Manual AP 01web

8/9/2019 Manual AP 01web

http://slidepdf.com/reader/full/manual-ap-01web 1/178

Programa Cooperativo para el Desarrollo TecnológicoAgroalimentario y Agroindustrial del Cono Sur



MANUALDE

DEPRECISIÓNAGR ICULTURA

Editores:

Evandro Chartuni MantovaniEmpresa Brasileira de Pesquisa

Agropecuaria (EMBRAPA)

Carlos MagdalenaInstituto Nacional de Tecnología

Agropecuaria (INTA)

Programa Cooperativo para el Desarrollo TecnológicoAgroalimentario y Agroindustrial del Cono Sur



Instituto Interamericano de Cooperación para la Agricultura (IICA), 2014.

Manual de agricultura de precisión por IICA se encuentra bajo una Licencia Creative CommonsReconocimiento-Compartir igual 3.0 IGO (CC-BY-SA 3.0 IGO)( http://creativecommons.org/licenses/by-sa/3.0/igo/ )Creado a partir de la obra enwww.iica.intEl Instituto promueve el uso justo de este documento. Se solicita que sea citado apropiadamentecuando corresponda.Esta publicación también está disponible en formato electrónico (PDF) en el sitio Web institucionalenhttp:// www.iica.int

Coordinación editorial: Evandro Chartuni Mantovani y Carlos MagdalenaCorrección de estilo: Virginia Rodríguez, Valentina Chiocchi y Malvina GalvánAdaptación al español: Virginia Rodríguez y Valentina ChiocchiIlustración de tapa y portada de capítulos: Gonzalo RochaDiseño gráco: Esteban GrilleImpresión: Imprenta Boscana

Manual de agricultura de precisión / IICA, PROCISUR - Montevideo: IICA, 2014

176 p.; 20 cm X 20 cm

ISBN: 978-92-9248-545-0

1. Agricultura de precisión 2. Sistemas de posicionamiento global 3. Sistemas de informa-ción geográca 4. Instrumentos de medición 5. Análisis de datos 6. Tecnología 7. Cambiotecnológico 8. Argentina 9. Bolivia 10. Brasil 11. Chile 12. Paraguay 13. Uruguay I. IICAII. PROCISUR III. Título

AGRIS DEWEY

E14 338.16

http://creativecommons.org/licenses/by-sa/3.0/igo/

http://creativecommons.org/choose/www.iica.int

http://www.iica.int/

http://www.iica.int/

http://creativecommons.org/choose/www.iica.int

http://creativecommons.org/licenses/by-sa/3.0/igo/



PRÓLOGO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7

PARTE 1Abordaje y herramientas para el diagnósticode áreas de producción

1.1. Uso del Sistema de Posicionamiento Globalen la caracterización de áreas agrícolasDarly Geraldo Sena Junior y Francisco de Assisde Carvalho Pinto . .............................. ................................ ................................. .. 12

1.2. Uso de Sistema de Informaciones Geográcas paraespacialización de datos del área de producción agrícolaElena Charlotte Landau, Daniel Pereira Guimarães

y André Hirsch . ............................ ................................. ................................. ....... 221.3. Monitores de rendimiento y mapeoRicardo Melchiori, Kemerer, Alejandra C. e Albarenque, Susana M................................. 30

1.4. Adquisición remota y agricultura de precisiónCarlos Alberto Vettorazzi y Stanley Best . .............................. ................................. .. 36

1.5. Muestreo para mapeo y manejo de la fertilidad del sueloÁlvaro V. Resende y Antonio M. Coelho. ............................... ................................. .. 47

1.6. Técnicas avanzadas de análisis para los cultivos a tiempo realRodrigo Quintana ............................... ................................ ................................. .. 58

CONTENIDO



PARTE 2Integración de informaciones y tomade decisiones

2.1. Creación de mapas de manejo con datos espacialesElena Charlotte Landau, Ziany Neiva Brandão, CarlaMoreira de Faria ................................ ................................. ................................. . 74

2.2. Uso de la geoestadística y los sistemas de informacióngeográca en agriculturaDario E. Fernández y Manel Ribes i Dasi ............................... ................................. . 84

2.3. Interpretación de informaciones espacializadas y deniciónde unidades de manejoRicardo Melchiori, Alejandra Kemerer y Susana Albarenque..................................... 91

2.4. Aspectos económicos: análisis de viabilidad de adopciónde intervenciones en los sistemas de producciónMarc Vanacht. .............................. ................................. ................................ ....... 97

2.5. Monitoreo temporal de los sistemas de producción parala toma de decisiones y mejoraEvandro Chartuni Mantovani y Gisela de Avellar................................ ..................... 108

PARTE 3

Implementación de la agricultura de precisión3.1 Tecnología de precisión para gestión de nutrientes

Harold Reetz. ................................ ................................ ................................. ..... 1203.2. Sistemas de guía por satélite, automatización agrícola

y controladores electrónicosStanley Best. ................................ ................................ ................................. ..... 131

3.3. Sensores de nitrógeno para la medición y aplicación

en el cultivo en tiempo realLorenzo León. ............................... ................................ ................................. ..... 1463.4. Monitoreo de desempeño y retorno de las prácticas de

la agricultura de precisiónAndrés Méndez, Fernando Scaramuzza, Juan Pablo Vélez y Diego Villarroel. ............................... ................................. ................................ 158

ANEXO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .168

BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .171



5

El Programa Cooperativo para el Desarrollo Tecnológico Agroalimentario y Agroindustrial delCono Sur (PROCISUR), creado en 1980 con el apo-yo del Banco Interamericano de Desarrollo (BID),constituye una iniciativa conjunta de los InstitutosNacionales de Investigación Agropecuaria –INIA– de Argentina, Bolivia, Brasil, Chile, Paraguay y Uruguay,

y el Instituto Interamericano de Cooperación para la Agricultura (IICA).En el año 2006 PROCISUR publicó el primer

libro regional sobre agricultura de precisión, quedescribió los aspectos conceptuales como tam-bién los primeros avances que esta tecnologíaemergente estaba plasmando en algunos paí-ses de la región. Los autores de “Agricultura dePrecisión: Integrando conocimientos para unaagricultura moderna y sustentable” fueron investi-gadores pioneros, que con el apoyo de los INIA yorganizaciones de productores, daban inicio a unarevolución tecnológica en la agricultura regional.

Han pasado más de ocho años y el avance tec-nológico ha continuado con un desarrollo cada vezmás sorprendente. Los avances en la electrónica,

las tecnologías de las comunicaciones, el senso-ramiento remoto, la inteligencia computacionaly minería de datos, entre otras, han permitido eldesarrollo de equipos y sistemas altamente espe-cializados, con una capacidad enorme para adqui-rir, procesar y analizar información de todo tipo.Esto está cambiando profundamente la forma de

gestionar y la toma de decisiones en los procesosproductivos, en los diferentes niveles y escalas enque se desenvuelve la nueva agricultura. En esesentido el concepto inicial de la agricultura de pre-cisión, que se centraba en el conocimiento y ma-nejo de la variabilidad espacial y temporal de lossuelos, ha ido evolucionando a la integración detecnologías más amplias en distintas etapas de losprocesos productivos, donde el acceso y manejode la información de todo tipo es fundamental parala gestión integral y competitividad de las empre-sas, cualquiera sea su escala.

Sin embargo, este impresionante desarrollotecnológico requiere también de una importanteadecuación institucional, motivada principalmentepor la naturaleza y la alta especialización de es-

PRÓLOGO



6

tas nuevas tecnologías. El desarrollo de recursoshumanos, la capacidad para trabajar en formainterdisciplinaria e interinstitucional, nuevos enfo-ques para la difusión y capacitación, son requisitosindispensables para innovar en la forma de comoestas nuevas tecnologías puedan efectivamenteimpactar a gran escala en la agricultura.

La contribución que hace PROCISUR con estesegundo libro “Manual de agricultura de precisión”es poner en un contexto simple los conocimientosy avances que hay en este conjunto de nuevas tec-

nologías emergentes. La publicación fue pensadacon el objetivo de facilitar el acceso a información,entrenamiento y capacitación de profesionales ex-tensionistas que tienen que enfrentar estos nuevosdesafíos que presenta la agricultura de precisión yque sin duda serán de uso cada vez más amplioen el futuro.

Emilio Ruz

Secretario Ejecutivo PROCISUR



7

Existen evidencias de que se vive un cambio deépoca, la era industrial está en crisis y se comienzaa transitar lo que algunos autores llaman post-in-dustrialismo o era del conocimiento. La proble-mática global del industrialismo está provocandoproblemas ambientales, energéticos, alimentarios,sociales, económicos y nancieros que han gene-

rado una profunda crisis mundial que afecta a lasprincipales economías y que tiene consecuenciashasta el momento impredecibles.

Actualmente se observan profundos cambiostecnológicos: el desarrollo de la electrónica y delas tecnologías de la información y comunica-ción ha favorecido la difusión de la agricultura deprecisión. Si bien este concepto está vinculadoal manejo de la variabilidad espacial y temporalen la producción agropecuaria, en muchos ca-sos se asocia a la aplicación de la tecnología delpost- industrialismo.

La aplicación virtuosa del concepto de agri-cultura de precisión está asociada a una visiónsistémica e interdisciplinaria. Los institutos nacio-nales de investigación agropecuaria (INIA), miem-

INTRODUCCIÓN

bros del Programa Cooperativo para el Desarrollo Tecnológico Agroalimentario y Agroindustrial delCono Sur (PROCISUR), poseen recursos hu-manos altamente especializados en tecnologíaagropecuaria, pero tienen escasas capacidadesde difusión en estas nuevas tecnologías. Si bienes cierto que los niveles de conocimiento e infor-

mación requieren de integración interinstitucional,sería necesaria la incorporación de estos perles,para facilitar la articulación con el sector privado ycon otros actores públicos como organizacionesde investigación y universidades.

Son pilares fundamentales para llevar adelanteeste objetivo la capacitación y el desarrollo del co-nocimiento a través de una red de universidades,institutos tecnológicos y sistemas de extensión,se debería poner foco en el fortalecimiento de losrecursos humanos especializados en las nuevastecnologías, además de promover la articulacióne integración institucional, con el convencimientode que en la nueva época que se transita no habráinnovación sin interdisciplina y sin interinstitucio-nalidad. En síntesis, sería pertinente y necesario



8

promover los conceptos y herramientas de la agri-cultura de precisión a través de un programa pilotode extensión.

Contenidos del manualEl Manual fue dividido en tres partes para faci-

litar su utilización:• La primera parte desarrolla el abordaje y las

herramientas para el diagnóstico de áreas deproducción, donde se describen los procedi-mientos básicos para la adquisición de datosy construcción de mapas georreferenciados.Dentro de los puntos tratados en esta primeraparte, se destaca la utilización de: sistema deposicionamiento global, sistemas de informa-ción geográcos, monitores de productividad,adquisición remota de información, mues-treo de mapeo y análisis de suelo entre otras

temáticas.• La segunda parte aborda el manejo integrado

de la información para la toma de decisiones,este capítulo es de gran importancia conside-rando que el objetivo de la agricultura de pre-cisión es la transformación de datos en infor-mación organizada para la toma de decisiones.Se apunta al fortalecimiento de los conocimien-tos que faciliten la generación de mapas demanejo con datos espaciales, geoestadística,interpretación de la información y denición deunidades de manejo, aspectos económicos yviabilidad de adopción, monitoreo para la tomade decisiones y mejora permanente.

• Por último, la tercera parte analiza la implemen-tación de la agricultura de precisión, con énfa-

sis en el desarrollo de los sistemas guiados porsatélites, automatización agrícola y controlado-res electrónicos. Se desarrolla la temática deaplicación de insumos a tasa variable basadaen mapas de aplicación y en tiempo real. Seanaliza el desempeño y retorno de las prácticasde agricultura de precisión.

Objetivo de este manualEl presente manual fue elaborado con una vi-

sión simple y práctica y con el objetivo de facilitarel entrenamiento de profesionales extensionistaspara la aplicación de la agricultura de precisión endiferentes escalas de producción en los países delCono Sur.

Seguramente, los capítulos podrían tener undesarrollo más extenso y detallado de los temaspropuestos, no obstante se optó por un trabajocon lineamientos básicos e integrados de profe-sionales de los distintos países de la región quecumplirán roles docentes durante los entrena-mientos que se desarrollaran por indicación delos INIA. Con certeza los entrenamientos deja-rán una serie de aprendizajes que permitirán laedición de un manual más completo en dondese rescaten ejemplos sobre las experienciasprácticas de los participantes de los cursos deentrenamiento.

Los nes de la agricultura de precisión traenconsigo objetivos implícitos a este manual, queapuntan a fortalecer la sostenibilidad social, am-biental y económica de los productores de nues-

tra región.



9

Ventajas del uso de la agriculturade precisión en comparación con laagricultura tradicional

La agricultura tradicional consideraba a loscampos agrícolas como homogéneos y la aplica-ción de insumos no incluía la variabilidad espacialy temporal de la producción ni el análisis de lascausas de esa variabilidad.

De modo que la agricultura de precisión esla aplicación de tecnologías y principios parael manejo de la variabilidad espacial y temporalasociada a todos los aspectos de la producciónagrícola con el propósito de mejorar la produc-tividad del cultivo y la calidad ambiental. (Piercey Nowak, 1999).

Con este enfoque, las ventajas de la agricul-tura de precisión sobre la tradicional son clarasy contundentes debido a la posibilidad de utilizar

los insumos de forma cada vez más criteriosa condosis adecuadas y de acuerdo a la real necesi-dad del cultivo. Este manejo del ambiente permitela aplicación de insumos solo en las áreas en lasque resulta necesario y en donde la respuesta deesta intervención tendrá un claro benecio eco-nómico. Se identica además una ventaja sobrela sostenibilidad ambiental de la producción, yaque se evita la aplicación de insumos en general yde agroquímicos en particular en las áreas en queno son necesarios o se requieren en cantidadesinferiores. Esto que permite una disminución delimpacto sobre el medio ambiente y una signica-tiva reducción de los recursos energéticos, lo queseguramente aportará a la mitigación del cambio

climático global.

La agricultura de precisión en tanto se trans-forma en una metodología de trabajo permite a lospequeños productores a ser menos dependientede insumos externos a la explotación, mejoran-do la sostenibilidad de los pequeños productoresfamiliares.

Visión sistémica de la gestión económicadel sistema de producción

El concepto de gerenciamiento de sistemasde producción ha demostrado ser la forma másadecuada para la utilización de la agricultura deprecisión. El análisis de la estructura de costos,permite evaluar el impacto de las tareas sugeridaso de nuevas técnicas empleadas sobre el costototal de producción e inferir en los retornos econó-micos esperados.

De modo que el Manual ha sido estructurado

para analizar el proceso de producción agrícola,con una visión sistémica, integrando todas las fa-ses del sistema de producción, al mismo tiempoque se realiza la gestión económica del sistema deproducción.



AKA22

3622



PARTE 1



12

1.1. Uso del Sistema dePosicionamiento Global en lacaracterización de áreas agrícolasDarly Geraldo Sena Junior y Francisco de Assis deCarvalho Pinto

IntroducciónDentro de las diferentes propuestas de tec-

nologías para el posicionamiento en el campo,los sistemas globales de navegación por satélites(GNSS, por sus siglas en inglés) son actualmentelos más populares. Desarrollados para el uso mili-

tar, la disposición de su uso para la comunidad civilrevolucionó la navegación y la medición de áreasy distancias, especialmente en el medio rural. Sufuncionamiento es análogo al método utilizado porlos antiguos navegantes, que determinaban suubicación basándose en las estrellas, planetas ysatélites naturales. Los sistemas actuales utilizansatélites especialmente desarrollados para ese n,

con órbitas perfectamente conocidas y, de acuer-

do con las distancias en relación a los satélites, sedetermina el posicionamiento del usuario sobre lasupercie terrestre.

¿Por qué utilizar satélites para el mapeo?• No es necesario que exista visión entre las po-

siciones que se desea relevar, como en la topo-grafía convencional con el uso del teodolito oestación total. Solo se necesita de una aperturaal cielo. Esto quiere decir que no puede haberimpedimento físico entre la antena del receptory los satélites, como por ejemplo: copas de ár-boles, construcciones, etc.

• Cuando los satélites operan apropiadamente,permiten la captura de una ubicación precisa yrápida, incluso con el receptor en movimiento.

• La información ya se encuentra en forma di-gital, lo que permite una integración más fácilcon sistemas de informaciones geográcas, de

mapeo y computadores de a bordo y controla-dores de máquinas.• Permite trabajar en cualquier condición de

tiempo, de día o de noche.Se puede armar que a partir de la disposición

del Sistema de Posicionamiento Global (GPS, porsus siglas en inglés) por parte del Departamentode Defensa de Estados Unidos para el uso civilal inicio de la década de 1990, se comenzaron ageorreferenciar los problemas y soluciones para laagricultura.

Además del GPS, otros ejemplos de GNSSson: el sistema ruso (GLONASS) iniciado en laUnión Soviética y que se encuentra en pleno fun-cionamiento, el sistema europeo (GALILEO), chino(COMPASS), indio (IRNSS) y japonés (QZSS), quese encuentran en desarrollo, además de los siste-

Darly Geraldo Sena JuniorIngeniero Agrónomo, doctor en Ingeniería Agrícola, profesorde la Universidad de Federal de Goiás, Campus Jataí -Cursode Agronomía, Jataí, GO, Brasil.

[email protected]

Francisco de Assis de Carvalho PintoIngeniero Agrícola, doctor en Ingeniería Agrícola, profesorde la Universidad de Federal de Viçosa, Departamento deIngeniería Agrícola, Viçosa MG, [email protected]



13 PARTE 1

mas regionales. La expectativa es que en el futurocercano haya una integración entre los sistemas yse mejore la cobertura y la precisión de las medi-ciones. Ya existen en el mercado receptores que

utilizan simultáneamente GPS y/o GLONASS.1

El presente apartado presenta el principio defuncionamiento del GPS, por tratarse del sistemamás difundido, en pleno funcionamiento y disponi-ble en todo el mundo. El funcionamiento de los de-más sistemas es muy parecido al GPS. Asimismo,se analizarán los diferentes tipos de receptoresde GPS, conceptos básicos de cartografía para

el uso del GPS y ejemplos de su utilización en laagricultura.

Segmentos del sistema deposicionamiento global

Este sistema está basado en tres componen-tes o segmentos:

Segmento espacialPara que el sistema funcione en cualquier lugar

del planeta, 24 horas al día y sobre cualquier con-dición climática, el segmento espacial está consti-tuido de por lo menos 24 satélites funcionales. Elnúmero de satélites uctúa debido a los satélitesque son desconectados y a los que son lanzados

para entrar en funcionamiento o permanecer comoreservas. Los satélites orbitan aproximadamente20 200 km por encima de la supercie terrestrecon tiempo de revolución de aproximadamente 12horas, en seis planos orbitales con cuatro satéli-tes cada plano. La constelación de satélites fue

1 Por siglas en ingles: Global naya Navigatsionnaya Sputnikovaya Sistema(GLONASS),Indian Regional Navigational Satellite System (IRNSS) y Sistemapor Satélite Quasi-Zenith (QZSS).

proyectada para que por lo menos cuatro satélitesestén en el campo de la comunicación de cual-quier receptor, en cualquier lugar del planeta y acualquier hora del día, en caso de que no haya

ningún impedimento físico o de calidad de señalemitida por el satélite.

Segmento de controlEl segmento de control monitorea los mensajes

de navegación de los satélites y envía los ajustesque sean necesarios. Este segmento opera a par-tir de la Base Falcon de la Fuerza Aérea Americanaen Colorado Springs, Estados Unidos, y tambiéncontiene cuatro estaciones de monitoreo y tres es-taciones de carga distribuidas alrededor del mun-do. Las estaciones envían a la Base Falcon infor-maciones para el cálculo de las órbitas de cadasatélite, y actualiza esa información en el sistemade señales.

Segmento de usuarioEste segmento está compuesto por los recep-

tores y antenas que reciben y procesan las señalesde los satélites para determinar su ubicación en latierra, en el aire o en el mar. Dentro de la aplicacióncivil, se pueden citar: relevamiento de datos parasistemas georeferrenciados, navegación marítimay terrestre, topografía, servicios de emergencia,aviación, posicionamiento preciso, agricultura, fo-togrametría, etc.

Funcionamiento del sistema deposicionamiento global

Entender cómo el sistema GPS establece laubicación ayuda a tomar decisiones correctas

para la determinación de coordenadas, medición



14

de áreas y distancias. Aunque se pueda utilizarel sistema sin las explicaciones presentadas acontinuación –y así lo hacen la mayoría de losusuarios–, la información es de fundamental im-

portancia en la práctica para reducir errores en elrelevamiento de datos.

Posicionamiento Al conocer la posición de varios satélites y la

distancia hacia ellos, el receptor GPS puede cal-cular una posición precisa, para lo cual el sistemautiliza el concepto de triangulación y la informaciónde la velocidad de propagación de la señal.

Una posición se calcula mediante el conoci-miento de la posición de por lo menos cuatro saté-lites y de la distancia del receptor a esos satélites.Cada satélite tiene sus códigos especícos emi-tidos constantemente, en dos ondas portadorasL1 (1 575,42 MHz) y L2 (1 227,60 MHz). Sobrelas ondas portadoras se modulan los códigos: C/Aen la portadora L1, de uso civil y sobre las porta-dores L1 y L2 el código P, de uso militar. Ademásde los códigos, se transmiten diversos mensajessobre los satélites en funcionamiento (almanaque),correcciones de los relojes, calidad de las señalesy otras informaciones del sistema.

El posicionamiento con GPS puede ser reali-

zado con dos tipos de mediciones y receptores:con base en el código o con base en las ondasportadoras.

El posicionamiento por el código es el más di-fundido y utilizado en los receptores más baratos,los llamados GPS de navegación. El posiciona-miento basado en las ondas portadoras es el utili-zado en equipos más caros y precisos destinados

a levantamientos geodésicos.

Medición de distanciasLas distancias (d) hasta los satélites son calcu-

ladas conociendo la velocidad de desplazamientode la señal, que es igual a la velocidad de la luz (v)y midiendo el intervalo de tiempo (t) necesario paraque la señal sea emitida por el satélite y llegue alreceptor, o sea:

d=v*tPara medir el tiempo de viaje de la señal del

GPS, el receptor compara la diferencia entre la se-ñal generada por el satélite y la generada por él

mismo. Esto se realiza utilizando un código de rui-do pseudo-aleatorio (PRN por su sigla en inglés),único para cada satélite, que es generado al mis-mo tiempo en el receptor y en el satélite despuésde la sincronización de los relojes. El tiempo sedetermina de acuerdo con la diferencia entre lospuntos semejantes de esos dos códigos.

Relojes precisosEl cronometraje es importante ya que los códi-

gos del receptor y del satélite deben estar sincro-nizados. Los satélites tienen relojes atómicos queson precisos hasta los nanosegundos (10-9 s), noobstante, son inviables en los receptores. Esos re-ceptores usan relojes convencionales y utilizan lamedición de un cuarto satélite para resolver erro-res de reloj.

TriangulaciónCon la triangulación utilizada por los antiguos

navegantes para posicionarse, se puede deter-minar la posición de un determinado objeto (en elcaso del receptor del GPS), midiendo las distan-

cias de este objeto a tres puntos de coordenadas



15 PARTE 1

conocidas (satélites GPS), conforme descriptomás abajo y representado en la Figura 1.

A) Primera medición

En cuanto el receptor capta la señal de un saté-lite, se calcula la distancia hasta éste, por ejemplo19 000 km, esto signica que el receptor se loca-liza en cualquier punto sobre una esfera con esteradio, con el satélite en el centro.

B) Segunda medición Al recibir la señal de un segundo satélite, se

calcula la distancia, por ejemplo 20 000 km entreel satélite y el receptor, y se determina otra esfera.Como el área de intersección se da entre dos es-feras y una circunferencia, la posición del receptorpuede ser cualquier punto sobre el perímetro deesa circunferencia.

C) Tercera medición Al recibir la señal de un tercer satélite, se de-

termina una tercera esfera y así se crean dos cir-cunferencias que se interceptan en dos puntos. Teóricamente, con esas tres mediciones, el recep-tor sería capaz de determinar la posición correctaporque uno de los puntos presenta un valor ab-surdo y podría ser eliminado por procedimientosmatemáticos. Sin embargo, esta posición está de-terminada en 2D (posición planimétrica).

D) Cuarta mediciónUna cuarta medición decide entre las dos posi-

ciones y de esta manera determina la posición delreceptor en 3D (posición planialtimétrica). El cuartosatélite también se utiliza para minimizar los erro-res de sincronización entre los relojes del receptordel satélite (Figura 2).

Figura 1. Medición de la distancia hasta tres satélites para

localización del punto

Figura 2. Seguimiento de la señal de 4 satélites para la obtención de

posición 3D



16

Tipos de receptores utilizados en laagricultura

Precisión del sistema A continuación se listan algunas variables invo-

lucradas en la precisión del GPS:a. Tipo de receptor: Los receptores de tipo topo-

gráco tienen precisión submétrica mientrasque los receptores de navegación poseen pre-cisión entre 5 y 10 m. Los receptores geodési-cos tienen precisión en centímetros.

b. Tiempo de relevamiento de una posición geo-gráca: En general, cuanto mayor es el númerode posiciones (lecturas) relevadas en un lugar,mayor es la precisión.2

c. Posición relativa de los satélites: Generalmente,ocurren menos errores cuando se utiliza unaconstelación de satélites con gran distanciaentre ellos. Por esta razón, las posiciones másprecisas se obtienen cuando gran parte del cie-lo está visible.

d. Conguración del receptor: La precisión puededepender del nivel de tolerancia establecida enla conguración.3

2 Nota: Actualmente, incluso los receptores de navegación disponen deuna función para calcular la media de las lecturas en una misma posiciónpara aumentar la precisión de las coordenadas.3 Nota: Cuando la precisión del receptor es de 5 metros, por ejemplo,signica que la coordenada proporcionada por el dispositivo varía a cadainstante dentro de una circunferencia de 5 m de radio. Como esa coorde-nada varía aleatoriamente, el error cambia constantemente, algunas vecescercano a los 5 m y otras cercano a cero, como en el caso del ejemploque se presenta en la Figura 3. Ese es el motivo principal por el cual, si seobservan las coordenadas proporcionadas por un receptor detenido en unpunto, se vericará que las coordenadas van a cambiar a cada instante.

Métodos de posicionamientoa. Autónomo: Sin corrección, menor precisión. Al

registrar posiciones en cualquier receptor GPS,ocurrirá un error de hasta 10 m, rastreando porlo menos cuatro satélites. Son los receptoresmás baratos y más difundidos.

b. Diferencial: Se aplican correcciones diferen-ciales. La corrección diferencial es el procesode utilizar datos del satélite, recogidos por unreceptor localizado en una posición conocida,para ajustar las posiciones registradas por re-ceptores móviles.

c. Autónomo con corrección por algoritmo: Nose utiliza corrección diferencial, pero algoritmosinternos permiten obtener errores por debajode 1 m. El costo de estos receptores es mayorque el de los receptores de navegación.

d. Posicionamiento según la fase de la portadora:Se realiza corrección diferencial con procesa-

Figura 3. Coordenadas proporcionadas por un receptor con precisión

de 5 m



17 PARTE 1

miento de la fase (o portadora). Los receptoresde precisión submétrica pueden obtener pre-cisiones de hasta 10 cm con el procesamientode la fase.

Corrección diferencialEs necesario utilizar dos receptores para corre-

gir los datos diferencialmente. Uno de esos recep-tores debe ser instalado sobre un punto de coor-denada conocida y congurado como base, mien-tras que otro operará como móvil, para realizar elregistro propiamente dicho. El principio utilizado

considera que como están siendo rastreados losmismos satélites, con una diferencia relativamentepequeña entre los receptores, el error obtenido enla base es el mismo obtenido en el móvil, lo cualpermite utilizar este error para corregir la coorde-nada obtenida por el receptor móvil. En este caso,los receptores son de tipo DGPS (GPS diferencial).Para precisiones submétricas, la mayoría de los fa-

bricantes de receptores recomienda distancias dehasta 300 km entre la base y el móvil y precisionesdecimétricas de hasta 60 km. En general, cuantomenor es la distancia base-móvil, menores erroresocurren.

La corrección diferencial puede ser realizada enpost-proceso, donde los datos de la base y delmóvil son almacenados durante el levantamiento

y al nal se descargan en una computadora pararealizar la corrección. Es la llamada correcciónpost-proceso, bastante utilizada en medicionestopográcas.

En determinadas situaciones, como direccio-namiento de máquinas (piloto automático) es ne-cesario que la corrección sea realizada en tiemporeal. Se puede usar una base propia, corrección

vía satélite ofrecida por empresas, o utilizar la señal

de corrección emitida por ejemplo por las radiosde los faroles de la Marina esparcidos a lo largo dela costa brasilera.

Utilizando una base propia, la estación base

envía señal de corrección para el móvil vía radio,denominada RTK (del inglés: real time kinematic).La estación base es colocada bastante cerca delmóvil por la dicultad –especialmente en topogra-fía accidentada–, para la comunicación entre re-ceptores por radio. La otra opción, bastante uti-lizada en la agricultura, es la adquisición de señalde corrección de empresas especializadas, que

con estaciones base y satélites de baja órbita,proporcionan la señal de corrección para el usua-rio. Por un lado, esta opción tiene la ventaja depermitir al usuario la adquisición de un solo recep-tor, al contrario de la corrección vía link de radio,que requiere tener dos receptores. Por otro lado,los errores obtenidos con la “compra” de la señalde corrección son mayores que con la corrección

RTK, donde el error en la mayor parte de los casoses de alrededor de 5 cm.

Posicionamiento según la fase de la portadoraUna vez que las longitudes de onda de las

portadoras L1 y L2 son conocidas, otra forma demedir el tiempo de desplazamiento de la señal espor medio de la diferencia de fase entre la ondaemitida por el satélite y su reproducción por el re-ceptor. Este tipo de medición garantiza errores de1 a 2 mm. Para realizar esa medición es necesarioconocer la cantidad total de longitudes de ondaentre el satélite y el receptor, denominada de reso-lución de ambigüedad del sistema. El movimientodel satélite (efecto doppler) permite contar el nú-mero de ciclos entre las dos posiciones del satélite

que indica la variación de la distancia. De todas



18

maneras, también se debe conocer el número deciclos inicial; para eso, cuanto mayor es el tiempoen que los dos receptores permanecen en el pun-to, más precisa será la resolución de ambigüedad.

Este tipo de relevamiento, más tardío y preciso,es utilizado en el georreferenciamiento de propie-dades rurales en Brasil.

Fuentes de error

Retardo atmosférico

Las señales GPS sufren retrasos cuando atra-viesan la ionosfera y la troposfera, con lo cual, eltiempo que la señal necesita para alcanzar la tierraes mayor, interriendo en la posición calculada.

El retardo atmosférico es mayor en las horasmás cálidas del día, cuando la ionosfera y la tro-posfera se encuentran en su período de mayoractividad4.

MultitrayectoriaLa multitrayectoria ocurre cuando la señal GPS

es reejada en un objeto antes de alcanzar la ante-na. El error de multitrayectoria depende de variosparámetros atmosféricos y ocurren sin ningún avi-so previo. Los errores graves de multitrayectoriapueden ser visualmente reconocibles en la confec-ción de mapas.

Ruido del receptorCasi todos los aparatos electrónicos generan

ruidos. El ruido electrónico de un receptor puedeinterferir en la señal GPS. Este error no puede co-

4 Nota: el GPS funciona en cualquier condición climática, que respete lastemperaturas mínimas y máximas de los componentes electrónicos.

rregirse, por lo que la única opción es adquirir unreceptor de buena calidad.

Conceptos básicos de cartografíaEl uso correcto del GPS, así como la interpre-

tación de la información obtenida, depende de losconocimientos básicos de cartografía que tenga elusuario. Por esta razón, seguidamente se presen-tan algunos conceptos importantes para la con-guración y operación de receptores GPS.

DatumLa supercie del planeta terrestre presenta unaserie de elevaciones y depresiones, denominadasupercie topográca. El objetivo de la cartografíaes representar esa supercie irregular en una su-percie plana, una hoja de papel o, actualmente,en la pantalla de la computadora. Para eso, se uti-liza una técnica denominada de “proyección”, con

la cual se representa la supercie real por mediode proyección ortogonal sobre una supercie re-gular, esférica o elipsoidal.

En general, la supercie topográca se proyec-ta sobre una supercie con forma matemática co-nocida, un elipsoide o una esfera. El uso de unasupercie esférica es más simple, mientras que elelipsoide, generado por la revolución de una elipse

sobre su eje menor, se aproxima más a la forma realdel globo terrestre, que presenta mayor diámetro enel Ecuador que entre los Polos Sur y Norte.

Una supercie muy importante en la cartogra-fía es el geoide, una supercie de altitud igual acero, pero que no es utilizada para proyeccionespues es ondulada y no presenta forma matemá-tica o geométrica denida. El geoide se determi-

na por medidas gravimétricas y su diferencia en



19 PARTE 1

relación al elipsoide varía de un lugar a otro en elglobo terrestre. El geoide no puede ser utilizadopara proyección de la supercie topográca, peroes bastante utilizado como una supercie de refe-

rencia de nivel. Varios elipsoides son utilizados para un mejorajuste al geoide en diversas partes del mundo. Elajuste del geoide al elipsoide da origen a otro tér-mino bastante común cuando se utiliza el GPS, elDatum, que es el punto de coincidencia entre elgeoide y el elipsoide. Cada región del planeta utili-za el Datum que más se ajusta a la supercie física

de la tierra. Pueden utilizarse Datum topocéntricoso geocéntricos.En un Datum topocéntrico, existe un punto en la

supercie terrestre donde el elipsoide coincide conla supercie topográca. Con la llegada del GPS,surgió la posibilidad de utilizar Datum geocéntri-co, donde la referencia pasa a ser el centro de la Tierra. El GPS utiliza el Datum WGS 84 (del inglés:

world geodetic system 1984), que busca un ajusteal globo y no a regiones especícas.5

En el caso de América del Sur, el más utiliza-do actualmente es el Datum topocéntrico SAD69 (del inglés: south american Datum 1969), queestá siendo sustituído por el Datum geocéntricoSIRGAS (sistema de referencia geocéntrico de América del Sur). Antes del SAD 69, en Brasil seutilizaba el Datum Córrego Alegre y todavía se en-cuentran muchos mapas y bases de datos elabo-rados con éste.

El conocimiento del Datum que está siendo uti-lizado por el receptor GPS y en las bases de datosya existentes es muy importante, pues diferencias

5 La presentación de las coordenadas en la pantalla del receptor puedeser en cualquier Datum; basta que el usuario dena en la conguración del

receptor las opciones de Datum disponibles.

considerables en las coordenadas para un mis-mo lugar pueden observarse al utilizarlas con otroDatum. De este modo, es fundamental vericar laconguración del receptor y la especicación del

Datum utilizado al informar una coordenada o ela-borar una base de datos, para evitar errores gra-ves en el futuro.

En la Tabla 1 se ejemplica la diferencia enlas coordenadas del Departamento de Ingeniería Agrícola de la Universidad Federal de Viçosa (UFV),Minas Gerais, Brasil, con el cambio de Datum.

El GPS proporciona co ordenadas globalmente

georreferenciadas y las dos más utilizadas para lasciencias agrarias son las coordenadas geográcasy las coordenadas UTM (cartesianas).

Tabla 1. Coordenadas UTM del Marco del DEA – UFV en elDatum SAD 69 y WGS 84.Datum Este (X) Norte (Y) Altura (Z)

SAD-69 721564,498 7701820,194 675,316WGS-84 721520,710 7701775,634 672,938Diferencia 43,788 44,560 2,378

Coordenadas geográcasLas coordenadas geográcas se utilizan para

posicionar un punto sobre el elipsoide. Para eso,se denieron líneas imaginarias: los meridianos ylos paralelos.

Los meridianos son líneas en el sentido nor-te-sur, conectando un polo con otro. Se formanpor la intersección de planos que pasan por lospolos y por el centro de la Tierra con la supercie

del elipsoide. El origen de los meridianos fue de-



20

nido arbitrariamente como el meridiano que pasapor Greenwich, Inglaterra. Los meridianos sirvenpara denir las longitudes, o sea, el ángulo forma-do entre el meridiano de Greenwich, el centro de

la Tierra y otro meridiano que pasa por el puntode interés. Las longitudes varían de 0 a 180° enla dirección este (E), considerada positiva, y de0 a -180° en la dirección oeste (W). Pueden serpresentadas como signos o en valores absolutosseguidos por las siglas E (este) o W (oeste).

Los paralelos son líneas imaginarias, en elsentido este-oeste, creadas por la intersección

de planos paralelos entre sí con la supercie delelipsoide. En cuanto un plano para por el centrode la Tierra se da origen al Ecuador. De la mismamanera, las latitudes son ángulos formados entreel Ecuador (origen), el centro de la Tierra y otroparalelo que pasa por el punto de interés. Así, laslatitudes son referenciadas a partir del Ecuador, de0 a 90° en el hemisferio norte y de 0 a -90° en el

hemisferio sur. También pueden ser presentadasen valores absolutos, e indicar su hemisferio, N oS. En la Figura 4 se ilustra cómo es la localizaciónde un punto al utilizar coordenadas geográcas.

El sistema de coordenadas geográcas esampliamente conocido y bastante utilizado paraindicar la localización de puntos sobre el plane-ta terrestre. Sin embargo, en ciencias agrarias el

GPS es generalmente utilizado para la mediciónde distancias y áreas. En este caso, aunque losreceptores presenten los resultados de maneraconable (de acuerdo con la precisión del recep-tor), las coordenadas geográcas muchas vecesdicultan cálculos e interpretación de resultados.Esto ocurre debido a que son ángulos. Así, por laforma de la Tierra, un ángulo de 1° de longitud en

el Ecuador representa una distancia mucho mayor

en la supercie de la Tierra que en el mismo ángulocercano a los polos, por ejemplo.

Coordenadas rectangularesEs un sistema de coordenadas donde la posi-

ción de un punto se dene por una abscisa (X) yuna ordenada (Y) creada a partir de la proyecciónde dos puntos.

El sistema de proyección es utilizado para“transformar” la supercie terrestre consideradaesférica (o elipsoidal) en un mapa, que es una su-percie plana. Para eso es necesario proyectar los

puntos de la supercie de referencia en el plano,dejando claro que toda proyección implica defor-mación. Existen varios sistemas de proyección quepueden utilizarse, con mayor o menor deformación,de acuerdo con el área a ser proyectada, región delglobo y nalidad del mapa. Cuando se trata del usodel GPS para ciencias agrarias en el continente su-ramericano, el sistema más utilizado es la proyec-

ción Universal Transversa de Mercator (UTM).

Figura 4. Punto de coordenada 80° de longitud (L) y 40° de latitud (N)



21 PARTE 1

En el sistema UTM, la proyección del elipsoidede referencia se realiza sobre un cilindro secantecon la supercie. El eje del cilindro se localiza enel plano del Ecuador y en el área de proyección

abarca solo una parte de la supercie, los deno-minados husos o zonas. Los husos son creadosporque el cilindro presenta un diámetro menor quela supercie de referencia. Cada huso o zona esrepresentado por el número del huso o por la lon-gitud de su meridiano central.

En la proyección UTM, el globo terrestre sedivide en 60 zonas, a cada 6° de longitud y nu-

meradas de 1 a 60 a partir del anti-meridiano deGreenwich para el este. Las deformaciones sonescasas, pues la proyección es realizada plano aplano. Otra característica del sistema UTM es queutiliza como unidad al metro, lo cual facilita mu-cho el cálculo de áreas y distancias utilizando suscoordenadas.

En cada zona UTM la línea del Ecuador y el me-

ridiano central son representados por líneas rectas,denido el eje X e Y, respectivamente. El Ecuadorrepresenta el cero para el hemisferio norte y el va-lor de 10 millones de m para el hemisferio sur. Enel caso del hemisferio sur, el Ecuador es llamadofalso norte, y el valor de la coordenada Y va dismi-nuyendo en dirección hacia el Polo Sur. En el casodel hemisferio norte, el valor de la coordenada Y

aumenta en dirección al Polo Norte. El meridianocentral recibe el valor de 500 mil m, con el valorde X aumentando para el este (hacia la derecha)y disminuyendo para el oeste (hacia la izquierda). Ver Figura 5.

En cuanto todo el meridiano central recibe el va-lor de 500 mil m y la proyección se realiza zona azona, es fundamental que siempre se indique cuan-

do se utiliza el sistema UTM, además de la coorde-

nada en cuál huso o zona se está trabajando, pueslas coordenadas se repiten en cada zona.

La principal ventaja de utilizar el sistema UTMes que permite representar grandes áreas de su-percie terrestre con pocas deformaciones, sobreun plano con coordenadas rectangulares y de ma-nera relativamente simple. Otra ventaja, mencio-nada anteriormente, es que utiliza como unidad almetro (m), lo cual facilita los cálculos de áreas ydistancias a partir de las coordenadas.

Ejemplos de aplicación en la agricultura

Una vez entendida la funcionalidad del GPS, sepueden imaginar diversas aplicaciones en diferen-tes sectores de las actividades económicas. En laagricultura, se pueden destacar las siguientes:a. Relevamiento planialtimétrico: Debido a su faci-

lidad operacional, el GPS ha sido bastante uti-lizado para delimitar áreas en el establecimien-to rural. Incluso los aparatos menos precisos,

como los de navegación, son utilizados para

Figura 5. Coordenadas UTM de la ciudad de Jataí – GO, Brasil



22

ese n. Sin embargo, debido a los errores quepresentan este tipo de aparatos, los mapasplanialtimétricos que realizan deben utilizarseen forma restringida a decisiones administrati-

vas de la propiedad rural como, por ejemplo,estimar la cantidad de insumos a ser transpor-tados para una determinada área. Para su usofuera del contexto administrativo de la propie-dad rural, se deben utilizar aparatos de mayorprecisión que sigan las legislaciones pertinen-tes de cada país.

b. Dirección de máquinas agrícolas: Es conocidoel uso del GPS para auxilio de la dirección demáquinas agrícolas en el momento de la distri-bución de insumos en área (dirección con auxi-lio de barras de luces), o incluso en la completaautomatización de esta operación (pilotos au-tomáticos). Estos sistemas han permitido unamayor eciencia en dicha distribución, ya quepueden evitar superposición o falla de bandastratadas. Otra ventaja es la posibilidad de tra-bajar de noche, lo cual aumenta la capacidadoperacional de las máquinas y permite realizaraplicaciones de insumos en horas técnicamen-te más adecuadas.

c. Georreferenciamiento de parámetros de sue-lo y planta: Con la disponibilidad del uso delGPS a partir de la década de 1990, se inicióuna revolución en el manejo de la producciónagrícola, comparando la eciencia del uso delos insumos en las prácticas de manejo por elrendimiento promedio con el manejo por am-biente (sitio-especíco). De esta manera, seproponen diversas técnicas donde se realizanintervenciones en la agricultura, basadas enel georreferenciamiento de las propiedades fí-sico-químicas del suelo, de la nutrición de la

planta y de ataques de plagas y enfermedades.

1.2. Uso de Sistema deInformaciones Geográcas paraespacialización de datos del área

de producción agrícolaElena Charlotte Landau, Daniel Pereira Guimarães y André Hirsch

Introducción Actualmente, las principales herramientas que

posibilitan la aplicación de la agricultura de preci-sión son: los sistemas de navegación global porsatélites (GNSS) y los sistemas de informacióngeográca (SIG) (MAPA, Brasil, 2013).

Como ya fue presentado, los GNSS (popular-

mente conocidos como GPS) constituyen recep-tores de señales satelitales que proporcionan alusuario datos sobre su posición geográca y al-titud, además de permitirle planicar mejor la rutaa seguir para efectuar las demostraciones y lue-go estimar la extensión de trayectos recorridos.Cuando se conecta el receptor a la maquinariaagrícola utilizada para la cosecha o en un lugar

denido por el usuario, se puede registrar informa-

Elena Charlotte LandauEmbrapa Maíz y [email protected]

Daniel Pereira GuimarãesEmbrapa Maíz y [email protected]

André HirschUniversidad Federal de São João del-Rei, Minas Gerais, [email protected]



23 PARTE 1

ción sobre la localización geográca de los datosmuestreados, facilitando el georreferenciamiento yel posterior mapeo de la información relevada enel campo.

Los SIG son softwares compuestos por variosmódulos dedicados al almacenamiento y procesa-miento de datos con localización geográca cono-cida (geoprocesamiento) que posibilita el análisisde patrones, integración y modelos espaciales,monitoreo, simulación de precisiones y presenta-ción de gran cantidad de información en forma demapas, grácos, guras y sistemas multimedia. No

hay consenso sobre la denición de un SIG, peroes reconocida su importancia en la organización eintegración espacial de informaciones de diferen-tes naturalezas, tornando posible relacionar congran practicidad y relativa precisión una inmensacantidad de datos, realizar cambios de escala yde proyección cartográca, y relacionar bases dedatos multidisciplinarios, lo cual facilita la solución

de problemas reales y concretos, así como la ges-tión adecuada del espacio geográco (adaptadode Jones, 1997 y Landau, 2003).

