Las imágenes aéreas abordan las decisiones de fertilización

Las imágenes que los agricultores recolectan desde los vehículos aéreos no tripulados (UAVs), comúnmente llamados drones, pueden lucir muy bien en la pantalla del computador, pues hasta hace poco no resultaron de gran ayuda para dar solución a los problemas de fondo.

Un número creciente de empresas está desarrollando nuevas herramientas aéreas para equipar a los agricultores con información capaz de identificar puntos problemáticos en los campos y, en última instancia, aportar más ganancias por acre.

Los agricultores de trigo de Kansas en EE.UU. están recibiendo de manera temprana tecnologías algunas de estas herramientas, incluyendo el nuevo VariMax ofrecido para la cosecha 2016-2017. VariMax combina imágenes aéreas, sensores de cosecha y algoritmos personalizados para aumentar lo que los agricultores ya conocen de sus campos, dice Shane Ohlde, CEO de Ohlde Seed Farms, una empresa regional de semillas de trigo, maíz y soya que ha entregado la licencia a VariMax de Kansas State University.

Herramientas como VariMax requieren una imagen aérea de alta calidad que se procesa y conecta a un algoritmo que produce información relevante para ayudar a los productores. En el caso de VariMax, el resultado es una prescripción de fertilizante de dosis variable que los agricultores pueden usar para ajustar las aplicaciones de nitrógeno en primavera.

¿Por qué trigo?
El trigo de invierno es una buena aplicación para la toma de decisiones basada en imágenes aéreas, ya que es un cultivo ineficiente en la absorción de nitrógeno. Los agricultores hacen dos aplicaciones de N en trigo. La primera se administra antes de la siembra para promover el crecimiento. Luego en la primavera se hace una aplicación superficial de N.

Idealmente, un campo de trigo será sobrevolado en la etapa de crecimiento 4 (Feekes). Así, los agricultores pueden usar las imágenes resultantes para determinar cuánto N se aplicará, dice Ray Asebedo, profesor asistente de agricultura de precisión en KSU y desarrollador de VariMax.

“El trigo típicamente tiene mucho potencial de rendimiento en ese momento”, explica. “Pero no es fácil para los agricultores determinar el nivel de rendimiento óptimo para su entorno de crecimiento en ese momento”.
Mejor localizado
Asebedo ha pasado años refinando algoritmos para el trigo de invierno específico de Kansas. El algoritmo VariMax combina la biomasa de cultivos de trigo, la capacidad fotosintética del cultivo, la eficiencia geográfica específica del uso de nitrógeno, más los rendimientos pasados para un plan de manejo de nutrientes específico del sitio.

La naturaleza local de VariMax hace que se destaque en una línea llena de proveedores de servicios nacionales, como Climate Corporation, FarmLogs y Encirca.

“El algoritmo que utilizamos tiene en cuenta las prácticas de gestión específicas de sitio para ayudar a los agricultores a determinar la tasa óptima de nitrógeno”, asegura Asebedo.

Durante las conversaciones con los agricultores mientras construían el algoritmo y se hacían las pruebas de campo VariMax, sabía que la tecnología tenía que ser fácil de adoptar.

“Los agricultores sólo se preocupan por dos cosas: el potencial de rendimiento y la recomendación de nitrógeno. VariMax le dice a los productores lo que quieren saber y lo que necesitan para arreglarlo”, dice.

Y funciona. La investigación de Ohlde encuentra que VariMax ahorra de USD 12 a USD 15 por acre en costos de N. Él tiene cuatro años de investigación en la granja en la que el N se aplicó de manera superficial.

“Volamos el campo en verde y el programa recomendó 50 libras de nitrógeno para alcanzar el máximo potencial de rendimiento”, dice Ohlde.

En sus parcelas aplicaron 50, 75 y 100 libras de N superficial. “No encontramos ninguna diferencia estadística de rendimiento económico entre 50 y 100 libras”, señala. Los ahorros compensan más que el costo de $ 4.50 por acre.

