AGRICULTURA DE PRECISION

Organizacin de la Presentacin

Jorge Prez Quezada

Depto. Cs. Ambientales y Rec. Naturales Renovables
Facultad de Ciencias Agronmicas U. de Chile

I. Introduccin
II. Ejemplos prcticos
III. Herramientas
IV. Anlisis de Informacin
V. Aplicaciones en Chile
VI. Perspectivas

jorgepq@uchile.cl

I. Introduccin
Manejo Sitio Especfico (MSE): El manejo de
un predio a una escala espacial y temporal
apropiada a su variabilidad natural

Criterios que justifican hacer un MSE

(1)Existe una variacin espacial dentro del predio
significativa en factores que influyen en el
rendimiento y/o calidad del cultivo,

Agricultura de Precisin (AP): Es el conjunto

de tecnologas que hacen posible la aplicacin del
MSE
Objetivos: aumentar la produccin
mejorar la calidad
reducir costos
reducir el impacto ambiental.

AGRICULTURA ANTIGUA

(2) Las causas de esa variabilidad pueden ser

identificadas y medidas, y
(3) La informacin recopilada puede ser usada
para modificar el manejo del cultivo para cumplir
el/los objetivos.
AP es en ltimo trmino = manejo de informacin

MECANIZACIN AGRCOLA

LABORES AGRCOLAS DE PRECISIN

AGRICULTURA DE PRECISIN

Poda de invierno

Raleo de fruta

II. Ejemplo Prctico

Nivelacin en campo de arroz
40 hectareas de Arroz
Imgen Area Infraroja 1998
Mapa de Rendimiento 1998
Mapa Topogrfico 1999
Sistema de Informacin Geogrfico

PERCEPCIN REMOTA
Imgen Area Infraroja
25 das despus de la Siembra 1998

MAPA DE RENDIMIENTO
Cosecha 1998

SISTEMAS DE INFORMACION GEOGRAFICO

Mapa Topogrfico
30 das previo a la siembra 1999

APRECIACION VISUAL

Mapa Altimtrico
Georeferenciado
con GPS

III. Herramientas

III. Herramientas
GPS

GPS
Percepcin remota
Monitores de rendimiento
SIG
Aplicadores de dosis variable
Autogua
Otros sensores

Herramientas
GPS

III. Herramientas
PERCEPCIN REMOTA
Se necesitan 4
satelites mnimo
para ubicar un
punto
en el espacio

Herramientas
PERCEPCIN REMOTA

Herramientas
PERCEPCIN REMOTA
Reflectancia (%)
60

Vegetacin vigorosa

40

Vegetacin con bajo vigor

20

Superficie sin vegetacin

0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 m

IR

Indice de Vegetacin de Diferencia Normalizada (NDVI)

r = i ( + )

r= reflectancia;

= absorbancia;

i= radiacion incidente

= transmitancia

Herramientas
PERCEPCIN REMOTA

NDVI =

IR R
IR + R

III. Herramientas
MONITORES DE RENDIMIENTO

NDVI relacionado
con:

(Johnson et al., 2003)

productividad,
plagas y enfermed.,
estatus hdrico,

LAI: ndice de area foliar

III. Herramientas
SISTEMAS DE INFORMACIN GEOGRFICA

III. Herramientas
APLICADORES DE DOSIS VARIABLE

nivelacin

enfermedades
fertilidad
textura
rendimiento

Herramientas
APLICADORES DE DOSIS VARIABLE

III. Herramientas
AUTOGUIA
Relative Solution

Reduccin de 10-20%
en aplicacin

Trimble

III. Herramientas
OTROS SENSORES

Herramientas
OTROS SENSORES

Malezas

Textura

+ GPS SIG =

+ GPS SIG =

(Jurado-Exposito et al., 2003)

IV. Anlisis de Informacin

Variabilidad espacial y temporal del
rendimiento
Relacin con variables de suelo
Zonas de manejo

Anlisis de variabilidad de rendimiento

en rotaciones de 4 cultivos
en el Valle de Sacramento, California
(1996 - 1999)
J.F. Prez Quezada & R.E. Plant

Department of Agronomy and Range Science

University of California
Davis, California

Campo 5
Trigo
Tomate
Frejol
Maravilla
Predominantemente
Franco arcilloso
30 ha
muestreo de suelo

Campo 58
Trigo
Tomate
Maravilla
Maiz
Arcillo limoso
30 ha

BEAN '98 VS SUNFLOWER '99

Crop

Field 5

Field 58

Number of

Mean

Standard

Coefficient of

pixels

(Kg/ha)

Deviation

Variation (%)

Wheat ('95 - '96)

776

2927

1375

50.0

Tomato ('97)

714

69525

18990

27.3

Bean ('98)

545

1561

374

24.0

Sunflower ('99)

707

2012

202

10.0

Wheat ('95 - '96)

780

4428

1447

32.7

Tomato ('97)

566

82583

19448

23.5

Sunflower ('98)

780

3048

399

13.1

Corn ('99)

780

13912

2392

17.2

S un flow er (K g/ha)

Estadsticas de rendimiento
(grilla de 20 20 m)

y = 0.1359x + 1793
R2 = 0.0561

3500
3000
2500
2000
1500
1000
500
0
0

1000

2000

3000

4000

Bean (Kg/ha)

ESTANDARIZACION DE
RENDIMIENTOS
Yi : rendimiento de cada celda
Y : rendimiento promedio para ese ao
Ys rendimiento estandarizado para cada celda

i
Ys = 100

Sumscore : Ys j
Ys j rendimiento estandarizado de cada celda para cada ao

CV = 100
i
CV coeficiente de variacin de cada celda
desviacin estndar sobre el promedio de rendimiento estandarizado
(Yi ) para cada celda

Plot of Means for Eac h C lus ter

1.5

Anlisis de Cluster
Estandarizacin

s = i 100

Plot of Means for Eac h C lus ter

1.5

1.0

1.0

0.5
0.5
0.0
0.0
-0.5

i es el rendimiento para el pxel i

-0.5

es el rendimiento promedio del ao y cultivo en particular.