La aplicación de técnicas de geoprocesamien-to para el mapeo de la variabilidad espacial delas áreas de producción agrícola representa unaherramienta potente para el gerenciamiento delos sistemas de producción, ya que contribuyen

a la toma de decisiones para la intervención futuraen áreas de baja productividad (como por ejem-plo elegir el cultivo que se adapte más, mejorarlas condiciones físicas del suelo para reducir sucompactación, recomendar determinadas dosisde aplicación de fertilizantes, etc.) (Adaptado deMantovani et al. 2004).

Otra valiosa fuente de datos al utilizar sistemas

de información geográca está representada por la

adquisición remota (teledetección), que es un conjunto de técnicas para obtener información sobreun objeto, área o fenómeno de la supercie terres-tre, sin estar en contacto directo con ellos. A tra-

vés de la detección, el registro y el análisis del ujode energía radiante reejado o emitido por ellos,las técnicas de teledetección permiten la diferen-ciación de propiedades de los objetivos naturales,posibilitando la identicación de característicasambientales como: propiedades del suelo, mor-fología del terreno, patrones de cobertura vegetaly uso del suelo, etc. A través de los satélites seproduce una adquisición continua de datos paratodo el mundo, que cubre una misma área perió-dicamente, en intervalos de tiempo que varían dehoras a semanas. Fotografías aéreas, imágenessatelitales e imágenes de radar son productos ob-tenidos a través de la adquisición remota. Cadauna presenta ventajas especícas, comparándosesus escalas originales, los diferentes intervalos delespectro electromagnético de los sensores utiliza-dos y la frecuencia temporal con que las imáge-nes son obtenidas. La forma como los patronesse encuentran representados en las imágenespuede variar de acuerdo con el sensor, la fechay el horario de adquisi-ción de la imagen, suresolución, la escala, losparámetros climáticos y

las bandas espectrales.Utilizando las téc-nicas de geoprocesa-miento (procesamientoinformatizado de datosreferenciados geográcamente), la información so-bre cada lugar puede ser georreferenciada, lo quepermite representar cartográcamente la variación

espacial y/o temporal de las variables conside-

Mayor información sobre eluso de la adquisición remota

será abordada en el Capítulo1.4. Adquisición remota y

agricultura de precisión



24

radas, así como la integración espacial de infor-mación georreferenciada proveniente de diversasfuentes como: datos recolectados en el campocon coordenadas geográcas conocidas, mapas

temáticos diversos, mapas topográcos, imáge-nes georreferenciadas obtenidas mediante adqui-sición remota, modelos espaciales y simulación deescenarios, geoestadística, etc. Datos asociadosa diferentes mapas temáticos pueden ser super-puestos espacialmente y comparados o integra-dos en diferentes secuencias, según los objetivosde cada trabajo.

La representación espacial de datos sobre elárea de producción ha contribuido signicativa-mente para la toma de decisiones y esfuerzos paramanejar adecuadamente esas áreas, ya que apun-ta a producir y obtener información que favorezcael gerenciamiento adecuado de insumos y buscala forma de solucionar o mitigar conjuntamentecuestiones de tipo ambiental, social y económico.En este sentido, la aplicación de técnicas de geo-procesamiento utilizando sistemas de informacióngeográca se ha transformado en una alternativaesencial para la integración espacial de los datosmultidisciplinarios a ser considerados.

Organización de datos con Sistemas deInformación Geográca

Una de las principales ventajas de los SIG espoder integrar datos de diversas áreas de cono-cimiento con diferentes niveles de detalle, lo quepermite un enfoque holístico o multidisciplinario enel estudio del área geográca de interés. Para queesto sea posible, es necesario que toda la infor-mación esté organizada en capas o coberturas deinformación ( layers ), cada capa representada por

un conjunto de archivos digitales diferentes, pero

cubriendo todas las capas la misma área geográ-ca y considerando, preferencialmente, el mismosistema de proyección cartográca (Figura 1).

Los mapas constituyen representaciones car-

tográcas simplicadas de la realidad. Los mapassobre un determinado tema o aspecto de la rea-lidad son denominados mapas temáticos. En lossistemas de información geográca, los mapas te-máticos pueden estar representados por archivosen formato vectorial (vector les ) o matricial ( rasterles o raster datasets ) (Figura 2).

Formato vectorial (vector le ): es el formato enel cual la localización geográca de los aspectosmapeados es almacenada y representada porvértices denidos por un único par de coorde-nadas geográcas (punto), por varios pares decoordenadas geográcas (línea) o por varios pa-res de coordenadas geográcas si el último par escoincidente con el primer par (polígono) (Figura 2).Como ejemplos de mapas de puntos cabe citar el

mapeo de la localización geográca de áreas derecolección de muestras en el campo, de bebede-ros de animales, de estaciones meteorológicas, deregistros de crecimiento de una determinada es-pecie, de focos de incendios, de postes de ener-gía eléctrica, entre muchos otros. Los trazos quepueden representarse por líneas son: arroyos, ríosde margen simple, caminos captados vía recep-

tores GNSS, carreteras, autopistas, las de culti-vos agrícolas, canales de riego, líneas de trans-misión, desplazamiento de animales o materiales,etc. Características que pueden representarse através de polígonos son: lagunas, represas, lími-tes municipales, estatales o de países, propieda-des rurales, haciendas, parcelas plantadas, sub-divisiones de áreas de producción agrícola, etc.

Algunas características pueden ser representadas



25 PARTE 1

por más de un trazo, pero esto depende de la es-cala o del nivel de detalle del mapa. Por ejemplo,en un mapa que abarca todo el estado de MinasGerais (Brasil), una estancia situada en el Estado

podrá ser representada por un punto, indicando lalocalización geográca de ésta. En un mapa quemuestre informaciones sobre la distribución de tra-bajos de mejoras y cultivos dentro de ese mismoestablecimiento rural, él área del establecimientoserá representada por un polígono referente a sucontorno.

En la mayoría de los SIG, cada trazo geográco

mapeado tiene asociado, además de un par decoordenadas, un campo o número de indexacióno registro y otro campo con el tipo de trazo (punto,línea o polígono). De acuerdo al interés, tambiénpueden crearse campos adicionales, a los cualespueden asociarse atributos descriptivos espacia-les (altitud, longitud, área, perímetro, pendiente) yno espaciales (cultivo, número de matrícula, año

de catastro, fecha del cultivo, estado de desarrollodel cultivo, nombre del responsable, link para fo-tografía digital, observaciones). Los atributos des-criptivos pueden estar representados por variablescuantitativas o cualitativas. Todos los atributos sonorganizados en una tabla de atributos (ATT por susigla en inglés) o base de datos relacional (DBFpor su sigla en inglés) asociada intrínsecamen-

te al archivo digital del mapa. Las consultas a labase de datos relacional asociada al mapa per-miten responder cuestiones como: ¿qué existe enun determinado lugar? y ¿cuáles son los lugaresque tienen una o más características de interés? Archivos con extensiones SHP ( shapeles ), DXF(drawing exchange format ), DGN (design ) y KML( keyhole markup language ) son ejemplos de ma-

pas digitales en formato vectorial.

Formato matricial ( raster le o raster dataset ):Es aquel formato en el cual el área geográca esrepresentada por una matriz M (i,j), compuesta pori columnas y j líneas, que denen celdas regulares,cuadradas o rectangulares, denominadas pixels( picture elements ) (Figura 2). Cada píxel, ademásde un par de coordenadas geográcas, tiene aso-ciado un valor referente al atributo representado,como por ejemplo: los valores de reectancia deuna imagen satelital, las clases de cobertura ve-getal, los tipos de uso del suelo, la aptitud agrí-cola para un determinado cultivo, la cantidad defertilizante utilizada, la productividad por hectárea,entre muchos otros.

Archivos con extensiones GeoTIFF, IMG, JPEG,JPEG2000, MrSID (formato mucho más compri-mido leído por diversos programas SIG), DEM ySDTS son ejemplos de archivos digitales en for-mato matricial6.

El píxel es la menor unidad física de representa-ción de la información en una pantalla, en un pro-yector, o en un televisor digital de pantalla plana,

smartphone o tablet . En cualquier archivo matricialo raster dataset, como imágenes satelitales, foto-grafías aéreas digitalizadas, mapas escaneados apartir del papel y fotografías digitales comunes depersonas, objetos o paisajes, el píxel puede serconsiderado la menor celda de direccionamien-to de coordenadas geográcas y de un atributo,como los valores de reectancia de una imagensatelital, las clases de suelo en un mapa temáti-co digital, o los colores de una fotografía digital. Eltamaño del píxel dene la resolución espacial y la

6 Por siglas en ingles: GeoTIFF (geocoded tagged image le format), IMG(image raster dataset), JPEG (joint photographic experts group), JPEG2000(joint photographic experts group 2000), MrSID (multi-resolution seamlessimage database), DEM (digital elevation model) y SDTS (spatial data transfer

standard).



26

escala de mejor visualización de una imagen digi-tal, como por ejemplo, 90 m en un archivo SRTM(escala de 1:340.200), 30 m en una imagen de sa-télite Landsat (escala de 1:113.400), 10 m en una

imagen de satélite SPOT (escala de 1:37.800), o 1m en una imagen de satélite IKONOS (escala de1:3.780). Cuanto mayor el tamaño del píxel, menorla resolución espacial o el nivel de nitidez y detallede la información representada.

En términos comparativos, cabe mencionarque cada tipo de formato presenta ventajas ydesventajas. En general, los archivos vectoriales

son fácilmente manejados por el procesador delas computadoras, principalmente porque ocu-pan poco espacio en la memoria durante la rea-lización de los cálculos y ocupan poco espacioen el disco duro (HD por su sigla en inglés) parasu grabado. Además, la nitidez es independientedel zoom aplicado en el monitor de la computa-dora, porque al aumentar o disminuir el zoom, un

punto siempre continúa siendo un punto y unalínea continúa siendo una línea. Por otro lado, losarchivos matriciales exigen mayor procesamientopor el hecho de que la representación de la infor-mación está asociada a una matriz cuadrada orectangular de pixeles alrededor del trazo en sí,o sea, incluso pixeles que poseen valor 0 (cero)o valor inexistente ( missing value ) forman parte

del archivo y exigen tiempo de procesamiento,ocupan memoria y necesitan espacio en el discoduro. Además, la visualización está comprometi-da por el zoom aplicado en la pantalla. En el casode archivos vectoriales con gran cantidad de da-tos, el tamaño de los archivos y el tiempo de pro-cesamiento pueden exceder signicativamente eltiempo necesario para la realización de cálculos,

al comparar con el tiempo necesario para realizar

las mismas operaciones si el mapa estuviese enformato matricial.

Los programas de SIG deben ser capaces deconvertir archivos de formato vectorial para matri-

cial y viceversa.Siempre es preferible realizar esteproceso en el sentido vectorial-matricial y no enel sentido matricial-vectorial, porque en este últi-mo caso, generalmente, pueden ocurrir pérdidasde datos ya que en el momento de convertir unpunto para un píxel, por menor que sea el tama-ño del píxel resultante, se pierde una característicapuntual. Lo mismo ocurre con datos anteriormen-te representados por líneas nas. Considerandocomo ejemplo un mapa de líneas en que las líneasrepresentan arroyos con un ancho de 3 m; al con-vertir una línea vectorial para formato matricial conpíxel de 5 m de lado, por ejemplo, la línea que re-

Figura 1. Ejemplo de organización de datos en SIG, que posibilita laintegración espacial y/o temporal de información multidisciplinariarepresentada en mapas temáticos o layers (Fuente: EnvironmentalSystems Research Institute, ESRI)



27 PARTE 1

presenta el arroyo pasará a tener el mismo anchocorrespondiente al tamaño del píxel, o sea, 5 m deancho, lo que no corresponde a la realidad (Figura2). Diversos programas de SIG trabajan con losdos formatos de archivos.

Escala geográca de mapeoEn cartografía, la escala de mapeo indica la re-

lación matemática existente entre las dimensionesde los elementos representados en un mapa, una

carta, un plano, una imagen satelital o una fotogra-fía aérea y sus dimensiones reales en el terreno, osea, en cuántas veces el tamaño real fue divididoo reducido en el mapa. Por ejemplo, 1:100.000,se lee “escala de uno a 100 000”, y signica quela supercie terrestre representada en el mapa fuereducida 100 mil veces.

La escala constituye uno de los elementos

esenciales de un mapa, juntamente con la leyen-da, la orientación con relación al Norte, la localiza-ción geográca del área representada y la fuentede la base cartográca. Cuanto mayor sea la esca-la geográca, menor será el área abarcada por elmapa y, consecuentemente, mayor la cantidad dedetalles presentados en el mapa. En un productocartográco pueden aparecer dos tipos de escala:

Escala métrica o numérica: Es representadapor una proporción en la cual el numerador indicala distancia en el mapa (d) y el denominador, ladistancia correspondiente en el terreno (D), como“d : N” o “1 : N”.

Escala gráca: Esta escala representa las dis-tancias en el terreno sobre una regla graduada.Normalmente, la parte de la izquierda está dividi-

da en décimos, facilitando la medición de distan-cias con mayor precisión. La escala gráca debeaparecer obligatoriamente en el mapa generado,para mantener la relación entre el layout del mapapresentado y el tamaño real. Esto garantiza que laescala será mantenida en el caso de ampliacionespara proyecciones utilizando multimedia o reduc-ciones para ajuste al tamaño de la página de algún

trabajo en que los mapas sean presentados.

Figura 2. Ejemplos de trazos puntuales, lineales y poligonalesrepresentados en los sistemas vectoriales (izquierda) y matricial(derecha)



28

Además de la escala de representación delmapa, es importante especicar la escala dela(s) fuente(s) cartográca(s) considerada(s), locual permite que no se representen cartográ-

camente datos en una escala mayor que la rela-cionada con la resolución espacial de los datospresentados.

Proyecciones cartográcas Aunque la Tierra no sea una esfera perfecta,

se considera que un globo geográco representaaproximadamente su formato. Pero la represen-tación cartográca de una supercie curva en unplano de dos dimensiones (hoja de papel, panta-lla), teniendo que mantener ángulos rectos en elcruzamiento entre meridianos y paralelos, requierela adopción de proyecciones cartográcas. Así, laimportancia de las proyecciones cartográcas de-riva de la necesidad de proyectar una supercieesférica y tridimensional (la Tierra) en una super-cie plana bidimensional, manteniendo ángulosrectos en el cruzamiento de los meridianos con losparalelos, lo cual es imposible sin hacer extensio-nes y/o contracciones.

Las proyecciones cartográcas posibilitan larepresentación del globo terrestre, continentes oáreas geográcas de menor tamaño en una su-

percie plana, generalmente en una hoja de papelo pantalla, permitiendo su trazado en forma demapas, cartas y planos que representan propor-cionalmente su dimensión, forma y ángulos dela manera más próxima posible de la realidad.Existen centenas de proyecciones cartográ-cas, cada una adecuada para representar todoel mundo, determinado continente, país o región

geográca.

Tomando como referencia la supercie de pro-yección, las proyecciones cartográcas se clasi-can en tres grandes grupos (Figura 3):

• Proyecciones planas o acimutales: la superciede proyección es un plano, por ejemplo: pro-yección plana polar.

• Proyecciones cónicas: la supercie de proyec-ción es un cono, como por ejemplo la proyec-ción cónica de Albers.

• Proyecciones cilíndricas: la supercie de pro-yección es un cilindro, por ejemplo: proyección

de Mercator, proyección cilíndrica de Peters. Todas las proyecciones cartográcas presentan

distorsiones, mayores o menores, en función detres variables: área, distancia y/o dirección (Figura3). Considerando propiedades relacionadas con ladeformación de la supercie terrestre en cuanto alas áreas, las distancias y las direcciones (o án-gulos), las proyecciones cartográcas son ademásclasicadas en tres grandes grupos:

• Proyecciones conformes: También conoci-das como ortomórcas, pues poseen la pro-piedad de no deformar los ángulos. En estasproyecciones, los paralelos y meridianos secruzan en ángulos rectos y la escala alrededorde un punto se mantiene para cualquier direc-ción. Son por ejemplo: la Proyección Universal Transversa de Mercator (UTM) y la ProyecciónCónica Conforme de Lambert; ambas utiliza-das en el mapeo sistemático de Brasil.

• Proyecciones equidistantes: Son las proyeccio-nes que no presentan deformaciones lineales, osea, las distancias son representadas en una es-cala uniforme. Sin embargo, esta condición solo

se alcanza en determinada dirección, y puede ser



29 PARTE 1

clasicada además en: meridiana, transversal yazimutal u ortodrómica. Es menos utilizada quelas proyecciones conformes o equivalentes por-que raramente se precisa un mapa con distan-cias medidas considerando una única dirección.Por ejemplo: proyección equidistante cónica.

• Proyecciones equivalentes: Estas proyeccio-nes no deforman áreas y conservan una rela-

ción constante com la superfície terrestre, entérminos de área. Debido a sus deformacionesno son adecuadas para la cartografía básica,pero son de mucho interés para la cartografíatemática. Ejemplo: proyección de Miller, pro-yección de Berhmann, proyección de Albers.La proyección universal transversa de Mercator

(UTM) es frecuentemente utilizada para el mapeo de

áreas con poca extensión en el sentido este-oeste,

iguales o menores de 6° de longitud. En Brasil, losmapas en escalas de 1:250.000 y mayores, elabora-dos por el Instituto Brasilero de Geografía y Estadística(IBGE) y la Dirección de Servicio Geográco (DSG),se encuentran en la proyección UTM.

Además de la proyección cartográca, asocia-do a cada mapa también deben ser especicadosel “Datum” y el sistema de coordenadas geográ-

cas considerados (ya presentados en el apartadoanterior 1.1.Uso del Sistema de PosicionamientoGlobal en la caracterización de áreas agrícolas.Los sistemas de información geográca permitenfácilmente realizar conversiones entre proyeccio-nes cartográcas, “Data” y/o sistemas de coorde-nadas, posibilitando la estandarización e integra-ción de información multidisciplinaria, subsidiando

la toma de decisiones.

Figura 3. Tipos de proyecciones cartográcas adoptados para el mapeo de datos geográcos en dos dimensiones (hoja de papel, pantalla decomputadora) (Fuente: Peter H. Dana, 20/set/1994)



30

largo plazo. Aumentar el número de años utiliza-dos para estudiar la variabilidad espacio-temporaly denir zonas de manejo, puede ser una soluciónpara este problema. Datos de rendimiento de va-rios años, permiten identicar patrones de rendi-miento y separar las causas naturales de la varia-ción de aquellas debidas al manejo o errores demedición (Kleinjan et al., 2007).

La variación debida al manejo incluye erroresque típicamente se observan en parches pequeños,como las fallas de siembra, fallas en el estableci-miento del cultivo, fertilización desuniforme, dañosde herbicidas, daños de enfermedades, entre otros.Los errores de medición incluyen errores de senso-res de ujo y humedad de granos, errores debidos ala georreferenciación y al movimiento de la cosecha-dora, errores debido al operario de la maquinaria, yerrores del procesamiento de los datos. Un requisitoindispensable previo a la utilización de un monitor derendimiento es su correcta calibración, lo cual permi-te evitar algunos de los errores mencionados. Paraque los mapas de rendimientos puedan utilizarsepara caracterizar la variabilidad del rendimiento delos cultivos de manera adecuada deben removerselos errores que se generan, aun con un monitor cali-brado (Albarenque y Vélez, 2011).

¿Qué es un mapa de rendimiento?

Es una representación espacial de datos derendimiento registrados durante la cosecha de uncultivo. Comúnmente la representación espacialse realiza utilizando un formato vectorial de puntosy coordenadas (x, y, z) asociadas a un sistema deproyección (latitud y longitud, WGS84) que refe-rencia geográcamente los puntos (Figura 1).

La cantidad de información que se obtiene en

cada punto del mapa de rendimiento depende del

1.3. Monitores de rendimiento ymapeoRicardo Melchiori, Alejandra Kemerer y Susana Albarenque

IntroducciónLa disponibilidad de sistemas de posicionamiento

global precisos y relativamente económicos, combi-nados con los monitores de rendimiento, proveen laoportunidad de registrar y mapear instantáneamentelos rendimientos de los cultivos durante la cosecha.

Aunque el mapa de rendimiento de un año esútil para interpretaciones de posibles causas de lavariación del rendimiento, resulta de valor limita-do para la toma de decisiones de estrategias de

manejo sitio-especíco en períodos de mediano o

Ricardo MelchioriGrupo Recursos Naturales y Factores Abióticos. EstaciónExperimental Agropecuaria Paraná del INTA. Ruta 11 km12.5,Oro Verde, [email protected]

Alejandra KemererGrupo Recursos Naturales y Factores Abióticos. EstaciónExperimental Agropecuaria Paraná del INTA. Ruta 11 km12.5,Oro Verde, [email protected]

Susana AlbarenqueGrupo Recursos Naturales y Factores Abióticos. Estación

Experimental Agropecuaria Paraná del INTA.Ruta 11 km12.5,Oro Verde, [email protected]



31 PARTE 1

monitor que se utilice; estos pueden ser: altura decabezal, ancho de cosecha, distancia recorrida,velocidad de avance, ujo de granos, humedad degranos, pérdidas de cosecha, entre otros.

¿Cómo se obtiene un mapa derendimiento?

Los mapas de rendimiento se obtienen a par-tir de los datos recolectados por una cosechadoraque incluye un sistema de posicionamiento global

(GPS, Figura 2a) junto con un sistema de senso-

res que permiten calcular la cantidad de grano co-sechado por unidad de supercie. La informaciónobtenida por los sensores y el GPS, es centralizada

y almacenada en una consola (Figura 2b) que sirvede interfaz con el usuario (Bragachini et al., 2006).

Sensores del monitor de rendimientoEl sistema de sensores que integran el monitor

de rendimiento es el siguiente:• Sensor de ujo de grano: se ubica en la no-

ria de la cosechadora (Figura2c) y determina

Figura 1. Mapa de rendimiento y detalle de puntos



32

la cantidad de grano que ingresa a la tolva.Existen diferentes tipos de sensores, los queutilizan una placa de impacto en el camino delujo de grano y mediante una celda de cargatransforman la fuerza del impacto en una señaleléctrica. Otros sensores operan sobre un prin-cipio volumétrico y constan de una rueda conpaletas de volumen conocido, el rendimientode grano es medido mediante la cantidad deveces que las ruedas descargan las paletas.

• Sensor de humedad de grano: normalmente seubica en el elevador de grano. Es un sensor decapacitancia que mide las propiedades dieléc-tricas del grano que uye entre placas metáli-cas (Figura 2d).

• Sensor de velocidad de avance: puede medir-se mediante un sensor magnético que mide lasvueltas de las ruedas delanteras de la cosecha-

dora o usando un radar (Figura 2e).

• Sensor de posición del cabezal: cuando el ca-bezal está en posición de cosecha el sensoractiva el registro de datos, cuando se levantael cabezal el sensor detiene el registro de datos(Figura 2f).El área cosechada se determina con la veloci-

dad de avance y el ancho de cabezal, que debeser denido por el operario de la cosechadora encaso de que el cabezal sea menor al ancho totalde labor. La velocidad de avance de la cosecha-dora también puede determinarse usando el GPS.

Calibración del monitorLa calibración se realiza para garantizar que los

datos registrados sean precisos y representen demanera conable las variaciones del rendimientodel cultivo.

• Calibraciones previas a la cosecha: incluye las

calibraciones por vibración y distancia. Deben

Figura 2. Cosechadora equipada con monitor de rendimiento. Ubicación del sistema de posicionamiento global y sensores



33 PARTE 1

realizarse una vez al inicio de la campaña ycada vez que se repare o modique la máqui-na, cuando se cambia el rodado o las condicio-nes de piso varían bruscamente.

• Calibración del sensor de altura del cabezal: deberealizarse al iniciar la cosecha de un nuevo culti-vo de acuerdo con su altura normal de cosecha.

• Calibración de humedad de grano: se realizacomparando la humedad medida con un hu-medímetro y la determinada por el sensor dehumedad.

• Calibración del peso del grano: debe realizarse

luego de la calibración de humedad, compa-rando el peso medido mediante una tolva conbalanza y el peso determinado con el monitor.La calibración debe realizarse para cada cultivo

o ante cambios predecibles en las condiciones decosecha (por ejemplo: variaciones en el peso hec-tolítrico y la humedad).

Según el monitor de rendimiento las calibracio-nes se realizan introduciendo un factor de correc-ción o el dato medido con otro dispositivo de medi-ción (Tolva balanza, humedímetro, etc.). En el casodel peso del grano, la calibración puede requerirmás de una pesada, obtenida mediante condicio-nes de cosecha que generen ujos de grano dife-rentes (es decir cosechas a diferentes velocidades).

Errores más frecuentes en los mapas derendimiento

Los datos del monitor de rendimiento común-mente contienen valores que son erróneos debidosa diferentes causas. Los errores más frecuentes son:

• Errores de registro por altura de cabezal:Cuando se levanta el cabezal de la cosechado-

ra, el sensor de altura de cabezal suspende el

registro de datos de rendimiento, cuando el ca-bezal baja el equipo comienza a registrar datos.Si se avanza con el cabezal bajo, aun cuandono se está cosechando se generan puntos sindatos de rendimiento que luego se visualizanen el mapa como rendimiento cero (Figura 3).

• Retardos en el inicio y n de registro de datos:este error se maniesta en el mapa como pun-tos faltantes en el inicio de una franja de cose-cha y puntos adicionales en el n de la franja(Figura 4, círculos punteados y llenos, respecti-vamente). El error de inicio se debe a que existeun retraso desde que comienza la cosecha, losgranos pasan por el sistema de trilla, separacióny limpieza, llegan a la placa de impacto y se re-gistra el dato. Esto genera un desfasaje entre laposición de cosecha y la posición de registro deldato. El error de n de cosecha en una pasadase debe a que el monitor de rendimiento sigueregistrando datos con un ujo de granos decre-ciente a partir de que naliza la cosecha de unapasada y dejan de ingresar granos al sistema detrilla. Algunos monitores de rendimiento realizan

Figura 3. Errores de registro por altura de cabezal. Efecto comúnmentevisible en la cabecera (puntos en color rojo)



34

correcciones que permiten al operador estimarel retraso de tiempo desde el inicio de corte has-ta que el grano llega a la placa de impacto.

• Valores fuera de rango: corresponden a datosde las distintas variables que se registran en elmonitor de rendimiento (rendimiento, ujo degrano, velocidad de avance, etc.) que se en-cuentran fuera del rango de variación normalde la variable en cuestión (valor promedio másy menos tres desvíos estándar). En el caso delrendimiento del cultivo pueden observarse va-lores bajos debidos a fallas de implantación opresencia de malezas. Valores extremos de altorendimiento pueden generarse por ejemplo,cuando por malas condiciones de tránsito enel lote se genera patinaje de la cosechadora ocuando hay cambios bruscos en el ujo de gra-no que ingresa a la cosechadora por variacio-nes en la velocidad de cosecha, debido a de-

presiones en el terreno. Ambas situaciones no

Figura 4. Retrasos al inicio (círculos punteados) y al nal(círculos llenos) de la franja de cosecha

Figura 5.Franja de cosecha con rendimiento bajo, evidencia deerror en la conguración del ancho de cabezal

se consideran de interés agronómico debido aque no representan la variabilidad característi-ca del sitio por lo que se recomienda removerlos valores extremos.

• Franjas angostas de rendimientos anómalos:Estas situaciones se observan en los mapascomo franjas de cosecha con valores de ren-dimientos altos o bajos que no están relaciona-dos con las franjas de cosecha vecinas inme-diatas. Normalmente esto se debe a errores enel ancho de cosecha, ocasionados por la con-guración incorrecta del ancho de la plataformao del ancho de corte en la trilla. En el primercaso, se trata de especicaciones de anchomenores al corte posible en el monitor de ren-dimiento que generan franjas con rendimientosmayores que las franjas contiguas y, en el se-gundo, a trilla con un ancho de corte menor alque tiene la plataforma completa, que generafranjas con rendimientos menores al observado

en las franjas contiguas (Figura 5).

R ió d M it d di i t d ñ d ú



35 PARTE 1

Remoción de erroresLos mapas de rendimiento suelen utilizarse

para caracterizar la variabilidad del rendimiento delos cultivos. Para esto se requieren mapas de ca-lidad que se generan utilizando monitores calibra-dos junto con un adecuado procesamiento de lainformación eliminando los datos erróneos.

La remoción de los errores puede tener unimpacto pequeño en la apariencia del mapa perodesde una perspectiva analítica, remover datoserróneos tiene un impacto signicativo sobre la uti-lidad de los mapas para mejorar la precisión de lasdecisiones de manejo.

Monitores de rendimiento para cultivos no

tradicionalesMonitor de rendimiento para el cultivo dealgodón

El monitor de rendimiento para el cultivo dealgodón consta de varias partes, y a diferenciadel monitor de rendimiento de cultivos de granostrabaja con tecnología infrarroja, es decir median-te el uso de haces de luz infrarroja para detectarel paso de algodón cosechado por las toberaso conductos, previo a la caída en la tolva de lamáquina. La intercepción que el algodón realizaal pasar por un haz de luz infrarroja determina elrendimiento que ocurre en un lote. Al igual quelos monitores de rendimiento de grano, este debeser calibrado adecuadamente para garantizaruna correcta medición del rendimiento del cultivode algodón.

Monitor de rendimiento de caña de azúcarEl monitor de rendimiento de caña de azúcar

consta de un sistema de pesaje de los trozosde caña de azúcar cosechados que funciona en

base a celdas de carga y va instalado en el ele-vador antes que la caña sea descargada sobreel remolque. El elevador está compuesto por unabase metálica que soporta una serie de cangilonesque transportan la caña troceada. La base metá-lica contiene un sensor de pesaje soportado porceldas de carga. El sistema incluye un sensor deinclinación que permite corregir el peso, debido a

que las lecturas en condiciones de inclinación soninferiores al peso real.

Monitor de rendimiento para maní Al igual que para los cultivos de grano existen

las dos alternativas de monitores, los que miden elrendimiento mediante placas de impacto y aque-

llos que lo hacen mediante mediciones volumétri-cas. Resultados obtenidos en Argentina han de-mostrado una mejor precisión de los monitores detipo volumétrico. Este tipo de monitores realiza lasmediciones de rendimiento a partir de un sensoróptico colocado en la noria donde se registrancambios en el volumen de grano transportado porlos cangilones. A diferencia de los monitores de

placa de impacto, en este caso, previo a la cali-bración se requiere de-terminar el peso hectolí-trico del maní para con-vertir el volumen medidoen peso de las vainascosechadas.

En el apartado 3.2. Sistemade guía por satélite,

automatización agrícola ycontroladores electrónicos se

profundiza sobre los monitoresde rendimiento.

Detalles sobre procedimientos para la remociónde datos erróneos se especican en el apartado

2.1.Mapas de manejo con datos espaciales.

1 4 Adquisición remota y dicultad de detección y registro de ocurrencias de



36

1.4. Adquisición remota yagricultura de precisiónCarlos Alberto Vettorazzi y Stanley Best

IntroducciónUno de los principales requisitos en la agricul-

tura de precisión es el mapeo de las variabilidadesespacial y temporal en las unidades de producción.Ese mapeo es fundamental para el tratamiento lo-calizado de los cultivos y puede ser realizado bási-camente de dos maneras: in situ y remotamente.

En el mapeo in situ las variables se detectan,en general, visualmente, en el campo al recorrer elárea y realizar los debidos registros. Como ejemplose puede citar el georreferenciamiento, con recep-tor GPS, de plagas y enfermedades en las plantasde un monte frutal.

Sin embargo, no siempre es posible o viablerealizar el mapeo directamente en el campo, seapor la dicultad de locomoción en el área o por la

dicultad de detección y registro de ocurrencias deinterés (presencia de enfermedad, plaga, etc.), porla falta de una vista completa del área, e incluso porel hecho de que no siempre son detectados visual-mente, o por lo menos no antes de que ocasionenpérdidas signicativas e irreversibles en la produc-ción pues, en algunos casos, cuando los síntomasse maniestan visualmente, ya no es posible revertirel problema sin afectar la producción.

Así, una de las maneras más ecientes de ma-pear la variabilidad, o determinados sucesos deinterés en las áreas cultivadas, es remotamente,por medio de una técnica consagrada denomina-da adquisición remota.

La adquisición remota puede denirse, de ma-nera amplia, como un conjunto de técnicas quepermiten recopilar y registrar datos sobre un de-terminado objeto, área o fenómeno, por medio desensores, sin que haya un contacto físico directo.

Etapas de la adquisición remotaLa adquisición remota puede dividirse en dos

etapas: adquisición de datos (detección y registropor medio de sensores) y análisis de datos (proce-samiento de datos e interpretación).

Los principales elementos presentes en laetapa de adquisición de datos son: a) fuente deenergía; b) energía (radiación electromagnética); c)atmósfera terrestre; d) objeto de interés; y e) plata-forma/sensor (Figura 1).

La principal fuente de energía en el proceso esel Sol, aunque existen sensores que no dependende esa fuente natural, pues poseen su propia fuen-te de energía, como el caso de los radares.

La energía emitida por la fuente puede atra-vesar la atmósfera terrestre, interactuar con ella y

Carlos Alberto VettorazziProfesor asociado del Departamento de Ingeniería deBiosistemasESALQ/USPPiracicaba, SP, [email protected]

Stanley Best S.PhD, Agr. and Bioresources EngineeringDirector del Programa Agricultura de Precisión INIA, [email protected]



37 PARTE 1

alcanzar el objeto de interés, también interactuarcon éste, o sea, pude ser reejada por el objetivo,transmitida o absorbida, y en este último caso esposteriormente emitida en forma de calor.

Esa energía reejada o emitida por el objetivoatraviesa nuevamente la capa atmosférica y llegaal sensor, y allí es detectada y registrada por éste.

El sensor permanece alojado en una platafor-ma, que puede ser una aeronave, un vehículo aé-reo no tripulado (VANT), un satélite articial, etc.

En los sensores a bordo de vehículos no tri-pulados (principalmente satélites), la energía re-gistrada es transformada en señales eléctricasque, posteriormente, son enviadas a estacionesterrestres y, en forma de grácos, tablas y/o imá-genes, serán debidamente interpretadas para -nalidades especícas.

Comportamiento espectral de los objetivosLa adquisición remota se basa en la interacción

entre la radiación electromagnética (REM) y los objetivos de interés. Esa interacción será registrada yanalizada de acuerdo con nes especícos y ocu-rre de la siguiente manera: del total de radiaciónincidente sobre el objetivo, parte es reejada poréste (reectancia); parte es transmitida (transmi-tancia), o sea que atraviesa el objetivo; y parte esabsorbida (absorbancia), para posteriormente seremitida en forma de calor.

Las proporciones entre reectancia, transmi-tancia y absorbancia varían para cada tipo de objetivo, jándose las demás variables en función deltipo de radiación incidente.

Los diferentes tipos de REM se clasican deacuerdo con su longitud de onda o frecuencia, y

Figura 1. Elementos de la etapa de adquisición de datos por teledetección (o adquisición remota). Fuente: Florenzano (2011)



38

la representación gráca de la distribución de esosdiferentes tipos de REM se denomina espectroelectromagnético de energía.

La agrupación de REM con iguales característi-cas recibe el nombre de banda o segmento. Parala adquisición remota las principales bandas deinterés son la visible, la infrarroja (IR) y las microon-das. La amplia banda IR puede además dividirse

en IR cercano (NIR), IR medio (MIR) e IR lejano(FIR) o térmico7.En general, la relación entre objetivo y radiación

de las diferentes bandas es representada por el grá-co de la variación de reectancia versus longitudde onda o frecuencia. Es el denominado gráco de

7 Por siglas en ingles: infrared (IR), instrumentation for near (NIR), midinfrared (MID), far-infrared (FIR).

comportamiento espectral, curva de reectancia eincluso rma espectral de determinado objetivo.

El principal objeto de interés en la adquisiciónremota aplicada a la agricultura de precisión es,evidentemente, el cultivo, seguido de cerca porel suelo.

A continuación se presenta el gráco de com-portamiento espectral medio de plantas verdes ysaludables (fotosintéticamente activas) (Figura 2).

En la banda visible la radiación es fuertemen-te absorbida por los pigmentos de la hoja, sobretodo en las longitudes de onda referentes al azul yal rojo, utilizados en la fotosíntesis.

En la banda del infrarrojo cercano (NIR) se dauna reexión signicativa, siendo la estructura ce-lular de las hojas la principal responsable de esecomportamiento.

Figura 2. Comportamiento espectral de vegetación verde y saludable. Fuente: Moreira (2005)

En el infrarrojo medio (MIR) se dan picos de ferencia de otros objetivos sobre la respuesta del



39 PARTE 1

j ( ) pabsorción de radiación por el agua presente en eltejido vegetal.

Esas curvas espectrales se construyen a partirde mediciones de campo, con equipos denomi-nados espectroradiómetros y su conocimiento esfundamental para el desarrollo de nuevos senso-res, así como para la selección de las bandas desensores multi o hiper-espectrales a ser utilizadosen análisis especícos.

Niveles de adquisición de datosEn adquisición remota, los datos se obtienen

a partir de sensores instalados en diferentes tiposde plataforma, cada una, móvil o estacionaria, concaracterísticas propias.

Las plataformas pueden clasicarse en tres ni-veles, de acuerdo con la distancia entre el sensory el objetivo de interés: terrestre (campo y labora-torio); aéreo (aviones, helicópteros, VANT, etc.); yorbital (naves espaciales, satélites articiales, etc.).Cada una de esas plataformas presenta ventajasy desventajas.

Además de las propiedades intrínsecas al objetivo y las características del sistema sensor, laintensidad y la calidad de la señal registrada porel sensor también están inuenciadas por la altitudde la plataforma.

Al pasar del nivel terrestre al aéreo y del aé-reo para el orbital, la situación se modica signi-cativamente: la capa atmosférica aumenta y, conello, aumentan las interferencias sobre la señalregistrada.

Si en el nivel de laboratorio se puede aislarparte del material a ser analizado, a medida quela altitud del sensor aumenta, puede haber inter-

j pobjetivo de interés. Si se estuviera trabajando conun cultivo agrícola a nivel de laboratorio (radiome-tría) es posible aislar una hoja con las característi-cas deseadas.

Con el aumento de la altitud de la plataforma,otros elementos pueden formar parte de la res-puesta, como el suelo, partículas presentes en laatmósfera (por ejemplo polvo), otras plantas, etc.de modo que la respuesta nal será el resultadode la integración de las señales de los diferenteselementos y no más de una señal “pura”.

Sistemas sensoresEl sensor remoto es un equipo capaz de res-

ponder a la radiación electromagnética en deter-minadas bandas del espectro electromagnético,registrarla y generar productos que –después deuna interpretación adecuada– podrán brindar infor-mación sobre los objetivos de interés del usuario.

Los sensores se pueden dividir, primariamente,en formadores de imágenes (cámaras fotográcas,escáneres multiespectrales, etc.) y no formadoresde imágenes (espectroradiómetreos, radares altí-metros y otros).

También pueden clasicarse en activos y pasi-vos. Son pasivos cuando dependen de una fuente

externa de radiación (la principal es el Sol) y aquíse encuentra la mayoría de los sensores, comomuchos escáneres multiespectrales instalados abordo de aeronaves y satélites, como el Landsat,SPOT, RapidEye, Ikonos, etc. Son activos cuandoposeen su propia fuente de radiación electromag-nética, como es el caso de los radares formado-res de imágenes y de equipos de campo comoGreenSeeker, WeedSeeker, etc.

Los sensores formadores de imágenes pueden Una imagen digital de adquisición remota no es



40

g pproducir imágenes de una única banda amplia delespectro, por ejemplo, la banda visible y la bandaNIR, o producir diversas imágenes simultáneas dela misma escena en diferentes bandas del espec-tro (sensores multi e hiperespectrales), como elsensor OLI (Operational Land Manager ), a bordodel satéliteLandsat-8 , con nueve bandas espec-trales, de la banda azul a la MIR, incluyendo unabanda pancromática.

Una de las principales características prácticasde los sensores es su poder de resolución. Estetérmino se aplica al sensor, y el término resoluciónse aplica al producto (imagen). Así, para las imá-genes existen las resoluciones espacial, espectral,radiométrica y temporal.

La resolución espacial se reere al tamaño delpíxel en la imagen digital. La resolución espectralse relaciona al número y la amplitud de las ban-das espectrales, a las que el sensor es sensible;la resolución radiométrica se reere a los nivelesde intensidad de la señal de retorno traducidos,en general, por el número de niveles de gris (NG)que componen la imagen; y nalmente, la resolu-ción temporal que, como su nombre sugiere, estárelacionada al intervalo de tiempo entre pasadasconsecutivas del sensor sobre la misma escena.

Procesamiento digital de las imágenesLa principal nalidad de las imágenes de ad-

quisición remota es brindar información, que esextraída de los datos registrados en la imagen,por números digitales que se relacionan al com-portamiento espectral del objetivo y por medio dela intensidad con que reejan o emiten radiaciónelectromagnética en bandas especícas de longi-tud de onda.

g g qnada más que una matriz de valores, denominadosniveles de gris (NG) que, como ya fue mencionado,se reere a la intensidad de radiación reejada oemitida por el objetivo. Los elementos de la matriz,que contienen los niveles de gris, se llaman pixeles(del inglés: picture elements ).

El procesamiento digital de imágenes de adquisi-ción remota implica modicaciones intencionales enlos NG, que básicamente pueden agruparse en trescategorías: pre-procesamiento, realce y clasicación.

Pre-procesamientoEn la etapa de pre-procesamiento se realizancorrecciones en las imágenes brutas, preparándo-las para las etapas siguientes.

Las principales correcciones ejecutadas sobrelas imágenes son: la radiométrica, la atmosférica yla geométrica.

En la corrección radiométrica se eliminan losposibles ruidos existentes en la imagen. Se entien-de por ruidos a los pixeles aislados o en grupo enque el valor del nivel de gris registrado es alteradodebido a fallas momentáneas del sensor. Se co-rrigen por medio de la sustitución de sus valorespor otros obtenidos a partir de pixeles cercanos,para lo cual se emplean, en general, ltros digitales(ventanas móviles), que también se utilizan para elrealce de las imágenes.

Otra corrección sobre la imagen es la atmos-férica, cuyo objetivo es reducir el efecto de la in-teracción entre la radiación atmosférica, princi-palmente dispersión, simulando una condición deatmósfera limpia.

Finalmente, la corrección geométrica busca eli-minar distorsiones relacionadas al proceso de ob-

tención de la imagen y la asociación de la imagen a



41 PARTE 1

un sistema de coordenadas y Datum de referencia.

Realce

Las técnicas de realce tienen como nalidadmejorar la calidad visual de las imágenes, de modode facilitar su análisis. Ya sea que el análisis searealizado de forma visual o digital, el proceso siem-pre comienza con la visualización de la imagen,tanto en la pantalla de la computadora como encopias impresas, si fuera el caso.

Así, la calidad visual de la imagen es bastanteimportante, principalmente para una mejor identi-cación de los elementos presentes en la escena.

Existen varias maneras de realzar imágenes deadquisición remota, por ejemplo las técnicas queimplican modicaciones en su histograma, aplica-ción de ltros digitales, elaboración de composi-ciones de color en imágenes multi e hiperespec-trales (Figura 3), aplicación de análisis de compo-nentes principales, etc.

Es preciso destacar, en este punto, una de lastécnicas más importantes en aplicaciones de adqui-sición remota en vegetación, que es la elaboraciónde imágenes sintéticas denominadas índices devegetación (IV). Los IV tienen como objetivo reunirla información espectral, al facilitar la discriminaciónentre vegetación y no-vegetación en la escena re-gistrada, así como visualizar la vitalidad de la cober-tura vegetal, siendo útil en el monitoreo de las con-diciones de crecimiento del cultivo, la evaluación deeventos de estrés causados por deciencias hídri-cas y nutricionales, plagas, enfermedades, etc.

Los índices de vegetación se obtienen a par-tir de relaciones matemáticas entre valores dereectancia de diferentes bandas del espectro,siendo las dos más utilizadas la del rojo (visible)

–por ser fuertemente absorbida por la planta para

la realización de la fotosíntesis–, y la del infrarrojo cercano (IR) que es bastante reejada por lasplantas debido a su fuerte relación con la estruc-tura celular.

Existen innumerables índices de vegetación,entre los que cabe destacar: razón simple (SR),diferencia normalizada (NDVI) y ajustado al suelo(SAVI), etc.8

En la Figura 4 se presenta una imagen NDVI deuna chacra de trigo, al lado del mapa de producti-vidad de la misma área, obtenido en el campo, enque fácilmente se puede percibir la relación entreambos.

8 Por siglas en inglés: simple ratio (SP), normalized difference vegetationindex (NDVI), soil-adjusted vegetation index (SAVI).

Figura 3. Composición de color de una imagen obtenida por el Satélitede Recursos Terrestres Chino-Brasileño (CBERS)

píxel de la imagen, una categoría del tema trabaja-d í i á i E ib



42

ClasicaciónLa clasicación se reere a la extracción pro-

piamente dicha de información de la imagen. Es laetapa que implica la base de la generación de ma-pas temáticos a partir de imágenes de adquisiciónremota, por medio de técnicas de reconocimientode padrones.

La clasicación puede ser realizada de dos mo-dos: digital (o automática) y visual (o manual).

Clasicación digitalExisten varios métodos disponibles para la cla-

sicación digita de imágenes. El objetivo principal,en este tipo de clasicación, es atribuir para cada

do, y generar así una imagen temática. Esa atribu-ción por medio de algoritmos apropiados, puedeser considerada como la aplicación de un “rótulo”sobre cada píxel, con el número digital y el colorrelacionados a la debida categoría del tema.

Los métodos de clasicación digital de imáge-nes pueden dividirse en dos abordajes principales:supervisada y no supervisada.

Clasicación supervisadaEste abordaje de la clasicación digital se de-

nomina supervisada, pues implica una gran inte-racción entre el proceso y el analista.

Se utiliza cuando existe un conocimiento previode las características a ser mapeadas. Ese cono-cimiento permite que sean obtenidas muestras depixeles de cada característica/categoría de la le-yenda buscada, por medio de polígonos digitaliza-dos sobre la pantalla. Esas muestras servirán parala formación estadística del algoritmo escogido

para el proceso de clasicación. En general, se ad-mite que de 1,5 % a 3,0 % del total de pixeles de laimagen sean sucientes para formar el algoritmo.

El total de pixeles de las muestras debe dis-tribuirse de forma proporcional a la supercie decobertura (aproximadamente) por cada categoría.

Los pixeles de la muestra van a generar unarma espectral para cada categoría, con estadís-ticas simples sobre sus valores de niveles de gris.Esas rmas serán empleadas por el algoritmo paraclasicar los demás pixeles de la imagen.

Como ejemplos de métodos de clasicaciónsupervisada pueden citarse: Mínima Distancia yMáxima Verosimilitud (MaxVer) entre otros.

En resumen, se puede armar que el enfoquede la clasicación supervisada se basa en el cono-

Figura 4. Imagen NDVI y mapa de productividad de trigo

cimiento a priori de la leyenda buscada y el sumi-i t d t d i l d d t í

Los principales métodos de clasicación no su-i d b l A áli i d l



43 PARTE 1

nistro de muestras de pixeles de cada categoríade la leyenda para la clasicación por el algoritmoseleccionado.

Clasicación no supervisadaLa clasicación digital no supervisada de imá-genes de adquisición remota, en realidad deberíallamarse “poco supervisada”, pues la supervisiónpor parte del analista existe, aunque es menor queen el caso del enfoque supervisado.

De modo general, el fundamento de los méto-dos no-supervisados es el agrupamiento de pixelescon comportamiento espectral semejante, que ge-neran una imagen con tipos espectrales. Esos tiposson posteriormente asociados a categorías de unaleyenda, por medio de trabajos de campo, consultaa mapas existentes, entrevistas, etc.

Así, mientras que en los métodos supervisa-dos, la leyenda es establecida a priori, en los mé-todos no supervisados es denida a posteriori.

El enfoque no supervisado generalmente seutiliza cuando no existe conocimiento previo delárea que será mapeada. Así, la generación de ti-pos espectrales permitirá la asociación adecuadacon la situación del campo (Figura 5).

pervisada se basan en el Análisis deClusters .

Clasicación visualLa clasicación o interpretación visual de las

imágenes de adquisición remota, también deno-minada clasicación manual, fue utilizada en formaoperativa durante mucho tiempo. La interpretaciónvisual de fotografías aéreas, o foto-interpretaciónpor ejemplo, fue muy utilizada por décadas. Lainterpretación visual ha venido siendo sustituidagradualmente por la clasicación digital, en la me-dida en que los equipos y sistemas informáticos se

tornan cada vez más accesibles.Comparativamente con la clasicación digital,

puede decirse que la clasicación visual presentaun grado mayor de subjetividad. Diferentes analis-tas, utilizando el mismo material y los mismos pro-cedimientos, pueden llegar a resultados distintos.

De cualquier manera, incluso hoy el análisis vi-sual es importante, pues el contacto del analistacon la imagen, incluso aunque sea en la pantalla dela computadora, es puramente visual. Así, a pesarde que no necesariamente se realice clasicación,el entendimiento (lectura) de la imagen siempre esnecesario. Por ejemplo, ¿cómo podrían extraerse

Figura 5. Cultivo de avena: (a) imagen pancromática colorida; (b) tipos espectrales generados por clasicación no-supervisada

pixeles para componer muestras para la forma-ción de una clasicación digital supervisada si las

cuando la transpiración desde las hojas excede laabsorción de agua por las raíces por un tiempo



44

ción de una clasicación digital supervisada, si lascategorías deseadas no pudieran ser visualmenteidenticadas?

La clasicación visual puede ser realizada so-bre copias en papel de la imagen, para determina-dos nes, pero el más común es la digitalizacióndirecta sobre la pantalla de la computadora, ge-nerándose un producto ya en formato digital. Esrealizada en base a los denominados elementosde análisis de las imágenes, que son: tonalidad,textura, forma y límites, padrón, sombra, localiza-ción y contexto (aspectos asociados).

Ejemplos de aplicaciónSeguidamente se presentan algunos ejemplos

de aplicación de técnicas de adquisición remotaen la agricultura.

Sistemas de monitoreo de décit hídricoEl agua es uno de los principales factores pro-

ductivos que afectan el rendimiento de los cultivos,la cual puede ser manipulada agronómicamentemediante el riego. Las plantas cultivadas requierende un aporte de agua que reemplace la que seevapora, principalmente desde las hojas, para eldesarrollo de la planta y, nalmente, también parala producción.

Este requisito se debe a que las hojas estánexpuestas a una fuerte demanda evaporativa (u- jos de radiación solar y décit de vapor ambiental)mientras que la supercie interna está saturada devapor de agua.

Así, el estrés hídrico de las plantas es el in-dicador más importante para la evolución de losrendimientos. El estrés por falta de agua ocurre

absorción de agua por las raíces por un tiemposucientemente prolongado para que ocurra unadisminución del ensanchamiento celular y distur-bios en los procesos siológicos fundamentales,lo que repercute en una disminución de la produc-ción y su calidad.

El monitoreo de la condición hídrica en el con-tinuo planta-atmósfera es muy importante. Dentrode los modernos sistemas, y a la vez prácticos,con que actualmente se cuenta para el monitoreode décit hídrico cabe mencionar los siguientes.

A. Información de humedad de sueloLa utilización de sensores de humedad de sue-

lo a tiempo real (Figura 6) es una gran herramien-ta, que aporta información sobre el contenido dehumedad en el perl del suelo. Dicha informaciónacerca resultados aproximados a la hora de mane- jar un sistema de riego.

Dentro de estos sensores se puede mencio-nar: Reectometría en el Dominio de la Frecuencia(FDR) y Reectometría en el Dominio del Tiempo(TDR). Actualmente estos sistemas realizan me-diciones a tiempo real y permiten una adecuadaoportunidad de la información para la toma de de-cisiones de riego, la cual es canalizada por Internet(Web y smart phones ) o uso de sistemas de alerta(sms y emails).

B. Estación meteorológicaLa información meteorológica es necesaria

para una evaluación del desarrollo del cultivo, aso-ciado a las condiciones medioambientales que loscircundan y su demanda evaporativa (cálculo de laevapotranspiración teórica a partir de data meteo-rológica (Figura 6).



45 PARTE 1

Actualmente, la información meteorológica esobtenida desde estaciones meteorológicas auto-máticas, que permiten tener una rápida respuestaa las condiciones ambientales adversas que pue-dan presentarse, lo que es altamente importanteno solo para evaluar décit hídrico sino tambiénpara determinar alertas tempranas de probabilida-des de apariciones de enfermedades de cultivos,riesgos de heladas, condiciones de crecimientoadverso, etc. Esta información, asociada a la in-formación espacial vegetativa, podrá evaluar en

mejor forma las zonas de mayor riesgo, permitien-do ser la base para el desarrollo de un monitoreoeciente y efectivo.

C. Uso de termografía infrarrojaLa termografía infrarroja es una metodología

que permite la detección remota del estrés hídrico,no detectable visualmente, a partir de la interac-

ción de la radiación con la vegetación. La mayorparte de la energía absorbida por la hoja es disipa-da en forma de calor, lo que ha provocado que seesté investigando en la transferencia de calor entrela vegetación y el ambiente y su efecto en el décithídrico en las plantas, con ajustes de esta metodo-logía muy promisoria (Best et al., 2009), tanto a ni-vel predial (Figura 6) como a mayores escalas conel uso de modelos como METRICS, actualmente

bastamente utilizados en países como EstadosUnidos, Canadá, entre otros.

Tecnologías de automatización y visión articialLas personas perciben el mundo a través de un

pequeño espectro (Visible - RGB o Red-Green-Blue)de lo que realmente existe. Sin embargo, a pesarde lo limitado del campo de visión del ser humano,simularlo es un proceso altamente complejo y aúnmás tomar acciones sobre el resultado de su análisis.

En la actualidad las escenas reales del mundopueden ser vistas a través de un dispositivo digi-tal (charge-coupled device o dispositivo de cargaacoplada en español) conectado a un microproce-sador, que puede obtener la información del mun-do real y procesarla a través de complejos mode-los matemáticos.

AutomatizaciónDebido a la necesidad de automatizar procesos

en busca de reducir el costo de mano de obra, haexistido un rápido crecimiento de la visión inteligen-te por computadora, la cual mantiene una estrecharelación con disciplinas como: inteligencia articial,robótica, grácas por computadora, procesamientode imágenes, fotogrametría, entre otras.

Figura 6. Estaciones meteorológicas automáticas y medición termográca del estrés hídrico, respectivamente

La segmentación de imagen es un procesodigital que consiste en reconocer de forma auto-

dad y clasicación en líneas de procesamiento yen general en automatización de procesos



46

digital que consiste en reconocer de forma automática los objetos de una escena. Es uno de loselementos más importantes de cualquier sistemaautomatizado, proporciona estructuras útiles talescomo regiones y bordes. Los algoritmos de seg-mentación generalmente están basados en doscriterios importantes a considerar: uno es la homo-geneidad de la región y otro es la discontinuidadentre regiones disjuntas adyacentes.

Los métodos para llevar a cabo la segmentaciónvarían ampliamente dependiendo de la aplicaciónespecíca, el tipo de la imagen y otros factores. Laclasicación de objetos puede realizarse a través dedistintas características como son la medición deobjetos, color, forma, tamaño, textura, etc.

Sistemas de segmentación basados en Visión Articial

La aplicación de visión articial en la agriculturaha aumentado considerablemente en los últimos

años. Hay muchos campos en los que se está in-volucrando la visión por computadora: cartografíaterrestre y aérea de recursos naturales, monito-reo de cultivos, agricultura de precisión, robótica,orientación automática, inspección no destructivade las propiedades del producto, control de cali-

en general en automatización de procesos.Los sistemas de visión articial proporcionan in-

formación importante acerca de la naturaleza y losatributos de los objetos presentes en una escenay además permiten explorar regiones del espec-tro electromagnético donde los ojos humanos nopueden operar, como las regiones del ultravioleta oinfrarrojo, los cuales son de alto interés para la de-tección temprana de enfermedades o condicionessiológicas de las plantas cuando el ojo humanono es capaz de evaluar (Figura 7).

Así, según los espectros en análisis se puedenevaluar: Luz visible, detección de la mayoría dedaños que el ojo humano puede percibir; InfrarrojoCercano, detección de podredumbre, identica-ción de daños en piel, estimaciones de madurez,etc.; Ultravioleta, detección de micro suras, fun-gosis, pudriciones, etc.; Luz estructurada, estima-ciones 3D, detección de formas irregulares, etc.;Laser, madurez, espesor de piel, etc.

Finalmente, este tipo de equipamiento estásiendo altamente estudiado para llevar a caboequipos de evaluación y monitoreo de tipo portátil,con una práctica aplicación a nivel de campo, quese espera que estén disponibles a nivel comercialen no más de cinco años.

Figura 7. Detección de problemas fungosos e virales en vegetación mediante Visión Articial

1.5. Muestreo para mapeo y manejode la fertilidad del suelo

áreas cultivadas y denir intervenciones de manejolocalizado (o sitio-especíco), que procura optimi-



47 PARTE 1

de la fertilidad del suelo Álvaro V. Resende y Antonio M. Coelho

IntroducciónLos atributos de fertilidad química, física y bio-

lógica del suelo expresan gran variabilidad espacialy temporal e inuyen en el potencial productivo enlos ambientes agrícolas. Paralelamente, el manejode la fertilización constituye uno de los principalescondicionantes de la productividad de los cultivos.Una buena caracterización edáca, con utilizaciónfrecuente de análisis de suelo, es el procedimientobásico para orientar la toma de decisiones en elgerenciamiento agronómico de los cultivos en laagricultura moderna.

En ese contexto, la agricultura de precisiónbusca un mayor grado de detalle en la informa-ción sobre las condiciones del suelo para fomen-tar decisiones de manejo acertadas. Dentro delas aplicaciones de agricultura de precisión, losmuestreos georreferenciados de suelos permitenmapear las variaciones de fertilidad dentro de las

localizado (o sitio especíco), que procura optimizar el uso de correctivos y fertilizantes por mediode aplicaciones a dosis variable de acuerdo con lademanda local del cultivo. Tales muestreos tam-bién sirven para la adopción de siembra a dosisvariable de los cultivos anuales.

En el muestreo tradicional, normalmente, una opocas muestras son tomadas para representar lacondición media del suelo en las chacras de cul-tivos de una propiedad. En el caso del muestreogeorreferenciado, al disponer de información ba-sada en un número mayor de muestras del suelorepresentadas en forma de mapas de fertilidad,ya desde el principio el agricultor se beneciaráde tener un mejor entendimiento sobre las con-diciones de su cultivo. Sin embargo, una muestrageorreferenciada mal hecha podrá afectar negati-vamente no solo el manejo del suelo sino tambiénlas demás etapas y aplicaciones de la agriculturade precisión, pues distorsiones en los mapas de

atributos del suelo pueden hacer que todas lasprácticas relacionadas al cultivo realizadas en lachacra estén desconectadas de la variabilidad realexistente en ese ambiente.

En este apartado se abordan los criterios, as-pectos prácticos y procedimientos relativos al pro-ceso de muestreo de suelo para nes de agricul-tura de precisión, con énfasis en la caracterización

de la variabilidad espacial de la fertilidad de lossuelos sobre el cultivo de especies anuales.

Integración entre principiosgeoestadísticos y viabilidad operacional

En el manejo de la fertilidad del suelo a travésde la agricultura de precisión, generalmente el te-rreno se subdivide de acuerdo a un muestro en

Álvaro V. ResendeInvestigador en Fertilidad del Suelo y Fertilización,Embrapa Maíz y [email protected]

Antonio M. CoelhoInvestigador en Fertilidad del Suelo y Fertilización,Embrapa Maíz y [email protected]

cuadrículas regular (regular grid) con determinadotamaño de trama, de modo de efectuar un mues-

en la región de El Cerrado en Brasil) podrán contarcon un número razonable de muestras, incluso



48

,treo sistemático con puntos georreferenciados.

La asociación con las coordenadas geográ-cas posibilita interpolar espacialmente los resulta-dos de los análisis de suelo del conjunto de mues-tras extraídas y generar mapas que representenla variabilidad de los atributos de interés. Una vezobtenidos los productos de las interpolaciones –por ejemplo mapas de disponibilidad de potasioy de saturación basados en el suelo–, es posibleelaborar otros mapas que contengan la indicación(prescripción) de las dosis de fertilizantes y correc-tivos necesarios en diferentes partes de la chacra.Equipos de aplicación disponibles en el mercado(fertilizadoras) presentan dispositivos electrónicosque reconocen los mapas de prescripción y me-canismos automáticos que ajustan las dosis de losproductos a medida que se aplican en el área a sermanejada a dosis variable.

Los datos obtenidos con muestreos georrefe-renciados para el mapeo de la fertilidad del suelodeben ser procesados y validados según los prin-cipios geoestadísticos, y los mapas deben ser ma-nipulados y acabados a través del SIG. Se requierela recolección de cierto número de muestras paraque los datos puedan ser analizados geoestadís-ticamente de modo de obtener mapas conables.

Es importante destacar el nivel de detalle con elcual se va a trabajar, que está directamente relacio-nado con la densidad del muestreo. Respetandolos principios de la geoestadística, se pueden ob-tener buenos mapas con cerca de 50 puntos demuestreo georreferenciados en el área a ser ma-peada. Esa referencia puede ser aplicada a cha-cras de diferentes tamaños. Así, chacras con di-mensiones superiores a 250 hectáreas (comunes

,utilizando muestreos de cuadrículas poco densos,con tamaño de cuadrícula de área superior a 4hectáreas. Obviamente, manteniendo los 50 pun-tos de muestreo en chacras de menor dimensión,habrá densicación del muestreo en cuadrículas,lo que repercute positivamente en la calidad de losmapas generados y resultará en mayor conabili-dad para los nes agronómicos pretendidos.

La condición principal que viabiliza el uso de undeterminado tamaño de cuadrícula es que los da-tos derivados del muestreo presenten dependen-cia espacial. O sea, que exista correlación entre elvalor de un atributo muestreado en un lugar conlos valores de ese atributo en puntos cercanos enel muestreo en cuadrículas, de modo de permitirestimar datos para los lugares no muestreados pormedio de la interpolación y, así, generar un maparepresentativo de la variación espacial de dichoatributo en el campo. Lógicamente, cuanto mayores el tamaño de la cuadrícula, mayor será la dis-tancia entre los puntos de muestreo y menor elgrado de similitud entrelos valores medidos. Apartir de cierta distan-cia, deja de existir cual-quier correlación entreellos, y deja de ser po-sible detectar depen-dencia espacial.

Algunas investigaciones realizadas en Brasilpara la denición del tamaño de la cuadrícula delmuestreo en cuadrículas, han indicado la nece-sidad de un gran número de puntos de mues-treo para poder identicar mejor la variabilidaddel suelo en los cultivos (Machado et al., 2004,

Sobre muestreo decuadrículas también se

puede ver el apartado 3.1.Tecnología de precisión para

gestión de nutrientes

Resende et al., 2006; Gimenez & Zancanaro,2012). En un Latossolo de El Cerrado de Goiás,

potasio (K), calcio (Ca) y magnesio (Mg). La Figura1 ilustra la situación vericada para el potasio. En



49 PARTE 1

Resende et al. (2006) estudiaron cuadrículasde muestreo en una chacra de 97,5 hectáreas,considerando tamaños de cuadrícula variandode 0,25 a 9,0 hectáreas. Para cuadrículas demuestreo de hasta 4 hectáreas, la generaciónde mapas respetando los principios de la geoes-tadística (obteniendo dependencia espacial) fueposible para los atributos de materia orgánica,

el caso del fósforo (P), se obtuvo dependenciaespacial solamente cuando se utilizó el muestreomás denso, con una cuadrícula de 0,25 hectá-reas. La literatura brasilera ha comprobado que,por regla general, los atributos de textura, materiaorgánica, pH, potasio, calcio y magnesio presen-tan mayor continuidad espacial que el fósforo ylos micronutrientes. O sea, para estos últimos hay

Figura 1. Mapas de niveles de potasio (mg dm-3) en el suelo, obtenidos a partir de muestreo en grillas con cuadrículas de 0,25 ha (A); 1 ha (B); 2,25ha (C); y 4 ha (D). Nótese que la conformación de las regiones de mayor y menor disponibilidad del nutriente se modica según la densidad delmuestreo. (Fuente: Adaptado de Resende et al., 2006)

mayor probabilidad de no encontrar dependenciaespacial en muestreos poco densos.

rreferenciado del suelo debe resultar en mayor e-ciencia del uso de correctivos y fertilizantes, y así



50

La recomendación del tamaño de la cuadrícu-la para muestreo de suelos varía en función de laresolución deseada (“precisión” del mapeo) aso-ciada a costos. Cuadrículas más densas propor-cionan mayor conabilidad de los mapas, pero au-mentan la necesidad de mano de obra y el númerode muestras a ser extraídas, lo cual se reeja enel gasto de análisis de suelo y en el costo nal delmanejo con agricultura de precisión.

Debido a los elevados costos de muestreo y deanálisis de fertilidad, existe dicultad en armonizarel rigor geoestadístico con la viabilidad económicay operacional para la caracterización de la fertili-dad del suelo en escala comercial. La necesidadde compatibilización técnica y económica estásiendo considerada y, actualmente, la mayoría delas empresas prestadoras de servicios de agricul-tura de precisión en Brasil adoptan muestreos encuadrículas con tamaños de cuadrícula de 1 a 4hectáreas. Hasta hace pocos años, aún se traba- jaba con cuadrículas con área por encima de las 5hectáreas y, algunas veces, arriba de 10 hectáreasen chacras de gran extensión.

Sin embargo, esa elección debe ser criteriosay, sin duda, la utilización de muestro en cuadrículasmás densas, por ejemplo con cuadrícula de 1 hec-tárea, es recomendable al iniciarse en la agriculturade precisión y también de forma interpolada conmuestreos menos densos, mejorando el diagnós-tico de la evolución del cultivo frente a las inter-venciones a lo largo del tiempo. Al ponderar loscostos, es preciso considerar que, generalmente,la información obtenida de los mapas de fertilidadpuede utilizarse por un período de hasta tres años.Otro aspecto importante es que el muestreo geo-

puede llevar a la reducción en el gasto global deesos insumos.

Pre-requisitos para un muestreorepresentativo

La ocurrencia de variaciones de productividaddentro de un área de cultivo es el supuesto básicoque justica trabajar con agricultura de precisión.La cuestión clave es: delimitar la ubicación de esasvariaciones e identicar sus causas, para enton-

ces denir la mejor estrategia de manejo para cadalugar. La variabilidad del suelo detectada en unachacra precisa ser agronómicamente relevante, an de que justique el manejo localizado, evitan-do que se realicen intervenciones diferenciadas ypor tanto inocuas o innecesarias. En este sentido,se demandan técnicas que permitan optimizar elesfuerzo del muestreo, manteniendo la conabi-lidad en la recomendación del manejo especícodel lugar.

Teniendo en cuenta la eciencia del proceso demuestreo del suelo para la agricultura de precisión,esta operación no debe limitarse a la determina-ción de contornos georreferenciados de la chacray la sobre posición de un muestreo en cuadrícu-las pre-denido por medio de un programa infor-mático, argumento comúnmente utilizado por losproveedores de servicio. Si el objetivo de utilizaragricultura de precisión es detallar el diagnósti-co de la fertilidad del suelo, se deberían asociarprocedimientos adicionales de caracterización dechacras para orientar mejor la etapa de muestreo.Sobretodo cuando se trata de un área extensa,otros tipos de información georreferenciada pue-den ser importantes para orientar su subdivisión

en partes más homogéneas, que deberán sermuestreadas y mapeadas aisladamente, en casod i

rendimiento debidamente generado constituye in-formación extremadamente detallada y conable.



51 PARTE 1

de que sea conveniente. Así, aspectos normalmente observados par

el muestreo tradicional también son válidos parael muestreo georreferenciado. Las diferencias decolor del suelo, de cobertura vegetal, el históricode su uso anterior (incluido el histórico de even-tual erosión/degradación), de textura, de relieve yde drenaje, acostumbran tener implicaciones so-bre la fertilidad del suelo y el potencial productivoa lo largo de las áreas de cultivo, lo cual sugie-re la necesidad de una estraticación previa ensub-ambientes.

Mapas de clasicación de suelos, imágenessatelitales, fotografías aéreas, índices de vegeta-ción determinados por medio de sensores especí-cos y otras formas de adquisición remota, permi-ten identicar patrones contrastantes que puedenutilizarse para identicar sub-ambientes que debetener el suelo muestreado y mapeado de maneraindividualizada. Sensores de conductividad eléctri-ca, de pH y de materia orgánica han venido sien-do utilizados para la detección de zonas de suelocontrastante en la agricultura comercial en algunospaíses, pero aún requieren estudios para su valida-ción y calibración de acuerdo a las condiciones desuelos tropicales.

Un aporte de gran relevancia para la delimita-ción de zonas homogéneas para el muestreo di-reccionado del suelo es la identicación de sub-áreas de productividad diferenciada dentro de laschacras. El registro de datos de productividadrealizado con sensores insertados en las cose-chadoras exige su posterior procesamiento pero,dada la cantidad de mediciones realizadas –cercade un registro cada dos segundos–, el mapa de

Una secuencia de datos de productividad ob-tenida luego de tres o más zafras con diferentescultivos, puede ser relativizada e integrada en unúnico mapa, revelando sub-ambientes estables alo largo del tiempo que presenten potencial pro-ductivo distinto. Además de ser útil para orientarel muestreo del suelo y la aplicación a dosis va-riable, ese tipo de información abre la perspectivade que se apliquen otros enfoques de agriculturade precisión, tales como: fertilización basada en laexportación de nutrientes en la cosecha y siem-bra a dosis variable. El cultivo de maíz acostum-bra expresar con mayor claridad las diferencias depotencial productivo entre chacras. En las mismascondiciones, la soja, más rústica y con capacidadde compensar limitaciones ambientales, tiendea exhibir menor amplitud en las mediciones deproductividad.

El conocimiento histórico del uso y de eventua-les variaciones en el manejo del suelo y de los insu-mos en diferentes partes del campo es un aspectoimprescindible en la estraticación de sub-ambien-tes para el muestreo individualizado. Áreas que ac-tualmente forman una única chacra, pueden habersido abiertas para el cultivo en distintas épocas. Eluso de cal y fertilizantes por períodos de tiempodiferentes crea “impresiones digitales” en el sue-lo que no pueden ser “ocultadas” por el manejomás reciente, induciendo a la formación de zonascon fertilidad diferencial. Para identicar ese tipode situación, es fundamental la interacción con elproductor o con personas que están directamen-te vinculadas al día a día de la conducción de laschacras cultivadas. Incluso a partir de observacio-nes empíricas, ellos pueden auxiliar mucho en la

interpretación de los mapas de rendimiento y en latoma de decisiones para el manejo localizado endiferentes partes del campo



52

diferentes partes del campo.En denitiva, criterios basados en característi-

cas topográcas del campo, color del suelo, atri-butos físicos, profundidad del suelo, espesor delhorizonte A, drenaje, datos de adquisición remota,mapas de rendimiento, mapas de conductividadeléctrica, histórico del uso, además de criteriosunicados, pueden ser utilizados para orientar ladelimitación de sub-ambientes para muestreos deinterés. Esa estrategia debe buscarse siempre conel n de mejorar el manejo de la fertilidad del suelo

a través de la agricultura de precisión.

Procedimientos en el muestreogeorreferenciado

Un conjunto de acciones debe ejecutarse enforma planicada, para obtener un buen muestreodel suelo para nes de agricultura de precisión.Se pueden utilizar varios métodos para identicar,caracterizar y entender la variabilidad de los atri-butos de los suelos, pero el proceso que ha sidomayormente utilizado para el muestreo sistemati-zado y el mapeo intensivo del suelo, consiste enel establecimiento de un muestreo en cuadrículasregularmente distribuidas en el campo (Figura 2),lo cual permite el procesamiento geoestadístico einterpolar posteriormente los datos de análisis desuelo para generar los mapas de diagnósticos defertilidad.

El procedimiento ilustrado en la Figura 2 cum-ple con los criterios geoestadísticos, pero puedecuestionarse en cuanto a la representatividad delas muestras frente a los intereses agronómicos.Muchas veces, cada cuadrícula del muestreo tieneuna gran área de supercie, comúnmente más de

1 hectárea, y la extracción de suelo solamente enlas cercanías (3 a 6 metros) del punto central, loque suscita dudas sobre la efectividad del mues-treo así ejecutado. O sea, el status de un deter-minado atributo del suelo en la cuadrícula puedeno estar bien representado en la muestra puntualque generará el valor a ser interpolado en relacióna otros puntos relativamente distantes, localizadosen cuadrículas vecinas. Un intento de revertir esaposible distorsión consiste en extraer muestrassimples a lo largo de una trayectoria de despla-zamiento del muestreo, de modo de distribuir loslugares de recolección en un área mayor dentro dela cuadrícula, en diagonal o en zig-zag, de acuer-do con las opciones que se muestran en la Figura3. Generalmente, esa forma de muestreo ha sidoeconómicamente viable para el manejo de la fertili-dad del suelo con aplicación de correctivos y ferti-lizantes a dosis variable.

Los procedimientos que van desde el mues-treo georreferenciado del suelo hasta las aplicacio-nes de nutrientes a dosis variable representan losservicios de agricultura de precisión más amplia-

Figura 2. Esquema ilustrativo de un muestreo en cuadrículasregular. En detalle, lugares de recolección de muestras simplesen las cercanías (3 a 6 metros) del punto central de la cuadrícula.(Fuente: elaboración Álvaro Resende)



53 PARTE 1

mente difundidos entre los agricultores. Empresas

especializadas utilizan muestreadores hidráulicosde suelo adaptados en cuatriciclos (Figura 4) ocamionetas con GPS para las recolecciones enel campo, procesan los resultados de análisis pormedio de programas informáticos de geoestadís-tica y utilizan sistemas de información geográca(SIG) para producir mapas diagnósticos y de pres-cripción de insumos, siendo estos reconocidospor los equipos distribuidores de correctivos y fer-tilizantes a dosis variable.

El muestreo de suelo para aplicar agricultura deprecisión normalmente comienza por la obtención,vía GPS, de los contornos georreferenciados dela chacra o, si fuese el caso, de los sub-ambien-tes a ser mapeados de forma independiente, deacuerdo a lo descrito en el apartado anterior. Unavez denida la densidad de la cuadrícula de mues-treo (la cual se recomienda que sea de cuadrículascon área de 1 hectárea o menos para un primermapeo de fertilidad), la cuadrícula conteniendo lospuntos de recolección de suelo es ajustada a loscontornos de chacra y trazada utilizándose un pro-grama de navegación y posicionamiento por saté-lite. En la secuencia, la información de la grilla y delos puntos de recolección georreferenciados son

transferidos para el GPS y, a partir de entonces, elmuestreador puede ir al campo y realizar el mues-treo siguiendo las coordenadas geográcas de losrespectivos puntos de recolección de muestrassimples.

Figura 3. Esquema ilustrativo de algunas opciones de desplazamiento utilizadas por proveedores de servicios de agricultura de precisión parala recolección de muestras simples a lo largo de un muestreo en cuadrículas. La identicación de la muestra compuesta está asociada a lascoordenadas geográcas del punto central de la cuadrícula. (Fuente: elaboración Álvaro Resende)

Figura 4. Muestreador hidráulico tipo broca (foto pequeña) montadoen cuatriciclo, equipo comúnmente utilizado en el muestreogeorreferenciado del suelo. El GPS es el dispositivo de color blancoacoplado en frente del vehículo, al lado de la caja de almacenamientode muestras. (Fotos: Álvaro Resende)

Cada muestra compuesta, referente a unacuadrícula, precisa ser adecuadamente identi-cada por un código para su envío al laboratorio

de origen y de los factores de formación del suelo,es bien conocida la variabilidad horizontal debidaa las diferencias de fertilidad química en las las de



54

cada por un código para su envío al laboratoriode análisis. A ese código debe estar asociada lainformación, como la identicación de la chacra, laprofundidad de recolección del suelo y, lógicamen-te, las coordenadas geográcas del punto centralde la cuadrícula, las cuales permitirán el procesa-miento de los resultados del análisis del suelo enprogramas geoestadísticos y SIG.

Para un proceso geoestadístico satisfactorio ypara la obtención de mapas más representativos,el ideal es que la chacra sea caracterizada con unmínimo de 40 a 50 muestras compuestas, querepresentarán 40 a 50 datos georreferenciadospara determinar modelos de variabilidad espacialde atributos del suelo en el área. Buenos modelosmatemáticos posibilitarán las intercalaciones y es-timativos más realistas de valores de los atributosen los lugares muestreados, y generarán mapasmás conables. Es premisa del número mínimo demuestras compuestas puede ser considerada enel momento de la denición de la densidad de lacuadrícula de muestreo. Como el procesamientode datos georreferenciados de manera deseableexige cierto grado de conocimiento técnico, exis-ten programas informáticos que realizan esa tareade manera automática, mediante modelos estan-darizados. En general, esa es una opción más ac-cesible para los usuarios pero que puede compro-meter la calidad de la información obtenida.

Los suelos explorados con cultivos anualespresentan atributos químicos (por ejemplo: pH ydisponibilidad de nutrientes) y físicos (por ejemplo:textura y compactación) que varían horizontal yverticalmente. Además de las variaciones pedoge-néticas por causa de la inuencia de los materiales

a las diferencias de fertilidad química en las las decultivos de siembre directa con fertilización en elsurco (Figura 5). De manera similar, la acumulación

de nutrientes menos móviles en la capa más su-percial del perl del suelo, crea una estraticaciónque corresponde a la variabilidad vertical. Así, esimportante buscar una mejor denición de los lu-gares exactos y de la profundidad de recolecciónde muestras en el campo, de acuerdo con las ca-racterísticas e historia de la chacra.

Cuando la posición de las líneas de fertilizacióndel cultivo anterior son visibles, se debe estandari-zar la recolección del suelo solamente en las líneaso mantener una proporción ja de muestras sim-ples recolectadas en las líneas (por ejemplo: 1/3 o1/4 de las muestras simples en la la). Ese cuidadopretende prevenir el riesgo de ocurrencia de valo-res muy dispares en los resultados de los análisis(outliers ), lo que puede perjudicar la calidad del

mapeo a ser realizado.La profundidad de la recolección debe ser de-

nida de acuerdo a las mismas premisas considera-das en el muestreo tradicional. Lo más común escaracterizar la capa de 0 a 20 cm de profundidad.Muestreos estraticados (por ejemplo: 0 a 10; 10 a20; y 20 a 40 cm de profundidad) pueden ser con-venientes para determinadas situaciones en quees necesaria una mejor interpretación de las con-diciones de fertilidad a lo largo del perl del suelo.

En el muestreo tradicional para análisis de ferti-lidad, el número de muestras simples recomenda-do para la formación de una muestra compuestaes de 20 a 30, con el objetivo de garantizar unabuena representatividad. En la práctica de mues-treo para agricultura de precisión, dada la deman-



55 PARTE 1

da de mano de obra de mayor intensidad en larecolección en el área a ser mapeada, el númerode muestras simples es jado entre 5 y 10 por cua-drícula. Incluso, una recomendación más criteriosaindica que ese número no debe ser inferior a 10.

Mientras existan opciones de equipamientos conmayor grado de automatización en el proceso demuestreo, en principio, cualquier tipo de muestrea-dor de suelo puede ser utilizado para agricultura deprecisión, y es suciente que sea utilizado justamentecon un GPS. Lo importante es que cada muestra en-viada al laboratorio pueda ser asociada a las coorde-nadas geográcas del lugar de recolección.

Las principales determinaciones analíticasque posibilitarán identicar el nivel de fertilidaddel suelo en la chacra y que serán la base paralas recomendaciones de manejo localizado decorrectivos y fertilizantes son: pH; cationes inter-cambiables (Al, Ca, Mg, K y, eventualmente, Na);P disponible; materia orgánica; y granulometría(arena, limo y arcilla). La determinación de la dis-ponibilidad de micronutrientes (B, Cu, Fe, Mn yZn) es bastante útil en el diagnóstico de la fer-tilidad, aunque todavía no sea común el manejo de micronutrientes con aplicaciones a dosisvariable.

Figura 5. Factores frecuentemente asociados a variaciones puntuales de la fertilidad del suelo y que pueden constituir fuentes de errores odistorsiones en los mapas generados a partir de muestreo georreferenciado: Diferencias del histórico de uso y manejo a corta distancia (A); cambiosabruptos de relieve o mineralogía (B); fallas de plantas o focos improductivos donde no existe absorción de nutrientes aplicados en la líneas desiembra (C, D); lugares de depósito de cal en la chacra (E); las de fertilización que mantienen residuos de fertilizantes (F); bajada de terrazas con

exposición de subsuelo (G); aplicación despareja de fertilizantes y correctivos (H); y chacras que promueven la exportación heterogénea de nutrientes(I). (Fotos: A: Marina Vilela; B y I: Luciano Shiratsuchi; C, D, E, F, G y H: Álvaro Resende)

La frecuencia de muestreo debe ser tanto ma-yor cuando más intensiva fuera la utilización delsuelo. Cuando se trabaja con dos o más zafras al

desparejo (aplicación de cal y fertilizantes) de loscultivos es aleatoria (Figura 5), lo que implica unadiscontinuidad en el patrón de variabilidad de los



56

jaño, con fertilizaciones para cada cultivo, mayores la necesidad de monitorear las alteraciones en

las condiciones de fertilidad del suelo en la cha-cra. Así, los muestreos deben ser realizados enintervalos de 1 a 3 años, condicionados por unaponderación costo-benecio. En este aspecto, sedebe tener presente que el punto fuerte de la agri-cultura de precisión es el perfeccionamiento delproceso decisorio en el manejo de la propiedadagrícola como un todo y no apenas en la aplica-

ción de tecnologías disponibles para el suministrode nutrientes. Desde este punto de vista, parte delretorno de inversión en muestreo del suelo no seráinmediato, sino proveniente de las mejoras en lasdecisiones gerenciales a lo largo del tiempo.

Los demás procedimientos y cuidados requeri-dos en el muestreo georreferenciado son los mis-mos tradicionalmente preconizados para la reco-lección, manipulación y preparación de muestrasde suelo para análisis de fertilidad.

Cabe destacar que la descripción del compor-tamiento espacial por medio de la geoestadísti-ca constituye un enfoque eciente para atributoscuya variabilidad depende esencialmente de pro-cesos naturales (ejemplo: aquellos asociados a lascaracterística de formación del suelo, como la tex-tura y la mineralogía) y que tienden a permanecerestables a lo largo del tiempo. Existen aspectosque tornan más compleja la caracterización dela variabilidad del suelo en áreas agrícolas, espe-cialmente en el caso de la fertilidad química (porejemplo: niveles de los nutrientes). La distribuciónespacial de lugares que tuvieran alterados los ni-veles de nutrientes por fallas o manejo nutricional

pnutrientes. Muestras extraídas en lugares con con-diciones muy diferentes dentro de la chacra y nin-

guna expresión en términos de área (outliers), inu-yen en el procedimiento de interpolación y puedendistorsionar los mapas de fertilidad.

En áreas extensas de cultivos anuales en ElCerrado brasilero, parte de los muestreos paraagricultura de precisión aún son realizados en gri-llas poco densas, siendo frecuente la denición detamaños de la cuadrícula por encima de 4 hec-

táreas. En esta situación, las estimaciones de va-lores de atributos del suelo para lugares situadosentre los puntos de muestreo pueden ser muydiferentes a la realidad, con perjuicio para la cali-dad del manejo con agricultura de precisión. Paraminimizar este problema, Giménez y Zancanaro(2012) sugieren que se utilice un muestreo en cel-das, en el cual cada celda corresponde a una cua-

drícula del muestreo en grillas donde se recopilan20 muestras simples recorriendo toda el área. Elvalor así obtenido para un determinado atributopasa a constituir el valor medio para el área totalde aquella celda y no se hace interpolación. Deeste modo, se elimina la posibilidad de que unamuestra problemática afecte la conformación delmapa diagnóstico, ya que el valor de una celda noestá relacionado a los de las celdas vecinas paracomponer ese mapa.

Consideraciones nalesCon las fertilizaciones (y sus fallas) a cada culti-

vo, se acumulan interferencias que llevan a modi-car los patrones de variabilidad en una misma áreaa lo largo del tiempo. Así, difícilmente los patrones

espaciales encontrados para los atributos de ferti-lidad química del suelo en un área sean extrapola-bles para otras o se mantengan inalterados con el

manejables con el uso de correctivos y fertilizan-tes constituyen apenas una parte de los condi-cionantes de la productividad nal de una chacra.



57 PARTE 1

p gpaso del tiempo. De esto se deriva, entonces, quela agricultura de precisión en el manejo del sue-

lo debe volcarse para el monitoreo de chacras enuna perspectiva de ajustes continuos a lo largo deltiempo, y utilizarse no solo para muestreos periódi-cos del suelo, sino también como una herramientaque agregue y permita detallar información sobrela variabilidad espacial y temporal en las áreas decultivo.

Como lo descrito anteriormente, el mapeo queutiliza muestreo en cuadrículas presenta imperfec-ciones y los aspectos económicos de este proce-dimiento podrían inviabilizar la continuidad de laagricultura de precisión en fertilidad del suelo enlos modelos actuales, a medida que las gananciasnancieras del productor se tornen menos com-pensadas después de las primeras intervenciones.Es sabido que la productividad en diferentes par-tes de una chacra depende de las característicasdel terreno (posición en el relieve, tipo de suelo,textura, capacidad de retención de humedad, etc.)que interactúan o inuyen en la fertilidad químicadel suelo. Por lo tanto, un diagnóstico preliminarde las causas de variación de la productividad po-sibilita orientar el muestreo, reducir el número depuntos de recolección y optimizar costos, además

de mejorar la calidad de la información expresadaen los mapas de fertilidad y aumentar la conanzaen la toma de decisiones sobre el manejo localiza-do de fertilización.

Raramente se verica una alta correlación en-tre un factor de producción aislado, sea edáco ono, con la productividad. Así, los factores de pro-ducción relacionados con la fertilidad del suelo y

p Atributos físicos del suelo, como textura, densi-dad, porosidad y capacidad de almacenamiento

de agua, pueden tener gran importancia relativaen la determinación de la productividad, así comootros abióticos y bióticos que no siempre sonconsiderados en la agricultura de precisión. Esoshechos refuerzan la necesidad de trabajar con unenfoque transdisciplinario al aplicar agricultura deprecisión, buscando aprovechar mejor su poten-cial para obtener mayor eciencia en el gerencia-miento de la propiedad agrícola.

1.6. Técnicas avanzadas de análisispara los cultivos a tiempo real.R d ig Q i t

El principal objetivo de la actividad agrícola esla producción nal, los primeros captadores queaparecieron en el mercado fueron sistemas capa-



58

Rodrigo Quintana

IntroducciónLas nuevas tecnologías puestas al alcance del

agricultor, ligadas con la agricultura de precisión,están diseñadas para comportarse como visiónsuplementaria (captadores instalados sobre losequipos o sobre los satélites), encargadas de ob-servar los cultivos y generar información para laelaboración de las bases de datos, herramientasimprescindibles para ayudar en la toma de deci-siones en el sistema productivo. Además, estatecnología actúa como una memoria suplemen-taria para el almacenamiento y análisis (Sistemasde Información Geográca) de la masa de informa-ción generada por los captadores.

La utilización de captadores, en su funciónprincipal de multiplicadores de los ojos del agri-cultor, debe suponer un sistema de adquisición deinformación intrapredial de forma exhaustiva, sinintervención humana y al menor costo. La infor-mación (cualitativa o cuantitativa) generada por loscaptadores puede hacer referencia a:

• Planta• Suelo• Enfermedades• Clima

ces de determinar las variaciones de rendimientoen el interior de la parcela.

En este contexto, para enfrentar esos nuevosdesafíos, se necesitan diversas tecnologías queentreguen información desde el suelo, la planta y elambiente para detectar y cuanticar la variabilidadnatural e inducida de los huertos, para así poderestabilizar y mejorar los rendimientos y la calidadde los cultivos.

Para ello se explicarán los diversos equipos in-tegradores en la cadena de producción y su im-portancia de cada uno de ellos.

Medición de las propiedades del suelotravés del uso de equipo de conductividadeléctrica

La conductibilidad eléctrica (CE) de los sue-los puede denirse como la aptitud de éstos paratransmitir la corriente eléctrica. Múltiples factorescontribuyen a la variabilidad de la CE, tales como:los que afectan la conectividad de agua en el sue-lo, la agregación del suelo (agentes cementantescomo arcillas, materia orgánica y estructura delsuelo), electrolitos en la solución del agua (salini-dad, iones, contenido de humedad del suelo, y

temperatura del suelo), y la conductividad de lafase mineral (tipo y cantidad de minerales).Las mediciones espaciales de la CE han sido

reportadas como un potencial indicador de la va-riación de la producción de los cultivos, causadapor diferencias en el agua del suelo. En algunoscasos, la CE puede ser directamente correlacio-nada con la propiedad física y la química del suelo

Rodrigo QuintanaInvestigador del Instituto Nacional de Investigación Agropecuaria (INIA) [email protected]

so natural) y bien desarrolladas se pueden delimitarutilizando los estudios de suelos de escala regionalmunicipal, sin embargo, el estudio de la distribución



59 PARTE 1

como la localización de un horizonte impermeable,la textura, la salinidad, el agua, la materia orgáni-ca, los metales, entre otros. Por ejemplo, existensensores que miden esta CE a través del contactodirecto con el suelo como VERIS 3100, EM38, etc.

Este valor puede ser usado para inferir propie-dades físicas como la textura, puesto que la CEaumenta con el aumento en el contenido de arcilla.Los resultados de esta medición no son absolutosya que la CE varía, además, con el contenido deagua, las sales disueltas y la temperatura del sue-lo. Los datos obtenidos a partir de la medición deCE son útiles para el diseño de sistemas de riegoy orientar el muestreo de suelos para análisis físicoy químico.