Según Asebedo, VariMax busca obtener el máximo rendimiento posible de obtenible (90% a 95%) y se centra en la optimización de los beneficios por acre. “A veces maximizamos los beneficios aumentando el rendimiento; otras veces, es reduciendo los insumos. Idealmente, queremos aumentar el rendimiento y reducir el gasto de insumos”, explica.

Muchos productos nacionales son más generalizados y utilizan el modelado de cultivos dentro del algoritmo, a través de una amplia geografía. Pero la agronomía es local. Cuanto más marcado es a las condiciones locales un producto, mejor.

“Los algoritmos generalizados pueden funcionar en todas partes, pero no funcionan bien”, asegura Asebedo. “Son como un sombrero de talla única. Funciona, pero no encaja muy bien”. Traducido por: Agriculturers.com.

Cómo funciona

Una receta precisa requiere mucho esfuerzo. Primero, el vuelo debe registrar una imagen utilizable. Los sensores ópticos de las máquinas ven un cultivo de la misma manera que lo hacen los ojos humanos. Junto con el algoritmo correcto, pueden interpretar lo que la planta está diciendo.

Alguien tiene que agregar la información, sin embargo. Ahí es donde entra un proveedor como Beau Dealy. “Tenemos que asegurarnos de obtener la información que necesitamos para ayudar a los agricultores a tomar decisiones económicas sólidas”, dice Dealy, quien es el socio gerente de APIS Remote Sensing en Hays, Kansas. En abril, la firma de Dealy trabajó con Heartland Soil Sampling, una empresa de muestreo de suelo del sur de Kansas, para mapear el estado sanitario de los cultivos en un campo de trigo.

El muestreo del suelo proporciona una línea de base de deficiencias de nutrientes en el suelo antes de la siembra. Recuerde, sin embargo, que el trigo de invierno está en el suelo durante nueve meses desde la siembra hasta la cosecha. Muchas cosas pueden salir mal, y que la aplicación de nutrientes por sí sola no puede resolver.

Landon Oldham, propietario de Heartland Soil Sampling, recolectó una imagen NDVI de uno de los campos de su cliente. Tomada con un UAV, la imagen mostró estrés en dos lados del cultivo: uno donde la capacidad de intercambio catiónico es baja, y otra donde los niveles de magnesio y potasio están por debajo de lo normal. Las imágenes aéreas se correlacionaron estrechamente con un mapa de muestra de suelo de rejilla a partir del otoño de 2016.

“No esperábamos que la correlación fuese tal, pero lo fue”, recuerda Oldham. “Determinamos que una prescripción de tasa variable solucionaría el problema”.

Con los precios de los cultivos en mínimos históricos, Oldham sabe que los agricultores están reacios a gastar dinero adicional en imágenes aéreas. Los costos de los insumos se pueden ahorrar a medida que los agricultores comienzan a aislar las zonas dentro de los campos. “En consecuencia la información se puede utilizar para gestionar esas zonas”, dice.

Eso es clave, agrega Dealy, quien recopiló y procesó las imágenes de Oldham para hacer un mapa utilizable. “Si no puedes vincular imágenes aéreas a acres específicos en un campo, no obtienes el máximo valor de esa imagen”.

¿Drone, avión o satélite?

El VariMax de Ohlde fue diseñado para ser usado con UAVs para imagen aérea. Esas imágenes están bien, pero los aviones y los satélites también pueden proporcionar imágenes de alta resolución en el campo.

“Todos ellos tienen su uso”, dice Dealy, quien es editor de la página web, AgFlyers.com. “Si necesitas imágenes oportunas de alta resolución, los drones están donde deben estar. Sin embargo, para obtener muchas imágenes en el tiempo, los vuelos tripulados o los satélites son una buena opción”.

Traducido por: Agriculturers.com

FUENTE ORIGINAL

2 Comentarios

  1. Pingback: Las imágenes aéreas abordan las decisiones de fertilización

  2. Pingback: Las imágenes aéreas abordan las d...

Deja un comentario