Escolar Documentos
Profissional Documentos
Cultura Documentos
Organizacin de la Presentacin
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
AGRICULTURA ANTIGUA
MECANIZACIN AGRCOLA
AGRICULTURA DE PRECISIN
Poda de invierno
Raleo de fruta
PERCEPCIN REMOTA
Imgen Area Infraroja
25 das despus de la Siembra 1998
MAPA DE RENDIMIENTO
Cosecha 1998
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
20
IR
r= reflectancia;
= absorbancia;
i= radiacion incidente
= transmitancia
Herramientas
PERCEPCIN REMOTA
NDVI =
IR R
IR + R
III. Herramientas
MONITORES DE RENDIMIENTO
NDVI relacionado
con:
productividad,
plagas y enfermed.,
estatus hdrico,
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 =
Campo 5
Trigo
Tomate
Frejol
Maravilla
Predominantemente
Franco arcilloso
30 ha
muestreo de suelo
Campo 58
Trigo
Tomate
Maravilla
Maiz
Arcillo limoso
30 ha
Crop
Field 5
Field 58
Number of
Mean
Standard
Coefficient of
pixels
(Kg/ha)
Deviation
Variation (%)
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
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
Anlisis de Cluster
Estandarizacin
s = i 100
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-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
1.0
BEAN
SU N FLW R
Variables
58
0.5
TOMATO
0.0
-1
-0.5
-2
-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
Anlisis de Regresin
Xs: Tres clases texturales, materia orgnica y pH
Y: Sumscore
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
10
Empresa Agroprecisin
www.agroprecision.cl
Maquinaria
Sargent Agrcola
35000
30000
25000
20000
15000
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
EE.UU.
DERCO-MAQ
AGRICULTURA DE PRECISION
jorgepq@uchile.cl
11
Thiessen
Mtodo ms simple.
-29.5
-30
-30.5
-31
-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
-71
z (i , j ) W (i , j )
i, j
-29.5
W (i , j )
-30
i, j
1
W (i , j ) =
D (i , j ) n
-31
-31.5
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
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