Mediciones de compactación espacial desuelo

La compactación excesiva es probablementemás extensiva de lo que se piensa por el incremen-to en el uso de la labranza pesada y cosechadoraspesadas y también por el uso intensivo del suelo.Las áreas de suelos con capas cementadas (proce-

de los suelos altamente susceptibles de compacta-ción o al sellamiento (inducido por el hombre) con -

nes de manejo y recuperación, requiere de estudiosdetallados y ultra detallados y el empleo de otrosmétodos e índices para su evaluación ya que es-tos problemas no son predecibles a través de lasUnidades Pedológicas de Suelos. Esto permitirá ar-monizar las cualidades del suelo (posibilidades depenetración y circulación de uidos, retención dehumedad, capacidad de enraizamiento, susceptibi-

lidad a la degradación física y química, etc.) y prácti-cas agronómicas con los requerimientos del cultivoen función de su variación en el campo para maxi-mizar el margen de ganancias evitando los dañosexcesivos. Para ello hay novedosos equipos queutilizan diversas técnicas de medición en las cualesse detallan a continuación.9

Equipo de medición mediante resistenciamecánica

El sensor está conformado por un transductoroctagonal de anillos extendidos (EORT), acopladoa un órgano de trabajo del tipo escaricador alado.La resistencia o impedancia mecánica del suelo esmedida por el transductor, para posteriormente

correlacionarla con su estado de densicación ocompactación.10

9 Fuente: Captación y segmentación de suelos. Universidad Nacional deColombia. Junio 2014: http://www.virtual.unal.edu.co/cursos/sedes/palmi-ra/2057/lecciones/subleccion35.html10 Fuente: Revista Ciencias Técnicas Agropecuarias. Desarrollo de unsensor para la medición continúa de la compactación del suelo.Junio 2014: http://scielo.sld.cu/scielo.php?pid=S2071-00542011000100001&script=sci_arttext

Figura 1. Sistema EM38 y desarrollo de Mapa de ConductividadEléctrica de Suelo

Fundamentación del sensorEl principio de funcionamiento del sensor a de-

sarrollar se basa en el sensoramiento de las ten-



60

siones del suelo, es decir se clasica como un sen-sor de fuerzas verticales y horizontales. El sensorestá conformado por un órgano de trabajo del tipoescaricador alado, y un transductor octagonal deanillos extendidos.

Al interactuar la reja y la parte frontal del bra-zo o soporte del sensor con el suelo, este últimoacciona el transductor octagonal deformándolo deforma tal que se puede determinar mediante la ex-tensometría, las fuerzas o resistencia que opone el

Figura 2. Sensor de compactación desarrollado en el Centro deInvestigaciones Agropecuarias (CEMA), de la Universidad Agraria deLa Habana (UNAH)

Figura 3: Sistema EM38 y desarrollo de Mapa de Compactación de Suelo. Fuente: Proyecto INIA-FIA Agricultura de Precisión en Frutales (2013)

suelo al ser cortado, tanto en el eje vertical comohorizontal, generando mapas de compactaciónque son muy útiles para mejorar la condición deldesarrollo de los cultivos11

Medición espacial de materia orgánica desuelos

Actualmente la empresa Veris, generó equipos



61 PARTE 1

desarrollo de los cultivos.11

Medición portable de compactación desuelo con sensor ultrasónico

El equipo ultrasónico de profundidad tomalecturas en incrementos de 2.5 cm mientrasque la celda de carga mide la resistencia a lapenetración.

• Los datos de compactación se muestran en

PSI o kPA.• Permite tomar lecturas geo-referenciadas decompactación de suelo.

• Registra hasta 722 perles (579 con la opciónGPS/DGPS**).12

11 Ídem 1012 Fuente: Junio 2014: http://www.solostocks.com.ar/

para determinar en forma no destructiva la MateriaOrgánica (MO) del suelo, generando planos espa-ciales de ésta información, el equipo es denomi-nado OpticMapper, recoge datos de alta calidad,rápida y fácil de procesar.

El Veris OpticMapper tiene un sensor óptico dedoble longitud de onda montado dentro de unala plantadora, congurado especialmente-por de-bajo de los residuos de cultivos y la supercie delsuelo seco.

Las mediciones del suelo se adquieren a tra-vés de una ventana de zaro en la parte inferiordel pie de equipo, en el surco. Las lecturas serecogen una vez por segundo y conectados a suubicación geográca por un GPS. La profundidadde medición es ajustada entre 1 a 3 pulgadas(2.5 a 7.6 cm).

Figura 4: Sensor Óptico Veris para determinar materia orgánica de suelos

Mediciones nutricionalesLa absorción de nutrientes de cada cultivo

responde a una serie de factores dentro de losl i l l d ió l d i



62

cuales se incluyen, la producción total de materiaseca (crecimiento anual), fenología del crecimien-to anual, disponibilidad de nutrientes en el suelo(fracción soluble del suelo), condiciones de manejoque favorecen la sincronía de crecimiento con lasincronía de absorción de los elementos necesa-rios en las cantidades adecuadas para evitar des-equilibrios y problemas siológicos y/o de calidaddel producto cosechado.

Los métodos tradicionales utilizan muestreosdirigidos, que son certeros pero ocupan muchotiempo y recursos para obtener la información,a veces esa información llega a destiempo paracumplir el objetivo que es entregar informaciónoportuna.

El interés de evaluar la evolución de nutrientesen el suelo permite conocer por balance de ma-sas la relación del agua en el suelo (acumulaciónmáxima de agua en el suelo-acumulación parcialde agua en cada momento de evaluación) con laconcentración de nutrientes (relación de masade nutrientes en volumen de agua) en cadaperl, los cambios nutricionales generados porla extracción de la planta (extracción fenológi-ca diferencial) y por los mecanismos de pérdida(principalmente de lixiviación determinadas conextractómetros de solución de suelo). Para ellose instalan extractómetros a diferentes profundi-dades según el patrón de localización de raícesen cada zona de evaluación (Figura 5). Así sepuede determinar en forma más aproximada losmomentos en los cuales es necesario aumentaro disminuir la cantidad de aplicación de nutrien-tes en función del objetivo de crecimiento que

se busca en cada periodo fenológico, ademásse pueden analizar en forma espacial generán-dose mapas espaciales de deciencia de cadaelemento faltante.

A través de este sistema, se obtienen planosespaciales de elementos que puedan estar en dé-cit o en exceso, ejemplo de ello se demuestra enla Figura 6.

Figura 5. Sistema de monitoreo permanente de la solución del suelousando extractómetros



63 PARTE 1

Equipos de medición química foliar El manejo adecuado de los niveles de nutrientes

es fundamental para asegurar una óptima fertilizacióny producción en sus cultivos. Para obtener medicio-nes in situ, existe un equipo llamado Kit Multi Ión.

El sistema Multi Ión permite conocer los nive-les exactos de la mayoría de macro nutrientes atiempo real con los benecios a nivel agronómico ytécnico que esto supone. Las mediciones a tiem-po real permiten el control exhaustivo al agricultorpara actuar en forma rápida y especíca sobre sucultivo, sin necesidad de enviar muestras al labo-ratorio para su análisis.

Figura 6. Distribución espacial de cada elemento, ejemplo en huertos de olivos, Chile

Figura 7. Kit Multi Ión

Este sistema no solo permite obtener una rá-pida información, sino que da la ventaja de haceraplicaciones en forma oportuna y diferenciada,asociada a los planos de vigor.

Sistema de medición continua para pH deSuelo

Para la determinación del pH se emplean sen-sores electroquímicos Los sensores son peque

poco tiempo un mapa de la variabilidad del pH desuelo, haciéndolo muy útil para tomar decisionesprecisas para mejorar las condiciones de suelo.



64

sores electroquímicos. Los sensores son peque-ños dispositivos que como resultado de una inte-racción química, el sensor transforma dicha infor-mación química o bioquímica de tipo cuantitativo,entrega una señal medible y útil analíticamente.

La tecnología de sensores electroquímicoses especialmente apropiada para abordar de unmodo económico, rápido y able su interpretación.

Ejemplo de ello es el equipo denominadoMANAGER (MSP), de la empresa Veris.

Balance hídrico del sueloLa humedad del suelo se encuentra siempre en

constantes cambios producidos por diversos fac-tores. Por ejemplo en un mismo campo con igualsuelo e inuencia de las condiciones atmosféricas,la humedad del suelo es desigual. Esta diferenciaestá determinada por el consumo de agua del sue-lo debido a la evapotranspiración de las plantas.

Existen distintos procedimientos para determi-nar el contenido de agua en el suelo y poder rela-cionarlo con las necesidades de agua de las plantasy el riego, que han ido evolucionando al compásdel desarrollo cientíco y tecnológico. En tal senti-do existen diversos equipos de determinación dehumedad de suelo en tiempo real, en este caso secomentaran los sensores de tipo: Reectometría enel Dominio de la Frecuencia (FDR) y Reectometríaen el Dominio del Tiempo (TDR).

Equipos basados en las propiedadesdieléctricas del suelo

Existen básicamente dos clases de instru-mentos que utilizan esta técnica para determinarla humedad volumétrica del suelo (θ v), los deno-

minados TDR y los FDR. Ambos se basan en laspropiedades del suelo como condensador eléctri-co y miden el coeciente dieléctrico aparente deéste (ε ), el cual es fundamentalmente función de lahumedad, dado que el del aire es ε ≈ 1, el de lossólidos del suelo esε ≈ 2-5 y el del agua esε ≈ 80.

El coeciente dieléctrico del suelo también varíacon la temperatura y con la salinidad, pero su in-

Figura 8. Equipo MANAGER (MSP), para determinación del pH en suelo

El equipo está constituido por un cilindro hi-dráulico que se penetra en el canal del surco re-cogiendo el suelo que luego es presionado contralos electrodos de pH. Después de unos segundosel pié del equipo se baja nuevamente para recogermás suelo. Mientras lo hace, la nueva tierra queviene en la muestra mueve el suelo anterior a laparte trasera de las boquillas de pulverización deartesa y los pies del arado a limpiar los electrodosde pH. En resumen éste equipo permite generar en

uencia suele ser pequeña (temperatura 4 °C) ex-cepto en las proximidades a la supercie del suelo,por lo que no se precisan correcciones en la ma-yoría de los casos.

do el generador de pulsos de radiofrecuencia, elosciloscopio analizador de pulsos y el procesadorde datos. Miden la humedad volumétrica del suelocon un margen de error del 1-5%.



65 PARTE 1

y

Sensores de reectometría en el dominiodel tiempo

Miden el coeciente dieléctrico del suelo (ε ) apartir del tiempo de recorrido de un pulso elec-tromagnético a lo largo de varillas de acero quese introducen en el suelo y que sirven de guía alas ondas.

Los equipos se componen de una sonda por-ta-varillas que se entierran al suelo, un cable deconexión y un cuerpo central, donde va instala-

gLa zona de medida es la comprendida entre las

varillas de acero (2, 3 ó 4 modelos), tal y como seaprecia en el esquema (Figura 7) y a lo largo detoda su longitud.

Para medidas en supercie no requieren lainstalación de elementos permanentes en el sue-lo, pero para medidas en profundidad hay querealizar un acceso e instalar más o menos perma-nentemente las sondas. Una dicultad práctica

importante es que la distancia entre la sonda yel instrumento registrador se limita a longitudesinferiores a 25 m.

Figura 9. Distintos tipos de sondas TDR y zona de medida con 2, 3 ó 4 varillas

también genera problemas, principalmente enlas medidas superciales.

La zona de inuencia, sobre la que se reali-za la medida (Figura 9) corresponde a unos 10



66

Sensores de Reectometría en el Dominiode la Frecuencia

Son también conocidos como sensores decapacitancia ya que utilizan esta propiedad paramedir el coeciente dieléctrico (ε ) de la matriz delsuelo. Determinando la capacitancia se obtiene laconstante dieléctrica y, en consecuencia, la esti-mación del contenido de agua del suelo.

El sistema FDR plantea una serie de incon-venientes. El más importante es el escaso devolumen del suelo al que se reeren las deter-minaciones de la capacitancia, lo que obliga auna perfecta y costosa instalación del tubo deacceso a la sonda, requiere además de que endicha fracción de suelo no haya materiales ex-traños como piedras o raíces y que no existaseparación entre el tubo y el suelo, ya que lainterferencia del aire inuye sobre la calidad dela medida. La existencia de grietas en el suelo

za la medida (Figura 9), corresponde a unos 10cm en altura (5 por encima del sensor y 5 pordebajo) y aproximadamente 7 cm de radio, sibien es en los primeros 3 cm es donde se mideel 90% de la señal. Por ello, la instalación deltubo de acceso debe ser muy cuidadosa, a nde que exista un completo contacto de la pareddel tubo con el suelo y evitar que queden huecosque darían lecturas falsas, tanto si se llenan deaire o de agua, dadas las diferencias de coe-ciente dieléctrico.

Tanto los sensores TDR como los FDR, re-quieren transformar la señal medida a valores dehumedad volumétrica mediante un calibrado, elcual se realiza internamente en el procesador dedatos. En la mayoría de suelos es suciente conla calibración estándar (precisión del 5%), aun-que dicha ecuación de calibración necesite ajus-tes especícos para suelos de mucha materiaorgánica, muy arcillosos o salinos, pudiéndoseconseguir entonces precisión en torno al 1-2 %.Son resistentes, estables y de respuesta rápida.Necesitan poco mantenimiento pero son de cos-te elevado. Tienen poca limitación en cuanto ala longitud del cable (400 m) y permiten instalar

en una sola sonda varios sensores a diferentesprofundidades.En la gestión del manejo del riego, la gran ven-

taja de los instrumentos multisensor es el propor-cionar la posibilidad de un registro “casi continuo”de datos a distintas profundidades del suelo y enla mayoría de los casos, puede ser suciente ana-lizar la tendencia que sigue el contenido de agua,

Figura 10. Evolución estacional del contenido de humedad delsuelo (%v/v), medido con TDR, a distintas profundidades para lostratamientos de riego con kc = 0.45 (izquierda) y secano kc = 0.0(derecha)

para lo cual no se necesita de una calibraciónespecíca.

Muchos de los equipos FDR comerciales llevanasociados programas grácos para análisis de los

procedimiento es necesario denir un límite supe-rior (paro riego) y un límite inferior (inicio riego) decontenido de agua para la profundidad de suelocorrespondiente a la ubicación del sistema radicu-



67 PARTE 1

p g g pdatos, en los que la humedad se puede presen-

tar sensor a sensor o de forma acumulada en losdistintos sensores, indicando así el agua almace-nada en una cierta capa de suelo. Mediante estosgrácos se puede obtener una idea del consumodiario por parte de las raíces y los intervalos noc-turnos, tramos horizontales, en los que apenashay extracción de agua (Figura 11 A y B). Comoya se comentó, para el manejo del riego por este

plar activo, que en el caso de la vid puede llegar a 2

m, aún cuando en la mayoría de las situaciones enregadío una alta proporción de la extracción totalde agua ocurre en los 50-100 cm.

Sistema de termografía para detección deestrés hídrico

Las plantas requieren un aporte continuado de

agua que reemplace la que se evapora principal-mente desde las hojas. Este requisito se debe aque las hojas están expuestas a una fuerte deman-da evaporativa (ujos de radiación solar y térmicay aire caliente y seco) mientras que la supercieinterna está saturada de vapor de agua. Para queel dióxido de carbono entre en las hojas los esto-mas deben de estar abiertos, lo cual permite queel vapor de agua escape libremente desde el inte-rior de la hoja siguiendo el gradiente de presión devapor. Para mantener el ujo del agua sin que seproduzca la deshidratación del tejido, las plantashan desarrollado elaborados sistemas de capta-ción y transporte de agua. La Figura 12 muestraun esquema del sistema suelo-agua- planta y susinteracciones.

Un pequeño desfase en el proceso de trans-porte en respuesta a las alteraciones en el abaste-cimiento de agua desde el suelo o en la demandaatmosférica provoca un décit hídrico en la plantalo cual es dañino para la planta. Es posible carac-terizar el estado del agua en la planta en términosenergéticos, evaluando su potencial hídrico.

Figura 11: Monitoreo de Riego a través de sensores de humedadde suelo. A) Representación de la humedad volumétrica del suelomediante sensor FDR y B) Decisión de riego en función del nivel deestrés considerado

Sistema de evaluación hídrica mediantetermografía infrarroja

El potencial hídrico foliar (YL) es una variable co-múnmente utilizada para evaluar el estado hídrico



68

pde las plantas. El método estándar para realizar esta

medición es el de la cámara de presión o Scholanderque brinda valores precisos del YL, pero tiene la des-ventaja de ser destructivo y lento. Por esto resultapoco práctico a la hora de medir grandes superciescomo se requiere en la agricultura de precisión. Dadala variabilidad espacial que presentan los cultivos, laestimación remota del potencial hídrico se convierteen una herramienta fundamental para diseñar estra-

tegias de riego sitios-especícos, importantes paraoptimizar el uso del agua de riego para la obtenciónde la producción y la calidad.

Figura 12. Esquema del sistema suelo-planta-aire Figura 13. Cámara térmica portátil marca Fluke modelo TI 4

Fundamento teórico de la aplicación de éstatecnología:

Como indicador del estatus hídrico derivado dela obtención de imágenes termográcas, se utilizal “í d d é híd d l ”



69 PARTE 1

el “índice de estrés hídrico de cultivo” o CWSI, se-

gún la relación propuesta por Jones (1999), siendoexpresado como:

Donde, para una particular condición de décitde presión de vapor,

Temperatura foliar o de canopia promedio.

Temperatura mínima de canopia para el culti-vo (no estresado).

Temperatura máxima de canopia para el cul-tivo (estresado).

Un CWSI con un valor de 0 indica que el cultivono presenta estrés hídrico, mientras que un CWSIde 1, signica un estrés hídrico máximo para cadacultivo.

Uso de dendrómetros para monitorear eldiámetro de troncos y frutos

La medición del diámetro del tronco y del fruto,es necesario para dar seguimiento a los cultivos ensus variaciones, tanto diurnas como nocturnas enel contenido de agua. El diámetro del tronco dismi-nuye durante el día porque las plantas pierden másagua por la transpiración que la que ellas puedenabsorber. En la noche cuando hay poca perdidade agua los troncos aumentan en diámetro debidoa la absorción y al almacenamiento del agua.

Sensores no destructivos para medircalidad en alimentos funcionales

En la actualidad, la espectroscopia se utilizacomo una herramienta no destructiva para deter-minar características organolépticas de la fruta aser cosechada o en el árbol. Su funcionamiento sesustenta en el desarrollo de calibraciones entre unanálisis de referencia del compuesto a ser medidoen relación a la del sensor que puede ser en elespectro del Infrarrojo Cercano (NIR), Ultravioleta(UV), Ultrasónico, entre otros. Un ejemplo del usode este tipo de instrumentos, se encuentra en laindustria de vino, en donde se utiliza para la cuan-ticación de distintas variables químicas para de-

terminar la calidad de la uva a vinicar. Ejemplo deello, unas de las variables que se puede determi-nar son: °Brix, pH, acidez titulable, contenido fe-nólico y color. La gran ventaja de estos equiposes la gran rapidez de medición (2 a 3 segundosaproximadamente) y la posibilidad de evaluar evo-luciones en campo que permiten realizar gestiónde manejo.

Figura 14: Dendrómetros automatizados para medición de crecimientodel tronco y de frutos



70

Sin desmedro que existen diferentes tipos deequipos que se utilizan en campo debe estudiar-se o validarse las curvas de calibración necesariaspara su uso masivo en la mayoría de los frutales.Hoy en día en el contexto internacional se está tra-bajando en el desarrollo de medición dinámica conestos tipos de equipos.

Finalmente, el equipamiento asociado a la

agricultura de precisión permite generar solucio-nes a los problemas, al tener como uno de susfundamentos de trabajo el considerar la variación

espacial y temporal de predios para llevar a caboel manejo del mismo (manejo de sitio-especíco)acorde al conocimiento integral del predio. Porotra parte, al hacer uso de instrumental asociadoa sensores y teledetección asociado a los avancesde la informática, hace posible el estudio de áreasextensas, permitiendo la generación de informa-ción clave para el control y manejo de los huertos

que permitirán maximizar el rendimiento y la cali-dad que repercutirán en la mayor rentabilidad desistema productivo.

Figura 15. Equipo de medición de calidad de fruta NIR y sensor de Multiplex UV.



RO2

004322

LUN45

3122



RO2004322

PARTE 2

2.1. Creación de mapas de manejocon datos espacialesElena Charlotte Landau, Ziany Neiva Brandão, CarlaMoreira de Faria

el proceso de gerenciamiento de campo, lo cualposibilita una adecuada toma de decisiones.

Los datos muestreados en el campo por losprofesionales de diversas áreas del conocimientofrecuentemente presentan diferencias en términos



74

IntroducciónLa agricultura de precisión abarca la combina-

ción de diversas tecnologías e informaciones, e in-cluye: datos recogidos en campo (característicasfísicas y químicas del suelo, topografía, datos deproductividad), datos derivados de la interpreta-ción de imágenes satelitales (variabilidad espacialy/o temporal del cultivo) y la generación de mapascon prescripciones de aplicación de insumos. Apartir de la integración espacial (geográca) y/o

temporal de los distintos datos, se pretende op-timizar el rendimiento económico y reducir los im-pactos ambientales en el área de producción. Laintegración espacial de información multidiscipli-naria requiere el involucramiento de un profesionalcon conocimiento en el área de sistemas de infor-mación geográca (SIG), que actúe en contactodirecto con los otros profesionales necesarios en

frecuentemente presentan diferencias en términos

del nivel de detalle (resolución espacial) y escala,aspectos relacionados con el método de mues-treo u obtención de cada tipo de información. Elprofesional del área de SIG es el responsable deefectuar los cambios necesarios para organizar lainformación sobre un determinado lugar en forma-to de mapas, para una mejor comprensión y acce-sibilidad de los datos obtenidos. Esto permitirá laposterior integración espacial de esos datos multi-disciplinarios y la identicación de patrones, lo quecontribuye a la generación de mapas de manejodel área cultivada.

El acceso a los datos, que incluye los resulta-dos del modelaje, se extiende entonces a un “sis-tema de decisión” o herramienta de decisión queutiliza una mezcla de modelos del proceso y dedatos biofísicos y bioquímicos obtenidos en lasevaluaciones. De esta manera, existe la necesidadde un sistema de modelaje con SIG que sea inte-gral y que permita a los productores agrícolas, entiempo y forma, la comprensión de la variabilidadespacial de los atributos evaluados, para mejorarel gerenciamiento y para una adecuada toma dedecisiones en la búsqueda del aumento de la pro-ductividad y de la rentabilidad.

Sistemas de información geográca parael mapeo en la agricultura de precisión

La agricultura de precisión se basa en el ge-renciamiento localizado de sistemas agrícolas,utilizando recursos tales como mapeo de factoresde producción, herramientas de soporte para las

Elena Charlotte LandauEmbrapa Milho e Sorgo. Sete Lagoas-MG, [email protected]

Ziany Neiva BrandãoEmbrapa Algodão. Campina Grande-PB, [email protected]

Carla Moreira de FariaEmbrapa Milho e Sorgo. Sete Lagoas-MG, [email protected]

decisiones y de aplicación localizada de insumos.Una de las principales herramientas de la agricul-tura de precisión es el mapa de rendimiento ob-tenido a partir de datos registrados en el campo.Este mapa posibilita evaluar el proceso productivo

recomienda el uso de ltros, la realización de unanálisis de consistencia, o incluso la exclusión dedatos erróneos (Sudduth y Drummond, 2007).

Considerando los factores que inuyen en laproductividad y la importancia de los mapas en



75 PARTE 2

y sirve de base para la planicación de las estrate-gias de gestión.El mapa de rendimiento es la representación

gráca de un conjunto de puntos distribuidos es-pacialmente en el área cultivada, que indican laproductividad obtenida en cada uno de los puntosmuestreados subsecuentemente. Este conjuntode puntos puede ser interpolado para la obtención

de un mapa de supercie y así representar el mo-mento de la cosecha en una determinada área.La productividad de un cultivo depende de

varios factores como: la variedad utilizada, el mo-mento de la siembra, la dosis de siembra, las prác-ticas de cultivo adoptadas, el control de plagas uti-lizado, el tipo de suelo, la variación de nutrientesen el suelo, la disponibilidad de agua, los efectos

del clima y los cultivos anteriormente plantados –además del propio objetivo de producción actualy otras variables relacionadas con la habilidad decada productor en particular. Todos estos paráme-tros inuyen en el potencial productivo del cultivoy pueden generar discrepancias que necesitan deanálisis en profundidad, antes de la toma de deci-sión para futuras cosechas (Brandão et al., 2014).

Así, el mapa de rendimiento indica la productividadresultante y no las causas de las variaciones en laproductividad.

Además de considerar los datos de productivi-dad registrados inicialmente, es necesario realizarun análisis criterioso del proceso productivo paraeliminar datos tendenciosos, imprecisos o incohe-rentes provenientes de cada local, para lo cual se

p y p p

la toma de decisiones para plantaciones poste-riores, muchos autores deenden no sólo la crea-ción de un mapa instantáneo sino la necesidadde crearlo dentro de un sistema de gestión quealmacene una base histórica de algunos años, enla que todos los parámetros disponibles sobre elárea deben ser considerados. En este sentido, esaconsejable la evaluación comparativa de la infor-mación recopilada en diversas cosechas con el nde llegar a una conclusión posible respecto a unproblema especíco. De esa forma, los mapas derendimiento también posibilitarían la evaluación delos efectos de diferentes prácticas agrícolas en laproducción, lo que podría auxiliar en las investiga-ciones o incluso en los tests de campo realizadospor el propio productor.

Corrección de errores y compromiso conla precisión

A los profesionales de SIG les corresponde latarea de introducir todos los datos en el sistemade gerenciamiento. El mapeo del histórico del áreaposee una amplia gama de métodos utilizados enla captura de los datos. La falta de estandarización

entre los softwares utilizados en equipamientos ysensores garantiza trabajo extra en esa tarea, locual la vuelve relativamente compleja.

Los mapas de rendimiento muestran errorescomunes que están bien denidos y descritos en laliteratura, como por ejemplo: errores de posiciona-miento geográco, tiempo de llegada de granos alsensor, cambios bruscos de velocidad, etc., lo que



76

hace que sea esencial la remoción o minimizaciónde sus efectos (Figura 1). Actualmente, no existeun método estándar para la corrección de datosde rendimiento, a pesar de que se han sugerido di-ferentes técnicas de ltrado o detección para tratarerrores especícos (Sudduth y Drummond, 2007).

En algunos casos, los datos están en forma-tos que no son digitales, como mapas en papel,que es preciso digitalizar. Otras veces, la preci-sión de los equipos es variable, y se hace nece-sario estandarizar el tamaño de las muestras. Unejemplo típico es la recolección de datos a través

Figura 1. Ejemplos de fuentes de errores en registros de rendimiento de maíz obtenidos en dos áreas experimentales: a) y c) representan errores deposicionamiento y de cambios en la velocidad, lo que resulta en el registro de las y puntos no paralelos y puntos de una misma la de siembra noequidistantes; b) y d) representan los efectos de los errores de muestreo en los valores de productividad registrados (Figuras originales. Fuentes dedatos: Mantovani et al., 2004 y Coelho et al., 2013)

del Sistema Global de Navegación por Satélite(GNSS), ya que existen cuatro sistemas en ope-ración: GPS (Estados Unidos), GLONASS (Rusia),Galileo (Unión Europea) y Beidou (China).

Además de esto, existen tres categorías de re-

compararlos posteriormente con imágenes. La de-nición del tamaño de la muestra y de la cantidadde submuestras debe ser altamente estudiadapara garantizar que sea compatible con el tama-ño del respectivo píxel en la imagen. El muestreoi t li t id l i bilid d d i bl



77 PARTE 2

ceptores: los de navegación con precisión métrica,los topográcos con precisión centimétrica y losgeodésicos con precisión milimétrica. Por ejemplo,los receptores RTK instalados en tractores para elmapeo de rendimiento o incluso para la aplicación deinsumos, otorgan precisión en milímetros; mientrasque otros equipos portátiles, como clorolómetros osensores de nitrógeno en las hojas, utilizan recepto-res de navegación con errores de entre 3 y 10 m,dependiendo de la región y de las condiciones at-mosféricas en el momento de recopilar los datos.

Por su parte, la variación en la precisión del po-sicionamiento geográco se relaciona con la dife-rencia de sincronización entre el reloj atómico delos satélites y el reloj digital instalado en los recep-tores, al considerar que la señal toma 0,7 s para

viajar del satélite hasta el receptor. Así, un error de1 ns (un nanosegundo) en la sincronización deltiempo, causa un error de 30 cm en términos deposicionamiento geográco.

El procesamiento adecuado de los datos bus-ca garantizar una mayor conabilidad de los ma-pas resultantes. La interpretación de fotografíasaéreas, imágenes capturadas por sensores en

aviones, planeadores y VANT (vehículos aéreosno tripulados), e imágenes satelitales de alta re-solución (píxel de 1 m o menos), debe ser muycuidadosa no solo durante la recolección de datossino también en la etapa de planicación para larecolección de las muestras.

Esto es imprescindible cuando se recogen losdatos del suelo o de las plantas con la intención de

inteligente considera la variabilidad de variablesindicativas para alterar la densidad del muestreo(como la topografía, color del suelo, pH, Ca); osea, lugares de gran variabilidad deben ser mues-treados con mayor intensidad.

Si los errores no fueran corregidos adecuada-mente, los usuarios de los mapas podrían llegar aconclusiones erróneas y así poner en riesgo la cre-

dibilidad y la validez de los resultados. Por ejemplo Thyle’n et al. (2001) describieron que removieronde 10 % a 50 % de las mediciones realizadas enun experimento de campo al usar diferentes algo-ritmos y técnicas de ltrado. De esta manera, loserrores pueden tener un fuerte efecto sobre la dis-tribución de la productividad resultante, especial-mente al utilizar métodos de interpolación.

Solo después del adecuado procesamientode los datos y de su georreferenciamiento precisoserá posible obtener varios mapas de un mismolocal que contengan información sobre diversosparámetros relevantes para el análisis agronómicoy la toma de decisiones con mayor seguridad.

Mientras tanto, la identicación y corrección desupuestos errores no siempre es fácil. Registros de

rendimiento fuera de las las de siembra puedenobtenerse cuando las cosechadoras realizan ma-niobras de descarga de granos, resultando en undesplazamiento transversal a las las de siembra.Normalmente, las las de siembra presentan irregu-laridades en el borde del cultivo, lo que puede estarrelacionado con el cambio en la dirección y la velo-cidad de la cosechadora en el intervalo entre las de

siembra muestreadas sucesivamente. En otros ca-sos, ese tipo de irregularidad puede ser el resultadode problemas siológicos que son consecuencia dela inuencia de factores abióticos o bióticos sobre elborde del cultivo, como mayor exposición al vientoy al sol crecimiento mayor de plantas espontáneas

en la denición de recomendaciones a ser reali-zadas en cultivos posteriores en esas áreas deproducción.

Los mapas de rendimiento pueden presentarlos datos en tres formatos básicos:



78

y al sol, crecimiento mayor de plantas espontáneasen ese ambiente, etc. Así, en diversas situacioneses difícil armar si los posibles errores están relacio-nados con fallas en la recolección o si representanla variabilidad espacial del área.

Creación de mapas de rendimientoEl mapa de rendimiento es una de las princi-

pales herramientas de la agricultura de precisión,pues sirve para representar claramente las áreashomogéneas en términos de productividad y varia-bilidad espacial en diferentes partes de un cultivoplantado. Para eso, es necesario que la maquina-ria agrícola utilizada en la cosecha posea un sis-tema de registro de datos calibrado de acuerdoal cultivo, con capacidad para almacenar datos

de rendimiento georreferenciados, que permita laexportación de esos datos a efectos de corregirerrores y realizar su procesamiento utilizando SIG.

El mapa de rendimiento presenta informacióndetallada de la producción en distintas áreas delcampo sembrado y posibilita la integración es-pacial con la variación de otros parámetros quepotencialmente inuyen en el desarrollo del cultivo

plantado. Esto permite diagnosticar y corregir lascausas de baja productividad en algunas partesdel área plantada. El rendimiento también es unindicador de éxito o fracaso de las operaciones degerenciamiento o manejo del cultivo, pues resul-ta de la interacción de los diversos factores queinuyen en el desarrollo del cultivo. El nivel de ren-dimiento obtenido en cada lugar será importante

a. Mapa de puntos: representación gráca de losdatos en los puntos de recolección;b. Mapa de supercie continua: derivado de inter-

polaciones geoestadísticas; yc. Mapa de isolíneas: indica áreas con pro-

ductividad semejante, dentro de intervalospredenidos.Los procedimientos frecuentemente utilizados

para el mapeo del rendimiento son:1. Organización de los datos de rendimiento con-

siderando las coordenadas geográcas (latitudy longitud) de los lugares en que fueron efec-tuados los registros de rendimiento por lossensores instalados en la maquinaria agrícolautilizada en la cosecha.

A partir de allí, los datos de rendimiento puedenser georreferenciados a través de un SIG y re-presentados en forma de un mapa de puntos(Figuras 1 y 2a). Se debe tener en cuenta queno será posible representar geográcamenteaquellos registros obtenidos en lugares sin se-ñal de GPS. Los datos recogidos en cada pun-to también pueden ser representados medianteun mapa en forma de grilla o de cuadrículas, enel cual el valor de cada cuadrícula está relacio-nado con el de los puntos situados en la zonacorrespondiente a esa cuadrícula (Figura 2b).

2. Realización de un análisis de calidad de los da-tos mapeados para la corrección de errores yeliminación de puntos con datos discordantes.

Existen diferentes técnicas para identicar valo-res potencialmente erróneos. Los métodos másfrecuentes para eliminar errores graves consis-ten en la identicación de valores absurdos o ex-tremos de rendimiento (nulos, extremadamentealtos o extremadamente bajos muy divergentes

Una vez generado el mapa de rendimiento(variable continua) se hace posible denir tiposde colores y modicar la leyenda de manerade facilitar la comparación de los valores ob-servados con otras características mapeadasen la misma área



79 PARTE 2

altos o extremadamente bajos, muy divergentesde los valores registrados en el entorno, etc.),sin dejar de considerar conjuntamente carac-terísticas que, eventualmente, pueden justicarla ocurrencia de esas divergencias, como porejemplo variaciones de relieve.

3. Someter datos en bruto obtenidos durantela recolección (después de la identicación yremoción de errores) a un análisis de depen-dencia espacial a través de la generación demapas de supercie mediante la interpolaciónde datos especícos de rendimiento. De estemodo se obtiene como resultado la represen-tación de la productividad como variable es-pacialmente continua al considerar datos depuntos cercanos (Figura 2c). Existen diversos

métodos de interpolación que generan mapasresultantes diferentes como por ejemplo: el de“interpolación por el inverso del cuadrado dela distancia” (IQD, por su sigla en inglés), el de“interpolación por ponderación del inverso dela distancia (IDW, por su sigla en inglés) y elde “interpolación geoestadística por kriging ”.Por lo tanto, el mapa resultante dependerá

del método de interpolación denido y de losparámetros adoptados (Figura 3). Cuando seaposible, el método más adecuado para la re-presentación gráca de un área puede ser de-nido a partir de la comparación entre el mapade rendimiento resultante y la variación de lascaracterísticas identicadas a partir de imáge-nes satelitales o fotografías aéreas (Figura 4).

en la misma área.

4. Creación de los mapas de isolíneas a partir delos de supercie y de los de puntos, en queson previamente denidos los valores de ren-dimiento a ser considerados en cada tipo deleyenda (Figura 2d).

Los métodos de interpolación por el inverso dela distancia (I QD) y por ponderación del inverso dela distancia (IDW) son estándar en la mayoría delos softwares de SIG disponibles. Se basan en losvalores de un número predenido de puntos cer-canos, considerando con mayor peso los puntosmás cercanos. La diferencia entre ambos se daen el cálculo de los pesos asignados a los puntoscercanos más próximos.

El método de interpolación geoestadística,también llamado en inglés kriging , se basa en ladependencia espacial de otra variable y, median-te un ajuste por regresión, interpola valores paralugares no medidos con variancia mínima. Así, elanálisis geoestadístico está basado en el conceptode variables espacializadas. Los pesos son deter-minados a partir de un análisis espacial, basadoen el semivariograma, lo que produce un modelode supercie de las mediciones realizadas con elproceso de kriging .13

13 Detalles sobre el procedimiento para análisis geoestadístico y creaciónde mapaskriging utilizando Vesper, estarán disponibles a la brevedad enel Manual de geoestadística en el sitio web de la Red de Agricultura dePrecisión de EMBRAPA, a través del siguiente link:http://www.macroprograma1.cnptia.embrapa.br/redeap2



80

El mapa producido tendrá las característicasde las áreas formadas durante el proceso de inter-polación y servirá de base para la denición de zo-nas de manejo. Shiratsuchi y Machado (2003) uti-lizaron los tres métodos citados más arriba para lacreación de mapas, con el inverso de la distanciay kriging , y demostraron que es posible distanciarlas líneas de recolección de la cosechadora instru-mentada en cosechas posteriores en esa mismaárea. La utilidad de esto está en poder realizar una

recolección asociada a una máquina equipada,con otras sin esos equipamientos (Figura 3).

Brandão et al. (2014) compararon los resulta-dos de la aplicación del método de interpolacióngeoestadística con los obtenidos considerando elíndice de Green NDVI a partir de una imagen aé-rea de la misma área. El modelo deGreen NDVI indica variaciones en la biomasa de la vegetaciónrelacionadas con la concentración de clorola enlas plantas, lo que puede visualizarse en la imagen

Figura 2. Formas de representación del rendimiento registrado en un área cultivada con maíz en el Municipio de Sete Lagoas (Minas Gerais, Brasil)en la zafra 1999/2000: a) mapa de puntos, b) mapa de cuadrículas con 10 m de lado, c) mapa de supercie continua derivado de la interpolaciónutilizando el método IDW, d) mapa de supercie continua con isolíneas cada 2 000 kg/ha (Mapas originales. Fuente de datos: Mantovani et al., 2004)

aérea a través de la variación de la relación entrelas radiaciones verde e infrarroja absorbidas y re-ejadas por el dosel del cultivo. De este modo, losautores demostraron que es posible crear zonasde manejo a partir de imágenes del dosel, y quelos mapas generados con el método de kriging en-



81 PARTE 2

Figura 3. Mapas representativos de la variación espacial de un áreaexperimental: a) mapa de rendimiento obtenido de la cosechadora.Interpolaciones con espacios de cuatro pasadas de la máquina; b)por el inverso de la distancia sin promedio de los puntos centrales;c) porkriging sin promedio; d) porkriging con promedio. Fuente:adaptado de Shiratsuchi & Machado (2003)

Figura 4. Utilización del programa Vesper para la obtención demapas kriging para: a)Green NDVI y b) Productividad mecanizada,recopilados en cultivo comercial de algodón en la Fazenda Pamplona / GO, en la zafra 2011. Fuente: adaptado de Brandão et al. (2014)

os apas ge e ados co e étodo de kriging etre el rendimiento y el deGreen NDVI fueron muysimilares (Figura 4). Sin embargo, como resaltaronlos mismos autores, lo más importante es la ob-servación constante del área de producción y ladelimitación de áreas de manejo considerando lasvariaciones observadas año a año (Brandão et al.2014), cuando las interferencias provocadas por elmanejo o la aplicación de fertilizantes van alteran-do las características morfológicas y nutricionalesdel suelo en el área plantada.

Herramientas para la identicación y elmapeo de zonas de manejo

La zona de manejo se dene como la subre-gión del campo que presenta una combinación

de factores limitantes de la productividad y de lacalidad para la cual se puede aplicar una dosis uni-forme de insumos (Doerge, 2013). Uno de los prin-cipales problemas de la agricultura de precisión esla necesidad de un muestreo en grillas denso a nde detectar la variabilidad espacial del atributo aevaluar. Así, la creación de zonas de manejo (ZM)posibilita la creación de mapas que representen –

de la manera más próxima a la realidad– el área delcultivo estudiado.La aplicación en campo de técnicas de agri-

cultura de precisión se facilita con la generaciónde zonas de manejo, ya que se pueden utilizarlos mismos sistemas de la agricultura convencio-nal para el manejo de los cultivos dentro de unamisma zona de manejo. Así, todos los factores

que afectan el rendimiento del cultivo deben dis-ponerse en una única base, que incluya factorescuantitativos estables (como por ejemplo: tipos desuelo y topografía) y dinámicos (como por ejemplo:la aparición de plantas dañinas, estado nutricionaldel cultivo en la última zafra, etc.).

los datos sobre la variación espacio-temporal delrendimiento del maíz en 1999-2000, 2000-2001 y2001-2002, características físicas y químicas delsuelo (conductividad eléctrica, pH en agua, calcio,magnesio, fósforo, potasio, saturación de alumi-nio, materia orgánica, saturación de bases, hume-



82

, )El uso de esta fuente de conocimiento permite

identicar diferentes zonas de manejo de acuer-do con el historial de producción, lo cual permitirátambién identicar los parámetros más relevantespara diagnosticar y corregir las causas de baja ode menor productividad en determinadas áreasdel cultivo plantado (Figura 5). Esta constataciónes fundamental cuando las diferencias en los nive-les de nutrientes del suelo coinciden con variacio-nes de rendimiento del cultivo analizado.

Para la delimitación de zonas de manejo hansido utilizadas técnicas de análisis estadístico deagrupamiento de datos para posibilitar la identi-cación de la variabilidad de los diversos factoresque afectan el desarrollo del cultivo estudiado.

Esas técnicas pueden clasicarse en dos métodosprincipales: jerárquico y de particionamiento.Los métodos jerárquicos producen una se-

cuencia anidada de clusters , estableciendo una jerarquía entre losclusters de conjuntos de datos,de acuerdo a sus similitudes. Los métodos departicionamiento posibilitan el uso de un conjuntode atributos directamente relacionados con la va-

riabilidad nutricional del área en estudio. Entre losmétodos de agrupamiento utilizados más frecuen-temente para la denición de zonas de manejo seencuentran: K-Means y Fuzzy C-Means (Taylor etal., 2007; Santos et al., 2003; Yan et al., 2007). Enel ejemplo representado en la Figura 5, las zonasde manejo fueron generadas a partir del análisisde componentes principales (PCA), a partir de

gdad) y aspectos de relieve.

Al interpretar un mapa de rendimiento a n derealizar un futuro gerenciamiento del campo se de-ben tener en cuenta, principalmente, las causaspersistentes de variabilidad. La correcta genera-ción e interpretación de datos referentes a la va-riabilidad espacial de los cultivos es la etapa másimportante del proceso de implementación de laagricultura de precisión.



83 PARTE 2

Figura 5. Mapeo de zonas de manejo en un área cultivada con maíz en el Municipio de Sete Lagoas (Minas Gerais, Brasil). En este ejemploestán representados espacialmente los datos principales que aportarán para la denición de las zonas de manejo: a) mapas de rendimiento, b)características del suelo y c) zonas de manejo generadas (Mapas originales. Fuente de datos: Mantovani et al., 2004)

2.2. Uso de la geoestadística y lossistemas de información geográcaen agriculturaDario E. Fernández y Manel Ribes i Dasi

demostró que las varianzas observadas solo po-dían tener sentido si se consideraba la distanciaentre muestras. Matheron (1963), basándose enestas observaciones, desarrolló la teoría de las va-riables regionalizadas, que contiene los principios



84

La geoestadística es una metodología utilizadapara la evaluación de recursos, a la que se ha recu-rrido por más de cuarenta años en las compañíasmineras. Su aplicación a las ciencias biológicas esmás reciente y se basa fundamentalmente en queen general, los datos colectados en puntos cerca-nos tienden a ser más similares que los colectadosa mayor distancia. Este hecho lleva a considerarun modelo de variación espacial que contiene almenos tres componentes: una estructura general,que puede ser denida como una tendencia; unasegunda estructura superimpuesta, relacionadacon la correlación espacial y con una variación gra-dual y, nalmente; un tercer componente que con-siste en una variación al azar causada por erroresde muestreo o variaciones espaciales a escalasmenores que la red de muestras.

El desarrollo de la geoestadística comienza apartir de la labor de D. G. Krige en 1951, quientrabajando con datos de concentraciones de oro,

fundacionales de la geoestadística. Aplicada esta teoría a las ciencias agronómi-cas, la geoestadística considera cada valor mues-tral (variable aleatoria z) asociado a una posición(coordenadas x,y) y se vale de esta misma depen-dencia para hacer inferencias sobre la distribuciónde los datos, lo que ha permitido resolver el pro-blema de dependencia espacial que comprometeel cálculo de ciertos índices de distribución queno consideran la ubicación espacial de las mues-tras y generalmente dependen fuertemente de sutamaño.

En forma sintética se puede armar que, ha-ciendo uso de la dependencia espacial que tie-nen los datos de una muestra, la geoestadística

emplea un algoritmo para cuanticar una variabledada, en lugares no muestreados. Luego, la des-cripción de la distribución espacial de esa variablese realiza mediante el uso de mapas con datosinterpolados, unidos por isolíneas.

El método de interpolación más comúnmenteutilizado es el de la distancia inversa ponderada(DIP o IDW por su sigla en inglés), debido a la sen-cillez de los cálculos. Sin embargo, la técnica de

kriging ordinario (KO) ha probado su utilidad y ven-taja sobre la mayoría de los métodos de interpo-lación, las cuales derivan de la capacidad de estemétodo para proveer el mejor estimador no ses-gado. Este método de interpolación se denomina

kriging , en honor a D.G. Krige.

Dario E. FernándezINTA Alto Valle, Río Negro, [email protected]

Manel Ribes i DasiUdL, Departament de Producció Vegetal i Ciència Forestal,Catalunya, ESPAÑA.

[email protected]

Caso práctico de uso de la geoestadísticapara el monitoreo de plagas en cultivosagrícolas

La necesidad de determinar la densidad pobla-cional de las plagas mediante métodos sencillos,

de ese daño en algunos cultivos forestales y másfrecuentemente en bosques naturales.

En los cultivos agrícolas utilizados para la pro-ducción de alimentos, ya sean para consumo fres-co o procesado, ésta metodología de monitoreo



85 PARTE 2

rápidos, ables y económicos, ha sido siempreuno de los objetivos perseguidos en el manejo in-tegrado de plagas.

Para desarrollar una táctica adecuada para elcontrol de una plaga es necesario, en primer lu-gar, conocer el riesgo potencial (daño económico)que una determinada población puede causar alcultivo y, además, establecer puntos de referencia

biológica para predecir ciertos eventos de su ciclode vida.La relación entre la densidad de una plaga y el

daño que produce, constituye la base del manejo integrado de plagas. Esta problemática ha sidoabordada con el desarrollo de métodos de moni-toreo absolutos (por ejemplo número de individuospor m2), relativos (por ejemplo, número de indivi-duos por trampa) o mediante índices de población(por ejemplo, porcentaje de plantas dañadas).

Las tareas de monitoreo necesarias para ladetección temprana de una plaga –antes de quealcance el nivel de daño económico– requieren deuna adecuada capacitación de los productores y/uoperarios y consumen excesivo tiempo y esfuerzo.Esta actividad, por tanto, tiene un elevado costode implementación.

La incorporación en los últimos años de dife-rentes herramientas de la agricultura de precisión,como la fotografía aérea o las imágenes satelitales,solo ha servido para la evaluación de los dañoscausados por las plagas o, en el mejor de los ca-sos, para el desarrollo de modelos de predicción

de plagas (fotografía espectral, térmica, etc.) no hatenido hasta el momento un desarrollo que permitasu utilización en forma práctica.

Por tanto, para el desarrollo de un sistema demonitoreo económico y ecaz, se deben utilizarherramientas que permitan hacer una estimaciónindirecta de las densidades poblacionales (méto-do de monitoreo relativo) y a partir de unas pocas

muestras, realizar inferencias sobre el potencial dedaño económico de las plagas.Es aquí donde dos herramientas desarrolladas

en forma independiente pueden ser usadas enconjunto para simplicar tanto el monitoreo comoel proceso de toma de decisión en el contexto delmanejo integrado de plagas: la geoestadística ylos SIG.

Distribución espacial de los insectosEl estudio de la dispersión de una población y

sus patrones de distribución tiene gran relevanciaecológica. Esta información es útil para determinarlos métodos de análisis de los datos, estimar eltamaño de la población, evaluar los programas demonitoreo y hacer inferencias sobre la condiciónde la población.

A través del tiempo, han sido propuestos dife-rentes modelos de distribución para ajustar a da-tos ecológicos. Como modelo teórico se ha suge-rido la distribuciónPoisson , en la que se consideraque cada individuo se comporta en forma inde-pendiente de los demás y que la probabilidad de

encontrar a un individuo en una muestra es la mis-ma para todas las muestras. Esta situación raravez se da en la naturaleza, ya que normalmentelos individuos se relacionan con otros de su mismaespecie, con otras especies y también interactúancon el ambiente. Por tanto, existe una desviaciónd l di ib ió d bl ió l

o tres dimensiones que describe la distribuciónespacial de la plaga estudiada. Este análisis pue-de proveer información crucial para mejorar el usode técnicas sustentables de control de plagas ode programas de monitoreo, particularmente enel contexto del manejo integrado de plagas de

i ió



86

de la distribución de una población real, respectode la ideal dePoisson .

Sin embargo, las distribuciones probabilísticas(por ejemploPoisson ) que permiten calcular me-didas de agregación de los individuos, tienen unlimitado valor para hacer inferencias sobre la es-tructura espacial de los datos. Para esto es nece-sario utilizar otros métodos que permitan evaluar lacorrelación espacial de los insectos. Debido a queestos métodos son difíciles de interpretar, diferen-tes autores proponen que es necesario redenir elobjetivo del monitoreo hacia el concepto de “ma-pear” la población en vez de estimar o categorizarla media, aún a costa de resignar cierta robustezen el cálculo.

La rápida visualización y sencillez de interpreta-ción que proporciona un mapa, difícilmente puedaser superada por ningún índice o dato calculadopor otros medios. Sin embargo, como se men-cionó previamente, no es posible fotograar unapoblación de insectos para describir su disper-sión. En cambio, sí se pueden colectar muestraspuntuales y transformar éstas en mapas de iso-líneas con iguales densidades mediante técnicasde interpolación.

La geoestadística, por su parte, permite resol-ver dos de las principales limitantes de los índicesde dispersión: la dependencia espacial que com-prometía el cálculo de éstos y además, medianteel kriging , permite la generación de datos en zo-nas no muestreadas, y producir un mapa en dos

precisión. A partir de la década de 1990, la geoestadísti-

ca ha sido utilizada por diversos investigadores enel desarrollo de programas de monitoreo y controlde varias plagas, tanto de lepidópteros, coleópte-ros, ádos y otros insectos, como así también pararealizar mapas de isolíneas de otros aspectos rele-

vantes de los cultivos y suelos agrícolas.Estos estudios pueden realizarse a escala par-celaria o a una escala mayor. A escala de la par-cela, conocer la distribución espacial de la plagapermite optimizar la toma de decisiones para sucontrol; a media-gran escala, permite también pla-nicar su muestreo, denir los puntos de muestreoy tomar decisiones en la aplicación de programas

regionales de control y seguimiento.El objetivo del muestreo de individuos o datos

discrecionales debe ser redenido en el sentido de“mapear” las poblaciones, al considerar que esteenfoque puede reducir notablemente el uso deagroquímicos en programas de manejo integradode plagas de precisión, en comparación con losprogramas de control tradicionales.

El desarrollo del análisis espacial de las pobla-ciones de insectos en la Entomología Aplicada, haabierto nuevas posibilidades para el estudio y elmanejo de plagas que, al ser complementado porlos SIG, permite el manejo de gran cantidad de da-tos de manera rápida, sencilla y visualmente muypráctica.

Sistemas de Información GeográcaLos SIG se basan en la utilización de un recep-

tor de señales satelitales o GPS que permite ubicarun punto en el espacio en tres dimensiones (longi-tud, latitud y altura) y de un programa de ordena-

d (A Gi M I f G ti g SIG Q GIS

grafía (pendiente, altitud) en la distribución espacialde la variable.

Por otra parte, los programas de diseño (porejemplo CAD) poseen una interfase muy sencillacon Google Earth, lo que posibilita trabajar desdeel escritorio de la computadora e interrelacionar

t i f ió l i á d l t



87 PARTE 2

dor ( ArcGis, MapInfo, Geomatics, gvSIG, Q-GIS,etc.) que relaciona los datos colectados por el re-ceptor GPS, con otros datos de interés. Los SIG,por tanto, permiten compilar y manipular una grancantidad de datos espacialmente referenciados(ver mayor detalle en el capítulo 1.2).

Como dato práctico, es muy importante cono-cer perfectamente el sistema de coordenadas (x,y)

de referencia y su unidad de medida. Debido a susencillez de cálculo e interpretación se recomien-da el uso del sistema UTM ya que se expresa enmetros. Además, cuando se superponen mapasen un SIG, éstos deben tener el mismo sistemade referencia para poder hacer comparaciones yrelacionar las capas de datos.

Una manera sencilla de mostrar los mapas dedistribución de plagas es su incorporación al pro-grama gratuitoGoogle Earth . Si bien este software no constituye un SIG propiamente dicho, permitela superposición de los mapas en distintos forma-tos (el más común *.jpg) con imágenes satelitalesdel terreno y posee además, algunas herramientasrudimentarias de marcación y medición, que sonmuy sencillas y útiles.

Un aspecto interesante que permite analizarel programa Google Earth está relacionado conla posibilidad de superponer una imagen (*.jpg)plana, añadiendo el efecto 3D del terreno (Figura3). Esta herramienta ayuda a interpretar algunaspropiedades que pudieran estar ocultas o poco vi-sibles, como por ejemplo, la inuencia de la topo-

esta información con las imágenes del terreno.Otros programas como gvSIG y Quantum-GIS

están desarrollados en base a software libre, sonde uso gratuito y poseen todas las herramientasnecesarias para dar un tratamiento integral a losmapas y otros datos relevantes que se quieraanalizar.

En términos generales, se puede concluir queen la actualidad se dispone de una extensa listade programas para el uso de la cartografía digital,lo que permite trabajar con diferentes formatos ysistemas referenciales, que en la mayoría de loscasos son compatibles entre sí.

En este marco, se presenta como una alternati-va válida para programas de grandes áreas, en los

que el análisis geoestadístico y su integración enlos SIG, son complementos necesarios. Se asumeque la aplicación de esta metodología permitirá unmanejo más eciente de la gran cantidad de datosgenerados en estos programas y una mejora delproceso de toma de decisiones.

Metodología práctica para el análisisgeoestadístico y su integración a un SIG

• Paso 1. Realizar la colecta de datos georrefe-renciados y su ordenamiento en una planilla decálculo en columnas ajustadas (x,y,z).

• Paso 2. Efectuar un primer análisis estadísticobásico, obteniendo la media, la varianza, des-viación estándar, etc.

• Paso 3. Realizar una prueba de normalidad delos datos. En caso de no ser normales, se pro-cede a transformarlos. Se recomienda utilizarla función logarítmica. Como regla general seasume que si la desviación estándar es mayorque la media, se deben transformar los datos.

pepita) y el menor valor de la sumatoria de losresiduos al cuadrado (RSS).

• Paso 10. Realizar el kriging ordinario (KO). Serecomienda el kriging puntual ya que el kriging en bloques tiende a dar mapas más suavizados.

• Paso 11 Luego delkriging se debe realizar la



88

• Paso 4. Realizar la transformación inversa delos datos para el posterior proceso de kriging yobtención del mapa.

• Paso 5. Detectar la presencia de posibles va-lores atípicos (outliers ). Éstos pueden ser dis-tribucionales (cuando se alejan del valor mediode la muestra), o espaciales (cuando son muydiferentes del valor de sus vecinos). Se debenrevisar, corregir y en última instancia, remover.

• Paso 6. Cuando se tienen sucientes datos(más de 500 o 1 000 puntos) se puede analizarla anisotropía (análisis de tendencia), es decir,evaluar si existe una mayor correlación en algu-na dirección en particular. Si no existe evidencia

de anisotropía, o se cuenta con pocos datos,se continúa con el análisis omnidireccional.

• Paso 7. Construcción del variograma (Figura 1).Dependiendo del software utilizado, se aceptael modelo obtenido por defecto o, si el progra-ma lo permite, posteriormente se puede reali-zar un ajuste manual (prueba y error) intentan-do minimizar la suma de residuos al cuadrado(RSS).

• Paso 8. Chequear que el modelo ajustadotenga al menos 15 intervalos de distancia y nomenos de 30-50 pares de datos por intervalo.

• Paso 9. Seleccionar el modelo que presenta elmenor valor de k (relación entre la meseta y la

• Paso 11. Luego del kriging se debe realizar lavalidación cruzada, que consiste en dejar fueradel kriging un valor por vez y estimarlo con elresto de los valores vecinos.

• Paso 12. Se analizan los valores de z (reales)y z* (estimados), esperando que el valor mediode z-z* sea cercano a cero y que la varianza

normalizada de la diferencia esté próxima a launidad.

• Paso 13. Con los valores z, apareados a lascoordenadas (x,y) se construye el mapa de iso-líneas (Figura 2).

• Paso 14. Incorporar el mapa obtenido a unSIG. El mapa puede exportarse como una ima-gen o utilizar los datos generados a partir del

kriging (x,y,z*), para generar el mapa en el pro-grama de SIG seleccionado.



89 PARTE 2

Figura 1. Semivariograma construido con datos de capturas anuales de Cydia pomonella en 760 trampas distribuidas en 65 km2. Ajuste de un modelo

esférico con 43 intervalos de distancia

Figura 2. Mapa de iso-capturas de Cydia pomonella obtenido mediante el análisis geoestadístico, que muestra áreas con diferentes umbrales deinsectos acumulados



90

Difusión de información

Uno de los mayores problemas que enfrentala implementación de un programa de colecta ydifusión de información es el establecimiento deun efectivo sistema de comunicación con los par-ticipantes y/o interesados. En general, los produc-tores, monitoreadores, asistentes y profesionales,reciben información de diferentes fuentes comoservicios de extensión públicos y privados, com-pañías de servicios, etc., pero es difícil obtenerinformación en tiempo real de diferentes variablesproductivas en el área de inuencia de las parcelasde interés o incluso de toda la región.

En este contexto es posible implementar unsistema de vigilancia y monitoreo a nivel regionalque sirva de alerta rápida en casos de detectarsela presencia de alguna plaga especíca, un dato

agronómico de interés, etc. En los últimos años seobserva más frecuentemente la incorporación delos SIG en sistemas más complejos de soportesde decisiones (SSD por su sigla en inglés) dondese incluyen también datos geofísicos, políticos, so-ciales, económicos y de manejo del hábitat.

En la actualidad las tecnologías de informacióny comunicación (TIC) están teniendo un desarro-llo muy acelerado y es cada vez más frecuente elacceso a Internet y el uso de teléfonos celularesinteligentes. Estas herramientas pueden ser apro-vechadas con un costo muy bajo, para poner adisposición de los usuarios información en tiemporeal de la situación productiva de un determinadoterritorio o área de inuencia.

Por tanto, se propone un sistema de vigilanciay monitoreo que consta de tres etapas especícas:

Figura 3. Ajuste del mapa de iso-capturas de insectos a la altimetría del terreno, utilizando el programa Google Earth™

1. Colecta de datos en el campo mediante mo-nitoreo directo, trampeo, etc. y transmisión deesos datos a un centro de cómputo.

2. Análisis de los datos mediante el uso de lageoestadística y confección de los mapas de

distribución o de riesgo para la generación deSIG gi l di t l i ió

2.3. Interpretación deinformaciones espacializadas ydenición de unidades de manejoRicardo Melchiori, Alejandra Kemerer y Susana Albarenque.



91 PARTE 2

distribución o de riesgo para la generación deun SIG regional, mediante la superposiciónde datos catastrales, ubicación de sitios demuestreo, mapas de isolíneas, imágenes sa-telitales, etc.

3. Publicación de los mapas en un sitio web ac-cesible y de rápida visualización por parte delos decisores.

En denitiva, lo que se pretende con estas he-rramientas es reducir el impacto negativo de laocurrencia de ciertos fenómenos que afectan laproducción agrícola, mediante la generación de in-formación que sea útil tanto a los productores, téc-nicos, profesionales, como a los decisores políticos,y así reducir los tiempos de acción y los recursos

involucrados en las tareas de mitigación. IntroducciónEl estudio de la variabilidad espacial de las pro-

piedades del suelo, la productividad del cultivo ode índices de vegetación derivados de imágenessatelitales permite agrupar áreas de característicassimilares dentro de los lotes de producción. Estasáreas diferenciadas constituyen zonas de manejo donde la combinación de los factores respon-sables de la variación del rendimiento del cultivopermite adecuar las prácticas de cultivo (Doerge,1999), como por ejemplo la fertilización o la densi-dad de siembra.

El reconocimiento de la variabilidad espacial es-tableciendo manejos diferentes entre zonas, per-mite optimizar el uso de los insumos de acuerdo a

Melchiori, Ricardo J. M.Grupo Recursos Naturales y Factores AbióticosEstación Experimental Agropecuaria Paraná del INTA, [email protected]

Kemerer, Alejandra C.Grupo Recursos Naturales y Factores Abióticos

Estación Experimental Agropecuaria Paraná del INTA [email protected]

Albarenque, Susana M.Grupo Recursos Naturales y Factores AbióticosEstación Experimental Agropecuaria Paraná del INTA, [email protected]

Dosis de fertilización (kg N/ha) = (DNZ– NdZ)/EUN

Donde:

DNZ = demanda de nitrógeno estimada segúnrendimiento esperado por zona y el requeri-

miento de N (valor de tabla)

las necesidades del cultivo y así mejorar el bene-cio económico y disminuir el impacto ambiental.La posibilidad de ajuste del manejo de los cultivospor zonas requiere la existencia de diferencias deproductividad entre ellas. Habitualmente las va-riaciones en la productividad están asociadas adiferencias en las propiedades físicas y químicas



92

miento de N (valor de tabla)NdZ= Nitrógeno disponible por zona

EUN= eciencia de uso del nitrógeno

Tabla 1. Requerimientos nutricionales de los cultivos detrigo, maíz, soja, girasol y alfalfa (adaptado de IPNI)Requerimiento (kg/tn grano)

Cultivo N P K S

Maiz 22 4 19 4

Trigo 30 5 19 4.5

Soja 80 8 33 7

Girasol 40 5 28 11

Alfalfa 27 2.5 21 3.5

Otra alternativa para el cálculo de la dosis defertilización nitrogenada por zonas es utilizar ni-veles críticos de nitrógeno, determinados paraproductividades diferentes. El nivel crítico (NC) re-presenta la cantidad de nutriente que no limita elrendimiento del cultivo. Este método considera ladisponibilidad del nutriente en el suelo mediantemuestreos dirigidos por zonas y el NC acorde a laproductividad media de las zonas consideradas, yestima la dosis como la diferencia entre el NC y elnitrógeno disponible en el suelo (Figura 1).

diferencias en las propiedades físicas y químicasdel suelo y la topografía. Estas diferencias afectanla disponibilidad de recursos entre zonas, lo quepuede considerarse al ajustar las prácticas de ma-nejo de los cultivos.

Criterios para el manejo de la fertilizaciónpor zonas

NitrógenoLa delimitación de zonas permite estimar las

variaciones en la demanda de nutrientes de loscultivos de acuerdo con su productividad. Elajuste de la fertilización por zonas puede resol-

verse mediante el empleo de un balance simpli-cado. Este puede estimarse utilizando la infor-mación existente –como la que ha compilado elInternational Plant Nutrition Institute (IPNI) (Tabla1)– sobre los requerimientos nutricionales de dife-rentes cultivos, la determinación de la disponibili-dad de nitrógeno (Nd = N a la siembra + minera-lización) y la eciencia de uso del nitrógeno (EUN= 50%). La disponibilidad de nitrógeno contemplala determinación del nitrógeno a la siembra y unaestimación de mineralización que puede estimar-se de manera aproximada como un porcentajedel contenido de nitrógeno total del suelo (Nt) (va-lores que oscilan entre 1.5 a 5 %, según la texturadel suelo) (Figura 1).



93 PARTE 2

El cálculo de las recomendaciones de fertiliza-ción nitrogenada puede realizarse empleando lasiguiente relación:

Dosis de fertilización (kg N/ha) = NCnz – NdzDonde:

NCZ=Nivel crítico de N determinado para cadazona de acuerdo con su productividadNdZ=Nitrógeno disponible en el suelo a la siem-bra del cultivo, determinado para cada zona

FósforoEn el manejo de la fertilización fosfatada por

zonas pueden emplearse dos criterios para el cál-

culo de la dosis de fertilización. En un caso la do-sis de fósforo (P) puede calcularse en función dela extracción de fósforo en los granos del cultivoanterior y en otro considerando el nivel de fósforodisponible en el suelo, un nivel crítico y un modelode recomendación (Figura 2).

En el primer caso, la dosis de fertilización fos-fatada por zonas se calcula como la extracción de

Figura 1. Alternativas de recomendaciones de fertilización nitrogenada según zonas de manejo utilizando un balance simplicado o nivel críticosegún productividad



94

fósforo por el cultivo anterior empleando el rendi-miento medio por zonas y el requerimiento de fós-foro según el cultivo (Tabla 1) y (Figura 2).

Dosis de fertilización (kg P/ha) = RMz * Rpz

Donde:RMz = rendimiento medio del cultivo anteriorpor zonaRPZ = requerimiento de P (valor de tabla)

En el segundo caso se requiere conocer: el nivelde disponibilidad de fósforo en el suelo mediantemuestreos por zonas, un nivel crítico de referenciay un modelo de recomendación de dosis. Comomodelo de recomendación pueden utilizarse alter-nativas locales disponibles, como por ejemplo ladel cálculo de dosis considerando el nivel críticode fósforo, la disponibilidad de fósforo en el suelo yla dosis equivalente de fósforo. La dosis equivalen-te de fósforo (DEP) es la cantidad de fósforo de fer-

Figura 2. Alternativas de recomendación de fertilización fosfatada según zonas de manejo considerando la extracción de fósforo en los granos delcultivo anterior y considerando el nivel de fósforo disponible en el suelo, nivel crítico y un modelo de recomendación

tilizante a agregar para elevar en 1 parte por millón(ppm) el contenido de fósforo disponible en el sue-lo (este valor puede determinarse en laboratorio oa campo) (Figura 2). La DEP puede variar entre 2y 6 kgP/ppm (Benavidez et al., 2000) y dependeprincipalmente de la textura y de la composiciónquímica del suelo, entre otros factores.

V2z = porcentaje de saturación de bases a al-canzar con el uso de enmiendas (normalmentese pretende alcanzar un nivel de saturación conbases de al menos un 80 %)

Tabla 2. Cálculo de la necesidad de encalado (CO3Ca) porzona en función de la capacidad de intercambio catiónico



95 PARTE 2

Dosis recomendada (kg P/ha)= (NCp – Pdz) * DEP

Donde:NCp= nivel crítico de PPdz= fósforo disponible en el suelo por zonasDEP= dosis equivalente de P

EnmiendasLa delimitación de zonas permite, al igual que

para la fertilización de los cultivos, estimar las ne-cesidades de enmiendas, como por ejemplo elencalado. El cálculo de las dosis puede resolver-se mediante el empleo de modelos de correccióndisponibles que determinen las variables intervi-nientes dentro de cada zona de interés.

Un modelo factible de emplear se basa en ladeterminación de la capacidad de intercambiocatiónico y del porcentaje de saturación de basespor zona medida en el campo (actual) y el por-centaje de saturación a alcanzar con la enmienda(Gambaudo y Micheloud, 2008).

Necesidad de encalado (tn/ha) = CIC*(V2z-V1z)/100Donde:

CIC= capacidad de intercambio catiónico V1z = porcentaje de saturación de bases ac-tual del suelo obtenida por la relación: suma debases*100/CIC

p(CIC) y del porcentaje de saturación con bases (V1 y V2).

Zona CIC(meq/100g)

V1(%)

V2(%)

Necesidadde encalado

(tn/ha)Zona 1 12 40 80 4.8Zona 2 18 52 80 5.0

Zona 3 22 70 80 2.2

Criterios de manejo de la estructura delcultivo por zonas

De manera similar a lo planteado para el ajustede las prácticas de fertilización de acuerdo con lasvariaciones en la productividad, es factible y conve-niente realizar ajustes de las variables que modi-can la estructura del cultivo, como el espaciamientoentre surcos y la densidad de siembra. Los cultivosexpresan diferentes respuestas a cambios en es-paciamiento y densidad, comúnmente asociadasa las distintas tolerancias a estreses que limitan elcrecimiento durante el período crítico y reducen elrendimiento. La sensibilidad a cambios en la densi-dad es decreciente para maíz, girasol, trigo y soja.

El cultivo de maíz es el más sensible a los cam-bios en la densidad de siembra cuando factorescomo la disponibilidad hídrica y/o la disponibilidad denutrientes limitan el crecimiento. Esto signica que ladensidad óptima de siembra se incrementa en fun-ción de la calidad de la zona de manejo (Figura 3).

La validación de las recomendaciones o la ge-neración de nuevas técnicas pueden realizarsemediante ensayos en franjas, una práctica sencillacuando se dispone de herramientas de agriculturade precisión y los experimentos son adecuada-mente planicados.

Para la realización de la validación de prácticasde manejo por zonas se deben tener en cuenta



96

El cultivo de soja es menos sensible debido asu gran plasticidad. Sin embargo, en condicionesde crecimiento limitantes normalmente expresacambios favorables en rendimiento ante disminu-ciones del espaciamiento entre hileras, y así com-pensa caídas en el rendimiento.

Consideraciones generales para el ajustede las prácticas de manejo por zonas

La respuesta de los cultivos varía de forma si-tio-especíco, por lo que se requiere validar losesquemas o las propuestas de recomendaciónde manera local. Para esto es conveniente realizarexperimentos a campo utilizando las herramientasde la agricultura de precisión.

de manejo por zonas se deben tener en cuentaaspectos como ubicación y dimensiones de lostratamientos, condiciones de cosecha del ensayoy procesamiento de los datos de rendimiento.

Con respecto a la ubicación y dimensiones delos tratamientos se recomienda orientar las franjasde manera que incluyan áreas de las distintas zo-nas de manejo del lote. La longitud de estas debepermitir un suciente número de datos de rendi-miento y su ancho debe exceder el ancho del ca-bezal de cosecha. Es prioritaria la calibración delmonitor de rendimiento en el lote previo a la cose-cha de ensayos y la adecuada identicación de lasfranjas evaluadas en el mapa de rendimiento. Asímismo, el mapa de rendimiento debe ser acon-

dicionado como se detalla en el apartado 2.1 deeste manual (Creación de mapas de manejo condatos espaciales).

Figura 3. Esquema de la respuesta en rendimiento del cultivo de maíza cambios en la densidad de siembra para zonas de productividadbaja (Zona 1), media (Zona 2) y alta (Zona 3) (Adaptado de Kruk ySatorre, 2003)

2.4. Aspectos económicos: análisisde viabilidad de adopción deintervenciones en los sistemas deproducciónMarc Vanacht

al balance, más que por la reducción de costos enáreas potencialmente cultivables.

Más allá de los benecios agronómicos aso-ciados a los gastos de producción y cultivo, laagricultura de precisión mejora el resultado nalpor el uso intensivo que da a los bienes agrícolas(equipamiento, almacenamiento, transporte). Porejemplo d rante la temporada de c lti o 2013 en



97 PARTE 2

IntroducciónComo en todas las decisiones de inversión, el

agricultor desea calcular por adelantado cuánto sebeneciará su actividad agrícola con la adopciónde la agricultura de precisión. La mayoría de los

costos de inversión en hardware , sistemas y per-sonal son conocidos previamente. El rendimientoes a veces más difícil de calcular o de estimar. Laexperiencia en países que adoptaron la agricultu-ra de precisión hace muchos años muestra quegeneralmente se paga por sí misma, a veces muyrápido en la misma temporada, a veces extendidadespués de varios años de uso.

Lleva tiempo entender completamente los be-necios de la agricultura de precisión. Inicialmentela mirada se focalizó en ahorrar en insumos talescomo fertilizantes, al mejorar el objetivo de la apli-cación. Esta visión puede ser un tanto reducida.La cosecha aumenta al aumentar los niveles deinsumos en lugares adecuados que agregan más

ejemplo, durante la temporada de cultivo 2013 enel Medio Oeste de Estados Unidos las fechas deplantación fueron postergadas por el frío y la hu-medad de la zona. Cuando nalmente las condi-ciones fueron aceptables, la mayoría de los granosde maíz y soja fueron plantados en dos semanas,rendimiento nunca antes logrado. Sin los tractoresequipados con dirección automática trabajandodía y noche, a alta velocidad y eciencia, no hubie-ra sido posible. La agricultura de precisión salvó elcultivo 2013.

Hay otros aspectos donde la agricultura deprecisión contribuye a la rentabilidad. Da accesoa dinero (préstamos) y minimiza riesgos (seguros)más fácilmente, y daría acceso preferencial (o ex-clusivo) a los clientes corrientes, en comparacióncon los que no adoptan la agricultura de precisión.

Conceptos básicosEs útil abordar algunos conceptos básicos de

contabilidad y análisis nanciero antes de analizarlos especícos de la agricultura de precisión.

Costos jos versus costos variables: Loscostos variables (a menudo fungibles) pueden fá-cilmente ser asignados a la supercie del cultivo oa las cabezas de animales. Ejemplos: fertilizantes,químicos, semillas, licencias de biotecnología, etc.(o alimentación, farmacia veterinaria). Los costosjos (usualmente bienes de capital) son adquiri-

Marc VanachtConsultor de Estratégia de EmpresasGraduado de la Universidad de Leuven, Bélgica (Economia,Business Administration, Ley)[email protected]@me.com

dos en una sola operación de compra y asigna-dos a una supercie de unidad animal usando unadivisión basada en amortizaciones anuales de lainversión. Ejemplos: tractores, rociadores, cose-chadoras, etc. La agricultura de precisión a me-nudo supone el uso de costos jos (equipos denavegación, muestreo de suelo, computadoras ysoftwares ) para mejorar la ecacia en los costos

navegación de precisión o la dirección automáti-ca permiten de 22 a 24 horas de trabajo al día.Las operaciones normales están limitadas por laluz solar (8 a 16 horas por día dependiendo de laestación y la latitud). Duplicar el trabajo por día pormáquina tendría un impacto positivo y reduciría loscostos por unidad a la mitad. A menudo los be-necios operacionales sobrepasan el valor de los



98

softwares ) para mejorar la ecacia en los costosde producción.

Agronomía versus operaciones: Los costosde los cultivos agrícolas (semillas, fertilizantes, quí-micos, más o menos agronomía) apuntan al creci-miento rentable del cultivo por el que los ingresos(ventas de toneladas de lo producido por preciodel mercado) son más altos que el costo del incre-mento del cultivo. Esto puede parecer obvio, perose vuelve difícil cuando los precios de los granosson menores como resultado de una sobre ofer-ta. La agricultura de precisión sirve para mejorarel uso de insumos, tanto al reducir costos comoal mejorar los rendimientos por unidad de tierra. Ambas estrategias (reducir costos, mejorar la ga-nancia) son válidas. En la mayoría de los casos,la agricultura de precisión trabaja en ambos as-pectos, al optimizar los costos y obtener efectospositivos en los rendimientos.

Para emplear todos los insumos y lograr elevarel volumen de cosecha en los silos, los agricultoresmanejan inteligentemente todo tipo de operacio-nes, desde la preparación de la tierra, la aplicaciónde diferentes insumos, la cosecha en los campos,el transporte desde el campo hacia el lugar dealmacenamiento inicial o procesamiento. Todasestas operaciones requieren dinero, tanto en per-sonal o, en muchos casos, en costos asociadoscon equipamiento y aquí es donde la agriculturade precisión puede hacer una gran diferencia. La

necios operacionales sobrepasan el valor de losbenecios agronómicos.

Cálculos de costos: para comparar los dife-rentes tipos de costos, los agricultores utilizan uncriterio común, usualmente el costo por hectárea.Esto es fácil para bienes fungibles (tasa x costo deunidad) pero puede ser más difícil para bienes deinversión (amortización anual dividida por el núme-ro de hectáreas, más bienes fungibles y costo delpersonal). Los cálculos de costo por hectárea sonútiles; muestran por ejemplo que para las cose-chas de manzanas en el estado de Washington enEstados Unidos el 70% del total de costos consis-te en la mano de obra necesaria para su recolec-ción y que para el maíz en Illinois el mayor costoes la tierra.

La agricultura de precisión a menudo apunta aacrecentar los rendimientos, los agricultores hancomenzado a usar una nueva regla para calcularel efecto del costo de la agricultura de precisión ysu rentabilidad: costo por tonelada producida. Estaaproximación tiende a estar más enfocada en larentabilidad que en los costos; permite altos costosen situaciones de cosechas altas y promete costosreducidos en situaciones de cosechas bajas.

Es ideal que se calcule la producción neta: porejemplo toneladas de azúcar, no toneladas demateria verde; o jugo en lugar de fruta; o el granoseco en el elevador de la cosechadora en vez delgrano verde en el campo.

Transformación,marketing, ventas,distribución,trazabilidad.

Operacionesagrícolas: Equipamiento,contratación,transporte.

Variable insumos:Alimentación y farmacia,semillas y biotecnología,químicos, fertilizantes.

Bienes reales decapital: Tierra, plantaciones,connamiento de los animales,líneas ferroviarias, elevadores,terminales, depósitos, etc.



99 PARTE 2

Efectos internos versus relaciones exter-nas: Más allá de los benecios internos (agrono-mía y operaciones) la agricultura de precisión a

menudo mejora la posición de negociación delagricultor con actores externos.Para los servicios nancieros, los datos acu-

mulados a través de la agricultura de precisiónpermiten al agricultor negociar primas de seguromás bajas así como tasas de interés más bajasen préstamos, ya sea para insumos estacionales opara inversión de bienes capitales.

Los clientes preeren comprar formularios deagricultores que permiten documentar en detalle lahistoria del cultivo (insumos utilizados, condicionesen la cosecha) o, mejor aún, parámetros que per-miten mejorar la evaluación de la calidad. En culti-vos de alto valor en Europa y Estados Unidos, parala trazabilidad y las certicaciones del producto seusan a menudo elementos recolectados a travésde la agricultura de precisión.

Estos conceptos pueden ser colocados en unesquema de cadena de valor, como se muestra enla Figura 1. Este tipo de esquema es utilizado por loseconomistas y los estrategas de negocios para des-cribir cómo los diferentes aspectos están interconec-tados y cómo todos ellos cooperan para crear valor.

Se pueden identicar los diferentes líderes delmercado en cada uno de los cuadros de esta ca-dena de valor. Es el talentoso trabajo de cada agri-

cultor lo que hace que estos seis cuadros trabajen juntos de forma rentable. La tecnología de la agri-cultura de precisión puede contribuir a la rentabi-lidad de cada uno de los cuadros. La agriculturade precisión va más allá de un simple muestreode suelos en cuadrícula de una hectárea y de laaplicación a dosis variable de cal para corregir elpH en el campo. Quizás fue así cuando comenzó aprincipios de la década de 1980 en la Universidadde Minnesota en Estados Unidos, pero la agricul-tura de precisión ha cambiado su forma y es ahoraparte integral de la gestión agrícola moderna.

Cálculos de rentabilidad en agricultura deprecisión

Un software personal como es Microsoft Excel

le da al agricultor la oportunidad de modelar y pro-bar las diferentes hipótesis de rentabilidad de lasinversiones de agricultura de precisión.

En el pasado, el software de contabilidad agrí-cola no era diseñado para posibilitar la ejecuciónde los escenarios de costo-benecio de las inver-siones de la agricultura de precisión. El progreso lo

Figura 1. Servicios nancieros: Riesgo de gestión, créditos de temporada e inversión de capital. Fuente: elaboración propia

ha hecho, pero muchos agricultores todavía tienenque resolverlo usando simples hojas de cálculo.

Hay varias maneras de calcular la rentabi-lidad de la agricultura de precisión: bajar todoslos costos sobre una base por hectárea, o portonelada de producción, o calcular por campo,por cosecha, o por todo el establecimiento. Cadauna de estas maneras tiene sus benecios y su

por ejemplo a 65 km de distancia pueden qui-tarle rentabilidad a la cosecha. Por otra parte, elcontrol de malezas con un bajo rendimiento porun mal suelo cuesta lo mismo que un buen rendi-miento de un buen suelo.

El análisis de costo benecio de los diferen-tes aspectos de la agricultura de precisión puedeser calculado usando simples hojas de cálculo. A



100

Tabla 1. Ejemplo de hoja de cálculo para equipamiento de la agricultura de precisiónCosto/ Año/ Hectárea

Costo unitario [A] Años de uso (Est) [B] Costo anual [A] / [B]Monitor de rendimiento 3Unidad GPS 3Software 1Entrenamiento 2Corrección diferencial EQT /RTK 3Señal diferencial 1Contrato de mantenimiento 1Honorarios del consultor 1Asignación de costo de ocina 1TOTAL

* Costo por hectárea: dividir el costo anual por el número de hectáreas en que el equipamiento será utilizado.

ypropia complejidad. Bajar los cálculos de todopor hectárea quizás luce mejor pero asume quetodas las hectáreas son iguales y no lo son. Loscostos de transporte para un campo que está

p jcontinuación, en las Tablas 1, 2 y 3, se presentanalgunos ejemplos, inspirados en el libroPrecisionFarming Protability publicado por la Universidadde Purdue, Indiana, Estados Unidos.

Tabla 2. Ejemplo de hoja de cálculo de costo de dosis variable de fertilizante

Costo unitario [A] Años de uso (Est) [B] Costo anual [A] / [B]VRT Equipo de aplicación 4Análisis de suelo 3 or 4

VRT tasa de solicitud 1Honorarios asesor de cultivos 1



101 PARTE 2

Tabla 3. Ecacia de los equipos de fumigación/distribución con navegación de GPS

Costo de equipamientoCosto de amortización anual (5 años)Costo de capital anual (interés 15%)Costo annualMáximo uso hora / día /semana / mes / año 22 h/d - 132 h/s - 528 h/m - 6600 h/a

Costo por hora de trabajo a capacidad máxima anualVelocidad de trabajo km/h 16Ancho de trabajo (metros) 15Cobertura máxima por hora / día / semana / mes / año (ha) 24 ha/h - 528 ha/d - 3168 ha/s - 12672 ha/m - 158400 ha/aCosto por hectárea tratada a capacidad máxima

* Los vehículos equipados con GPS de alta precisión automática (RTK) pueden cubrir mayor cantidad de hectáreas que los vehículos manualesposible porque pueden trabajar más horas (incluyendo la noche) y pueden operar a mayor velocidad sin perder la precisión (o tener un conductoqueda dormido).

Costo de Cartografía 3 or 4TOTAL

* Costo por hectárea: dividir el costo anual por el número de hectáreas en que el equipamiento será utilizado.

Importancia de la capacidad de lamaquinaria agrícola

Como muestran las tablas anteriores, la capa-cidad de las máquinas agrícolas puede ser expre-sada por día, por semana, por mes. Existen so-lamente algunas situaciones agronómicas dondeuna máquina puede ser usada continuamente du-rante un año entero. De todos modos, la capaci-

hacer el trabajo en diez días en primavera y diezdías de otoño. Esta diferencia de tiempo suponeque los agricultores pueden ahora plantar ma-yores extensiones híbridas y tienen sustancial-mente cosechas más altas. El resultado: mayorrentabilidad.

En situaciones de cosechas dobles la capaci-dad semanal es muy importante. Reducir el tiem-



102

, pdad de crecimiento semanal y mensual por el usode los sistemas de navegación de alta precisiónpuede ser de gran importancia para el resultado -nal de la rentabilidad. Seguidamente se presentanalgunos ejemplos.

En la provincia Heilongjiang, Manchuria, nortede China, la capacidad necesaria de combinar lascosechadoras para maíz y soja, es calculada paraque estos cultivos puedan ser cosechados en 10días. La razón es simple: cuando el invierno golpeaen Heilongjiang, golpea fuerte, con mucho frío ymucha nieve y una vez que la nieve llega, el trabajoen el campo es imposible; por lo tanto, es nece-sario cosechar dentro de los 10 días previos a lallegada de la nieve. Esto signica que la unidad decosto por cosecha en el norte de China es másalta que en el sur de Brasil.

En el Medio Oeste de Estados Unidos solía seruna práctica común plantar el maíz en tres sema-nas de primavera y cosecharlo en tres semanasde otoño. El tiempo es determinado por la exten-sión del híbrido, más largo en el sur, más corto enel norte. Ahora el agricultor puede comprar má-quinas de más alta capacidad, con mayor poder,pero sobretodo que permiten realizar el trabajoen menos días y operan a más velocidad, graciasa las herramientas de navegación automática dealta precisión. Esto signica que actualmente losagricultores del núcleo del Medio Oeste, pueden

y ppo sin cosechas en los campos es mejor. Lascosechas son solamente productivas si crecen,no cuando las semillas están almacenadas espe-rando ser plantadas, ni cuando los granos se vansecando en los tallos esperando ser cosechados.En algunas partes de Brasil el pico de capacidad(expresado en hectáreas/día o hectáreas/semana)sería un factor crítico en la rentabilidad de la se-gunda cosecha.

Diferencias en el uso de los mapas devariabilidad en agricultura

Hacia mediados de la década de 1990 laagricultura de precisión introduce a los agricul-tores en los mapas. Esto fue posible gracias al

software basado en Sistemas de InformaciónGeográca (SIG) y a los rápidos chips de pro-cesamiento de clase Pentium . Los mapas sonmagnícas herramientas para sugerir la variabi-lidad espacial horizontal entre diferentes partesdel campo. Se pueden mostrar variaciones es-paciales de rentabilidad procesando mapas derendimiento en mapas de rentabilidad. Sin em-bargo, como todas las herramientas de comuni-cación, los mapas pueden ser engañosos, por loque a continuación se detallan algunos aspectosimportantes sobre el uso de los mapas de varia-bilidad en agricultura.

Interpolación porkriging ¿En cuántos puntos de información están ba-

sados los mapas? Los mapas de rendimiento tien-den a tener muchos puntos de información porhectárea y probablemente reejen la realidad. Losmapas de suelo tienden a ser interpolaciones entredatos de muestras de suelo muy distantes entresí, a menudo un punto de dato por hectárea y a

rendimiento es un mejor indicador de la variabilidaddel suelo que un mapa de interpolación basado enmuestras de suelo de cuadrícula de una hectárea.Estudios en la Universidad de Wageningen en LosPaíses Bajos han mostrado que los nematodosde suelo en invernaderos pueden tener “efectosepidemiológicos”.

Algunas herramientas como los mapas de con-



103 PARTE 2

veces menos. Estas interpolaciones tienen esca-so signicado cientíco. Aún con mayor frecuen-cia, los coloridos mapas de muestreo de suelosen cuadrículas basados en métodos de kriging ,son vendidos a los agricultores como realidad yusados como base para las recomendaciones defertilidad. El muestreo de suelo en cuadrículas einterpolaciones por kriging fueron herramientas fá-ciles y mal usadas en los inicios de la agriculturade precisión.

¿Qué fue erróneo? La interpolación de datosde muestras puede ser válida, dado que existenbases lógicas para la interpolación. El kriging escon frecuencia legítimamente usado en estudiosepidemiológicos y tienen sentido (enfermedadescontagiosas esparcidas por contacto; cuanto máscerca dos personas están, más alta es la probabi-lidad de contagio de una persona a otra). Los in-sectos de rápida reproducción y enfermedades deácaros de hongos, pueden ser expresados usan-do mapas de kriging . Cuanto más cerca y juntosestán los insectos, más alta es la probabilidad dereproducción y multiplicación.

El suelo no tiene características epidemioló-gicas. Los suelos no son contagiosos. Estudiosdetallados en la Universidad del estado de Iowa(Mallarino) han mostrado una gran variabilidad desuelos, incluso a 10 cm del nivel de escala, a lolargo y a través de la línea de cultivo. Un mapa de

g pductividad eléctrica son útiles porque están ba-sados en mediciones de alta densidad y puedenmostrar variabilidad sin recurrir a interpolacionesmatemáticas.

Las muestras de suelo son útiles si son usadascorrectamente. El muestreo inteligente concentramuestras en áreas del campo que son homogé-neas basadas en información de otras fuentes(mapas de rendimiento, mapas de conductividadeléctrica, mapas a color, mapas de crecimiento decosecha, mapas de diferencia infrarrojos IR, ma-pas de Índice de vegetación de diferencia normali-zada (NDVI), etc.). Describe en detalle el promedio

de valores del suelo de una zona de manejo deter-minada por otros medios. El muestreo inteligenteno mide la variabilidad, sólo describe una zona.

Categorías: Curvas de frecuenciaCuando se expresan datos en un mapa, o un

gráco o histograma, se tiende a agrupar los datosen categorías como por ejemplo pequeño / me-

diano / grande, o <8 ton/ha / 8-10 ton/ha / >10ton/ha, o un número más alto de categorías. Cadacategoría tiene un color en un mapa, o una barraen un histograma.

Los softwares también pueden sugerir el nú-mero de categorías, y/o incluso el valor del inter-valo de las diferentes categorías. Dos elementos

Figura 2: Ejemplos de tipos de frecuencia



104

ayudarían a decidir cómo presentar los datos: losdatos en sí mismos o la experiencia de gestión.

Los datos en sí mismos tendrían frecuenciasen diferentes formas: en forma de campana, enforma de U, extenderse igualmente, o extendersedesigualmente, tal como se visualiza en la Figura2. Aunque un mapa no mostrase estas diferen-tes formas de datos, estos igualmente serían muyimportantes.

Una forma de campana muestra los datos agru-pados alrededor del promedio. Primera pregunta:¿Qué tan amplio es el promedio: +/- 5 %, +/- 10 %?Las estadísticas usarían desviaciones estándares,pero un agricultor debería utilizar algo más prácticoy operativo para decidir cuál es el promedio paraél. La representación visual de los datos sería muysimple: entorno a la media aceptable, debajo de lamedia aceptable, encima de la media.

Esto hace los datos muy gerenciales: ¿Qué sepuede hacer para corregir “debajo de la media” ypor “encima de la media”? Quizás si se eligieranmás categorías.

La frecuencia de la curva con forma de U mues-tra una situación totalmente diferente. El promediomatemático no signica todo, porque muchos da-tos son a la vez altos y bajos. Los investigadores se

reeren a datos agrupados o segmentados. Si unsegmento bajo o alto es concentrado en un áreageográca especíca del campo, probablementesea mejor separarlo de la totalidad del campo y tra-tarlo diferenciadamente, con diferente agronomía.

En muchos casos ninguno de los datos estaríapor arriba de la media. Si la frecuencia de los datoses regularmente o irregularmente difundida sobre elformulario de propagación completo de arriba abajo, los datos serían más coloridos a la vista, peroprobablemente no serían operacionales. Esto signi-ca que todo lo que se mide no sería relevante parala administración del campo, por lo que habría quemirar otros parámetros, otros conjuntos de datos.Un histograma o un mapa son inútiles si ellos noayudan en el análisis o en la toma de decisiones.

