Agricultura Específica por Sitio (AEPS) y uso de grandes volúmenes de datos

Transcripción

1 Agricultura Específica por Sitio (AEPS) y uso de grandes volúmenes de datos Foro Global Agroalimentario Guadalajara, México Daniel Jiménez R. d.jimenez@cigar.org

2 A qué necesidad responde? Qué sembrar, dónde, cómo, cuándo? Diferentes sabores de metodologías de transferencia Los que cuentan con mayor investigación, en su mayoria basados en modelo Top- Down (De condiciones controladas- a Agricultores) 2

3 Qué proponemos? Un acercamiento complementario Bottom up : información de desempeño de los cultivos en condiciones comerciales, aprovechando la tecnología moderna!!! Clima Suelo Manejo agronómico Productividad Factores limitantes en la producción o calidad Patrones climáticos favorables/desfavorables Información específica por sitio Prácticas óptimas de manejo agronómico Identificando señales (combinación de factores) asociados a variación en productividad

4 Cómo hacerlo? Información primaria: capturada a través de diferentes fuentes Plataforma en línea Información secundaria : Bases de datos existentes Divulgación Captura Limpieza, organización, almacenamiento Reporte Interpretación, validación Análisis

5 Cómo? - métodos de análisis (minería de datos de información observacional en agricultura - desempeño de los cultivos en condiciones comerciales) Métodos basados en machine learning Redes neuronales artificiales (supervisadas, no supervisadas ) Density-based clustering Random Forest Conditional Forest Métodos tradicionales Lógica difusa Regresión lineal multiple (OLS) Análisis factorials (PCA, MCA, CATPCA) Modelo lineal generalizado (GLM) Modelos mixtos

6 Algunos casos de estudio: en 4 países y 3 cultivos Encontrando señales en los datos!!! CLIMA SUELO MANEJO CULTIVO PAIS Plátano Colombia Frijol Colombia Arroz Perú Arroz Nicaragua - Uruguay Arroz Colombia El aspecto con mayor magia del Big Data es el dato inteligente, la aplicación de análisis estadísticos, y machine learning a conjuntos de datos para encontrar conexiones y señales en el ruido de los datos. Philip Brittan.

7 Frecuencia Número de lotes Caso de estudio Plátano en Colombia: Clima, Suelo y Manejo agronómico Plátano Kg/sitio Hipótesis Más de 800 lotes productivos representando hetereogeneidad de condiciones

8 Caso de estudio Plátano en Colombia: Clima, Suelo y Manejo agronómico Análisis factoriales: PCA- CATPCA. Modelos mixtos y BLUPS

9 Yield (kg/plant/year) Yield (kg/plant) Caso de estudio Plátano en Colombia: Clima, Suelo y Manejo agronómico Análisis factoriales: PCA- CATPCA. Modelos mixtos y BLUPS Cultivo asociado Cultivo asociado C1S7 C3S7 C4S3 C4S C1S7 C3S7 C4S3 C4S dominico harton mixture other -3-4 HEs Efectos de las zonas homólogas en el modelo mixto HEs Efectos de las variedades en las diferentes zonas homólogas

10 Caso de estudio: Frijol en Santander (COL), Suelo y manejo agronómico Técnica: Random Forest. N= 670 Desempeño: 30,2% de explicación Análisis realizados por Oscar Estrada funcionario de FENALCE- Fondo Nacional Cerealista

11 Caso de estudio: Frijol en Santander, Suelo y manejo agronómico Cantidad de Fert Químico Kg/Ha Fraccionamiento Fert Químico Kg/Ha Análisis realizados por Oscar Estrada funcionario de FENALCE

12 Caso de estudio: Provincia de Jaén (Perú) suelo y manejo agronómico Técnica: Random Forest - N = 133 eventos de cosecha Periodo Tipo de siembra Transplante Finca CaCO3 Directa Tipo de siembra Suelo manejo agronómico explican más del 40 % de la variación del rendimiento en arroz en Perú (Jael) Plazas Finca Santa Cruz Corral viejo Finca CaCO3 (%)

13 Caso de estudio: Arroz en Nicaragua (Miramontes), clima y manejo agronómico Técnica : C forest - N= 167 Eventos de cosecha- Período 2014-May 2015 Preparación Fertilización Edáfica N Dosis semilla Labranza Min Fangueo Labranza 0 Preparación Clima y manejo agronómico explican más del 23 % de la variación del rendimiento en arroz en Nicaragua Miramontes Fertilización Edáfica N (quintales/manz) Dosis semilla (quintales/manz)

14 Caso de estudio: Arroz en Uruguay, (Casarone) clima y manejo agronómico Técnica : C forest N= 238 Eventos de cosecha, periodo Tacuarí Variedad Freq Temp Max ^34C Uso anterior EA 404 Inov EP 144 Variedad Clima y manejo agronómico explican más del 47.5 % de la variación del rendimiento en arroz en Uruguay- Casarone Freq Temp Max ^34C Retorno sobre Pradera Rastrojo Uso anterior

15 Caso de estudio: Arroz en Colombia: Clima Técnica: ANN supervisada (MLP), N = 189, Eventos de cosecha, periodo : , Análisis basado en etapas fenológicas ESPINAL (Tolima-Colombia) En ésta ocasión con clima explicamos el 59 % de la variación en arroz!!! Cimarron Barinas Promedio de la temperatura mínima en la época de llenado un factor crítico (las tres primeras apuntan hacia ese factor)

16 Plataforma de interacción con usuarios Frijol-Santander (Colombia)- En Construcción Reportes Doble via: (En Recolección construcción) y reportes

17 T ha AEPS - Big Data Orientado hacia reducir incertidumbre sobre qué, y dónde sembrar! Un sistema que evoluciona de recomendaciones a grande escala y basado en pocas observacíones en campo, hacia un sistema experto asistido por los datos y sitio específico Agronomía impulsada por los datos & Sitio específico (AEPS-Big Data- minería de datos en Ag- señales) Agronomía adaptada a región Adaptación de tecnología Tecnología importada 19XX Años 201x 17

18 Qué hemos logrado? Más de 7000 agricultores adoptando el enfoque Más de eventos productivos analizados en 5 países (Colombia, Perú, Nicaragua, Argentina y Uruguay) y en 5 cultivos (ciclo corto y perennes) Más de 5 gremios empoderados con las herramientas (Técnicos y agricultores) Gobiernos locales utilizando AEPS-Big Data como herramienta de soporte para crédito Personal empoderado Cambios institucionales que permiten integrar el enfoque AEPS en el funcionamiento de 5 instituciones Reconocimiento mundial por el trabajo conjunto en arroz en Colombia MADR-CIAT- FEDEARROZ

19 Perspectivas y oportunidades Los cultivos, países y ejercicios presentados son casos de estudio, son metodologías pueden ser implementada en cualquier otro cultivo y en la medida que hayan datos disponibles se puede hacer en cualquier lugar Sistemas de apoyo a la toma de decisión en la agricultura Las herramientas, recurso humano, tecnológico, voluntad y pasión están al servicio de todo la región!

20 Gracias!!! Video: