los cursos de agua. [47]
El GPS también reduce la compactación del suelo al seguir líneas de guía previamente trazadas. Esto también permitirá pasar menos tiempo en el campo y reducir el impacto ambiental del equipo y los productos químicos.
La agricultura de precisión produce grandes cantidades de datos de detección variados que crean una oportunidad para adaptar y reutilizar dichos datos para el trabajo de arqueología y patrimonio, mejorando la comprensión de la arqueología en los paisajes agrícolas contemporáneos. [48]
La agricultura de precisión es una aplicación de tecnologías agrícolas digitales de vanguardia. Se han invertido más de 4.600 millones de dólares en empresas de tecnología agrícola, a veces denominadas agtech. [17]
Los tractores autoguiados existen desde hace algún tiempo, ya que los equipos John Deere funcionan como un avión con piloto automático . El tractor hace la mayor parte del trabajo y el agricultor interviene en caso de emergencia. [45] La tecnología está avanzando hacia la maquinaria sin conductor programada por GPS para esparcir fertilizantes o arar la tierra. La autonomía de la tecnología está impulsada por la exigente necesidad de diagnósticos, a menudo difíciles de lograr únicamente con maquinaria operada manualmente por el agricultor. En muchos casos de altas tasas de producción, los ajustes manuales no pueden sostenerse. [49] Otras innovaciones incluyen máquinas/robots, en parte alimentados por energía solar, que identifican las malas hierbas y las matan con precisión con una dosis de herbicida o láser . [45] [50] [51]
Los robots agrícolas , también conocidos como AgBots, ya existen, pero se están desarrollando robots recolectores avanzados para identificar frutas maduras, adaptarse a su forma y tamaño y arrancarlas cuidadosamente de las ramas. [52]
La tecnología de drones y satélites se utiliza en la agricultura de precisión. Esto ocurre a menudo cuando los drones toman imágenes de alta calidad mientras los satélites capturan el panorama general. La fotografía aérea desde aeronaves ligeras se puede combinar con datos de registros satelitales para predecir rendimientos futuros en función del nivel actual de biomasa del campo . Las imágenes agregadas pueden crear mapas de contorno para rastrear dónde fluye el agua, determinar la siembra a tasa variable y crear mapas de rendimiento de áreas que fueron más o menos productivas. [45]
El Internet de las cosas es la red de objetos físicos equipados con dispositivos electrónicos que permiten la recopilación y agregación de datos. El Internet de las cosas entra en juego con el desarrollo de sensores [53] y software de gestión de granjas. Por ejemplo, los agricultores pueden medir espectroscópicamente el nitrógeno, el fósforo y el potasio en el estiércol líquido , que es notoriamente inconsistente. [45] Luego pueden escanear el suelo para ver dónde ya han orinado las vacas y aplicar fertilizante solo en los lugares que lo necesitan. Esto reduce el uso de fertilizantes hasta en un 30%. [52] Los sensores de humedad [54] en el suelo determinan los mejores momentos para regar las plantas de forma remota. Los sistemas de riego se pueden programar para cambiar el lado del tronco del árbol que riegan en función de las necesidades de la planta y las precipitaciones. [45]
Las innovaciones no se limitan a las plantas, sino que pueden utilizarse para el bienestar de los animales. Se pueden equipar al ganado con sensores internos para controlar la acidez estomacal y los problemas digestivos. Los sensores externos rastrean los patrones de movimiento para determinar la salud y la aptitud física de la vaca, detectar lesiones físicas e identificar los momentos óptimos para la reproducción. [45] Todos estos datos de los sensores se pueden agregar y analizar para detectar tendencias y patrones.
Otro ejemplo es la tecnología de monitoreo que puede utilizarse para hacer más eficiente la apicultura. Las abejas tienen un valor económico significativo y brindan un servicio vital a la agricultura al polinizar una variedad de cultivos. El monitoreo de la salud de una colonia de abejas mediante sensores inalámbricos de temperatura, humedad y CO2 ayuda a mejorar la productividad de las abejas y a detectar advertencias tempranas en los datos que podrían amenazar la supervivencia misma de una colmena entera. [55]
.jpg/1280px-Figure_16_Components_of_a_Precision_Agriculture_System_(49132514563).jpg)
Las aplicaciones para teléfonos inteligentes y tabletas son cada vez más populares en la agricultura de precisión. Los teléfonos inteligentes vienen con muchas aplicaciones útiles ya instaladas, incluidas la cámara, el micrófono, el GPS y el acelerómetro. También existen aplicaciones diseñadas específicamente para diversas aplicaciones agrícolas, como el mapeo de campos, el seguimiento de animales, la obtención de información meteorológica y de cultivos, entre otras. Son fácilmente portátiles, asequibles y tienen una gran capacidad de procesamiento. [56]
El aprendizaje automático se utiliza habitualmente en combinación con drones, robots y dispositivos de Internet de las cosas. Permite la entrada de datos de cada una de estas fuentes. Luego, la computadora procesa esta información y envía las acciones apropiadas a estos dispositivos. Esto permite que los robots entreguen la cantidad perfecta de fertilizante o que los dispositivos de IoT proporcionen la cantidad perfecta de agua directamente al suelo. [57] El aprendizaje automático también puede proporcionar predicciones a los agricultores en el punto de necesidad, como el contenido de nitrógeno disponible para las plantas en el suelo , para guiar la planificación de la fertilización. [58] A medida que la agricultura se vuelve cada vez más digital, el aprendizaje automático respaldará una agricultura eficiente y precisa con menos trabajo manual.
Este artículo incorpora texto de una obra de contenido libre . Licencia CC BY-SA 3.0 (declaración de licencia/permiso). Texto tomado de Breves sobre El estado mundial de la agricultura y la alimentación 2022: Aprovechar la automatización en la agricultura para transformar los sistemas agroalimentarios, FAO, FAO.
Medios relacionados con la agricultura de precisión en Wikimedia Commons