Experiencias del uso de agricultura deprecisión en el contexto internacional A través de los años la justicación económi-ca de la agricultura de precisión se ha vuelto másfácil. Los GPS y los vehículos con sistemas denavegación y corrección diferencial se han vueltomás baratos. La precisión ha mejorado mucho. Amediados de la década de 1990 el costo básico

g j p p

de los sistemas de GPS en Estados Unidos es-taba por encima de los U$S 25 000 por sistema,con una precisión de medio metro. Hoy está pordebajo de los U$$ 10 000 con el valor corriente deldólar. Los vehículos automáticos de navegacióncomenzaron costando U$$ 70 000, ahora han caí-

do a U$$ 25 000 con precisiones en 10 cm. Lossistemas de tiempo real cinemático (RTK, por susigla en inglés) con precisiones en los 2 5 cm en

ahorro sustancial de agua, la mejora en el ritmo deinundaciones y facilita las operaciones a lo largode la temporada.

La rentabilidad de los sistemas de la agricul-tura de precisión es calculada por el agricultor lamayor parte del tiempo (con la ayuda de consul-tores y contadores). Se incluye al establecimien-to como un todo y probablemente se da unamirada individual a los campos y a los cultivos



105 PARTE 2

sigla en inglés) con precisiones en los 2 - 5 cm enun vehículo en movimiento, regularmente se pagana sí mismos dentro del primer año de operación.

Aunque el costo de muestreo de suelo y deanálisis de suelo no ha bajado mucho, los siste-mas de transferencias de datos se han automati-zado más, sus resultados ayudan a que la toma dedecisiones se realice en menor tiempo y los erroresen la transcripción de datos se han eliminado. Demanera similar sucedió para la información de sa-télite de detección remota. Los sensores en tiem-po real para las aplicaciones de nitrógeno son to-davía caros, pero han demostrado ser rentables enun medio de alto rendimiento (7-10 toneladas porhectárea) en situaciones de cultivo de trigo. Lasredes de sensores inalámbricos en huertas y viñe-dos en California por ejemplo han sido rentables(recolección selectiva de alta calidad/ alto preciode venta de uvas, vino, fruta o verduras).

Los sistemas de alta precisión RTK han rede-nido el riego. Los cultivos anuales de verdurasson ahora regados por líneas de goteo. El cam-bio de sistema de riego superior a líneas de goteosubterráneo ha permitido ahorrar 70 % de aguay ha reducido los costos en tratamientos con fer-tilizantes e insecticidas. Asimismo, los sistemasRTK han permitido a los productores de arroz en Arkansas, Estados Unidos, desarrollar sistemasde campo de grado cero. Lo que ha permitido el

mirada individual a los campos y a los cultivos.Desafortunadamente estos cálculos son privadosy no están disponibles para otros agricultores. Muypocos estudios macro, que incluyan a un gran nú-mero de agricultores, han sido realizados y publi-cados. A continuación se presentan tres ejemplos

de estos estudios, que son internos y no estabandestinados a ser publicados, aunque se le ha per-mitido al autor referirse a los datos.

Ejemplos prácticos de rentabilidad deagricultura de precisión

Una cooperativa agrícola en el Medio Oeste deEstados Unidos hizo un estudio de la rentabilidadde la agricultura de precisión aplicada a los camposde maíz y soja en Illinois (1997-1998). Sólo se con-sideró el benecio agronómico, no los beneciosoperacionales o externos que el agricultor poseía.

En el 10 % de los campos los métodos tra-dicionales (tarifa plana) fueron más rentables; ensu mayoría en campos donde la variabilidad fuemuy baja y la tarifa variable de tecnología no agre-gó benecios, o en campos donde la variabilidadfue tan extrema que la situación no fue maneja-ble y cada tratamiento promedio fue mejor quelos métodos caros para corregir la situación. Enel 25 % de los campos, la agricultura de preci-sión tuvo la misma rentabilidad que los métodostradicionales. En dos tercios de los campos, los

agricultores lograron hacerlos más rentables des-pués de la adopción de la agricultura de preci-sión, debido a mayores rendimientos por el mejoruso de los insumos, que por el ahorro de costosen insumos. Como resultado de este estudio, lacooperativa vio a la agricultura tradicional de no

precisión como una excepción, solo siendo re-comendada en casos raros y bien denidos. Laagricultura de precisión es ampliamente adopta-

Dependiendo de la situación de los agricultores,de las máquinas y de los campos; las máquinasequipadas con sistemas RTK actualmente plantanentre 3 y 5 % más semillas por hectárea evitandosaltear espacios. Esto es lo mismo que obtenerde 3 a 5 hectáreas gratis, sin pagar por ellas, por

cada 100 hectáreas plantadas. En áreas monta-ñosas la diferencia de rentabilidad fue aún mayor.Asimismo los agricultores ahorraron entre 7 y



106

agricultura de precisión es ampliamente adoptada por los agricultores en Illinois.

Los servicios de extensión asociados con laUniversidad estatal en Pensilvania estudiaron elefecto sobre el consumo total de fertilizantes des-pués de la adopción de la agricultura de precisión(1997-1999). Después de dos años de datos decientos de agricultores, muchas cosechas y milesde campos, la conclusión fue: el uso total de ferti-lizantes no se redujo. Los fertilizantes simplementeestaban en mejores condiciones, con mejores ren-dimientos y resultados positivos en la mayoría delas situaciones. A pesar de estos resultados posi-tivos, la adopción de la agricultura de precisión enPensilvania es todavía un poco lenta. Los agricul-tores son pequeños y a menudo de medio tiem-po, la tierra es montañosa y los suelos son menosfértiles. Los agricultores son reacios a invertir enagricultura de precisión, aunque ésta sea rentable,debido a que el nivel de rentabilidad en dinero, noen porcentaje, es menor del que ellos consideranadecuado. De todos modos, como el costo de la

tecnología de la agricultura de precisión ha des-cendido, se ha acelerado el proceso de adopción.En la región del delta del Missisipi (entre

Memphis y Nueva Orleans), un distribuidor regio-nal quiso conrmar los benecios operacionalesdel sistema RTK con navegación precisa en centí-metros de cultivos de algodón y soja (2009-2010).

Asimismo, los agricultores ahorraron entre 7 y10 % en costos de insumos, al evitar tratamientosdobles o superposiciones. Resultados similaresfueron informados desde Iowa.

La Universidad Agrícola en el Sur de China(Guangzhou, China) desarrolló una máquina desiembra directa de arroz para pequeños y me-dianos agricultores (2008-2011). La máquinaremplazó al transplante tradicional con un siste-ma ingenioso de canales húmedos y secos a lolargo de la línea de siembra. Las semillas fueronposicionadas a un nivel de precisión centimétricay fertilizadas a la misma vez. Las pruebas a travésde los años y varios lugares conrmaron alenta-dores resultados, todos ellos procedentes de laimplementación de la tecnología de la agriculturade precisión en una nueva área: una máquina rem-plaza 40 trabajadores durante el transplante, poreso el arroz tendría un ciclo de crecimiento máslargo; los rendimientos aumentarían un 10 % (pro-bando ésto la siembra directa puede ser al menostan buena que el transplante de arroz); las tasas denitrógeno podrían ser reducidas al 30 %, mientrasse mantienen o aumentan los rendimientos por elposicionamiento preciso “en la parte superior dela semilla” y el tiempo ideal, antes de la germina-ción, emergencia y crecimiento rápido del cultivo.Esta tecnología está siendo probada en Vietnam,Filipinas y Tailandia. (2010-2012).

Una compañía con una plantación de 1 500hectáreas de durazno en Francia redujo el tamañode la unidad de gestión usada para la exploración,el tratamiento y la cosecha del cultivo, de 15 a 1.5hectáreas (2003-2004). Trabajando en unidadesmás pequeñas, fue posible connar tratamientos

de insectos y enfermedades a unas pocas hectá-reas, ahorrando un tercio en costos de insumos.En vez de tratamientos completos a grandes uni-

tamaño, pero no se estuvo de acuerdo en com-partir los detalles del nuevo sistema por razonesde competividad.

Grandes establecimientos cerealeros en Ucraniasospecharon que perdieron el 30 % de la cosechaentre el campo y el elevador. Debido al equipa-miento de cada cosechadora y cada camión conGPS y telemática, la causa de la pérdida pudo seridenticada y corregida (2007 2008) De manera



107 PARTE 2

En vez de tratamientos completos a grandes unidades, en el inicio de la infección, ahora se realizantratamientos a pequeñas unidades en las que esnecesario. Esto signica que menos hectáreas sontratadas. El seguimiento de maduración del culti-vo en bloques más pequeños con una cosecha

selectiva permite un tiempo más largo de cose-cha, menos fruta demasiado verde o demasiadomadura –lo que es altamente apreciado por lossupermercados– y permite un tiempo más exiblede entrega, evitando los precios bajos durante losperíodos de pico de suministro.

Todo esto no hubiese sido posible sin el uso delas computadoras para la exploración, el monito-reo y el seguimiento de la maduración del cultivocon GPS, almacenando cada árbol en una basede datos SIG y cosechando por un bloque de 1.5hectáreas. Antes de la implementación del nuevosistema, la compañía había analizado la posibili-dad de ir aún más lejos en la gestión detallada. Seconcluyó que más allá de las unidades de gestiónde 1.5 hectáreas, los mayores benecios fueron engran medida compensados por el incremento delos costos. Además, se concluyó que las unidadesde 1.5 hectáreas fueron óptimas por la estructu-ra existente de huerta (ancho de la hilera, espacioentre los árboles, líneas de riego por goteo). Seaceptó que la nueva huerta es plantada de formadiferente y gestionada en unidades de diferente

identicada y corregida (2007-2008). De manerasimilar, una granja de maíz en el Medio Oeste deEstados Unidos sospechó de ocasionales perosistemáticos errores en la carga reportada por loscamiones en los muelles de recepción de una ins-talación de fermentación de etanol (2009-2010).Estos fueron pequeños errores impredecibles perola mayoría a favor de la planta. Los GPS y los te-lemáticos en los camiones de reparto rápidamen-te alertaron sobre lo que sucedía. Los errores enmedición todavía suceden, lo que es normal, peroalgunos actúan a favor de la planta y otros a favordel agricultor. Los costos de los telemáticos fuerondevueltos en pocos meses.

El autor ha tenido el privilegio de aprender so-bre los benecios de la agricultura de precisión envarias operaciones en Brasil y Chile. En cada caso(naranjas, aceitunas, caña de azúcar y soja) lastécnicas de la agricultura de precisión fueron unaparte fundamental del total de la agronomía y dela gestión operacional interna. En cada caso losbenecios se extendieron a las relaciones con losclientes y al nivel total y predecible de ujo de caja.

Claves para la toma de decisionesLa agricultura de precisión comenzó como una

forma de mejorar los aportes de nutrientes en cam-pos de maíz y soja en el Medio Oeste de Estados

Unidos. Es ahora una parte fundamental de cómotrabajan los establecimientos profesionales entodas partes del mundo. La pregunta no es si laagricultura de precisión puede ser implementadade una manera rentable, sino cómo implementarla agricultura de precisión de modo de obtener el

más rápido y alto retorno de la inversión posible.Para un agricultor en cualquier parte deSudamérica la pregunta es: ¿cuál sistema sustitu-

2.5. Monitoreo temporal de lossistemas de producción para latoma de decisiones y mejoraEvandro Chartuni Mantovani y Gisela de Avellar

Evandro Chartuni MantovaniInvestigador Embrapa Maíz y Sorgo, PhDMecanização Agrícola



108

p g ¿ye mejor la operación existente, y cómo implemen-tar el nuevo sistema? ¿Se entra en un “Big Bang”con alto nivel de inversión, riesgos más altos perotambién con la posibilidad de mayor rentabilidad?¿O se va de manera “gradual”, paso a paso, pri-

mero implementando aquellas áreas donde los re-tornos positivos son muy probables, y más tardea mayor escala?

Cada campo, cada establecimiento será di-ferente. Cada agricultor tiene diferentes nivelesde especialidad o especialidades en diferentesáreas. El punto crítico sería para los consultoresescuchar cuidadosamente y orientar a los agri-

cultores a través del proceso. La agricultura deprecisión no es una meta en sí misma. Es unaherramienta. Es un proceso continuo que lleva amejorar la gestión agrícola total y, por último, amejorar la rentabilidad y la supervivencia del esta-blecimiento rural a largo plazo.

IntroducciónEl uso de metodologías de agricultura de preci-

sión mejora la eciencia en el manejo de áreas pro-ductivas, por la optimización en la aplicación deinsumos, y también en el gerenciamiento ecientede las actividades del sistema de producción. Así,el trabajo con metas productivas para los cultivosmediante agricultura de precisión busca reducirlas inestabilidades o variabilidades de producciónal utilizar equipos de muestreo georreferenciadopara el mapeo físico y químico del suelo, lo cualaumenta la capacidad de manejo de las diferentesáreas. Para el seguimiento del ciclo del cultivo seutilizan fotografías aéreas o imágenes satelitales an de realizar la toma de decisiones en tiempo real,principalmente para la fertilización nitrogenada encobertura y para el control tosanitario, con el mo-nitoreo de insectos, plagas y enfermedades.

Mecanização AgrícolaSete Lagoas, MG, [email protected]

Gisela de AvellarProfessora do curso de Cartograa e Geoprocessamento, MSc.Centro Universitário de Sete Lagoas – UNIFEMMSete Lagoas, MG, [email protected]

En la distribución de insumos, el uso de equi-pos con programas de aplicación a dosis varia-ble optimiza el uso de fertilizantes y agroquímicos,permite planicar la siembra para obtener un es-tándar deseado en la cosechadora y, como conse-cuencia, evita la contaminación del medioambien-

te. Además, el uso del piloto automático permiteaumentar la capacidad operacional de los equiposdel cultivo, aumentando el número de horas traba-

es necesario complementar el análisis de produc-tividad con mapas temporales, de por lo menos 3años, para conocer los patrones de producción,complementado con la evaluación económica enlos mapas de rendimiento.

Los problemas resultantes de la variabilidadespacial, incluso en áreas más extensas, puedenevitarse con el uso de técnicas de agricultura deprecisión para el monitoreo, control, recolección



109 PARTE 2

jadas por día durante la implementación del cultivoen áreas extensas.

Por lo tanto, se deben priorizar acciones inte-gradas del sistema de producción por parte deespecialistas agronómicos en la utilización de agri-

cultura de precisión, porque permiten el mapeoadecuado de las áreas de producción, con infor-mación del conocimiento del lugar, de los recursosestables del campo, de los costos de produccióny de las condiciones estacionales, y así estable-cer las recomendaciones necesarias para la tomade decisiones del agricultor. De esta manera, losresultados obtenidos en mapas georreferenciados

contribuirán a la modernización de los procesosde producción y de transferencia de tecnología ypotenciarán el gerenciamiento económico del sis-tema de producción.

Monitoreo temporal de los sistemas deproducción

El nivel tecnológico aplicado al sistema deproducción de un determinado cultivo varía deun establecimiento a otro. Consecuentemente,el valor de la productividad, aisladamente, de undeterminado campo de producción, identica lavariabilidad espacial, aunque no es eciente paradeterminar el patrón de producción. Para estable-cer el gerenciamiento de las áreas de producción

p py uso de datos e informaciones, en el sentido derevertir este cuadro, buscando la toma de decisio-nes e intervención en el sistema de producción.

La necesidad de establecer un análisis con elobjetivo de una correcta toma de decisiones den-

tro del proceso de utilización de la agricultura deprecisión, implica la búsqueda de patrones míni-mos para intervenir en el sistema de producción.Para denir los patrones de productividad en alta,media y baja, es necesario establecer criteriospara la etapa de análisis de datos utilizando infor-mación con mapas temporales de rendimiento. Laprimera etapa se realiza con la indicación de un

mapa de tendencias de variabilidad espacial quemuestra las áreas de productividad estabilizadas yreleva los costos de producción.

Tendencia de la variabilidadUna de las principales ventajas en el tratamiento

georreferenciado del cultivo es poder presentar losdatos en diferentes niveles de detalle, dentro del en-foque analítico con el que se estudia la región. Losdatos tienen que organizarse en niveles de presen-tación y de manera que no necesariamente se pasede un nivel a otro en una secuencia obligatoria. Estaestrategia posibilita la obtención de una innidad decombinaciones de datos y comparaciones entre di-ferentes alternativas de acción.

De acuerdo con Santos (1997) en algunas si-tuaciones se debe considerar el hecho que unaúnica técnica no es suciente para todas las si-tuaciones presentadas y tampoco dene las li-mitaciones para varios ambientes. Con el mejorconocimiento de la estructura de producción de

un campo es posible planicar el proceso de inter-vención en el mantenimiento de la productividady/o mejoras en las áreas de inestabilidad y baja

d ti id d ti d 3 ñ d b ió

soporte de análisis estadísticos complementariosfue posible identicar áreas con diferentes patro-nes de producción.

En la primera etapa del trabajo, se realizó unauniformización de los mapas de rendimiento. La pri-mera cosecha de soja generó 30 428 muestras, con

una productividad que varió entre 1,3 y 4,1 t/h. Enla segunda cosecha de soja, fueron 40 409 mues-tras y la productividad varió entre 2 y 5,9 t/h. En la



110

productividad, a partir de 3 años de observación.En un establecimiento rural, el mapa de rendi-

miento le permite al productor realizar una radio-grafía de la variación espacial del campo al dividirel campo en áreas homogéneas y mostrar el por-

qué de esa variación.Como ejemplo, un área piloto de 115 hectá-reas de la Fazenda Recanto, en Sidrolândia, MS,Brasil, fue trabajada con la metodología de agricul-tura de precisión con datos georreferenciados dedos cosechas de soja y una de maíz de invierno.El gran volumen de información generado permitiódiversos análisis y algunas conclusiones. Con el

cosecha del maíz, en 2002, se generaron 24 213muestras que variaban entre 1,4 y 5,1 t/h, tal comopuede visualizarse en la Figura 1.

Las decisiones gerenciales son más segu-ras cuando el productor trabaja utilizando una

combinación de tres o cuatro años de mapas derendimiento, porque así los factores espaciales ytemporales pueden ser separados y clasicados.Para comparar los datos de diferentes cultivos –por ejemplo maíz y soja– fue preciso transformarlos mapas de rendimiento en grillas uniformizadasque permitiesen comparar el comportamiento delos datos en los mismos puntos de recolección.

Figura 1. Mapas de rendimiento de maíz y soja, del área de 115 ha, de la fazenda Recanto, Sidrolândia, MS, Brasil



111 PARTE 2

Este procedimiento estandariza los mapasgenerados en la cosecha. Estas grillas generannuevos mapas estandarizados de cosecha, queindican las diferencias espaciales. Con la superpo-sición de los nuevos mapas es posible generar uncuarto mapa y establecer el patrón de producción.

Una inspección visual de esos mapas indica cuá-les áreas de productividad por encima o debajode la media ocurren normalmente en las mismasáreas, tal como puede visualizarse en la Figura 3.

El mapa de tendencia espacial de las áreas esla base para el trabajo de planicación y programa-ción de intervención del sistema de producción.

¿Qué es un área estable? La tendencia a la es-tabilidad en un campo puede ser denida cuando,en un mismo punto, la variación de la productivi-dad es pequeña a lo largo de las diferentes cose-chas incluidas en el cálculo. La Figura 4, muestralos patrones de producción de un área de 115 ha,con 3 años de cosecha:

• Área azul: 12% del área con una producciónalta y estable.

• Área verde: 75% del área con gran estabilidadpero producción media.

• Área amarilla: 13% del área inestable, dondehubo una gran variación.

Figura 2. Uniformización de los mapas de cosecha de maíz y soja, del área de 115 ha, de la fazenda Recanto, Sidrolândia, MS, Brasil



112

En un año la producción fue muy alta, en otrofue muy baja y en el tercero estuvo dentro de lamedia. Es preciso aclarar que la productividad me-dia de un área, cuando se trata de agricultura deprecisión, se reere a aquélla área.

De acuerdo con esta clasicación, una inves-

tigación en el lugar de algunas áreas puede seruna garantía para identicar los factores limitantes.Un análisis posterior puede mostrar dónde es eco-nómicamente viable interferir o mantener la inter-vención. En la Figura 4 se presenta un ejemplo deárea con porcentajes de rentabilidad por tipo deproductividad.

Es común identicar mayor inestabilidad en laproductividad de las áreas del entorno, debido a ladicultad de operación de máquinas para la aplica-ción de insumos, a la deciencia en la distribuciónde agua en el riego, a la cosecha, etc.

El análisis económico de los datos se realiza

registrando todos los costos involucrados en elproceso de la técnica de agricultura de precisión,en un sistema de producción, evaluando todas lasetapas del cultivo. Según Matoso (2002), para laasignación de costos se consideran los costosjos y variables, teniendo en consideración loscostos de equipo y software , servicios de geren-

Figura 3. Mapas de cosecha de maíz y soja, del área de 115 ha de la fazenda Recanto, Sidrolândia, MS, Brasil



113 PARTE 2

ciamiento y costo del dinero. De la misma manera,para la implementación de los cambios se calculanlos costos relacionados con los insumos y su apli-cación. Los rendimientos estimados se obtienenteniendo en cuenta la productividad con las alter-nativas analizadas.

A continuación, al conocer el punto de equi-librio en el análisis de costos de producción, enla Figura 5 se establece un mapa de rentabilidady en la Figura 6, asumiendo que los factores limi-tantes han sido erradicados, de forma que la pro-ductividad de una determinada área haya llegadoa sus límites naturales y el agricultor ya no puede

controlar modicaciones adicionales. El potencialde rentabilidad puede ser clasicado en númerostratados de diferentes tipos y, de este modo, se eli-minan factores aislados que limitan la produccióny se puede cuanticar el potencial de rendimientoeconómico.

Utilizando los dos tipos de mapas, de rendi-miento y de rentabilidad, la primera y segundaetapa del ciclo de la agricultura de precisión sonrealizadas para conocer los tipos de producción:de alta, media y baja productividad/rentabilidad/ perjuicio, que deberán ser analizadas para la in-tervención o el mantenimiento de los niveles de

Figura 4. Establecimiento de patrones de producción del área de 115 ha de la fazenda Recanto, Sidrolândia, MS, Brasil

producción. Así, para un análisis temporal de da-tos, los mapas de rendimiento de por lo menos 3años consecutivos, necesitan ser sistematizadospara:

• Denir los patrones de producción/tendencias,en los mapas de rendimiento del maíz.

• Establecer los criterios para denir los tipos derendimiento, en función del análisis económicode los datos de productividad, con el n de es-

Items Valores

Rendimiento (kg/ha) 1.916,25

Precio (R$/kg) 0,30

Ingreso bruto (R$) 574,88

Margen bruto (R$) 56,19

Margen líquido (R$) 0,00

Punto de equilibrio: costos variables(kg/ha) 1.728,95

Punto de equilibrio: costos jos (kg/ha) 1.916,25



114

de los datos de productividad, con el n de establecer el mapa de rentabilidad.

• Establecer un análisis in situ, con el n de rea-lizar una intervención diferenciada en las áreasinestables y de bajo rendimiento.

La intervención en los lugares de inestabilidadde producción y de bajo rendimiento se caracteri-za como la tercera etapa del ciclo, que puede serdesde una fórmula de fertilizante más adecuada,un cambio para un cultivar más adaptado, o in-cluso una actividad para mejorar las condicionesfísicas del suelo y reducir su compactación.

Las recomendaciones de dosis de aplicaciónde fertilizantes son imprecisas y generalmente es-tán basadas en una meta de rendimiento para unmapa especíco del suelo (Larscheid et al., 1997),ignoran la variabilidad dentro de cada unidad delmapa y asumen datos climáticos promedio. Sinembargo, en esta tercera etapa aún existen pro-blemas para su total implementación por la dicul-

tad de gerenciar el sistema de producción porque,en la mayoría de los casos, ocurren acciones ais-ladas de parámetros y también por la falta de crite-rios más ecientes en la denición de parámetrosde clasicación de los niveles de productividad entipos estables de producción. Por lo tanto, estaclasicación demandaría un plazo mayor para al-

Figura 5. Análisis económico: punto de equilibrio y tasa de rentabilidad,

del área de 115 ha de la Fazenda Recanto, Sidrolândia, MS, Brasil

Figura 6. Mapa de rentabilidad de soja, del área de 115 ha, de laFazenda Recanto, Sidrolândia, MS, Brasil

Tasa de rentabilidad sobre los costosvariables 1,11

Tasa de rentabilidad sobre los costos jos 1,00

canzar la variabilidad temporal de los campos deproducción.

Larscheid et al. (1997) clasican las decisio-nes de gerenciamiento de un establecimientoagrícola en: 1) decisiones de largo plazo, queconsideran adoptar en el establecimiento es-trategias de rotación de cultivos; 2) decisionesintermediarias relativas a la próxima época desiembra; y 3) decisiones de corto plazo, que

mo de rendimiento necesario para hacer rentableesta tecnología.

Swinton y Lowenberg-Deboer (1998) muestranque el análisis de presupuesto parcial ha sido laherramienta más utilizada para evaluar la rentabili-dad en la agricultura de precisión. Este análisis seenfoca solo en aquellos ítems de costos y rentabi-lidad que promueven el cambio en la utilización deuna nueva práctica, y normalmente se calcula porá l U áli i l d bili



115 PARTE 2

consideran la zafra en curso durante el períodode crecimiento. Incluso, según los mismos auto-res, actualmente la principal aplicación de mapasde rendimiento como herramienta para la toma

de decisiones sigue siendo más adecuada paradecisiones de largo plazo e intermediarias, espe-cialmente cuando un campo se vuelve disponiblea lo largo de muchos años.

Es evidente que al analizar un mapa de ren-dimiento de un año, esta clasicación podría serrealizada considerando apenas la variabilidadespacial. La clasicación para la evaluación delárea sería más precisa al considerar el factor va-riabilidad temporal, el cual agregaría los ítems deestabilidad y caracterización de los lugares deproducción.

Además, el nivel tecnológico aplicado al sis-tema de producción de un determinado cultivovaría de un establecimiento a otro y, consecuen-

temente, el valor de un rendimiento aisladamente,no es eciente para determinar el valor de esostipos. Por ello, se necesita complementar el aná-lisis de productividad e introducir la evaluacióneconómica en los mapas de rendimiento con eln de establecer el costo de producción por áreay conocer el punto de equilibrio, o sea, el míni-

área o por lote. Un análisis completo de rentabili-dad debería incluir el efecto del impacto en todo elestablecimiento, así como el efecto de los riesgos.Incluso así, la técnica de presupuesto parcial esuna excelente manera de comenzar a analizar larentabilidad media.

Así, mapas de por lo menos 3 años conse-cutivos de rendimiento, con análisis para el esta-blecimiento de patrones de producción, permitendistinguir los tipos de productividad, en funcióndel análisis económico de los datos y establecerel mapa de rentabilidad. El uso de este procedi-miento facilita el análisis in situ de producción másrápida y de bajo costo, para una intervención dife-renciada en las áreas inestables y de baja produc-tividad, tal como se muestra en la Figura 7.

Por eso, es preciso establecer los procedi-mientos adecuados para la aplicación del con-cepto y de técnicas que viabilicen la optimiza-ción del sistema de producción. Las acciones

aisladas de intervención no siempre produciránresultados que justiquen económicamente eluso de la agricultura de precisión. Por otro lado,ya son conocidas las técnicas ecientes paratrabajar con el mapeo temporal de los sistemasde producción, como se muestra en la Figura8, el modelo de Moore (2002) que permite al



116

Figura 7. Adopción de un enfoque simple para realizar mejoras signicativas en la rentabilidad (Fuente: Mark Moore, AGCO, 2002)

Figura 8. Modelo de gerenciamiento del sistema de producción para la toma de decisiones del agricultor (Fuente: Mark Moore, AGCO, 2002)

I n t e gr a

ci ó n d

e d

a t o s

Histórico del área de producción-Variab. temporal: M1+M2+M3+M4

Conocimiento del área: mapeoMapas

InvasorasCamposantiguos

Áreasanegadas

Ensayosde campo

Recursos estables del campoTipo de suelo Profundidad del suelo Topografía

Condiciones estacionalesClima

padrónCultivo,

tipo/variedadNutrientesdel suelo

Plagas yenfermedades

Decisionesdel agricultor

¿Cuál es el escenario?Conocimiento del área

Identicación de lasZonas de manejo

Identicación de lasZonas de manejo

Establecimiento de lasZonas de manejo

Modicación de lasZM por las condiciones

estacionales

Recomendaciones y análisis

Implementación de las decisiones

Evaluación de las decisiones

Mapa de rendimiento

agricultor tomar decisiones durante el cultivo, entiempo real y después de la cosecha.

El establecimiento de patrones que identicanlas diferentes áreas de producción dentro de unmismo campo, permite al agricultor tomar deci-siones acertadas y, al mismo tiempo, evaluar si las

recomendaciones implementadas tendrán el efectoesperado. De este modo, permite un gerenciamien-to económico del sistema de producción, con ac-ciones durante el ciclo del cultivo y después de la



117 PARTE 2

ciones durante el ciclo del cultivo y después de lacosecha. A partir de la siembra, con los mapas detendencia, el agricultor puede acompañar el cultivoy, en el caso del maíz, la intervención en tiempo realpara la corrección de nitrógeno y agua por ejemplo,permite la recuperación de la productividad, antesde que nalice el ciclo.



5

PARTE 3



3.1. Tecnología de precisión paragestión de nutrientesHarold Reetz

controladores ha mejorado el uso de gestión ensitios-especícos.

Las tecnologías de la agricultura de precisiónestán ahora disponibles para agricultores y susasesores y les brindan nuevas y excitantes posi-bilidades de mejorar los sistemas de gestión de

producción agrícola. Como muestra la Figura 1, lagestión de nutrientes agrícolas puede usar tec-nología de precisión en una variedad de maneraspara medir las condiciones, las actividades de mo-

it l lt d é d d l á ti

Harold F. Reetz, Jr.

Consultor de Reetz Agronomics, LLC.B.S. in Agricultural Science-Agronomy, University ofIllinois,1970M S in Crop Physiology and Ecology Purdue University-



120

IntroducciónLos agricultores y sus asesores ponen a punto

el sistema de gestión de la producción de cultivospara mejorar rendimientos y ganancias, a menudoencuentran razones para cambiar la tasa de apli-cación para insumos variados (semilla, fertilizante,químicos) con el n de dar cuenta de la variabilidaddel tipo de suelo y de otros factores.

La combinación de herramientas y serviciosdisponibles hacen posible cambios tales comolo es la tasa variable de tecnología (VRT14), sien-do ésta la parte más importante de la agriculturade precisión de sitio-especíco. La aplicación VRT de algunos insumos ha sido practicadadesde la década de 1920, pero la disponibilidadde GPS, GIS y el amplio rango de monitores y

14 Por sigla en inglés: variable-rate technology (VRT)

nitoreo y los resultados récords de las prácticasde gestión e insumos. El uso de la tecnología seestá convirtiendo en una parte importante de laagricultura y hace a los sistemas de producciónagrícola más productivos, más rentables y mássostenibles.

Este capítulo resume como algunas de estastecnologías son aplicadas en los modernos siste-mas de gestión de nutrientes. De las muchas he-rramientas disponibles sólo una selección puedeser discutida, pero ésta sirve como ejemplo de losmodos interesantes en que la tecnología está re-volucionando los sistemas de producción agrícolaalrededor del mundo.

Determinación de la variabilidad dentro deun campo

El uso de la agricultura de precisión en sitiosespecícos depende de si existe alguna razónpara cambiar la gestión hacía las diferentes partesdel campo. Esto usualmente signica que hay al-guna fuente de variabilidad que puede ser maneja-da cambiando prácticas o insumos. La variabilidadpuede ser determinada por la medición de algunosparámetros que guían la decisión del cambio degestión. Por ejemplo, un uso común de la agricul-tura de precisión, es variar la tasa de la aplicación

M.S. in Crop Physiology and Ecology, Purdue University Agronomy Department, 1972Ph.D. in Crop Physiology and Ecology, Purdue University- Agronomy Department, 1976Monticello, Illinois [email protected]



121 PARTE 3

de fertilizante de un área del campo a la otra. Esecambio en la tasa podría estar basado en el aná-lisis de suelo, el rendimiento de los cultivos ante-riores, la capacidad de mantener el agua de lossuelos, u otros factores que pueden ser medidoso estimados.

Muestreo de sueloLa forma más común para determinar la varia-

bilidad de nutrientes en los suelos es mediante elmuestreo de suelo y el análisis de las muestras enlos laboratorios que determinan el contenido rela-tivo de nutrientes.

Muestreo de cuadrículaCon poca o ninguna información sobre el cam-

po el muestreo de cuadrícula es válido, el primerconjunto de muestras de suelo podría ser recogidoen una base de cuadrícula uniforme. Recoger unamuestra por hectárea da una buena base de datos,

la cual es recomendada para la aplicación de fertili-zante. Cada muestra es preparada con cinco a diezmuestras de suelo recolectadas dentro del área deuna hectárea, luego se mezclan y se depositan enuna bolsa o caja pequeña y son enviadas al labora-torio. Las muestras deberían ser recogidas en unasupercie uniforme (a menudo alrededor de 20 cm).

Figura 1. Esta ilustración muestra ejemplos las diferentes tecnologías de la agricultura de precisión que están siendo usadas para la producción de cultivo ensitios especícos. Fuente: Better Crops, 1994, IPNI



122

Muestreo inteligente - zonas de gestiónSí la indicación de variabilidad es conocida -por

mapas de rendimientos anteriores, mapas de tipode suelos, conductividad eléctrica, etc.- es mejorpara denir las zonas de gestión ya que se conocela fuente de variación y muestra acorde a los lími-

tes de esas zonas. Este método de muestreo inte-ligente toma ventaja de lo ya conocido acerca delcampo, para ayudar a denir las tasas adecuadasde fertilizante a ser aplicadas. El muestreo inteli-gente a menudo se basa en mapas de variabilidad,registrados de acuerdo a la ubicación del GPS enuna base de datos de SIG. Estos mapas o la infor-

mación en la que los mapas son basados, se usanpara crear un archivo de datos de aplicación (otro

mapa) que sirve al controlador de dosis para ajus-tar la dosis de la aplicación de fertilizante ya que elaplicador se mueve a través del campo.

Mapas Algunas zonas de gestión son basadas en ma-

pas de tipo de suelo, topografía, rendimiento decultivos anteriores y otra información. En EEUU los

mapas de estudios de suelos son usados común-mente. Los estudios digitales georreferencialesde suelos están disponibles para casi todos loscampos de producción de cultivos, brindando nosolamente mapas, sino gran cantidad de datosde apoyo sobre las características del suelo, de laproducción de cultivos y otros usos.

Figura 2. Un patrón de cuadrícula uniforme de muestreo de suelosusado cuando es necesario conocer lo más pequeño de las fuentes devariabilidad en el campo. Fuente: IPNI, 2013

Figura 3. Un patrón de muestreo inteligente para el muestreo desuelos donde se conocen las fuentes de variación -en este casotopografía- que afectan los niveles de nutrientes de los suelos. Otrosmapas de la variabilidad del campo pueden ser usados para guiarel muestreo inteligente y brindar mejores recomendaciones para laaplicaciones de nutrientes

Más información sobre muestreo de cuadriculasen el apartado 1.5. Muestreo para mapeo y

manejo de la fertilidad del suelo.

Cuando los estudios de suelo no están disponi-bles, otros mapas pueden ser usados para las zo-nas denidas de muestreo. Un mapa de conduc-tividad eléctrica del suelo puede ser usado paraobtener una idea general sobre la variabilidad delsuelo. La conductividad eléctrica del suelo es me-dida para saber cuánta corriente eléctrica puedeconducir el suelo. Las partículas más pequeñas dearcilla conducen más corriente que las partículasmás grandes de limo o arena, por eso la conduc-tividad eléctrica puede ayudar a estimar la textura

Fi 5 U di d i lé i (lí d ) d



123 PARTE 3

p ydel suelo. El mapa es generado tirando de un carroa través del campo para tomar las lecturas.

El carro es equipado con una serie de discosque se mueven a través del suelo y recogen lectu-ras de la corriente eléctrica pasando a través delsuelo entre los discos. Varios miles de lecturas sontomadas dentro de cada hectárea. La informaciónrecolectada proporciona una estimación de las ca-racterísticas de la variabilidad del suelo., especial-mente de la textura del suelo (relativo al contenidode arcilla) y factores relacionados. La posición de

Figura 4. Un carro de conductividad eléctrica usado en un campo detrigo cosechado para medir la conductividad eléctrica del suelo.Sitio web: www.veristech.com

Figura 6. Un mapa de medidas de conductividad de los suelos tomadascon un sistema de carro de conductividad eléctrica que muestra lavariabilidad de la conductividad eléctrica del suelo dentro del campo

Figura 5. Un diagrama de corriente eléctrica (líneas de puntos) uyendoentre diferentes discos en el carro de conductividad eléctrica y cómoéste es movido a través del suelo.

cada medida es grabada con las coordenadas delGPS para proporcionar un mapa detallado de lavariabilidad de la textura del suelo en la zona deenraizamiento del cultivo. Ya que muchos de losfactores de productividad en variabilidad de suelosson relacionados a la textura, el mapa de conduc-tividad eléctrica ayuda a estimar la variabilidad enproductividad de suelo y así guía las decisiones degestión de nutrientes.

Teledetección

dos, estos sensores pueden ser usados para ha-cer ajustes instantáneos en la marcha de la tasade N de fertilizante, ya que el aplicador se muevea través del campo.



124

La teledetección aérea o satelital tiene poten-cia para identicar las fuentes de variabilidad queprobablemente ayudarían a determinar la dosisadecuada de la aplicación de fertilizante. Ellas sona menudo útiles para determinar la variabilidad amayor escala, para guiar la tasa variable de apli-cación de fertilizante. Las imágenes de los GoogleMaps y los Bing Maps pueden proporcionar algu-na indicación de la variabilidad de suelos y quizássean sucientes, sí relacionan las observacionesde suelo que identican los ejemplos de los dife-rentes tipos de suelo mostrados en las imágenes.Hay siempre una compensación en la escala deprecisión. Las imágenes satelitales dan una cober-tura más amplia a menores costos, pero con me-nor resolución (detalle). La imagen aérea propor-ciona más detalle, pero es más cara por hectáreade cobertura.

Monitores y sensores

Recientemente, varios tipos de monitores es-tán disponibles, estos usan sensores para medir lareexión de la luz desde el follaje del cultivo, el cualpuede ser comparado con una franja de referenciaen el campo para indicar el contenido relativo denutrientes del cultivo. Adecuadamente montadosy calibrados en contra de los estándares conoci-

Figura 7. Un sensor manual “greenness ” (intensidad del verde) usadopara evaluar la salud actual del crecimiento del cultivo. Este sensorutiliza infrarrojo

Figura 8. Una serie de unidades de sensor montadas sobre cadala en un aplicador de fertilizante puede ser usado para estimar lasnecesidades de N en la marcha y guiar el controlador del aplicadorpara ajustar la dosis de la aplicación deside-dress fertilizantenitrógeno en tiempo real. Foto:Corn & Soybean Digest

Cuando se usan mapas, sensores u otros,se mide la variabilidad y se ajusta la aplicación,es más importante pensar sobre lo que se estáhaciendo, usar las herramientas adecuadas y to-mar mejores decisiones de gestión que si éstastienen sentido. Las herramientas y las máquinas

son maravillosos bienes pero es necesario seguirlas recomendaciones de la ciencia agronómica yde la experiencia.

M j d t i t

4R como una guía para las prácticas de manejode nutrientes que son agronómicamente viables,económicamente sustentables y responsablesfrente al medio ambiente. La Figura 9 muestra loscomponentes del Programa Administración deNutriente 4R, que fue construido usando la fuen-te adecuada, a la dosis correcta, en el momentoy lugar adecuados para conocer las necesidadeseconómicas, medioambientales y sociales de unsistema sostenible de toma de decisiones de ma-nejo de nutrientes.



125 PARTE 3

Manejo de nutrientes

Administración de nutriente 4RLa industria de fertilizantes, en cooperación

con cientícos alrededor del mundo han desarro-llado el Programa de Administración de Nutrientes

jLos factores ennumerados alrededor del dia-

grama son varios de los indicadores del rendi-miento, usados para determinar la efectividad delsistema de gestión en el cumplimiento de sus objetivos. La tecnología de precisión juega un papelimportante en muchas de estas prácticas.

Figura 9. Diagrama del sistema de gestión de administración de nutrientes 4R

FuenteEl sistema 4R de gestión de nutrientes comien-

za con la fuente adecuada. Diferentes fuentes denutrientes pueden ser seleccionadas de diferentescultivos o condiciones del campo o para diferentesépocas del año. La agricultura de precisión puede

ayudar a los agricultores a reconocer que fuentede nutrientes sería mejor para el cultivo y la épo-ca de la aplicación. Las formas pueden ser seco,líquido, suspenciones o gas (amoníaco anhidro).Cada uno tiene diferentes características que afec-

los materiales fertilizantes, tales como el N que sonsuceptibles a las pérdidas del campo. El objetivo eshacer que todos los nutrientes del cultivo estén enel momento justo y con la dosis óptima para cono-cer las necesidades del crecimiento del cultivo.

LugarOtro uso importante de la tecnología de precisión

es para la colocación del fertilizante. La dirección Tiempo Real Cinemático15 permite precisión en lacolocación con 2 o 3 cm o a menor variación. Con ladirección RTK los nutrientes pueden ser colocados



126

qtan su utilidad para brindarle nutrición a la planta.La cantidad necesaria para cada cultivo dependede la decisión de cuál es la fuente más adecuada.

DosisLa dosis en la que el fertilizante es aplicado es

una de las aplicaciones más importantes de la tec-nología de la agricultura de precisión. Como se des-cribía anteriormente, los mapas y sensores puedenser usados para determinar la dosis adecuada paraaplicar el fertilizante. Los controles de precisión pue-den ser usados para ajustar la dosis durante la apli-cación. Los diferentes sistemas pueden ser usadospara presiembra, side-dress y top-dress. La tecnolo-gía de precisión brinda varias opciones para ayudar aseleccionar la mejor dosis para cada campo.

TiempoLas diferentes tecnologías disponibles permi-

ten a los agricultores la aplicación del fertilizante en

tiempo para emparejar el desarrollo del cultivo. Losmonitores y modelos metereológicos pueden serde gran ayuda en el seguimiento del desarrollo delcultivo para predecir el momento adecuado para lasaplicaciones de nutrientes. El tiempo de aplicacióndebería adecuarse a la necesidad de absorción delcultivo tan estrechamente como sea posible para

dirección RTK los nutrientes pueden ser colocadosexactamente en la banda de fertilizante donde ellosson necesarios y las semillas pueden ser plantadasen una ubicación exacta con respecto a la banda de

fertilizante, aún varios meses más tarde.

SiembraEn la siembra, la tasa variable parecería ser una

práctica natural para ser usada en la gestión de si-tio-especíco. Y está siendo adoptada por algunosagricultores para ajustar la tasa de siembra a losmejores y más apropiados tipos de suelo, capaci-

dad de agua u otro criterio. Desafortunadamente,es mucha la información que se necesita para to-mar decisiones prácticas y cientícamente válidaspara saber cuál es la tasa de siembra adecuadapara las diferentes partes del campo. Cuanto másinformación sobre los campos individuales estedisponible y más relaciones agronómicas puedanser denidas entre los parámetros de los camposvariables, la siembra de tasa variable se convertiráen una práctica más común. Ya que las relacionesa menudo son dependientes de la composicióngenética del híbrido o de la variedad, se complicanaún más las posibilidades de utilización de la siem-bra de tasa variable.

15 RTK, por su sigla en inglés

Manejo de plagasLa variedad de prácticas en el manejo de pla-

gas es probablemente aún más desaante. Paralos insectos, hay una tendencia a que la infecciónsea general a través del campo. Sin embargo, losácaros tienden a concentrase en áreas pequeñas

y la tasa variable de tratamiento puede ser másefectiva y económica. Varios monitores, sensores y modelos pueden

ser herramientas útiles. Las herramientas tecnoló-gicas pueden ser efectivas para la exploración de

gistros precisos y detallados de las actividades,los insumos y la producción de todo el campo. Elmonitoreo minucioso es de gran ayuda para iden-ticar cambios en el sistema, que son necesariosen cada temporada y para hacer un seguimientode las tendencias de los niveles de nutrientes y dela respuesta en la cosecha.

Investigación agrícola: una llave de pasohacia la gestión de sitio-especíco

La implementación exitosa de la agricultura de



127 PARTE 3

gicas pueden ser efectivas para la exploración delos ácaros de cultivos de soja, cítricos y frutas. Lasenfermedades infecciosas son a menudo pronos-ticadas usando modelos de información del clima

en el lugar o una base más amplia de datos cli-máticos de fuentes centrales y de internet. Por elcontrario, las aplicaciones de tecnología de tasavariable son limitadas, pero la tecnología es toda-vía importante en la gestión de un campo a escala.El control de malezas es probablemente la aplica-ción más importante en el control de las plagas deuna tecnología de tasa variable.

Los sensores pueden ser usados para detectarla densidad de la infección y en algunos casos aúnayudan a identicar las especies de malezas. Losmapas de infecciones de maleza de años anterio-res, la exploración de sus resultados y sus senso-res son usados para denir las áreas dentro de uncampo que pueda necesitar aplicaciones de herbi-cidas especiales – producto o tasa – y para ubicarun problema particular de maleza.

