PREDICTOR DE COSECHA PARA CULTIVOS HORTOFRUTÍCOLAS CON DESTINO AGROINDUSTRIAL, A PARTIR DE IMÁGENES SATELITALES

Transcripción

1 Innova CORFO Fondo Conectividad Rural Bienes Públicos para la Innovación PREDICTOR DE COSECHA PARA CULTIVOS HORTOFRUTÍCOLAS CON DESTINO AGROINDUSTRIAL, A PARTIR DE IMÁGENES SATELITALES Abril 2010

2 Beneficios esperados A partir de la predicción de cosecha se facilita la logística asociada a los procesos productivos de los principales rubros agroindustriales de la zona central de Chile.

3 A partir de una buena predicción de cosecha, pueden coordinarse los esfuerzos de mano de obra, insumos y transporte asociados a cada rubro. Conociendo la calidad del producto, es posible determinar tanto los destinos de cada producto como el mercado y comercialización final del

4 Beneficiaria: ChileAlimentos y empresas agroindustriales asociadas Desarrollador: Instituto de Investigaciones Agropecuarias INIA La Platina Subcontrato: Empresa del rubro TIC, especializada en imágenes satelitales Oferente: Empresa prestadora de servicios en alianza entre ChileAlimentos, INIA y codesarrollador

5 Equipo técnico Nombre Profesional Alejandro Antúnez B. Gustavo Chacón C. N.N. por contratar Gabriel Saavedra del R. Gabriel Sellés van Sch. Gamalier Lemus S. Bruno Defilippi B. Stanley Best S. Cargo Director, Investigador Director Alterno, Investigador Profesional Ing. Agr. terreno Investigador Investigador Cultivos Investigador Frutales Investigador Post Cosecha Investigador Agric. Precisión Nombre Profesional Asesor especialista imágenes satelitales Estudios y asesorías Cargo Asesor Empresa consultora

6 Subcontrato Imágenes satelitales Invitación a: Agencia Chilena del Espacio Centro de Modelamiento Matemático U. de Chile Oriondata Chile Oterra U. Mayor Otras

7 Objetivos Desarrollar un modelo predictivo de cosecha para especies hortofrutícolas, de importancia agroindustrial, para la optimización del proceso de comercialización que realizan los agricultores y las agroindustrias.

8 Objetivos Específicos 1. Desarrollar y validar modelos predictivos de cosecha, a través de imágenes satelitales, que permitan pronosticar calidad, fecha de cosecha y rendimiento en las principales especies hortícolas y frutícolas con destino agroindustrial.

9 2. Desarrollar una herramienta TIC, amigable al agricultor y agroindustria, que permita procesar información para pronosticar anticipadamente el rendimiento comercial, la calidad y la fecha de cosecha en diversos cultivos de interés.

10 3. Establecer las bases para la prestación de un servicio de predicción de rendimiento, calidad y fecha de cosecha, basado en las tecnologías TICs que se validen y desarrollen en el proyecto.

11 4. Difundir el sistema de pronóstico de cosecha basado en imágenes satelitales.

12 Metodología Selección de imágenes satelitales que representen adecuadamente los cambios en etapas críticas del desarrollo de cultivos de: Tomate, Pimiento, Alcachofa, Maíz y Arveja Durazno, Manzano, Frambueso, Ciruelo y Almendro.

13 Seguimiento de campo de los cultivos seleccionados, con énfasis en los factores que afectan la calidad comercial del producto final Registro meteorológico y análisis de las principales variables que afectan al desarrollo y producción de los cultivos

14 Correlación de información de campo con el resultado del procesamiento de las imágenes satelitales, por medio de índices tales como NDVI. El NDVI es un índice usado para estimar la cantidad, calidad y desarrollo de la vegetación en base a la medición, por medio de sensores remotos instalados comúnmente desde una plataforma espacial, de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación emite o refleja.

15 Desarrollar un modelo que integre las variables de campo, meteorológicas y satelitales que entregue un pronóstico de cosecha que incluya fecha, rendimiento y calidad. En la etapa de validación, poner a disposición de los usuarios el servicio de pronóstico, en una plataforma adecuada a sus requerimientos y capacitación.

16 Sitio web del proyecto imagen SPOT ortorectificada, con 10m de resolución por mosaico, del predio de interés. mapa de estado del cultivo, con énfasis en el rendimiento, calidad y fecha de cosecha.

17 Mapas fácilmente interpretables, que informarán al agricultor y empresa agroindustrial de forma precisa sobre el estado del cultivo. Mapa de vegetación verde que indica la densidad del cultivo e interpreta el desarrollo de las plantaciones Mapa de vegetación seca destaca los problemas de cultivo, así como el estado de avance de la maduración al finalizar el crecimiento.

18 @ Imagen multispectral Colecta de Datos Datos geográficos de campo Datos alfanuméricos de campo Productos Biofísicos Datos agronómicos y meteorológicos Productos agronómicos Mapas con variables de campo Recomendación Control de calidad en campo Datos de campo Fuente Infoterra (2009)

19 Algunos productos, desarrollados en otros proyectos en el mundo: SPOTCana

20 Imagen satelital ortorectificada que incluye muchos predios susceptibles de incorporar al estudio

21 Mapa de vegetación seca Revela grado de madurez en caña de azúcar

22 Mapa de vegetación verde Relaciona sanidad y cobertura del cultivo en estudio

23 Seguimiento agronómico del cultivo en terreno

24 Seguimiento del cultivo en terreno, en fase cercana a cosecha

25 Verificación de campo, para relacionar anomalías detectadas a partir del análisis de las imágenes satelitales (Fuente Infoterra, 2009).

26 Imagen satelital con código de colores, entrega rendimiento promedio esperado (promedio) y fecha de cosecha.

27 Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola Cultivo de zanahorias Foto de campo Extrait de l exploitation Pot au Pin 051 HEDOIN P2 POI 1 051HEDOIN P4 xxx HVI 1 Photo Michel Gay 051 DEF1PAS CAR PAP N CAR 1

28 Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola Cultivo de zanahorias imagen de satelite Extrait de l exploitation Pot au Pin 051 HEDOIN P2 POI 1 051HEDOIN P4 xxx HVI DEF1PAS CAR PAP N CAR 1

29 Ejemplo de Predicciones en Cultivo Hortofrutícola y Frutícola Análisis espectral de la imagen Surface en m² Jours Juliens Surface récoltée Surface à récolter

30 Seguimiento con satelite

31

32 Productos regionales: análisis estratégica utilizan archivo.kml Google Earth

33 Análisis detallado Seguimiento con satelite

34 La empresa y/o agricultor accede a los resultados del proyecto, por medio de página web que presenta la predicción en un formato sencillo e integrado.

35 Estimación de costos del servicio En paralelo con el desarrollo del modelo predictivo, durante el 2011 se realizará un estudio para determinar los costos del servicio de predicción.

36 Compromisos esperados Priorización de especies Superficie mínima de cultivo Regiones o localidades Libre acceso al predio Contacto y coordinación con labores de campo