Hacia una producción sustentable utilizando tecnologías de precisión, drones y otros sensores Dr Kai Sonder Jefe Unidad SIG CIMMYT Contribuciones de Jill Cairns, Zaman Allah Mainassara, Lorena González, Maria Tattaris
La Definición de la Agricultura de Precisión: Manejo de acuerdo al sitio Aplicar la dosis adecuada en el sitio adecuado al tiempo adecuado Agricultura de precisión Usa tecnología de información para que el manejo de acuerdo al sitio sea económicamente viable en la agricultura mecanizada.
Objetivo: Reducir costos de producción Minimizar impacto ambiental
Los Pioneros: Variabilidad en ensayos y geoestadistica MERCER & HALL, 1911 THE EXPERIMENTAL ERROR OF FIELD TRIALS. Errores experimentales en estaciones de campo y impacto sobre el cultivo de Mangold/Chard Acelga (Beta vulgaris subspecies cycla)
EDEN & MASKELL, 1928 THE INFLUENCE OF SOIL HETEROGENEITY ON THE GROWTH AND YIELD OF SUCCESSIVE CROPS Efectos de variabilidad de suelo sobre crecimiento y rendimiento (Mapa de rendimiento)
Examina la acidez de tu suelo C.M. Linsley and F.C. Bauer University of Illinois Circular 346 August, 1929 En un lote de 16-ha mide ph y carbonatos 23 muestras de la superficie (5 cm profundidad) 5 sub superficie (30 cm profundidad) 5 sub suelo (20 inch depth) El mapa completado de acidez muestra donde y cuanto se necesita de limo Se recomienda planear otro muestreo despues de 6 años IOWA STATE U
LINSLEY & BAUER, 1929 Economics of Variable Rate Lime in Indiana Variación de ph en el campo y aplicación de limo de acuerdo a mapas del suelo IOWA STATE U
El siguiente paso: la definicion en si de lo que se considera agricultura de precision hoy en dia y los primeros moviemientos hacia la maquinaria que : JOHNSON ET AL. 1983 Custom prescribed tillage MATTHEWS, 1983. Continuous variation of the quantity of inputs to match the needs of soil or a crop in a localized region
Fairchild, 1988 (Patente 1986) SoilTeq applicacion variada de fertilizante segun un mapa digital
Fairchild, 1988 (Patente 1986) SoilTeq aplicación variada de fertilizante según un mapa digital La primera verdadera aplicación de agricultura de precisión
Momento clave en la historia de la agricultura de precisión: Uso de GPS para los civiles desde comienzo de los 90 y mayor precisión desde el 2000. Con DGPS y otros sistemas mejorando continuamente.
Hoy en dia hay amplia gama de sistemas integrados :
Técnicas de tratamiento variable Maximizar el beneficio en cada parcela estudiada a través del aumento de la producción y/o reduciendo de los costes de producción. Ahorro directo en insumos: semillas, abonos, herbicidas, fungicidas, etc. Mejoras en la gestión ambiental por la reducción significativa de agroquímicos y otros recursos. Seguimiento, control y puesta al día de un cuaderno de campo para el seguimiento de cada parcela. Los datos registrados sobre las aplicaciones realizadas se utilizan a su vez para optimizar y planificar futuros trabajos. Irrigación de precisión
Equipos de control de maquinaria Reducción de la superficie solapada (traslape de aplicaciones). Incremento de la velocidad de trabajo. Bajar el tiempo de maniobra. Posibilidad de trabajar en condiciones de reducida visibilidad: de noche, con niebla o polvo. Técnicas de tráfico controlado (Control de rodada), aumento de la producción por menor compactación del terreno.
Uso para determinar perdidas Movimiento de herbicidas Fuegos Daños (Granizo, viento, heladas, etc.) Rendimientos bajo de productos
IDA, 2010
Primeros pasos 1. Delimitación de las zonas de manejo. 2. Programación del muestro con GPS (en cuadricula o por zonas) 3. Muestreo de Suelo. 4. Análisis físico-químico de las muestras. 5. Determinación del rendimiento objetivo basado en experiencias anteriores. 6. Recomendaciones de manejo de insumos según zonas.
EM38 sensor de suelo EM38 sensor Mide conductividad de suelos El sensor detecta corrientes electricas inducidasen la profundidaden respuesta a un campo magnetico externo que cambia Profundidad Max 0.75 cm (horizontal) Identificavariacionde propiedadesdel suelo, especialmente salinidady contenido de humedad
Midiendo variabilidad del suelo usando el EM38 Kiboko, Dan Makumbi s field
Variabilidad en Kiboko Que implica esto?