Implementación de la agricultura de precisiónLa implementación del sistema de la agricultura

de precisión es un gran compromiso. Para ganarel mayor benecio de la inversión en tecnología,un agriculror y sus asesores deben mantener re-

La implementación exitosa de la agricultura deprecisión depende de la capacidad para identi-car la variabilidad en los campos y para entendercomo se maneja esta variabilidad. La mejor apro-

ximación es aprender todo lo que se pueda sobrelas características del campo a través de los mé-todos como prueba de suelo, mapeo de la varia-bilidad de suelo y monitoreo de la variabilidad derendimiento.

La prueba de suelo es una herramienta impor-tante para determinar la variabilidad en los nutrien-tes del suelo. Para desarrollar recomendaciones

que son más especícamente adecuadas parauna granja o campo individual, los datos de res-puesta del fertilizante recolectados por el agricultorsobre la gestión de su propio campo puede ser unrecurso valioso. Con la tecnología de la agriculturade precisión es relativamente fácil para un agricul-tor construir su propia base de datos de respuestade nutriente. La investigación agrícola de parcelas

puede ser realizada para establecer las calibracio-nes de respuesta de fertilizante para las pruebasde suelo de este campo.

Con la tacnología de precisión, es relativa-mente fácil para los agricultores hacer sus pro-pias investigaciones, usando su equipo agrícolanormal y con muy poca o ninguna interrupción de

la actividad normal del campo. De hecho, cadacampo podría convertirse en un campo de inves-tigación para nuevas prácticas de prueba de pro-ductos, insumos o tasas de aplicación. De estaforma el agricultor y sus asesores pueden usarinformación de sus propios campos para guiar lasdecisiones de cómo mejorar su sistema de pro-ducción de cultivo.

El estudio de la tasa de respuesta puede serrealizado con el controlador de la tarjeta de datosen el controlador de la tasa de fertilizante, de ma-

zadas automaticamente, como muestra la Figura10. Luego de los tiempos de cosecha, la informa-ción recolectada por el monitor de rendimiento delmismo campo puede ser extraída y unida con lasparcelas de fertilizante para determinar la relaciónentre el fertilizante aplicado y el rendimiento. Esainformación junto con las pruebas de suelo puedeser usada para guiar recomendaciones para fu-turas aplicaciones en ese campo y otros camposmanejados de forma similar. Las parcelas agrícolastambién puden ser establecidas para estudiar otras

á d ó l l d d



128

nera que el fertilizante es esparcido a través delcampo, las parcelas con diferentes tasas son tra-

prácticas de gestión, por ejemplo los productos deinsumos, la labranza, el momento adecuado, etc.

Figura 10. Este mapa muestra en donde fue establecido un conjunto de parcelas de tasa de N en un campo de maíz, usando el controlador sobre elaplicador de fertilizante. Tomando en cuenta que esta prueba tiene seis tasas diferentes de N, cada cuatro veces duplicada

Esto permite con un análisis simple de estadís-tica ayudar a remover los efectos de la variabilidaden el campo. Las parcelas son cosechadas comolo son las del resto del campo sin interrumpir lasoperaciones normales del campo. Los datos dela parcela son extraídos más tarde del monitor derendimiento de la cosechadora.

Las comparaciones agrícolas son una parte im-portante de los sistemas de mejora de la produc-ción del cultivo. La Figura 12 muestra un ejemplode cómo tales comparaciones pueden ser hechas,

d q i i t l d



129 PARTE 3

usando un equipamiento normal de campo y conuna muy pequeña interrupción de las actividadesregulares del campo. Para evaluar el valor de latasa variable de la aplicación de N, el N fue apli-

Figura 11. La información del estudio de N muestra que la tasa óptimade N fue alrededor de 150 Ib N/A

Figura 12. Ejemplo del plano de un campo de comparación agrícola de tarifa plana y aplicación de tasa variable N en una franja de prueba. Un estudioduplicado separado sobre la tasa de N es incluido en el lado izquierdo para ayudar a denir la tasa de N óptima para el campo. (Fuente: Dan Schaefer,Illinois Council on Best Management Practices, 2013)

cado en franjas usando la tasa variable de N ba-sada en la variación de tipo de suelo, mostradapor la franjas de variable coloreadas de verde. Lasfranjas alternadas (áreas anaranjadas) tuvieron unaaplicación de N acordes al promedio de N requeri-do por el campo. Comparando el rendimiento total(o el benecio) desde las franjas de VRT con lasfranjas promedio del campo, se puede determinarsi la VRT fue justicada y hacer planes de futuroacordes.

Se señala que en este caso un estudio de tasaf e reali ado en el lado i q ierdo del mismo cam

tigación para evaluar nuevos productos y nuevasprácticas. Las comparaciones agrícolas son va-liosas porque ellas prueban las nuevas ideas enla gestión del propio agricultor y en sus propioscampos.

Los sistemas de guía de alta precisión, como

los RTK, son necesarios para usar alguna de lasaplicaciones especícas de la tasa variable. Estorequiere más señales sensibles con puntos de re-ferencia con base en tierra para usar en conjuntocon las señales satelitales. Pero los ahorros en re-d cción de s perposiciones saltos en las apli



130

fue realizado en el lado izquierdo del mismo cam-po, usando parcelas más pequeñas pero mane- jado con un equipo normal a escala del campo. Tales comparaciones de campos pueden ser im-plementadas con la tecnología y las herramientasde dirección en la granja y puede ayudar a cadacampo a convertirse en un sitio valioso de inves-

ducción de superposiciones y saltos en las apli-caciones del campo pueden pagar por los costosextra. Menos semillas, químicos y fertilizantes sonnecesarios sí la dirección es la precisión. Menorcantidad de combustible es usado. Más granosson cosechados sí la distancia entre surcos es uni-forme y precisa.

Figura 13. Un drone volando sobre un campo de cultivo de trigo. Otro drone usado para la exploración aérea de varias parcelas de trigo. Fuente:Progressive Farmer, Dan Schaefer & DTN, 2013

Tecnología de vehículo aéreo no tripuladoy drones

La nueva tecnología que ha llegado al mercadoagrícola es el VANT, a veces se reere a ellos comodrones16. El tamaño y el costo de los VANT y dro-nes se han vuelto más accesibles en los últimos

dos o tres años. Estas unidades pueden ahoraser equipadas con varias cargas útiles, como porejemplo cámaras, para ayudar con la exploraciónu otras actividades del campo.

Existen posibilidades de la utilización de dro-l li ió d l d í i d

3.2. Sistemas de guía por satélite,automatización agrícola ycontroladores electrónicosStanley Best

Stanley BestDoctor en Ingeniería Agrícola y RecursosBiológicosDirector Nacional del Programa Agricultura de Precisión INIAQuilamapu Chile



131 PARTE 3

nes para la aplicación de reguladores químicos decrecimiento y pesticidas. Los sistemas de controlse han vuelto muy sosticados y precisos. Ellos

pueden ser programados para seguir un caminopredeterminado y regresar después de completarsu misión. Recientemente drones del tamaño deuna mosca doméstica han sido usados con éxi-to. ¿Cómo pueden ser usados en agricultura? Nocabe ninguna duda que alguien encontrará unamanera de usarlos.

16 Drone, del inglés: zángano.

IntroducciónUna de las tecnologías que es promisoria para

el mejoramiento del sector productivo a nivel prediales la agricultura de precisión. Esta herramienta aso-ciada a las tecnologías de la información y basadaen el posicionamiento satelital, consiste en obtenerdatos georreferenciados de los predios para un

mejor conocimiento sobre su variabilidad espacial anivel de rendimiento y calidad. En general los sitiospueden presentar distintos tipos de variabilidad, da-dos por: topográca, génesis de suelo, distinto tipode manejo, etc. Mientras mayor sean los diferencia-les de rendimiento existente en un sitio, mayor seráel éxito de obtener resultados con una estrategia deaplicación variable de recursos (agua, fertilizantes,semillas, agroquímicos, etc).

En la actualidad las tecnologías asociadas a laaplicación variable de insumos son una realidady pueden estar al alcance de todos. Estas he-rramientas de la agricultura de precisión corres-ponden a máquinas y equipos inteligentes queejecutan tareas precisas con el apoyo de la infor-

Quilamapu [email protected]

Reexión La producción de cultivo está haciendo uso de más he-

rramientas tecnológicas todos los días. Hoy en día, las herramientas agrícolas usadas a diario no eran ni siquiera soñadas 15 años atrás. No se puede predecir cuáles se- rán las tecnologías agrícolas del futuro. Pero es un buen plan continuar evaluando lo que está disponible y sí es lo sucientemente exible para adoptar las nuevas tecnolo- gías que se adapten mejor al cada sistema de producción.

mática, la electromecánica, el GPS, etc; las cua-les integradas a los sistemas comunicacionalespermiten una gestión oportuna de las accionesproductivas.

Las máquinas o equipos reciben en su com-putadora las órdenes de aplicación variable deinsumos que están debidamente georreferencia-das, las cuales hacen que actuadores hidráuli-cos o electrónicos realicen la labor de aplicar losinsumos en el lugar y la cantidad correcta (agua,semilla, fertilizante y pesticidas). Este factor quepermite generar registros de las acciones desa-

monitores miden rendimiento, humedad, ujo, ve-locidad, evaluación de supercie, entre otros. En loque respecta a calibraciones todos los monitoresdeben ser calibrados en peso, humedad (excepto AGCO, Figura 1) y distancia (se debe corroboraren caso de no ser medida por GPS).

Los mapas de rendimiento permiten cuanticarla variabilidad de rendimiento existente durante lacosecha de un cultivo dentro del potrero, quedan-do grabada espacialmente. Los mapas de rendi-miento son uno de los principales componentesen la agricultura de precisión debido a su utilidad



132

permite generar registros de las acciones desarrolladas como certicación de calidad, sí sonintegradas a herramientas comunicacionales pue-den ser evaluadas a tiempo real. Entre estas he-rramientas electrónicas se encuentran el monitorde rendimiento, el banderillero satelital, el sistemaautopiloto, entre muchos otros que se explican acontinuación.

Monitores de RendimientoLos monitores de rendimiento (Figura 1) han

sido diseñados con el objetivo de recolectar da-tos para su posterior análisis. Los datos almace-nados por hectárea son alrededor de 600 puntosdependiendo de la frecuencia, los que son gra-bados en la tarjeta de memoria. La supercie queabarcan los puntos de rendimiento está com-puesta por el ancho de la plataforma de la cose-chadora y la distancia recorrida en el tiempo que

tarda en grabar un dato y otro. Cuando el monitorde rendimiento de la cosechadora está conecta-do a un GPS, esos datos pueden componen unmapa de rendimiento.

Los monitores son muy similares en cuanto ala información que brindan pero tienen una seriede diferencias en cuanto su calibración. Todos los

en la agricultura de precisión debido a su utilidadtanto en el desarrollo como en las estrategias delmanejo de precisión.

El contar con información georreferenciada esun paso importante en la aplicación variable de in-sumos, permite determinar la variabilidad presenteen el potrero. Para ello existen diferentes herra-mientas que pueden llevar a una mejor deniciónde los ambientes homogéneos presentes en unpotrero, tales como: carta de suelos, fotografíasaéreas, imágenes satelitales, entre otras. Una de

las herramientas más destacadas es el mapa derendimiento, debido a que permite saber no sólola variabilidad presente en el potrero sino tambiéncuanticarla, metafóricamente, es una radiografíadel potrero.

El mapa de rendimiento facilita la cuanti-cación de la variabilidad natural de un potrero. Además mediante ensayos debidamente pro-

gramados aporta datos de respuesta variable ala aplicación de insumos. Si esos datos son in-terpretados correctamente y apoyados con unmuestreo de suelo por sitios homogéneos, guia-do y posicionado adecuadamente, aportarán cla-ridad en la toma de decisiones para la aplicaciónvariable de insumos.



133 PARTE 3

Existen en el mercado diversas herramientaspara medir caracteres especícos, con el objetivode dejar de utilizar dosis uniformes y pasar a utilizardosis variables, sin embargo, es necesario teneren cuenta ciertos parámetros para evitar errores.

La recomendación a realizar en cada zona enparticular, depende de la adecuada prescripción yéxito de la dosis variable asociada. Este es uno delos puntos clave que se debe estudiar para de-sarrollar una metodología práctica para ser usadapor los productores.

Algunos productores han incorporado activa-mente esta tecnología a sus sistemas de gestión,

otros han sido más pasivos, pero a medida quela tecnología se ha convertido en una parte delprocedimiento de operación estándar o más biendicho en una práctica común, como es el casodel banderillero satelital en la pulverizadora. Eneste caso la adopción ha sido lineal debido a susventajas directas, al reemplazar el trabajo insalubre

y rudimentario de los banderilleros humanos y alpermitir el trabajo nocturno. El banderillero sateli-tal permitió reemplazar el trabajo insalubre y rudi-mentario de los banderilleros humanos y habilitó eltrabajo nocturno, lo que ha llevado su instalaciónen gran cantidad de pulverizadoras y en todos losaviones aeroaplicadores.

Figura 1: Monitores de rendimiento más difundidos



134

Es creciente, también, la cantidad de sembra-doras cuyas funciones son monitoreadas median-te controladores de siembra. Estos equipos infor-man sobre la dosicación de semilla y fertilizante. También permiten conocer valores entre los que sedestacan la velocidad de avance, la capacidad detrabajo y la densidad de siembra. También detec-tan anomalías en la entrega de semillas, asociadosa dosicaciones menores o mayores al objetivoo cuerpos obturados que no entregan semillas.Estas ventajas directas sobre la performance dela maquinaria y del operario, han producido laadopción de este tipo de equipos sea inobjetable,logrando un alto incremento de adopción por losagricultores de EEUU y de diferentes países de

Europa y de América Latina.

Aplicador variable de agroquímicoLos sensores de aplicación variable de agro-

químicos permiten dosicar en forma eciente lacantidad de pesticidas según el área foliar de los

Figura 2. Ejemplo del moderno panel de control de un banderillero Satelital Figura 3. Monitor de aplicación variable de agroquímicos

cultivos, conectados a DGPS permiten obtenermapas precisos de la distribución espacial del pro-ducto aplicado.

Monitoreo de siembra de precisiónEn la actualidad son muchas las compañías

tanto locales como internacionales que desarrollany comercializan este tipo de equipos, permitiendoal agricultor y prestador de servicio poder monito-rear la gestión de siembra. Estos equipos poseenuna serie de sensores los que permiten monitorearlas caídas de fertilizantes y semillas para evitar ta-ponamientos u mala dosicación de insumos.

Entre los sistemas de monitoreo de siembrase destacan por su buena relación precio/calidadlos desarrollados por la empresa argentina Control Agro y Plantium entre otros en la región, comoPrecisión Planting en EEUU por nombrar algunos.

Por otra parte, este tipo de sensores tambiénpueden ser utilizados en conjunto con cajas reduc-

Figura 4. Sistema de monitoreo y de siembra variable montado en una sembradora de la empresa BHV, dinámica presentada en Chile, (derecha) ysistema incorporado en plataforma digital (izquierda)



135 PARTE 3

toras para el control de siembra y fertilización varia-ble. Estas últimas, responden a las variaciones dediagnóstico agronómico geo-posicionado dentrode un potrero, así como a prescripciones de dife-rentes densidades de siembra (también pueden serincluidos los fertilizantes asociados), o sea que, unavez cargado el mapa de prescripción del potrero,se pueden establecer en el potrero diferentes sitios

de rendimientos potenciales. Ya cargadas las pres-cripciones de semilla y fertilizantes para cada sitio(mapas) y calibrada la sembradora; la máquina alser posicionada por señal de GPS o DGPS (GPSDiferencial o sub-métrico) realiza la aplicación va-riable de acuerdo a la prescripción. En América delSur ya existe este tipo de máquinas de fabricaciónlocal (Brasil y Argentina, Figura 4).

Sistema autopiloto de guíaUn piloto automático (Figura 5) es un sistema

electro-mecánico e hidráulico, utilizado para guiarun vehículo sin la asistencia de un ser humano. Actualmente este tipo de equipos es utilizado con

el apoyo de un sistema de posicionamiento deltipo Tiempo Real Cinemático (RTK, por su siglaen inglés) que permiten direccionar al tractor conaltísimas precisiones, evitando los errores en las lí-neas de siembra y pulverizaciones. En general este

sistema incorporado en plataforma digital (izquierda)

Figura 5. Sistema autopiloto montado en tractor y siembra realizadacon autopiloto

sistema podría ser implementado en los prestado-res de servicio de siembra y fumigación quienesa través de esta tecnología verían incrementar losrendimientos de su trabajo y entregarían un servi-cio de calidad para el productor de achicoria quese traduciría en mejores rendimientos del cultivo.

Sistema de visión articial de ópticos deauto guía

Los sistemas de guía automática o autopiloto pue-den reducir en gran medida la fatiga de conductores yi l d l d l d i id d

Por otro lado, los sistemas de navegación yguía basados en la visión articial no son compli-cados y sólo utilizan los marcos de imagen captu-rados por una cámara ja del tractor. Este últimosistema ha demostrado tener bajos errores y suuso no depende necesariamente de las condicio-nes climáticas, como ocurre algunas veces con lossistemas satelitales (DGPS, RTK).

Los sistemas de guía por visión articial, se ba-san en realizar el trazado de guía acorde a la orien-tación de objetos visibles en el terreno (tales comohilera de siembra, surco, etc., Figura 6). La tecnolo-



136

tienen como resultado el aumento de la productividady la seguridad de las operaciones agrícolas.

Diferentes enfoques se han estudiado para larealización del guiado automático de las máquinasagrícolas. En los sistemas de autopiloto se usan unacombinación de soluciones existentes, incluyendo elDGPS, RTK y sistemas de visión por computadora.

g )gía de visión articial de la máquina tiene la ventajade utilizar las características locales para anar elcurso de navegación del vehículo. Así, los sistemasde guía por visión articial poseen característicastecnológicas muy parecidas a las que posee unoperador humano, sin que exista la posibilidad deque éste se canse y, por ende, cometa errores.

Figura 6. Ejemplos de sistemas de guía por visión articial

El SmartSteer (Figura 7) es un sistema de au-toguiado para las cosechadoras New Holland CXy CR que permite controlar de manera automáticala dirección de la cosechadora, aprovechando almáximo la anchura de corte del cabezal. Para elloutiliza un láser de infrarrojo que detecta el bordedel cultivo que está sin cosechar. Los cambios de

la señal y en el rastrojo son reejados en el culti-vo e informan sobre la posición de la cosechadorarespecto al borde de la cosecha. El sensor se en-cuentra situado en el lado izquierdo de la cabina,debajo de la extensión del techo, el cual puededetectar la línea siega (difícil para el operador) a

Sembradoras variables de alta precisiónEste tipo de sembradoras a diferencia de las

expuestas anteriormente, utilizan un sistema RTKde guía en la siembra y un sistema de alta preci-sión en la localización de la semilla, permitiendo lo-grar una siembra altamente precisa, útil para el usode maquinaria de control de malezas mecanizadasque se expone más adelante en este capítulo.



137 PARTE 3

g ( p p )ambos lados de la cosechadora. Se puede cam-biar de cabezal, en función del tipo de cultivo sinque sea necesario modicar la posición del sensorde alineación. Se trata de un sistema autónomoe independiente de las señales externas, aunquecompatible si se desea con los sistemas de GPS.

Figura 7. Sistema de auto guiado para cosechadoras:SmartSteer

Figura 8. Sembradora de alta precisión de la empresaPrecisionPlanting (EEUU)

Control de malezas de alta precisiónEl control integrado mecánico se utiliza para la

eliminación de maleza en cultivos hilerados sembra-dos con alta precisión. El crecimiento de las malashierbas dentro de las las de cultivos es el principalproblema para la respuesta en producción (en es-pecial en los primeros estadios de la plata), debidoa su alto costo y muchas veces a la imposibilidadde utilizar herbicidas. Hoy en día se han desarrolla-

Más información sobre sistemas de visión articial y automatización agrícola se puede consultar en el apartado 1.4. Adquisición remota.

Figura 9. Control de malezas utilizando maquinaria automatizada. http://www.thtechnology.co.uk/



138

do maquinarias que en conjunto con una siembraaltamente precisa y uso de un sistema de visión porcomputadora, procesan la información que se vacaptando en línea y ubican las plantas sembradasmientras los cortadores se van moviendo para eli-minar malezas (Figura 9). En las pruebas realizadasse han obtenido resultados sorprendentes, comopor ejemplo, la eliminación de más del 80% de ma-leza en el cultivo sin daño al cultivo madre.

Sistemas de monitoreo y control demaquinaria agrícola

Una innovación interesante es el sistema decontrol de maquinaria agrícola, que posibilita tenerun seguimiento de las labores realizadas por losvehículos que están en el campo. Estos sistemas

también trabajan bajo plataformas en PC de es-critorio ySmart Phones , es decir que es posibleseguir el funcionamiento del implemento del cam-po en tiempo real y a través del teléfono celularo una tablet (Tracking de Maquinaria). Un ejemplode este sistema es ConnectedFarm , un nuevo pro-ducto de Trimble (Figura 10).

Por su parte, las novedades en comunicación,internet y telefonía celular permiten que el produc-tor visualice lo que sucede en su campo, coman-de sus equipos a distancia y acceda a mapas derendimientos, aplicación y siembra en tiempo real.

Tecnología de riego variableLa alta variabilidad espacial en las condiciones

físicas del suelo se traduce en una des-uniformi-dad del agua de riego aplicada en el predio. Esteproblema generalmente no es considerado tan-to para el diseño de nuevas obras de riego (as-

persión, goteo y riego supercial) sino en las yaexistentes. Dicha ineciencia en la aplicación delagua de riego nalmente conlleva a pérdidas defertilizante nitrogenado y posterior contaminaciónde los acuíferos subterráneos por lixiviación. Elconocimiento de áreas uniformes en propiedadesfísicas y el uso de modelos computacionales, per-

Figura 9. Control de malezas utilizando maquinaria automatizada. http://www.thtechnology.co.uk/

Reexión: La tecnología sigue avanzando y existe la impresión que ocurre más rápido que su asimilación.



139 PARTE 3

miten un mejor manejo del recurso hídrico, con un

aumento de la eciencia de uso, tanto del aguacomo de fertilizantes nitrogenados, protegiendoasí las aguas subterráneas de contaminantes.

Información de variabilidad sobre la cual seasociarán los cambios en propiedades físicas (tex-tura, velocidad de inltración, capacidad de reten-ción, etc.) es de alta relevancia para la sectoriza-ción de zonas de producción que permitan evaluar

o modicar el uso de sistemas de riego.

Sistema de aplicación variable de riegopara sistemas presurizados

El Pivote Central es uno de los sistemas másusados en la agricultura tradicional de riego, debi-

do a su poca necesidad de mano de obra y man-

tenimiento, y alta exibilidad de operación. Bajo unadecuado diseño el sistema genera aplicacionesde agua de alta eciencia, conservando tres pre-ciados recursos: agua, energía y tiempo.

Hoy en día, los pivotes son impulsados pormotores eléctricos o de aceite hidráulico situadoen cada torre y guiado por un panel de control.Este sistema utiliza bajas presiones de operaciónentre 10 a 15 psi (en la línea principal de pivote),las que suelen ser sucientes para el correcto fun-cionamiento de pivotes diseñados por LESA (apli-cación de pulverización de baja elevación) y LEPA(baja solicitud de precisión y energía), con pivotesde hasta 400 m de largo en el nivel operativo y

Figura 10. Esquema de funcionamiento deConnected Farm



141 PARTE 3

Figura 12. Sistema de riego diferencialFarmScan (a) desuniformidad del suelo (b) panel de control, sistemaFarmScan (c) vista aérea y subdivisiónde áreas de riego (d) mapa de aplicación de cargas de agua

guientes se visualiza un ejemplo de un predio queutilizó el sistemaValley , se puede observar unamejora gradual de la cobertura del suelo, que -nalmente terminó sin zonas débiles particulares, aexcepción de las áreas donde el cultivo fue voladopor el viento al inicio de la temporada.

Otra forma es la utilización de riego por zonasangulares, ajustando los ángulos de riego a lavariabilidad del suelo existente (Figura 15).

Este tipo de equipos de control por ángulos(Figura 15) puede ser utilizado para realizar aplica-ciones en función de diferentes parámetros como

por ejemplo aplicar agua después de una lluvia,por topografía, por tipo de suelo, pivotes con doscultivos, o según densidad de siembra (VRT), entreotros (gura 16).

Figura 13. Sistema de riego diferencialValley (a) desuniformidad delsuelo, evaluado con EM38 (supercial y profundidad); (b) panel decontrol de la aplicación diferencialValley



142

Figura 14. Visualización de imagen multiespectral de un pivoteutilizando el sistemaValley de aplicación variable de riego

Figura 15. Equipos comerciales de manejo diferencial por ángulosAGsense (superior) yLinsey (inferior)



143 PARTE 3

Robotización de la agricultura Actualmente, el sector agroalimentario es ob-

jeto de especial atención en cuanto a la incorpo-ración de tecnologías avanzadas, debido a lasexigencias cada vez mayores de producción, di-versidad y calidad de los productos, así como dela presentación de los mismos. A lo anterior, sesuma el problema creciente de la falta de manode obra. Cabe por lo tanto, hacer un análisis del

estado actual y de las ventajas y posibilidades derobotización de las tareas agrícolas. Los objetivosque se plantean con la robotización agrícola son:

• Permitir la sustitución de operarios en tareaspeligrosas para la salud, como la pulverizaciónde productos tosanitarios.

• Abordar la realización de tareas repetitivas y te-diosas, como la recolección de frutos.

Figura 16. Zonicación de riego según: rendimiento (A), posterior a lluvia y tipo de suelo (B), dosicación variable de semillas (C), y topografía (D)



Finalmente, es claro que la necesidad de ali-mento sano, ambientalmente sustentable y eco-nómicamente rentable, está guiando un cambio enel desarrollo de la agricultura. En la cual no solola genética tendrá un rol importante, sino tambiénse visualiza un rol fundamental de las tecnologíasasociadas a la automatización de equipamientoagrícola, relacionadas al mundo globalizado de lainformación. Las grandes corporaciones interna-cionales tales como John Deer , CNH, Monsantos,Bayer entre otras, están invirtiendo en estas líneasy abriendo espacios a nuevos desarrollos. Por otraparte, se están creando un sin número de peque-ñas empresas tecnológicas y de servicios de agri

Figura 18. Brazos robóticos del Robot podador de viñedos



145 PARTE 3

ñas empresas tecnológicas y de servicios de agri-cultura de precisión, que están forjando el cambio

de paradigma de producción agrícola, gestandoun nuevo salto que quizás se mayor al de la revo-lución verde.

Figura 19. Proyección de la robótica en la agricultura.Fuente: N. Noguchi, 2013

El avance en el área de la robótica es cada díamás importante, en especial en países avanzadoscon un alto costo de mano de obra, tales comoJapón, Corea y EEUU entre otros. En la Figura 19,se visualizar una proyección en la evolución de larobótica en la agricultura.

3.3. Sensores de nitrógeno para lamedición y aplicación en el cultivoen tiempo realLorenzo León

Introducción

de los cultivos, para lo cual es necesario contarcon elementos de toma de decisión adicionales.Cabe mencionar que en el caso de nutrientes ta-les como el fósforo, cuya disponibilidad no cambiaabruptamente en el tiempo, esta metodología pre-senta menores errores en cuanto a las prescripcio-nes desarrolladas.

Es en este contexto donde surge una segundaaproximación o metodología, desarrollada princi-palmente para la fertilización nitrogenada, la queestá basada en la detección remota y aplicaciónen tiempo real en función del estado actual del cul-tivo. En virtud de esta detección remota, se realiza

n prescripción nitrogen d tom ndo en consi

Lorenzo F. León G.Ingeniero Agrónomo, Magister en Ciencias AgropecuariasINIA – [email protected]



146

Para la aplicación de prescripciones nitrogena-

das variables espacialmente, existen dos aproxi-maciones principales. Una primera metodologíapara esta aplicación está basada en las propieda-des de los cultivos anteriores, tales como la distri-bución de los índices vegetativos y los rendimien-tos de las últimas campaña en cada uno de loslotes. Estas características pueden ser obtenidasmediante el uso de los monitores de rendimientoo sensores de canopia. Adicionalmente, las pro-piedades físico hídricas de los suelos y su distribu-ción espacial contribuyen a establecer este tipo deprescripciones basadas en información anterior.

En este sentido, y tal como lo ha manifestadorecientemente Hegge (2013), con esta aproxima-ción se pueden generar importantes fuentes deerror asociadas a la prescripción nitrogenada a serdesarrollada. Según Hegge(2013), esta desven-taja está asociada principalmente a la escala detiempo entre la captura de los datos de las capascorrespondientes a propiedades del suelo, al ren-dimiento del cultivo y a la fertilización a desarrollaren la presente temporada. Esta problemática esde especial cuidado en la fertilización nitrogenada

una prescripción nitrogenada tomando en consi-deración un algoritmo o fórmula de cálculo, la cual

puede operar bajo distintos principios agronómi-cos. Para desarrollar la detección remota de culti-vo requerido en esta metodología, distintos senso-res han sido puestos a disposición del sector pro-ductivo en los últimos años. Al igual que en el casode los algoritmos de cálculo de prescripción, estossensores poseen diferentes principios de funcio-namiento, siendo algunos más adecuados para el

uso en determinadas condiciones de cultivo.En el presente capítulo se desarrollará una bre-ve reseña de los principios involucrados en la de-nición de la aplicación nitrogenada en tiempo real,y una exposición más detallada de los sensoresdisponibles a nivel de mercado para incorporar di-cha metodología de medición y aplicación nitroge-nada en tiempo real.

Principios de la metodología de mediciónde propiedades del cultivo y aplicaciónnitrogenada en tiempo real

Esta metodología posee distintos principiosde funcionamiento, que representan al mismo



limitado a la función de la detección remota para laaplicación de la tasa variable de N.

El controlador de tasa de aplicación consisteen los siguientes elementos: una interfase de con-trol del usuario, un medidor de ujo, una válvulade control de ujo y un sensor de velocidad. Esimportante destacar que en algunos casos el mó-dulo de display y control puede ser el mismo parael sistema de detección remota y el controlador detasa de ujo. Adicionalmente, si existe un módulode GPS (lo que regularmente ocurre en la imple-mentación actual de estos sistemas), éste es usa-do con nalidades de mapeo de las característicasdel cultivo las dosis prescritas en tiempo real y las

Según la descripción de McGrath (2012), losprincipales sensores activos utilizados comercial-mente emiten luz en las longitudes de onda (1) rojoy (2) infrarrojo cercano (NIR, por su sigla en inglés).La reectancia es calculada en función de la luzque se recibe desde los cultivos, obtenidos losvalores promedios en cada segundo de marcha y

detección remota. A partir de esta información esposible calcular distintos índices vegetativos, queinmediatamente alimentarán los algoritmos de cál-culo en tiempo real. El índice vegetativo más cono-cido y de mayor uso en este tipo de aplicacionescorresponde al Índice de Vegetación de DiferenciaNormalizada (NDVI, de su sigla en inglés):



148

del cultivo, las dosis prescritas en tiempo real y lasvelocidades de trabajo.

Sensores e índices vegetativosLos sensores que pueden ser utilizados en el

sistema antes descrito, se pueden dividir en dostipos principales: pasivos y activos. Aquellos co-rrespondientes al primer tipo, dependen de la luzambiental para recibir la reectancia de los culti-vos, necesaria para el cálculo de los índices vege-tativos. Por otra parte los sensores activos poseenuna fuente de luz propia, con lo que la reectanciarecibida depende de estas fuentes de iluminaciónarticial. En términos comerciales, actualmen-te predominan aquellos sensores de tipo activo,dado que sus prestaciones son mayores, en tantoque, actúan bajo diferentes condiciones de ilumi-nación, incluyendo la detección remota noctur-

na, sin necesidad de un ajuste en función de laluz existente al momento de la aplicación. Por suparte, los sensores pasivos necesitan de un sen-sor de radiación para el ajuste de las lecturas y suempleo a nivel comercial no ha resultado ser masi-vo. Consecuentemente, en el presente capítulo seanalizarán únicamente los sensores de tipo activo.

Normalizada (NDVI, de su sigla en inglés):

NDVI= (NIR – Red)/ (NIR + Red)Donde,

NIR: reectancia del cultivo en el infrarrojocercanoRed: reectancia del cultivo en el rojo.

Las plantas sanas y vigorosas absorben la luzroja y reejan la luz del infrarrojo cercano, y el va-lor de NDVI se acercará a 1. Contrariamente, uncultivo con bajo status de nitrógeno o enfermo,presentará un valor de NDVI más cercano a 0. Encondiciones de campo el rango real observado seencuentra típicamente entre 0,7 y 0,8 para un cul-tivo sano y con suciente N, y en el rango entre0,25 y 0,3 para un cultivo que presenta una de-ciencia extrema de N. Cabe mencionar que otroscolores tales como verde o ámbar también se hanutilizado en lugar del rojo al calcular el NDVI. En lasección 3 del presente capítulo se mostrará conmayor detalle distintos sensores con los que esposible calcular estos índices vegetativos en tiem-

po real como información base para la realizaciónde las prescripciones.

Algoritmos de cálculo para la prescripciónnitrogenada

Recientemente, Taylor y Fulton (2010), hanseñalado que la elaboración de una prescripciónbasada en sensores considera dos elementosprincipales. En primer lugar, se debe tener clara-mente establecida la relación entre la propiedad dela planta de interés y su relación a la informaciónentregada por los sensores. Este primer paso esnecesario de ser considerado, ya que los sensoresdi ibl l d d di l

cultivo. De esta forma, esta franja se emplea paradeterminar la contribución del medio ambiente denitrógeno. En la Figura 2 se puede observar el es-tablecimiento de una de las mencionadas franjasen un cultivo de maíz.



149 PARTE 3

disponibles en el mercado pueden no medir en lamisma forma o utilizar el mismo principio para elcálculo del índice vegetativo empleado para de-terminar la tasa de aplicación en tiempo real. Sibien en la mayoría de los casos esta relación noes perfecta, es probable que ella se pueda aplicaren un amplio intervalo de condiciones con algúnerror aceptable. En este sentido, distintos gruposde investigación de la agricultura de precisión enel mundo, actualmente trabajan para optimizar elempleo de dicha información y algoritmos asocia-dos bajo condiciones de alta variabilidad espacialen las propiedades del suelo y comportamientodel cultivo.

El segundo paso corresponde a determinarla tasa de aplicación como una función de la in-formación entregada por el sistema de detecciónremota, tal como las diferencias en los niveles deNDVI. Para poder desarrollar dicha tasa de aplica-ción, uno de los métodos más usado correspondea la aplicación en función de una supercie o franjade referencia, que es un área donde se aplica su-ciente nitrógeno para asegurar que este elemen-to no sea un factor limitante en el crecimiento del

Figura 2. Franja de referencia de N para el cálculo de la prescripciónen tiempo real. La zona sin limitación de N se muestra entre las líneasamarillas en la gura. Fuente imagen: Shannon et al. 2010

Consideraciones generalesEs necesario considerar que el requisito de N

es complejo, por lo que es recomendable com-prender los principios de acción de los sensoresactivos a ser empleados y, asimismo, la agronomíadetrás de los algoritmos de cálculo. Actualmentevarios de los fabricantes de estos sensores ofre-cen determinados algoritmos robustos de cálcu-lo para facilitar el uso en el terreno. Sin embargo,es deseable contar con una o varias experienciasespecícas de prueba de dichos sensores en elárea agroclimática y el cultivo en donde seránempleados.

Lo anterior es una consecuencia del hecho deque el requerimiento de N para alcanzar el máximorendimiento en un cultivo determinado está deni-

do por distintos factores, tales como la capacidadde respuesta de N, su disponibilidad y el potencialde rendimiento bajo las condiciones agroclimáti-cas especícas. Además, se debe tener en cuentaque estos factores varían espacio-temporalmentey que en la mayor parte de los casos son indepen-dientes uno de otro. Otros factores de importancia

corresponden a las características físico-hídricasdel suelo, las condiciones del clima y de la gestiónpredial. Estos últimos inuencian notablemente elpotencial de rendimiento, la disponibilidad de N yla capacidad de respuesta de la aplicación de N.

En lo que concierne al momento de aplicación,algunos de los principios básicos que señalan dis-

desde la plantación, el rendimiento esperado aser obtenido y las tasas de N aplicadas con ante-rioridad. Según Roberson (2013), otros entradasposibles de ser implementadas corresponden ala eciencia del uso del N y la acumulación térmi-ca a partir de la fecha de siembra. Por su parte,dentro de las entradas derivadas de los sensores,

podemos considerar la información de la franja dereferencia de N (ver Figura 2), y el valor actual deNDVI en donde la maquinaria se encuentra en unmomento determinado en el campo. La variaciónde este u otro índice a medida que la maquinariase mueve a través del campo genera la informa-ción necesaria para el desarrollo de la aplicación



150

algunos de los principios básicos que señalan distintos autores son: en primer lugar la parcializaciónde la aplicación nitrogenada en los períodos enque el nutriente es más requerido. En segundo lu-gar, es necesario considerar variables ambientalestales como la tendencia climática de la tempora-da en curso, es decir, si esta es húmeda o secarespecto del valor histórico y la relación de estacondición ambiental con las variables edácas delcampo. Estas consideraciones ayudarán notable-

mente a incrementar la eciencia del uso de nitró-geno aplicado a través de este sistema.

Uso de algoritmos de prescripción en tiempo realSe han generado distintos algoritmos de cál-

culo para la prescripción de N en tiempo real.Estos algoritmos consideran dos tipos principalesde entrada de información. En primer lugar estánaquellas realizadas por el usuario y en segundolugar, las derivadas del uso de los sensores deN que forman parte del equipamiento y que sonmotivo de análisis en el presente apartado.

Según McGrath (2012), dentro de las entradasde usuario se pueden incluir los días transcurridos

diferencial de N.

La dosis de prescripción en tiempo real es cal-culada mediante una fórmula que considera la in-formación de entrada (usuario y sensores) antesmencionada. Dicha fórmula representa la partecentral del algoritmo de cálculo. Existen distintostipos de fórmula, dependiendo de la informaciónempleada, el equipamiento en uso y el cultivo aser fertilizado. En la Figura 3 (a y b) se puede ob-

servar dos relaciones que vinculan el NDVI medi-do por los sensores y la prescripción nalmentedesarrollada en tiempo real. En la Figura 3 (a) semuestra una relación lineal de cálculo en donde ladosis a ser prescrita de N, sube linealmente desdeun cultivo pobre en nitrógeno hasta un cultivo denivel medio (NDVI =0,67) y decae en forma lineal amedida que NDVI sube para los rangos en dondese encuentran las plantas que tienen mejores es-tatus de nitrógeno (NDVI > 0,67). Por su parte, enla Figura 3(b) se muestra la relación entre NDVI yla tasa prescrita para otro algoritmo de cálculo ycuya relación entre la lectura de NDVI y dicha pres-cripción nitrogenada es no lineal. En ambos casos,el método tiene como resultado privilegiar a las

Figura 3. Relación entre el índice NDVI medido por sensores y la tasa de aplicación calculada y aplicada en tiempo real para los dos ejemplo dealgoritmo de cálculo. Fuente gura: McGrath (2012)



151 PARTE 3

plantas que no han alcanzado un nivel óptimo denitrógeno, pero que tampoco están con un NDVIdemasiado bajo que corresponde a aquellas conun potencial de rendimiento muy reducido.

Es necesario recalcar el hecho que distintosautores han señalado recientemente que esta me-todología puede ser optimizada ostensiblementea través de la implementación de variables, comola conductividad electromagnética de los suelos.En este sentido, la eciencia de la nutrición nitro-genada sería un punto central a considerar en losalgoritmos de cálculo. Con esto, el uso de mapasde conductividad electromagnética así como la

prescripción en tiempo realbasada en las propiedadesde los cultivos han sido pro-puestos como una vía paraoptimizar los algoritmos decálculo.

Finalmente, es necesariomencionar que actualmen-te, hay distintos aspectos ytécnicas dentro de este es-

quema que siguen bajo evaluación en orden deoptimizar esta metodología de cálculo. Así, porejemplo, Holland y Schepers (2013) han probadoun método para reducir la dependencia del cálculode la prescripción nitrogenada al uso de la franjade referencia. En tanto, otros grupos han visto al-tamente necesario el indagar sobre nuevos índicesvegetativos capaces de evidenciar de mejor formala variabilidad espacial del estatus de N en el cam-po (Raper et al. 2013).

Controladores y sus ajustesSegún Taylor y Fulton (2010), un aspecto clave

para la aplicación variable de N corresponde a uncontrolador de la tasa de aplicación correctamen-te calibrado. En general dichas tasas prescritas sepueden actualizar a cada segundo. Por esto, lacalibración del controlador de ujos es de primeraimportancia para seguir con precisión los resulta-dos de esta prescripción basados en sensores y laaplicación en terreno, sin ningún tipo de desfasetemporal. El controlador de dosis debe ajustarsepara responder lo más rápidamente como sea po-

Ampliar informaciónen el apartado 2.4.

Aspectos económicos, análisis y viabilidadde la adopción de

intervenciones en los sistemas de producción.

sible mientras todavía se mantiene cierta estabili-dad en el sistema.

La capacidad de sintonizar un controlador develocidad varía entre los fabricantes y modelos,y puede poseer desde varios ajustes a ninguno.La mayoría de los sistemas de control de tasausan la velocidad de válvula para ajustar el tiempode respuesta, mientras que algunos pueden uti-lizar otras conguraciones. El manual del opera-dor debe utilizarse como una referencia para loscontroladores de ajuste. En este sentido, hay quetener en cuenta que la conguración predetermi-nada para la mayoría de los controladores es parael mantenimiento de la estabilidad en el sistema.

espacial. Esto proporcionaría un mejor promedio através de todo el brazo. Dicho valor medio se envíaa la interfaz de usuario donde se convierte a unatasa de aplicación, según lo señalado en el puntoUso de algoritmos de prescripción en tiempo real.

A continuación se mostrará las característicascorrespondientes de varios de los sensores dispo-nibles a nivel comercial.

N-Sensor YaraEl N-Sensor Yara corresponde a un sensor ac-

tivo que opera montado en la maquinaria y quemide la reectancia del cultivo a medida que estase mueve a través del campo Dicho sensor cuen-



152

Probablemente no son los mejores ajustes para el

tiempo de respuesta óptimo y algún tipo de ana-ción o ajuste especíco probablemente se requierapara mejorar el rendimiento del controlador para laaplicación de la tasa variable de N.

Sensores disponibles a nivel comercialLa mayoría de los sistemas de aplicación varia-

ble de N basados en sensores poseen al menoscuatro unidades de detección remota. Las inves-tigaciones recientes han demostrado que existeuna variabilidad de campo a una escala muy pe-queña, por lo que, consecuentemente, la informa-ción utilizada para alimentar el algoritmo de cálculoes mejor, sí se dispone de más sensores en la ma-quinaria que se encuentra desarrollando la aplica-ción. Sin embargo, debe considerarse al mismotiempo un compromiso entre la obtención de másy mejor información adquirida al tener más senso-res y el coste nal del sistema. En términos técni-cos, los aplicadores de un ancho superior a 15 mdeberían tener por lo menos seis sensores para lacorrecta caracterización de dicha microvariabilidad

se mueve a través del campo. Dicho sensor cuenta con un ángulo de visión oblicuo (Figura 4), con loque ha sido considerado de especial utilidad paralos cultivos en sus primeros estadios de desarrollo.

De esta manera, este sensor y su sistema aso-ciado, es capaz de variar la tasa de aplicación deN asegurando la velocidad correcta y la óptimacantidad de N aplicado en cada punto en el cam-po, según la prescripción desarrollada. La expe-riencia práctica ha demostrado que su empleo hapermitido aumentar los rendimientos en relación alas prácticas agrícolas convencionales en los lu-gares donde ha sido implementado, minimizan-do la pérdida y el consecuente impacto sobre elmedio ambiente. Gil y Jiménez (2001), manifesta-ron que las ventajas más importantes del sistemaN-Sensor son: el incremento obtenido del margenbruto por hectárea, la posibilidad de aplicación y

respuesta en tiempo real, la mejora de la calidad,la cantidad de producto obtenida y una mejor ges-tión y eciencia en el uso del nitrógeno. Sin em-bargo, también se ha mencionado que el elevadocoste de adquisición de este equipamiento hacedifícil su amortización en muchas explotaciones,

Figura 4. N-Sensor de Yara. (a) el sensor para la detección remota de los índices vegetativos va montado en el techo de tractor. (b) Dicho sensor mideen forma oblicua a medida que se realiza el escaneo y la aplicación en tiempo real en el campo. Fuente imagen: Yara Internacional



153 PARTE 3

especialmente en aquellas situadas en zonas conproducciones reducidas.

GreenSeekerEl GreenSeeker es producido por NTech

Industries, corresponde a un sistema de deteccióny aplicación, óptico integrado, que mide el estadonutricional nitrogenado en los cultivos, siendo ca-paz de aplicar en tiempo real y en tasa variable losfertilizantes según las necesidades de N del cultivo.