-1.0
WH EAT

TOMATO

BEAN

SU N FLWR

-1.0
C lus ter
N o. 1
C lus ter
-1.5
N o. 2

WH EAT

Var iables
Plot of Means for Eac h C lus ter

Varianza dentro del grupo es minimizada

1.0

BEAN

SU N FLW R

Variables

Plot of Means for Eac h C lus ter

1

58

0.5

Varianza entre grupos es maximizada

TOMATO

0.0

-1

-0.5

-2

Sin considerar informacin espacial

-1.0

-3

-1.5
WH EAT

TOMATO

SU N FLW R

Var iables

C lus ter
N o. 1
C lus ter
N o. 2
C lus ter
N o. 3

C OR N

C lus ter
N o. 1
C lus ter
-4
N o. 2

W H EAT

TOMATO

SU N FLW R

C OR N

C lus ter
N o. 1
C lus ter
N o. 2
C lus ter
N o. 3

Variables

Balance Econmico (US$/ha) Campo 5

Anlisis de Regresin
Xs: Tres clases texturales, materia orgnica y pH
Y: Sumscore

Table 3. Variables and adjusted coefficient of determination (R2) of best-fit

models obtained by regression analysis.
Variable
R2
Soil organic matter (SOM)
0.42
Field 5 Silt content (SILT)
0.35
SOM+ SILT
0.54
SILT
0.15
Field 58 SAND
0.10
SILT + SAND
0.14

CONCLUSIONES
Falta de correlacin de rendimiento entre aos
Clusterizacin es muy til para Agric. Precisin
Campo 5 tiene gran variabilidad intrnseca en una
variable: drenaje de suelo. Es conveniente dividir el campo
en dos o tres unidades de manejo?

V. Aplicaciones en Chile
Programa de Agricultura de Precisin INIAU. de Concepcin
Fruticultura de precisin
Vitivinicultura de precisin
www.progap.cl

Campo 58 es mas homogneo en sus propiedades de suelo.

Como se puede aumentar el rendimiento total?

10

Empresa Agroprecisin
www.agroprecision.cl

Maquinaria

Sargent Agrcola

VI. Perspectivas futuras

Venta de equipos GPS

Mapeo de suelo (muestras y C.E.)
Imgenes satelitales y fotos areas
multiespectrales
Implementacin de SIG

Nmero de Monitores de Rendimiento por pas.

Rodolfo Bongiovanni INTA, 2003
30000

Sembradoras de precisin, neumticas

Cosechadoras con monitores de rendimiento
para cereales; 15 en el sur

35000
30000
25000
20000
15000

Mtodos para Monitorear Rendimiento

1.
2.
3.

150

150

250

400

400

800

850

Brasil

Gran

Dinamarca

Australia

Argentina

50

Suecia

15

Francia

Alemania

15

Uruguay

15

Holanda

Sudfrica

Blgica

12

Espaa

China

Portugal

5000

Chile

10000

Paraguay

Falta capacidad de anlisis de la informacin

Adaptacin tecnolgica
Incorporacin del concepto de agricultura de
precisin

EE.UU.

DERCO-MAQ

AGRICULTURA DE PRECISION

Mtodo de Cosechar y Pesar

Mtodo de Pesaje en la Tolba de la Cosechadora
Mtodos Continuos y/o Instantneos

Jorge Prez Quezada

Depto. Cs. Ambientales y Rec. Naturales Renovables
Facultad de Ciencias Agronmicas U. de Chile

jorgepq@uchile.cl

11

Mtodos de Interpolacin Espacial

Thiessen
Mtodo ms simple.

-29.5

Casi ms un mtodo de asignacin

que de interpolacin

-30

-30.5

-31

Adaptable a variables discretas.

-31.5

-32

-71.5

Inverso de la distancia.

Z ( x, y ) =

-70.5

-70

Inverso de la distancia.
82
80
78
76
74
72
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28

-29

Las cosas ms cercanas se

parecen ms.

-71

z (i , j ) W (i , j )
i, j

-29.5

W (i , j )

-30

i, j

Influencia definida por una funcin.

-30.5

1
W (i , j ) =
D (i , j ) n

-31

-31.5

Mientras mayor el valor de n, mayor peso a los valores cercanos al

punto que se quiere interpolar

Tendencia (trend)
Ajuste de polinomio de grado n

-71.5

-71

-70.5

Regresiones.
130
125
120
115
110
105
100
95
90
85
80
75
70
65
60
55
50
45
40
35
30

-29

-29.5

-30

-30.5

-31

Uso de una o varias variables

Independientes.

90
85
80
75

-29.5

70
65
60
55

-30

50
45
40
35

-30.5

30
25
20
15

-31

10
5
0
-31.5

-31.5
-32

-71.5

-71

-70.5
-71.5

TENDENCIA
Z(x,y)= a + b x + c y + d x2 + e x y + f y2

-71

-70.5

-70

TENDENCIA
Z(x,y)= a + b x + c y + d DisMar + e Pend + f NDVI

12