Usodel EM38 Uso como covariante en analisis estadistico Para identificar sitios donde poner sensores para medir humedad Identificacion de sitios no adecuados
Quantificarla variabilidadusandovigor Estimar biomasa visualmente 1 = biomasa baja 5 = biomasa alta
Reflectancia espectral Normalized Differential Vegetation Index (NDVI) NDVI Dry weight (g)
Mapa de variabilidad del suelo usando NDVI
Variabilidad entre sitios: un ejemplo en arroz Philippines West Africa 45 40 35 30 25 20 15 10 5 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 0 25 20 15 10 5 Depth to 3 MPa penetration resistance 0-10 cm 10-20 cm 20-30 cm 30-40 cm 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 X 40-50 cm 50-60 cm 0
Mapeo de rendimiento Mapeo de ganancias
Problemas de interpretacion de mapas de rendimiento Cambio de fecha de siembra Cambio de hibrido/variedad Cambio de aplicación de agro químicos Fallas de maquinaria Distribución mala de esquilmos Compactación Patrones de drenaje Lote formado por sub lotes con historia diferente Patrones de trafico viejos Aplicaciones de estiércol históricos Tubería subterránea, líneas de teléfono Compactación previa Cambios de topografía Deriva de herbicidas Efectos de sombra en las orillas Infestación de insectos por campos vecinos Aplicación de estiércol variable Efectos de canales Cambios en tipo de suelos Infestación de malezas Cambios de fertilidad del suelo Cultivos anteriores Infestación de enfermedades Efectos de herbicidas residuales Cambios en materia orgánica Daños por animales Áreas húmedas
Mapas de ingresos según precios del cultivo Algodón 1 USD por libra Algodón 0.75 USD por libra
Serie de tiempo de mapas de rendimiento Crema: rendimiento inestable Rojo: rendimiento estable debajo del promedio Verde: rendimiento estable promedio Azul: rendimiento estable encima del
Fig. 1: Mapa de rendimiento Fig. 2: Mapa de rendimiento normalizado de maíz expresado en normalizado de trigo expresado en porcentaje, el valor de índice 100% porcentaje, el valor de índice 100% (color verde rango 92/ 107) representa(color verde rango 94/105) representa un rendimiento de 120 qq/ha. un rendimiento de 54qq/ha. Fig. 3: Mapa integrado que surge de promediar los mapas de índice de maíz y trigo anteriores. Sitio B: 102% Sitio A: 110% Sitio C: 90% (respecto del 100%)
Mapa de rendimiento de algodón
Maíz zonas de aplicación de dosis variable de nitrógeno Rojo 170 kg N por ha Amarillo 200 kg N por ha Verde 220 kg N por ha
Maíz zonas de densidad variable de siembra Crema 54,000 plantas por ha Verde 65,000 plantas por ha Verde 75,000 plantas por ha Rendimiento 9.4 t por ha Costos bajaron 60 USD por ha
Drones
Ebee
Plataforma aérea de percepción remota para fenotipeo de alto rendimiento (High Throughput Phenotyping) AB1100 helium filled blimp. Tethered. L8.0m, W3.1m. Payload approx 6 kg Max flight height 300 m. Max wind speed 13 m/s. Astec Falcon 8, 8-rotar UAV. Remote controlled. 650 g payload. Max flight height approx 130 m. Max wind speed 10 m/s. Airelectronics Skywalker Autonomous flying
Imagenes Multispectrales NIR 3-bandas imagen colores falsos Rojo Verde 2 m tamaño parcela, 100 m altura 0.5 m tamaño parcela, 60 m altura
Imágenes termales
Alternativas de larga escala 3000 pesos por hora
Camera Multi-spectral Ejemplo vuelo a 300 m altura Área de interés: 400 ha Tiempo vuelo: 90 min Cantidad de imágenes: 970 Área por imagen: 208mx165m Resolución: 16 cm 17500 pixels 24600 pixels 1990 m 2030 m
GREENSEEKER
GREENSAT
Aplicaciones herbicidas de precisión Irrigación de precisión
Manejo de precisión Control de rodada
Pivotes con sensores ópticos para irrigación variable
Percepción remota para evaluación de eficiencia riego
Donde se esta aplicando la agricultura de precisión? Australia Estados Unidos de América Argentina Brazil Europa Canada
Usuarios de aplicación de fertilizantes en dosis variable en Argentina
Usuarios de diferentes tecnologías de AP en Argentina
Cambio climático en México
Adaptacion al cambio climatico: Variedades nuevas muestran su valor en Sonora 7.5 Wheat yield Yaqui Valley (Ton/Ha) 7.0 6.5 6.0 5.5 5.0 4.5 y= 11.55-0.65X r 2 =0.75 2012 2013 2010 2011 2007 2006 2008 2004 2001 2009 2000 2002 2005 2003 1 0 C increase = 700 kg lower yield 4.0 11.5 11.0 10.5 10.0 9.5 9.0 8.5 8.0 7.5 January-April average min. temperature C Temperatura minima promedio Enero-Abril Data compiled by H.-J. Braun and I. Oriz Monasterio CIMMYT
Adaptacion al cambio climatico: Variedades nuevas muestran su valor en Sonora 7.5 Wheat yield Yaqui Valley (Ton/Ha) 7.0 6.5 6.0 5.5 5.0 4.5 y= 11.55-0.65X r 2 =0.75 2012 2013 2014 2010 2011 2006 2007 2008 2004 2001 2009 2000 2002 2005 2003 1 0 C increase = 700 kg lower yield 4.0 11.5 11.0 10.5 10.0 9.5 9.0 8.5 8.0 January-April average min. temperature C 7.5 Data compiled by H.-J. Braun and I. Oriz Monasterio CIMMYT
Impacto cambio climático maíz 2050s temporal Sonder, 2012
Impacto cambio climático maíz 2050s riego
Conclusiones AP vale la pena pero inversión inicial alta Cuestión de escala Sube rendimientos, baja costos de operación y insumos Baja impactos ambientales negativos Sistema integrado necesario pero se puede adaptar paso por paso Capacitación necesaria para aplicación o pagar por servicios
k.sonder@cgiar.org Kai Sonder