IoT y la agricultura de precisión

La agricultura de precisión es una técnica de cultivo y gestión agrícola, que se apoya en el uso de tecnologías de la información para obtener el máximo rendimiento de cada parcela. Gracias a la aparición de nuevos sensores y actuadores y al abaratamiento de estos, ha surgido la oportunidad de conectarlos a internet, dotarlos de un backend de soporte a la toma de decisiones tanto en tiempo real como en batch y hacerlos interoperar como un único sistema integrado.

Mediante la recogida de datos del suelo, condiciones atmosféricas, monitorización del estado de los cultivos y rendimiento de las cosechas, realiza la analítica necesaria, para tomar decisiones sobre qué acciones tomar en cada momento del cultivo, desde la preparación del suelo para la siembra, hasta la cosecha.

Una tecnología fundamental para la agricultura de precisión es el GPS. La primera aplicación de este en agricultura fue para guiar y posicionar maquinaria agrícola, lo que permite:

  • Minimizar el impacto de la compactación del terreno al guiar la maquinaria siempre por las mismas rodaduras.
  • En terrenos irregulares evitar sobrecultivar y sobredifuminar químicos.
  • Alinear con exactitud las plantaciones de árboles.
  • Seguir las tareas de los empleados así como el uso que estos dan a la maquinaria.

Posteriormente el GPS se está utilizando para georeferenciar datos de muestras obtenidas y tras su análisis, elaborar mapas geográficos de acciones a aplicar.

Los principales beneficios de la agricultura de precisión son:

  • Maximización del rendimiento de cada parcela,
  • Minimización y uso óptimo del fertilizantes y pesticidas
  • Reducción del consumo de agua y de energía, así como de los residuos generados
  • Mejora de la trazabilidad alimentaria

En la agricultura de precisión existen fundamentalmente 3 tipos de análisis, cada uno relacionado con una fase en el ciclo del cultivo.

  1. Análisis de suelo: Consiste en medir las características del suelo de cultivo, para identificar que cultivos y variedades son adecuados al suelo y que carencias tienen que ser complementadas mediante fertilizantes. Se lleva a cabo en la fase previa a la siembra
  2. Análisis de cultivos: Consiste en la monitorización de los cultivos y los factores que afectan y favorecen el óptimo desarrollo de la planta, se monitorizan aspectos tales como crecimiento de la planta, grado de coloración, tiempo atmosférico, detección de plagas. Se aplica en la fase de crecimiento y maduración.
  3. Análisis de cosechas: Consiste en la monitorización de la cantidad y calidad del producto cosechado en cada zona. Permite medir el resultado de las técnicas aplicadas en fases previas, ayudando a tomar decisiones sobre futuros cultivos y tratamientos. Se aplica en la fase de recolección.

Veamos cada una de ellas:

Análisis de suelo

El análisis de suelo permite elaborar mapas con las características de los terrenos de cultivo. Para ello se toman muestras georeferenciadas que permiten conocer los niveles acidez, nitrógeno, fosforo, potasio… A partir de estas muestras se elaboran mapas que permiten identificar que cultivo o variedad es más adecuado para cada terreno, así como elaborar planes de fertilización óptimos.

Hasta ahora, el principal problema de estas técnicas es el coste de la recogida y análisis de muestras, ya que tradicionalmente se ha hecho de forma manual, tomando muestras individuales, que se envían a un laboratorio. Esta circunstancia deriva en que la cantidad de muestras por unidad de superficie es baja, por lo que la calidad de los mapas de características del suelo es relativamente pobre. Sin embargo, la aparición de sensores de tamaño relativamente pequeño y su reducción en coste, es cada vez más posible incorporarlos en la maquinaria agrícola y poder realizar el análisis sobre el terreno, lo que unido al GPS, permite elaborar anualmente mapas de calidad con un grado de muestreo muy alto.

Análisis de cultivos

El análisis de cultivos persigue el correcto desarrollo de las planta. Combina:

  • Técnicas de detección temprana de plagas. Permite localizar focos de plagas, como hongos o insectos, en su fase inicial, disparando alertas y elaborando planes de fumigación a medida por zonas. Esto favorece un uso óptimo de los pesticidas, reduciendo su uso.
  • Técnicas de humedad de suelo optimizando los sistemas de riego.
  • Técnicas de medición de niveles de clorofila a través de la monitorización de la coloración. Favoreciendo un uso óptimo de fertilizantes.

Análisis de cosechas

La mayoría de las máquinas cosechadoras modernas (cosechadoras de cereal, máquinas vendimiadoras…) están provistas de sensores que miden el flujo de producto cosechado en tiempo real, lo que combinado con la georeferenciación GPS permite la elaboración de mapas de producción para:

  • Identificar que parcelas no están alcanzando su potencial, que combinado con la información de las actuaciones llevas a cabo en dichas parcelas, puede llevar a la identificación de las causas.
  • Medir el resultado de determinados experimentos en cuanto a técnicas de cultivo o nuevas semillas y plantas modificadas genéticamente.
  • Consensuar con compañías aseguradoras el importe de las indemnizaciones por daños meteorológicos.
  • Medir el grado de cumplimiento de los programas de subvenciones.

Los siguientes pasos en la agricultura de precisión, vienen marcados por la gestión de los datos agrícolas y la aplicación de Big Data. En este sentido, encontramos iniciativas como la de la Open Ag Data Alliance (http://openag.io/), para definir estándares de gestión de datos agrícolas e interfaces para su tratamiento e intercambio. La visión de la Open Ag Data Alliance se resume en el siguiente ejemplo:

The OADA vision is best explained through an example. Consider the common use case of prescription maps. Frank is a farmer with a corn planter capable of varying seed population based on GPS location using a prescription map: i.e., under the irrigator seeds should be closer together and outside the irrigator they should be farther apart because there is less water to go around.

Andy, a local agronomist, has worked with Frank for years. Andy offers to create a custom prescription map for some of Frank’s fields. To do this, Andy says he needs the past three years of yield data, recent soil tests, as-applied fertilizer maps, outlines of Frank’s irrigator pivot coverage area, and info on the type of corn variety that Frank intends to plant in each field. Andy loads Frank’s data into an existing software package, generates a prescription map that works with Frank’s planter monitor, and gets the map to Frank before planting begins.

image0011

image0021

IoT y la agricultura de precisión