Los sensores utilizan LED para generar luz decolor rojo y el infrarrojo cercano, siendo posiciona-dos en el frente de la maquinaria y perpendicularesal cultivo. La luz generada se reeja en el cultivo y

se mide para el cálculo del índice NDVI, utilizandolas bandas rojo y NIR.Las recomendaciones de N se basan en el po-

tencial de rendimiento del cultivo para la tempo-rada en curso y la capacidad de respuesta de loscultivos a la aplicación de N. El sistema modica

Figura 5. (a) montaje de sensores GreenSeker al frente de la maquinaria. (b) detalle de sensor, el cual es ubicado en forma perpendicular al cultivo.Imagen Fuente: Vellidis y Lincopresicion



154

en cada sector del campo la tasa de aplicaciónsegún su algoritmo de cálculo interno. Este siste-ma es compatible con varios tipos de controlado-res de aplicación variable y sistemas de entrega.Los sensores GreenSeeker se se pueden montaren varias conguraciones en la maquinaria, con-siderando una amplia gama de pulverizadores yesparcidores.

CropCircleEl CropCircle corresponde a un sistema produ-

cido por de Holland Scientic y distribuido por AgLeader, que incluye sensores de canopia, equiposde mano y sistemas de mapeo. El sensor ACS-210 de CropCircle proporciona los datos del índicede vegetación, junto con la información básica dereectancia del dosel de las plantas, en función dela cual se puede desarrollar la prescripción nitro-

genada. Entre otras utilidades, la información delsensor se puede utilizar para cuanticar el impactode los nutrientes, del agua, de las enfermedades uotras condiciones de crecimiento.

El sensor ACS-210 se puede montar en cual-quier tipo de vehículo para detectar de forma re-mota la biomasa de la planta o el cultivo durante laconducción a través del campo, para la ejecuciónde la prescripción en tiempo real. Su tamaño com-pacto y su peso permiten a CropCircle adaptarsefácilmente a distintas conguraciones en la maqui-naria. Actualmente, están disponibles dos mode-los de sensores que proporcionan amarillo / NIR osensor IR rojo.

Con un rango de medición de 30cm-2m, elequipamiento CropCircle ACS-210 tiene otrascaracterísticas; incluye una señal con poco ruido,una buena resistencia al polvo y al agua, una rápi-

Figura 6. (a) montaje de sensores CropCircle ASC-210 al frente de la maquinaria. (b) detalle del sensor, el cual es ubicado en forma perpendicular alcultivo. Fuente imagen: Schepers

Figura 7. Montaje de sensores OptRx al frente de la maquinaria y detalle de sensor, el cual es ubicado en forma perpendicular al cultivo. Fuentegura: Holland Scientic y AgLeader



155 PARTE 3

da tasa de salida de datos, bajo consumo de ener-gía y peso ligero del hardware.

Este sistema se puede utilizar para múltiplesaplicaciones, tales como: estudios de mapeo decésped, nutrientes de respuesta de cultivos a losfertilizantes, efectos de herbicidas, detección deenfermedades, selección de híbridos y de predic-ción de biomasa forrajera.

OptRxLa alianza entre los fabricantes de sensores

asociados a la agricultura de precisión, AgLeadery Holland Scientic, presentaron la primera versióndel sensor OptRx on-the-go, siendo uno de losmás recientes que apareció en el mercado, y sepodría considerar una completa actualización delsistema CropCircle antes presentado. Este instru-mento corresponde a un sensor de cultivos dise-ñado para uso en la cartografía y la recopilaciónde datos, así como la aplicación de tasa variablede N en tiempo real, sirviendo además para laprescripción de productos asociados a la protec-

ción de cultivos. OptRx cuenta con una avanzadatecnología patentada, de detección de luz que nodepende de la luz ambiente, por lo que el sistemase puede utilizar de día o de noche al igual que lossensores presentados anteriormente.

Este sistema genera activamente luz sobre lasplantas en crecimiento, leyendo la luz reejada denuevo al sensor (Figura 7). Luego, al utilizar unapantalla de Ag Leader compatible, el sistema desensores de cultivos OptRx puede generar unaprescripción, la que varía a su vez la velocidad deaplicación de nitrógeno sobre la marcha, según elalgoritmo de cálculo que este posee. En algunasevaluaciones recientes, se ha visto que la tecnolo-gía de tasa variable de OptRxes es capaz de pro-porcionar una eciencia de costes de entrada y un

menor impacto ambiental.

CropSpecTMEl CropSpecTM es un sensor activo de canopia

fabricado por Topcon. Como fuente de luz utilizapulsos de diodos láser, lo cual supone una dife-

Figura 8. CropSpecTM de Topcon (a) el sensor va montado en el techo del tractor para el sensoramiento de los índices vegetacionales. Este sensor



156

rencia sustancial en el tipo de fuente de luz activaen relación a los sensores antes presentados. Estesensor, al igual que el N sensor de Yara, está dise-ñado para observar el cultivo en una vista oblicua(Figura 8) desde una altura de hasta 4 metros, loque permite una gran huella de medición y el au-mento del grado de precisión en el sensoramientode diversos cultivos. CropSpecTM ha sido desa-rrollado en colaboración con Yara Internacional.Este fue diseñado para su uso con las consolas X20 o X30 de Topcon, CropSpec funciona con elprograma VRC (Map LINK) o cualquiera de las apli-caciones de controlador de X20 o X30. Permiteal usuario controlar la variabilidad en el campo ysolucionarla sobre la marcha, o guardar los datospara su análisis futuro o para la aplicación de laprescripción.

Este sistema cuenta con dos sensores ligerosy fáciles de instalar. Los sensores se montan enel techo de la cabina, para evitar daños al cultivo.

Con una tecnología basada en la competencia óp-tica de Topcon, CropSpec utiliza diodos láser parasu detección. El sensor mide la reectancia de lasplantas para determinar el contenido de clorola.

Los usuarios pueden leer y grabar los datos

para analizarlos y crear reglas. La exploración dela cosecha crea un mapa que indica los niveles denitrógeno, incluyendo tanto las áreas ricas comoaquellas decientes en nitrógeno. Esta informaciónpuede ser utilizada para llevar a cabo una prescrip-ción de ujo variable para ser utilizada inmediata-mente o en una fecha posterior. Con una simplecalibración de dos puntos, el usuario puede denir

puntos altos y bajos, y luego efectuar la aplicaciónreal utilizando el promedio del campo. El ujo de-seado puede ser determinado por el usuario.

Para la recopilación de información en condi-ciones de campo, este sensor de cultivos se puedemontar en distintos tipos de maquinaria agrícola.

Figura 8. CropSpecTM de Topcon (a) el sensor va montado en el techo del tractor para el sensoramiento de los índices vegetacionales. Este sensormide en forma oblicua a medida que se realiza el escaneo y la aplicación en tiempo real en el campo. Fuente imagen: Topcon

Además de la prescripción en tiempo real deN que puede ser desarrollada con este sensor,es posible utilizar, la información recogida en elcampo, para evaluar el impacto de la aplicaciónde nutrientes, de agua, de enfermedades y otrascondiciones de crecimiento de los cultivos.

Comentarios nales• Los sensores activos para la aplicación de N en

tiempo real montados en la maquinaria agrícolarepresentan el estado del arte para las medicio-nes de las características de cultivo en condi-ciones de campo.

• Existen varios tipos de estos sensores activos,

cisión locales y en conjunto con expertos en elárea adquiere especial relevancia.

• De la misma forma, el hardware asociado aemisores y controladores cuenta con una per-manente optimización, siendo necesario tam-bién las evaluaciones técnico-económicas res-pectivas antes de su implementación.

• De lo anterior se desprende, que si bien escierto que este capítulo presenta un estado delarte de los sensores en tiempo real asociadosa la aplicación nitrogenada, es necesario man-tener la atención sobre los nuevos desarrollosofrecidos a nivel comercial para su implemen-tación en condiciones productivas.



157 PARTE 3

ste va os t pos de estos se so es act vos,

siendo una de las mayores diferencias entreellos, si la medición se realiza en forma oblicuao perpendicular al cultivo. Los primeros pre-sentarían ventajas en los cultivos en sus prime-ros estados de desarrollo o en aquellos másespaciados. Los ejemplos de estos sensorescorresponden al N-Sensor de Yara y CropSpecde Topcon. Por otra parte, aquellos senso-res cuya medición es perpendicular al cultivo(Cropcircle, Greenseeker y OptRx) tendrían ma-yores ventajas en cultivos establecidos o quepresenten una mayor densidad de follaje.

• Los algoritmos de cálculo y principios de sen-soramiento son en la actualidad objeto de es-tudio, con lo que a nivel comercial, es posiblela aparición de nuevas versiones o actualiza-ciones de los sistemas mencionados en estecapítulo para las próximas temporadas. Laevaluación de dichos algoritmos en condicio-nes de campo y cultivos locales es un paso adar para su implementación a nivel productivo.En este sentido, el trabajo en conjunto de losservicios de investigación en agricultura de pre-

3.4. Monitoreo de desempeñoy retorno de las prácticas de laagricultura de precisión Andrés Méndez, Fernando Scaramuzza, Juan PabloVélez y Diego Villarroel

La rentabilidad de la VRT cambia en relacióncon el cultivo y los insumos, sus precios, el costode la tecnología de dosis ja (URT) con respectoa la VRT, la distribución espacial de las sub-uni-dades en el terreno (zonas de manejo), y las mag-nitudes de las diferencias de rendimiento entresubunidades.

El potencial de mejora de la rentabilidad debidoa la aplicación variable de estos insumos dependede 1) la identicación de áreas en el campo en elque los aportes adicionales de insumos aumenta-rá los ingresos en una escala mayor que los cos-tos adicionales que genere dicho aporte y / o 2)la identicación de áreas en las que la reducciónde los insumos disminuirá los costos en un escala

Andrés MéndezFernando ScaramuzzaJuan Pablo VélezDiego Villarroel

INTA Manfredi.Proyecto Nacional de Agricultura de Precisión.Manfredi Córdoba Argentina



158

Ensayo de larga duración de manejo deinsumos en forma variable

La tecnología de Dosis Variable permite a losagricultores, una vez conocido el comportamien-to del cultivo en cada sector del lote, empezar acalcular las necesidades de insumo en cada zonahomogénea más pequeña o subunidad del lote, yaplicarlos en forma de sitio-especíco (Bragachini,2004).

La pregunta formulada con mayor frecuenciaes, si la agricultura de precisión permite a los agri-cultores lograr mayores benecios económicos re-sultantes del aumento de la producción y/o de lareducción del uso de insumos o de la modicacióndel manejo del ambiente en general, como es elcaso de la disminución del espacio entre surco ensuelos con limitaciones.

de los insumos disminuirá los costos en un escala

que es mayor que la reducción potencial de ingre-sos correlacionados con un menor rendimiento degrano (Koch, 2004).

El nitrógeno (N) en gramíneas es el insumo demayor impacto en el resultado económico, ade-más de ser un nutriente móvil en el suelo y el másesencial para optimizar el rendimiento de grano enel cultivo de maíz. La aplicación de N en forma uni-

forme, en la mayoría de los casos, resulta en unexceso de N y de una escasez en diversas partesdel campo debido a la variabilidad espacial sobreel terreno (Snyder, 1997).

Por otra parte la elección de la densidad es unfactor de producción importante, por los que sedebe denir la relación entre la cantidad de plantaslogradas por unidad de supercie en un cultivo y

su rendimiento, para distintas situaciones de ofertaambiental de recursos. (Andrade, 1996). Todas estas técnicas de manejo son necesarias

probarlas y ajustarla en cada lote, por ello en INTAManfredi se realizan ensayos en el campo para in-crementar el conocimiento de esta tecnología, es

Manfredi, Córdoba, Argentina.

Contacto: [email protected] [email protected]ágina web: www.agriculturadeprecision.org

así, que desde el año 2003, se vienen realizandoensayos en un lote elegido por su variabilidad,ubicado en la zona de Pampayasta. Los ensayosplanteados consistían en variar la cantidad de insu-mos en maíz (semilla y fertilizante) y variar el espa-ciamiento entre surcos en soja. Además se ensayósembrando diferentes cultivos como es el caso de

la campaña 2006/2007 en donde se sembró sojaen áreas de alto potencial de rendimiento y sorgoen las de bajo potencial de rendimiento del lote.

Para realizar este ensayo de larga duración sedenieron tres zonas de mayor contraste y se iden-ticaron como: roja, bajo potencial; amarilla, poten-cial medio, y verde, alto potencial. Se mantuvieronen todas las campañas esas zonas y se variaron

mas frío (julio) es de 9.9º C, dando como resultadouna amplitud térmica anual de 13.6º C. y el perío-do libre de heladas es de 102 días (carta de suelo3163-32).

Los suelos del lote pertenecen al complejo deseries Manfredi (30 %) con capacidad de uso IIIc,Manfredi en fase moderadamente alcalina en pro-fundidad (25 %), Oliva (25 %) y suelos con alca-linidad sódica subsupercial (20 %) con una ca-pacidad de uso: IV ws (limitaciones de drenaje ysodio) y al complejo indeterminado Pampayasta yde suelos uviales arenosos de albardones y pa-leocauces con una capacidad de uso: VI sc. (limi-taciones del suelo por el sodio y climáticas)



159 PARTE 3

en todas las campañas esas zonas y se variaron

los insumos de acuerdo a las necesidades y lasrepuestas de cada una de ellas, el cálculo de losmárgenes se realizó mediante las tablas 1, 2 y 3 del ANEXO, para maíz, soja y sorgo respectivamente.

En una segunda parte del estudio se realizó elmapeo del Margen Neto, que consistió en agre-gar a cada punto del mapa el cálculo del margencorrespondiente a dicho punto que interpolado o

generada la zona en base al margen resultante ge-nera una zonicación del resultado económico.

Características del loteLos ensayos se realizaron en las inmediacio-

nes de la localidad de Pampayasta, Provincia deCórdoba, Argentina, dentro de lo que se consideracomo la región semiárida central de la Provincia deCórdoba, en donde la precipitación anual mediaes de 740mm y de las cuales el 75% ocurren enel semestre más caluroso. El régimen térmico estemplado con temperatura media anual de 16.6ºC. La temperatura media del mes más caluroso(enero) es de 23.5º C y la correspondiente al mes

Descripción de los ensayos y resultados

Soja 2003El manejo variable consistió en variar la distancia entre surcos de 0.525

m en la zonas de alto y medio potencial de redimiendo a 0.26 m y en laszonas de bajo potencial de rendimiento manteniendo la densidad constan-te. En la zona de bajo potencial de rendimiento con la técnica de estrechar

el espaciamiento entre surcos se logro 1.06 Tn/ha de granos, esto es 0,7toneladas superior espaciamiento de 0.525 en donde se obtuvo un rendi-miento de 0,38 Tn/ha, en porcentaje, el rendimiento obtenido con dosisvariable es 199% superior a la obtenida con dosis ja. Lo que produjo uncambio en el margen neto (MN) en la zona de bajo potencial, no haciéndolopositivo, pero si disminuyendo las pérdidas económicas en un 78 % pasan-do de un MN de 39.53 a 8.49 U$S/ha, dada la supercie importante queabarcaba esta zona, el cambio de manejo produjo que en todo el lote el MN

i t 599% di i i U$S 1241 6 á



160

se incrementara un 599%, en dinero signica U$S 1241.6 más.

Maíz 2004El manejo variable consistió en variar las dosis de Nitrógeno, Fósforo y

semillas en base a los requerimientos del cultivo y lo que ofrecía el suelo,este cambio en el manejo con Dosis Variable incrementó el MN en todaslas zonas por ahorro o por incremento de la producción en 12.25, 92 y318.22 % en Alto Potencial, Potencial Medio y Bajo Potencial respecti-vamente, lo que produjo que en todo el lote el MN se incrementara un71.53%, en dinero signica U$S 2395.6 más. La zona de Bajo potencial a

RendimientoTn/ha

InsumoMN

U$S/haMN total del lote

U$S/haUreaKg/ha

PDAKg/ha

SemillaUnidad/ha

DFAP 6.33

120 70 7600069.69

83.73PM 5.17 25.00BP 4.01 -7.96

DV

AP 6.96 190 70 80000 78.23

143.62PM 5.17 0 80 60000 48.02

BP 4.30 0 0 40000 17.37

pesar de no fertilizarse incrementó el rendimiento debido a un mejor com-portamiento ante la disminución de la densidad, en Potencial Medio el MNse incrementa pero debido al ahorro de insumos, ya que el rendimiento semantuvo igual que con la dosis ja a pesar de no fertilizar con Nitrógenoy de disminuir considerablemente la densidad de siembra, mientras queen la agricultura de precisión el MN se incrementó debido a un aumentode la producción ante la repuesta positiva al incremento de la fertilización

nitrogenada y al aumento de la densidad de siembra.

RendimientoTn/ha

InsumoMN


U$S/haUreaKg/ha

PDAKg/ha

SemillaKg/ha

DFAP 1.89

0 090 (0.525) 51.71

5.18PM 1.16 90 (0.525) -7.00BP 0 36 90 (0 525) -39 53



161 PARTE 3

BP 0.36 90 (0.525) 39.53

DVAP 1.89

0 090 (0.525) 51.71

36.22PM 1.16 90 (0.525) -7.00BP 1.06 90 (0.26) -8.49

Maíz 2005El manejo variable consistió en variar las dosis de Nitrógeno, Fósforo y

semillas en base a los requerimientos del cultivo y lo que ofrecía el suelo,este cambio en el manejo con Dosis Variable incrementó el MN en todaslas zonas por ahorro o por incremento de la producción en 4.26, 23.14y 75.91 % en alto potencial, potencial medio y bajo potencial respectiva-mente lo que produjo que en todo el lote el MN se incrementara un 19.35%, en dinero signica U$S 2247 más.

En la zona de bajo potencial a pesar de no fertilizarse se incrementó elrendimiento debido a un mejor comportamiento ante la disminución de ladensidad, en potencial medio el MN se incrementa pero debido al ahorro deinsumos, ya que el rendimiento se mantuvo igual que con la dosis ja a pe-sar de no fertilizar con Nitrógeno y de disminuir considerablemente la densi-dad de siembra. Mientras que en alto potencial el MN se incremento debidoa un aumento de la producción ante la repuesta positiva del incremento dela fertilización nitrogenada y al aumento de la densidad de siembra.

Soja 2007El manejo variable consistió en variar el tipo de cultivo, con la misma

sembradora se sembraba soja en alto potencial y potencial medio y al

RendimientoTn/ha

InsumoMN


U$S/haUreaKg/ha

PDAKg/ha

SemillaUnid/ha

DFAP 8.74

120 70 76000158.36

290.42PM 7.44 98.40BP 6.09 33.67

DVAP 9.36 190 70 80000 166.21

346.61PM 7.44 0 80 60000 121.17BP 6.09 0 0 40000 59.23



162

llegar a bajo potencial, se deshabilita la siembra de soja y se habilita lasiembra de sorgo con la misma sembradora y en tiempo real, ambos a0.525. En este caso se aprovechó la tolerancia del sorgo a la salinidad delos suelos para incrementar la producción de granos y de biomasa, paratratar de revertir el nivel de cobertura, mejorar a futuro la siembra, y paraun mejor aprovechamiento de la lluvia. De este modo en la zona en dondeel rendimiento de soja era poco mas de 1 Tn/ha se logró una producciónde sorgo de 3.55 Tn/ha, que sí bien su valor es el 44% del valor de la soja,la producción del sorgo superó a la de soja en un 267%, logrando mejorarel MN a niveles positivos, lo que produjo que en todo el lote, el MN seincrementara un 17.83 %, que en dinero signica U$S 819.6 más.

RendimientoTn/ha

InsumoMN


U$S/haUreaKg/ha

PDAKg/ha

SemillaKg/ha

DF

AP 2.42 (SOJA)

0 0 90

93.97

114.91PM 1.71 (SOJA) 33.66BP 0.97 (SOJA) -12.73

DVAP 2.42 (SOJA) 0 0 90 93.97

135.40PM 1.71 (SOJA) 0 0 90 33.66BP 3.55 (SORGO) 0 0 12 (SORGO) 7.76

Maíz 2009El manejo variable consistió en variar las dosis de Fósforo y semillas

en base a los requerimientos del cultivo y lo que ofrecía el suelo. Loscambios en las dosis se realizaron en potencial medio y bajo potencial, eincrementó el MN en 23.26 y 285.71 % respectivamente. En alto potencialno se varió la dosis de insumos, esto produjo que en todo el lote el MN seincrementara un 23.21 %, que en dinero signica U$S 910.3 más.

RendimientoTn/ha

InsumoMN


U$S/haUreaKg/ha

PDAKg/ha

SemillaUnid/ha

DFAP 5.91

120 0 7600057.09

98.07PM 5.00 35.94BP 4.31 5.04



163PARTE 3

DVAP 5.91 120 0 76000 57.09

120.83PM 5.00 120 0 50000 44.30BP 4.91 120 40 38000 19.44

Soja 2010El manejo variable consistió en variar la distancia entre surcos de 0.525

m en la zonas de alto y medio potencial de rendimiento y a 0.26 m enlas zonas de bajo potencial de rendimiento manteniendo la densidad desiembra constante, esto incrementó el rendimiento en la zona de BP enun 20 % (0.3 Tn), lo que produjo un aumento en el MN en un 121 % pa-sando de un MN de 11.1 a 24.61 U$S/ha, dada la supercie importanteque abarcaba la zona de bajo potencial, el cambio de manejo produjo queen todo el lote el MN se incrementara un 6.78%, en dinero signica U$S540.3 más.

Mapa de Margen NetoEstos resultados son el promedio de toda la

según la cantidad de insumos que se apliquen yel rendimiento que se obtienen a partir de ellos.

RendimientoTn/ha

InsumoMN


U$S/haUreaKg/ha

PDAKg/ha

SemillaKg/ha

DF

AP 2.9590 (0.52)

138.35

199.28PM 1.94 49.83

BP 1.50 11.10

DVAP 2.95 90 (0.52) 138.35

212.79PM 1.94 90 (0.52) 49.83BP 1.80 90 (0.26) 24.61



164

pzona tratada con dosis ja o dosis variable, perosi establecemos en cada uno de los puntos delmapa de rendimiento los costos y los ingresosen base a las Tn/ha que representa ese punto yteniendo en cuenta los valores de las tablas 1, 2y 3 del anexo y mapeamos el MN tal como está,comprenderemos su dinámica y veremos quedentro de cada zona existen todavía áreas en

donde el nivel de rendimiento a pesar de practi-carles dosis variable no alcanza a saldar los cos-tos de producción.

Para visualizar el comportamiento del MN, sedelimitaron tres zonas caracterizadas con diferen-tes colores.

Roja: en donde el MN es menor o igual a 0,cuando da 0 es decir en donde la ganancia esnula, el rendimiento que lo genera se denominarendimiento de indiferencia, a partir del cual siel rendimiento es menor se producen pérdidasque con dosis ja y en las cantidades que sedetallan en la tabla 1 del anexo es de 4.2 Tn/haen maíz y en soja 1.1 Tn/ha y que puede variar

Es decir, si se aplican menos insumo pero el ren-dimiento se mantiene a pesar de esto, el rendi-miento de indiferencia disminuye, es decir queserá necesario menos cantidad de granos paracubrir los costos, este es el objetivo del ahorrode insumos

Amarilla: todos los puntos considerados comobuenos o normales establecidos por un MN de

mayor a 0 (cero) hasta 185 U$S/ha es decir a par-tir del cual empieza a tener ganancias hasta el MNobtenido de un rendimiento esperable para la zonabajo secano de 6.5 Tn/ha y 2.2 Tn/ha para maíz ysoja respectivamente y con los costos detalladosen la tabla 1 del anexo.

Verde: todos los puntos considerados comobuenos o altos, establecidos por un MN de más de

U$S 185 para maíz y más de U$S 130 para soja. A continuación se visualizan: el mapa del re-

sultado económico con dosis ja, a la izquierda,y el logrado con dosis variable, a la derecha, de-tallando la supercie correspondiente al resultadonegativo, buen margen y muy buen margen.

No hubo una modicación signicativa al cambiar el manejo.El achicamiento del espaciamientoentre surcos en la zona de bajo

potencial disminuye 1.3 hasde MN negativo que pasan a

pertenecer la zona amarilla de MN bueno.

Al realizar dosicación variablese disminuyó 8.85 has de zona

Soja 2003

Maíz 2004



165PARTE 3

se disminuyó 8.85 has de zonacon MN negativo, se incrementó1.2 has con MN bueno y 7.69

has pasaron a tener MN muy bueno.

Al realizar dosicación variabletodo el lote pasó a tener MN muy

bueno.

Maíz 2005



ANEXO

Tabla 1: Costos de producción en Maíz (REVISTA AGROMERCADO, Octubre de 2010)

comisión U$S/q 0.28

impuestos U$S/q 0.16Seguro c/put (50% produc) U$S/q 0.48

gastos generales U$S/q 0.23

secado U$S/q 3 puntos 0.36

Flete corto U$S/q 20 km 0.52

Flete largo U$S/q 400 km 3.25



168

Total gastos de comercialización U$S/qq 5.28

cosecha U$S/ha 6.90% 73.66

siembra U$S/ha 1.1 33.00

semillas unidad/ha U$S/ha 76000 unid/ha 57.00

curasemillas U$S/ha 27 cc/ha 3.34

PDA U$S/ha 70 31.5Glifosato U$S/ha 4 l/ha 9.60

2.4 D 100% U$S/ha 300cc/ha 1.71

Atrazina U$S/ha 4 l/ha 11.13

Cipermetrina U$S/ha 100cc/ha 0.60

Equip WG 30% supercie U$S/ha 120 g 10.26

aplicación de herbicida U$S/ha 0.58 15.18Urea Graulada U$S/ha 120 kg /ha 55.20

Gastos directos U$S /ha 228.52

gastos de estructura U$S /ha 91.00

Tabla 2: Costos de Producción de Soja (REVISTA AGROMERCADO, Octubre de 2010).


impuestos U$S/q 0.30

Seguro c/put (50% produc) U$S/q 1.20

gastos generales U$S/q 0.23





169


Total gastos comercialización%IB 29.00

U$S/ha 133.10



semilla + inoculantes U$S/ha 90 kg/ha 57.66

en f n de ciclo U$S/ha 27 cc/ha 15.68

glifosato U$S/ha 2 aplic = 5lt 14.4

cipermetrina U$S/ha 4 l/ha 0.60

insecticida U$S/ha 300cc/ha 3.63

aplicaciones de agroq U$S/ha 4 l/ha 19.80



Tabla 3: Costo de Producción en Sorgo (REVISTA AGROMERCADO, Octubre de 2010).


impuestos U$S/q 0.15gastos generales U$S/q 0.23




T l i li ió%IB 29.00



170

Total gastos comercialización U$S/ha 143.26



semilla U$S/ha 38000 sem/ha 18.00

PDA U$S/ha 70 kg/ha 43.05

Urea Graulada U$S/ha 40 Kg/ha 55atrazina U$S/ha 4 l/ha 8.35

glifosato U$S/ha 300cc/ha 9.60

2-4 D U$S/ha 4 l/ha 4.56

Cipermetrina U$S/ha 100cc/ha 1.20

insecticida U$S/ha 120 g 3.63

aplicación de herbicida U$S/ha 0.58 30.36Urea Graulada U$S/ha 120.00 0.00



BIBLIOGRAFÍA1.1. Uso del Sistema de PosicionamientoGlobal en la caracterización de áreas agrícolasHurn, J. Differential GPS Explained. TRIMBLE. 55p. 1993

Hurn, J. GPS: A Guide to the Next Utility. TRIMBLE. 76p.1989.Molin, J. P. Agricultura de precisão – o gerenciamentoda variabilidade. Piracicaba: o autor, 83p. 2001.Rocha, c. h. b. GPS de navegação para mapeadores, tril-heiros e navegadores. Juiz de Fora: Ed. Autor, 124p. 2003.

1.2. Uso de Sistema de InformacionesGeográcas para espacialización de datos delá d d ió í l

1.3. Monitores de rendimiento y mapeo Albarenque S.M. y J.P. Vélez. Técnicas para el procesa-miento de mapas de rendimiento. ISBN 978-987-679-028-4. Ediciones INTA. 28p. 2011.Bragachini M., Mendez A., Scaramuzza F. y F. Proietti.“Capítulo 3: Monitoreo de rendimiento y elaboración demapas”. En: Agricultura de precisión: Integrando cono-cimientos para una agricultura moderna y sustentable.

Editores: Bongiovanni R., Chartuni Mantovani E., BestS. y A. Roel. p. 45-54. PROCISUR, 2006.Kleinjan J., Clay D., Carlson G. y S. Clay. “Chapter 4:Developing productivity zone from multiple years of yieldmonitor data”. En: Gis Applications in agriculture. Editedby Pierce F.J. and D. Clay. p. 65-79. 2007.Ping J.L. y A. Dobermann. Processing of Yield MapData. Precision Agriculture, 6, 193–212, 2005.

1 4 Ad i i ió t i lt d



171

área de producción agrícolaEsri – Environmental Systems Research Institute Inc. ArcInfo. The World’s Leading Desktop GeographicInformation System. esri Inc., Redlands/ca, 1994.Fonseca, L.P.S., G.A.B., Alger K. (orgs.) Corredor deBiodiversidade da Mata Atlântica do Sul da Bahia. Publicaçãoem cd-rom, Ilhéus, iesb / ci / cabs / ufmg / unicamp.Jones, C. B. Geographical Information Systems and

Computer Cartography. Harlow, Longland. 319 p. 1997.Landau, E. C. Sistemas de Informações Geográcas e Técnicas de Sensoriamento Remoto como Ferramentaspara o Planejamento de Estratégias de Conservaçãoda Diversidade Biológica. In: Prado P.I., Landau E.C.,Moura R.T., Pinto, 2003.Mantovani, E. C.; Matoso, M. J.; Oliveira, A. C. de; Avelar,G. de. Estabelecimento de critérios para intervenção emáreas de produção de milho utilizando conceitos de

agricultura de precisão. XXXIII Congresso Brasileiro deEngenharia Agrícola. Anais. São Pedro, SP. 5p. 2004.Mapa - Ministério da Agricultura, Pecuária e Abastecimento, Brasil. Secretaria de Desenvolvimento Agropecuário e Cooperativismo. Agricultura de Precisão.Boletim Técnico. Brasília, 3a ed. 40 p. 2013. <http://www.agricultura.gov.br/arq_editor/Boletim%20tecnico.pdf>

1.4. Adquisición remota y agricultura deprecisiónBest, S.; G. Gatica; L. León. Development of an assess-ment model of water stress of vineyard var. Merlot, ba-sed on the use of infrared thermography. Proceedings ofthe 8th Fruit, Nut and Vegetable Production EngineeringSymposium, Chile, 2009.Florenzano, T.G. Iniciação em Sensoriamento Remoto.São Paulo, Ocina de Textos, Terceira Edição, 2008.Jensen, J.R. Sensoriamento Remoto do ambiente:Uma perspectiva em recursos terrestres. São José dosCampos, Parêntese Editora, 2009.Liu, H.T.H. Aplicações de Sensoriamento Remoto.Editora UNIDERP, 2006.Moreira, M.A. Fundamentos do Sensoriamento Remotoe Metodologias de Aplicação. Quarta Edição, EditoraUFV, Viçosa, 2011.

1.5. Muestreo para mapeo y manejo de la fertilidad del sueloGiménez, L.M.; Zancanaro, L. “Monitoramento dafertilidade de solo com a técnica de amostragem emgrade”. Informações Agronômicas, Piracicaba, n.138,p.19-25, 2012.

Machado, P.L.O.A.; Silva, C.A.; Bernardi, A.C.C. et al.“Variabilidade de atributos de fertilidade e espaciali-zação da recomendação de adubação e calagem paraa soja”. En: Machado, P.L.O.A.; Silva, C.A.; Bernardi, A.C.C. (Eds.) Agricultura de precisão para o manejo dafertilidade do solo em sistema de plantio direto. Rio deJaneiro: EMBRAPA Solos, p.115-129, 2004.Resende, A.V.; Shiratsuchi, L.S.; Sena, M.C.; Krahl, L.L.;Oliveira, J.V.F.; Corrêa, R.F.; Oro, T. “Grades amostraispara ns de mapeamento da fertilidade do solo em áreade cerrado”. En: Congresso Brasileiro de Agricultura dePrecisão. 2. São Pedro – SP, 2006. Anais. Piracicaba:ESALQ, 2006. (CD-rom).

2.1. Creación de mapas de manejo con datosespacialesBrandão, Z. N.; Oliveira, R. P.; Sana, R. S.; Soatti, V.;Zonta, J. H.; Medeiros, J. C. “Uso de imagens orbitaise suborbitais na caracterização da variabilidade espacial

Shiratsuchi, L. S.; Machado, A. L. T. “Variação do es-paçamento entre faixas de colheita na Geração deMapas de Produtividade”. Boletim de Pesquisa deDesenvolvimento, 90. Ed. Empresa Brasileira dePesquisa Agropecuária, 2003.Sudduth, K. A.; Drummond, S.T. Yield Editor: “Softwarefor removing errors from crop yield maps”. AgronomyJournal, v. 99, p.1471–1482. 2007.

Taylor, J. A.; McBratney, A. B.; Whelan, B. M.“Establishing management classes for broad acre agri-cultural production”. Agronomy Journal, v.99, p.1366-1376, 2007. Thyle´N, L.; Algerbo, P. A.; Giebel, A. “An expert lter re-moving erroneous yield data”. En P.C. Robert et al. (ed.)Proceedings: 5th International Conference on Precision Agriculture, Bloomington, MN.16–19 Julho 2000. ASA,CSSA, and SSSA, Madison, WI. 2001. Yan, L.; Zhou, S.; Feng, L.; Hong-Yi, L. “Delineationof site specic management zones using fuzzy cluste



172

e suborbitais na caracterização da variabilidade espacialda produtividade”. En: Inamasu, R.: Bernardi, A. C. C.(Eds). Agricultura de Precisão: resultados de um novoolhar. Ed: Embrapa Instrumentação, São Carlos, SP.588p. 2014.Coelho, A. M.; Faria, C. M. de; Cunha, T. F.; Mota Junior,H. A. Agricultura de Precisão mapeia colheita de grãos.Campo & Negócio, Uberlândia. V. 19, n. 120, p. 36-40,fev. 2013.Doerge, T. A. “Management zone concepts”.En: Site-specics management guideline. 2013.Disponible en: <www.ipni.net/publication/ssmg.nsf/0/ C0D052F04A53E0BF852579E500761AE3/$file/ SSMG-02.pdf>. Fecha de consulta: 10/12/2013.Mantovani, E. C.; Matoso, M. J.; Oliveira, A. C. de; Avelar,G. de. Estabelecimento de critérios para intervenção emáreas de produção de milho utilizando conceitos deagricultura de precisão. XXXIII Congresso Brasileiro de

Engenharia Agrícola. Anais. São Pedro, SP. 5p. 2004.Santos, A. O.; Pallone Filho, W. J.; Ungaro, M. R. G.;Lino, A. C. L.; Radin, B. “Prospecção de zonas poten-ciais para manejo diferenciado em agricultura de pre-cisão utilizando-se padrões de solo-planta-clima”. En:Revista Brasileira de Engenharia Agrícola e Ambiental,v.7, p.463-468, 2003.

of site specic management zones using fuzzy cluste-ring analysis in a coastal saline land”. Computers andElectronics in Agriculture, p.174-186, 2007.

2.2. Uso de la geoestadística y los sistemas deinformación geográca en agriculturaFleischer, S.J., P.E. Blom, R. Weisz. Sampling in preci-sion IPM: When the objective is a map. Phytopathology89: 1112-1118. 1999.Goovaerts, P. Geostatistics for natural resourses evalua-tion. Oxford University Press, Oxford, 1997.Isaaks, E.H., R. Mohan Srivastava. Applied Geostatistics.Oxford University Press. New York, Oxford. 561 pp,1989.Liebhold, A.M., R.E. Rossi, W.P. Kemp. Geostatisticsand geographic information systems in applied insectecology. Ann. Rev. Entomol. 38: 303-327, 1993.

Matheron, G. Principles of geostatistics. Econ. Geol.5:1246-1266, 1963.Ribes-Dasi, M., M. Bascuñana, J. Avilla. “Estudio de ladistribución espacial de Cydia pomonella (L.) y Pandemishermana (Denis & Schiffermuller)” en Torregrossa (Leida)mediante métodos geoestadísticos. Bol. San. Veg.Plagas. 24: 935-948, 1998.

2.3. Interpretación de informacionesespacializadas y denición de unidades demanejoBenavidez R., Boschetti N., Quintero C.; Barrera R. y A.González. “Evaluación de la fertilidad fosfatada de lossuelos para los principales cultivos extensivos de EntreRíos”. En: Ciencia Docencia y Tecnología, n° 21, año XI.p221-266. 2000.Doerge, T. A. “Management zone concepts. SSMG-2”.In: Information Agriculture Conference, Stewart Center,Purdue, IN. 1999.Gambaudo S. y H. Micheloud. Capítulo 6: “Enmiendasminerales”. En: Fertilización de cultivos y pasturas.2° edición. Buenos Aires. Hemisferio Sur. p129-145.2008.Ipni. Cálculo de Requerimientos Nutricionales - Versión2013 <http://lacs.ipni.net/article/LACS-1024>Kruk B y E Satorre “Capítulo 13: Densidad y arreglo

2.5. Monitoreo temporal de los sistemas deproducción para la toma de decisiones ymejoraEmbrapa - Empresa Brasileira de Pesquisa Agropecuária.Manual de métodos de análise de solo. Centro Nacionalde Pesquisa de Solos. 2a. ed. Rio de Janeiro, 212 p.1997.Larscheid,G. , Blackmore, B.S. and Moore, M.Management Decision Based on Yield Maps. Presentedon 1st European Conference on Precision Agriculture.September 8-10, 1997 Warwick University, Warwick,UK Sponsered by The SCI Agriculture and EnvironmentGroup. <http://www.silsoe.craneld.ac.uk/epf/>Lowenberg-DeBoer, J. Precision Farming Protability. Agricultural Research Programs. Purdue University,West Lafayette, IN, 131 p. 2000.Mattoso, M.J. Subprojeto Custos de Produção daCultura do Milho no Brasil in Projeto Sistemas de



173

Kruk B. y E. Satorre. Capítulo 13: Densidad y arregloespacial del cultivo”. En: Producción de granos. Basesfuncionales para su manejo. p277-316. 2003.

2.4. Aspectos económicos, análisis deviabilidad de adopción de intervenciones enlos sistemas de producciónIpni - Site Specic Management Guidelines, Publishedby The Fertilizer Institute - International Plant NutritionInstituteLowenberg-DeBoer, Jess, Ericson, Kathleen et al.,Precision Farming Protability, Agricultural ResearchPrograms, Purdue University, West Lafayette, Indiana,usa, 2000.Sonka Steven T. et al., Precision Agriculture in the 21stCentury - Geospatial and Information Technologiesin Crop Management, National Research Council,1997.Srinivasan, Ancha phd et al., Handbook of Precision Agriculture - Principles and Applications, Food ProductsPress, 2006Zhang, Q., Pierce F. J. et al., Agricultural Automation -Fundamentals and Practices, crc Press, 2013

Cultura do Milho no Brasil, in Projeto Sistemas deProdução da Agropecuária Brasileira. SEA, EmbrapaSede. Brasília, DF. 2002.Moore, M. Fieldstar – An integrated approach to redu-cing farm operating costs and increasing protability.agco Company. 2002.Santos, R.F.dos. “Planejamento Ambiental e Sistemas deInformações Geográcas”. En: Caderno de InformaçõesGeorreferenciadas - CIG. Vol.1 - Número 2. Artigo 2.

1997.Swinton, S.W. and Lowenberg-DeBoer, J. Site-SpecicGuidelines. Protability of Site-Specic Farming. SSMG-3.<www.ppi-far.org/ssmg> 4p. 1998.

3.1. Tecnología de precisión para gestión denutrientesCtic - Conservation Technology Information Center,

Indian Creek Watershed Project. Annual Report andwebsite: http://www.ctic.purdue.edu/IndianCreek/,West Lafayette, Indiana, usa. 2013.InfoAg Conference Proceedings 2011, 2013, 2014. Acollection of presentations and information from pastand current InfoAg Conferences. Disponible en: <www.infoag.org>

Ipni. 4R, Plant Nutrition Manual: A Manual for Improvingthe Management of Plant Nutrition, 1st Rev. Ed., (T.W.Bruulsema, P.E. Fixen, G.D. Sulewski, eds.), InternationalPlant Nutrition Institute, Norcross, GA, USA. 2013.Ipni. Site-Specic Management Guidelines. A collectionof 45 publications on selected topics of site-specicprecision farming. International Plant Nutrition Institute,Norcross, ga, usa. Disponible en: <http://www.ipni.net/ ssmg>Jim, Patricio. June 4, 2013. Choosing Your UAV. DTN- The Progressive Farmer/Agriculture Markets, News andWeather. On-line newsletter.Reetz, Harold F., Jr. “Precision Farming as an Instrumentfor Fertilizer Best Management Practices”. En: Boaspracticas para uso ecente de fertilizantes. Vol 1. LuisIgnacio Prochnow, Valter Casarin, Silvia Regina Stipp,eds. International Plant Nutrition Institute (ipni) – Brazil,Piracicaba, SP. Brazil. 2010.Schaefer Dan Illinois Council on Best Management

Roberson, G. T. MapBased vs. Sensor based nitrogenapplication technology. 2013. Disponible en: <http:// www.infoag.org/abstract_papers/papers/abstract_145.pdf>Shannon, K. Working with Farmers to Advance Sensor Technology for In-Season N Management. 2010.Disponible en: <http://www.ksre.ksu.edu/waterquali-ty/2010/Presentations/Workshop/Shannon.pdf>

Taylor, R y J. Fulton. Sensor – based variable applicationfor cotton. 2010. Disponible en: <http://www.cottoninc.com/ber/AgriculturalDisciplines/Engineering/Precision-Crop-Management-for-Cotton/Sensor-Based-Variable-Rate-App/Sensor-Based-App-Oct-2010.pdf>

3.4. Monitoreo de desempeño y retorno de lasprácticas de la agricultura de precisión Andrade, F, Cirilo, A, Uhart S, Otegui M. Ecosiología delcultivo de maíz Editoral La Barrosa pp:264 Balcarse



174

Schaefer, Dan. Illinois Council on Best ManagementPractices. Personal communication. 2014.

3.3. Sensores de nitrógeno para la medición yaplicación en el cultivo en tiempo realGil, E., A. Giménez. N-sensor. Sistema de apli-cación selectiva de nitrógeno en tiempo real.Disponible en: <http://ocw.upc.edu/download.php?-le=15013140/28037-3962.pdf%E2%80%8E>Hegge, H. “Site-specicfertilizing”. En : H.J. Heege(ed.), Precision in Crop Farming: Site Specic Conceptsand Sensing Methods: Applications and Results.Springer Science Business Media. Chapter 9. Pp: 193-272. 2013.Holland, K. y J. Schepers. Use of a virtual –referenceconcept tointerpret active canopy sensor data. Presicion Agric. 14: 71-85. 2013.McGrath. “Sensor Guided variable rate nitrogen”. En:CCA Conference Presentation. 2012. Disponible en:<http://www.indianacca.org/presentation/3/108/>Raper, T., J. Varco and K. Hubbard. Canopy-based nor-malized difference index sensors for monitoring cottonnitrogen status. Agr. Journal. 105: 1345-1354. 2013.

cultivo de maíz. Editoral La Barrosa, pp:264. Balcarse.Buenos Aires. 1996.Bragachini M.; Méndez A.; Scaramuzza F. Agriculturade Precisión y Siembra Variable de insumos en tiem-po real mediante el uso de GPS. 2004. Disponible en:<http://www.agriculturadeprecision.org/siembCoseAl-ma/Sembradora%20IOM%20Inteligente.html>. Fechade consulta 26/05/2009Kay, R.D.; W.M. Edwards. Farm management. 4th ed. The McGraw-Hill Companies, Boston. 1999.Koch B.; Khosla R.; Frasier W. M.; Westfall D. G.;Inman D. Economic Feasibility of Variable-Rate Nitrogen Application Utilizing Site-Specic Management Zones.2004 . Disponible en: <http://agron.scijournals.org/ cgi/content/abstract/96/6/1572>. Fecha de consulta26/05/2009Miguez F.2008. Márgenes de Maíz 2007/2008. Revista Agromercado, Argentina.Revista Agromercado, Argentina, Octubre 2010.Snyder, C.; Schroeder T.; Havlin J.; Kluitenberg G. An economic analysis of variable-rate nitrogen ma-nagement. 1997. Dsiponible en: <agron.scijournals.org/cgi/content/full/96/6/1572>. Fecha de consulta02/03/2008.



El Manual de Agricultura dePrecisión intenta poner en un

contexto simple los conocimientosy avances sobre esta tecnologíay acercarlos a profesionalesextensionistas que tienen queenfrentar los desafíos de su uso,que sin duda será cada vez másamplio en el futuro.Desde que en 2006 PROCISURpublicó el primer libro regional



publicó el primer libro regionalsobre agricultura de precisión,el avance tecnológico propició eldesarrollo de equipos y sistemasaltamente especializados, con unaenorme capacidad para adquirir,procesar y analizar información.

Paralelamente, el conceptode agricultura de precisión haevolucionado a la integraciónde tecnologías más amplias endistintas etapas de los procesosproductivos, donde el acceso yel manejo de información sonfundamentales para la gestión

integral, la toma de decisiones y lacompetitividad de las empresas.

Manual AP 01web

Documents

Transcript of Manual AP 01web